Rozpoznawanie litologii na podstawie profilowań geofizyki otworowej z użyciem sztucznych sieci neuronowych

Abstract

W pracy zostało przedstawione wykorzystanie sztucznych sieci neuronowych do wyznaczania litologii na podstawie profilowań geofizyki otworowej. Użyto sieci Kohonena, która odnajduje skupienia w danych wejściowych i przedstawia je za pomocą mapy topologicznej. Uczenie przeprowadzane jest w trybie bez nauczyciela. Dane do pracy pochodziły z otworów K-9, K-11, K-14 oraz K-16 znajdujących się na terenie złoża gazu Kościan S. Pod uwagę zostały wzięte tylko utwory okresu cechsztynu. Znajomość wydzieleń litostratygraficznych w otworze K-11 i ich korelacja z pozostałymi otworami umożliwiły sprawdzenie poprawności wyników uzyskanych przez utworzoną sieć. The study shows use of Artificial Neural Network for determination of lithology from well logs. Kohonen Network, which was used in the project, has the ability to find clusters in the input data and map them into twodimensional grid. The network is being trained during an unsupervised learning. Input well logs were obtained in four boreholes from gas field Kościan S: K-9, K-11, K-14 and K-16. The study focuses only on zechstein formations. The validation of the network results was possible due to known lithostratigraphic units in K-11 and its correlation with other boreholes.