اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديددراسة علاقة الإشباع الهيدروكربوني مع تغيرات طيف التردد باستخدام تحويل النبضة المستمر
Studying the Relationship Between hydrocarbons Saturation and Frequency Domain With Continuous Wavelet Transform (CWT)
1344
0 40
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تعد ظلال الترددات المنخفضة أحد أهم مؤشرات تجمعات النفط و الغاز. يمكن التقاط هذه الترددات عن طريق تحليل التردد – زمن، الذي يزود بميز ترددي عالٍ عند الترددات المنخفضة و ميز زمني عالٍ عند الترددات المرتفعة، هذا الشيء يعد مرغوبًا من أجل تحليل المعطيات الاهتزازية و تفسيرها لأن مكامن الهيدروكربونات تشخص بشكل أفضل عند الترددات المنخفضة. لقد طبق هذا التحليل على معطيات اهتزازية مأخوذة من تركيب فهدة و هو حاوٍ على النفط و يقع في هضبة حلب. إن إضافة محور التردد إلى المقطع الاهتزازي العادي ثنائي البعد يجعل المعطيات بأبعاد ثلاثية. بمقارنة المقاطع ثلاثية الأبعاد ذات التردد الوحيد نستطيع أن نشاهد الظلال الترددية المنخفضة بسطوع على المقاطع وحيدة التردد بشكل نسبي في تركيب فهدة عند الترددات المنخفضة. و قد أعطت شواذَّ سعوية عالية نسبيًا تحت النطاق الحاوي على النفط . ثم اختفت هذه الشواذ في مقاطع الترددات العالية.
Low frequency shadows is one of hydrocarbons indicators. It can be detected by means of a time-frequency decomposition which can provide higher frequency resolution at lower frequencies and higher time resolution at higher frequencies. This is desirable for analyzing seismic data, because the hydrocarbons in reservoir are diagnostic at lower frequencies. we have carried out such analyses with post-stack data sets on Fahda field which is located in Aleppo uplift, it contains oil. Adding a frequency axis to a 2D seismic section makes the data 3D axis. The comparison of the single frequency sections from such 3D volume can be utilized to detect low frequency shadows. A preferentially illuminated single frequency section at lower frequencies from Fahda field, shows high amplitude low frequency anomalies beneath oil zones. These anomalies disappear at higher frequencies.
المراجع المستخدمة
Addison, P. S. (2002). The illustrated wavelet transform handbook, London, UK
Castagna, J. Anno, P and Taner et al., (2005). Spectral Decomposition of Seismic Data with Continuous Wavelet Transform, School of Geology and Geophysics, University of Oklahoma,U.S.A. Phil Anno
Iske, A; Randen, T. (2005). Mathematical methods and modelling in hydrocarbon exploration and production. University of Leicester, Department of Mathematics, United Kingdom. Avner Friedman
قيم البحث
اقرأ أيضاً
تم في هذا البحث مناقشة معايير الاختيار و التقييس لسجلات زمنية حقيقية لتوافق كود
التصميم السوري. تم استخدام اجراءات التقييس في مجال الزمن و مجال التردد لتقييس
عدد من السجلات الحقيقية المتوفرة لتلائم طيف الاستجابة السوري. تم تحري و مقارنة
السجلات ال
زمنية الناتجة من ناحية مناسبتها كمدخل للتحليل بالسجل الزمني لحالات أبنية
قائمة.
يشكل تقييم سعة التقاطعات المنظمة بإشارات ضوئية أحد أهم الأسس المستخدمة في تخطيط و تصميم و تشغيل و إدارة شبكة الشوارع في المدن، و يعتمد حساب السعة على تقدير قيمة غزارة الإشباع على التقاطعات المنظمة بإشارات ضوئية.
يتم استخدام طريقة دليل سعة الطرق السر
يعة الأمريكي (HCM2010) في تقدير و تحليل غزارة الإشباع، و هذه الطريقة مستخدمة بشكل واسع في دول العالم و منها سوريا، و لكن هذا الدليل يعبر عن الظروف المحلية في الولايات المتحدة الأمريكية، و لذلك قد لا يكون مناسباً لاستخدامه في ظروفنا المحلية.
