خوارزمية آلة الدعم الوحدوي لتصنيف الأشكال الحجرية ونمذجة النفاذية في الخزانات المتغايرة

تعتبر توزيعات المسامية والنفاذية وتشبع السوائل حاسمة لتوصيف الخزان وتقدير الاحتياطيات وتوقع الإنتاج. تصنيف استجابات تسجيل الآبار إلى أشكال كهربائية منفصلة يمكن استخدامها لتوليد نماذج محلية للنفاذية يوفر وسيلة للتنبؤ بالتوزيع المكاني للنفاذية في الخزانات المتغايرة. مؤخرًا، تم اقتراح آلات الدعم الوحدوي (SVMs) القائمة على نظرية التعلم الإحصائي كتقنية ذكاء جديدة لكل من مهام الانحدار والتصنيف. تجسد صياغة آلات الدعم الوحدوي مبدأ تقليل المخاطر الهيكلية (SRM) والذي ثبت أنه متفوق على مبدأ تقليل المخاطر التجريبية التقليدي (ERM) المستخدم من قبل الشبكات العصبية. يقلل SRM من حد أعلى للمخاطر المتوقعة على عكس ERM الذي يقلل من الخطأ على بيانات التدريب. هذه الفروق تمنح SVM قدرة أكبر على التعميم إلى آبار جديدة. هنا، يتم تطبيق تقنية SVM غير الخطية في خزان رملي متغاير للغاية لتصنيف الأشكال الكهربائية وتوقع توزيعات النفاذية. يتم مقارنة مصنف SVM بتحليل التمييز والشبكات العصبية الاحتمالية. كما يتم مقارنة توقعات SVM للنفاذية مع تلك الخاصة بشبكات الانحدار العكسي والشبكات العصبية العامة. يُظهر تحليل الخطأ الإحصائي أن طريقة SVM تحقق تصنيفاً مماثلاً أو متفوقاً للصخور وتقديرات النفاذية مقارنة بأساليب الشبكات العصبية. يكشف مقارنة التحليل القائم على التسجيل والشكل الأساسي أن التنبؤ بالنفاذية استنادًا إلى التجميع القائم على الشكل الأساسي كان أفضل قليلاً من ذلك القائم على التسجيل.