Wykorzystanie różnych typów sieci neuronowych do oceny właściwości petrofizycznych skał

Celem pracy było znalezienie skutecznej metody pozwalającej poszerzyć bazę danych przez uzupełnienie profli petrofizycznych do dalszej analizy pod kątem właściwości zbiornikowych, wykorzystując technikę sieci neuronowych. Jako baza do obliczeń posłużyły dane laboratoryjne i wyniki otworowe. Podstawowym zadaniem było wyszukanie najkorzystniejszych do danego zagadnienia algorytmów uczenia i doboru z wielu przetestowanych sieci, takiej, która najskuteczniej pozwoli zminimalizować czas obliczeń, uprościć procedury uczące i otrzymać najbardziej wiarygodne wyniki. Znalezienie optymalnej metody obliczeniowej pozwoliło na odtworzenie brakujących parametrów petrofizycznych i poszerzenie bazy danych. Skuteczność metod kontrolowana była poprzez zastosowanie podstawowej metody korelacyjnej.

---

The main goal of this work was to find an effective method to make the database wider. It was possible to complete data logs by using the new neural network methods. Using the petrophysical parameters as a base to neural simulations there were find and applied six types of neural network. Two of them — the most efficient nets - were applied to reconstruct petrophysical profiles. These methods gave good results verified by basic common correlation methods and there are very useful in cases of small amount of data.