Nghiên cứu tập trung xây dựng mạng nơron nhân tạo dự báo độ thấm, độ rỗng dựa trên tập số liệu của giếng A-21 mỏ X tập C bể Cửu Long. Sau khi so sánh kết quả này với kết quả thu được của phương pháp minh giải truyền thống, tác giả nhận thấy rằng mô hình mạng nơron cho kết quả dự báo với mức độ chính xác cao hơn, vì vậy tác giả đã áp dụng mô hình mạng nơron này tính giá trị độ thấm và độ rỗng cho giếng A-19 cùng thuộc mỏ X tập C bể Cửu Long.
Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học XÂY DỰNG MẠNG NƠRON NHÂN TẠO VÀ ỨNG DỤNG KỸ THUẬT PHÂN TÍCH THÀNH PHẦN CHÍNH ĐỂ DỰ BÁO GIÁ TRỊ ĐỘ THẤM – ĐỘ RỖNG MỎ X, BỂ CỬU LONG Trịnh An Bình* Trường Đại học Dầu Khí Việt Nam *Tác giả liên lạc: binhta03@pvu.edu.vn TÓM TẮT Nghiên cứu tập trung xây dựng mạng nơron nhân tạo dự báo độ thấm, độ rỗng dựa tập số liệu giếng A-21 mỏ X tập C bể Cửu Long Sau so sánh kết với kết thu phương pháp minh giải truyền thống, tác giả nhận thấy mơ hình mạng nơron cho kết dự báo với mức độ xác cao hơn, tác giả áp dụng mơ hình mạng nơron tính giá trị độ thấm độ rỗng cho giếng A-19 thuộc mỏ X tập C bể Cửu Long Kết mang lại khả quan với độ thấm trung bình cho tầng sản phẩm là: 375.88(mD) 14.02(%) với độ rỗng Ngoài ra, với việc nâng cao hệ số tương quan (r) giảm thiểu sai số trung bình bình phương (MSE) cơng cụ phân tích thành phần (PCA) áp dụng nghiên cứu mang lại hiệu thiết thực cho việc cải thiện độ xác mạng nơron nhân tạo Từ khóa: Mạng Nơron nhân tạo, phân tích thành phần chính, độ rỗng, độ thấm, bể Cửu Long BUILD ARTIFICIAL NEURAL NETWORK MODEL AND APPLY PRINCIPAL COMPONENT ANALYSIS TO PREDICT PERMEABILITY – POROSITY IN X FIELD, CUU LONG BASIN Trinh An Binh* Pertrol Vietnam University *Corresponding Author: binhta03@pvu.edu.vn ABSTRACT This study aims at building Artificial Neural Network model to predict permeability and porosity base on A-21 well data in C sequence, Cuu Long basin Then, after comparing with composite log method, the better model is Artificial Neural Network model After that, appling the Artificial Neural Network model to calculate permeability and porosity value for A-19 well which has formation relative to A-21 well in C sequence, Cuu Long basin Sumazise, permeability, porosity in A-19 productive zone are 375.88(mD) and 14.02(%) Besides, by improving Correlation coefficient (r) and Mean Square Error (MSE), appling Principal Component Analysis for the study provide effective result Keywords: Artificial neural network, principal component analysis, porosity, permeability, Cuu Long basin TỔNG QUAN Quá trình nghiên cứu minh giải địa vật lý việc xác định hai giá trị độ thấm độ rỗng vô quan trọng Trong độ thấm định khả cho dòng vỉa sản phẩm, độ rỗng lại định khả chứa Để tính tóa n trực tiếp giá trị độ thấm, độ rỗng gặp nhiều khó khăn thiếu mẫu lõi, hạn chế mặt thiết bị 679 Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 đo, hạn chế mặt kinh tế Vì nhà kỹ sư địa vật lý nghiên cứu nhiều phương pháp khác để xác định gián tiếp hai thông số hiệu mang lại chưa cao Đa số hàm tương quan rỗng - thấm dừng lại mức tham khảo Vì nhu cầu cần tính gián tiếp hai thông số