مدل‌سازی پهنه‌های اکتشاف نفتی با شبکه عصبی پرسپترون چند لایه (MLP) در GIS

Pizhūhish-i Naft

عباس بحرودی¹  سید کاظم علوی پناه²  نجمه نیسانی سامانی²  نورالدین میثاق²  عطااله عبدالهی کاکرودی² 

[1] گروه اکتشاف معدن، دانشکده مهندسی معدن، دانشگاه تهران، ایران;گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، ایران;

关键词: پهنه‌های اکتشافی;    مدل‌سازی;    mlp;    gis;    میدان نفتی;   

DOI  :  10.22078/pr.2017.724

来源: DOAJ

【 摘 要 】

فرآیند اکتشاف منابع هیدروکربنی به‌عنوان فرآیندی بسیار پیچیده و پرهزینه می‌باشد. در این فرآیند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند. طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین تعیین بهترین محل برای حفر چاه‌های اکتشافی از اهمیت ویژه‌ایی برخوردار است، زیرا نتیجه تعیین نادرست یا بی‌دقت این مکان‌ها، صرف هزینه و زمان زیاد در طول عملیات می‌باشد. این تحقیق با هدف تعیین مناطق محتمل نفت و گاز با مقیاس 1:25000 اهواز با 20 میدان نفتی به منظور کاهش زمان و هزینه اکتشاف و تولید می‌باشد. 17 نقشه‌ فاکتور شامل: کمترین و بیشترین مقدار(غنای کربن آلی، بازده پتانسیل برای تولید هیدروکربن، پیک Tmax، اندیس تولید، اندیس اکسیژن، اندیس هیدروژن) و داده‌های مجاورت به مناطق دارای آنومالی باقی‌مانده ثقل بوگه بالا، محور طاقدیس‌ها و گسل‌ها، نقشه‌ ناهمواری و انحنا حاصل از منحنی‌های زیر سطحی سازند آسماری توسط توابع سیستم اطلاعات جغرافیایی ایجاد شدند. برای ترکیب نقشه‌های فاکتور، از مدل شبکه عصبی پرسپترون MLP که از روش‌های داده مبنا است، استفاده شد. نتایج حاصل از مدل‌سازی با داده‌های آزمون نشان داد که شبکه عصبی 5×10×17، با شاخص کاپای 9079/0، همبستگی 8948/0 و RMSE برابر با 0267/0 توانسته است بهتر از مدل‌های دیگر، خروجی‌ها را تولید کرده و با دقت بالایی میدان‌های نفتی را پیش‌بینی کند هرچند که میادین سوفلا و سپهر شناسایی نشده و برخی قسمت‌ها نیز به اشتباه، جزء میادین نفتی طبقه‌بندی شده‌اند.

【 授权许可】

Unknown