Ứng dụng máy học có giám sát để phân loại các di sản cho một hồ chứa khí - ngưng tụ phức tạp về mặt thủy động lực học ở bể Nam Côn Sơn

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Ky Son Hoang, Ngoc Tan Nguyen, Ngoc The Hung Tran, Vu Tung Tran

Ngôn ngữ: vie

Ký hiệu phân loại: 622 Mining and related operations

Thông tin xuất bản: Dầu khí, 2022

Mô tả vật lý: 27 - 35

Bộ sưu tập: Metadata

ID: 439682

Thêm vào giỏ Liên kết toàn văn

Sự tích hợp thông thường của vật lý đá và sự đảo ngược địa chấn có thể đánh giá định lượng và đối chiếu các đặc tính của vỉa. Tuy nhiên, các thuộc tính đầu ra có sẵn đôi khi không phải là một chỉ báo hoàn hảo cho các thông tin cụ thể như thạch học hoặc độ bão hòa chất lỏng do các hạn chế về công nghệ. Mỗi thuộc tính thường thể hiện sự kết hợp của các đặc điểm địa chất có thể dẫn đến các giải thích chủ quan và chỉ cung cấp các kết quả định tính. Trong khi đó, học máy (ML) đang nổi lên như một trình thông dịch độc lập để tổng hợp đồng thời tất cả các tham số, giảm thiểu độ không đảm bảo của giới hạn sai lệch và phân loại một cách khách quan các biến dạng trên thang độ chính xác. Trong bài báo này, nhiều thuật toán phân loại bao gồm máy vectơ hỗ trợ (SVM), rừng ngẫu nhiên (RF), cây quyết định (DT), K-láng giềng gần nhất (KNN), hồi quy logistic, Gaussian, Bernoulli, Naïve Bayes đa thức và phân tích phân biệt tuyến tính đã được thực hiện trên các thuộc tính địa chấn để dự đoán các di sản. Ban đầu, tất cả các điểm dữ liệu của năm thuộc tính địa chấn của trở kháng âm, Lambda Rho, Mu-Rho, mật độ (ρ) và tốc độ sóng nén đối với sóng biến dạng (VpV) trong bán kính 25 mét và khoảng cách 25 mét trên đỉnh và đáy. của hồ chứa được khai thác theo quỹ đạo trên 4 giếng để tạo bộ dữ liệu. Xác thực chéo và tìm kiếm lưới cũng được thực hiện trên bốn thuật toán tốt nhất để tối ưu hóa các siêu tham số cho mỗi thuật toán và tránh trang bị quá mức trong quá trình đào tạo. Cuối cùng, ma trận nhầm lẫn và điểm độ chính xác đã được khai thác để xác định mô hình cuối cùng cho dự đoán các di sản rời rạc. Các mô hình học máy đã được áp dụng để dự đoán các di sản cho một hồ chứa phức tạp trên diện tích 163 km2. Từ góc độ phân loại, phương pháp rừng ngẫu nhiên đạt điểm chính xác cao nhất là 0,907 so với máy vectơ hỗ trợ (0,896), K-láng giềng gần nhất (0,895) và cây quyết định (0,892). Tại các vị trí giếng, hệ số tương quan là tuyệt vời với 0,88 cho kết quả rừng ngẫu nhiên so với độ dày cát. Về phân bố cát và đá phiến sét, kết quả học máy đã cho thấy kết quả hợp lý về mặt địa chất, ngay cả ở các vùng chưa được lấp đầy và các khu vực ranh giới hồ chứa.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR