Luận án tiến sĩ địa chất học: Nghiên cứu ứng dụng mạng nơron nhân tạo dự báo khả năng chứa dầu khí của trầm tích Oligocen một số mỏ khu vực phía bắc bể Cửu Long

DANG SONG HÀ

NGHIEN CUU UNG DUNG MANG NORON NHAN TAO

DU BAO KHẢ NANG CHUA DAU KHÍ CUA TRAM TICH

OLIGOCEN MOT SO MO KHU VUC PHIA BAC BE CUU LONG

LUẬN ÁN TIEN SĨ DIA CHAT HOC

HA NOI - 2022

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

DANG SONG HA

NGHIEN CUU UNG DUNG MANG NORON NHAN TAO

DU BAO KHA NANG CHUA DAU KHI CUA TRAM TICH

OLIGOCEN MOT SO MO KHU VUC PHIA BAC BE CUU LONGChuyén nganh: Dia chat hoc

LỜI CAM ĐOAN

Tôi xin cam đoan tat cả các két quả nghiên cứu trong luận án nay là của riêng tôi.Các sô liệu, kêt quả nêu trong luận án là trung thực và không sao chép của ai Tài

liệu sử dụng trong luận án đã được sự châp thuận của cơ quan công tác của tác giả

NCS DANG SONG HA

LOI CAM ON

Trước anh linh thứ trưởng |PGS TS Lê Hải An| nghiên cứu sinh bay tỏ lòng tiếcthương vô hạn, bày tỏ sự biết ơn thầy đã giúp đỡ dìu dắt nghiên cứu sinh đã gợi ý chonghiên cứu sinh đề tài khoa học, chỉ ra định hướng đúng đắn và hướng dẫn khoa họccó hiệu quả Nghiên cứu sinh xin bày tỏ lòng biết ơn PGS TS Đỗ Minh Đức về sựquan tâm toàn diện đến luận án, đã góp ý, gợi mở, phản biện hướng dẫn nghiên cứusinh sửa chữa nội dung luận án dé dam bảo tính khoa học chặt chẽ và chính xác, hoànthiện luận án Nghiên cứu sinh xin bày tỏ lòng biết ơn sâu sắc NGND GS TS TrầnNghi đã chỉ cho nghiên cứu sinh hiểu rõ về yêu cầu hàm lượng khoa học và cấu trúccủa một luận án tiên sĩ.

Nghiên cứu sinh xin bày tỏ lòng biết ơn sâu sắc PGS TS Đinh Xuân Thành,

PGS TS Nguyễn Văn Vượng, PGS TS Vũ Văn Tích, PGS TS Nguyễn Ngọc Khôi,

PGS TS Chu Văn Ngợi, GS TS Lê Khánh Phôn, PGS TS Nguyễn Văn Phơn, PGS.TS Nguyễn Trọng Tín, PGS TS Phan Thiên Hương, TS Nguyễn Thế Hùng, TS.Kiều Duy Thông TS Phạm Nguyễn Hà Vũ, TS Đoàn Huy Hiên, TS Nguyễn ThùyDương, TS Dương Thị Toan, TS Phan Thanh Tùng và các thầy cô khoa Địa chất Đạihọc Khoa học Tự nhiên Đại học Quốc gia Hà Nội về sự hướng dẫn khoa học và tạođiêu kiện đê nghiên cứu sinh hoàn thành luận án.

Luận án khó có thể tránh khỏi một số thiếu sót Rất mong được sự đóng góp ýkiên của các thây cô và đông nghiệp đê luận án được hoàn thiện hơn.

1

1.1.2 Đặc điểm mạng NOTON nhân tạO - + + + + + *+EE+e+eExeerrrrrrerrrrerrke 61.1.3 Trình tự xử lý bai toán ANN c 2k1 HH 211 ray 101.1.4 Đánh giá chất lượng của ANN bang tiêu chuẩn (a, R, P) - 10

1.2 Tổng quan lịch sử ứng dung ANN trong nghiên cứu dầu khí 13

1.2.1 Tổng quan các nghiên cứu ứng dụng ANN trong dầu khí trên thế giới 13

1.2.2 Tổng quan các nghiên cứu trong nƯỚC 2-2 + +2£++E++£++£s+rxered 181.3 Các van đề luận án nghiên cứu s- << << se se=ssssessessesses 201.3.1 Phương pháp lựa chọn các đường cong đầu vào và xác định số đầu vào 211.3.2 Xây dựng tập huấn luyện và tập kiểm tra ¿2 2 s+cxc£xerxerxeres 251.3.3 Chuẩn hóa số liệu 2:¿222++t2222xvtttEEExtrtttrttrrrtttrrrrtrtrirrrrtrirree 291.3.4 Xác định số noron lớp ấn chọn hàm kích hoạt, hàm huấn luyện 31

1.3.5 Dam bao độ tin cậy của kết qua tinh cho giếng tinh toán 32

CHUONG 2 ĐẶC DIEM DIA CHAT KHU VUC PHIA BAC BE CỬU LONG.352.1 Đặc điểm dia chất bé Cửu Luong -s- 5s s°sessessessessesserssessessese 352.1.1 Các yếu tố cấu tTÚC -2 +¿+++2EE2EE1221122111221271271127112711 221.2 tre 352.1.2 Hệ thống đứt gẫy 2-52 2E E2112112111211 2111211110111 Eeeg 372.1.3 Địa tầng và thạch hỌc - - - c2 1 2221122311221 12231119 vn ng ng vn gưiệt 372.1.4 Sự phát triển cau trúc kiến tạo bé Cửu Long trong Kainozoi 39

2.2 Đặc điểm dia chat và tiềm năng dầu khí khu vực nghiên cứu 41

2.2.1 Đặc điểm cấu trúc — kiến tạo trong Oligocen phan bắc bề Cửu Long 42

2.2.2 Đặc điểm địa tang các thành tao Oligocen phan bắc bê Cửu Long 42

2.2.3 Lịch sử tiến hóa dia chất phần bắc bê Cửu Long trong Oligocen 43

2.2.4 Đặc điểm dầu khí trầm tích Oligocen phan bắc bề Cửu Long 44

2.2.5 Quan hệ giữa cấu trúc-kiến tạo với hệ thống dầu khí khu vực nghiên cứu 46

2.2.6 Tiềm năng dau khí bay địa tầng trầm tích Oligocen bề Cửu Long 47

2.2.7 Kết luận về đặc điểm địa chất trầm tích Oligocen phần bắc bê Cửu Long 49

1H

CHƯƠNG 3 NGHIÊN CỨU PHUC HOI CÁC DUONG CONG DIA VAT LÝ

GIENG KHOAN ĐO GHI HONG BANG MẠNG NƠRON NHÂN TẠO 513.1 Nghiên cứu tương quan giữa các thông số DVLGK và các tập thạch học

01831989) 0022 513.1.1 Đặc điểm thông số PVLGK của các tập thạch học trầm tích Oligocen 53.1.2 Tương quan giữa thông số VLTH với thông số ÐVLGK - 523.2 Phục hồi đường cong DVLGK do ghi hỏng bằng mạng noron nhân tao 543.2.1 Xử lý số liệu 2 se S1 E12 12211211211211211 2111211111111 Eearreg 55

3.2.2 Xây dựng mô hình - ¿5c + 32t * S111 1211151111511 1111111 11 erke 59

3.2.3 Kết quả áp dụng thực tế và ý nghĩa của bài toán phục hồi đường cong 68CHƯƠNG 4 XÁC ĐỊNH CÁC THAM SÓ VẬT LÝ THẠCH HỌC BẰNG

MẠNG NƠRON NHÂN TẠC - 2< 2s<©+ss©E+seEEAeEEEAAEETAAEETAdetrsserrsserraserree 71

4.1 Tổng quan về tham số vật lý thạch hoc trong địa chat dầu khí 71

4.1.1 Tham số vật lý thạch học trong địa chất dầu khí s- ccx+cezxse+ 71

4.1.2 Phương pháp truyền thống tính các tham số vật lý thạch học 714.1.3 Những hạn chế của phương pháp truyền thống -2-5+¿ 724.2 Tinh hàm lượng sét từ tài liệu DVLGK bằng ANN -s- 72

4.2.1 Co SO dit on e nd5 734.2.2 Lua chon dit HOU — 744.2.3 Kay dungái (0ì 3O 76

4.2.4 Tinh ham lượng sét băng thuật học BP và thuật học RBE 784.2.5 Tinh hàm lượng sét với các tổ hợp đầu vào khác nhau - 804.3 Tính độ rỗng từ tài liệu DVLGK bằng ANN -s sccssccsccsses 804.3.1 Cơ sở dit lIỆU - -G- LH nH TH HH TH TT HH TT ngàng giết 814.3.2 Lựa chọn dữ liỆU . - 2c 222 1211122311123 1 231119211119 11v ng ng nườy 824.3.3 Kay dung oi ỤnDDDậ)})})DỤŨ 844.3.4 So sánh kết qua tính bang ANN với kết quả thực tế . 884.4 Tính độ bão hòa nước trực tiếp từ tai liệu DVLGK bang ANN không cần

sử dụng hàm ÏƯỢTIØ SẾT œ5 << 5< 9 9 9 9 T000004608060006 00 91AAV Co sa sa 92

4.4.2 Lựa chọn đữ lIỆU - c E22 112211125311 931 1193111191111 1 81kg ng rườy 934.4.3 Xay ái e:.'"'.' 954.4.4 So sánh kết quả tinh Sw bang ANN với thực tế ¿-c-cccse¿ 97

4.5 Sử dụng các đường cong DVLGK và mạng nơron nhân tạo xác định các

tham số vật lý thạch học ở phía bắc bể Cửu Long . -s- s2 ssss©ssess 994.5.1 Tính hàm lượng sét bằng ANN -¿- 2 22t EeEEeEEEEEEEEEEEkerkerker 994.5.2 Xác định thành phan thạch hoc giếng khoan ¿52 2 2 s2 99

IV

4.6 Dự báo tiềm năng dầu khí bắc bể Cửu Long -s-ss << 101

4.6.1 Tính độ rỗng, tính độ bão hòa nước, tính hàm lượng sét bang ANN 102

4.6.2 Tinh kết quả minh giải của các giếng khoan - 52 z+sz+cszcs2 1024.6.3 Tính trữ lượng dầu khí nguyên sinh tại chỗ - 2 2 s2 szcse¿ 103KET LUẬN VÀ KIÊN NGHỊ, -2- 2° 2£ ©S2 se ©ss£EssEsseEssesserssersrssrre 105NHỮNG CÔNG TRÌNH KHOA HỌC CỦA TÁC GIÁ ĐÃ CÔNG BÓ LIÊN

9)07.08›)58 09.00.9177 107TÀI LIEU THAM KHẢO 2-22 5£ ©2552 ©Ss£ES2€SS£ES8EEssExseEssevsevsserssrssere 108

3:0800060005.— (1)

DANH MỤC CÁC TU VIET TAT1 ANN: Mạng nơron nhân tao (Artifical Neural Network)

