Luận án: Ứng dụng mạng nơron dự báo dầu khí Oligocen Bắc Bể Cửu Long - Đặng Song Hà

Luận án Tiến sĩ Địa chất: Áp dụng mạng nơron nhân tạo dự báo tiềm năng dầu khí trầm tích Oligocen mỏ phía bắc bể Cửu Long.

Chuyên ngành

Địa chất học

Tác giả

Luan An

Thể loại

Luận án tiến sĩ

Năm xuất bản

Số trang

135

Thời gian đọc

21 phút

Lượt xem

0

Lượt tải

0

Phí lưu trữ

40 Point

Tóm tắt nội dung

I.Nguyên Lý Mạng Nơron Ứng Dụng Dự Báo Dầu Khí

Nghiên cứu ứng dụng mạnh mẽ các mô hình học máy vào địa chất dầu khí. Mạng nơron nhân tạo (ANN) là công cụ hiệu quả trong phân tích dữ liệu phức tạp. Tài liệu này cung cấp cái nhìn tổng quan về nguyên lý cơ bản của mạng nơron nhân tạo và lịch sử phát triển của chúng. Các ứng dụng của ANN trong ngành dầu khí được phân tích chi tiết. Phương pháp này giúp nâng cao độ chính xác trong dự báo dầu khí. Đặc biệt, nó hữu ích trong việc xử lý lượng lớn dữ liệu địa chất. Mục tiêu là tối ưu hóa quá trình thăm dò và khai thác. Nghiên cứu tập trung vào các kỹ thuật như lựa chọn đường cong đầu vào, xây dựng tập huấn luyện và kiểm tra dữ liệu. Các tiêu chí đánh giá chất lượng mô hình ANN được thảo luận. Điều này đảm bảo tính tin cậy của kết quả dự báo. Việc chuẩn hóa số liệu và xác định số lượng nơron phù hợp là các bước quan trọng. Mạng nơron nhân tạo mở ra tiềm năng mới trong việc giải quyết các bài toán địa chất phức tạp, đặc biệt là trong dự báo và đánh giá tài nguyên dầu khí.

1.1. Khái niệm và lịch sử mạng nơron nhân tạo

Mạng nơron nhân tạo mô phỏng cấu trúc bộ não con người. Chúng xử lý thông tin thông qua các lớp nơron kết nối. Lịch sử phát triển ANN bắt đầu từ những năm 1940. Sự tiến bộ trong điện toán thúc đẩy nghiên cứu. Ngày nay, ANN trở thành công cụ chủ chốt trong nhiều lĩnh vực khoa học. Trong địa chất dầu khí, mạng nơron nhân tạo giúp giải quyết các bài toán phức tạp. Ví dụ, phân tích địa chấn, dự báo tầng chứa. Khả năng học hỏi từ dữ liệu làm cho ANN rất phù hợp với dữ liệu địa chất biến đổi. Việc này hỗ trợ tối ưu hóa quy trình thăm dò dầu khí.

1.2. Trình tự ứng dụng ANN trong địa chất dầu khí

Ứng dụng mạng nơron nhân tạo đòi hỏi quy trình nghiêm ngặt. Bước đầu tiên là thu thập và chuẩn bị dữ liệu. Dữ liệu địa vật lý giếng khoan và dữ liệu địa chấn 3D thường được sử dụng. Sau đó, lựa chọn các đường cong đầu vào phù hợp. Việc này ảnh hưởng trực tiếp đến hiệu suất mô hình. Xây dựng tập huấn luyện và tập kiểm tra là bước thiết yếu. Dữ liệu cần được chuẩn hóa để tránh sai lệch. Xác định kiến trúc mạng, bao gồm số nơron lớp ẩn và hàm kích hoạt. Các hàm huấn luyện được chọn để tối ưu hóa trọng số. Cuối cùng, đánh giá chất lượng mô hình. Quy trình này đảm bảo độ tin cậy của dự báo dầu khí và các kết quả địa chất khác.

1.3. Đánh giá chất lượng mô hình ANN

Đánh giá chất lượng mô hình mạng nơron là cực kỳ quan trọng. Các tiêu chuẩn như hệ số tương quan (R), độ lệch chuẩn (RMSE) và sai số phần trăm (MAPE) được áp dụng. Điều này giúp xác định mức độ chính xác của dự báo. Các kết quả của ANN cần được so sánh với dữ liệu thực tế. Quá trình kiểm tra chéo được sử dụng để đảm bảo tính tổng quát. Mô hình phải hoạt động tốt trên cả tập huấn luyện và tập kiểm tra. Độ tin cậy của kết quả tính toán cho từng giếng khoan là ưu tiên hàng đầu. Việc này đảm bảo ứng dụng thực tiễn của mạng nơron nhân tạo trong việc dự báo dầu khí và đánh giá đá chứa.

