شماره راهنما :
1333 دكتري
پديد آورنده :
نادري، حامد
عنوان :
معرفي الگوريتمي جديد مبتني بر پردازش تصوير جهت بهبود شبيه سازي شرطي در زمين آمار چند نقطه اي الگو پايه
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
[سيزده]، ۱۲۵ص.: مصور، جدول، نمودار
استاد راهنما :
نادر فتحيان پور، مرتضي طبايي
توصيفگر ها :
شبيه سازي هاي زمين آماري , تصوير آموزشي , روش هاي مبتني بر الگو , الگوريتم خود تطبيقي الگوها , پردازش تصوير ريخت شناسانه
استاد داور :
داور داخلي: حسن طباطبايي; داورخارجي: بهزاد تخم چي، رسول امير فتاحي
تاريخ ورود اطلاعات :
1397/12/06
تاريخ ويرايش اطلاعات :
1397/12/08
كد ايرانداك :
ID1333 دكتري
چكيده فارسي :
چکیده تخمین هر چه دقیقتر ذخیرهی برجای مخازن تحت شرایط بیشترین انطباق ممکن با واقعیتهای زمینشناسی موجود موضوعی است کهه روشهای زمینآمار چندنقطهای برای دستیابی به آن توسعه یافتهاند قدرت الگوریتمهای چندنقطهای به توانایی استفادهی آنها از تصویر آموزشی بهجای واریوگرام و چندین نوع داده بهطور همزمان در تخمین مقدار مجهول یک پارامتر در یک موقعیت معلهوم برمهیگهردد بااینحال افزایش سرعت اجرای شبیهسازیها کاهش استفاده از RAM و CPU سادگی مفاهیم پایه و از همه مهمتر افزایش دقت در بازتولید الگوهای زمینشناسی موجود در تصویر آموزشی اهم انگیزههای مطرح برای ارتقا یا معرفی الگوریتمهای جدیدتر بعهد از اولهین الگوریتم ارائهشده توسط استریبل به نام SNESIM بوده است غالب الگوریتمهای معرفیشده بهر پایههی شهباهتسهنجی مهداوم مهابین الگوهای تصویر آموزشی و پیشامد داده و انتخاب مناسبترین الگو در حین شبیهسهازی اسهت ازجملهه دسهت آوردههای ایهن انگیهزش معرفی اولین الگوریتمهای مبتنی بر قیاس الگو به الگو SIMPAT و بعدازآن FILTERSIM بود روند بهبود الگوریتمهای ارائهشهده در مقاالت منتشره تاکنون با استفاده از مفاهیم پردازش تصویر توزیع فاصله سنجی الگوها همبستگی آنهالیز موجهک و هماننهد آنهها ادامه داشته است نکتهی مشترک الگوریتمهای ارائهشده تکیهی آنها بر پیدا کردن الگویی مناسب جهت انطباق ههمزمهان بها دادهههای سخت و پیشامد داده میباشد این در حالی است که اساس الگوهای استخراجشده از تصویر آموزشی ممکن است حاوی تمامی الگوهای ا مناسب جهت ارضای شروط مذکور نباشند این امر موجب کاهش کیفیت شبیهسازیها خواهد شهد کهه رفهع آن نیازمنهد بههکهارگیری روشهای کمکی بیشتری است هدف اصلی این تحقیق ارائهی الگوریتمی است که ضمن ارائهه تحقهقههای باکیفیهت از حیه بازتولیهد الگوهای تصویر آموزشی در حالت شبیهسازی غیرشرطی تولید تحققها در حالت شرطی را با کسهب اطمینهان از شهرطیسهازی مناسهب الگوها با دادههای سخت و نرم مهیا کند صرفنظر از اینکه تصویر تصاویر آموزشی طراحیشده تحت روبش یهک پنجهره جسهتجو الگوی آموزشی مناسب را تولید کرده باشد یا خیر بدین منظور الگوریتم شبیهسازی غیرشرطی با استفاده از عملگرههای پایههای ریخهت شناسی طراحی و بر روی نمونههای متعددی تصویر آموزشی استاندارد اجرا و نتایج با الگوریتمهای صنعتی مبتنی بر زمین آمهار چندنقطهه ای مقایسه گردید این مقایسه نشان میدهد که الگوریتم پیشنهادی توانایی رفع کامل ناپیوستگیهای ساختاری در شبیهسهازی غیرشهرطی را دارا است در ادامه الگوریتم خود تطبیقی الگوها با تکیهبر مفاهیم پردازش همچون عملگرهای ریخهتشناسهی تصهویر پیهادهسهازی و اجرا شد نتایج شبیهسازی حصول شرطیسازی مناسهب سهاختارهای آموزشهی بها دادهههای معلهوم را بیهانگهر اسهت در انتهها الگهوریتم شبیهسازی شرطی پیشنهادی شامل الگوریتمهای شبیهسازی غیرشرطی و الگوریتم خودتطبیقی بهصورت یکپارچهه از مرحلههی دریافهت دادههای ورودی تا تولید یک تحقق شرطی معرفی گردید به طورکلی تولید یک تحقق از الگهوریتم مهذکور ضهمن حفهو پیوسهتگی و بازتولید مناسب الگوهای آموزشی شرطیسازی آنها را نیز با دادههای سخت مطابق با معیارهای سنجش کیفی همچون مقایسههی بهرای نمونههای متعدد از دادههای مصنوعی بصری الگوهای شبیهسازی شده با الگوهای موجود در تصویر آموزشی و معیارههای ک هی هماننهد م محاسبهی تعداد نقاط پایانی در کنار مقایسهی نمودار فراوانی تحققهای حاصل نسبت بهه نمهودار فراوانهی دادهههای ورودی درقیهاس بها الگوریتمهای چندنقطهای پیشین به طورقابل قبولی انجام میرساند در نهایت این عملکرد با آزمودن آن طی استفاده از دادههای واقعهی مرتبط با شبکهی شکستگی در سازند سروک یکی از مخازن نفتی جنوب برطبق معیارهای ک ی و کیفی مذکور مورد تثیید قرار گرفت م کلمات کلیدی شبیهسازیهای زمینآماری تصویر آموزشی روشههای مبتنهی بهر الگهو الگهوریتم خهود تطبیقهی الگوهها پردازش تصویر ریخت شناسانه
