شناسایی شکستگی ها در نمودارهای تصویری الکتریکی با استفاده از تکنیک های پردازش تصویر و الگوریتم ژنتیک
نویسنده:
چکیده:
در مخازن با شکستگی طبیعی، شکستگی ها نقش اساسی در تولید هیدروکربن ایفا میکنند. به همین دلیل، شناسایی شکستگی ها در جنبه های مختلف تولید و توسعه این میادین بسیار اهمیت دارد. نمودارهای تصویری، ابزاری بسیار قوی برای مطالعه شکستگی ها در چاه ها هستند. نمودار تصویری، یک شبه تصویر با تفکیکپذیری بالا از دیواره چاه میباشد. این نمودارها اطلاعات مهمی را درباره جهت گیری، عمق و نوع شکستگی های طبیعی فراهم میکند. امروزه برای شناسایی پارامترهای مربوط به شکستگی ها از روی این نمودارها، الگوریتم جامعی وجود ندارد و تفسیر این نمودارها اغلب به صورت دستی انجام میگیرد که در صورت نبود تجربه کافی، تفسیر با خطا مواجه خواهد بود. هدف از مطالعه حاضر، معرفی و به کارگیری روش های پردازش تصویر و الگوریتم ژنتیک، جهت پیدا کردن خودکار شکستگی ها در نمودارهای تصویری میباشد. در این روش ابتدا، با استفاده از یک روش طبقهبندی، نقاط مربوط به شکستگی از داخل تصویر استخراج میشود. سپس با استفاده از الگوریتم ژنتیک، تعداد، شیب، آزیموت و موقعیت عمقی شکستگی ها از روی نقاط استخراج شده، تعیین میگردد. این روش بر روی بخشی از دو نمودار تصویری مربوط به دو چاه از میادین هیدروکربوری جنوب ایران پیاده شد. دقت روش برای تخمین پارامترهای شکستگی چاه های مورد مطالعه بیش از 70% به دست آمد. از طرفی روش پیشنهادی حساسیت کمی نسبت به وجود نویز در تصویر دارد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
85
لینک کوتاه:
magiran.com/p1126392
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!