$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[해외논문] Detection of hydrocarbon reservoir boundaries using neural network analysis of surface geochemical data

AAPG bulletin, v.84 no.12, 2000년, pp.1893 - 1904  

Doraisamy, Hari (i2 TechnologiesParsippanyUSA) ,  Vice, Daniel H. ,  Halleck, Phillip M.

Abstract

Surface geochemical surveys could become important tools for defining the boundaries of a hydrocarbon reservoir. Conventional statistical analysis has shown that a correlation can indeed be found between surface geochemical data and the location of a sample site with respect to the boundaries of a known reservoir. However, such analysis methods cannot be used directly as predictive tools. This article describes the successful application of artificial intelligence in the form of neural network analysis to determine whether a specific sample site, given the ethane concentration in the soil and certain environmental data, is within the surface trace of the reservoir boundaries. Data from a previous study over a known gas storage reservoir were used to train a back-propagation neural network. No attempt was made to optimize the structure of the network. We used 85% of the data to train the network and withheld 15% to act as unknowns. The input variables consisted of adsorbed ethane concentration and a series of soil description and environmental parameters. The output variable was a simple binary reflecting whether the sample site was directly over the reservoir. The final network was able to predict 95% of unknown sample sites. We found it necessary to include in the input data the ethane concentrations for sites on either side of each site studied. This is consistent with previous observations that a series of adjacent sites having anomalous concentrations hold more significance than do isolated sites. We also found that the use of the land (probably reflecting the degree of disturbance) and soil moisture are the most important environmental variables. This is consistent with previous conventional statistical studies of the same data. We conclude that application of neural networks to properly designed surface geochemical studies holds promise for use in defining the boundaries of known reservoirs.(Author abstract)

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로