Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 19

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W przedstawionej pracy podjęto próbę sklasyfikowania przestrzeni porowo-szczelinowej skał węglanowych typu dual porosity—dual permeability, w których ta przestrzeń jest wykształcona w znacznie bardziej skomplikowany i różnorodny sposób niż w piaskowcach. Za pomocą sieci neuronowych sporządzono i zweryfikowano zbiór bazowy, który posłużył do wyznaczenia, za pomocą logiki rozmytej, typów przestrzeni porowej opartych na udziale struktur szczelinowej i porowej.
EN
The main goal of this paper was to estimate main types of dual porosity — dual permeability types of pore space in carbonate rocks. The main data base was prepared with the use of neural network Using this data base the authors found three types of rock space according to rate of pore and fracture features.
2
Content available remote Zastosowanie sztucznej sieci neuronowej do uzupełnienia danych zbiornikowych
100%
PL
Przedstawiona praca jest poświęcona nowej metodzie zastosowania sztucznej sieci neuronowej (ANN) w zagadnieniach geologicznych takich jak ocena własności zbiornikowych skał węglanowych w oparciu o wyniki mikroskopowej analizy obrazu, a także odtworzenie przebiegu krzywych przepuszczalności względnej dla kilku typów piaskowców. Za pomocą ANN przeprowadzono analizę możliwości ekstrapolacji wyników badań laboratoryjnych przepuszczalności względnych i komputerowej analizy obrazu. Jako parametry bazowe do symulacji neuronowych wykorzystano wyniki badań porozymetrycznych wraz z analizą krzywych ciśnień kapilarnych oraz przepuszczalność liniową. Stwierdzono że poprawnie skonstruowana baza danych oraz wykonanie rzetelnych statystycznie oznaczeń przepuszczalności fazowej i komputerowej analizy obrazu, a także mikroskopowych analiz na płytkach cienkich umożliwia poprawną ekstrapolację oczekiwanych parametrów. Poprawność symulacji ANN sprawdzono wykonując serie testowych analiz Korelacja danych pomierzonych i wyliczonych ANN jest wysoka i wynosi odpowiednio w 0,98 symulacjach parametrów komputerowej analizy obrazu i 0,89 w symulacjach parametrów przepuszczalności względnych, co jest wystarczającym warunkiem do zastosowania tej metody w dalszych badaniach.
EN
This paper deals with a new method of using Artificial Neural Network (ANN) in solving various geological problems, including reservoir properties assessment of carbonate rocks derived from results of microscopic analysis of images, as well as from reconstruction of relative permeability curves for several sandstone types. Based on ANN, the relative permeability data and results of numerical parameterisations of microscopic analyses of images were perfomed. Porosity permeability, and other parameters, i.e. threshold pressures, specific surfaces and density, obtained during capillary pressure analyses were applied as a database. These studies indicate that the reliable database and properly prepared series of measurements result in good quality of extrapolation of relative permeability and microscopic analysis parameters. In both cases the use of ANN produces good results. The correlation coefficient of experimental and simulated data is high amounting to 0.98 (computer microscopic analysis) and 0.89 (relative permeability), which enable using this method for further investigations.
EN
Reservoir properties of carbonate rocks were investigated with the use of ANN. The problem was difficult because of a type of pore space of such kinds of rocks (microcaverns, fractures, heterogeneity). So, authors decided to complete petrophysical database with results of microscopic analysis of images. Also laboratory measurements of fracture porosity and permeability were applied in neural simulations. A simulation was done in two steps. In the first, results of microscopic analysis were interpolated on the whole database, in the second permeability coefficients were simulated. Correlation of experimental and simulated data gave value of correlation coefficient 0.98.
PL
Przedstawiono najnowszą metodę cyfrową z powodzeniem stosowaną do prognozowania, planowania oraz podejmowania decyzji, jaką jest logika rozmyta (ang. fuzzy logic), coraz częściej stosowana w opracowaniach geologicznych.
EN
In this paper there was presented the newest digital method so called fuzzy logic. This method is widely used to plan, predict and make decision in process, in geological problems.
5
100%
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.