độ thấm độ rỗng với độ xác cao cần thiết Với phát triển mạnh mẽ công nghệ 4.0, có mạng nơron nhân tạo kỹ thuật phân tích thành phần thay người nhiều công việc, với ưu điểm học nhanh tìm mối tương quan đa chiều nhiều biến với độ xác khả áp dụng cao Đó lý tác giả lựa chọn nghiên cứu KHU VỰC VÀ PHƯƠNG PHÁP NGHIÊN CỨU Tổng quan khu vực nghiên cứu Mỏ X nằm phía Tây Nam bể Cửu Long, cách Thành phố Vũng Tàu khoảng 85km thuộc lô đánh giá có tiềm lớn cho cơng tác tìm kiếm thăm dị dầu khí Theo đồ mặt cắt địa chấn, hai giếng A-21 A-19 nằm cấu tạo cách < 500m Theo tài liệu báo cáo tập C đơn vị sản xuất A-21 A-19 có q trình thành tạo Vì vậy, đặc trưng thấm, chứa hai giếng có tương tự Đó lý luận chứng, tác giả sử dụng liệu giếng A21 để dự báo độ rỗng – thấm cho giếng A-19 Cấu trúc nguyên lý hoạt động ANN Một nơron nhân tạo, mặt tóa n học thể dạng công thức: 𝑌 𝑥 = 𝑓 ∑𝑛𝑖=1 𝑊𝑖 ∗ 𝑋𝑖 ) Trong đó: x nơron tiếp nhận Kỷ yếu khoa học thông tin từ n nhánh x (x0, x1 xn), tương ứng nhánh trọng số w (w0, wj wn) nhánh ray(x) Hàm f nhận biến số dạng tổng trọng hóa thơng tin từ nhánh theo trọng số tương ứng Bài báo đề cập đến nguyên lý hoạt động mạng truyền thẳng có sử dụng thuật tóa n lan truyền ngược Khi luyện mẫu, ANN thực hai trình ánh xạ lan truyền ngược Trong trình ánh xạ, tín hiệu mạng lan truyền từ lớp nhập lớp xuất, kết đầu so sánh với kết mong muốn tập mẫu để đưa sai số trung bình bình phương (MSE) Sai số MSE lan truyền ngược lại trở lại đến neural đầu lớp ẩn lại hiệu chỉnh lại trọng số Quá trình lặp lại nhiều lần đến sai số MSE đạt giá trị mong muốn Phân tích thành phần (PCA) Phân tích thành phần (PCA) biến đổi tóa n học số biến tương quan thành số (nhỏ hơn) biến không tương quan gọi thành phần Trong q trình luyện mạng để xác định tham số đầu vào mức độ quan trọng tham số việc làm vơ quan trọng Khơng tìm đại lượng đầu vào đầu có tương quan hay khơng mà cịn đánh giá, xếp mức độ quan trọng hay ảnh hưởng yếu tố giá trị đầu Sau chuẩn hóa số liệu xác định ma trận vuông Covariance, tác giả tiến hành xác định vector riêng giá trị riêng Dựa mục đích khả xử lý máy tính vector riêng giá trị riêng áp dụng để từ tính số liệu phù hợp với nhu cầu thực tế KẾT QUẢ VÀ THẢO LUẬN Kết theo mạng nơron nhân tạo 680 Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Sau chuẩn chỉnh giá trị luyện mạng theo đường cong gamaray tác giả áp dụng kỹ thuật phân tích thành phần để có kết mối tương quan đường cong địa vật lý đầu vào độ thấm, độ rỗng Tác giả tiến hành xây dựng loại mơ hình ANN sau để tìm hiệu PCA phương pháp chuẩn chỉnh liệu áp dụng Mô hình ANN1: Sử dụng liệu thơ mà chưa chuẩn chỉnh, chưa dùng PCA Mơ hình ANN2: Sử dụng liệu chuẩn chỉnh chưa dùng PCA Mơ hình ANN3: Sử dụng liệu chuẩn chỉnh sử dụng PCA Nhận xét: Đối với số liệu nghiên cứu, mơ hình ANN3 cho kết tốt nhất, hệ số tương quan cao MSE nhỏ (Kết xảy tương tự áp dụng cho thông số độ rỗng giếng A-21) Ứng dụng mơ hình mạng nơron nhân tạo để dự báo giá trị độ thấm độ rỗng cho giếng A-19 Dựa vào số thống kê tác giả kết luận mơ hình ANN cho kết dự báo độ thấm độ rỗng phù hợp so với phương pháp truyền thống KẾT LUẬN Trên sở nghiên cứu