بررسی و مقایسه روش های مرسوم تخمین سرعت موج برشی از روی داده های چاه پیمایی در یکی از مخازن ماسه سنگی جنوب ایران
تخمین سرعت امواج فشارشی و برشی در صنعت نفت از اهمیت بیشتری برخوردار است. برخلاف سرعت موج تراکمی، سرعت موج برشی در تمامی چاه های یک میدان به دلیل تحمیل هزینه های بیشتر اندازه گیری نمی شود. بنابراین در صنعت نفت و گاز استفاده از روشی که با هزینه کمتر و دقت بیشتر سرعت موج برشی را تخمین بزند، اجتناب ناپذیر است. در این مطالعه، ابتدا برای تخمین سرعت موج برشی در یک چاه، همبستگی سایر نگاره های موجود در آن چاه (یعنی نگاره های صوتی، چگالی، تخلخل نوترون، مقاومت، پرتو گاما، حجم دولومیت، حجم کوارتز و اشباع آب) با سرعت موج برشی مورد بررسی قرار گرفت و مشخص شد که نگاره های سرعت موج تراکمی، چگالی، حجم دولومیت و حجم کوارتز همبستگی بیشتری با سرعت موج برشی دارند و این نگاره ها به عنوان ورودی برای تخمین سرعت موج برشی با استفاده از روش های مختلف انتخاب شدند. سپس از میان روش های مختلف، روشی که بهترین تطابق را با داده های واقعی موج برشی داشته باشد، به عنوان روش بهینه انتخاب شده و از این روش برای تخمین سرعت موج برشی در سایر چاه ها که فاقد نگاره موج برشی هستند استفاده می گردد. در این مقاله از روش رگرسیون چندگانه و الگوریتم های یادگیری ماشین (رگرسیون بردار پشتیبان، شبکه عصبی فازی تطبیقی و شبکه عصبی عمیق) برای تخمین سرعت موج برشی استفاده شد. نتایج ما نشان می دهند که روش شبکه عصبی عمیق با داشتن 97 درصد همبستگی بین داده های سرعت موج برشی واقعی و تخمینی نسبت به سایر روش ها جواب بهتری ارایه داده است. بنابراین برای تخمین سرعت موج برشی در سایر چاه ها که فاقد نگاره موج برشی هستند از روش پیشنهادشده در این مطالعه (شبکه عصبی عمیق) استفاده شد. برای صحت سنجی نتایج حاصل از شبکه عصبی عمیق در چاه های فاقد سرعت موج برشی، از مدل تجربی کاستاگنا استفاده شد که نتایج نشان دهنده تطابق خوبی میان این دو مدل است.
- 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.