بهبود کاربردی روش های مستقیم زنجیره های مارکوف در شبیه سازی زمین آماری رخساره ها
نام عام مواد
[پایاننامه]
عنوان اصلي به زبان ديگر
Practically oriented geostatistical lithofacies simulation using the direct Markov Chains-based methods
نام نخستين پديدآور
/میترا محمودی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی معدن
تاریخ نشرو بخش و غیره
، ۱۴۰۰
مشخصات ظاهری
نام خاص و کميت اثر
۱۴۳ص.
ساير جزييات
:
يادداشت کلی
متن يادداشت
زبان: فارسی
متن يادداشت
زبان چکیده: فارسی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به مشخصات ظاهری اثر
متن يادداشت
مصور، جدول، نمودار
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
مهندسی معدن- اکتشاف معدن
زمان اعطا مدرک
۱۴۰۰/۱۰/۰۱
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
مدلسازی ناهمگنیهای زیرسطحی در مسائل مختلف مربوط به علوم زمین حائز اهمیت است، از جمله در ناهمگنیهای مربوط به توزیع رخسارههای سنگی در مخازن هیدروکربوری، توزیع انواع خاکها در مطالعات ژئوتکنیکی و یا مدلسازی زونهای آلتراسیون در معادن، پیشنیاز مدلسازی ناهمگنیهای ذاتی آنها است .روشهای زمینآماری، به دلیل دقت بالا و پیشبینی عدم قطعیت مدل، چارچوبی مناسب برای پیشبینی این ناهمگنیها ارائه میدهند .برای این منظور، روشهای زمین-آماری مبتنی بر واریوگرام شاخص اغلب استفاده میشود .با توجه به خطی بودن تخمینگرهای مرسوم زمین آماری و در نظر نگرفتن همبستگی بین کلاسی، مدلسازی فضایی ویژگیهای رخسارهها با کاستیهایی همراه است .در مورد دادههای پراکنده، ابهام واریوگرامهای شاخص و ناسازگاری الگوهای ایجاد شده با واقعیت در این روشها مشاهده میشود .انواع جدیدتر این روشها، روشهای زمینآماری مبتنی بر احتمال گذار با استفاده از مدلهای زنجیر مارکوف، میتواند طیف قابل توجهی از این مشکلات را کاهش دهد .روش زنجیره مارکوف تعمیم یافته (GCMC) یکی از این روشهای کارآمد با استفاده مستقیم از احتمالات گذار برای پیشبینی رخساره ها در مکانهای ناشناخته با زمان اجرای بسیار سریعتر است .در رسال حاضر، از سه روش تخمین کریجینگ شاخص، روشهای شبیهسازی SIS و GCMC در مدلسازی ژئوتکنیکی خاکها در بخشی از خط مترو تبریز و نیز واحدهای کربناته یک مقطع انتخابی از نهشت آهک ارشتناب بستان آباد استفاده شد و نتایج حاصل از هر سه روش با هم مقایسه شده و میزان بازتولید مقادیر نسبت حجمی و واریوگرامها مورد بحث قرار گرفت .در نتایج GCMC نحوه تولید الگوها نسبت به دو روش دیگر انطباق بهتری با واقعیت زمین شناسی منطقه داشته است .با این حال، GCMC از یک تصویر آموزشی استفاده میکند که به صورت پیش فرض، با استفاده از روش نزدیکترین همسایگی (NN)ماتریس احتمالات گذار در جهت جانبی را محاسبه می-کند .در مطالعه حاضر محاسب احتمالات گذار جانبی با استفاده از برخی مفاهیم الگوریتم زنجیره مارکوف احتمال گذار (TP/MC) و اعمال آن به الگوریتمGCMC ، انجام گرفت .هدف از تلفیق این دو روش مارکوف، حفظ ویژگی های مثبت هر دو روش مانند سرعت و انعطاف پذیری روش GCMC و ظرفیت بالای تلفیق دادهها و انعطاف پذیریهای خاص روش TP/MC برای تولید مدلهای واقع بینانهتر است .برای اصلاح کد GCMC و محاسبه ماتریسهای مورد نیاز، روش پیشنهادی (CGCMC ترکیبی) از پتانسیلهای روش TP/MC در برازش مدلهای زنجیر مارکوف به احتمالات گذار دادهها با استفاده از تکنیکهای مدلسازی زنجیر مارکوف پیشنهادی استفاده میکند .پتانسیل بسیار بالای روشCGCMC ، گنجاندن و تلفیق اطلاعات مختلف تفسیری و نرم در این روش است، زیرا آوردن گامهایی از روش TP/MC در این روش تلفیقی، باعث افزایش پتانسیل تلفیق دادههای تفسیری و اطلاعات جانبی و نرم میشود .چارچوب اصلاح شده (CGCMC) همراه با الگوریتمهای GCMC و SIS برای شبیهسازی رخسارههای سنگی موجود در یکی از مخازن نفت ایران استفاده شد .