SA520411503B1 - استنتاج الخصائص البتروفيزيائية لخزانات الهيدروكربونات باستخدام شبكة عصبية - Google Patents
استنتاج الخصائص البتروفيزيائية لخزانات الهيدروكربونات باستخدام شبكة عصبية Download PDFInfo
- Publication number
- SA520411503B1 SA520411503B1 SA520411503A SA520411503A SA520411503B1 SA 520411503 B1 SA520411503 B1 SA 520411503B1 SA 520411503 A SA520411503 A SA 520411503A SA 520411503 A SA520411503 A SA 520411503A SA 520411503 B1 SA520411503 B1 SA 520411503B1
- Authority
- SA
- Saudi Arabia
- Prior art keywords
- data
- image
- neural network
- aaa
- computer
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 175
- 229930195733 hydrocarbon Natural products 0.000 title description 20
- 150000002430 hydrocarbons Chemical class 0.000 title description 20
- 239000004215 Carbon black (E152) Substances 0.000 title description 16
- 238000000034 method Methods 0.000 claims abstract description 196
- 238000012360 testing method Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000012549 training Methods 0.000 claims abstract description 40
- 238000010200 validation analysis Methods 0.000 claims abstract description 29
- 238000003709 image segmentation Methods 0.000 claims abstract description 22
- 230000001427 coherent effect Effects 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 239000000463 material Substances 0.000 claims description 16
- 238000012805 post-processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 239000000243 solution Substances 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 210000004556 brain Anatomy 0.000 claims description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 claims 3
- 102000011990 Sirtuin Human genes 0.000 claims 3
- 108050002485 Sirtuin Proteins 0.000 claims 3
- QCWQUWUCARNNRI-UHFFFAOYSA-N 3-ethyl-5,5,8,8-tetramethyl-6,7-dihydronaphthalene-2-carbaldehyde Chemical compound CC1(C)CCC(C)(C)C2=C1C=C(C=O)C(CC)=C2 QCWQUWUCARNNRI-UHFFFAOYSA-N 0.000 claims 2
- 235000017399 Caesalpinia tinctoria Nutrition 0.000 claims 2
- 241001492658 Cyanea koolauensis Species 0.000 claims 2
- 241000989913 Gunnera petaloidea Species 0.000 claims 2
- 240000002390 Pandanus odoratissimus Species 0.000 claims 2
- 235000005311 Pandanus odoratissimus Nutrition 0.000 claims 2
- 241000287531 Psittacidae Species 0.000 claims 2
- 241000388430 Tara Species 0.000 claims 2
- 230000002028 premature Effects 0.000 claims 2
- 235000008001 rakum palm Nutrition 0.000 claims 2
- HCUOEKSZWPGJIM-IYNMRSRQSA-N (e,2z)-2-hydroxyimino-6-methoxy-4-methyl-5-nitrohex-3-enamide Chemical compound COCC([N+]([O-])=O)\C(C)=C\C(=N\O)\C(N)=O HCUOEKSZWPGJIM-IYNMRSRQSA-N 0.000 claims 1
- JBDOSUUXMYMWQH-UHFFFAOYSA-N 1-naphthyl isothiocyanate Chemical compound C1=CC=C2C(N=C=S)=CC=CC2=C1 JBDOSUUXMYMWQH-UHFFFAOYSA-N 0.000 claims 1
- 229910001148 Al-Li alloy Inorganic materials 0.000 claims 1
- VWEWCZSUWOEEFM-WDSKDSINSA-N Ala-Gly-Ala-Gly Chemical compound C[C@H](N)C(=O)NCC(=O)N[C@@H](C)C(=O)NCC(O)=O VWEWCZSUWOEEFM-WDSKDSINSA-N 0.000 claims 1
- 241001093575 Alma Species 0.000 claims 1
- 241000272522 Anas Species 0.000 claims 1
- 241000272517 Anseriformes Species 0.000 claims 1
- 206010065044 Apparent life threatening event Diseases 0.000 claims 1
- 101100020619 Arabidopsis thaliana LATE gene Proteins 0.000 claims 1
- 101100316808 Arabidopsis thaliana VHA-E1 gene Proteins 0.000 claims 1