PL
Praca prezentuje zastosowanie najnowszych metod cyfrowych (sieci neuronowe) i wizualizacyjnych (program PETREL) do oceny jakości materiału skalnego pod kątem własności zbiornikowych. Uzupełnienie i ujednolicenie danych za pomocą sieci neuronowych pozwoliło na stworzenie optymalnej bazy danych, która wprowadzona została do programu PETREL, co dało możliwość stworzenia przybliżonych modeli petrofizycznych.
EN
This work presents application of new digital methods (ANN) and visualization using new program PETREL. ANN were used to reconstruct petrophysical logs and unify data base. PETREL was used to create petrophysical models of reservoir rocks.
PL
W opracowanym zagadnieniu sieć neuronowa została wykorzystana do nowych zadań, mianowicie do zespolenia danych laboratoryjnych uzyskanych z badań porozymetrycznych z danymi sejsmicznymi, w celu odtworzenia całkowitych profili twardości akustycznej oraz impedancji, a następnie, na ich podstawie do odtworzenia przepuszczalności w całym profilu sejsmicznym. Obliczenia przy użyciu sieci neuronowej (ANN) prowadzono w trzech kolejnych etapach: I Tworzenie podstawowej bazy danych poprzez dobór parametrów za pomocą wstępnej weryfikacji neuronowej z zastosowaniem podstawowej analizy korelacyjnej, II Rekonstrukcja profili impedancji i twardości akustycznej w oparciu o zweryfikowaną bazę danych obejmującą wyniki analiz porozymetrycznych, III Uzupełnienie przepuszczalności w oparciu o zrekonstruowane profile impedancji i twardości akustycznej. Zestawienie otrzymanych wyników z danymi geologicznymi pozwala stwierdzić, że tam, gdzie mamy do czynienia ze skałą uszczelniającą, sieć z dużym prawdopodobieństwem odzwierciedla ten stan. W przypadku skal przepuszczalnych pojawiają się pewne rozbieżności, nie mniej jednak zostają zachowane trendy - sieć z dużą dokładnością wyróżnia warstwy uszczelniające wobec obecnych w profilu warstw o większej przepuszczalności.
EN
The paper suggests some news application of neural networks to solve new tasks, viz. coupling of laboratory data from porosimetry surveys with seismic data, in order to reconstruct full profiles of acoustic hardness and impedance and further, on this basis, to reconstruct permeabilities in the full seismic profile. On applying the neural networks (ANN) computations were being performed in the following phases: I Creating essential database through selection of parameters with preliminary neural verification, on employing fundamental correlation analyses; II Reconstruction of impedance profiles and acoustic hardness, issuing from the verified database containing results of porosimetry analyses; . III Completing of permeability data basing on reconstructed impedance and acoustic hardness profiles. Comparison of obtained results with geological data allows to state that when having to do with a sealing rock, the network reflects a state with a high probability. In the case of permeable rocks appear some discrepancies, however - trends are preserved, and the network with a high precision distinguishes sealing layers from the other, present in the profile of layers being more permeable.
PL
W przedstawionej pracy podjęto próbę sklasyfikowania przestrzeni porowo-szczelinowej skał węglanowych typu dual porosity – dual permeability, w których przestrzeń ta jest wykształcona w znacznie bardziej skomplikowany i różnorodny sposób niż w piaskowcach. Za pomocą sieci neuronowych sporządzono i zweryfikowano zbiór bazowy, który posłużył do wyznaczenia, za pomocą logiki rozmytej, typów przestrzeni porowej opartych na udziale struktur szczelinowej i porowej.
EN
The main goal of this paper was to estimate main types of dual porosity – dual permeability types of pore space in carbonate rocks. The main data base was prepared with the use of neural network. Using this data base the authors find three types of rock space according to rate of pore and fracture features.
