Xây dựng mạng nơron nhân tạo và ứng dụng kỹ thuật phân tích thành phần chính để dự báo giá trị độ thấm – độ rỗng mỏ X, bể Cửu Long

Nghiên cứu tập trung xây dựng mạng nơron nhân tạo dự báo độ thấm, độ rỗng dựa trên tập số liệu của giếng A-21 mỏ X tập C bể Cửu Long. Sau khi so sánh kết quả này với kết quả thu được của phương pháp minh giải truyền thống, tác giả nhận thấy rằng mô hình mạng nơron cho kết quả dự báo với mức độ chính xác cao hơn, vì vậy tác giả đã áp dụng mô hình mạng nơron này tính giá trị độ thấm và độ rỗng cho giếng A-19 cùng thuộc mỏ X tập C bể Cửu Long.
Nội dung trích xuất từ tài liệu:
Xây dựng mạng nơron nhân tạo và ứng dụng kỹ thuật phân tích thành phần chính để dự báo giá trị độ thấm – độ rỗng mỏ X, bể Cửu Long Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học XÂY DỰNG MẠNG NƠRON NHÂN TẠO VÀ ỨNG DỤNG KỸ THUẬT PHÂN TÍCH THÀNH PHẦN CHÍNH ĐỂ DỰ BÁO GIÁ TRỊ ĐỘ THẤM – ĐỘ RỖNG MỎ X, BỂ CỬU LONG Trịnh An Bình* Trường Đại học Dầu Khí Việt Nam *Tác giả liên lạc: binhta03@pvu.edu.vn TÓM TẮT Nghiên cứu tập trung xây dựng mạng nơron nhân tạo dự báo độ thấm, độ rỗng dựa trên tập số liệu của giếng A-21 mỏ X tập C bể Cửu Long. Sau khi so sánh kết quả này với kết quả thu được của phương pháp minh giải truyền thống, tác giả nhận thấy rằng mô hình mạng nơron cho kết quả dự báo với mức độ chính xác cao hơn, vì vậy tác giả đã áp dụng mô hình mạng nơron này tính giá trị độ thấm và độ rỗng cho giếng A-19 cùng thuộc mỏ X tập C bể Cửu Long. Kết quả mang lại rất khả quan với độ thấm trung bình cho tầng sản phẩm là: 375.88(mD) và 14.02(%) với độ rỗng. Ngoài ra, với việc nâng cao hệ số tương quan (r) cũng như giảm thiểu sai số trung bình bình phương (MSE) thì công cụ phân tích thành phần chính (PCA) được áp dụng trong nghiên cứu này đã mang lại hiệu quả thiết thực cho việc cải thiện độ chính xác của mạng nơron nhân tạo. Từ khóa: Mạng Nơron nhân tạo, phân tích thành phần chính, độ rỗng, độ thấm, bể Cửu Long. BUILD ARTIFICIAL NEURAL NETWORK MODEL AND APPLY PRINCIPAL COMPONENT ANALYSIS TO PREDICT PERMEABILITY – POROSITY IN X FIELD, CUU LONG BASIN Trinh An Binh* Pertrol Vietnam University *Corresponding Author: binhta03@pvu.edu.vn ABSTRACT This study aims at building Artificial Neural Network model to predict permeability and porosity base on A-21 well data in C sequence, Cuu Long basin. Then, after comparing with composite log method, the better model is Artificial Neural Network model. After that, appling the Artificial Neural Network model to calculate permeability and porosity value for A-19 well which has formation relative to A-21 well in C sequence, Cuu Long basin. Sumazise, permeability, porosity in A-19 productive zone are 375.88(mD) and 14.02(%). Besides, by improving Correlation coefficient (r) and Mean Square Error (MSE), appling Principal Component Analysis for the study provide effective result. Keywords: Artificial neural network, principal component analysis, porosity, permeability, Cuu Long basin. TỔNG QUAN cho dòng của vỉa sản phẩm, thì độ rỗng Quá trình nghiên cứu và minh giải địa lại quyết định khả năng chứa của nó. vật lý thì việc xác định hai giá trị độ Để tính tóa n trực tiếp giá trị độ thấm, thấm và độ rỗng là vô cùng quan trọng. độ rỗng còn gặp nhiều khó khăn như Trong khi độ thấm quyết định khả năng thiếu mẫu lõi, hạn chế về mặt thiết bị 679 Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học đo, hạn chế về mặt kinh tế. Vì vậy các thông tin từ n nhánh x (x0, x1...xn), nhà kỹ sư địa vật lý đã nghiên cứu tương ứng mỗi nhánh là các trọng số w nhiều phương pháp khác nhau để xác (w0, wj...wn) và một nhánh ray(x). định gián tiếp hai thông số này nhưng Hàm f nhận biến số dưới dạng tổng hiệu quả mang lại vẫn chưa cao. Đa số trọng hóa thông tin từ các nhánh theo các hàm tương quan rỗng - thấm đã chỉ các trọng số tương ứng. dừng lại ở mức tham khảo. Bài báo chỉ đề cập đến nguyên lý hoạt Vì vậy nhu cầu cần tính gián tiếp được động của mạng truyền thẳng có sử hai thông số độ thấm và độ rỗng với độ dụng thuật tóa n lan truyền ngược. Khi chính xác cao hơn là rất cần thiết. Với luyện mẫu, ANN thực hiện cả hai quá sự phát triển mạnh mẽ của công nghệ trình ánh xạ và lan truyền ngược. 4.0, trong đó có mạng nơron nhân tạo Trong quá trình ánh xạ, tín hiệu của và kỹ thuật phân tích thành phần chính mạng sẽ lan truyền từ lớp nhập cho đến đã và đang dần dần thay thế con người lớp xuất, kết quả đầu ra sẽ được so sánh trong nhiều công việc, với ưu điểm là với kết quả mong muốn của tập mẫu để có thể học nhanh và tìm ra được mối đưa ra sai số trung bình bình phương tương quan đa chiều nhiều biến với độ (MSE). Sai số MSE sẽ được lan truyền chính xác và khả năng áp dụng cao. Đó ngược lại trở lại đến các neural đầu ra chính là lý do tác giả lựa chọn nghiên và các lớp ẩn lại hiệu chỉnh lại trọng cứu này. số. Quá trình này lặp lại nhiều lần đến khi sai số MSE đạt giá trị mong muốn. KHU VỰC VÀ PHƯƠNG PHÁP Phân tích thành phần chính (PCA) NGHIÊN CỨU Phân tích thành phần chính (PCA) là Tổng quan khu vực nghiên cứu một biến đổi tóa n học một số các biến Mỏ X nằm về phía Tây Nam của bể tương quan thành một số (nhỏ hơn) của Cửu Long, cách Thành phố Vũng Tàu các biến không tương quan được gọi là khoảng 85km thuộc một trong những các thành phần chính. Trong quá trình lô được đánh giá là có tiềm năng rất lớn luyện mạng để xác định các tham số cho công tác tìm kiếm và thăm dò dầu đầu vào và mức độ quan trọng của từng khí. tham số là việc làm vô cùng quan Theo bản đồ mặt cắt địa chấn, hai trọng. Không những tìm ra được giữa giếng A-21 và A-19 đều nằm trên một các đại lượng đầu vào và đầu ra có sự cấu tạo cách nhau < 500m. Theo tài tương quan hay không mà còn đánh liệu báo cáo về tập C của đơn vị sản ...