- 241000726103 Atta Species 0.000 claims 1
- 241000271566 Aves Species 0.000 claims 1
- 101100268548 Caenorhabditis elegans apl-1 gene Proteins 0.000 claims 1
- 101100241173 Caenorhabditis elegans dat-1 gene Proteins 0.000 claims 1
- 101100386518 Caenorhabditis elegans dbl-1 gene Proteins 0.000 claims 1
- 101100442689 Caenorhabditis elegans hdl-1 gene Proteins 0.000 claims 1
- 101100181929 Caenorhabditis elegans lin-3 gene Proteins 0.000 claims 1
- 101100491335 Caenorhabditis elegans mat-2 gene Proteins 0.000 claims 1
- 101100401100 Caenorhabditis elegans mes-1 gene Proteins 0.000 claims 1
- 101100025824 Caenorhabditis elegans nas-3 gene Proteins 0.000 claims 1
- 244000025596 Cassia laevigata Species 0.000 claims 1
- 235000006693 Cassia laevigata Nutrition 0.000 claims 1
- 241000511343 Chondrostoma nasus Species 0.000 claims 1
- 241000052343 Dares Species 0.000 claims 1
- 101100234002 Drosophila melanogaster Shal gene Proteins 0.000 claims 1
- 102000017914 EDNRA Human genes 0.000 claims 1
- 101150062404 EDNRA gene Proteins 0.000 claims 1
- 235000008247 Echinochloa frumentacea Nutrition 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 claims 1
- 101000867232 Escherichia coli Heat-stable enterotoxin II Proteins 0.000 claims 1
- 108091008663 GR-A Proteins 0.000 claims 1
- 241000287828 Gallus gallus Species 0.000 claims 1
- 244000287680 Garcinia dulcis Species 0.000 claims 1
- OOFLZRMKTMLSMH-UHFFFAOYSA-N H4atta Chemical compound OC(=O)CN(CC(O)=O)CC1=CC=CC(C=2N=C(C=C(C=2)C=2C3=CC=CC=C3C=C3C=CC=CC3=2)C=2N=C(CN(CC(O)=O)CC(O)=O)C=CC=2)=N1 OOFLZRMKTMLSMH-UHFFFAOYSA-N 0.000 claims 1
- 241000406221 Hypostomus robinii Species 0.000 claims 1
- 241001580017 Jana Species 0.000 claims 1
- 229930186657 Lat Natural products 0.000 claims 1
- 241000252067 Megalops atlanticus Species 0.000 claims 1
- 244000237986 Melia azadirachta Species 0.000 claims 1
- 235000013500 Melia azadirachta Nutrition 0.000 claims 1
- 101100256746 Mus musculus Setdb1 gene Proteins 0.000 claims 1
- 240000008790 Musa x paradisiaca Species 0.000 claims 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 claims 1
- 241000282339 Mustela Species 0.000 claims 1
- RAQQRQCODVNJCK-JLHYYAGUSA-N N-[(4-amino-2-methylpyrimidin-5-yl)methyl]-N-[(E)-5-hydroxy-3-(2-hydroxyethyldisulfanyl)pent-2-en-2-yl]formamide Chemical compound C\C(N(Cc1cnc(C)nc1N)C=O)=C(\CCO)SSCCO RAQQRQCODVNJCK-JLHYYAGUSA-N 0.000 claims 1
- 241001325209 Nama Species 0.000 claims 1
- 208000007256 Nevus Diseases 0.000 claims 1
- 241000749985 Nites Species 0.000 claims 1
- 240000004072 Panicum sumatrense Species 0.000 claims 1
- 241000269435 Rana <genus> Species 0.000 claims 1
- 101100169989 Rattus norvegicus Ddah1 gene Proteins 0.000 claims 1
- 229910019567 Re Re Inorganic materials 0.000 claims 1
- FEWCTJHCXOHWNL-UHFFFAOYSA-N Roxatidine acetate hydrochloride Chemical compound Cl.CC(=O)OCC(=O)NCCCOC1=CC=CC(CN2CCCCC2)=C1 FEWCTJHCXOHWNL-UHFFFAOYSA-N 0.000 claims 1
- 240000005499 Sasa Species 0.000 claims 1
- 241000405965 Scomberomorus brasiliensis Species 0.000 claims 1
- 241000801924 Sena Species 0.000 claims 1
- 244000166071 Shorea robusta Species 0.000 claims 1
- 235000015076 Shorea robusta Nutrition 0.000 claims 1
- 206010042135 Stomatitis necrotising Diseases 0.000 claims 1
- 241001424341 Tara spinosa Species 0.000 claims 1