در مقایس مقاطع مربوط به هر سه روش، روند عمومی قرارگیری کلاسها، بسیار مشابه است، اما با توجه به مقادیر معیار ناپیوستگی افقی محاسبه شده برای هر سه روشSIS ،GCMC وCGCMC ، مقدار این معیار در روش SIS از دو روش مارکوف بیشتر بوده که در سیستم های رسوبی چندان منطقی نیست و پیوستگی بیشتری مورد انتظار است .عدم پیوستگی افقی کلاسها در CGCMC از SIS کمتر ولی از GCMC بیشتر است که پیوستگی افقی ایجاد شده در روش GCMC با در نظر گرفتن روش محاسبه احتمال گذار در آن چندان واقع بینانه نیست و بیش از اندازه نشان داده شده است .بهبود اعمال شده در الگوریتم GCMC باعث شده که این روش ضمن حفظ پیوستگی فضایی، پراکندگی دادهها را به نحو واقعبینانهای نشان دهد .در این رساله جهت بررسی کیفیت تحققها و مدلهای تولید شده، نسبتهای حجمی رخسارهها و تغییرات فضایی مدلهای تولید شده در مقابل مقادیر مورد انتظار از دادههای ورودی( مقادیر مشاهده شده ) بررسی گردیدند که بر حسب احتمالات گذار و واریوگرام های شاخص و نسبت های حجمی و همچنین از منظر زمین شناسی، نتایج منطقی بوده و از لحاظ زمینشناسی واقعبینانهتر هستند .
متن يادداشت
Predicting the rock facies distribution is a prerequisite in modeling reservoir heterogeneities where indicator variogram-based geostatistics is of great importance. For sparse data, ambiguous indicator variograms and inconsistency of the generated patterns with the reality are encountered which can be mitigated using Transition probability-based geostatistical techniques with Markov chain models. The Generalized Coupled Markov Chain (GCMC) method is one of these efficient methods with a direct use of transition probabilities (TPs) to predict the facies at unknown locations with a much faster running time. However, GCMC makes use of a training image, proposedly constructed using the Nearest Neighbourhood (NN) method, to calculate the Transition Probabilities Matrixes (TPMs) in the lateral direction. However, this could provide an unrealistic insight to the lateral transitions. In the present thesis, three methods of indicator kriging estimation, SIS and GCMC simulation methods were used in geotechnical modeling of soils in a part of Tabriz metro line and carbonate units of a selected section of Arshtanab Bostanabad limestone deposit and the results of each three methods were compared. In the GCMC results, producing the patterns was better in line with the geological reality of the region than the other two methods. However, the GCMC uses a training image that uses the Nearest Neighborhood (NN) method to calculate the lateral transition probability matrix. The present study seeks to use inject some concepts from an already existing algorithm called Transition Probability Markov Chain (TP/MC), to calculate the lateral TPs to the GCMC algorithm. To calculate the required TPMs for GCMC, the proposed method (Combined GCMC [CGCMC]) benefits from the potentials of the TP/MC method in fitting the Markov chain models to the data TPs applying its suggested Markov chain modeling techniques. The modified framework (CGCMC), together with the GCMC, and SIS algorithms were applied to simulate the available facies in an Iranian oil reservoir. Then, the results were compared through some proposed criteria. It was observed that, the CGCMC represented more realistic outcomes. Yet, more flexibilities and data integration potentials could be imagined for CGCMC, inherited from the either of the TP/MC and GCMC methods.
خط فهرستنویسی و خط اصلی شناسه
ba
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Practically oriented geostatistical lithofacies simulation using the direct Markov Chains-based methods