Please use this identifier to cite or link to this item: http://earchive.tpu.ru/handle/11683/55681
Title: Сейсмическая инверсия при помощи алгоритмов машинного обучения на примере Ваделыпского нефтяного месторождения
Authors: Смородин, Александр Сергеевич
metadata.dc.contributor.advisor: Меркулов, Виталий Павлович
Keywords: сейсмическая инверсия; геофизические исследования скважин; акустический каротаж; плотностной каротаж; машинное обучение; seismic inversion; well logging; sonic log; density log; machine learning
Issue Date: 2019
Citation: Смородин А. С. Сейсмическая инверсия при помощи алгоритмов машинного обучения на примере Ваделыпского нефтяного месторождения : магистерская диссертация / А. С. Смородин ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа природных ресурсов (ИШПР), Отделение нефтегазового дела (ОНД) ; науч. рук. В. П. Меркулов. — Томск, 2019.
Abstract: Целью данной работы является разработка алгоритма способного восстанавливать кривые акустического и плотностного каротажей из сейсмического отклика. В процессе выполнения данной работы были написаны, программно реализованы и апробированы алгоритмы для проведения сейсмической инверсии, в ходе которой восстанавливаются плотностные и акустические каротажи. По результатам восстановления кривых акустического и плотностного каротажей из сейсмической трассы сравнивались алгоритмы машинного и глубокого обучения. Ранее не использованный для решения аналогичных задач алгоритм продемонстрировал лучшие и стабильные результаты, после чего был рекомендован для применения на данном месторождении. Также проведен расчет экономического эффекта от использования данного подхода.
The goal of this work is to develop a technique capable to establish relationship between sonic, density logs and seismic response. During performing this work program code was created, realized and approved for conducting seismic inversion during which density and sonic logs are recovered. Results of predicted density and sonic logs from seismic trace for several machine learning and deep learning algorithms were compared. Chosen algorithms previously were not applied for solving similar regression problems. After performing this work, the best algorithm was recommended. Possible economic impact from suggested technique was described and estimated.
URI: http://earchive.tpu.ru/handle/11683/55681
Appears in Collections:Магистерские диссертации

Files in This Item:
File SizeFormat 
TPU756515.pdf2,41 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.