PL
W badaniach prowadzonych w ciągu ostatnich kilkunastu lat zajmowano się wyinterpretowaniem budowli organicznych występujących w utworach jury, na podstawie materiałów sejsmicznych, a także geofizyki otworowej [6, 7]. W niniejszej pracy zaprezentowano możliwość interpretacji takich utworów pod kątem właściwości zbiornikowych, jak również stref uszczelniających, poprzez zastosowanie najnowszych technik obliczeniowych, a mianowicie sieci neuronowych (ANN) oraz logiki rozmytej (fuzzy logic). Obliczenia wykonane zostały na wyselekcjonowanych parametrach petrofizycznych (wielkości punktowe) oraz impedancji (wielkość ciągła). Zastosowanie obu metod daje ciągły obraz rozwoju przestrzeni porowej w profilu, a tym samym pozwala zdefiniować warunki zbiornikowe w utworach organicznych oraz warstwach uszczelniających stanowiących uszczelniające nadkłady. Cel pracy to analiza porównawcza wyników otrzymanych obydwiema metodami oraz określenie warunków ich stosowalności.
EN
The paper presents interpretation of reservoir properties of biogenic rocks using the ANN and Fuzzy Logic method. The calculations were performed using point data (core analysis) and impedance (continuous data). Applying of these methods allowed us to observe pore space development and define reservoir and sealing parameters in investigated sediments. Both methods are efficient in such type of works. They identified bioherm beds in investigated wells and allowed us to describe reservoir parameters for various types of rocks from these wells.
PL
Celem pracy było stworzenie modeli obliczeniowych oraz kompletnych baz danych, do wykorzystania ich w programach wizualizacyjnych za pomocą nowej metody symulacyjnej, tj. logiki rozmytej. Metoda wymagała opracowania odpowiednich funkcji, algorytmów i wielkości rozmytych oraz funkcji decyzyjnych na poziomie lingwistycznym, a także ich weryfikacji za pomocą sieci neuronowych. Wyniki przedstawiono w formie wykresów oraz zobrazowano w postaci grafiki 3D.
EN
The base goal of a project was preparation of new computational models and accompanied with them database for visualization software with the use of fuzzy logic. The problem was solved by creation of functions, algorithms, decision functions on linguistic level and then by comparison of obtained results with the result of ANN simulations. The results were presented as graphs and as a 3D visualizations.
PL
W artykule omówiono wprowadzenie najnowszego programu liczącego NeuralSIM opartego na zastosowaniu sieci neuronowych. Obliczenia wykonano na bazie danych petrofizycznych uzyskanych z badań piaskowców ciężkowickich i istebniańskich jednostki śląskiej z odwiertu Osobnica-140. Wyniki zestawiono z obliczeniami wykonanymi na tej samej bazie danych przy użyciu dotychczas stosowanego programu NeuralWork. Porównanie wyników badań pozwoliło stwierdzić, że obydwa programy generalizują podobnie, zachowując trendy zgodne z danymi doświadczalnymi. Wysokie współczynniki korelacji potwierdzają poprawność metod. Jednakże szczegółowe porównanie metod pozwala większą skuteczność generalizacji przypisać programowi NeuralSIM, co objawia się w dokładniejszym odwzorowaniu trendów zmian wielkości obliczonych w zestawieniu z danymi doświadczalnymi oraz wyższym współczynnikiem korelacji.
EN
The paper discusses implementing the newest computing program Neural SIM, based on neural networks applications. The computations have been done on petrophysical data of Ciężkowice and Istebna sandstones from the Silesian Unit (borehole Osobnica - 140). The results have been compared with computations performed on the same data basis, but using hitherto applied program NeuralWork. Confrontation of the results showed that the both programs generalize alike, maintaining trends in conformance with experimental data. High correlation coefficients confirm correctness of the methods. However more exact comparison proved that NeuralSIM is more effective in generalization. It can bee seen on more precise imagining trends in changes of computed values if comparing with experimental data, and in a higher correlation coefficients.
