تخمین اشباع آب در یکی از میادین نفتی ایران با استفاده از ماشین بردار پشتیبان
عنوان دوره: نوزدهمین کنفرانس ژئوفیزیک ایران
نویسندگان
1استادیار گروه فیزیک زمین
2دانشجوی کارشناسی ارشد ژئوفیزیک دانشگاه تهران
چکیده
تخمین پارامترهای مخزنی یکی از عوامل مهم در ارزیابی ذخایر نفت و گاز است. یکی از مهم ترین پارامترهای مخزنی برای مدلسازی مخزن، اشباع آب است. اشتباه در محاسبه آن می تواند موجب خسارات بسیار زیادی گردد. با داشتن مغزه می توان به اشباع آب درست رسید؛ اما در همه جا مغزه سالم ویا حتی چاه وجود ندارد و نیاز است در برخی قسمت ها تخمین اشباع آب صورت گیرد. در این پژوهش برای تخمین اشباع آب از روش رگرسیون بردار پشتیبان استفاده شده است که نوعی از کاربردهای ماشین یادگیری است که توانسته معضل ابعاد بالا را حل کند. روش کار به این صورت است که داده های چند چاه برای آموزش به این روش وارد شدند و مقدار اشباع آب واقعی به عنوان تابع هدف قرار گرفت تا تابعی برای تخمین اشباع آب به دست آید. برای به دست آوردن بهترین تابع از دو کرنل مختلف استفاده شد.
کلیدواژه ها
 
Title
Water saturation estimation in one of Iran's oil feilds using support vector machine
Authors
Majid Bagheri, seyed Amir Afzali
Abstract
Estimating the reservoir parameters is one of the important factors in the evaluation of oil and gas reservoirs. One of the most important parameters of the reservoir for reservoir modeling is water saturation. The mistake in calculating it can cause a lot of damages. With core of wells, water saturation can be achieved; but there is no clear core or even a well, and there is a need to estimate water saturation in some parts. In this study, we used the support vector regression method to estimate water saturation that is a type of learning machine application that has been able to solve the problems of high dimensionality. The method is that some wells data were introduced to train this method and the real water saturation value was calculated as the objective function to obtain a function for water saturation estimation. It was used to obtain the best function from two different kernel functions.
Keywords
water saturation, well logs, Support Vector Machine, Kernel function, Carbonate reservoir