文献

J-GLOBAL ID：202202213793542758   整理番号：22A0805926

坑井検層データおよび多変量分析,機械学習,および地球化学的分析の統合法を用いた全有機炭素の根源岩ポテンシャルと予測の評価【JST・京大機械翻訳】

Evaluation of Source Rock Potentiality and Prediction of Total Organic Carbon Using Well Log Data and Integrated Methods of Multivariate Analysis, Machine Learning, and Geochemical Analysis

著者 (8件)： Nyakilla Edwin E. (Department of Petroleum Engineering, School of Earth Resources, China University of Geosciences, Wuhan, China) ,  Silingi Selemani N. (Department of Petroleum Engineering, School of Earth Resources, China University of Geosciences, Wuhan, China) ,  Silingi Selemani N. (Department of Geology, Earth Sciences Institute of Shinyanga, ESIS, Shinyanga, Tanzania) ,  Shen Chuanbo (Department of Petroleum Engineering, School of Earth Resources, China University of Geosciences, Wuhan, China) ,  Shen Chuanbo (Department of Petroleum Geology School of Earth Resources, China University of Geosciences, Wuhan, China) ,  Jun Gu (Department of Petroleum Engineering, School of Earth Resources, China University of Geosciences, Wuhan, China) ,  Mulashani Alvin K. (Department of Petroleum Engineering, School of Earth Resources, China University of Geosciences, Wuhan, China) ,  Chibura Patrick E. (Department of Petroleum Engineering, School of Earth Resources, China University of Geosciences, Wuhan, China)
資料名： Natural Resources Research  (Natural Resources Research)
巻： 31  号： 1  ページ： 619-641  発行年： 2022年 
JST資料番号： W0688A  ISSN： 1520-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,多変量解析(MVA),機械学習(ML),および地球化学分析に基づく統合アプローチを提案し,炭化水素埋蔵量と全有機炭素(TOC)予測の可能性を調べた。これらの手法は,根源岩評価における将来の選択方法としてMVA技術を採用した。井戸SS-5とSS-7から等しく取った30コア試料から地球化学データを用いた。地球化学的パラメータ,すなわちTOC,遊離炭化水素,熱分解炭化水素,水素指数,生産指数,および酸素指数を統計的評価に対して測定した。IBM SPSS統計ソフトウェアとMATLAB(R2020a)をそれぞれMVAとMLに使用した。MVAとMLを用いて構築したモデルの性能を,他の,決定係数(R2)と平均二乗誤差(MSE)によって評価した。調査結果は,0.85~2.95wt%の範囲のTOCを有する良好から優れた根源岩が,Tangaの三畳紀床にホストされていることを明らかにした。463°Cの成熟ピークにおける高い1.61%Roは,油とガスの両方を生成することができるタイプIII/IIケロジェンの存在が優勢であった。従来の坑井検層データからのTOC予測を考慮すると,最適化Gaussプロセス回帰は,最良の性能を示し,MVAとサポートベクトルマシンが続き,それぞれ0.5629,0.6172,0.7023のMSEsを与えた。予測精度に関して,それらのR2値はそれぞれ0.952,0.9346,および0.835であり,地球化学的結果と良く一致した。地球化学分析,MLおよびMVAの同時発生は,Tanga盆地が大きな経済的重要性を有する大きな炭化水素ポテンシャルを有することを明らかにした。本研究は,MVAと他の方法を組み合わせることで,地球周辺の他の見通しの炭化水素資源の可能性を評価することができることを明らかにした。Copyright International Association for Mathematical Geosciences 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  熱分解 ,  埋蔵量 ,  *多変量解析 ,  *地球 ,  炭化水素 ,  *検層 ,  *石油根源岩 ,  *地球化学 ,  *TOC【炭素】 ,  ソフトウェア ,  ケロジェン ,  盆地 ,  *機械学習 ,  サポートベクトルマシン

著者キーワード (6件)： 根源岩 ,  地球化学的解析 ,  クラスタ分析 ,  因子分析 ,  Pearson相関係数(r) ,  機械学習

分類 (1件)： 石油・ガス鉱床  (DE09050D)

タイトルに関連する用語 (11件)： 坑井検層 ,  多変量分析 ,  機械学習 ,  地球 ,  化学的分析 ,  統合 ,  全有機炭素 ,  根源岩 ,  ポテンシャル ,  予測 ,  評価