يادگيري عميق براي شناسايي رخساره‌ها با استفاده از اطلاعات چاه‌نگاره‌ها

در اكتشاف نفت و گاز، داشتن مدل اطلاعاتي زمين‌شناسي بسيار مهم و حياتي است. با تجزيه‌وتحليل مدل‌ اطلاعاتي، نوع و توالي رخساره‌ها، تخلخل، نفوذپذيري، تركيب سيال، اطلاعات مربوط به اشباع نفت و گاز و... تعيين مي‌شود. بنابراين طبقه‌بندي و شناسايي رخساره‌هاي سنگي چاه‌نگاره‌ها روشي رايج در صنعت نفت و گاز است. تشخيص و طبقه‌بندي رخساره‌ها به‌صورت دستي فرآيندي پيچيده و زمان‌بر است و نياز به دانش‌پايه زمين‌شناسي دارد. بنابراين اين فرآيند اغلب از صحت بالايي برخوردار نيست. پيشرفت روزافزون پردازنده‌ها و افزايش قدرت محاسباتي، چالش‌هاي مرتبط با طبقه‌بندي رخساره‌هاي سنگي را به‌طور چشمگيري كاهش‌ داده است. ازجمله روش‌هاي مورداستفاده براي حل مشكلات طبقه‌بندي رخساره‌ها استفاده از الگوريتم‌هاي يادگيري است. اين مطالعه، به بررسي كاربرد فناوري يادگيري عميق در تشخيص خودكار رخساره‌هاي سنگي با استفاده از منابع اطلاعاتي كابل فولادي و متغيرهاي زمين‌شناسي مي‌پردازد. داده‎‌ها با انجام پيش‌پردازش پيچيده به تصاوير به‌اصطلاح سيگنال تبديل‌شده تا توسط مدل‌هاي يادگيري عميق شناسايي شوند. نتايج نشان مي‌دهد كه استفاده از فناوري يادگيري عميق براي تشخيص رخساره‌هاي سنگي، پتانسيل شناسايي نوع و توالي رخساره‌ها را با صحت قابل قبولي دارد.