- 208000003217 Tetany Diseases 0.000 claims 1
- 241001622399 Thala Species 0.000 claims 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims 1
- 241000863032 Trieres Species 0.000 claims 1
- 101150009898 VATE gene Proteins 0.000 claims 1
- 210000001015 abdomen Anatomy 0.000 claims 1
- 108010080146 androgen receptors Proteins 0.000 claims 1
- 229940059756 arava Drugs 0.000 claims 1
- 235000013405 beer Nutrition 0.000 claims 1
- 235000015115 caffè latte Nutrition 0.000 claims 1
- 230000009089 cytolysis Effects 0.000 claims 1
- 239000011888 foil Substances 0.000 claims 1
- VHOGYURTWQBHIL-UHFFFAOYSA-N leflunomide Chemical compound O1N=CC(C(=O)NC=2C=CC(=CC=2)C(F)(F)F)=C1C VHOGYURTWQBHIL-UHFFFAOYSA-N 0.000 claims 1
- 239000003202 long acting thyroid stimulator Substances 0.000 claims 1
- 235000013372 meat Nutrition 0.000 claims 1
- RKWPZPDLTYBKCL-RVZGXXANSA-N meproscillarin Chemical compound O[C@@H]1[C@H](O)[C@@H](OC)[C@H](C)O[C@H]1O[C@@H]1C=C2CC[C@H]3[C@@]4(O)CC[C@H](C5=COC(=O)C=C5)[C@@]4(C)CC[C@@H]3[C@@]2(C)CC1 RKWPZPDLTYBKCL-RVZGXXANSA-N 0.000 claims 1
- FWYSBEAFFPBAQU-GFCCVEGCSA-N nodakenetin Chemical compound C1=CC(=O)OC2=C1C=C1C[C@H](C(C)(O)C)OC1=C2 FWYSBEAFFPBAQU-GFCCVEGCSA-N 0.000 claims 1
- 201000008585 noma Diseases 0.000 claims 1
- IBBLRJGOOANPTQ-JKVLGAQCSA-N quinapril hydrochloride Chemical compound Cl.C([C@@H](C(=O)OCC)N[C@@H](C)C(=O)N1[C@@H](CC2=CC=CC=C2C1)C(O)=O)CC1=CC=CC=C1 IBBLRJGOOANPTQ-JKVLGAQCSA-N 0.000 claims 1
- 239000011347 resin Substances 0.000 claims 1
- 229920005989 resin Polymers 0.000 claims 1
- 229940124513 senna glycoside Drugs 0.000 claims 1
- 210000002105 tongue Anatomy 0.000 claims 1
- MBYLVOKEDDQJDY-UHFFFAOYSA-N tris(2-aminoethyl)amine Chemical compound NCCN(CCN)CCN MBYLVOKEDDQJDY-UHFFFAOYSA-N 0.000 claims 1
- QYSXJUFSXHHAJI-YRZJJWOYSA-N vitamin D3 Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-YRZJJWOYSA-N 0.000 claims 1
- 239000011800 void material Substances 0.000 claims 1
- 210000004916 vomit Anatomy 0.000 claims 1
- 230000008673 vomiting Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 33
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 239000011162 core material Substances 0.000 description 94
- 239000012530 fluid Substances 0.000 description 66
- 230000006870 function Effects 0.000 description 55
- 238000004458 analytical method Methods 0.000 description 30
- 230000035699 permeability Effects 0.000 description 30
- 239000011435 rock Substances 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 18
- 230000008901 benefit Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 15
- 238000005457 optimization Methods 0.000 description 15
- 239000011148 porous material Substances 0.000 description 14
- 238000001514 detection method Methods 0.000 description 13
- 238000009826 distribution Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 13
- 238000002591 computed tomography Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000003708 edge detection Methods 0.000 description 10
