یادگیری عمیق برای شناسایی رخساره‌ها با استفاده از اطلاعات چاه‌نگاره‌ها

در اکتشاف نفت و گاز، داشتن مدل اطلاعاتی زمین‌شناسی بسیار مهم و حیاتی است. با تجزیه‌وتحلیل مدل‌ اطلاعاتی، نوع و توالی رخساره‌ها، تخلخل، نفوذپذیری، ترکیب سیال، اطلاعات مربوط به اشباع نفت و گاز و... تعیین می‌شود. بنابراین طبقه‌بندی و شناسایی رخساره‌های سنگی چاه‌نگاره‌ها روشی رایج در صنعت نفت و گاز است. تشخیص و طبقه‌بندی رخساره‌ها به‌صورت دستی فرآیندی پیچیده و زمان‌بر است و نیاز به دانش‌پایه زمین‌شناسی دارد. بنابراین این فرآیند اغلب از صحت بالایی برخوردار نیست. پیشرفت روزافزون پردازنده‌ها و افزایش قدرت محاسباتی، چالش‌های مرتبط با طبقه‌بندی رخساره‌های سنگی را به‌طور چشمگیری کاهش‌ داده است. ازجمله روش‌های مورداستفاده برای حل مشکلات طبقه‌بندی رخساره‌ها استفاده از الگوریتم‌های یادگیری است. این مطالعه، به بررسی کاربرد فناوری یادگیری عمیق در تشخیص خودکار رخساره‌های سنگی با استفاده از منابع اطلاعاتی کابل فولادی و متغیرهای زمین‌شناسی می‌پردازد. داده‎‌ها با انجام پیش‌پردازش پیچیده به تصاویر به‌اصطلاح سیگنال تبدیل‌شده تا توسط مدل‌های یادگیری عمیق شناسایی شوند. نتایج نشان می‌دهد که استفاده از فناوری یادگیری عمیق برای تشخیص رخساره‌های سنگی، پتانسیل شناسایی نوع و توالی رخساره‌ها را با صحت قابل قبولی دارد.