Charakterisierung von Lagerstätten mittels neuronaler und fraktaler Analyse: Klassifizierung Lithofazies durch künstliche neuronale Netze in Kombination mit Analyse. Anwendungen

Der Großteil der weltweiten Ölreserven stammt aus einer besseren Ausbeutung bereits bekannter Felder durch immer ausgefeiltere Methoden. Die förderbaren Reserven werden daher in Abhängigkeit von den verschiedenen Fördermethoden der Felder geschätzt. Angesichts dieser Entwicklung muss jedes Ölunternehmen die innere Architektur seiner unterirdischen Lagerstätten im Detail kennen. Dazu ermöglicht uns die Identifizierung des lithologischen Fazies eines Reservoirs, Bohrungen an porösen und weniger tonhaltigen Stellen durchzuführen. Die Identifizierung des Lithofazies ist die erste Aufgabe, die zur Charakterisierung eines Reservoirs durchgeführt werden muss. Das Lithofazies besteht aus einer Beschreibung der verschiedenen geologischen Formationen, aus denen sich ein Bohrloch zusammensetzt. Um unsere komplexesten Probleme zu lösen, müssen wir über die üblichen mathematischen Techniken hinausgehen. Als Alternative müssen wir die konventionellen Analysemethoden durch mehrere derzeit aufkommende Methoden ergänzen, darunter die künstliche Intelligenz. Dieses Buch berichtet über die Potenziale der neuen konnektionistischen Techniken bei der Charakterisierung von Lagerstätten und trägt zu deren Erforschung bei.