II.Địa Chất Trầm Tích Oligocen Bể Cửu Long

Bể Cửu Long là khu vực địa chất quan trọng tại Việt Nam. Nghiên cứu tập trung vào đặc điểm địa chất trầm tích Oligocen tại đây. Khu vực phía bắc Bể Cửu Long có tiềm năng dầu khí lớn. Các yếu tố cấu trúc kiến tạo, hệ thống đứt gãy ảnh hưởng đến sự hình thành và phân bố dầu khí. Đặc điểm địa tầng và thạch học của các thành tạo Oligocen được phân tích chi tiết. Lịch sử tiến hóa địa chất trong Oligocen cũng được xem xét. Điều này cung cấp nền tảng vững chắc cho việc dự báo. Sự hiểu biết sâu sắc về môi trường trầm tích là cần thiết. Nó giúp xác định các tầng chứa dầu khí tiềm năng. Quan hệ giữa cấu trúc kiến tạo và hệ thống dầu khí được làm rõ. Tiềm năng dầu khí phi cấu tạo, đặc biệt là bẫy địa tầng, cũng là một điểm nhấn. Kết quả nghiên cứu làm sáng tỏ đặc điểm địa chất trầm tích Oligocen. Đây là cơ sở để ứng dụng mạng nơron dự báo chính xác hơn. Dữ liệu địa chất khu vực được sử dụng để huấn luyện mô hình ANN.

2.1. Đặc điểm cấu trúc kiến tạo Bể Cửu Long

Bể Cửu Long có cấu trúc kiến tạo phức tạp. Nó hình thành trong Kainozoi do quá trình tách giãn. Hệ thống đứt gãy đóng vai trò quan trọng trong việc kiểm soát sự phân bố trầm tích và dầu khí. Các yếu tố kiến tạo này tạo ra các bẫy dầu khí tiềm năng. Nghiên cứu phân tích sự phát triển cấu trúc. Các đứt gãy sâu ảnh hưởng đến di chuyển hydrocarbon. Đặc điểm này định hình các khu vực tích tụ dầu khí. Hiểu rõ cấu trúc giúp khoanh vùng thăm dò hiệu quả. Mạng nơron có thể sử dụng các thông số liên quan đến cấu trúc. Điều này giúp dự báo tốt hơn các vị trí có tầng chứa dầu khí chất lượng.

2.2. Địa tầng và thạch học trầm tích Oligocen

Các thành tạo trầm tích Oligocen tại Bể Cửu Long rất đa dạng. Chúng bao gồm các loại đá chứa tiềm năng như cát kết, bột kết. Nghiên cứu mô tả chi tiết đặc điểm địa tầng. Thạch học của các lớp trầm tích được phân tích kỹ lưỡng. Sự phân bố và tính chất của đá chứa là yếu tố then chốt. Đặc điểm này ảnh hưởng đến khả năng chứa và thấm của dầu khí. Việc phân tích thạch học giúp nhận diện các facies trầm tích thuận lợi. Thông tin địa tầng và thạch học này được tích hợp vào mô hình mạng nơron. Điều này tăng cường khả năng dự báo dầu khí chính xác hơn. Dữ liệu từ các giếng khoan cung cấp chi tiết về thạch học.

2.3. Tiềm năng dầu khí Oligocen khu vực nghiên cứu

Trầm tích Oligocen tại khu vực phía bắc Bể Cửu Long chứa tiềm năng dầu khí đáng kể. Các nghiên cứu chỉ ra sự hiện diện của các tầng chứa dầu khí. Mối quan hệ giữa cấu trúc kiến tạo và hệ thống dầu khí rất rõ ràng. Ngoài các bẫy cấu tạo, tiềm năng dầu khí bẫy địa tầng cũng được nhấn mạnh. Đây là các đối tượng thăm dò quan trọng. Mạng nơron nhân tạo được ứng dụng để đánh giá tiềm năng này. Mô hình học máy giúp xác định các khu vực có khả năng tích tụ hydrocarbon cao. Điều này tối ưu hóa việc định vị giếng khoan và giảm rủi ro thăm dò. Thông tin này rất quan trọng cho các nhà đầu tư và công ty dầu khí.

