استفاده از رگرسیون بردار پشتیبان بر پایه کرنل گاوسی برای مدلسازی تخلخل مخزن در یکی از میادین نفتی ایران
نویسندگان
1 دانشجوی کارشناسی ارشد، گروه فیزیک زمین، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
2 استادیار، گروه فیزیک زمین، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
3 استاد، گروه فیزیک زمین، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
doi
10.22059/jesphys.2021.315671.1007270چکیده
تراوایی، تخلخل و رخسارههای رسوبی فاکتورهای اساسی مشخصههای مخزنی هستند. تخلخل نمایانگر توانایی سنگ در ذخیره سیالات است. رویکردهای زیادی برای رگرسیونهای خطی/غیرخطی از جمله شبکههای عصبی در سالهای اخیر بسیار موردتوجه بودهاند، شبکه عصبی پرسپترون چندلایه (MLP) یکی از این شبکهها میباشد که توانایی خود را به اثبات رسانده است ولی هرکدام از این روشها معایبی دارند. در این تحقیق روش ماشین بردار پشتیبان (SVM) بهعنوان روش اصلی برای رگرسیون و تخمین تخلخل مخزن در یکی از مخازن هیدروکربنی بهکار گرفته شده است. این روش با روش پرسپترون چندلایه مقایسه شده است و نتایج هرکدام موردبررسی قرار گرفتهاند. برای اینکار ابتدا هرکدام از ماشینهای موردنظر برای تخمین تخلخل در محل چاه بهکار گرفته شدهاند و نتایج اولیه باهم مقایسه شدند. نتایج اولیه رگرسیون بردار پشتیبان توانایی بالاتری نسبت به پرسپترون چندلایه نشان داد. برای اینکار بردار پشتیبان برپایه کرنلهای مختلف مورد استفاده قرار گرفت که تابع کرنل گاوسی نتایج بهتری حاصل کرد و نهایتاً برای مدلسازی سهبعدی تخلخل بهکار گرفته شد. برای تهیه یک نقشه سهبعدی به دادههای لرزهای و نشانگرهای استخراج شده مناسب از روی آن نیاز میباشد. بررسی و مقایسه نتایج نشان داد که هردوی ماشینهای پرسپترون چندلایه و بردار پشتیبان از توانایی بالایی برخوردار هستند ولی رگرسیون بردار پشتیبان با توجه به قدرت تخمین بالا نتایج بهتری حاصل کرد.
