Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Badania właściwości zbiornikowych i analiza stanu uszczelnienia budowli organicznych dolnej kredy i górnej jury przy zastosowaniu sieci neuronowych w obszarze Bochnia - Dębica

Tytuł:
Badania właściwości zbiornikowych i analiza stanu uszczelnienia budowli organicznych dolnej kredy i górnej jury przy zastosowaniu sieci neuronowych w obszarze Bochnia - Dębica
Autorzy:
Darłak, B.
Włodarczyk, M.
Gliniak, P.
Data publikacji:
2004
Słowa kluczowe:
skały zbiornikowe
właściwości skał
sieci neuronowe
reservoir rocks
rock properties
neural networks
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Niniejszy artykuł stanowi podsumowanie trzyletniego etapu prac prowadzonych przez zespół pracowników IGNiG i BG „Geonafta" Ośrodek Południe Kraków. Ich celem była diagnostyka skał zbiornikowych budujących organiczne obiekty górnej jury oraz ocena efektywności skał uszczelniających. W analizie wykorzystano wyniki badań rdzeni wiertniczych z poziomów zbiornikowych i uszczelniających oraz dane impedancji akustycznej wygenerowane z krzywych geofizyki otworowej. Zastosowano obliczenia sztucznymi sieciami neuronowymi jako wieloparametrową metodę korelacyjną porównuj ącą istniejące parametry petrofizyczne z parametrami obszarów, na których planowane jest prowadzenie prac poszukiwawczych. Otrzymane wyniki pozwoliły poprawnie zidentyfikować, zarówno korzystne poziomy zbiornikowe, jak i oszacować jakość ich uszczelnienia. Wyniki prac zastosowanych w praktyce w pełni potwierdziły zasadność obranej metody i poprawność wykonanych obliczeń.
The paper summarised the effect of researches leading in IGNiG and Geonafta South Division of PGOC for last three years. The main target was to extract an information about quality of reservoir and sealing rocks of organogenic built ups using laboratory and geophysical data and extrapolate them on no-wells areas of hydrocarbon researches. Artificial neural network (ANN) simulations were applied. The results make possible to distinguished reservoir and sealing levels in analysed beds.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies