فهرست نشریات علمی دسترسی آزاد ایران

تخمین سرعت امواج فشارشی و برشی در صنعت نفت از اهمیت بیشتری برخوردار است. برخلاف سرعت موج تراکمی، سرعت موج برشی در تمامی چاه‌های یک میدان به دلیل تحمیل هزینه‌های بیشتر اندازه‌گیری نمی‌شود. بنابراین در صنعت نفت و گاز استفاده از روشی که با هزینه کمتر و دقت بیشتر سرعت موج برشی را تخمین بزند، اجتناب‌ناپذیر است. در این مطالعه، ابتدا برای تخمین سرعت موج برشی در یک چاه، همبستگی سایر نگاره‌های موجود در آن چاه (یعنی نگاره‌های صوتی، چگالی، تخلخل نوترون، مقاومت، پرتو گاما، حجم دولومیت، حجم کوارتز و اشباع آب) با سرعت موج برشی مورد بررسی قرار گرفت و مشخص شد که نگاره‌های سرعت موج تراکمی، چگالی، حجم دولومیت و حجم کوارتز همبستگی بیشتری با سرعت موج برشی دارند و این نگاره‌ها به‌عنوان ورودی برای تخمین سرعت موج برشی با استفاده از روش‌های مختلف انتخاب شدند. سپس از میان روش‌های مختلف، روشی که بهترین تطابق را با داده‌های واقعی موج برشی داشته باشد، به‌عنوان روش بهینه انتخاب شده و از این روش برای تخمین سرعت موج برشی در سایر چاه‌ها که فاقد نگاره موج برشی هستند استفاده می‌گردد. در این مقاله از روش رگرسیون چندگانه و الگوریتم‌های یادگیری ماشین (رگرسیون بردار پشتیبان، شبکه عصبی فازی تطبیقی و شبکه عصبی عمیق) برای تخمین سرعت موج برشی استفاده شد. نتایج ما نشان می‌دهند که روش شبکه عصبی عمیق با داشتن 97 درصد همبستگی بین داده‌های سرعت موج برشی واقعی و تخمینی نسبت به سایر روش‌ها جواب بهتری ارائه داده است. بنابراین برای تخمین سرعت موج برشی در سایر چاه‌ها که فاقد نگاره موج برشی هستند از روش پیشنهادشده در این مطالعه (شبکه عصبی عمیق) استفاده شد. برای صحت‌سنجی نتایج حاصل از شبکه عصبی عمیق در چاه‌های فاقد سرعت موج برشی، از مدل تجربی کاستاگنا استفاده شد که نتایج نشان‌دهنده تطابق خوبی میان این دو مدل است.