بازسازي تصوير سنگ مخزن با استفاده از يادگيري ماشين

Reconstruction of reservoir rock image using machine learning

امروزه با توجه به پيشرفت‌هاي صورت گرفته در انقلاب صنعتي چهارم و بوجود آمدن فتاوري‌هاي جديد از جمله رباتيك، كلان داده، هوش مصنوعي و ... سبب كاربردهاي فراوان و تحت تاثير قرار گرفتن اين صنعت از اين فناوري‌هاي به اصطلاح لبه دانش گرديده است. يكي از روش‌هايي كه بسيار مورد توجه قرار گرفته است، استفاده از هوش مصنوعي و شبكه‌هاي عصبي در آناليز ديجيتال مغره و مدل‌سازي شبكه حفرات (PNM) است. با توجه به وجود انواع مختلفي از سنگ‌هاي مخرن چند مقياسه، از قبيل سنگ‌هاي كربناته و ماسه سنگي متراكم، شيل‌هاي نفتي و گازي و ... اغلب اين سنگ‌ها داراي تخلخل در مقياس‌هاي مختلف از نانومتر تا ميكرومتر مي‌باشند. با توجه به پايين بودن تخلخل و تراوايي چنين سنگ‌هايي، از روش‌هاي مشخصي براي بازسازي تصوير اين نمونه‌ها بايد استفاده نمود. يادگيري ماشين يكي از اين روش‌ها مي‌باشد. در اين تحقيق از يادگيري ماشين و هوش مصنوعي براي بازسازي تصاوير سنگ مخزن استفاده مي‌شود. در ابتدا، بايد توانايي يك شبكه عصبي مولد متخاصم (GAN) در بازسازي و توليد اين تصاوير بررسي شود. با استفاده از شبكه عصبي مولد نمونه‌هاي تصوير سنگ مخزن بازسازي مي‌گردند. سرانجام، قابليت شبكه عصبي مولد در روند بازسازي تصاوير سنگ مخزن به همراه خواص پتروفيزيكي سنگ از جمله تخلخل، مساحت سطح و ... مورد ارزيابي قرار خواهند گرفت. در اين تحقيق اندازه عكس براي ورود داده‌هاي تصاوير به شبكه عصبي و بازتوليد آن 512×512 بوده و هچنين با ساخت شبكه حفرات مقادير خواص سنگ مخرن محاسبه گرديد. از اين رو با مقايسه نتايج حاصل از تصاوير بازسازي شده و تصاوير مرجع (ورودي) مشاهده شد كه در خواص سنگ مخزن از جمله تخلخل، رنج گسترده‌تري نسبت به داده‌هاي ورودي دارند.