文献

J-GLOBAL ID：202202273427792268   整理番号：22A0575676

ニューラルネットワークベースの機械的地球モデリング(MEM):アルジェリア,Hassi Messaoud油田の事例研究【JST・京大機械翻訳】

Neural Network based Mechanical Earth Modelling (MEM): A case study in Hassi Messaoud Field, Algeria

著者 (6件)： Aoun Ala Eddine (University of North Dakota, USA) ,  Soto Ricardo (Halliburton, USA) ,  Rabiei Minou (University of North Dakota, USA) ,  Rasouli Vamegh (University of North Dakota, USA) ,  Khetib Youcef (University of North Dakota, USA) ,  Irofti Doina (University of North Dakota, USA)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 210  ページ： Null  発行年： 2022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： 現場応力の正確な推定は,油田開発と生産段階への探査から,石油とガス産業において非常に重要である。アルジェリア,Hass Messaoud Field(HMD)における過去15年間の収集したログとミニフレックデータは,この分野における応力の報告された状態が一貫性がないことを示す。これは,より正確に応力の状態を推定するための更なる研究のために,より具体的には,後期段階での水圧破砕の設計のために用いられるであろう。本論文では,アルジェリアのHMD場に対して構築した機械的地球モデル(MEM)の結果を示した。地層の弾性と強度特性の連続対数であるMEMの結果は,その場応力の状態は,水圧破壊(HF)設計への直接入力である。水圧破砕は,この堅固な砂岩貯留層からの回復を高めるために,現場で使われる主要な技術である。MEMは一般化線形モデル(GLM)と従来の相関を超えて構築され,それは単純化された「グランドトルース」と3つの人工ニューラルネットワーク(ANN)層として機能する:第1のものは,実験室データからの訓練機械的特性,第2の列車のせん断と圧縮音波を,得られたログデータからの訓練の1つ,および最後の1つは, mini弾性モデルから応力レジームを計算し,訓練するためにミニフレームデータを使用する。モデルは,観察された破壊と破砕データで較正され,密接な一致が観察された。本論文で提示した研究は,ANNを用いて欠測データを正確に近似し,合成するための詳細なロードマップを詳述し,3D MEMを構築するために,フィールドの残りを横断して拡張した。本研究の結果は,現在,効率的でないと報告されている分野におけるHF操作を改善できることを期待する。Copyright 2022 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： 簡素化 ,  石油 ,  水圧 ,  弾性 ,  *地球 ,  *ニューラルネットワーク ,  *油田 ,  砂岩 ,  *モデリング ,  モデル ,  地層 ,  *事例研究 ,  三次元 ,  ロバスト性
準シソーラス用語： 貯留層 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械地球モデル ,  Hassi Messaoud油田 ,  水圧破砕 ,  ニューラルネットワーク

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  地球 ,  モデリング ,  アルジェリア ,  油田 ,  研究