BCH: Bat chinh hop

DT: Thời gian chuyển khoảng trong đất đá

® YON PVLGK: Dia vật lý giếng khoan

5 GR: Đường cong đo bức xạ gamma (Gamma Ray)

KZ: Kainozoi

LLD: Đường cong do điện trở suất sâu

ons LLS: Đường cong đo điện trở suất nông

9 MLP: Mạng Perceptron nhiều lớp (Multilayer Perceptron)10.MSFL: Điện trở suất cực cầu

11.NCS: Nghiên cứu sinh

12.NPHI: Đường cong đo độ rỗng nơtron

13 Phi: Độ rỗng

14.PHLKT: Phần huấn luyện kiểm tra

15 RBF: Hàm cơ sở xuyên tâm (Radical Basis Function)

16 RHOB: Đường cong đô mật độ đất đá17 THL: Tập huấn luyện

DANH MỤC HÌNH

Hình 1.1 Các noron sinh hỌC - ¿+ 2E 2211125216153 E 1931119531 8311131125111 1112k 6Hình 1.2 Mô hình một nơron nhân tạO - - - + 25 222 222111223 E 222 EE22EEESEEerrkerrrxee 7

Hình 1.3 Giá trị P và các hệ số a, R tinh Phi 4 đầu vào, 10 nơron lớp an, 360 mẫu

giếng CL2 occ ecccecccsseessesssessesssessvessvcssessvessesssecsuesscsuessecssecsusssssssessvessessssssesssessesssesseeeseeaees 12

Hình 1.4 Mang tính nhiệt độ thành hệ khí hydrat tự nhiên [63] - - - 14

Hình 1.5 Kiến trúc mạng tính tốc độ sóng âm trong giếng khoan [71] 14

Hình 1.6 Kết quả tính của ANN và lấy mẫu [7 I] -¿¿z+2s++2xz+zz+vzzxz+ 14Hình 1.7 Mạng RBF với R đầu vào tính K và Phi [74] - 2 -z2sz+zs+cszzcse2 16Hình 1.8 So sánh độ bão hòa nước giữa lấy mẫu thí nghiệm & tính bằng ANN (trụchoành là mẫu, trục tung là độ bão hòa nước) [89] -+- 2 2+5 +x+£++£z+xzx+zszzxez 17Hình 1.9 Biểu đồ nội dung nghiên cứu luận án 2-2 s52 2E2E2E£Eerxerxeres 21Hình 1.10 PhiA va PhiANN với 3, 4, 5 đầu vào giếng NI -cccccccccrcee 24Hình 1.11 Tập huấn luyện dé tính Phi cho giếng CL2 -2¿5¿225z225z+255+2 29Hình 1.12 So sánh PhiANN với PhiChung giếng R5 22-©5255225zc2zxz2z+2 33Hình 1.13 Độ rỗng PhiANN màu xanh và PhiPVEP màu đỏ giếng XIP 34

Hình 2.1 Vị trí địa lý bể Cửu Long [5§] 2 ©2255+22E+2E++EEt£EEeEEzrxerxeerkerrree 35Hình 2.2 Bản đồ phân vùng kiến tạo bé Cửu Long [5§] - 2-52 s2 s2 sec: 36Hình 2.3 Mặt cắt ngang qua trũng chính bé Cửu Long [58] - 2-2-5 5z: 37Hình 2.4 Cột dia tang tổng hợp bể Cửu Long [58] - ¿52 2 z+cxszxerxerxeres 38Hình 2.5 So đồ phân bố độ dày tram tích Kainozoi khu vực bê Cửu Long [60] 40

Hình 2.6 Sơ đồ phân bé cau trúc kiến tạo Kainozoi bê Cửu Long [60] 40

Hình 2.7 Sơ đồ phân bố tram tích Kainozoi bé Cửu Long [60] - 41

Hình 2.8 Bản đồ khu vực nghiên cứu: Phần bắc bê Cửu Long . - 41

Hình 2.9 Sự phân bố các tầng chắn theo mặt cắt địa chan [SS}- 46

Hình 2.10 Phân bé bay địa tang trầm tích Oligocen khu vực nghiên cứu 48

Hình 3.1 Tương quan giữa độ rỗng, hàm lượng sét, độ bão hòa nước với các đườngcong DVLGK khu vực bắc bé Cửu Long ¿5 +5s+S£2E£+EeEE£EEEEEEEEEEEEEerkerkrrrrree 54Hình 3.2 Năm đường cong đo ghi và phần huấn luyện kiêm tra GI 56

Hình 3.3 Bốn đầu vào phục hồi GR giếng GI - 2-2222 +EE2EEtEE+zExrrrrerreee 57Hình 3.4 Tập huấn luyện phục hồi đường cong GR giếng GI - 2 5+¿ 59Hình 3.5 Mạng huấn luyện 2-2 2 +s+Sx‡EE£EE2E121121121121111111111111211 21111 1x y6 61Hình 3.6 Performance, a, R phục hồi đường cong GR - 2-5 5z+s++£++£+zcxze: 64Hình 3.7 Bốn đường cong đầu vào và các dạng của GR từ nóc giếng đến đáy giếng 64Hình 3.8 So sánh GRANN tạo ra từ THL lấy từ giếng H2 với GR đo ghi (GRANNKath, GR 04002011777 a5 66

Hình 3.9 Bốn đầu vào và các dạng đường cong DỊT -2- s+cse+x++£x+zrxerxssrxee 67

vil

Hình 3.10 GR, DT, NPHI, RHOB giếng GI trước và sau khi phục hồi 69Hình 4.1 Tập tính toán tính hàm lượng sét giếng CL2 -¿- ¿22+ 75Hình 4.2 Tập huấn luyện tính hàm lượng sét giếng CL/2 -2- 5¿2s+zz+c5+¿ 76Hình 4.3 Kết quả tính hàm lượng sét giếng CL2 2-2 s2 +S£+E+2E+2E2E£EEeExerxeez 78Hình 4.4 Hàm lượng sét giếng N1 (xanh - SetANN, đỏ - SetA) -ccccc 79Hình 4.5 Hàm lượng sét 4 đầu vào và 5 đầu vào giếng NI ¿- z+cz+csee: 80Hình 4.6 Tập tính toán tính Phi giếng CL2 0 c ccccccccsscsscsssssessessessessessvssessessessessesseeaes 83Hình 4.7 Tập huấn luyện dé tính Phi cho giếng CL2 2-22 ¿+ z+£E£+£+£x++£sz+z 84Hình 4.8 Giá trị P và các hệ số a, R tinh Phi -cc:-cccxverrrrrtrttrrrrrrrrrrrrrree 86Hình 4.9 Kết quả tính Phi và thạch học giếng CL/2 2-2 2+E2+£++£E++£xzzzzrez 86Hình 4.10 Độ rỗng các cặp tương quan giếng Nl ecceccceccsscssseseesesessessessesseessessesseeseees 87Hình 4.11 PhiA và PhiANN với 3, 4, 5 đầu vào giếng NI -¿©cc¿ccccccscee 88Hình 4.12 So sánh PhiANN với Phi mẫu giếng XH6 (xanh - Phi ANN, đỏ - Phi lay

THẪU) CĐ 1 E1 1111111111111 1111 11111111 1111111111111 11 1121111171111 E1 re 90

Hình 4.13 So sánh PhiANN với Phi mẫu giếng XHð (xanh là Phi ANN, chấm đỏ 0850010) 0087 ố 91

-Hình 4.14 Tập tính toán tính Swe ccccccccceesceseeseesceeeseeseeseeseeeeecseeseeseeeeeeceeseeeeeeenes 94

Hình 4.15 Tập huấn luyện tính Sw -2-2¿©+¿22+22EE+22EEE2EEE2EE2EESEEEerkrrrrrrre 95Hình 4.16 Độ bão hòa nước Sw giữa các cặp tương quan giếng NI - 97Hình 4.17 So sánh Sw giếng NI (đỏ - SwA, xanh - SwANN) -ccccccce 98Hình 4.18 Sw của 4 tang sản phâm NI (đỏ thử via, xanh - ANN) - 99Hình 4.19 PhiANN, SetANN và các tang sét, cát kết phân đoạn 1 giếng CL2 100Hình 4.20 Phi, hàm lượng sét và thạch học giếng CU2 - 2c SS+SSksssexei 101

vill

DANH MỤC BANG

Bang 1.1 Các ứng dụng của ANN trong thăm đò dầu khií 2-2 2 szscze+ 17Bang 1.2 Các ứng dụng của ANN trong khoan giếng dầu khí -52-55¿ 18Bang 1.3 Các ứng dụng của ANN trong khai thác dau khí - -2- 2 22 s2 18Bảng 1.4 Ba cấp ưu tiên tính tham số vật lý thạch học - 2 s2 szx++£xezxeez 22Bảng 1.5 Hệ số R? giữa độ rỗng PhiA và độ rỗng PhiANN -:-752-552¿ 24Bảng 1.6 Hệ số R? giữa độ rong PhiBASROC và độ rỗng PhiANN 24Bang 1.7 Ba dòng dit liệu của tập huấn luyện tính Phi (chưa chuẩn hóa) 25Bang 1.8 Ba dòng dit liệu của tập huấn luyện tính Phi (đã chuẩn hóa) 25Bảng 1.9 Hệ số R2 của CL2 với PD1, PD2, PD3 và WKNI :-cccs+cccssesrs 27Bảng 1.10 Tập huấn luyện tính Phi giếng CL2 -2- 22 ©+¿2++2£+++EE++2z+zzxezx 28Bang 1.11 Xác định mức chuẩn hóa cho các đầu vào 2-52 ©sz+cxscxzzxerrsees 30Bảng 1.12 Giá trị (a, R, P) ứng với số nơron lớp ấn tính độ rỗng giếng CL2 31Bang 1.13 So sánh Phi ANN với PhiChung giếng R5 2-52 2ccccecxczeez 34Bang 1.14 So sánh PhiANN với PhiPVEP giếng XIP s 52 252ccccerxerxeeg 34Bảng 3.1 Phân giải của các đường cong DVLGK bắc bé Cửu Long - 51Bang 3.2 Các đoạn GR do ghi hỏng của giếng G1 cần phục hồi 2-55- 55Bang 3.3 Các đoạn DT đo ghi hỏng của giếng G1 cần phục hồi -. 55Bang 3.4 Số liệu của giếng GI 22- 52+ 2122 2E1221127121127112112211211211 11x 56Bảng 3.5 Tập tính toán phục hồi GR giếng GI - 22-2 ©22+E+2E++EE2EEerxesrxerreee 57Bang 3.6 Tập huấn luyện phục hồi GR giếng GI 2- ¿22++£++£x+zzz+zxzrxez 58Bang 3.7 Giá trị (a, R, P) ứng với số nơron lớp ẩn 2-5 s2+s++++£+£ExeEerxerxres 60Bang 3.8 So sánh GR do ANN tính với GR các đoạn đo ghi tốt của giếng GI 65Bảng 3.9 Hệ số R? giữa GRANN tạo ra với giả thiết GR không đo ghi được với GRđo ghi giếng HI ¿52 SE221‡E9EEEEE2E1211211211211111111111111.T1 1111111111111 E1Erre 66Bang 3.10 So sánh DT do ANN tinh với DT các đoạn do ghi tốt của giếng G1 68Bảng 4.1 Các đường cong giếng CL2 dé tính hàm lượng sét 2-5255: 73Bảng 4.2 Bang dé lựa chọn THL tính hàm lượng sét giếng CL2 -+- 74Bảng 4.3 Tập tính toán tinh hàm lượng sét giếng CL2 - ¿22 2 2+£++£s+£xzzxeei 74Bảng 4.4 Tập huấn luyện tính hàm lượng sét giếng CL2 -¿- ¿z2 76Bang 4.5 So sánh SetA với SetANN giếng NI -¿- 5s sctcEEE2E211211211EExcxee 79Bang 4.6 So sánh hàm lượng sét ANN 4 đầu vào và 5 đầu vào giếng NI 80Bang 4.7 Các đường cong giếng CL2 dé tính Phi À 2-52 52 E2E2EE2EeExzrxeez 81Bảng 4.8 Bang dé lựa chọn THL tính Phi giếng CL2 0 ccccccccscssssesssesssessseessesssteeeseeees 82Bảng 4.9 Tập tính toán tính Phi giếng CL2 0 ccccccccscssssssssesssessseessessesssesssesssessseeesees 82Bảng 4.10 Tập huấn luyện tính Phi giếng CL2 -2- 2: ©+¿2++22+++£E++2z+zzxzzx 84Bảng 4.11 Hệ số tương quan giữa PhiA với Phi ANN giếng NI - 87