PL
W badaniach nad interpretacją całościowych profili geologicznych często napotykamy na trudność związaną z brakiem odpowiedniej ilości danych wynikających z bądź wyrywkowego pobrania prób, bądź też wprowadzenia nowych technik, które nie były wcześniej stosowane, także w przypadku zniszczenia rdzenia w czasie wydobycia, czy wreszcie z wielu innych powodów technicznych. W takich przypadkach, obok stosowanych tradycyjnych metod, z pomocą może przyjść symulacja neuronowa, która pozwoli w oparciu o komplet innych danych odtworzyć przebieg zmian w profilu geologicznym poszukiwanej wielkości lub uzupełnić brakujące dane. W przedstawionej pracy zastosowano metodę sztucznych sieci neuronowych do odtworzenia trendów przepuszczalności, jako podstawowego parametru zbiornikowego, w odwiertach, gdzie przepuszczalność była oznaczona tylko wyrywkowo. Wykonano także symulację mającą na celu klasyfikację litologiczną, konieczną do wydzielania warstw zbiornikowych. Badania za pomocą sieci neuronowej wykonano w oparciu o bazę danych petrofizycznych i geofizycznych pochodzących z warstw ciężkowickich i istebniańskich odwiertów leżących na fałdzie Potoka i Bobrki, w obrębie jednostki śląskiej Karpat. W symulacjach neuronowych użyto sieci jednokierunkowej wielowarstwowej z algorytmem propagacji wstecznej. Skuteczność sieci neuronowej przedyskutowano w zestawieniu z innymi, klasycznymi metodami wyznaczania porowatości z danych petrofizycznych. Przedyskutowano optymalny dobór parametrów konieczny do poprawnej symulacji.
EN
Geological works and reservoir simulations require representative and complete sets of petrophysical data. However, in case of permeability investigations, it is difficult to obtain ones. It is caused by troubles in cutting "plug" samples of unconsolidated rocks. In such situation, artificial neural networks simulation (ANN) is the best method to complement the results of laboratory analyses. The ANN simulation method was applied to estimate values of permeability. Lithological identification was done, too. The ANN simulation were performed for the data base of Istebna i Ciężkowice sandstones from Potok and Bobrka fold of Carpathian-Silesian unit. One-dimentional, multilayer architecture of net and back propagation algorithm were used for computations. The ANN simulation results give higher values of correlation coefficients than ones obtained by classical methods. Comparison with the Katz - Thompson correlation method was done.
PL
Celem pracy było poszukiwanie i dobór parametrów petrofizycznych, uzyskanych w badaniach laboratoryjnych, które wraz z parametrami sejsmicznymi jednoznacznie zdefiniują skałę uszczelniającą w warunkach pułapek złożowych. Badania przeprowadzono w rejonie Pilzna. Zastosowanie sieci neuronowej dało możliwość prognozowania przepuszczalności badanych skał na podstawie uzupełnionych i skorelowanych profili z samej tylko sejsmiki, tj. impedancji i twardości akustycznej, przy stworzeniu poprawnej bazy uczącej z wybranego odwiertu na tym terenie. Efektem końcowym przedstawionej pracy była rekonstrukcja przepuszczalności w całym profilu jednego z otworów, z uwzględnieniem poziomów uszczelniających, w którym dysponowano jedynie pomiarami z badań sejsmicznych.
EN
The main goal of our work was to identyfi the sealing layers in hydrocarbon trap with the use of petrophysical parameters and seismic data. Application of Artificial Neural Network (ANN) make possible to predict a permeability of investigated rocks on the base of seismic attributes like impedance and reflection coefficient and to prepare the database consisting of extrapolated and correlated petrophysical data. The area of study was located near Pilzno. The reconstruction of permeability for the whole profile was done. The sealing rocks were extracted only on the base of seismic parameters and teaching file consisting of correlated data from other boreholes from examined area.
PL
Możliwości analityczne Zakładu Geologii zostały zdecydowanie powiększone dzięki zakupowi aparatu TriStar II firmy Micromeritics do badań parametrów przestrzeni porowej. Aparat działa na zasadzie adsorpcji wybranych gazów w temperaturach azotowych. Umożliwia w zoptymalizowanych warunkach pomiarowych wyznaczenie krzywej kumulacyjnej objętości porów w funkcji ich średnicy (BHJ - adsorpcja lub desorpcja) oraz pomiar powierzchni właściwej (BET model) w zakresie od 100 nm do 1 nm, a także dopasowanie do cylindrycznego lub sferycznego modelu przestrzeni porowej. Wprowadzenie do praktyki laboratoryjnej nowego aparatu do pomiaru parametrów przestrzeni porowej zdecydowanie polepszyło rzetelność wykonywanych oznaczeń oraz zapewniło możliwość korelacji wyników otrzymywanych różnymi metodami, a co za tym idzie - weryfikację poprawności wykonywanych analiz oraz możliwość dokładnego oszacowania wielkości efektu brzegowego. Nową jakością jest również możliwość dokładnej analizy ilości i rozkładu wielkości nanoporów, które w skałach łupkowych są w wielu przypadkach dominującą klasą porów.
