Repository logo

Browsing by Subject "SSN"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • thumbnail.journal.alt
    Item type:Thesis, Access status: Restricted ,
    Modelowanie profilowania geofizyki otworowej na podstawie innych pomiarów z wykorzystaniem sztucznych sieci neuronowych
    (Data obrony: 2019-01-25) Jurek, Krzysztof
    Wydział Geologii, Geofizyki i Ochrony Środowiska
    Celem projektu było modelowanie wartości czasu interwałowego (DT) w profilowaniu akustycznym i gęstości objętościowej (RHOB) w profilowaniu gamma-gamma gęstościowym w oparciu o dostępne dane otworowe z wykorzystaniem sztucznych sieci neuronowych (SSN). Modelowanie zostało wykonane dla klastycznych (iłowcowo-mułowcowo-piaskowcowych) utworów miocenu, występujących w profilach analizowanych otworów wiertniczych. Dla wstępnego rozpoznania zmienności ośrodka geologicznego oraz optymalnego podziału zbioru danych wejściowych do pracy z SSN wykorzystano metodę k-średnich i algorytm V- krotnego testu krzyżowego. Przetestowano wpływ różnych parametrów na efektywność uczenia SSN i wykonano modelowanie zadanych parametrów w oparciu o optymalnie dobrane sieci neuronowe dla otworu Ci-1. Stwierdzono, że wykonanie wiarygodnego modelowania zależy nie tylko od doboru zmiennych, lecz także od sposobu konstrukcji zbioru uczącego. Stwierdzono również, że pozytywne rezultaty przynosi zastosowanie metody k–średnich do wstępnego opracowania zbioru dostępnych danych, które pozwala na zoptymalizowanie procesu uczenia sieci.
  • thumbnail.journal.alt
    Item type:Thesis, Access status: Restricted ,
    Uzupełnianie brakujących lub błędnych fragmentów profilowań geofizyki otworowej na podstawie innych pomiarów z wykorzystaniem sztucznych sieci neuronowych
    (Data obrony: 2019-01-25) Piwko, Aleksandra
    Wydział Geologii, Geofizyki i Ochrony Środowiska
    Na podstawie zestawu kompletnych profilowań geofizyki otworowej w części otworu Ja-2 skonstruowano i przeprowadzono proces uczenia sieci neuronowej metodą wstecznej propagacji błędu w celu estymacji indeksu absorpcji elektrycznej (Pe). Następnie zaaplikowano utworzoną sieć do niekompletnych danych w dalszej części otworu i obliczono rozkład parametru (Pe) z głębokością w otworze Ja-2. W oparciu o dane stratygraficzne wybrano w otworze Ja-3 interwał głębokościowy o podobnej litologii. Przy pomocy wcześniej utworzonego algorytmu obliczono rozkład tego samego parametru w wybranym fragmencie otworu Ja-3.