TY - JOUR ID - TI - Synthesis of missing openhole well log data through artificial neural networks تصنيع المجسات المفقودة للآبار المفتوحة باستخدام تقنية الشبكات العصبية الصناعية AU - Amna M. Handhal آمنة مال الله حنظل الكنعاني PY - 2017 VL - 9 IS - 2 SP - 56 EP - 63 JO - Journal of Kufa - physics مجلة الكوفة للفيزياء SN - 20775830 23126671 AB - A methodology is presented for deducing missing intervals of well logs data through applying artificial neural networks (ANNs) models. Three ANNs were performed for synthesizing sonic, neutron, and density logs. An example from Mishrif Formation of Nasyria oil field in southern Iraq was used to reveal the capability of ANNs model to synthesis missing intervals for these logs. Basically, ANNs models developed in this study were based on commonly multilayer perceptron and trained with backpropagation algorithm. Two statistical errors, namely, root mean squared error and correlation of determination were employed to assess the accuracy of the ANN models. Results indicated the capability of ANNs model to recreation of missing well interval with high accuracy.

يتطرق البحث الحالي الى استخدام تقنية الشبكات العصبية الصناعية لتوليد قيم منحنيات مجسات الآبار المفقودة لثلاثة مجسات شائعة هي المجس الصوتي ومجس الكثافة ومجس النيوترون. اختيرت معمارية الشبكة العصبية من النوع المتعدد الطبقات واختبارها باستخدام طريقة انسياب الخطأ الى الخلف. وتقييم ادائية الشبكات العصبية المصصمة باستخدام معيارين احصائيين هما مربع معدل الخطأ ومعامل الارتباط. اختبرت الطريقة على احدى آبار حقل الناصرية في جنوب العراق فبينت النتائج الامكانية الكبيرة للشبكات العصبية لتوليد قيم المجسات المفترضة. وخرجت الدراسة بنتيجة مفادها امكانية استخدام مثل هذه التقنيات في مجال جيولوجيا النفط في العراق بسبب مرونتها العالية وسهولة تصميمها واختبارها. ER -