Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Nafta-Gaz

1 2014

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: TOC (Total Organic Carbon)

Sortuj według:

Ogranicz wyniki do:

Estymacja czasu interwałowego z profilowań geofizyki otworowej metodą sieci neuronowych

Gąsior I., Reicher B.

Nafta-Gaz

2014

R. 70, nr 11

765--770

Celem pracy jest wykorzystanie metody sieci neuronowych do określenia czasów interwałowych ΔT, niezbędnych do ilościowej oceny zawartości węgla organicznego (TOC % wag.) metodą CARBOLOG. Technika ta wymaga zastosowania dwóch podstawowych profilowań geofizycznych: oporności i akustycznego. Przegląd archiwalnych profilowań geofizycznych w odwiertach poszukiwawczych przemysłu naftowego i wierceniach badawczych Państwowego Instytutu Geologicznego z obszaru platformy prekambryjskiej wykazał duże zróżnicowanie ich jakości. W licznych otworach wiertniczych profilowania te nie zostały wykonane lub nie zachowały się. Z wytypowanych ostatecznie 10 odwiertów w sześciu nie wykonano profilowania akustycznego, a do estymacji czasu interwałowego wykorzystano sieci neuronowe. Przetestowano wiele typów sieci, dla różnych zmiennych wejściowych. Uzyskano wysokie współczynniki korelacji (R: 0,76÷0,97) pomiędzy wartościami czasu interwałowego otrzymanego metodą sieci neuronowych i z profilowania akustycznego. Potwierdzono tym samym poprawność metody estymowania czasu interwałowego z wykorzystaniem sieci neuronowych. Technikę tę można zastosować w odwiertach o podobnym profilu stratygraficznym, nawet w skali całych basenów.

The goal of this paper is to present the use of the neural network method to estimate interval times ΔT. Interval times ΔT are essential for quantitative estimation of TOC with the use of the Carbolog method. This method requires the application of two basic geophysical logs: electrical and acoustic resistance. A review of archival geophysical logs in exploratory boreholes in the oil industry and research boreholes of the National Geological Institute in the Precambrian platform showed great diversity in their quality. In numerous boreholes the logs were not performed or were not preserved. Out of the ten boreholes eventually selected, acoustic log was not performed in six and for the assessment of the interval time the method of neural network was applied. Many types of networks were tested, for various input variables. High values of correlation coefficient were obtained (R: 0.76÷0.97) between the values of the acoustic time received by the method of neural network and the acoustic log. Thus, the correctness of the method of the acoustic log with the use of neural network was confirmed. The technique of neural network may be used in boreholes with a similar stratigraphic profile, even with respect to entire basins.