文献

J-GLOBAL ID：201802214045966204   整理番号：18A1648240

人工知能システムを用いた地震データからの水理流単位の推定,ペルシア湾のガス貯留層からの例【JST・京大機械翻訳】

Hydraulic flow units’ estimation from seismic data using artificial intelligence systems, an example from a gas reservoir in the Persian Gulf

著者 (3件)： Hatampour Amir (Department of Petroleum Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Schaffie Mahin (Department of Petroleum Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Jafari Saeed (Department of Petroleum Engineering, Shahid Bahonar University of Kerman, Kerman, Iran)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 170  ページ： 400-408  発行年： 2018年 
JST資料番号： T0412A  ISSN： 0920-4105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,生産井における貯留層圧力降下を考慮すると,石油回収(EOR)計画における生産と注入のための最適坑井軌道の設計は,貯水池における水力流動ユニット(HFU)を決定する必要がある。HFUSはまた,貯留層の岩石物理学的帯状化,および坑井の低品質コアデータを有する非コア間隔またはゾーンにおける浸透率予測にも使用できる。本研究では,線形回帰と人工知能モデルを用いて,流れ帯指数(FZI)と地震属性の間の定量的関係を見出すために,3D地震データを坑井データと統合することを試みた。この手法を用いて,FZIは全場で伝搬し,現場開発の初期段階で達成可能な情報を用いて予測でき,その結果,適切なHFUSモデルを表現することができる。この目的のために,抽出した音響インピーダンス(AI)とサンプルベースの属性から段階的線形回帰によってFZI推定のための適切な属性を選択した。その後,確率的ニューラルネットワーク(PNN),多層フィードフォワードネットワーク(MLFN),および動径基底関数ネットワーク(RBFN)を含む3つの最適知的システムを採用した。得られた結果は,PNNがMLFN,RBFN,および多属性回帰法と比較して最も正確な推定器であることを明らかにした。最終段階において,PNNを適用して,ペルシア湾に位置する調査炭酸ガス田の貯留層セクションに対する3D水力流ユニットモデルを開発した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 坑井 ,  ガス田 ,  *ペルシア湾 ,  岩石 ,  貯水池 ,  石油 ,  *地震 ,  品質 ,  浸透率 ,  三次元 ,  予測 ,  多層 ,  *人工知能
準シソーラス用語： インテリジェントシステム ,  *貯留層 , 【Automatic Indexing@JST】

著者キーワード (5件)： Hfu ,  コアデータ ,  FZI ,  地震属性 ,  人工知能モデル

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (6件)： 人工知能システム ,  地震データ ,  水 ,  推定 ,  ペルシア湾 ,  ガス貯留層