تخمین چگالی از نشانگرهای لرزه ای توسط شبکه عصبی و الگوریتم کلونی مورچه
عنوان دوره: نوزدهمین کنفرانس ژئوفیزیک ایران
نویسندگان
1زمین شناسی ،دانشکده علوم ،دانشگاه ارومیه
2دانشیار، دانشکده زمین شناسی، دانشگاه تبریز
3دانشگاه ارومیه
4گروه زمین شناسی ،دانشکده علوم ،دانشگاه ارومیه
چکیده
ترکیب داده های لرزه ای وچاه، اطلاعات زمین شناسی خواص مخزن در فواصل دورتر از چاه ها نیز میتوانند برآورد شوند. یکی از روشهای بدست آوردن پارامترهای مخزن توسط وارون سازی مشترک داده های چاه پیمایی و لرزه نگاری بر اساس توانایی شبکه-های عصبی مصنوعی است. ما از شبکه‌های عصبی مصنوعی جهت یافتن یک عملگر وارون سازی با کمک مجموعه اطلاعات چاه و لرزه نگاشتهای نزدیک چاه استفاده می نمائیم. در این مطالعه از دو حلقه چاه و یک مقطع لرزه‌ای میدان ویچررنج واقع در حوضه پرت استرالیا جهت وارون سازی استفاده شد. با استفاده از نشانگرها تخمین چگالی توسط هوش مصنوعی والگوریتم کلونی مورچه انجام گرفت. دریافتیم از شبکه عصبی و کلونی مورچه جهت پیش بینی انواع لاگ ها می توان استفاده نمود. مقایسه بین دو روش انجام شده متوجه شدیم الگوریتم کلونی مورچه بیشترین درصد پیش بینی را نسبت به شبکه عصبی دارد.
کلیدواژه ها
 
Title
Estimation of the density of seismic attributes using neural network and ant colony algorithm
Authors
milad saeedfar, Ali Kadkhodaie, Ramin Nikrouz, Hossein Edraki
Abstract
The combination of seismic data and wells, geological information of reservoir properties at distances farther from wells can also be estimated. One of the methods for obtaining reservoir parameters using inversion of well and seismic data is based on the capability of artificial neural networks. We use artificial neural networks to find an inversion operator with the help of well data sets and near-well seismograms. In this study, two wells and a seismic section of Whicher-Range in the Perth Basin, Australia were used for inversion. Using attributes, density estimation was performed by artificial intelligence and ant colony algorithm. We found that the neural network and ant colony can be used to predict the types of logs. Comparison between the two methods, we found that ant colony algorithm has the highest percentage of prediction compared to the neural network.
Keywords
Well logging, seismic, Ant Colony Algorithm, Inversion, Neural network