文献

J-GLOBAL ID：202202279119368714   整理番号：22A0573696

有機物に富む頁岩の鉱物学を予測するためのデータ駆動機械学習アプローチ:サウジアラビア,Rub’al Khali盆地,Qusaiba頁岩からの例【JST・京大機械翻訳】

Data-driven machine learning approach to predict mineralogy of organic-rich shales: An example from Qusaiba Shale, Rub’ al Khali Basin, Saudi Arabia

著者 (8件)： Mustafa Ayyaz (Centre for Integrative Petroleum Research, College of Petroleum Engineering and Geosciences, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Saudi Arabia) ,  Tariq Zeeshan (Petroleum Engineering Department, College of Petroleum Engineering and Geosciences, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Saudi Arabia) ,  Mahmoud Mohamed (Petroleum Engineering Department, College of Petroleum Engineering and Geosciences, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Saudi Arabia) ,  Radwan Ahmed E. (Faculty of Geography and Geology, Institute of Geological Sciences, Jagiellonian University, Gronostajowa 3a, 30-387, Krakow, Poland) ,  Radwan Ahmed E. (Exploration Department, Gulf of Suez Petroleum Company, 2400, Cairo, Egypt) ,  Abdulraheem Abdulazeez (Petroleum Engineering Department, College of Petroleum Engineering and Geosciences, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Saudi Arabia) ,  Abouelresh Mohamed Omar (Centre for Environment & Marine Studies, Research Institute, KFUPM, Saudi Arabia) ,  Abouelresh Mohamed Omar (Faculty of Petroleum & Mining Engineering, Suez University, Egypt)
資料名： Marine and Petroleum Geology  (Marine and Petroleum Geology)
巻： 137  ページ： Null  発行年： 2022年 
JST資料番号： A0643C  ISSN： 0264-8172  CODEN： MPEGD  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： Quaiba Shaleは,中部東部の古生代石油系に対する証明された根源岩であり,サウジアラビアにおける非在来頁岩ガスポテンシャル貯留層の潜在的供給源として標的であり,最近,非在来型ガスの可能な供給源と考えられている。頁岩の鉱物学は,成功した設計で重要な役割を果たし,水圧破砕操作を遂行し,生産可能性を評価する。鉱物学的予測に対する人工知能の適用に関する文献に利用可能な研究は限られている。本研究は,両鉱物が頁岩の主要な成分であり,頁岩形成内の脆性および延性ゾーンの評価を助ける,容易に入手可能な従来の検層を用いて,クイバシャ頁岩鉱物,特に粘土および石英鉱物を予測することを目的とする。3つの岩相を,コア試料の異なる地質と堆積の特徴に基づき,クサイバShaleで定義し,それらは石英と粘土含有量の異なる範囲を持っている。人工知能技術を用いて,粘土と石英を含むQuaiba Shale地層に存在する2つの最も重要な鉱物について予測モデルを開発した。適応ニューロファジー推論システム(ANFIS)と人工ニューラルネットワーク(ANN)を用いて,Quaiba Shale形成における2つの主要な鉱物含有量を正確に予測した。すべての4つのモデルは,良い精度を持った。ANNベースのモデルは,粘土予測モデルに対するAAPEとRMSEがそれぞれ2.53と1.45で,石英と3.43と2.01の誤差が最小であった。ANFISベースの予測モデルは,AAPEとRMSE 2.67と1.83を,それぞれ予測石英値と3.59と1.89の粘土含有量に対して示した。Quaiba Shale i.e.,粘土および石英における主要鉱物に対する適用人工知能予測モデルは,頁岩ガス貯留層の前向き評価に対する頁岩中の鉱物含有量に関する貴重な情報を得るための実行可能で有用なアプローチである。本研究の結果は,サウジアラビアにおける非従来型シェールガス貯留層からの生産の最適化と展望評価に有用である。さらに,用いたアプローチは,従来の鉱物学決定法を,非在来型Quaiba Shale資源のコアと鉱物学ログの不在で,コストと資源を節約するための洞察を提供する。さらに,同じ人工知能アプローチとステップを適用することは,世界中の他のシェールガスと油田の野外開発に使用できた。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： *鉱物 ,  最適化 ,  *頁岩 ,  石英 ,  脆性 ,  粘土 ,  検層 ,  ガス層 ,  古生代 ,  人工知能 ,  地質 ,  *盆地 ,  予測モデル ,  シェールガス
準シソーラス用語： 貯留層 , 【Automatic Indexing@JST】

著者キーワード (7件)： 機械学習 ,  シェールガス ,  頁岩の鉱物学的予測 ,  非従来型貯水池 ,  Qai頁岩 ,  頁岩岩相 ,  従来型ログ

分類 (2件)： 油田,ガス田;油,ガス資源  (UA01110V) ,  石油・ガス鉱床  (DE09050D)

タイトルに関連する用語 (9件)： 有機物 ,  頁岩 ,  鉱物学 ,  予測 ,  データ駆動 ,  機械学習 ,  サウジアラビア ,  Al ,  盆地