شناسایی شکستگی ها در نمودارهای تصویری الکتریکی با استفاده از تکنیک های پردازش تصویر و الگوریتم ژنتیک

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 69

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PRRIP-22-72_007

تاریخ نمایه سازی: 4 دی 1402

چکیده مقاله:

در مخازن با شکستگی طبیعی، شکستگی ها نقش اساسی در تولید هیدروکربن ایفا می کنند. به همین دلیل، شناسایی شکستگی ها در جنبه های مختلف تولید و توسعه این میادین بسیار اهمیت دارد. نمودارهای تصویری، ابزاری بسیار قوی برای مطالعه شکستگی ها در چاه ها هستند. نمودار تصویری، یک شبه تصویر با تفکیک پذیری بالا از دیواره چاه می باشد. این نمودارها اطلاعات مهمی را درباره جهت گیری، عمق و نوع شکستگی های طبیعی فراهم می کند. امروزه برای شناسایی پارامترهای مربوط به شکستگی ها از روی این نمودارها، الگوریتم جامعی وجود ندارد و تفسیر این نمودارها اغلب به صورت دستی انجام می گیرد که در صورت نبود تجربه کافی، تفسیر با خطا مواجه خواهد بود. هدف از مطالعه حاضر، معرفی و به کارگیری روش های پردازش تصویر و الگوریتم ژنتیک، جهت پیدا کردن خودکار شکستگی ها در نمودارهای تصویری می باشد. در این روش ابتدا، با استفاده از یک روش طبقه بندی، نقاط مربوط به شکستگی از داخل تصویر استخراج می شود. سپس با استفاده از الگوریتم ژنتیک، تعداد، شیب، آزیموت و موقعیت عمقی شکستگی ها از روی نقاط استخراج شده، تعیین می گردد. این روش بر روی بخشی از دو نمودار تصویری مربوط به دو چاه از میادین هیدروکربوری جنوب ایران پیاده شد. دقت روش برای تخمین پارامترهای شکستگی چاه های مورد مطالعه بیش از ۷۰% به دست آمد. از طرفی روش پیشنهادی حساسیت کمی نسبت به وجود نویز در تصویر دارد.

نویسندگان

مصطفی جاوید

دانشگاه تهران - پردیس دانشکده های فنی - دانشکده مهندسی معدن

حسین معماریان

دانشگاه تهران - پردیس دانشکده های فنی - دانشکده مهندسی معدن

رضا آقایی زاده ظروفی

دانشگاه تهران - پردیس دانشکده های فنی - دانشکده مهندسی برق و کامپیوتر

بهزاد تخم چی

دانشگاه صنعتی شاهرود - دانشکده مهندسی معدن، نفت و ژئوفیزیک

فرهاد خوشبخت

پژوهشگاه صنعت نفت- پردیس پژوهش و توسعه صنایع بالادستی

سید مهدی مظهری

دانشگاه تهران - پردیس دانشکده های فنی - دانشکده مهندسی برق و کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • منابع[۱]. Haller D., and Porturas F., “How to characterize fractures ...
  • . Khoshbakht F., Memarian H., Azizzadeh M., Nourozi G., and ...
  • . Plumb R. A., and Luthi S. M., “Analysis of ...
  • . Tingay M., Reinecker J., and Müller B., “Borehole breakout ...
  • . Serra O., Formation MicroScanner Image Interpretation, Schlumberger Education Services, ...
  • . Serra O., and Serra L., Well Logging- Data Acquisition ...
  • . Schlumberger, Borehole geology, geomechanics and ۳D reservoir modeling (FMI), ...
  • . Torres D., Strickland R., and Gianzero M., “A new ...
  • . Hall J., Ponzi M., Gonfalini M., and Maletti G., ...
  • . Ye Sh. J., and Baviler P., “Automated fracture detection ...
  • . Gonzalez R. C., and Woods R. E., Digital Image ...
  • . Steger C., An unbiased detector of curvilinear structures, IEEE ...
  • . Goldberg D.E., Genetic Algorithm in search, optimization and machine ...
  • . Haralick R., and Linda G., “Computer and Robot Vision”, ...
  • نمایش کامل مراجع