III.Phục Hồi Hồ Sơ Địa Vật Lý Bằng Mạng Nơron

Dữ liệu địa vật lý giếng khoan thường gặp phải tình trạng hỏng hóc hoặc thiếu sót. Các đường cong ghi bị lỗi ảnh hưởng đến độ chính xác của phân tích địa chất. Nghiên cứu này ứng dụng mạng nơron nhân tạo để phục hồi các đường cong địa vật lý giếng khoan bị hỏng. Việc này cải thiện đáng kể chất lượng dữ liệu đầu vào. Các thông số DVLGK của trầm tích Oligocen được phân tích sâu. Mối tương quan giữa các thông số này và các tập thạch học được xác định. Quy trình xử lý số liệu bao gồm chuẩn hóa và lựa chọn đặc trưng. Sau đó, mô hình ANN được xây dựng và huấn luyện. Kết quả áp dụng thực tế cho thấy hiệu quả cao. Đường cong phục hồi có độ chính xác gần với dữ liệu gốc. Đây là bước quan trọng để đưa ra các đánh giá tin cậy hơn. Việc phục hồi dữ liệu cũng giúp tối ưu hóa việc xác định các tham số vật lý thạch học. Điều này đóng góp vào sự thành công của các dự án thăm dò dầu khí.

3.1. Phân tích tương quan dữ liệu địa vật lý giếng khoan

Thông số địa vật lý giếng khoan (DVLGK) cung cấp thông tin quý giá. Các thông số này bao gồm gamma ray, điện trở, sóng âm. Phân tích tương quan giữa các thông số DVLGK và thạch học là bước đầu tiên. Nó giúp hiểu rõ mối liên hệ giữa các phép đo và loại đá. Đặc điểm thông số DVLGK của trầm tích Oligocen được nghiên cứu chi tiết. Việc này tạo cơ sở cho việc nhận diện đá chứa. Mạng nơron nhân tạo sử dụng các mối tương quan này. Chúng học hỏi để dự đoán các giá trị bị thiếu. Đây là kỹ thuật then chốt trong xử lý dữ liệu dầu khí. Phân tích này giúp định hình mô hình phục hồi hiệu quả hơn.

3.2. Quy trình phục hồi đường cong địa vật lý bị hỏng

Phục hồi đường cong địa vật lý hỏng là một bài toán phức tạp. Quy trình bắt đầu bằng việc xác định các khoảng dữ liệu bị lỗi. Sau đó, dữ liệu đầu vào được chuẩn hóa và tiền xử lý. Mô hình mạng nơron được xây dựng với kiến trúc phù hợp. Nó sử dụng các đường cong địa vật lý có sẵn làm đầu vào. Mục tiêu là dự đoán các giá trị bị thiếu hoặc sai lệch. Các thuật toán huấn luyện được áp dụng để tối ưu hóa mô hình. Kết quả là các đường cong DVLGK được phục hồi có độ chính xác cao. Việc này đảm bảo tính toàn vẹn của dữ liệu giếng khoan. Dữ liệu chất lượng cao là nền tảng cho dự báo dầu khí.

3.3. Hiệu quả ứng dụng mô hình thực tế

Mô hình phục hồi đường cong địa vật lý bằng mạng nơron đã được áp dụng thực tế. Kết quả cho thấy hiệu quả rõ rệt. Các đường cong bị hỏng được tái tạo với độ tin cậy cao. Điều này giúp giảm thiểu chi phí và thời gian đo lại. Dữ liệu phục hồi được sử dụng để phân tích địa chất tiếp theo. Nó cải thiện chất lượng của các mô hình địa chất và dự báo dầu khí. Ứng dụng này mang lại ý nghĩa lớn cho ngành công nghiệp dầu khí. Nó giúp tối ưu hóa việc đánh giá tầng chứa dầu khí. Việc phục hồi dữ liệu chất lượng cao là chìa khóa. Nó hỗ trợ các quyết định thăm dò và khai thác.

IV.Xác Định Tham Số Vật Lý Thạch Học Với Mạng Nơron

Xác định các tham số vật lý thạch học là bước thiết yếu trong địa chất dầu khí. Các tham số này bao gồm hàm lượng sét, độ rỗng và độ bão hòa. Phương pháp truyền thống thường có những hạn chế nhất định. Chúng có thể không đủ chính xác trong môi trường địa chất phức tạp. Nghiên cứu này ứng dụng mạng nơron nhân tạo để tính toán các tham số này. Phương pháp này mang lại độ chính xác cao hơn. Dữ liệu từ tài liệu địa vật lý giếng khoan là đầu vào chính. Các mô hình ANN được xây dựng để ước tính hàm lượng sét. Tiếp theo, độ rỗng của đá chứa cũng được xác định. Cuối cùng, độ bão hòa hydrocarbon được tính toán. Kết quả tính toán bằng ANN được so sánh với dữ liệu thực tế. Điều này chứng minh tính hiệu quả của phương pháp. Việc xác định chính xác các tham số này là cực kỳ quan trọng. Nó giúp đánh giá tiềm năng tầng chứa dầu khí. Nó cũng tối ưu hóa chiến lược khai thác dầu khí.

