Zastosowanie sztucznej sieci neuronowej do uzupełnienia danych zbiornikowych
Abstract
Przedstawiona praca jest poświęcona nowej metodzie zastosowania sztucznej sieci neuronowej (ANN) w zagadnieniach geologicznych takich jak ocena własności zbiornikowych skał węglanowych w oparciu o wyniki mikroskopowej analizy obrazu, a także odtworzenie przebiegu krzywych przepuszczalności względnej dla kilku typów piaskowców.Za pomocą ANN przeprowadzono analizę możliwości ekstrapolacji wyników badań laboratoryjnych przepuszczalności względnych i komputerowej analizy obrazu. Jako parametry bazowe do symulacji neuronowych wykorzystano wyniki badań porozymetrycznych wraz z analizą krzywych ciśnień kapilarnych oraz przepuszczalność liniową. Stwierdzono że poprawnie skonstruowana baza danych oraz wykonanie rzetelnych statystycznie oznaczeń przepuszczalności fazowej i komputerowej analizy obrazu, a także mikroskopowych analiz na płytkach cienkich umożliwia poprawną ekstrapolację oczekiwanych parametrów. Poprawność symulacji ANN sprawdzono wykonując serie testowych analiz Korelacja danych pomierzonych i wyliczonych ANN jest wysoka i wynosi odpowiednio w 0,98 symulacjach parametrów komputerowej analizy obrazu i 0,89 w symulacjach parametrów przepuszczalności względnych, co jest wystarczającym warunkiem do zastosowania tej metody w dalszych badaniach.
THE USE OF THE ARTIFICIAL NEURAL NETWORK TO COMPLETE THE RESERVOIR PROPERTIES DATA
Summary
This paper deals with a new method of using Artificial Neural Network (ANN) in solving various geological problems, including reservoir properties assessment of carbonate rocks derived from results of microscopic analysis of images, as well as from reconstruction of relative permeability curves for several sandstone types. Based on ANN, the relative permeability data and results of numerical parameterisations of microscopic analyses of images were perfomed. Porosity permeability, and other parameters, i.e. threshold pressures, specific surfaces and density, obtained during capillary pressure analyses were applied as a database. These studies indicate that the reliable database and properly prepared series of measurements result in good quality of extrapolation of relative permeability and microscopic analysis parameters. In both cases the use of ANN produces good results. The correlation coefficient of experimental and simulated data is high amounting to 0.98 (computer microscopic analysis) and 0.89 (relative permeability), which enable using this method for further investigations.
THE USE OF THE ARTIFICIAL NEURAL NETWORK TO COMPLETE THE RESERVOIR PROPERTIES DATA
Summary
This paper deals with a new method of using Artificial Neural Network (ANN) in solving various geological problems, including reservoir properties assessment of carbonate rocks derived from results of microscopic analysis of images, as well as from reconstruction of relative permeability curves for several sandstone types. Based on ANN, the relative permeability data and results of numerical parameterisations of microscopic analyses of images were perfomed. Porosity permeability, and other parameters, i.e. threshold pressures, specific surfaces and density, obtained during capillary pressure analyses were applied as a database. These studies indicate that the reliable database and properly prepared series of measurements result in good quality of extrapolation of relative permeability and microscopic analysis parameters. In both cases the use of ANN produces good results. The correlation coefficient of experimental and simulated data is high amounting to 0.98 (computer microscopic analysis) and 0.89 (relative permeability), which enable using this method for further investigations.