Zastosowanie logiki rozmytej w budowie modeli geologicznych

• Autorzy: Darłak B. , Kowalska-Włodarczyk M.

Warianty tytułu

EN

An application of fuzzy logic in evaluation of geological models

• Języki publikacji: PL

Abstrakty

PL

Przedstawiona praca jest kontynuacją próby wprowadzenia metody logiki rozmytej do rutynowych modelowań geologicznych. Wykorzystując dane laboratoryjne i otworowe uzupełniano z jej pomocą brakujące fragmenty profilowań petrofizycznych i geofizycznych. Metoda ta pozwoliła także prognozować całe brakujące profile na podstawie zestawu innych danych, ponieważ nie wymaga ona nauczyciela, czyli zbioru uczącego, opiera się natomiast na poprawnie sformułowanych regułach wnioskowania, co w modelowaniach geologicznych daje jej przewagę nad sieciami neuronowymi.

EN

This paper presents a possibilities of fuzzy logic application in geological model evaluation. Two potential fields of activity was showed. The first is to complete petrophysical and well log database. The second, more ambitious is estimation of petrophysical parameters in no data wells. It is possible because of depending of fuzzy logic on inference rules not on teaching files. It is the main advantage of fuzzy logic over ANN extrapolation method.

Słowa kluczowe

PL

modelowanie geologiczne; logika rozmyta

EN

geological model; fuzzy logic

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2009
• Tom: R. 65, nr 6
• Strony: 454--461
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Darłak B.

• Instytut Nafty i Gazu, Kraków

autor

Kowalska-Włodarczyk M.

• Instytut Nafty i Gazu, Kraków

Bibliografia

• [1]. Bezdek J.C.: Pattern recognition with fuzzy objective function algotithms. Plenum, New York 1981.
• [2]. Darłak B., Włodarczyk M.: Próba zastosowania logiki rozmytej do interpretacji parametrów petrofizycznych skał zbiornikowych. Nafta-Gaz Nr 5, s. 305-413, 2007.
• [3]. Finol J., et al.: A rule based fuzzy model for the prediction of petrophysical rock parameters. Journal of Petroleum Science and Engineering, vol. 29, Issue 2, p. 97-113, 2001.
• [4]. Finol J., Xu-Dong Jing: Permeability prediction in shaly formations: the fuzzy modeling approach. Geophysics 67, Issue 3, p. 817-829, 2002.
• [5]. Finol J., Xu-Dong Jing: Predicting Petrophysical parameters in a fuzzy environment. Soft computing for reservoir characterization and modeling. Physica-Verlag, 80, p. 183-218, 2002.
• [6]. Jong-Se Lim: Reservoir properties determination using fuzzy logic and neural networks from well data in offshore Korea. Journal of Petroleum Science and Engineering, vol. 49, Issue 3-4, p. 182-192, 2005.
• [7]. Łęski J.: Systemy neuronowo rozmyte. Wydawnictwo Naukowo-Techniczne, 2008.
• [8]. Piegat A.: Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
• [9]. Piegat A.: Fuzzy modeling and control. ISBN 3-7908, p. 1385-1390, 2001.
• [10]. Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, 1997.
• [11]. Rutkowski L.: Filtry adaptacyjne i adaptacyjne przetwarzanie sygnałów. Wydawnictwo Naukowo-Techniczne, Warszawa 1994.
• [12]. Zadeh L.A.: Fuzzy sets. Information and Control, p. 338-353, 1965.