4.1. Hạn chế phương pháp truyền thống tính tham số

Các phương pháp truyền thống để tính tham số vật lý thạch học có nhiều hạn chế. Chúng thường dựa trên các công thức kinh nghiệm. Các công thức này có thể không phù hợp với mọi môi trường địa chất. Sự phức tạp của đá chứa, đặc biệt là trong trầm tích Oligocen, gây khó khăn. Độ chính xác có thể giảm khi dữ liệu không hoàn chỉnh. Tính phi tuyến tính của mối quan hệ giữa các tham số vật lý thường bị bỏ qua. Điều này dẫn đến sai số trong ước tính. Những hạn chế này làm giảm độ tin cậy của các quyết định thăm dò. Do đó, cần có một phương pháp tiên tiến hơn. Mạng nơron nhân tạo khắc phục được những vấn đề này.

4.2. Tính toán hàm lượng sét bằng mạng nơron nhân tạo

Hàm lượng sét là tham số quan trọng ảnh hưởng đến chất lượng đá chứa. Mạng nơron nhân tạo được sử dụng để tính toán hàm lượng sét từ tài liệu DVLGK. Việc này bao gồm lựa chọn các đường cong đầu vào phù hợp. Các thuật toán như Backpropagation (BP) hoặc Radial Basis Function (RBF) được áp dụng. Mô hình được huấn luyện với các tổ hợp đầu vào khác nhau. Điều này tìm ra cấu hình tối ưu. Kết quả tính toán của ANN thường chính xác hơn các phương pháp truyền thống. Nó giúp đánh giá đá chứa hiệu quả hơn. Hàm lượng sét cao có thể làm giảm độ rỗng và độ thấm. Mạng nơron cung cấp ước tính tin cậy. Điều này hỗ trợ phân tích tầng chứa dầu khí.

4.3. Xác định độ rỗng và độ bão hòa tầng chứa

Độ rỗng và độ bão hòa là hai tham số vật lý thạch học cốt lõi. Chúng quyết định khả năng chứa và lượng hydrocarbon của tầng chứa dầu khí. Mạng nơron nhân tạo được ứng dụng để xác định các tham số này. Dữ liệu DVLGK làm cơ sở đầu vào. Mô hình ANN học hỏi mối quan hệ phức tạp giữa các thông số. Kết quả tính toán độ rỗng và độ bão hòa được so sánh với dữ liệu thực tế. Độ chính xác cao của ANN giúp cải thiện đáng kể việc ước tính tài nguyên. Điều này có ý nghĩa quan trọng trong việc đánh giá trữ lượng dầu khí. Nó cũng giúp tối ưu hóa kế hoạch phát triển mỏ.

V.Giá Trị Ứng Dụng Tiềm Năng Dự Báo Dầu Khí

Nghiên cứu này chứng minh giá trị ứng dụng cao của mạng nơron nhân tạo. Nó cung cấp một giải pháp hiệu quả cho việc dự báo dầu khí. Đặc biệt là trong các trầm tích Oligocen phức tạp của Bể Cửu Long. Các phương pháp dựa trên máy học trong thăm dò mang lại độ chính xác vượt trội. Việc phục hồi dữ liệu địa vật lý giếng khoan hỏng được cải thiện. Xác định các tham số vật lý thạch học trở nên tin cậy hơn. Điều này dẫn đến việc giảm thiểu rủi ro thăm dò. Nó cũng tối ưu hóa quy trình khai thác. Ngành địa chất dầu khí đang chứng kiến sự chuyển đổi mạnh mẽ. Công nghệ học máy đóng vai trò trung tâm. Các kết quả của luận án mở ra hướng phát triển mới. Việc này bao gồm tích hợp dữ liệu địa chấn 3D. Nó cũng bao gồm phát triển các mô hình ANN nâng cao. Mục tiêu là nâng cao hơn nữa hiệu quả dự báo. Ứng dụng này có tiềm năng lớn cho các dự án thăm dò và khai thác trong tương lai. Nó hỗ trợ đưa ra các quyết định đầu tư chính xác.

5.1. Cải thiện độ chính xác dự báo địa chất

Mạng nơron nhân tạo cải thiện đáng kể độ chính xác trong dự báo địa chất. Khả năng xử lý dữ liệu phi tuyến tính của ANN là ưu điểm lớn. Các mô hình học máy trong thăm dò giảm thiểu sai số. Đặc biệt, chúng giúp phân tích phức tạp các trầm tích Oligocen. Việc xác định chính xác các tầng chứa dầu khí, đá chứa được nâng cao. Điều này ảnh hưởng trực tiếp đến thành công của các dự án thăm dò. Dữ liệu địa chất thu thập từ giếng khoan được tận dụng tối đa. Mạng nơron cung cấp cái nhìn sâu sắc hơn về môi trường trầm tích. Nó hỗ trợ các nhà địa chất đưa ra quyết định tốt hơn.