EN
The Micromeritics TriStar II apparatus was applied in pore space investigations. It works on the principle of absorption/desorption phenomena in nitrogen temperatures in the range from 100 to 1 nanometer. Applied software can calculate pore size distribution and values of specific surfaces for cylindrical and spherical models of pore spaces. Introducing this apparatus into laboratory practice improved the reliability of measurements and allowed us to correlate results obtained with the use of various methods as well as to estimate values of boundary effect. New opportunities depend also on possibilities of detailed analysis of nanopores which can even dominate in shale rocks.
PL
Zastosowanie nowej techniki pomiarowej z użyciem aparatu Tristar 2 najnowszej generacji poszerzyło możliwości analityczne wykonywanych badań nad strukturą przestrzeni porowej, zwłaszcza w zakresie mikroporów i mikroszczelin charakterystycznych dla skał łupkowych. Aparat działa na zasadzie adsorpcji helu w temperaturach azotowych. Umożliwia w zoptymalizowanych warunkach pomiarowych wyznaczenie krzywej kumulacyjnej objętości porów w funkcji średnicy porów (BHJ — adsorpcja lub desorpcja) oraz pomiar powierzchni właściwej (BET model) w zakresie od 100 do jednego nanometra oraz dopasowanie do cylindrycznego lub sferycznego modelu przestrzeni porowej. Wprowadzenie do praktyki laboratoryjnej nowego aparatu do pomiaru parametrów przestrzeni porowej w sposób zdecydowany polepszyło rzetelność wykonywanych oznaczeń oraz zapewniło możliwość korelacji wyników otrzymywanych różnymi metodami, a co za tym idzie weryfikację poprawności wykonywanych analiz oraz możliwość dokładnego oszacowania wielkości efektu brzegowego. Nową jakością jest również możliwość dokładnej analizy ilości i rozkładu wielkości nanoporów, które w skałach łupkowych są w wielu przypadkach dominującą klasą porów.
EN
Tristar 2 apparatus was applied in pore space investigations. It is working using absorption/desorption phenomena in nitrogen temperatures in the range from 100 to 1 nanometer. Applied software can calculate pore size distribution and value of specific surface for cylindrical and spherical model of pore space. Introducing of this apparatus into laboratory practice improved reliability of measurements and allows us to correlate results obtained with the use of various methods as well as to estimate value of broad effect. New opportunities depends also on possibility of detailed analysis of nanpores which can even dominate in shale rocks.
EN
Conventional analyses of porosity and pore space parameters are not suitable for shale rocks because of their structure. Such factors like various kinds of porosity, presence of residual organic matter in pore space and great content of nanopores must be taken into account. Analyses of porosity and pore space investigations were performed on shale rock samples due to preparing a reliable method and parameters of analyses. It was found that porosity can be measured with the use of mercury and helium pycnometry. Critical point of porosimetrical analyses is necessity of complete removing of reservoir fluids from pore space. It is possible when analyses are conducted with the use of crumbled samples. The best granulation was found during the investigations.
PL
Konwencjonalne analizy porowatości oraz badania porozymetryczne nie są odpowiednimi dla badania skał łupkowych, z powodu specyficznej struktury takich skał. W analizach skał łupkowych należy uwzględnić różne rodzaje porowatości, obecność rezydualnej substancji organicznej oraz znaczny udział nanoporów w przestrzeni porowej. Wykonano serię badań na skałach łupkowych w celu znalezienia rzetelnej metody pomiarów omawianych parametrów. Stwierdzono, że porowatość może być mierzona za pomocą rtęciowej i helowej piknometrii. Punktem krytycznym dla pomiarów porozymetrycznych jest konieczność dokładnego usunięcia płynów złożowych z próbki. Jest to możliwe, jeśli próbka przed ekstrakcją i pomiarem zostanie odpowiednio zgranulowana. Znaleziono optymalną granulację dla badanych skał łupkowych.
PL
Wykonano symulacje rozkładu porowatości efektywnej i miąższości dla złoża Różańsko wykorzystując metody geostatystyczne oraz metodę sztucznych sieci neuronowych. Zastosowano metodę regresji wielokrotnej do estymacji parametrów złożowych (porowatości i miąższości) oraz do stworzenia ich przestrzennych rozkładów, wygenerowanych na podstawie interpretacji wyników pomiarowych sejsmiki 3D, wykonanych na obszarze badanego obiektu. Z drugiej strony zastosowano do obliczeń sieć neuronową typu perceptron wielowarstwowy z algorytmem genetycznym. Stworzono mapy rozkładów symulowanych parametrów i porównano otrzymane wyniki. Stwierdzono, że obie metody dają poprawne wyniki, przy czym metoda sztucznych sieci neuronowych (ANN), będąc metodą szybszą i mniej pracochłonną stawia większe wymagania bazie danych, ze względu na tendencje do wygładzania symulowanych wyników.
EN
Numerical models of Różańsko reservoir were performed using geostatistical and artificial neural network (ANN) methods. The multiple regression method were applied as well for estimations of reservoir parameters extracted from well-log functions as for creation of space distribution of reservoir parameters depending on distributions of appropriate seismic attributes generated on the base of 3-D image of the investigated object. From the other side artificial neural network (ANN) with genetic algorithm were applied. Sketches of porosity and thickness distribution were obtained as a final result. It was showed that both methods give similar results.
18
80%
|
|
tom nr 130
113--116
PL
Celem pracy było zintegrowanie badań geofizycznych i laboratoryjnych dla uzyskania spójnej bazy danych do estymacji parametrów geologicznych złoża. Zastosowanie wieloparametrowych metod korelacyjnych, takich jak sieci neuronowe, pozwoliło na ekstrapolację wyników badań petrofizycznych na pełne profile wiertnicze, ich weryfikację i skorelowanie ich ze scyfrowanymi profilami geofizyki otworowej. Na podstawie wykonanych obliczeń wypracowano optymalny zestaw danych i utworzono bazę danych niezbędną do oszacowania parametrów złożowych geologicznych struktur porowatych. Na przykładzie obliczonej porowatości porównanej z porowatością otrzymaną za pomocą innych metod zaprezentowano skuteczność wprowadzonej metody. W ostatnim etapie pracy wykorzystano otrzymane wyniki do wydzielenia w badanych otworach interwałów jednorodnych.
EN
The main database. used in neural network simulations consists of laboraton data and digitised geophysical logs. The target was to fmd proper method to estimate porosity. The main problem in these calculations is low number of laboratory data, so the first step is to extrapolate them. The next step depends on application of various methods of simulation and verifying reliability of the results.
PL
Niniejszy artykuł stanowi podsumowanie trzyletniego etapu prac prowadzonych przez zespół pracowników IGNiG i BG „Geonafta" Ośrodek Południe Kraków. Ich celem była diagnostyka skał zbiornikowych budujących organiczne obiekty górnej jury oraz ocena efektywności skał uszczelniających. W analizie wykorzystano wyniki badań rdzeni wiertniczych z poziomów zbiornikowych i uszczelniających oraz dane impedancji akustycznej wygenerowane z krzywych geofizyki otworowej. Zastosowano obliczenia sztucznymi sieciami neuronowymi jako wieloparametrową metodę korelacyjną porównuj ącą istniejące parametry petrofizyczne z parametrami obszarów, na których planowane jest prowadzenie prac poszukiwawczych. Otrzymane wyniki pozwoliły poprawnie zidentyfikować, zarówno korzystne poziomy zbiornikowe, jak i oszacować jakość ich uszczelnienia. Wyniki prac zastosowanych w praktyce w pełni potwierdziły zasadność obranej metody i poprawność wykonanych obliczeń.
EN
The paper summarised the effect of researches leading in IGNiG and Geonafta South Division of PGOC for last three years. The main target was to extract an information about quality of reservoir and sealing rocks of organogenic built ups using laboratory and geophysical data and extrapolate them on no-wells areas of hydrocarbon researches. Artificial neural network (ANN) simulations were applied. The results make possible to distinguished reservoir and sealing levels in analysed beds.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.