Wszystkie pola: well logging data - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Ocena typu zailenia w skałach piaskowcowo-ilastych na podstawie danych geofizyki otworowej - metoda wykresów krzyżowych
Evaluation of shale distribution in shaly-sand rocks on the basis of well logging data - the crossplots method
Autorzy:: Bała, M.
Powiązania:: https://bibliotekanauki.pl/articles/183775.pdf
Data publikacji:: 2010
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: zailenie
porowatość
profilowania geofizyki otworowej
profilowanie gamma
wykresy krzyżowe
shaliness
porosity
well logging data
gamma ray
crossplots
Opis:: W pracy przeanalizowano wpływ obecności frakcji ilastej na rejestrowane w otworach wartości profilowań geofizyki otworowej. Wykorzystując koncepcję przedstawioną po raz pierwszy przez Thomasa & Stiebera (1975), przeprowadzono obliczenia "odpowiedzi" sond w założonym modelu piaskowcowo-ilastym o zróżnicowanych miąższościach. Porównano wyniki modelowań z rzeczywistymi krzywymi, zarejestrowanymi w otworze J4 w interwale występowania utworów miocenu autochtonicznego. Wykonane wykresy krzyżowe na podstawie pomiarów sondą neutronową i gamma, gęstościową i akustyczną potwierdzają możliwość określenia zarówno typu zailenia, jak i poprawnej porowatości oraz udziału frakcji piaskowcowej (tzw. net to gross) w warstwach złożowych. Wykres krzyżowy oparty na pomiarach gamma i oporności pozwala na rozdzielenie warstw nasyconych wodą i gazem.
The analysis of effects of shale distribution and clay volume in reservoir formations on well logging curves is presented in this paper. A conception given originally by Thomas & Stieber (1975) was applied into modelling the response of well logging tools for an assumed shaly-sand model. Results of calculations were compared with logs registered in the J4 well which drilled the autochthonous Miocene deposits. Different crossplots obtained based on Gamma Ray and Neutron and Density or Acoustic logs prove that there is a possibility to determine porosity, shale distribution and sand volume (net to gross) in the reservoir horizons.
Źródło:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2010, 36, 2; 223-239
0138-0974
Pojawia się w:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Sztuczne sieci neuronowe dla uzupełnienia danych w geofizyce otworowej - wybrane przykłady
Artificial Neural Networks for completing data in well logging - selected examples
Autorzy:: Jarzyna, J.
Opyrchał, A.
Mozgowoj, D.
Powiązania:: https://bibliotekanauki.pl/articles/183854.pdf
Data publikacji:: 2007
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: profilowania geofizyki otworowej
sztuczne sieci neuronowe
czas interwałowy
gęstość objętościowa
oporność pozorna
Karpaty Zachodnie
well logging
artificial neural networks
transit interval time
bulk density
apparent resistivity
Western Carpathians
Opis:: Wykorzystano sztuczne sieci neuronowe do odtwarzania profilowań geofizyki otworowej. Na podstawie dostępnych profilowań geofizyki wiertniczej odtworzono czas interwałowy rejestrowany przy profilowaniu akustycznym, gęstość objętościową będącą wynikiem profilowania gamma-gamma oraz oporność pozorną. Wybrano perceptrony i wsteczną propagację błędu jako metodę nauczania. Najbardziej skuteczne przy odtwarzaniu parametrów okazały się perceptrony z kilkoma neuronami na wejściu i przynajmniej kilkoma neuronami w warstwie ukrytej. Miarą poprawności wyników dostarczanych przez sieci były podstawowe statystyki obliczane dla odtworzonych parametrów w porównaniu z wynikami pomiarów lub estymacji. Najtrudniejsze do opracowania okazały się interwały, w których skały miały skomplikowaną litologię i zróżnicowaną przynależność stratygraficzną. Wyniki wykorzystano dla potrzeb interpretacji sejsmicznej, grawimetrycznej i magnetotellurycznej.
Artificial Neural Networks were used for reconstruction of well logs. Transit interval time recorded during acoustic log, bulk density as a result of gamma-gamma log and apparent resistivity were reconstructed on the basis of available logs. Perceptrons were chosen and the back propagation method was applied as the most effective training algorithm. Perceptrons with a few input neurons and at least a few neurons in a hidden layer turned out in reconstructing parameters. Basic statistics calculated for the reconstructed parameters compared to the measured or estimated ones acted as measures of correctness of solutions delivered by the networks. Intervals containing rocks of complex lithology and diversified stratigraphy turned out to be the most difficult to interpret. Results were applied in seismics, gravimetric and magnetotelluric interpretations.
Źródło:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2007, 33, 4/1; 81-102
0138-0974
Pojawia się w:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Zastosowanie sztucznych sieci neuronowych do wyznaczania przepuszczalności skał na podstawie danych otworowych z rejonu Dzików–Wola Obszańska w północno-wschodniej części zapadliska przedkarpackiego
Artificial Neural Networks applying for determining the absolute rock permeability on the basis of data from boreholes situated on the Dzików–Wola Obszańska area (northeastern part of the Carpathian Foredeep Basin)
Autorzy:: Jarzyna, J.
Prętka, J.
Powiązania:: https://bibliotekanauki.pl/articles/2063104.pdf
Data publikacji:: 2010
Wydawca:: Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:: przepuszczalność skał
sztuczne sieci neuronowe SSN
selekcja danych wejściowych
profilowania geofizyki otworowej
rock permeability
artificial neural networks
input data selection
well logging
Opis:: Zbadano zdolność sztucznych sieci neuronowych SNN do oceny przepuszczalności absolutnej skał. Do tego celu wykorzystano dane z pięciu otworów wiertniczych, zlokalizowanych w północno-wschodniej części zapadliska przedkarpackiego: Dzików 16, 17, 20 oraz Wola Obszańska 10 i 15. Modele neuronowe stworzono na podstawie wyników badań laboratoryjnych próbek skał pobranych w wymienionych otworach, profilowań geofizyki otworowej oraz wyników kompleksowej interpretacji tych profilowań. Otrzymano SSN, służącą do odtwarzania wartości przepuszczalności całkowitej, określonej w laboratorium. Następnie model neuronowy wdrożono do estymowania przepuszczalności w otworze wiertniczym DZ17, przenosząc tym samym rozpoznane wcześniej zależności na nowy zbiór danych. Sieci neuronowe mogą stanowić alternatywę dla klasycznych metod wyznaczania przepuszczalności skał.
The absolute rock permeability was determinated with the use of artificial neural networks (ANN). Authors checked up ANN ability to determine permeability on the data from five borehole locked in northeastern part of the Carpathian Foredeep: Dzików 16, 17, 20 and Wola Obszańska 10 and 15. Neural models were built on the basis of results from laboratory tests, well logs data and the results of the comprehensive interpretation. ANN provided good results in estimating laboratory permeability. The best neural network was applied on similar data set from DZ17 borehole to show that complicated links between input variable and absolute permeability can be used for prediction of permeability from another data. It is hard to find deft deterministic model for permeability estimation so neural model gained in training process is an alternative method.
Źródło:: Biuletyn Państwowego Instytutu Geologicznego; 2010, 439 (2); 399--402
0867-6143
Pojawia się w:: Biuletyn Państwowego Instytutu Geologicznego
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "well logging data" wg kryterium: Wszystkie pola

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język