5.2. Tối ưu hóa thăm dò khai thác dầu khí

Ứng dụng mạng nơron nhân tạo tối ưu hóa hoạt động thăm dò và khai thác dầu khí. Việc dự báo vị trí tiềm năng chứa dầu khí chính xác hơn. Điều này giúp giảm chi phí khoan thăm dò. Nó cũng tăng tỷ lệ thành công. Dữ liệu địa chất dầu khí được phân tích hiệu quả hơn. Các quyết định về vị trí giếng khoan, kế hoạch phát triển mỏ được đưa ra dựa trên cơ sở khoa học. Công nghệ máy học trong thăm dò giảm thiểu rủi ro. Nó tối đa hóa lợi nhuận. Việc này đặc biệt quan trọng trong bối cảnh giá dầu biến động. Các mô hình ANN hỗ trợ lập kế hoạch chiến lược dài hạn.

5.3. Hướng phát triển trong ngành địa chất dầu khí

Nghiên cứu này mở ra hướng phát triển mới cho ngành địa chất dầu khí. Mạng nơron nhân tạo sẽ tiếp tục đóng vai trò quan trọng. Các nghiên cứu tiếp theo có thể tích hợp nhiều loại dữ liệu hơn. Bao gồm dữ liệu địa chấn 3D, dữ liệu sản xuất. Việc phát triển các mô hình học sâu (deep learning) có tiềm năng lớn. Nó giúp giải quyết các bài toán phức tạp hơn. Hướng tới xây dựng các hệ thống dự báo tự động và thông minh. Điều này sẽ cách mạng hóa quy trình thăm dò và khai thác. Nó nâng cao hiệu quả và tính bền vững của ngành dầu khí. Máy học đang định hình tương lai của địa chất dầu khí.

Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Luận án tiến sĩ địa chất học nghiên cứu ứng dụng mạng nơron nhân tạo dự báo khả năng chứa dầu khí của trầm tích oligocen một số mỏ khu vực phía bắc bể cửu long

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (135 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

DANG SONG HÀ NGHIEN CUU UNG DUNG MANG NORON NHAN TAO DU BAO KHẢ NANG CHUA DAU KHÍ CUA TRAM TICH OLIGOCEN MOT SO MO KHU VUC PHIA BAC BE CUU LONG LUẬN ÁN TIEN SĨ DIA CHAT HOC HA NOI - 2022 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN DANG SONG HA NGHIEN CUU UNG DUNG MANG NORON NHAN TAO DU BAO KHA NANG CHUA DAU KHI CUA TRAM TICH OLIGOCEN MOT SO MO KHU VUC PHIA BAC BE CUU LONG Chuyén nganh: Dia chat hoc Mã số: 9440201.01 NGƯỜI HƯỚNG DẪN KHOA HỌC PGS. Lê Hải An PGS. Đỗ Minh Đức HÀ NỘI - 2022 LỜI CAM ĐOAN Tôi xin cam đoan tat cả các két quả nghiên cứu trong luận án nay là của riêng tôi. Các sô liệu, kêt quả nêu trong luận án là trung thực và không sao chép của ai.

Tài liệu sử dụng trong luận án đã được sự châp thuận của cơ quan công tác của tác giả (PVEP-POC). DANG SONG HA LOI CAM ON Trước anh linh thứ trưởng |PGS. Lê Hải An| nghiên cứu sinh bay tỏ lòng tiếc thương vô hạn, bày tỏ sự biết ơn thầy đã giúp đỡ dìu dắt nghiên cứu sinh đã gợi ý cho nghiên cứu sinh đề tài khoa học, chỉ ra định hướng đúng đắn và hướng dẫn khoa học có hiệu quả. Nghiên cứu sinh xin bày tỏ lòng biết ơn PGS.

Đỗ Minh Đức về sự quan tâm toàn diện đến luận án, đã góp ý, gợi mở, phản biện hướng dẫn nghiên cứu sinh sửa chữa nội dung luận án dé dam bảo tính khoa học chặt chẽ và chính xác, hoàn thiện luận án. Nghiên cứu sinh xin bày tỏ lòng biết ơn sâu sắc NGND.Trần Nghi đã chỉ cho nghiên cứu sinh hiểu rõ về yêu cầu hàm lượng khoa học và cấu trúc của một luận án tiên sĩ. Nghiên cứu sinh xin bày tỏ lòng biết ơn sâu sắc PGS. Đinh Xuân Thành, PGS.

