تخمین سرعت موج استونلی به کمک نگاره‌های چاه توسط شبکه عصبی مصنوعی
عنوان دوره: نوزدهمین کنفرانس ژئوفیزیک ایران
نویسندگان
1دانشجو، گروه مهندسی نفت، دانشگاه صنعتی سهند، تبریز، ایران
2دانشگاه صنعتی سهند تبریز
3شرکت ملی مناطق نفت خیز جنوب
چکیده
سرعت موج استونلی حاوی اطلاعات بسیار ارزشمندی از مخازن هیدروکربوری است که در تخمین مورد استفاده قرار می‌گیرد. در این مطالعه با استفاده از 3 نگاره پتروفیزیکی DT, NPHI, RHOB و توسط شبکه عصبی مصنوعی (Artificial Neural Network (ANN به کمک نرم افزار ژئولاگ 7.4 به تخمین سرعت موج استونلی پرداخته شد. داده‌های مورد استفاده جهت ایجاد مدل، متشکل از 5136 نقطه جهت آموزش مدل و تعداد 858 نقطه جهت صحت سنجی مدل است که این داده‌ها مربوط به مخزن کربناته ایلام دو چاه A و B یکی از میادین نفتی جنوب غرب کشور می‌باشد. ضریب همبستگی موج استونلی تخمین زده شده با موج واقعی 96 درصد بدست آمد که نشان دهنده کارایی و دقت روش شبکه عصبی مصنوعی در تخمین سرعت موج استونلی می‌باشد. بنابراین استفاده از روش شبکه عصبی مصنوعی برای تخمین سرعت موج استونلی پیشنهاد می‌گردد.
کلیدواژه ها
 
Title
Estimation of Stoneley Wave Velocity by well Logs Utilizing Artificial Neural Network
Authors
hamed amraei, reza falahat, Abouzar Mirzaei Paiaman
Abstract
Stoneley wave contains valuable data of hydrocarbon reservoirs to estimate. Using three petrophysical logs, namely DT, NPHI, RHOB Artificial Neural Network (ANN) and Geolog 7.4, the velocity of stonely wave has been estimated. The data consists of 5136 training points and 858 validation points to make the model that belong to Ilam carbonate reservoir of wells A and B, which locate in one of Iranian southwestern oil fields. Correlation coefficient of the estimated Stoneley wave was 96% with the real log that indicates efficiency and accuracy of the artificial neural network method in estimating the stoneley wave. Therefore, the use of artificial neural network methods to estimate the Stoneley wave is recommended.
Keywords
Stoneley wave, Petrophysical logs, Artificial Neural Network