PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Estymacja parametrów charakteryzujących ośrodek geologiczny za pomocą procedury inwersji genetycznej

Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
The estimation of rock properties characterizing reservoirs using genetic inversion
Języki publikacji
PL
Abstrakty
PL
Estymacja parametrów charakteryzujących ośrodek geologiczny za pomocą inwersji genetycznej przy użyciu danych sejsmicznych i danych geofizyki otworowej pozwala na uzyskanie wolumenu prędkości lub impedancji akustycznej. W publikacji przedstawiono rezultaty inwersji genetycznej opartej na algorytmie, który wykorzystuje połączenie wielowarstwowych sieci neuronowych oraz algorytmów genetycznych. Wykorzystywany w tym rozwiązaniu algorytm wstecznej propagacji błędów jest podstawowym algorytmem uczenia nadzorowanego dla wielowarstwowych jednokierunkowych sieci neuronowych. Istotną zaletą inwersji genetycznej jest możliwość zastosowania jej dla różnych atrybutów petrofizycznych. Danymi wejściowymi mogą być: dane otworowe, atrybuty sejsmiczne, mapy lub inne parametry charakteryzujące ośrodek geologiczny. Procedurę zaaplikowano na danych szkoleniowych firmy Schlumberger oraz na rzeczywistych danych sejsmicznych 3D, pochodzących z przedgórza Karpat.
EN
The estimation of rock properties characterizing reservoirs by genetic inversion using seismic and well data allows us to obtain the volume of velocity or acoustic impedance. This work presents results of genetic inversion within the Petrel system based on a nonlinear multitrace seismic inversion algorithm. In the case of Genetic Inversion, the required inputs are limited to the seismic amplitude, and the Acoustic Impedance well logs used as training data. Indeed no single unique wavelet, neither initial property modeling are needed as inputs prior to the running of the inversion. A genetic algorithm back-propagates the error in order to update the weights for the neural networks. The Petrel inversion module is not restricted to a pure acoustic impedance inversion, but can be extended to any property with some inherent link with respect to the input seismic volume. This analysis was carried out on demo data and on 3D seismic data, from the Carpathians foreland.
Czasopismo
Rocznik
Strony
392--400
Opis fizyczny
Bibliogr. 6 poz., il.
Twórcy
  • Zakład Sejsmiki, Instytut Nafty i Gazu, Kraków
autor
  • Zakład Sejsmiki, Instytut Nafty i Gazu, Kraków
Bibliografia
  • [1] Hampson D. P., Schuelke J. S., Quirein J. A.: Use of multi attribute transformers to predict long properties from seismic data. “Geophysics” 2001, January-February, vol. 66, no. 1.
  • [2] Masters T.: Sieci neuronowe w praktyce. Wydawnictwo Naukowo-Techniczne WNT, 1996.
  • [3] Petrel Manual - wersja 2009.2.
  • [4] Priezzhev I., Shmaryan L., Bejarano G., Veeken P.: Genetic seismic inversion using a non-linear, multi-trace reservoir modeling approach. 71st. EAGE Conference & Exhibition 2009.
  • [5] Tadeusiewicz R.: Sieci neuronowe. Problemy Współczesnej Nauki i Techniki. Informatyka 1993; http://winntbg.bg.agh.edu.pl/skrypty/0001/ - dostęp: wrzesień 2011 r.
  • [6] Veeken P. C. H., Priezzhev I. I., Shmaryan L. E., Shteyn Y. I., Barkov A. Y., Ampilov Y. P.: Nonlinear multitrace genetic inversion applied on seismic data across the Shtokman field, offshore northern Russia. “Geophysics” 2009, November-December, vol. 74, no. 6.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-6291aa41-1bbf-45d3-913e-c65e9af255cf
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.