1X

Bảng 4.12 Giá trị Phi lay mẫu, PhiA và PhiANN giếng XH6 -. - 89Bảng 4.13 Sai số bình phương va hệ số tương quan giữa Phi Mau, PhiA và PhiANNgiếng XH6 2 ©2-222 2E2E1E2112711211221171127111121121111211111 1111.1101111 e 89Bang 4.14 Giá trị Phi mẫu, PhiA và PhiANN giếng XH5 2-52-5252: 90Bảng 4.15 Sai số bình phương trung bình và hệ số tương quan giữa Phi mẫu, PhiA vàPhiANN giếng XH5 - 2 2S SE E2112112112112111111111111 211.11 11 1111111111 re 91Bang 4.16 So sánh Phi kết qua thử via với Phi ANN giếng NI c5-c: 91Bảng 4.17 Cac đường cong giếng NI là giếng tính toán dé tinh Sw 92Bang 4.18 Tập số liệu dé xây dựng THL tính Sw giếng NI - 2-5555: 93Bảng 4.19 Tập tính toán để tính Sw, 22 55c S2 E2 E221127122112711211 211211211 1 xe 93Bảng 4.20 Tập huấn luyện tính Sw giếng NI ¿52 +2 eEEEEEeEErErrerrerrer 94Bảng 4.21 Tương quan giữa SwA với SWANN giếng NI -©cccccscccsee 96Bang 4.22 Tám tổ hop input được chọn để tính S„ 2 5c ©5225225£2££££e£xezxcxez 98Bảng 4.23 So sánh Sw kết quả thử via với SWANN giếng NI (Theo báo cáo PVEP và

từ chương trình PhiSwTSP.im)) - tà xnHnHTH Tnhh Hàng ng 98

Bang 4.24 Kết quả minh giải giếng khoan RX3 bằng ANN -cc- sec: 102Bang 4.25 Trữ lượng dau các hệ tang tính bang mạng noron nhân tạo - 103Bang 4.26 Trữ lượng dầu của mỏ RX (đơn vị mmbbls) 2-2: 25s s22 104Bảng 4.27 Trữ lượng khí của mỏ RX (đơn Vi Bef) 5c cccsccsssvxserserses 104

MỞ ĐÀU1 Tính cấp thiết của đề tài

Tính trữ lượng đánh giá tiềm năng dầu khí là bài toán luôn phải tìm lời giải.Quan niệm “Dầu khí chỉ có trong đá trầm tích” [56] chi phối việc tìm kiếm thăm dòdầu khí trong thời gian khá dài trên toàn thế giới Bài toán thăm đò này trước đâychỉ đặt mục tiêu tìm đối tượng trong môi trường đá trầm tích Từ 1986, Việt Namtìm ra dầu khí trong đá móng thi trầm tích Kainozoi (KZ) và đá móng magma trước

Kainozoi là hai đối tượng chứa dầu khí lớn ở bê Cửu Long.

Bề Cửu Long với nhiều biến đổi địa chất phức tạp: Trầm tích KZ phủ bấtchỉnh hợp trên đá móng magma, tác động hoạt động magma nhiều pha, sự va chạmgiữa các mảng lớn, sự thay đổi mực nước biển nhiều pha Đặc điểm này làm choviệc tính các tham số vật lý thạch học (VLTH) gặp nhiều khó khăn Trong điều kiệnthực tế như vậy, phương pháp dia vật lý giếng khoan (DVLGK) được sử dụng rấtphô biến và đóng vai trò quan trong trong nghiên cứu địa chất dầu khí bé Cửu Long.

Khi khoan giếng người ta sử dụng kỹ thuật kết hợp nhiều phép đo đồng thờicác đường cong DVLGK, bao gồm đường cong đo bức xa gamma (GR), thời gianchuyển khoảng (DT), độ rỗng notron (NPHI), mật độ (RHOB), điện trở suất sâu(LLD), điện trở suất nông (LLS), điện trở suất cực cầu (MSFL) Ở nhiều đoạn ở độsâu, các đường cong DVLGK chỉ đo ghi tốt được 4 hoặc 5 đường, do nhiều nguyênnhân, như ảnh hưởng của dung dịch khoan, hiệu ứng hình học của máy giếng, tốcđộ kéo cáp [42] Thực tế này đòi hỏi cần tìm phương pháp mới xác định các thamsố VLTH trong điều kiện đo ghi hiện tại hoặc để có được các đường cong DVLGKtốt hon Từ thực tế đó nghiên cứu sinh thực hiện luận án “Nghiên cứu ứng dungmạng noron nhân tạo dự báo khả năng chứa dau khí của tram tích Oligocen một sốmỏ khu vực phía bắc bề Cửu Long”.

2 Mục tiêu nghiên cứu

Ung dụng mạng nơron nhân tạo phục hồi một số đường cong DVLGK đo ghihỏng trong trầm tích Oligocen phía bắc bé Cửu Long.

Ứng dụng mang noron nhân tạo xác định các tham số VLTH từ các đườngcong DVLGK được phục hồi, góp phan nâng cao độ tin cậy trong dự báo khả năngchứa dau khí của trầm tích Oligocen một số mỏ khu vực phía bắc bé Cửu Long.

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu là trầm tích Oligocen Phạm vi nghiên cứu và phạm viứng dụng là trong giới hạn phần phía bắc bé Cửu Long, bao gồm các lô 15-1, 15-2,

1

một phan lô 01-02 diện tích khoảng 12.000 kim’, vị trí địa lý khoảng 9° 11° Vĩ Bắc,

106930°— 109° Kinh Đông Giới hạn chiều sâu vùng nghiên cứu từ nóc tầng tram

tích Oligocen đến đá móng magma trước Kainozoi.

4 Nội dung nghiên cứu

Nghiên cứu đặc điểm địa chất, thực trang đo ghi, kết quả phân tích thínghiệm, minh giải địa chan, minh giải DVLGK, xây dựng cơ sở dt liệu phục vụ các

mô hình tính toán.

Nghiên cứu đặc điểm địa chất khu vực giếng cần tính các tham số VLTH vànghiên cứu đặc điểm địa chất khu vực những giếng đã tính được các tham số VLTHnhằm tìm ra giếng thỏa mãn nguyên lý phù hợp dé xây dựng tập huấn luyện.

Nghiên cứu phương pháp xử lý thông tin của ANN và nghiên cứu tác động

khác nhau của các đường cong DVLGK (đầu vào) đến tham số VLTH cần tinh (đầura) nhăm lựa chọn được các đường cong có ích làm đầu vào và xác định được côngthức chuẩn hóa số liệu phủ hợp dé thiết kế ANN giải quyết các bài toán cụ thé đặt ralà: Phục hồi, bổ sung đường cong DVLGK đo ghi hỏng và xác định các tham số

VLTH( độ rỗng, độ bão hòa nước và hàm lượng sét).

Nghiên cứu ứng dụng ANN để xác định các đặc trưng thống kê về thông sốPVLGK của các tập thạch học thuộc phan bắc bể Cửu Long và nghiên cứu tươngquan giữa các thông số VLTH với các thông số DVLGK thuộc phan bắc bể Cửu

5 Phương pháp nghiên cứu

Dé giải quyết các mục tiêu và nội dung nghiên cứu nêu trên, dé tài sử dụngtổng hợp các phương pháp nghiên cứu sau đây:

- Phương pháp địa chất: Nghiên cứu, thu thập và hệ thống hóa các tài liệu địachất.

- Phương pháp địa vật lý giếng khoan: Nghiên cứu đặc trưng các đường congPVLGK, các kết quả phân tích mẫu, các kết quả minh giải DVLGK.

- Phương pháp mô hình toán học thống kê: Xác lập các mô hình phân bố củadữ liệu, các phương trình tương quan, tạo cơ sở chuẩn hóa số liệu, xây dựng các

- Phương pháp ANN: Xây dựng mô hình mạng nơron nhân tạo phù hop dégiải quyết các vân dé (bai toán) mà luận án đê ra.

6 Luận diém bảo vệ

Luận điểm 1: Các thông số đánh giá khả năng chứa dầu khí của trầm tíchOligocen bể Cửu Long được xác định có tương quan chặt chẽ và mang tính đặc thùriêng với các thông số địa vật lý giếng khoan tạo cơ sở khoa học phục hồi cácđường cong đo bức xạ gamma (GR), thời gian chuyên khoảng trong đất đá (DT), độrỗng nơtron (NPHI), mật độ (RHOB) đo ghi hỏng bằng mô hình mạng noron nhântạo với độ tin cậy cao.

Luận điểm 2: Mạng noron nhân tạo cho phép xác định đầy đủ và chính xáccác thông số vật lý thạch học ở các mức độ đo ghi hỏng khác nhau của đường congđịa vật lý giếng khoan, góp phan nâng cao chất lượng đánh giá trữ lượng dau khí ởkhu vực phía bắc bê Cửu Long.

7 Kết quả đạt được và những điểm mới của luận án:

Xác định được các đặc trưng thống kê các thông số DVLGK của các tậpthạch học của hệ tang Trà Cú (Es'¢c) và hệ tầng Trà Tân (E2).

Xây dựng được bộ tham số, làm cơ sở khoa học thiết kế ANN tối ưu với 4đầu vào, bao gồm các bước thực hiện: (1) Đề xuất điều kiện của tập huấn luyện lànguyên lý phù hợp, tính đại diện và tính đầy đủ; (ii) Chứng minh số mẫu tối ưu củaTHL bằng 360; (iii) Đưa ra phương pháp xây dựng THL; (iv) Chứng minh số đầuvào tối ưu là 4; (v) Đưa ra cơ sở khoa học và công thức chuẩn hóa số liệu cho 3

phân bó.

Thiết kế được các ANN 4 đầu vào gồm các thuật toán tối ưu phục hồi đườngcong DVLGK do ghi hỏng và tính các tham số VLTH (xác định độ rỗng, hàm lượng

sét, độ bão hòa nước).

