کنترل کیفیت داده های چاه پیمایی بوسیله الگوریتم خوشه بندی فضایی مبتنی بر چگالی در کاربردهای دارای نویز (dbscan)

با پیشرفت علم و فناوری و همچنین افزایش تعداد داده ها، نیاز است که روش های جدیدی جایگزین روش های سنتی و قدیمی شود. امروزه بکارگیری روش های یادگیری ماشین و داده کاوی در حال گسترش است. استفاده از این روش های جدید در جهت کنترل کیفیت داده های چاه پیمایی می تواند در کاهش زمان و هزینه کمک کند. در این پژوهش از الگوریتم خوشه بندی فضایی مبتنی بر چگالی در کاربرد های دارای نویز (dbscan) density-based spatial clustering of applications with noise در جهت کنترل کیفیت داده های چاه پیمایی استفاده شد. داده های چاه پیمایی مورد استفاده، مربوط به سازند های دالان-کنگان در مرکز خلیج فارس است. از الگوریتم خوشه بندی فضایی مبتنی بر چگالی در کاربرد های دارای نویز به زبان r و در نرم افزار rstudio بر روی داده های چاه پیمایی کد نویسی شد. نتایج نشان از قابل قبول بودن این الگوریتم در جهت شناسایی نقاط پرت و کنترل کیفیت داده های چاه پیمایی در اغلب نگارها دارد. میانگین معیار نیم رخ گرفته شده برای خوشه های نگار های صوتی، گاما، نوترون و چگالی به ترتیب 0.82، 0.74، 0.68 و 0.56 است. این الگوریتم در تشخیص خطاهایی به مانند پرش های چرخه ای و اسپایک ها قدرتمند است. اما در تشخیص نقاط پرت در نگار چگالی خطای قابل توجه ای دارد. از نقاط قوت دیگر این الگوریتم، نیاز نبودن به تعیین دقیق تعداد خوشه است. نقطه ضعف این الگوریتم تعیین دقیق مقدار بهینه حداکثر شعاع قابل دسترس و حداقل نقاط موجود در یک خوشه است.