tailieunhanh - Ứng dụng mạng trí tuệ nhân tạo dự báo phân bố vật liệu núi lửa trong tập D, mỏ X, bể Cửu Long

Bài viết này sử dụng phương pháp phân tích thuộc tính địa chấn kết hợp với ứng dụng mạng Nơron nhân tạo (ANN) để dự báo sự phân bố của các vật liệu núi lửa trong tập D. Các thuộc tính được lựa chọn làm đầu vào để luyện ANN bao gồm thuộc tính RMS, thuộc tính RAI và thuộc tính Specdecom. | 106 Trần Thị Oanh và nnk Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 61 5 104-113 Application of artificial intelligence network to predict the distribution of volcanic material in sequence D field X Cuu Long basin Oanh Thi Tran 1 Khanh Duy Pham 2 Quy Van Hoang 3 Muoi Duy Nguyen 4 Ngan Thi Bui 4 Ha Hai Thi Nguyen 1 Ngoc Bao Pham 1 Hiep Le Quoc 4 1 PetroVietnam University Faculty of oil and gas 2 VietsovPetro Exploirational Geology Vietnam 3 Vietnam Petroleum Association Vietnam 4 Hanoi University of Mining and Geology Faculty of oil and gas Vietnam ARTICLE INFO ABSTRACT Article history The presence of volcanic materials in reservoir will reduce the porosity Received 25th June 2020 value and effect to the quality of reservoirs. Therefore understanding the Accepted 3rd Sep. 2020 distribution of this object will be of great significance in the orientation of Available online 31st Oct. 2020 oil and gas exploration and exploitation. This paper applies seismic Keywords attribute analysis method combined with artificial neural network ANN Artificial neural network application to predict the distribution of volcanic materials in D sequence. D sequence Attributes selected as input for ANN training including RMS RAI and Specdecom attribute. The results indicate that volcanic materials mainly Seismic attribute appear in the to the Southwest of block around D well and the West of E Volcanic materials. well a small part is scattered near Con Son swell. The correlation coefficient among seismic attribute is from 71 to 80 this shows that the reliability of the results of network training is relatively high. Therefore this method can be used to predict the distribution of volcanic materials in the study area. Copyright 2020 Hanoi University of Mining and Geology. All rights reserved. _____________________ Corresponding author E - mail oanhtran@ DOI 5 .12 Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 61 Kỳ 5 2020 104-113 105 Ứng dụng mạng trí tuệ nhân tạo