ANN được áp dụng phục hồi các đường cong GR và DT đo ghi hỏng của 9giếng; kết quả phục hồi được sử dụng dé tính độ rỗng cho 15 giếng, góp phần xâydựng sơ đồ công nghệ mỏ RX.

8 Ý nghĩa khoa học và thực tiễn của luận ánÝ nghĩa khoa học:

Luận án xây dựng được cơ sở khoa học, thực tiễn phục hồi đường cong

ĐVLGK do ghi hỏng, cho phép giải được bài toán trong điều kiện đo ghi hiện tại.Các phương pháp truyền thống đòi hỏi 6 đường cong, mô hình ANN trong luận ánchỉ cần sử dụng 4 đường cong.

Thuật toán ANN tối ưu được xây dựng với 4 đầu vào phục hồi đường congPVLGK do ghi hỏng, góp phần giải quyết được một số vấn dé mà phương pháp

truyền thống chưa thực hiện được.

Ý nghĩa thực tiễn:

Phương pháp phục hồi đường cong đo ghi hỏng bang ANN và xác định cáctham số VLTH, góp phần nâng cao độ tin cậy trong dự báo khả năng chứa dầu khí

của tram tích Oligocen một số mỏ khu vực phía bắc bé Cửu Long.

ANN phục hồi được 9 giếng có GR, DT đo ghi hỏng, xác định được đầy đủđộ rỗng của trầm tích Oligocen trong 15 giếng khoan, từ đó xây dựng được sơ đồ

công nghệ khai thác mỏ.

9 Cơ sở tài liệu

Nguồn tài liệu NCS sử dụng chủ yếu trong luận án được tham khảo trực tiếptừ Tổng công ty Thăm dò Khai thác Dầu khí Việt Nam (PVEP) và đã được cấp phépsử dụng với điều kiện phải mã hóa tài liệu trước khi đem ra ngoai sử dụng Cụ thécác tài liệu đó bao gồm:

- Tài liệu nghiên cứu địa chất dầu khí bể Cửu Long (minh giải DVLGK,minh giải địa chấn, phân tích địa chất, địa hóa, mẫu lõi, đá móng, phương pháp

- Tài liệu từ các giếng khoan, số liệu chủ yếu là các đường cong DVLGK: Sốliệu để nghiên cứu gồm hơn 50 giếng khoan qua trầm tích Oligocen và 32 giếngkhoan vào đá móng, tổng cộng khoảng hơn 7 triệu số liệu Ngoài ra, các số liệu tínhtoán phục vụ lập sơ đồ công nghệ khai thác mỏ là 19 giếng khoan (khoảng hơn 1

triệu số liệu, kết quả đã được công ty dầu khí B ứng dụng thực tế).

- Các tài liệu địa chất, địa vật lý và địa chất dầu khí đã được công bố liênquan ở phía bắc bể Cửu Long.

10 Cấu trúc của luận án:

Ngoài phần mở đầu và kết luận, luận án gồm 4 chương:

Chương 1 Nguyên lý và phương pháp ứng dụng mang noron nhân tạo trong

nghiên cứu dầu khí

Chương 2 Đặc điểm địa chất khu vực phía bắc bề Cửu Long

Chương 3 Nghiên cứu phục hồi các đường cong địa vật lý giếng khoan do

ghi hong băng mạng noron nhân tạo

Chương 4 Xác định các tham số vật lý thạch học bằng mạng nơron nhân tạo

CHƯƠNG 1 NGUYÊN LÝ VÀ PHƯƠNG PHAP UNG DUNGMẠNG NƠRON NHÂN TẠO TRONG NGHIÊN CỨU DẦU KHÍ

1.1 Khái niệm về mạng noron nhân tạo

1.1.1 Lịch sử hình thành và phát triển của mạng noron nhân tạo

Lịch sử phát triển của mang noron nhân tao (Artificial Neural Network ANN) duoc chia thanh 3 giai doan [13]:

-Giai đoạn 1 (1940 — 1960) :Năm 1943 mốc lich sử đầu tiên khi mô hình toánhọc mạng noron nhân tạo được giới thiệu bởi nhà thần kinh học Warren McCullochvà nhà logic học Pitts Hebb (năm 1949) đưa ra thuật toán học đầu tiên của mạng gọi

là thuật toán Hebb Rosenblatt (1957) định nghĩa perceptron và chứng minh

perceptron sẽ phát triển thành vector trọng số dé phân tách các lớp Ông tin rằng cấutrúc nhiều lớp hơn khắc phục những hạn chế cua perceptron đơn giản Rosenblattkhẳng định các nơron liên kết phi tuyến (gọi là mạng noron) tạo nên mạng thíchnghỉ có thé góp phan giải quyết bài toán nhận dang Năm năm sau, thuật toán trungbình bình phương nhỏ nhất (Least Mean Square - LSM) cho mô hình AdalinMadaline xuất hiện (Widrow, 1962) Tiếp đó công trình của Minsky và Pupert năm1969 chỉ ra rằng, perceptron đơn lớp không thể giải quyết các vấn đề phức tạp Giaiđoạn này ANN chưa giải quyết các bài toán khó, chưa có sức thuyết phục.

Giai đoạn 2 (1960 — 1990): Các nghiên cứu về mạng nơron nhân tạo tạmdừng phát triển trong khoảng 20 năm (Hertz và cộng sự 1991) Cho đến khiHopfield (1982) đề xuất những thuật toán mới như thuật toán lan truyền ngược, điềunày đã làm sống lại cho các nghiên cứu về mạng noron nhân tạo Giai đoạn này môhình Perceptron được phát triển mạnh mẽ với những thuật học truyền thang và liênkết suy rộng Đã có thêm nhiều cấu trúc mới, ứng dụng mới, trong đó cần kê đếnnhư: mạng truyền thắng với thuật toán lan truyền ngược (luật Delta suy rộng - GDR)

(1985), mang dùng các hàm cơ sở xuyên tâm (Radial Basic Function - RBF), cácmang Hopfield hồi quy (Hopfield, 1982), bộ nhớ liên hợp 2 chiều (BAM) 1987.

Giai đoạn 3 (1990 cho đến hiện nay): Mạng noron nhân tạo được tiếp tụcsuy rộng và đưa vào thực tiễn nhiều mô hình và thuật toán hoàn chỉnh hơn Nhữngvấn đề chính trong nghiên cứu ứng dụng ANN vào giải quyết các bài toán thực tế

gôm: Đánh giá xác thực những hạn chê cua mạng noron, các khả năng suy rộngkhác nhau, phôi hợp công nghệ mạng nơron với công nghệ của logic mờ và các thuật

toán di truyền, cài đặt các mạng noron nhân tạo bằng các phần cứng chuyên dụng.1.1.2 Đặc điểm mạng noron nhân tạo

Theo các nhà nghiên cứu sinh học, có khoảng 10!! nơron sinh học (tế bàothần kinh) trong hệ thần kinh con người Một nơron sinh học gồm các thành phần

[92]: thân noron (cell body), sợi trục noron (axon) và sợi nhánh nơron (dendrites) (i)Thân nơron được giới hạn trong một mang member trong cùng hay còn gọi là nhân.

Từ thân nơron có rất nhiều sợi nhánh (dendrites) (ii) Soi trục nơron liên kết noronnày với các noron khác Trên axon có các đường rẽ nhánh Noron có thê liên kết vớicác noron khác qua các nhánh Vì vậy mạng noron có độ liên kết rất cao (iii) Soi

nhánh nơron chia thành 2 loại: loại nhận thông tin từ các nơron khác gọi là nhánh

đầu vào, loại đưa thông tin qua axon tới các noron khác gọi là nhánh đầu ra Mộtnoron có thê có nhiêu nhánh dau vào nhưng chỉ có một nhánh dau ra [1].

Các sợi trục axon liên kết noron này với các nơron khác Sự thay đôi trạngthái của một noron bat kì sẽ kéo theo sự thay đôi trạng thai của các noron khác va

do đó là sự thay đổi của toàn bộ mạng noron [96 ] Việc thay đổi trạng thái củamạng noron có thé thực hiện qua quá trình “dạy” hoặc do khả năng “học” tự nhiên.

Các nơron tự nhiên (hình 1.1) nhận tín hiệu qua các “khớp thần kinh” nằm trên đuôihoặc màng của tế bào thần kinh Khi tín hiệu nhận được đủ mạnh (vượt quangưỡng), tế bào thần kinh được kích hoạt và phát ra tín hiệu thông qua axon Tínhiệu này được gửi đến khớp nói thần kinh khác và kích hoạt các noron khác [86].

[endiites é

Hình 1.1 Cac noron sinh hoc

Mang noron nhân tao (Artifical Neural Networks - ANN) gọi tắt là mang

noron là một mô hình toán hoc xử lý thông tin mô phỏng theo phương thức xử ly6

của mạng noron sinh học Mạng nơron nhân tạo là tập hợp của một sô lượng lớn cácphân tử noron và ket nôi với nhau thông qua các trong sô liên kêt, các noron trong

mang làm việc thống nhất với nhau dé xử lý một vấn dé cụ thẻ.a) Đặc điểm cấu trúc ANN

Một nơron là thành phần cơ bản của một mạng noron Một noron là một đơnvị tiếp nhận các tín hiệu đầu vào, xử lý thông tin Cấu trúc của một nơron nhân baogồm các yếu tố đầu vào (như các khớp thần kinh), được liên kết thể hiện bởi mộttrọng số (trọng số liên kết — synaptic weight) và sau đó tính toán bởi một hàm toánhọc phi tuyến (thường gọi là hàm kích hoạt — activation function hay còn gọi là hàmtruyền — transfer funtion) như quyết định của tế bào thần kinh (hình 1.2) Hình 1.2

là một nơron nhân tạo phản ảnh các tính chất cơ bản của một nơron sinh học, gồm nđầu vào “x1, X2, Xn” và một đầu ra “y” và hàm kích hoạt “g” [83] Các đáp ứngkích thích có khả năng thay đổi theo thời gian được xử lý bằng cách điều chỉnhtrọng số khi huấn luyện mạng.

Hình 1.2 Mô hình một nơron nhân tạo

Mạng noron nhân tạo là mô hình toán học của mạng noron sinh học dé giaiquyết một bai toán cụ thé Theo Mohaghegh (2000), ANN là một hệ thống xử lythông tin có đặc tính giống như mạng nơron sinh học với các đặc trưng sau đây [62]:

(1) Thông tin được xử lý thông qua các noron.

(2) Có đường liên hệ giữa các noron cho phép thông tin truyền qua.(3) Mỗi đường liên hệ có trọng số của nó.

(4) Mỗi đường vào (input) được thực hiện bởi 1 noron Các nơron có hàmkích hoạt dé định giá trị mà nó kết xuất.

Liên kết các nơron nhân tạo với nhau được mạng nơron nhân tạo [66] Mạngnơron nhân tạo gồm 3 lớp: lớp đầu vào (input), lớp an (hidden layer) và lớp đầu ra

Cac bai toán của luận án thuộc dang xap xi ham chưa biết dựa trên giá tri cáccặp điểm vào — ra biểu diễn hàm chưa biết đó Các mạng dạng này hiện có 4 mạngchủ yếu sau đây:

- Mạng perceptron nhiều lớp (MLP) và thuật học lan truyền ngược

(bacpropagation - BP).

