Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Sztuczne sieci neuronowe dla uzupełnienia danych w geofizyce otworowej - wybrane przykłady

Jarzyna J., Opyrchał A., Mozgowoj D.

Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2007

T. 33, z. 4/1

81-102

Wykorzystano sztuczne sieci neuronowe do odtwarzania profilowań geofizyki otworowej. Na podstawie dostępnych profilowań geofizyki wiertniczej odtworzono czas interwałowy rejestrowany przy profilowaniu akustycznym, gęstość objętościową będącą wynikiem profilowania gamma-gamma oraz oporność pozorną. Wybrano perceptrony i wsteczną propagację błędu jako metodę nauczania. Najbardziej skuteczne przy odtwarzaniu parametrów okazały się perceptrony z kilkoma neuronami na wejściu i przynajmniej kilkoma neuronami w warstwie ukrytej. Miarą poprawności wyników dostarczanych przez sieci były podstawowe statystyki obliczane dla odtworzonych parametrów w porównaniu z wynikami pomiarów lub estymacji. Najtrudniejsze do opracowania okazały się interwały, w których skały miały skomplikowaną litologię i zróżnicowaną przynależność stratygraficzną. Wyniki wykorzystano dla potrzeb interpretacji sejsmicznej, grawimetrycznej i magnetotellurycznej.

Artificial Neural Networks were used for reconstruction of well logs. Transit interval time recorded during acoustic log, bulk density as a result of gamma-gamma log and apparent resistivity were reconstructed on the basis of available logs. Perceptrons were chosen and the back propagation method was applied as the most effective training algorithm. Perceptrons with a few input neurons and at least a few neurons in a hidden layer turned out in reconstructing parameters. Basic statistics calculated for the reconstructed parameters compared to the measured or estimated ones acted as measures of correctness of solutions delivered by the networks. Intervals containing rocks of complex lithology and diversified stratigraphy turned out to be the most difficult to interpret. Results were applied in seismics, gravimetric and magnetotelluric interpretations.

Wykorzystanie sieci neuronowych do wyznaczania profilowań geofizyki otworowej na podstawie znajomości parametrów fizycznych skał

Jarzyna J., Opyrchał A., Mozgowoj D.

Prace Instytutu Nafty i Gazu

2006

nr 137

477-485

Czas interwałowy i gęstość objętościowa skał pomierzone w sposób ciągły podczas profilowań geofizyki otworowej są wykorzystywane przy konstrukcji sejsmicznych modeli prędkości i impedancji akustycznej oraz w grawimetrycznych modelach interpretacyjnych struktur przypowierzchniowych. Braki pomiarów tych parametrów w starszych otworach lub niezadowalające wyniki profilowań mogą zostać uzupełnione danymi uzyskanymi na podstawie istniejących, dobrych pomiarów z wykorzystaniem sztucznych sieci neuronowych. Jako parametry wejściowe do sieci neuronowych wykorzystano oporności pozorne zarejestrowane klasycznymi sondami gradientowymi i potencjałowymi, intensywność naturalnej promieniotwórczości skał, porowatość neutronową, potencjały polaryzacji naturalnej, średnicę otworu oraz głębokość. W pracy przedstawiono szkic metodyczny i wyniki uzyskane dla profilowania akustycznego w wybranych otworach w Karpatach Zachodnich.

Transit time interval and bulk density recorded in well logging are used for construction of seismic velocity models and for calculating acoustic impedance, also, in building gravity models for interpretation geological structures. Shortage of these logs in older wells or not sufficient quality of measurements done in the past can be supplemented by logs recreated on the basis of accessible logs using Artificial Neural Networks. Classic resistivity logs (normal and lateral), natural gamma, neutron porosity, spontaneous potentials and caliper and depth worked as inputs to ANN. Draft of methodology and selected examples from wells in the west Carpathians are presented in the paper.