độ thấm, rỗng mỏ X ANN tác giả đến số kết luận sau: Mơ hình mạng nơron nhân tạo tác giả xây dựng mang lại kết xác với mơ hình minh giải truyền thống Việc áp dụng cơng cụ phân tích thành phần PCA cải thiện độ xác cho mơ hình mạng nơron nhân tạo Với việc nâng cao hệ số tương quan r, hệ số xác định R2, giảm thiểu sai số trung bình (MSE) đối tượng nghiên cứu công Kỷ yếu khoa học cụ PCA thực mang lại hiệu Nghiên cứu hoàn thành việc xây dựng mạng ANN để dự báo giá trị độ thấm, độ rỗng cho mỏ X Ngoài dự báo giá trị độ thấm, độ rỗng cho giếng A-19 khơng có mẫu lõi Mỗi đường cong ĐVL-GK phản ánh khía cạnh độ thấm, độ rỗng Nói cách khác, chất độ thấm, độ rỗng phản ánh qua tổ hợp đường cong ĐVL-GK Mối quan hệ phi tuyến tính đa chiều đường cong GR, DT, RHOB, NPHI, LLD, với độ thấm, độ rỗng theo tài liệu mẫu lõi mà hệ ANN xây dựng có hệ số tương quan cao (R>0,9) chứng tỏ tổ hợp đường cong ĐVLGK phản ánh tính chất độ thấm, độ rỗng Tùy theo khu vực với loại đá khác nhau, trình thành tạo, mức độ nén ép, biến đổi khác mức độ quan trọng đường cong thể khác Do đó, việc thêm hay bớt đường cong ĐVL-GK cần phải dựa kết nghiên cứu liên quan để có lựa chọn dắn Việc áp dụng phương pháp ANN dự báo tham số dầu khí có khả thi Riêng khu vực nghiên cứu mang lại tính xác cao so với PPTT Nhưng khơng mà bác bỏ hay ưu tiên sử dụng ANN, sau sử dụng tác giả nhận thấy có mặt nhược điểm sau: Khó sử dụng lý thuyết địa chất – địa vật lý để giải thích mối tương quan tham số đầu vào với tham số đầu Khả áp dụng phổ biến thấp, độ nhạy cao: Một mơ hình mạng nơron nhân tạo khớp, phù hợp với mơi trường này, thay đổi áp dụng cho mơi trường khác kết chưa xác Trong tương lai, với việc áp dụng tổ 681 Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 hợp phương pháp mạng nơron nhân tạo (Artificial Neural Network), hệ chuyên gia (Expert Systerm) hệ thống thơng tin địa lý (GIS) kết chắn Kỷ yếu khoa học mang lại khả quan khơng đối tượng dầu khí mà cịn tài ngun thiên nhiên nói chung TÀI LIỆU THAM KHẢO TRẦN ĐỨC LÂN, 2010, “Nghiên cứu độ thấm đá móng granitoit mỏ Bạch Hổ mạng nơron nhân tạo” Luận án tiến sỹ, Trường đại học Mỏ Địa Chất JX-MEKONG, 2013 Block 15-2 C Sequence Modelling HOÀNG VĂN QUÝ, 2015, “Bài giảng Địa Vật lý Giếng khoan”, Trường Đại học Dầu khí Việt Nam, Thành phố Bà Rịa GEORGE ASQUITH AND DANIEL KRYGOWSKI, 2004, “Basic Well Log Analysis”, xuất lần 2, Nhà xuất AAPG, Oklahoma STEFFEN NISSEN (2003), “Implementation of a Fast Artificial Neural Network Library”, http://SourceForge.net/projects/fann 682 ... hoàn thành việc xây dựng mạng ANN để dự báo giá trị độ thấm, độ rỗng cho mỏ X Ngoài dự báo giá trị độ thấm, độ rỗng cho giếng A-19 khơng có mẫu lõi Mỗi đường cong ĐVL-GK phản ánh khía cạnh độ thấm, ... A-21) Ứng dụng mơ hình mạng nơron nhân tạo để dự báo giá trị độ thấm độ rỗng cho giếng A-19 Dựa vào số thống kê tác giả kết luận mơ hình ANN cho kết dự báo độ thấm độ rỗng phù hợp so với phương pháp... chỉnh giá trị luyện mạng theo đường cong gamaray tác giả áp dụng kỹ thuật phân tích thành phần để có kết mối tương quan đường cong địa vật lý đầu vào độ thấm, độ rỗng Tác giả tiến hành xây dựng