- Mạng nơron với ham cơ sở xuyên tam (radial basic functions - RBF).

- Mạng noron xác suất (probabilistic neural networks - PNN).

- Mạng noron hồi quy tong quát (general recurrent neural networks - GRNN).

Luận án sử dụng 2 mang sau:

- Mạng perceptron nhiều lớp (multilayer perceptron - MLP) và giải thuật lantruyền ngược (back propagation - BP) Sử dụng hàm newff trong Matlab tạo ra

mạng MLP [90].

- Mang noron với ham cơ sở xuyên tâm (radial basics functions - RBF) Sử

dung ham newrb trong Matlab tao ra mang RBF [90, 87].

b) Phuong pháp luận của phương pháp ANN

Phương pháp xử lý thông tin của ANN hoàn toàn khác với phương pháp tínhtoán truyền thống Sự khác biệt này gồm 2 điểm sau: (i) Quá trình xử lý thông tincủa ANN được tiến hành song song và phân tán trên nhiều noron gần như đồng thời.(ii) Tính toán là quá trình học chứ không phải theo công thức hay sơ đồ định sẵn.Mô hình “học” được thực hiện bằng quy luật sau [22]:

“nếu Xj thì Tỉ” (1.1)

Quá trình “học” là quá trình huấn luyện mạng Khi huấn luyện mạng, bộtrọng số của ANN được biến đổi hiệu chỉnh sao cho quy luật (1.1) được thỏa mãnvới toàn bộ tập huấn luyện, nghĩa là quy luật (1.1) được thỏa mãn với mọi i=1, 2, ,

p Các bài toán của luận án thuộc dạng xâp xi hàm chưa biệt dựa trên giá trị các cặp

điểm vào — ra biểu diễn hàm chưa biết đó Cơ sở khoa học của phương pháp luận là

tăng đơn điệu.

c) Nội dung triển khai phương pháp ANN

Phương pháp mạng nơron nhân tạo sử dụng trong luận án bao gồm các nội dung sau:- Lựa chọn thuật học phù hợp với bài toán đặt ra, ở đây chính là: thuật học

BP và RBF [87, 90].

- Lựa chọn các dau vao.

- Xây dựng tập huấn luyện đáp ứng điều kiện của tập huấn luyện là nguyênlý phù hợp, tính đại điện, tính đầy đủ.

- Chuẩn hóa số liệu.

- Xác định số noron lớp an.

- Chọn hàm kích hoạt, chọn hàm huấn luyện mạng.

- Tổng hợp tính độ rỗng (và các tham số VLTH khác).

Mô hình ANN có tiềm năng tạo nên cuộc cách mạng trong công nghệ máy

tính và các quá trình xử lý thông tin [14] ANN có kha năng xử lý song song va

phân tán, có thể đưa vào mạng một lượng lớn các noron liên kết với nhau theonhững lược đồ với các kiến trúc khác nhau ANN có khả năng thích nghi, tự tô chức,khả năng dung thứ lỗi do hệ thống mà có thê vẫn tiếp tục làm việc và điều chỉnh khinhận tín hiệu vào nếu có một phần thông tin bị sai lệch hoặc bị thiếu [29] Ngoài ra,ANN có thé xử lý các quá trình phi tuyến.

1.1.3 Trình tự xử lý bài toán ANN

Ứng dụng ANN để giải bài toán thực tế cần giải quyết hai nội dung thiết kếmạng và xây dựng tập huấn luyện, tập tính toán, tập kiểm tra Thực hiện nội dungnày bằng các bước sau đây:

Bước 1: Thu thập dữ liệu và lựa chọn dữ liệu làm đầu vào (mput);

Bước 2: Xây dựng tập huấn luyện, tập kiểm tra và xây dựng tập tính toán;Bước 3: Chuẩn hóa số liệu;

Bước 4: Xác định số noron lớp an, chon hàm kích hoạt, hàm huấn luyện phùhợp;

Bước 5: Đảm bảo độ tin cậy của kết quả tính cho giếng tính toán.1.1.4 Đánh giá chất lượng của ANN bằng tiêu chuẩn (a, R, P)

Luận án sử dụng các hàm newff, ham train, ham sim và khái niệm Epochs.

Hàm newff, hàm train và hàm sim là các hàm thiết kế ANN được cài đặt trong ngôn

ngữ lập trình MATLAB [80].a) Hàm newwff

— net0 là mạng chưa được huấn luyện và sẽ được hàm train huấn luyện.

— LOGhl là các đường cong địa vật lý giếng khoan đầu vào được dùng dé huấn

thường được xác định sẵn là epochs = 1500 và goal = 0.0005 như sau:

net0.trainParam.epochs = 1500.net0.trainParam.goal = 0.0005.

Xác định trên đây phủ hợp với bai toán tính tham số VLTH, nhưng bài toánphục hồi đường cong đo ghi hỏng thì epochs = 2000 tốt hơn (xem chương 3).

Khi bắt đầu chạy chương trình thi hàm newff tạo ra mạng chưa được huấn

luyện gọi là net0.

net0 = newff (P,Q, {‘tansig’ “tansig “ }, ‘trainlm’);

Căn cứ vào ma trận P và ma tran Q ham newff tạo ra mạng có n đầu vào, cóny noron lớp ân, noron đầu ra và xác định ngẫu nhiên các trọng số (randomnumber) [94] Tiếp theo hàm train sẽ huấn luyện mạng net0 để tạo ra mạng tính Phi

gọi là PHInet:

PHInet = train(net0, LOGhI’, TARGET’);

II

Kết thúc huấn luyện thì mạng thông báo giá trị sai số bình phương trung bìnhnhỏ nhất (P), hệ số hồi quy a và hệ số huấn luyện R (hình 1.3a và hình 1.3b).

Căn cứ vào yêu cầu về độ chính xác của bài toán, luận án đưa ra tiêu chuẩnđánh giá chất lượng của AN Mạng được gọi là tốt nếu (a, R, P) thỏa mãn điều kiện

Truc tung: MSE Truc tung: OUTPUT=a x TARGET +b

P-› 0.000n: Mạng thiết kế a—>1,R— 1: Kết quả ANNvà huấn luyện tốt tính ra đúng

Hình 1.3a và 1.3b chứng tỏ mạng tính độ rỗng Phi với 4 đầu vào (input), cósố mẫu của tập huấn luyện là p=360 và với 10 nơron lớp an là mạng rat tốt vì có

a=0.99, R=0.982, P= 0.00095135.

Như kết quả tại hình 1.3a, khi huấn luyện đến Epoch thứ 1500 thì sai số bìnhphương trung bình đạt giá trị nhỏ nhất Giá trị sai số bình phương trung bình nhỏnhất này gọi là performance kí hiệu là P Tiến trình huấn luyện tốt nhất có sai sốbình phương trung bình bằng 0.00095135 tại vòng huấn luyện 1500.

Dé đảm bảo độ chính xác của mô hình, luận án xác định mục tiêu dé MSEhướng tới là 5.10*(đường nét cham năm ngang bên dưới trong hình 1.3a).

Trên hình 1.3b, giá trị đầu ra (Output) = a x TARGET+b, khi a > 1 và b >0, output + TARGET, nghĩa là giá tri mang tính được gan với giá tri dich(TARGET) Như vay, a> 1 khang định giá tri ANN tính ra đúng.

12

Kết thúc huấn luyện mạng đạt được bộ trọng số tốt nhất Bộ trọng số tốt nhấtđược cố định Các tính toán từ sau huấn luyện mạng đều được thực hiện với bộtrọng số này Mang sé tính lai với tập các đường cong DVLGK đầu vào dùng déhuấn luyện, tạo ra véctơ đầu ra với số giá trị (p=360) Tính hệ số tương quan giữavéctơ TARGET với véctơ đầu ra được giá trị R mà mạng thông báo trong hình 1.3b.

Giá trị này gọi là hệ số huấn luyện: training R=0.982 Như vậy R xấp xi 1 (0.90)khẳng định giá trị mạng tính ra là đúng và phù hợp với giá trị thực.

1.2 Tổng quan lịch sử ứng dụng ANN trong nghiên cứu dầu khí

Ứng dụng của ANN trong lĩnh vực dầu khí rất rộng lớn, tập trung vào 4 lĩnh

vực chính sau:

- Xử ly các bai toán: Phân loại (classification), tách cum (clustering), dự

đoán (diagnosis) và liên kết.

- Các bài toán tối ưu, tìm nghiệm cho nhiều lớp bài toán tối ưu toàn cục vàkết hợp mạng noron với các thuật toán di truyền.

- Các bài toán về hồi quy và tổng quát hóa (regression and generalization).

- Bài toán về nhận dạng (pattern completion), loại này gồm chủ yếu hai lớpmô hình, gồm mô hình Markov các mạng nơron nhiều lớp, máy Bolzmann vàmang Hopfield tinh [33].

1.2.1 Tổng quan các nghiên cứu ứng dung ANN trong dau khí trên thế giới

Ung dụng trong nghiên cứu DVLGK trên thế giới gồm chủ yếu ba hướng:Nghiên cứu đặc điểm địa chất khu vực thăm dò dầu khí; Đánh giá đặc điểm, chất

lượng, phân loại dầu khí; Tính các tham số vật lý thạch học [62].a) Nghiên cứu đặc điểm địa chất khu vực thăm dò dầu khí

Trong nghiên cứu đặc điểm địa chất khu vực nhằm thăm dò dầu khí, ANNđược ứng dụng dé nghiên cứu tính các đặc điểm sau:

Tinh nhiệt độ thành hệ: Nhiệt độ thành hệ hydrate gas tự nhiên, sử dung ham

chuyển là hàm sigmod có dang: f (x) =1 - =1 ˆ - Công thức chuẩn hóa là:

Inputs CP SpGr) J s output €T)

Hình 1.4 Mạng tính nhiệt độ thành hệ khí hydrat tự nhiên [63]

Kết quả cho thấy khi áp suất từ 50 psi đến 4200 psi, trọng lực gravity la

0.554 thì nhiệt độ thành hệ nhận được tir 32°F đên 74°F.

Tính tốc độ sóng truot: Eskandari, H.Rezaee, M.R và Mohammadnia [71] ởDai hoc Amikabir, Viện nghiên cứu Công nghệ Dau khí va Khoa Địa chất Đại học

Tehran, Iran đã tính tốc độ sóng trượt cho tầng chứa South West Iran Kiến trúcmạng thiết kế như hình 1.5 Kết qua thu được đem so sánh với mẫu lõi rất phù hợp,biểu diễn trên hình 1.6.