Nguyễn Văn Vượng, PGS. Nguyễn Ngọc Khôi, PGS. Chu Văn Ngợi, GS. Lê Khánh Phôn, PGS.

Nguyễn Văn Phơn, PGS. Nguyễn Trọng Tín, PGS. Phan Thiên Hương, TS. Nguyễn Thế Hùng, TS.

Kiều Duy Thông TS. Phạm Nguyễn Hà Vũ, TS. Đoàn Huy Hiên, TS. Nguyễn Thùy Dương, TS.

Dương Thị Toan, TS. Phan Thanh Tùng và các thầy cô khoa Địa chất Đại học Khoa học Tự nhiên Đại học Quốc gia Hà Nội về sự hướng dẫn khoa học và tạo điêu kiện đê nghiên cứu sinh hoàn thành luận án. Luận án khó có thể tránh khỏi một số thiếu sót. Rất mong được sự đóng góp ý kiên của các thây cô và đông nghiệp đê luận án được hoàn thiện hơn.

1 MỤC LỤC DANH MỤC CÁC TU VIET TẮTT. 2< s2 s£©S2£s£©Ss£Es£+xsessezsetssezssss vi J. NGUYEN LÝ VÀ PHƯƠNG PHÁP UNG DỤNG MẠNG NƠRON NHÂN TẠO TRONG NGHIÊN CỨU DẦU KHÍ. Khái niệm về mạng noron nhân (ạO.---s-°s°ss©s£©ssessess=ssessecsee 5 1.

Lịch sử hình thành và phát triển của mạng nơron nhân tạo. Đặc điểm mạng NOTON nhân tạO. Trình tự xử lý bai toán ANN. Đánh giá chất lượng của ANN bang tiêu chuẩn (a, R, P).

Tổng quan lịch sử ứng dung ANN trong nghiên cứu dầu khí. Tổng quan các nghiên cứu ứng dụng ANN trong dầu khí trên thế giới. Tổng quan các nghiên cứu trong nƯỚC. Các van đề luận án nghiên cứu.----s- << << se se=ssssessessesses 20 1.

Phương pháp lựa chọn các đường cong đầu vào và xác định số đầu vào 21 1. Xây dựng tập huấn luyện và tập kiểm tra. Chuẩn hóa số liệu. Xác định số noron lớp ấn chọn hàm kích hoạt, hàm huấn luyện.

Dam bao độ tin cậy của kết qua tinh cho giếng tinh toán. ĐẶC DIEM DIA CHAT KHU VUC PHIA BAC BE CỬU LONG. Đặc điểm dia chất bé Cửu Luong. Các yếu tố cấu tTÚC.

Hệ thống đứt gẫy. Địa tầng và thạch hỌc.--- - - c2 1 2221122311221 12231119 vn ng ng vn gưiệt 37 2. Sự phát triển cau trúc kiến tạo bé Cửu Long trong Kainozoi. Đặc điểm dia chat và tiềm năng dầu khí khu vực nghiên cứu.

Đặc điểm cấu trúc — kiến tạo trong Oligocen phan bắc bề Cửu Long. Đặc điểm địa tang các thành tao Oligocen phan bắc bê Cửu Long. Lịch sử tiến hóa dia chất phần bắc bê Cửu Long trong Oligocen. Đặc điểm dầu khí trầm tích Oligocen phan bắc bề Cửu Long.

Quan hệ giữa cấu trúc-kiến tạo với hệ thống dầu khí khu vực nghiên cứu. Tiềm năng dau khí bay địa tầng trầm tích Oligocen bề Cửu Long. Kết luận về đặc điểm địa chất trầm tích Oligocen phần bắc bê Cửu Long. NGHIÊN CỨU PHUC HOI CÁC DUONG CONG DIA VAT LÝ GIENG KHOAN ĐO GHI HONG BANG MẠNG NƠRON NHÂN TẠO.

Nghiên cứu tương quan giữa các thông số DVLGK và các tập thạch học 01831989). Đặc điểm thông số PVLGK của các tập thạch học trầm tích Oligocen. Tương quan giữa thông số VLTH với thông số ÐVLGK. Phục hồi đường cong DVLGK do ghi hỏng bằng mạng noron nhân tao.

Xử lý số liệu. Xây dựng mô hình. Kết quả áp dụng thực tế và ý nghĩa của bài toán phục hồi đường cong. XÁC ĐỊNH CÁC THAM SÓ VẬT LÝ THẠCH HỌC BẰNG MẠNG NƠRON NHÂN TẠC.

