Параметри
ЗАСТОСУВАННЯ НЕЙРОНОМЕРЕЖЕВИХ ТЕХНОЛОГІЙ ПРИ ЛІТОЛОГО-ФАЦІАЛЬНОМУ РОЗЧЛЕНУВАННІ ВІДКЛАДІВ ДЕВОНУ І КАРБОНУ ЗА ГЕОЛОГО-ГЕОФІЗИЧНИМИ ДАНИМИ (ПІВНІЧНО-ЗАХІДНА ЧАСТИНА ДНІПРОВСЬКО-ДОНЕЦЬКОЇ ЗАПАДИНИ)
Тип публікації :
Стаття
Дата випуску :
19 вересня 2024 р.
Автор(и) :
Мова основного тексту :
English
eKNUTSHIR URL :
Том :
2
Випуск :
105
ISSN :
1728-2713
Початкова сторінка :
37
Кінцева сторінка :
43
Цитування :
КАРПЕНКО, І., ЛЕВОНЮК, С., КАРПЕНКО, О., ЛОКТЕВ, А. (2024). NEURON NETWORK TECHNOLOGIES APPLICATION IN LITHOLOGICAL-FACIAL DECOMPOSITION OF THE DEVONIAN AND CARBONIFEROUS SEDIMENTS ACCORDING TO GEOLOGICAL-GEOPHYSICAL DATA (NORTHWESTERN PART OF THE DNIEPER-DONETS DEPRESSION). Visnyk of Taras Shevchenko National University of Kyiv. Geology, 2(105), 37–43. https://doi.org/10.17721/1728-2713.105.05
Вступ. Приріст запасів вуглеводнів у старих нафтогазовидобувних регіонах значною мірою може бути реалізований за рахунок переінтерпретації геолого-геофізичних даних на старому фонді свердловин. Як у межах існуючих родовищ, так і на площах, які за певними обставинами були у свій час оцінені як неперспективні. На даному етапі геологорозвідувальних робіт виконується значна робота з переінтерпретації даних геофізичних досліджень у пропущених інтервалах свердловин старого фонду, у тому числі – пошукових і розвідувальних свердловин. Подібні роботи виконуються на глибокі горизонти (девон), а також на відклади мезозою, які в минулому столітті не були першочерговими в плані перспективності на багатьох площах. Наявний геолого-геофізичний матеріал свідчить про значні труднощі щодо правильної ідентифікації пластів у межах указаних стратонів.
Методи. Проаналізовано результати геофізичних, петрографічних і петрофізичних досліджень по відкладах, що вивчалися. Застосовано методи статистичного аналізу з метою встановлення можливості використання методів розпізнавання образів для літолого-фаціального розчленування розрізів свердловин за даними геофізичних досліджень.
Результати. Завдяки використанню технології нейронних мереж перевірено надійність традиційної геологічної інтерпретації даних геофізичних досліджень свердловин. Підвищено достовірність встановлення літолого-фаціальної належності окремих пластів у розрізах свердловин верхнього девону, нижнього і середнього карбону – шляхом застосування ансамблю розрахованих нейронних мереж. Запропоновано оригінальний підхід щодо реалізації технології нейронних мереж при інтерпретації геолого-геофізичних даних.
Висновки. Розглянуто геофізичні характеристики потенційно перспективних горизонтів, які раніше пропускались. Вказано завдання, які слід вирішувати, а також шляхи підвищення достовірності геологічної інтерпретації даних промислової геофізики в різновікових товщах. Зокрема розглянуто можливість і доцільність використання машинного навчання на основі нейрономережевих технологій.
Методи. Проаналізовано результати геофізичних, петрографічних і петрофізичних досліджень по відкладах, що вивчалися. Застосовано методи статистичного аналізу з метою встановлення можливості використання методів розпізнавання образів для літолого-фаціального розчленування розрізів свердловин за даними геофізичних досліджень.
Результати. Завдяки використанню технології нейронних мереж перевірено надійність традиційної геологічної інтерпретації даних геофізичних досліджень свердловин. Підвищено достовірність встановлення літолого-фаціальної належності окремих пластів у розрізах свердловин верхнього девону, нижнього і середнього карбону – шляхом застосування ансамблю розрахованих нейронних мереж. Запропоновано оригінальний підхід щодо реалізації технології нейронних мереж при інтерпретації геолого-геофізичних даних.
Висновки. Розглянуто геофізичні характеристики потенційно перспективних горизонтів, які раніше пропускались. Вказано завдання, які слід вирішувати, а також шляхи підвищення достовірності геологічної інтерпретації даних промислової геофізики в різновікових товщах. Зокрема розглянуто можливість і доцільність використання машинного навчання на основі нейрономережевих технологій.
Тип зібрання :
Publication
Файл(и) :
Вантажиться...
Формат
Adobe PDF
Розмір :
864.33 KB
Контрольна сума:
(MD5):2b3fb15b1724f0f9837798c5ffc17fbc
Ця робота розповсюджується на умовах ліцензії Creative Commons CC BY
10.17721/1728-2713.105.05