“ Mau lỗi

Hai quy đa biển

= 2770 2790 2810 2830 2850 2870

Hinh 1.6 Két qua tinh cua ANN va lay mau [71]

Xác định đặc điểm thạch học của đá tram tích: Y.Zhang, H.A.Salisch vaJ.G.McPherson xác định tướng trầm tích trong thành hệ có tướng trầm tích phức tạp[103] Tập huấn luyện lay từ phân tích tướng trầm tích lõi thông thường trong thànhhệ nghiên cứu Áp dụng trong 6 giếng thấy rằng việc xác định đặc điểm thạch học

của đá tram tích bang mạng noron có hiệu quả tot

14

b) Đánh giá đặc điểm, chất lượng và phân loại dầu

Tính thành phần hợp chất hydrocarbon tầng chứa, Briones, M.F, Corpoven

S.A, Rojas, U.Central de Venezuela, Corpoven S.A [65] đã sử dụng mạng hàm co

sở xuyên tâm (RBF) dự báo tỷ lệ dau khí (Gor) với thành phan phân tử Cl và C02và C2-C6 và C7+ Tập huấn luyện gồm 36 mẫu ở Bắc Monagas va 80 mẫu ở cácnơi khác Kiểm tra mạng bằng 80 số liệu ở phòng thí nghiệm phía Đông Venezuela

cho thấy dự đoán có hiệu quả tốt.

Tính giá trị tới hạn của hỗn hop hydrocarbon, S.M.Hosseini, G.R.Zahedi va

A.R.Fazlali [98] sử dung mạng cơ sở xuyên tâm (RBF) dé tính giá tri tới han củahỗn hop hydrocarbon Mạng gồm 3 đầu vào, một lớp ấn gồm 2 noron và | đầu ra.

Xác định metan, sunfua, nitơ và hàm lượng dư hydro của tầng chứa, C.G.Ma

và H.X.Weng dai học Thượng Hải [68] xác định metan, sunfua, nitơ và hàm lượng

dư hydro Mô hình có 7 đầu vào, 4 đầu ra và một lớp ân gồm 15 nơron Kết quả giátrị tính và giá trị đo là phù hợp Sai số trung bình ít hơn 6%.

Phân tích phé 2D NMR của hỗn hợp hydrocarbon, Koskela, Hiltunen và

Ala-Korpela, trung tâm Công nghệ, PO Phan Lan [85] ding ANN phân tích phổ 2DNMR của hỗn hợp hydrocarbon, giải quyết thông tin chồng chéo trong quang phố2D NMR Kết quả cho thay phân tích định lượng là khả thi trong 2D và có thé đánhgiá các mối quan hệ phức tạp và phi tuyến giữa các phân tử thành phần và tính mẫu.

Xác định tỷ lệ khối lượng dầu khí trong dầu thô, các nhà khoa học Trường

Đại học Bắc Kinh (Trung Quốc) sử dụng ANN và lý thuyết tập mờ tính dầu thô, tỷlệ khối lượng dầu khí trong dầu thô Kết quả xác minh tại mỏ dầu Đại Khánh chothấy phương pháp này là chính xác, đáng tin cậy để tính tỷ lệ khối lượng dầu khítrong dầu.

c) Tính các tham số vật lý thạch học

P.M.Wong và cộng sự là thành viên của SPE năm 1997 đã tính độ thấm củaRavva Field [93], ngoài khơi India Mô hình có 6 đầu vào, 279 mẫu huấn luyện.

Bay năm sau E.M.EL-M Shokir, A.A.Alsughayer và A.Al-teeq thuộc trường Dai

học King Saud [70] tính độ thấm mỏ dầu Arabian Gulf với mô hình hoàn toàn nhưmô hình của P.M.Wong và D.J.Henderson Mô hình có 6 đầu vào là (ø), GR,

RHOB, DT, NPHI và LLD và đầu ra là độ thấm K Các tác giả dùng ham sau:

y=ƒ|b +b, f,(w, + Dw),j=l i=]

15

Trọng sô là một sô ngầu nhiên và các gia tri cuôi cùng được xác định băng

K = Bie (CK jew) max

G.M.Hamada va M.A.Elshafei [74] sử dung ANN với hai lớp ân dé tinh độthấm va độ rỗng Dữ liệu huấn luyện là độ thấm và độ rong thực nghiệm.

A.Terrilyn M.Olson [101] là thành viên của SPE dùng ANN để dy tinh độrỗng và độ thấm cho hai mỏ khí lớn: mỏ Hugoton ở Kansas và mỏ khí ở Red Oak

Input Racial Basis Neuron

‘ 7 ; :

Hình 1.7 Mạng RBF với R đầu vào tính K va Phi [74]

Hans.B Alpana Bhatt và Bjorn Ursin [77] tính độ rỗng, độ thấm ở biển Bắc.

Alpana Bhatt thuộc khoa năng lượng dầu khí đại hoc Norwegian [64] trongluận án tiên sĩ của mình cũng tính độ rông băng mạng ANN.

Nabil Al-Bulushi Martin Kraaijeveld khoa dầu khí Oman (PDO) [89] đãdùng ANN để tính độ bão hòa nước thành hệ Haradh Oman tầng chứa Sandstone vàthành hệ Gharf tang chứa Sandstone ở Oman.

16

—®— Do trong phòngthí nghiệm-œ- Bo bingANN

Hình 1.8 So sánh độ bão hòa nước giữa lay mau thí nghiệm & tính bang ANN

(trục hoành là mẫu, trục tung là độ bão hòa nước) [89]

Mạng thành hệ Haradh: đầu vào gồm: mật độ, neutron, điện trở suất,photonelectric Lớp an có 5 noron, thuật học dùng PROP, hàm chuyên là tan-

sigmoid và purlin Kết quả ở hình 1.8.

Mạng thành hệ Gharif: Mạng ANN được thiết kế sử dụng hàm Leverett

J-function và dé liệu là áp suất mao dan (capillary pressure) sử dụng côngthức [91]:

5y =p th

Tạp chi SPE nổi tiếng của hiệp hội các kỹ sư dầu khí Hoa Kỳ năm 2019 [62]

đã tông kết những ứng dụng thành công của ANN trong nghiên cứu dầu khí, cụ thể

trong từng mảng lớn là: thăm dò, khoan và khai thác (bảng 1.1, 1.2 và 1.3).

Bang 1.1 Các ứng dụng của ANN trong thăm đò dầu khí

Guo và những người khác (1992)Sử dụng ANN để trích xuất cầu trúc đặc trưng và thông

tin thạch học từ tài liệu địa chân.

chính từ tài liệu địa chân.Karrenbach và những người khác

Dự đoán thời gian thực về các tính chất lưu biến của

chât lỏng khoan từ dâu băng cách sử dụng mạng nơron

Clifford & Aminzadeh (2011)Sử dung ANN dé phát hiện khí từ thuộc tính hap thụ va

biên độ trong trường dâu vịnh Grand.

17

Aminzadeh và những người khác(2011)

Sử dụng ANN dé tự động lựa chọn dit liệu động đất vi

địa chânCanning va những người khác

Sử dung ANN dé nâng cao phố tan số của tài liệu địa

Bảng 1.2 Các ứng dụng của ANN trong khoan giếng dầu khí

Arehart (1990)Sử dụng ANN để xác định cấp (trạng thái mòn) của

mũi khoan trong khi khoan.Dashevskiy và những người khác

Sử dụng ANN để mô hình trạng thái động của hệ thống

khoan phi tuyên, nhiêu đâu vao một đâu ra

Bilgesu và nnk (2001)Sử dụng ANN để lựa chọn mũi khoan tối ưu dựa trên

một vài đâu vào.Fruwirth và nnk (2006); Wang

va Salehi (2015)

Sử dụng ANN để tối ưu hóa và dy đoán khoa thủy lực

với một ví dụ thực tê

Okpo và nnk (2016) Sử dụng ANN dé dự đoán sự không ôn định với bài

hoc lich sử từ trường dau Niger Delta ở Nigeria.

Li va nnk (2018) Sử dung ANN dé dự đoán mức độ rủi ro của việc mat

dung dịch trong khi khoan.

Al-AbdulJabbar và nnk (2018)Sử dụng ANN để dự đoán nóc thành hệ trong khi

Bảng 1.3 Các ứng dụng của ANN trong khai thác dầu khí

Tác giả Tiêu đề bài báo

Thomas & Pointe (1995) Sử dụng ANN xác định hướng phat triển đứt gãy

Sử dụng ANN để phát hiện các đứt gãy tiếp theo với

Denney (2000)

bài học lịch sử từ trường dầu Red Oak.

Al-Fattah & Startzman (2001)Phát trién mô hình ANN đề dự báo sản lượng khí của

nước Mỹ tới năm 2020.

Sử dung ANN dé dự đoán sự cô sập ông chống do bồnSalehi và nnk (2009) chưa nén ép, ảnh hưởng của đàn hồi và ăn mòn Sử

dụng từ trường dầu carbonate ở lran.

` Xây dựng mô hình mô phỏng bồn chứa và ding ANN

Costa và nnk (2014) NHAđê đôi sánh lịch sử.

Khan và nnk (2018) Áp dụng ANN dự đoán sản lượng khai thác tối ưu.

Sử dung ANN dé dự đoán áp suất dòng chảy đáy gién

Tariq (2018) ung L p 6 chảy day giếng

1.2.2 Tổng quan các nghiên cứu trong nước

Ở Việt Nam, ứng dụng ANN trong nghiên cứu dầu khí bắt đầu tương đối

muộn so với thê giới Bat dau từ những năm 2000, sô lượng nghiên cứu chưa nhiêu,18

gồm một số kết quả chủ yếu sau: Nghiên cứu tổng quan về ứng dụng của mạngnơron trong tìm kiếm thăm dò và khai thác dau khí [8] Nghiên cứu ứng dụng trí tuệnhân tao trong minh giải tài liệu DVLGK phục vụ tìm kiếm thăm dò dầu khí [6]

cũng đã được tiễn hành tại một số khu vực ở thêm lục địa Việt Nam Nghiên cứuđặc điểm và đánh giá chất lượng tầng chứa như: “Phân loại tướng đá từ tài liệuPVLGK bằng mạng nơron quantum” [7], “Xác định nhân tố thủy lực téng hợp từtài liệu DVLGK sử dung ANN đánh giá chất lượng của tang chứa dầu khí” [9].

Năm 2007, Lê Hải An và nnk đã thực hiện đề tài nghiên cứu khoa học cấpBộ “Nghiên cứu ứng dụng trí tuệ nhân tạo trong minh giải tài liệu địa vật lý giếngkhoan phục vụ tìm kiếm thăm dò dầu khí ở thềm lục địa Việt Nam” [4, 5] Nhómtác gia đã sử dụng lý thuyết tập mờ và ứng dụng mạng noron nhân tạo dé tính độrỗng và độ thấm là hai tham số rat quan trọng trong minh giải tài liệu DVLGK.

Năm 2008, Trần Đức Lân đã thống kê, tổng hợp, xây dựng và thử nghiệmcác mô hình mạng noron nhân tạo từ đó lựa chọn được mô hình tối ưu áp dụng vàocông tác xác định độ thấm đá móng nút nẻ granitoid tại mỏ Bạch Hỗ trong Luận ántiến sĩ “Nghiên cứu độ thấm đá móng nứt nẻ granitoid mỏ Bạch Hồ bằng mạng

noron nhân tạo” của mình [28].