يتناول هذا البحث تقدير غزارة الإشباع حقلياً بالاعتماد على الفواصل بين العربات ضمن الأرتال، و مقارنة النتائج الحقلية لغزارة الإشباع مع القيم الناتجة عن استخدام طريقة HCM. تم اجراء الدراسة على ثلاث تقاطعات في مدينة طرطوس، و استند التحليل على تجميع البيانات باستخدام الفيديو. أكدت النتائج النهائية أن هناك اختلاف بين القيمة الحقلية لغزارة الإشباع و القيمة الحسابية، مما يؤكد عدم امكانية استخدامها لظروفنا المحلية.
التنبّؤ بالطقس و خاصةً الأمطار، هي واحدة من المهام العملية الأكثر تحدياً و أهمية، و التي تقوم بها خدمات الأرصاد الجوية في جميع أنحاء العالم، علاوة على كونه إجراء معقد يتطلب مجالات متخصصة و متعددة من الخبرات.
في هذه الورقة، أقترح نموذج الشبكات العصبي
َّة (ANNs) مع تحويل المويجات كأداة للتنبؤ بالأمطار الشّهرية بشكل متتالي بالاعتماد على البيانات السابقة لهطول الأمطار (1933-2009)، المأخوذة من محطة حمص للأرصاد الجوية. حيث تم تحليل السلسلة الزمنية للأمطار إلى معاملاتها التفصيلية و التقريبية على ثلاث مستويات باستخدام تحويل المويجات المتقطع (Discrete Wavelet Transform (DWT، و استخدمت الشَّبكة العصبيَّة أمامية التغذية مع خوارزمية الانتشار العكسي في عملية التعلم و التنبّؤ.
توصلت الدراسة إلى أن الشبكة العصبية WNN ذات الهيكلية (1-8-8-8-5)، قادرة على التنبؤ بالأمطار الشهرية في محطة حمص على المدى الطويل بمعامل تحديد وجذر متوسط مربعات الأخطاء (7.74mm,0.98) على الترتيب.
تقدم تقنية تحويل المويجات ميزة مفيدة قائمة على تحليل البيانات، مما يحسن من أداء النموذج، و تطبق هذه التقنية في نماذج الشبكات العصبية الاصطناعية للأمطار لأنها بسيطة، كما يمكن تطبيق هذه التقنية لنماذج أخرى.
يُعدُّ تقييم موارد المياه السطحية من المدخلات الضرورية لحل قضايا إدارة المياه، و التي تتضمن إيجاد علاقة بين الأمطار و الجريانات السطحية، و تعتبر هذه العلاقة على درجة عالية من التعقيد، حيث أن الأمطار من أهم العوامل التي تؤثر بشكل كبير على جريان الأنها
ر، و عملية التنبؤ بهذه الجريانات يجب أن تأخذ هذا العامل بعين الاعتبار، و بكثير من الاهتمام و الدراسة، و تعتبر الشبكات العصبية الصنعية من أهم الطرائق الحديثة من حيث دقة نتائجها في الربط بين هذه العوامل المتعددة و البالغة التعقيد. و من أجل التنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين في اللاذقية، موضوع بحثنا، تم تطبيق نماذج مختلفة من الشبكات العصبية الصنعية (ANN)، كانت مدخلاتها تدفقات سابقة للأمطار و الجريانات.
قسمت مجموعة البيانات للفترة الممتدة بين عامي (2006-2012) إلى مجموعتين: تدريب و اختبار، و قد تم معالجة البيانات قبل إدخالها إلى الشبكة العصبية باستخدام تقنية تحويل المويجات المتقطع، للتخلص من مشاكل القيم العظمى و القيم الصفرية، حيث حللت السلاسل الزمنية إلى ثلاثة مستويات من الدقة و استخدمت السلاسل الفرعية الناتجة كمدخلات للشبكة العصبية أمامية التغذية التي تعتمد على خوارزمية الانتشار العكسي لتدريبها.
أشارت النتائج إلى أن الشبكة العصبية ذات الهيكلية (1-2-6) نموذج Wavelet-ANN، هي الأفضل في تمثيل الظاهرة المدروسة و الأقدر على التنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين ليوم واحد قادم، حيث بلغ معامل الارتباط و جذر مربع متوسط الخطأ (R2=0.96، RMSE=1.97m3/sec)، على الترتيب.
قمنا ببحثنا هذا بإجراء دراسة مرجعية للطرائق المختلفة المتبعة للتحديد الآلي المباني في
الصور الفضائية و تحليلها و عرضنا منهجية مقترحة لتحديد المباني اعتماداً على
خصائص محيطها الهندسية باستخدام تحويل هاف لتحديد النماذج المستطيلة في الصور
الرقمية.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
