基于GIS中神经网络与ANFIS的石油勘探区空间建模
机器学习
2016-08-23 v1
摘要
油气资源勘探是一个高度复杂且昂贵的过程，需要开发并综合各种地质、地球化学和地球物理因素。如何设计地震数据采集勘测并定位探井至关重要，因为不正确或不精确的位置会导致作业过程中时间和金钱的浪费。本研究的目标是在包含20个油田的1:250,000阿瓦士图幅中定位高潜力油气田，以减少勘探和生产过程中的时间和成本。为此，利用GIS功能开发了17幅图，涉及的因素包括：总有机碳的最小值与最大值、生烃潜力、Tmax峰值、生产指数、氧指数、氢指数，以及高剩余布格重力异常的存在或邻近程度、背斜轴和断层的邻近程度、从阿斯马里组地下等值线获取的地形和曲率图。为了对地图进行建模和集成，本研究采用了人工神经网络和自适应神经模糊推理系统方法。模型验证结果表明，R=0.8948、RMS=0.0267、kappa=0.9079的17x10x5神经网络比其他模型（如ANFIS）训练得更好，并能更准确地预测潜力区。然而，该方法未能预测出某些油田，并错误地将某些区域预测为潜力区。
引用
@article{arxiv.1608.05934,
title = {Spatial Modeling of Oil Exploration Areas Using Neural Networks and ANFIS in GIS},
author = {Nouraddin Misagh and Mohammadreza Ashouri},
journal= {arXiv preprint arXiv:1608.05934},
year = {2016}
}