Năm 2015 Lê Quốc Thịnh, Phạm Tuấn Anh và nnk thuộc Tổng công tyThăm dò Khai thác Dầu khí đã tiến hành nghiên cứu “Ứng dụng kỹ thuật mạngnoron nhân tạo trong dự báo độ thấm đá chứa Miocene mỏ Dai Hùng trên cơ sở tài

liệu mẫu lõi và đường cong địa vật lý giếng khoan” [53].

Năm 2016 Trần Khả Tiến và Hoàng Thịnh Nhân Đại học Dầu khí Việt Namđã xác định hệ số Z cho khí hydrocarbon tự nhiên bằng mạng noron nhân tạo [54].

Năm 2017 Pham Huy Giao và Kushan Sandunil đã ứng dụng phương pháp

học sâu với kĩ thuật mạng noron nhân tạo trong việc dự báo độ rỗng lớp nứt gãy

(Giao & Sandumil, 2017).

Tính các tham số vật lý thạch học: “Xây dựng mô hình mạng nơron theo tàiliệu DVLGK để tính độ rỗng và độ thấm” [5] “Ung dung ANN tính độ rỗng và độthấm cho cấu tạo vùng Đông thêm luc địa Nam Việt Nam” [25], của Bùi Thị ThanhHuyền, Yasuhiro Yamada, Toshifumi Matsukova Đại học Kyoto Hồ Trọng Long,Keisuke Usijima Đại học tổng hop Kyushu [26] Tuyển tập báo cáo hội nghị KHCN“30 năm Dau khí Việt Nam: Cơ hội mới, thách thức mới” “Một số kết quả ứngdụng ANN tính độ thấm của thân dau trong đá móng nứt nẻ - hang hốc mỏ BachHồ” [44], của Hoàng Văn Quy, Trần Đức Lân, Hoàng Xuân Ban Tuyền tập báo cáohội nghị KHCN “30 năm Dầu khí Việt Nam: Cơ hội mới, thách thức mới”, “Đánh

19

giá khả năng ứng dụng mạng noron nhân tao dự báo lún bề mặt mỏ do khai thácham lò” [30] Nguyễn Quốc Long - Dai hoc Mỏ Địa chat.

Một số nghiên cứu thuộc lĩnh vực khác nhưng mô hình tương tự mô hình của

luận án được luận án tham khảo như mô hình của Phạm Thị Hoàng Nhung [36], Lê

Văn Nghinh [37], Nguyễn Chí Ngôn [40], mô hình Florence Yean Ying [72].

Các mô hình toán kinh tế thuộc dạng nội suy hàm chưa biết tương tự môhình tính tham số VLTH được luận án nghiên cứu để so sánh gồm:

- Mô hình ANN dé hỗ trợ Quyết định gia nhập thị trường quốc tế [81].- Mạng noron dé ước tính năng suất xây dựng [82].

- Phân chia thị trường một ứng dụng ANN [83].

- Thiết kế mạng noron dé dự báo thời gian tài chính và kinh tế [84]

- Áp suất mao dẫn & Mô hình hồ chứa dầu có tính 6n định tương đối [88].

- Quá trình tiễn hóa địa chất và kiến tạo mảng trong Kainozoi của Đông NamÁ và Tây Thái Bình Dương: tái tạo dựa trên máy tính, mô hình và hình ảnh động

- Mô hình mang noron tính chi phí cho các dự án đường cao tốc [99].

Khu vực nghiên cứu của luận án là phía băc bê Cửu Long hiện tại chưa cókết quả nghiên cứu ứng dụng ANN.

1.3 Các vấn đề luận án nghiên cứu

Dé phục hồi các đường cong DVLGK đo ghi hỏng và dé thiết kế được cácmạng nơron nhân tao phù hợp với bé Cửu Long, luận án thực hiện hai nội dungnghiên cứu về lý luận, thuật giải và nghiên cứu ứng dụng.

a) Nghiên cứu về lý luận và thuật giải

Nghiên cứu lựa chọn dữ liệu đầu vào, xác định số đầu vào Bài toán đặt ra làxác định các tham số VLTH và phục hồi các đường cong đo ghi hỏng bằng ANN.ĐỀ giải các bài toán này phải cung cấp cho mạng những thông tin cần thiết và đủ.Những thông tin này gọi là dữ liệu đầu vào (hay còn gọi là input) của mạng noron.Xác định số đầu vào nghĩa là phải xác định số đầu vào cần thiết để mạng nơronnhận được đủ thông tin cần thiết.

Nghiên cứu điều kiện của tập huấn luyện, phương pháp xây dựng tập huấnluyện cho bài toán ứng dụng ở bê Cửu Long.

Nghiên cứu phương pháp chuẩn hóa số liệu cho từng đường cong DVLGK.

20

Nghiên cứu phương pháp xác định số nơron lớp ẩn.

Nghiên cứu phương pháp xác định hàm kích hoạt của các noron và phươngpháp chọn hàm huấn luyện mạng.

b) Nghiên cứu ứng dụng

ANN được ứng dụng giải các bài toán sau:

- Phục hồi các đường cong đo ghi hỏng bằng ANN với 4 đầu vào.

- Tính các tham số VLTH (độ rỗng, độ bão hòa nước, hàm lượng sét) bằngANN với 4 đầu vào.

Tổng hợp các nội dung nghiên cứu của luận án được thể hiện ở biểu đồ hình

Hệ thống thông tin

Các đường cong DVLGK đo ghi Tài liệu địa chất bể Cửu Long

Các đường cong DVLGK đã - Lựa chọn dữ liệu

được phục hồi - Xây dựng tập huấn luyện

-Xây dựng các tương quan

Hình 1.9 Biểu đồ nội dung nghiên cứu luận án

1.3.1 Phương pháp lựa chọn các đường cong dau vào và xác định số đầu vào

Cơ sở đữ liệu (CSDL) là đầu vào của ANN Mỗi bài toán có CSDL riêng.Phương pháp ANN tính các tham số VLTH là xấp xi hàm chưa biết dựa trên giá trị củacác cặp điểm vào - ra biéu diễn hàm chưa biết đó Tinh Phi 4 đường cong x1, X2, X3, X4với xi € (GR, DT, NPHI, RHOB, LLD, LLS) thi Phi là hàm của các biến XI, Xa, Xa, X4:

21

Phi = f(xi, X2,X3,X4,)

Phi là hàm của x; nghĩa là giá trị của x; phải có tác dụng quyết định giá trị của

Phi Khi đó x; gọi là các biến có ích Dé tìm được những biến có ích làm đầu vàophải lựa chọn chúng Muốn lựa chọn phải sắp xếp thứ tự ưu tiên các đường congPVLGK Đường cong có tác động mạnh hơn đến đầu ra thì xếp lên trước, đườngcong nào không có tác động đến đầu ra thì loại bỏ không dùng làm đầu vào Dưới

đây là bài toán tính độ rỗng Phi Các bài toán khác cũng làm tương tự.

a) Sắp xếp thứ tự ưu tiên các đường cong DVLGK làm đầu vào

Sắp xếp thứ tự ưu tiên bằng cách xét các cặp hai đường cong, đường cong nàotác động mạnh hơn đến đầu ra thì xếp đứng trước Cứ như vậy xếp được thứ tự tất cả

các đường cong.

Ví dụ áp dụng vào bài toán tính độ rỗng (Phi), việc sắp xếp thứ tự giữa DT vàRHOB tiến hành như sau: Chọn 3 đường cong có định là GR, NPHI, LLD; tổ hợpthứ nhất gồm 4 đường cong GR, NPHI, LLD và DT; tô hợp thứ hai gồm 4 đườngcong GR, NPHI, LLD và RHOB Tô hợp thứ nhất tinh Phi được PhiANN1 Dùng tổhợp thứ hai tinh Phi được PhiANN2 So sánh PhiANN1 với Phi đã biết, tính sai sốbình phương trung bình là MSEI So sánh PhiANN2 với Phi đã biết, tính sai sốbình phương trung bình là MSE2 So sánh MSEI và MSE2 cho thấy, MSE2<MSEI, vậy kết luận đường cong RHOB tốt hơn DT, như vậy RHOB xếp trước DT.Tương tự trên, xét tiếp NPHI với DT được kết quả NPHI xếp trước DT Sắp xếpgiữa NPHI và RHOB bằng cách chọn 3 đầu vào cố định là GR, DT, LLD, các tổhợp được xem xét là GR, DT, LLD, RHOB và GR, DT, LLD, NPHI Kết quả tínhtoán xếp NPHI và RHOB cùng nhóm tốt nhất - cấp 1 (bảng 1.4) Lần lượt làm nhưvậy, xác định được tác động mạnh nhất là NPHI, RHOB tiếp theo là GR, DT sau làLLD, LLS Thực hiện tương tự cho bài toán tính độ bão hòa nước (Sw), tính hàm

lượng sét (Vecu) thu được kết quả tại bang 1.4.

Đường cong LLD tốt hơn LLS và chi can dùng 1 trong 2 đường cong nay làđủ Vì vậy dùng LLD, chỉ khi LLD đo ghi hỏng mới dùng LLS Kết luận về vai tròcủa LLD và LLS không chỉ đúng cho bể Cửu Long cũng tương tự như kết quả của

P.M.Wong, D.J.Henderson, L.J.Brooks [93].

Tinh Phi NPHI, RHOB GR, DT LLD, LLSTinh Vc GR, DT NPHI, RHOB | LLD, LLS

22

Tính Sw | GR, LLD Phi, LLS NPHI, RHOB

Kết quả từ bảng 1.4 cho thấy:

(1) Định mức chuẩn hóa cho từng đường cong: Tính Phi tốt nhất sử dụng

NPHI và RHOB Hệ số chuẩn hóa giá trị trung bình của NPHI và RHOB được lấytheo kinh nghiệm bang 0.7 Tiếp sau là GR, DT rồi tiếp sau là LLD và LLS nên:

Chuan hóa cho mean(NPHI) = 0.7 Chuẩn hóa cho mean(RHOB) = 0.7.Chuan hóa cho mean(GR) = 0.6 Chuan hóa cho mean(DT) = 0.6.

Chuan hóa cho mean(LLD) = 0.5 Chuẩn hóa cho mean(LLS) = 0.5.(2) Chọn các tổ hợp đầu vào tốt nhất có thể.

Từ bảng 1.4 cho thay, tính Phi tô hợp tốt nhất là NPHI, RHOB, GR, DT Cáctô hợp tiếp theo được xếp như sau:

Tổ hợp 1: NPHI, RHOB, GR, DT;Tổ hop 2: NPHI, RHOB, GR, LLD;Tổ hợp 3: NPHI, RHOB, DT, LLD;Tổ hop 4: NPHI, GR, DT, LLD;

T6 hop 5: RHOB, GR, DT, LLD.

