Resumen

Este estudio propone un modelo de predicción basado en una red neuronal profunda (DNN) para crear un registro sintético. A diferencia de los estudios anteriores, se centra en la construcción de un modelo de predicción fiable basado en dos criterios: la adecuación al propósito de un yacimiento objetivo (el yacimiento de Golden en Alberta) y la conformidad con el conocimiento del dominio. En primer lugar, en el yacimiento objetivo, el registro de densidad tiene ventajas sobre el registro sónico para el análisis de la porosidad debido al entorno deposicional de carbonatos. Teniendo en cuenta la correlación entre los registros sónicos y de densidad, determinamos el registro sónico como entrada y el registro de densidad como salida para la DNN. Aunque sólo cinco pozos tienen un par de datos de entrenamiento en el campo (es decir, registros sónicos y de densidad), obtenemos, basándonos en el conocimiento geológico, 29 pozos adicionales que comparten el mismo entorno deposicional en la formación Slave Point. Una vez asegurados los datos, se excluyen del conjunto de datos 5 pozos de entre los 29 durante los procedimientos de preprocesamiento (eliminación de datos anormales y normalización min-max) para mejorar el modelo de predicción. Se diseñan dos casos según el uso de la información de los pozos en el campo objetivo. El caso 1 utiliza sólo 23 de los pozos circundantes para entrenar el modelo de predicción, y otro pozo circundante se utiliza para probar el modelo. En el caso 1, el algoritmo de Levenberg-Marquardt muestra un rendimiento rápido y fiable y el número de neuronas en las dos capas ocultas es de 45 y 14, respectivamente. En el caso 2, se utilizan los 24 pozos circundantes y cuatro pozos del campo objetivo para entrenar la DNN con los parámetros optimizados del caso 1. Los registros de densidad sintéticos del caso 2 mitigan un problema de subestimación en el caso 1 y siguen la tendencia general de los registros de densidad reales. El modelo de predicción desarrollado utiliza el registro sónico para generar el registro de densidad sintético, y se creará un modelo de porosidad fiable combinando los registros de densidad dados y sintéticos.

• Materias:Algoritmos genéticos Geoquímica Análisis de suelos Agua Carbón
• Subjects:Genetic algorithms Geochemistry Soil testing Water Coal
• Palabras claves:registro sónico, campo objetivo, caso, registro de densidad sintético, pozo, modelo de predicción, registro de densidad, modelo de predicción desarrollado, número de neuronas, modelo de predicción fiable
• Keywords:sonic log, target field, case, synthetic density log, well, prediction model, density log, developed prediction model, number of neurons, reliable prediction model