Zastosowanie sztucznej inteligencji do określania ciepła radiogenicznego skał mezo-paleozoicznych w rejonie Tarnów—Dębica

• Autorzy: Gąsior I. , Przelaskowska A. , Zalewska J.

Warianty tytułu

EN

Estimation of the radiogenic heat of mezo-paleozoic rocks from the Tarnów-Dębica area with the use of neural network

• Konferencja: Geopetrol 2012 : Nowoczesne technologie pozyskiwania węglowodorów w warunkach lądowych i morskich : międzynarodowa konferencja naukowo-techniczna
• Języki publikacji: PL

Abstrakty

PL

Ciepło radiogeniczne określane jest standardowo w profilach otworów wiertniczych za pomocą wzoru Rybacha, uwzględniającego wyniki gęstościowego i spektrometrycznego profilowania gamma. Wymienione profilowania nie są wykonywane we wszystkich otworach wiertniczych, czasem badane są tylko fragmenty profilu otworu. W związku z tym istnieje konieczność konstrukcji modeli interpretacyjnych, uwzględniających zależność wydzielanego ciepła radiogenicznego od litologii skał, ich składu mineralnego i parametrów petrofizycznych, takich jak: porowatość, przewodność cieplna czy prędkość propagacji fali akustycznej. W tym celu wykorzystywana jest metoda sztucznej inteligencji. Sztuczna inteligencja jest działem informatyki zajmującym się rozwiązywaniem problemów, które nie są efektywnie algoryhnizowalne. Obejmuje ona między innymi zagadnienie sieci neuronowych. W niniejszej pracy przedstawiono sieci neuronowe skonstruowane w oparciu o dane laboratoryjne, pochodzące z siedmiu wybranych odwiertów omawianego rejonu. Opracowaną metodykę zastosowano do ilościowej oceny ciepła radiogenicznego w profilach wybranych otworów wiertniczych. Zweryfikowano ją w oparciu o wyniki badań laboratoryjnych i krzywą ciepła określoną ze wzoru Rybacha.

EN

Radiogenic heat is conventionally estimated in well profiles by the means of Rybach equation using the results of density and spectral gamma logs. These logs are not always performed, and sometimes only part of the well profile is logged. That's why there is a necessity to generate mathematical models connecting radiogenic heat with the litology of rocks, their mineralogy and petrophysical parameters such as: porosity, heat conductivity, and velocity of wave propagation. Neural network (a section of computer science dealing with problems which can't be effectively solved with the use of algorithms) was used to achieve this goal. Presented in this work neural network was constructed using laboratory data from seven boreholes from the investigated area. Afterwards it was used to estimate quantitatively values of radiogenic heat in the profiles of the investigated boreholes. The obtained results were verified with the use of laboratory data and radiogenic heat profiles estimated by the means of Rybach equation.

Słowa kluczowe

PL

ciepło radiogeniczne skał; sztuczna inteligencja; badania laboratoryjne

EN

radiogenic heat; rocks; artificial intelligence

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Prace Naukowe Instytutu Nafty i Gazu
• Rocznik: 2012
• Tom: nr 182 wyd. konferencyjne
• Strony: 529--533
• Opis fizyczny: Bibliogr. 3 poz., tab., wykr.

Twórcy

autor

Gąsior I.

• Instytut Nafty i Gazu, Kraków

autor

Przelaskowska A.

• Instytut Nafty i Gazu, Kraków

autor

Zalewska J.

• Instytut Nafty i Gazu, Kraków

Bibliografia

• [1] Bucker C., Rybach L. — A simple method to determine heat production from gamma — ray logs. Marine and Petroleum Geology 1996, vol. 13, no 4
• [2] Gąsior I., Przelaskowska A. — Ocena współczynnika przewodności cieplnej na podstawie danych otworowych i profilowań geofizycznych w utworach fliszu karpackiego. Nafta-Gaz 2008, nr 7
• [3] Rybach L. — Radioactive heat production in rocks and its relation to other petrophysical parameters. Pageoph, vol. 114, Birkhauser Verlag, Basel 1976