Trong các tô hợp 2, 3, 4 và 5, nếu LLD đo ghi hỏng thì dùng LLS Trườnghợp tính độ bão hòa nước và hàm lượng sét cũng lập được các tô hợp tương tự.

b) Xác định số lượng đầu vào

+ Kiểm nghiệm số đầu vào

Số đầu vào tối ưu bằng 4 được khẳng định sau khi NCS áp dụng kiểm tra

hơn 50 giếng Cụ thể, tính độ rong bang 3 dau vào, 4 đầu vào, 5 đầu vào và 6 đầu

vào cho giếng đã biết độ rỗng rồi Sau đó so sánh độ rỗng ANN tính ra với độ rỗngđã biết dé rút ra số đầu vào tối ưu Sau đây đưa ra 2 ví dụ xác định số đầu vảo tối ưu

cho đá tram tích KZ và đá móng magma trước KZ:- Da tram tích Kainozoi:

Tinh Phi giếng NI, N2, N3 bang ANN gọi là PhiANN So sánh với Phi do

công ty A tính gọi là PhiA được hình 1.10 và bảng 1.5 Năm mươi dong dir liệu có23

bề dày 0,1524x50 = 7,62 m Lấy giá trị trung bình của Phi ở 50 dòng dữ liệu này vàcoi là giá trị đại diện cho bề dày 7,62 m.

PhiA-PhiANN3input PhiA-PhiANN4input PhiA-PhiANNSinput

-3400 -3400 -3400

2 =0.82402 F =0.91216 rẺ =0, 79565

veut 81 a2 Sst 04 0.2 eoduels 01 ũ.2

Phi % Phi % Phi 3%

Hình 1.10 PhiA và PhiANN với 3, 4, 5 đầu vào giếng NIBảng 1.5 Hệ số R? giữa độ rỗng Phi A và độ rỗng PhiANN

Giêng 3 đầu vào 4 đầu vào 5 đầu vào

NI R?=0.82 R?=0.91 R?=0.79

N2 R?=0.74 R?=0.95 R?=0.71N3 R?= 0.75 R?= 0.93 R?= 0.72

- Da mong magma:

Tính Phi giếng R1, R2, R3, R4 bang ANN gọi là PhiANN So sánh với Phido phương pháp BASROC tính gọi là PhiBASROC duoc bang 1.6.

Bảng 1.6 Hệ số R2 giữa độ rỗng PhiBASROC và độ rỗng PhiANN

Giéng 3 đầu vào 4 đầu vào 5 đầu vào 6 đầu vào

+ Dùng tiêu chuẩn (a, R, P) đánh giá chất lượng mạng 4 đầu vào tốt, thể hiện trênhình 1.3, ANN 4 input có a=0.99; R=0.0009513; P=0.0009513.

+ Dùng tập kiểm tra đánh giá kết qua đưa ra của mạng 4 đầu vào là tốt (chi tiết ở

chương 4).

+ Phi tính bằng ANN4 đầu vào đã được sử dụng để xây dựng sơ đồ công nghệ khai thác

1.3.2 Xây dựng tập huấn luyện và tập kiểm tra

Phương pháp ANN tính các tham số VLTH là xấp xi hàm chưa biết dựa trêngiá trị của các cặp điểm vào - ra biéu diễn hàm chưa biết đó Tập các cặp điểm vào- ra (Xi - Yi) với ¡=1,2 , p là tập huấn luyện của ANN Tập huấn luyện (THL) cócau trúc như sau: THL = [LOGhl TARGET] thì LOGhI là Xi, TARGET là Yi Với i

= 1, 2, , 360.

Vi dụ: Tinh Phi 4 đầu vào là GR, NPHI, RHOB, LLD thi:

LOGhl =[GR NPHI RHOB LLD] là ma trận 360 hang, 4 cột.

TARGET = [Phi] là ma trận 360 hang 1 cột.

Trong đó :

— LOHhI là tập các điểm đầu vào là tập xác định của tập huấn luyện.— TARGET là tập các điểm đầu ra của tập huấn luyện.

Ví dụ: Hai bang dưới đây là 3 dòng dữ liệu của 1 tập huấn luyện Bang 1.7 số

liệu chưa chuân hóa và bang 1.8 sô liệu đã chuân hóa.

Bang 1.7 Ba dòng dữ liệu của tập huấn luyện tính Phi (chưa chuẩn hóa)

GR NPHI RHOB LLD Phi

105.91 0.2944 2.4805 2.6024 0.0028109.26 0.2759 2.4944 3.2543 0.0008100.22 0.2400 2.4860 3.2992 0.0317

Bang 1.8 Ba dòng dữ liệu của tập huấn luyện tính Phi (đã chuẩn hóa)

GR NPHI RHOB LLD Phi0.3837 0.2526 0.8700 0.0560 0.0112

0.39.26 0.2459 0.8762 0.0643 0.0032

0.3542 0.2204 0.8729 0.0692 0.1268

a) Điêu kiện của tap huan luyện

25

Đề ANN xấp xi được hàm chưa biết thì tập huấn luyện phải thỏa mãn 2 yêu cầu

- Yêu cầu 1: Tập huấn luyện phải biéu diễn được ham chưa biết của giếngtính toán Nhưng tập huấn luyện được xây dựng từ số liệu không phải của giếng tínhtoán mà từ số liệu của giếng huấn luyện Dé đáp ứng yêu cầu “Tập huấn luyện phảibiểu diễn được hàm chưa biết của giếng tính toán” thì tập huấn luyện phải thỏa mãn

nguyên lý phù hợp.

- Yêu cầu 2: Tính Phi với 4 đường cong đầu vào GR, DT, NPHI, RHOB.

Nghĩa là Phi là hàm của GR, DT, NPHI, RHOB, hay Phi = f(GR, DT, NPHI,

RHOB) Khảo sát giếng tính toán được:

30 (api) < GR <_ 120 (api)

40(usec/ft) < DT < 140(usec/ft)0.025(dec) < NPHI <_ 0.38(dec)

1.95(g/em?) < RHOB < 2.96(g/cm)

Bén giới han trên là tập xác định của ham f(GR, DT, NPHI, RHOB) Taphuấn luyện phải thỏa mãn nguyên ly về tinh đại diện, tinh đầy đủ và tính phù hợp.Nghĩa là trong LOGhI thi GR cũng phải có đủ từ 30 đến 120 Đặc điểm này gọi làtính đại điện Mỗi giá trị của biến đầu vào phải xuất hiện 3 lần trở lên Điều kiệnnày gọi là tính đầy đủ Nguyên lý phù hợp nghĩa là để tính tham số vật lý thạch học

cho giếng A thì số liệu để xây dựng tập huấn luyện phải chọn từ giếng có đặc điểm

địa chất dầu khí giống giếng A (và đã tính được giá trị tham số vật lý thạch học).Hai giếng có đặc điểm địa chất dầu khí giống nhau khi và chỉ khi các đường congPVLGK của 2 giếng có hàm phân bố giống nhau.

— Khảo sát các cặp 2 giếng: giếng A, giếng B có đặc điểm địa chất dầu khígiống nhau được kết quả như sau:

GR(A) có phân bố như GR(B)DT(A) có phân bố như DT(B)

NPHI(A) có phân bố như NPHI(B)

RHOB(A) có phân bố như RHOB(B)

— Khảo sát các cặp 2 giếng: giếng C, giếng D có đặc điểm địa chất dầu khíkhác nhau được kết quả như sau:

26

GR(C) có phân bồ khác phân bố của GR(D).DT(C) có phân bố khác phân bố của DT(D).

NPHI(C) có phân bố khác phân bố của NPHI(D).

RHOB(C) có phân bố khác phân bố của RHOB(D).

— Từ đó suy ra: Hai giếng có đặc điểm địa chất dầu khí giống nhau khi và chỉkhi các đường cong DVLGK của 2 giếng có hàm phân bố giống nhau.

Cách tìm giếng huấn luyện là: Tìm giếng có hàm phân bố của GR, DT,NPHI, RHOB giống hàm phân bố của GR, DT, NPHI, RHOB giếng tính toán.

Dé tìm giếng đã biết tham số VLTH mà các đường cong DVLGK của giếngnày có phân bố giống các đường cong DVLGK của giếng tính toán với cách làmnhư sau:

— Đếm tan số của GR, DT, NPHI, RHOB, LLD, LLS của giếng tính toán vàcủa các giếng định chọn làm tập huấn luyện;

— Tính hệ số R2, chọn giếng có hệ số R? đủ lớn R? là bình phương hệ số tương

quan R.

Cụ thé, xác định Phi cho giếng CL2 Chọn giếng PDI, PD2, PD3 và WKNI;tính hệ số R? (bang 1.9) Từ bảng 1.9 chọn giếng PDI dé xây dựng tập huấn luyệntính Phi cho giếng CL2 vì R7 lớn nhất.

Bảng 1.9 Hệ số R? của CL2 với PDI, PD2, PD3 và WKNI

Đường | R?(CL2,PDI) | R?(CL2,PD2) | R?(CL2,PD3) | R?(CL2,WKNI)

GR R2= 0.92 R2= 0.87 R= 0.80 R= 0.73NPHI R2=0.89 R2=0.79 R2=0.78 R2=0.64

RHOB R2=0.95 R2=0.87 R2=0.86 R2=0.52

Trung R2=0.92 R2=0.84 R2=0.81 R2=0.63

b) Xác định số mẫu huấn luyện tối ưu

Kết quả nghiên cứu cho thấy, số mẫu tối ưu của tập huấn luyện là 360 Cụthể, với số mẫu bang 360 thi tap huấn luyện sẽ thỏa mãn tính đại diện và tính đầy đủ.

Mỗi đầu vào (input) nhận khoảng 100 giá trị khác nhau, p=360 đảm bảo mỗi giá trị

có ít nhất 3 lần xuất hiện Kiểm nghiệm thực tế cho thấy, 300 < p < 400 là mạng

huấn luyện tốt, p< 250 là xấu Hình 1.3b cho thấy p= 360 rat tốt.

27

c) Các bước xây dựng tập huấn luyện

Bước 1: Khảo sát giếng tính toán là giếng CL2 Tính NN(GR)=min(GR),

LN(GR)=max(GR), làm tương tự với các đường cong khác.

Bước 2: Chọn các giếng PDI, PD2, PD3 và WKNI đã tính được Phi Đánhgiá khả năng thỏa mãn nguyên lý phù hợp với giếng CL2 được kết quả bang 1.9.Chọn giếng PDI để lấy số liệu xây dựng tập huấn luyện tinh Phi cho giếng CL2.

Bước 3: Từ giếng PDI loại bỏ các dòng đữ liệu nằm ngoài giới hạn củagiếng CL2 Nghĩa là loại bỏ các dòng dit liệu có GR<NN(GR) Loại bỏ các dòng dữ

liệu có GR >LN(GR), làm tương tự với các đường cong khác.

Bước 4: Trong tập số liệu còn lại chọn 360 dòng trải dài từ nóc giếng đếnđáy giếng được tập huấn luyện tính Phi giếng CL2 (bảng 1.10) Tập huấn luyện đầyđủ là hình 1.11.

Bảng 1.10 Tập huấn luyện tính Phi giếng CL2

GR NPHI RHOB LLD Phi1 105.91 0.2944 2.4805 2.6024 0.0028

2 109.26 0.2759 2.4944 3.2543 0.0008

359 108.31 0.1890 2.5849 4.3819 0.0537360 119.14 0.1895 2.5505 4.6505 0.0680THL= [LOGhl TARGET] là ma trận 360 hang 5 cột, trong đó:

LOGhI=[ GR NPHI RHOB LLD] là ma trận 360 hàng, 4 cột ;TARGET =[Phi] là ma trận 360 hàng, | cột.

28