Tổng quan về tham số vật lý thạch hoc trong địa chat dầu khí. Tham số vật lý thạch học trong địa chất dầu khí. Phương pháp truyền thống tính các tham số vật lý thạch học. Những hạn chế của phương pháp truyền thống.

Tinh hàm lượng sét từ tài liệu DVLGK bằng ANN. Co SO dit on e. Lua chon dit HOU. Tinh ham lượng sét băng thuật học BP và thuật học RBE.

Tinh hàm lượng sét với các tổ hợp đầu vào khác nhau. Tính độ rỗng từ tài liệu DVLGK bằng ANN. Cơ sở dit lIỆU. - -G- LH nH TH HH TH TT HH TT ngàng giết 81 4.

Lựa chọn dữ liỆU.--- 2c 222 1211122311123 1 231119211119 11v ng ng nườy 82 4. Kay dung oi ỤnDDDậ)})})DỤŨ. So sánh kết qua tính bang ANN với kết quả thực tế. Tính độ bão hòa nước trực tiếp từ tai liệu DVLGK bang ANN không cần sử dụng hàm ÏƯỢTIØ SẾT.

Co sa sa. Lựa chọn đữ lIỆU. - - --- c E22 112211125311 931 1193111191111 1 81kg ng rườy 93 4. So sánh kết quả tinh Sw bang ANN với thực tế.

Sử dụng các đường cong DVLGK và mạng nơron nhân tạo xác định các tham số vật lý thạch học ở phía bắc bể Cửu Long. Tính hàm lượng sét bằng ANN. Xác định thành phan thạch hoc giếng khoan. Dự báo tiềm năng dầu khí bắc bể Cửu Long.

Tính độ rỗng, tính độ bão hòa nước, tính hàm lượng sét bang ANN. Tinh kết quả minh giải của các giếng khoan. Tính trữ lượng dầu khí nguyên sinh tại chỗ.- -- 2 2 s2 szcse¿ 103 KET LUẬN VÀ KIÊN NGHỊ,.-2- 2° 2£ ©S2 se ©ss£EssEsseEssesserssersrssrre 105 NHỮNG CÔNG TRÌNH KHOA HỌC CỦA TÁC GIÁ ĐÃ CÔNG BÓ LIÊN 9)07. 107 TÀI LIEU THAM KHẢO.

2-22 5£ ©2552 ©Ss£ES2€SS£ES8EEssExseEssevsevsserssrssere 108 3:0800060005. (1) DANH MỤC CÁC TU VIET TAT 1. ANN: Mạng nơron nhân tao (Artifical Neural Network) BCH: Bat chinh hop ®YON 5. DT: Thời gian chuyển khoảng trong đất đá PVLGK: Dia vật lý giếng khoan GR: Đường cong đo bức xạ gamma (Gamma Ray) KZ: Kainozoi ons LLD: Đường cong do điện trở suất sâu LLS: Đường cong đo điện trở suất nông 9.

MLP: Mạng Perceptron nhiều lớp (Multilayer Perceptron) 10.MSFL: Điện trở suất cực cầu 11.NCS: Nghiên cứu sinh 12.NPHI: Đường cong đo độ rỗng nơtron 13.PHLKT: Phần huấn luyện kiểm tra 15. RBF: Hàm cơ sở xuyên tâm (Radical Basis Function) 16. RHOB: Đường cong đô mật độ đất đá 17. THL: Tập huấn luyện 18.

TKT: Tập kiểm tra 19.TPTH: Thành phần thạch học 20. TTT: Tập tính toán 21.VLTH: Vật lý thạch học vi DANH MỤC HÌNH Hình 1. Các noron sinh hỌC. Mô hình một nơron nhân tạO.--- - - + 25 222 222111223 E 222 EE22EEESEEerrkerrrxee 7 Hình 1.

Giá trị P và các hệ số a, R tinh Phi 4 đầu vào, 10 nơron lớp an, 360 mẫu giếng CL2 occ ecccecccsseessesssessesssessvessvcssessvessesssecsuesscsuessecssecsusssssssessvessessssssesssessesssesseeeseeaees 12 Hình 1. Mang tính nhiệt độ thành hệ khí hydrat tự nhiên [63]. Kiến trúc mạng tính tốc độ sóng âm trong giếng khoan [71]. Kết quả tính của ANN và lấy mẫu [7 I].------¿¿z+2s++2xz+zz+vzzxz+ 14 Hình 1.

Mạng RBF với R đầu vào tính K và Phi [74].----- 2 -z2sz+zs+cszzcse2 16 Hình 1. So sánh độ bão hòa nước giữa lấy mẫu thí nghiệm & tính bằng ANN (trục hoành là mẫu, trục tung là độ bão hòa nước) [89].-----+- 2 2+5 +x+£++£z+xzx+zszzxez 17 Hình 1. Biểu đồ nội dung nghiên cứu luận án. PhiA va PhiANN với 3, 4, 5 đầu vào giếng NI.

