W artykule porównano dwie różne metody szacowania parametrów zbiornikowych skał z pomiarów geofizyki otworowej. Pierwszą z tych metod były sieci neuronowe, a drugą wielowymiarowa analiza regresji. Za parametry zbiornikowe skał przyjęto współczynniki porowatości Kp, przepuszczalności Kprz oraz nasycenia wodą Sw. Dla porównania rezultatów wspomnianych metod wykorzystano dane geofizyczne reprezentujące utwory czerwonego spągowca z dwóch otworów wiertniczych: Z-3 oraz SW-4.
EN
Two different methods of reservoir rock parameters estimation based on well log profiling responses have been compared in the study. Neural networks were used in the first method, while multi-dimensional regression analysis in the second one. Coefficients of porosity Kp, permeability Kprz and water saturation Sw were employed as reservoir characteristics parameters of the rocks. Geophysical logs data, representing Rotliegend formations from Z-3 and SW-4 boreholes, were used for comparison of results obtained with above-mentioned methods.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono zastosowanie sieci neuronowych do wydzielenia grup skał, które charakteryzowały się podobnymi parametrami opisującymi przestrzeń porową. Do analizy wykorzystano dane z próbek skał reprezentujących utwory czerwonego spągowca z otworów wiertniczych: SW-4, 5 oraz Z-3. W celu klasyfikacji wykorzystano również analizę skupień. Następnie porównano rezultaty uzyskane różnymi metodami.
EN
The work presents utilization of neural networks for separation of rock groups that have manifested similar parameters, describing pore space. Data from rock samples representing Rotliegend formations from SW-4, 5 and Z-3 boreholes were used for the analysis. Cluster analysis was used for classification purposes as well. Then results obtained with use of various methods were compared.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.