چكيده انگليسي :
IUT 9010818Degree Ph D Title New Multiple Point Pattern based algorithm based on Morphological ImageProcesssing Concepts to Improve Conditional SimulationAuthor Hamed NaderiSupervisors Nader Fathianpour fathian@cc iut ac ir Morteza Tabaii mtabaei@cc iut ac ir Department Mining EngineeringDate 17 12 2019Language PersianAbstract Multiple point statistics MPS algorithms utilizes the conceptual 2D or 3D modelcontaining major spatial variation of reservoir parameters called training image througha branch of introduced approaches to map complex heterogeneity even more realisticallyin comparing to traditional variogram based algorithms Present day MPS pattern basedalgorithms despite the differences in their approaches totally are common in theory ofimplementation the conditional simulation This commonness is associated with this factthat these algorithms try to find the best matching training pattern with previouslysimulated patterns and in the same time being perfectly consistent to the hard or soft conditioning data However there is no guarantee that such training pattern could havebeen even captured by a specified search template prior to simulation That is thenumber of training patterns produced by any search template size is always finiteness while the data events formed during simulation could have any unexpected configurationsregarding the spatial location of conditioning hard data As a total revising of conditionalsimulation procedure in this study a new methodology is proposed through which theconditional simulation can be fulfilled via two step implementation 1 generating anunconditional realization confirming appropriate reproduction of training image patternsin simulation grid 2 conditioning to hard data using a novel method known as Self Adjusting Pattern Conditioning SAPC algorithm causing unconditionally simulatedstructures be self adjusting to its corresponding homogenous hard data and post processing the final results Integrating all these steps into one totalized workflow resultsin final form of proposed conditional pattern based simulation algortihm This proposedalgorithm along with SENSIM and FILTERSIM algorithms were run upon trainingimages constituting variety of patterns linear to curvilinear and object wise alongsidemedium to high spatially dense pixel wise hard data Along with mentioned data set allmentioned algorithms were individually implemented on fracture data of one of Iranianoilfields to model fracture network patterns in 2D Results approved that the proposedalgorithm compared to SNESIM and FILTERSIM ones has superiority in patternreproduction as well as hard data conditioning even when training image is notadequately informative Proposed algorithm occupies RAM and CPU capacities byamounts comparable with FILTERSIM however it speeds up conditional simulationimplementation by a factor of 1 5 Keywords Geostatistical simulation training image pattern based approaches self adjusting patternconditioning algorithm morphological image processing
استاد راهنما :
نادر فتحيان پور، مرتضي طبايي
استاد داور :
داور داخلي: حسن طباطبايي; داورخارجي: بهزاد تخم چي، رسول امير فتاحي