Tập huấn luyện dé tính Phi cho giếng CL2. So sánh PhiANN với PhiChung giếng R5.--22-©5255225zc2zxz2z+2 33 Hình 1. Độ rỗng PhiANN màu xanh và PhiPVEP màu đỏ giếng XIP. Vị trí địa lý bể Cửu Long [5§].---- 2 ©2255+22E+2E++EEt£EEeEEzrxerxeerkerrree 35 Hình 2.

Bản đồ phân vùng kiến tạo bé Cửu Long [5§]. Mặt cắt ngang qua trũng chính bé Cửu Long [58]. Cột dia tang tổng hợp bể Cửu Long [58]. So đồ phân bố độ dày tram tích Kainozoi khu vực bê Cửu Long [60].

Sơ đồ phân bé cau trúc kiến tạo Kainozoi bê Cửu Long [60]. Sơ đồ phân bố tram tích Kainozoi bé Cửu Long [60]. Bản đồ khu vực nghiên cứu: Phần bắc bê Cửu Long. Sự phân bố các tầng chắn theo mặt cắt địa chan [SS}-.

Phân bé bay địa tang trầm tích Oligocen khu vực nghiên cứu. Tương quan giữa độ rỗng, hàm lượng sét, độ bão hòa nước với các đường cong DVLGK khu vực bắc bé Cửu Long.-- ¿5 +5s+S£2E£+EeEE£EEEEEEEEEEEEEerkerkrrrrree 54 Hình 3. Năm đường cong đo ghi và phần huấn luyện kiêm tra GI. Bốn đầu vào phục hồi GR giếng GI.- 2-2222 +EE2EEtEE+zExrrrrerreee 57 Hình 3.

Tập huấn luyện phục hồi đường cong GR giếng GI. Mạng huấn luyện.-- 2-2 2 +s+Sx‡EE£EE2E121121121121111111111111211 21111 1x y6 61 Hình 3. Performance, a, R phục hồi đường cong GR. Bốn đường cong đầu vào và các dạng của GR từ nóc giếng đến đáy giếng.

So sánh GRANN tạo ra từ THL lấy từ giếng H2 với GR đo ghi (GRANN Kath, GR 04002011777. Bốn đầu vào và các dạng đường cong DỊT.---2- s+cse+x++£x+zrxerxssrxee 67 vil Hình 3. GR, DT, NPHI, RHOB giếng GI trước và sau khi phục hồi. Tập tính toán tính hàm lượng sét giếng CL2.

Tập huấn luyện tính hàm lượng sét giếng CL/2. Kết quả tính hàm lượng sét giếng CL2. Hàm lượng sét giếng N1 (xanh - SetANN, đỏ - SetA). Hàm lượng sét 4 đầu vào và 5 đầu vào giếng NI.----¿- z+cz+csee: 80 Hình 4.

Tập tính toán tính Phi giếng CL2. Tập huấn luyện dé tính Phi cho giếng CL2. Giá trị P và các hệ số a, R tinh Phi.-----cc:-cccxverrrrrtrttrrrrrrrrrrrrrree 86 Hình 4. Kết quả tính Phi và thạch học giếng CL/2.

Độ rỗng các cặp tương quan giếng Nl. PhiA và PhiANN với 3, 4, 5 đầu vào giếng NI.---¿©cc¿ccccccscee 88 Hình 4. So sánh PhiANN với Phi mẫu giếng XH6 (xanh - Phi ANN, đỏ - Phi lay THẪU). So sánh PhiANN với Phi mẫu giếng XHð (xanh - là Phi ANN, chấm đỏ - 0850010) 0087.

Tập tính toán tính Swe. Tập huấn luyện tính Sw.---2-2¿©+¿22+22EE+22EEE2EEE2EE2EESEEEerkrrrrrrre 95 Hình 4.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Câu hỏi thường gặp

Luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" nghiên cứu về vấn đề gì?

Luận án Tiến sĩ Địa chất: Áp dụng mạng nơron nhân tạo dự báo tiềm năng dầu khí trầm tích Oligocen mỏ phía bắc bể Cửu Long.

Luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội. Năm bảo vệ: 2022.

Luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" thuộc chuyên ngành gì?

Luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" thuộc chuyên ngành Địa chất học. Danh mục: Địa Chất.

Luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" có bao nhiêu trang?

Luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" có 135 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Ứng dụng mạng nơron dự báo dầu khí trầm tích Oligocen Bể Cửu Long" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter