| Summary: | Denne oppgaven presenterer utviklingen av nye tetthet- og hastighets- regresjonsmodeller (enkel- og multivariate-baserte) og artificial neural network (ANN) basert modellering ved bruk av data hentet fra Barentshavet, Norskehavet og Nordsjøen. Prediksjonsevnen og begrensningen til modellene er testet på de nærliggende, fjerne og ytterste feltdatasettene på Norsk sokkel. Videre er forutsigelsesnøyaktigheten til litteraturmodellene testet og sammenlignet med de nyutviklede modellene. I applikasjonen er modellene illustrert for loggestimering, refleksjonskoeffisient, uniaxial trykkstyrke, Youngs modulus og Poissons forhold. Resultatene viste at: • Multivariate regresjonsmodeller forbedrer prediksjonen og er bedre enn de enkeltparameterbaserte modellene. • Den ANN-baserte modelleringen forbedrer estimeringen ytterligere sammenlignet med regresjonsmodellene. I studiet oppdages det at de nye modellenes estimeringer viser bedre resultater enn litteraturmodellene i de fleste tilfeller når man bruker modellen i regionen hvor den er utviklet. This thesis presents the development of new density and velocity regression models (single and multivariate based) and artificial neural network (ANN) based modelling using data obtained from Barents Sea, Norwegian Sea and North Sea wireline log data. The prediction and the limitation of the models have been tested on the nearby, far and very far field datasets in the NCS. Moreover, the predicting accuracy of literature models have been tested and compared with the newly developed models. In the application the models have been illustrated for log estimation, reflection coefficient, Uniaxial compressive strength, Young’s modulus and Poisson’s ratio determination. The results showed that: • Multivariate regression models improved the prediction and was better than the single parameter-based models. • The ANN based modelling further improved the prediction compared with the regression models. The study discovers that the new models’ predictions show better results than the literature ...
|
|---|