Izradba strukturnih karata pomoću neuronskih mreža iz bušotinskih i seizmičkih podataka - primjer u naftno-plinskom polju Kloštar

diplomski rad

• Naslov: Izradba strukturnih karata pomoću neuronskih mreža iz bušotinskih i seizmičkih podataka - primjer u naftno-plinskom polju Kloštar : diplomski rad
• Naslov (engleski): Structural mapping of seismic and well data with artificial neural networks – an example from oil and gas filed Kloštar : master's thesis
• Autor: Filip Vukičević
• Mentor: Josipa Velić (mentor)
• Mentor: Marko Cvetković (pomoć pri izradi, neposredni voditelj)
• Član povjerenstva: Josipa Velić (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Malvić (član povjerenstva)
• Član povjerenstva: Ivan Dragičević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Rudarsko-geološko-naftni fakultet; (Zavod za geologiju i geološko inženjerstvo); Zagreb
• Datum i država obrane: 2013-02-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Geologija; Geologija i paleontologija

Sažetak

Područje istraživanja obuhvatilo je naftno-plinsko polje Kloštar tj. dio 3-D seizmičke kocke "Sava Zapad" koji mu pripada. U uvodnim poglavljima prikazani su osnovni podaci polja koji obuhvaćaju zemljopisni položaj, povijest istraživanja, geološke odnose, temeljne postavke neuronskih mreža, povijest njihovog razvoja te opisa metoda korištenih prilikom izradbe ovog rada. Prethodno obradbi podataka neuronskim mrežama, načinje su strukturne karte u vremenskom mjerilu. One su zajedno s prostornim smjestištem EK repera Tg i EK markera Rs7 i Rs5 korištene kao ulaz za uvježbavanje višeslojne neuronske mreže s postupkom povratne informacije. Krajnji rezultat bile su strukturne karte apsolutne dubine. Jedan od ciljeva rada bila je usporedba dubinskih strukturnih karata dobivenih neuronskim mrežama s kartama istog područja ranijem načinjenim metodom kriginga. Metoda neuronske mreže se pokazala uspješnom zbog relativno malog iznosa pogrješke kod predviđanja koja je omogućila dobro definiranje strukturnih odnosa, posebice u dijelovima s manje bušotina.

Sažetak (engleski)

Abstract: The area of research belongs to the oil and gas field Kloštar, more precisely to the seismic 3D cube „Sava Zapad“ crop that associated with it. Basic information of the geographic location, previously made research and the fundamentals of artificial neural networks are described in detail. Firstly the subsurface maps in time domain were made from the available seismic data. Later, these were used as inputs, along with the positions of E-log border Tg and E-log markers Rs7 and Rs5, for neural network analysis. Multy Layer Perceptron neural network was used as a mapping algorithm and the final mapping output were structural maps in absolute depth – true vertical depth subsea. Furthermore, one of the goals of this thesis was the comparison of previously made structural maps with the ordinary krignig method of the same area with those made in this Thesis which shows that neural network approach defined the subsurface structures better in the area with poor well coverage. This proved the neural network method successful for this application.

• Ključne riječi: umjetna neuronska mreža; strukturne karte; polje Kloštar; Hrvatska
• Ključne riječi (engleski): artificial neural network; structural maps; Kloštar field; Croatia
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:169:549401
• Studijski program: Naziv: Geologija; smjerovi: Geologija mineralnih sirovina i geofizička istraživanja; Smjer: Geologija mineralnih sirovina i geofizička istraživanja; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra geologije (mag. geol.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Pristup korisnicima matične ustanove
• Datum i vrijeme pohrane: 2016-01-19 10:49:42