Tytuł pozycji:
Zastosowanie sztucznej inteligencji w procesie klasyfikacji facji skał zbiornikowych w oparciu o dane geofizyki otworowej
W artykule przedstawiono możliwość wykorzystania metod uczenia maszynowego do automatycznego wyznaczenia litofacji na podstawie danych geofizyki otworowej. Zaprezentowano zarówno podstawowe koncepcje przyświecające rozwiązaniom typu data-driven, jak również opisano schemat pracy z danymi złożowymi. Omówiono także popularne techniki klasyfikacyjne: maszynę wektorów nośnych, drzewa decyzyjne, lasy losowe oraz sztuczne sieci neuronowe. Zaproponowane rozwiązanie może okazać się niezwykle przydatne w modelowaniu złóż węglowodorów, szczególnie w przypadku braku wystarczającej ilości danych pochodzących z badań laboratoryjnych rdzeni skalnych.
The paper presents the possibility of using selected machine learning methods for automatic facies determination based on well-log data. The study presents fundamental concepts of a data-driven approach, as well as presents the detailed workflow for working with reservoir data. Popular classification techniques such as support vector machine, decision trees, random forests and artificial neural networks are also discussed. The proposed methodology can prove to be extremely useful in computer modeling of hydrocarbon reservoirs, especially in the case of reduced core sample dataset.
Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).
