Дослідження та методи аналізу № 3(20) • 2006
УДК 550.832 : 552.5
ЕКСПЕРТНА ОЦІНКА ОПТИМАЛЬНОСТІ ФІЗИКО-ГЕОЛОГІЧНОЇ МОДЕЛІ ГІРСЬКОЇ ПОРОДИ НА ОСНОВІ ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ
О.М.Карпенко, С.Ф.Кучер, О.І.Елланський
ІФНТУНГ, 76019, м. Івано-Франківськ, вул. Карпатська, 15, тел. (03422) 42098
e-mail: alexbrig@inbox. ru
Карпатське управління геофізичних робіт
В статье показан существенный прирост точности в уравнении для оценки интервального времени за счет учета глинистстоти< карбонатности и параметра пористости
При этом немного больший при использовании технологии NN
Применение других типов введения параметров (скажем логарифма параметра пористости не рассматривается)
На статью на украинском набрел случайно - по ссылкам в Google из своего профиля
Библиография из статьи
1. Еникеев Б.Н. Петрофизика и интерпре-
тация каротажа как составная часть интегриро-
ванной интерпретации: некоторые проблемы
и перспективы // Геофизика. – 1998. – № 1. –
С. 84 – 95.
2. Диева Э.В., Фоменко В.Г., Пантюхин
В.А. Интерпретационные модели для опреде-
ления водонасыщенности песчано-глинистых
пород по данным ГИС (на примере Западной
Сибири) // Обзор ВИЭМС. Сер.: Разведочная
геофизика. – М.: ВИЭМС, 1988. – 50 с.
3. Элланский М.М., Еникеев Б.Н. Исполь-
зование многомерных связей в нефтегазовой
геологии. – М.: Недра, 1991. – 205 с.
4. Элланский М.М. Петрофизические связи
и комплексная интерпретация данных промыс-
ловой геофизики. – М.: Недра, 1978. – 215 с.
5. Курганский В.Н. Петрофизические и
геофизические методы изучения сложнопостро-
енных карбонатных коллекторов нефти и газа.
– К.: КГУ, 1999. – 167 с.
6. Willie M.R., Gregory A.R., Gardner L.W.
Velocity Logging Method // Geophysics. – 1956. –
Vol. 21. – №1. – P. 41-70.
7. Ищенко В.И. О возможностях комплек-сного использования акустических и нейтрон-ных параметров по данным каротажа при оцен-ке литологического типа пород // Ядерно-гео-физические и геоакустические методы поисков
и разведки полезных ископаемых / Труды
ВНИИЯГГ. – М.: ОНТИ ВНИИЯГГ, 1975. –
Вып. 21. – С. 25-36.
8. Карпенко А.Н. Интерпретационная мо-дель акустического каротажа (по ΔТ) для пес-чано-алевритовых пород Бильче-Волицкой зо-ны Предкарпатского прогиба // Геофизический
журнал. – 2005. – № 4. – Т. 27. – C. 626-635.
9. Ивакин Б.Н., Карус Е.В., Кузнецов О.Л.
Акустический метод исследования скважин. –
М.: Недра, 1978. – 320 с.
10. Sarmiento R. Geological Factors Influen-cing Porosity Estimates from Velocity Logs // Bul.
AAPG. – 1961. – Vol. 39. – № 1. – P. 29-43.
11. Петкевич Г.И., Вербицкий Т.З. Акусти-ческие исследования горных пород в нефтяных
скважинах. – К.: Наукова думка, 1970. – 126 с.
12. Baldwin J.L., Bateman R.M., Wheatley
C.L. Application of a neural network to the prob-lem of mineral identification from well logs // The
Log Analyst. – 1990. – V.3. – Р. 279-293.
13. Benaouda, B., Wadge G., Whitmarh R.B.,
Rothwell R.G., MacLeod C. Inferring the lithology
of borehole rocks by applying neural network clas-sifiers to downhole logs – an example from the
Ocean Drilling Program // Geophysical Journal
International. – 1999. – V. 136. – Р. 477-491.
14. using a neural network // AAPG Bulletin. –
1992. – V.76. – Р.731-739.
15. Saggaf M.M., Nebrija Ed.L. Estimation of
missing logs by regularized neural networks //
AAPG Bulletin. – 2003. – V.87. – № 8. – Р. 1377-1389.
16. Rogers S.J., Chen H.C., Kopaska-Merkel
D.C., Fang J.H. Predicting permeability from po-rosity using artificial neural networks // AAPG
Bulletin. – 1995. – V.79. – Р. 1786-1797.
17. Kapur L., Lake L., Sepehrnoori K., Herrick
D., Kalkomey C. Facies prediction from core and
log data using artificial neural network technology
// Transactions of the 39th Society of Professional
Well Log Analysts Annual Logging Symposium. –
1998. – Р. 11.
18. Saggaf M.M., Nebrija Ed.L. A fuzzy logic
approach for the estimation of facies from wire-line logs // AAPG Bulletin. – 2003. – V.87. – № 7.
– Р. 1223-1240.
19. Карпенко О.М., Булмасов О.В. Застосу-вання нейрономережевих технологій при інтер-претації даних геофізичних досліджень сверд-ловин // Геоінформатика. – 2005. – №1. – С. 71-79.
20. Нейронные сети. Statistica Neural Net-works. – М.: Горячая линия, Телеком, 2001. –
182 с.
21. Карпенко О.М. Вплив мінерального складу глинистого цементу на похибку визна-чення пористості тонкошаруватих порід при
геологічній інтерпретації даних ГДС // Розвідка
та розробка нафтових і газових родовищ –
вано-Франківськ: ІФНТУНГ. – 2002. – № 4(5).
– C. 44-48.
ссылка на статью
http://library.nung.edu.ua/sites/default/files/articles/304p.pdf