AMEA İnformasiya Texnologiyaları İnstitutunun şöbə müdiri, texnika üzrə fəlsəfə doktoru, dosent Yadigar İmamverdiyev və institutun böyük elmi işçisi, texnika üzrə fəlsəfə doktoru, dosent Lyudmila Suxostatın müəllifi olduqları “Dərin konvolyusional neyron şəbəkələrindən istifadə etməklə litoloji fasiyaların təsnifatı” (“Lithological facies classification using deep convolutional neural network”, DOI: 10.1016/j.petrol.2018.11.023) adlı məqalə “Elsevier” nəşriyyatına məxsus “Journal of Petroleum Science and Engineering” jurnalında çapa qəbul olunmuşdur. Məqalənin surətini müəlliflərə verilmiş fərdi paylaşım ünvanından 50 gün müddətində pulsuz yükləmək mümkündür.
Məqalə Azərbaycan Respublikası Dövlət Neft Şirkətinin Elm Fondunun maliyyələşdirdiyi “DeepOil-ML: intellektual neft mədənləri üçün Deep Learning əsasında yeni texnologiyaların işlənməsi” qrant layihəsi çərçivəsində aparılmış elmi tədqiqatlar əsasında hazırlanmışdır.
Məqalədə neft və qaz quyularında geoloji fasiyaların təsnifatı üçün dərin konvolusiya neyron şəbəkələri (1D-CNN) əsasında effektiv klassifikasiya modelinin işlənməsinə baxılıb. Fasiyaların təsnifatı müəyyən fiziki-coğrafi şəraitdə formalaşmış müasir çöküntülərə xas olan dağ suxurlarının litoloji xüsusiyyətləri öyrənilməklə həyata keçirilir. Modelin giriş verilənləri kimi neft quyularının müxtəlif üsullarla karotajı zamanı əldə edilmiş bir sıra verilənlər istifadə edilir. Təklif olunan metod dayaq vektorları maşını, rekurent neyron şəbəkəsi, uzun-qısamüddətli yaddaş modeli və k ən yaxın qonşu metodları ilə müqayisə edilmişdir.
Adagrad optimizatoru tətbiq edilməklə işlənmiş 1D-CNN modeli fasiyaların təsnifatında digər metodlarla müqayisədə, statistik cəhətdən əhəmiyyətli yaxşılaşma nümayiş etdirir. Nəticələrin dəqiqliyi və neft quyularından alınmış real karotaj verilənlərinin istifadəsi təklif olunan yanaşmanın üstünlüklərindən hesab olunur. Qeyd olunan məsələlər modelin mürəkkəb geoloji strukturların litoloji identifikasiyası üçün istifadəsinə imkan verir.
Qeyd edək ki, “Journal of Petroleum Science and Engineering” jurnalı aşağıdakı elmmetrik göstəricilərə malikdir:
Impact Factor: 2.382
5-Year Impact Factor: 2.739
Source Normalized Impact per Paper (SNIP): 1.640
CiteScore: 2.80
SCImago Journal Rank (SJR): 0.782
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.ict.az saytına istinad zəruridir.