- 238000000926 separation method Methods 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 210000003739 neck Anatomy 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000000634 powder X-ray diffraction Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000006260 foam Substances 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000013515 script Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 206010000496 acne Diseases 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005755 formation reaction Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008904 neural response Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 239000002002 slurry Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 2
- 241000234435 Lilium Species 0.000 description 2
- 206010037888 Rash pustular Diseases 0.000 description 2
- 101150107869 Sarg gene Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003864 performance function Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 208000029561 pustule Diseases 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 241001268392 Dalla Species 0.000 description 1
- 102100028953 Gelsolin Human genes 0.000 description 1
- 101001059150 Homo sapiens Gelsolin Proteins 0.000 description 1
- 101000965313 Legionella pneumophila subsp. pneumophila (strain Philadelphia 1 / ATCC 33152 / DSM 7513) Aconitate hydratase A Proteins 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 241000286209 Phasianidae Species 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 102220528595 Ribonuclease P/MRP protein subunit POP5_L48A_mutation Human genes 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 241000033695 Sige Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000024780 Urticaria Diseases 0.000 description 1
- 208000000260 Warts Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012152 algorithmic method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000019646 color tone Nutrition 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003955 neuronal function Effects 0.000 description 1
- 239000004058 oil shale Substances 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 210000003254 palate Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000008262 pumice Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 208000037466 short stature, oligodontia, dysmorphic facies, and motor delay Diseases 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 201000010153 skin papilloma Diseases 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 244000239635 ulla Species 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
يتعلق الاختراع الحالي بأنه يتم تحسين بيانات الصور المستقبَلَة لإنشاء بيانات صور محسنة باستخدام معالجة الصور لإزالة التشوهات واسترداد المعلومات المرتبطة بمخرج مستهدف مطلوب. يتم إجراء تقطيع الصور على بيانات صور محسنة صالحة للاستخدام إلى بيانات صور مقطعة تم إنشاؤها من خلال تقسيم بيانات الصور المحسنة إلى مناطق متماسكة فيما يتعلق بمعايير محددة تستند إلى الصور. تقوم بيانات الصورة المقسمة القابلة للاستخدام والبيانات المساعدة بمعالجة مسبقة للمدخلات إلى الشبكة العصبية كبيانات مسبقة المعالجة. وتنقسم البيانات المعالجة مسبقًا إلى مجموعات فرعية لبيانات التدريب وتحقق من الصحة والاختبار. يتم تحديد بنية الشبكة العصبية لمعالجة البيانات التي تمت معالجتها مسبقًا ويتم تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات التي تمت معالجتها مسبقًا. يتم إجراء معالجة لاحقة لمخرجات الشبكة العصبية المحددة كبيانات تمت معالجتها لاحقا. تتم مقارنة البيانات التي تمت معالجتها لاحقا بنطاق قيم معروف مرتبط بالبيانات التي تمت معالجتها لاحقا لتحديد ما إذا كانت البيانات بعد المعالجة تلبي نتيجة المخرجات المطلوبة. شكل 1أ.
Description
استنتاج الخصائص البتروفيزيائية لخزانات الهيدروكريونات باستخدام شبكة عصبية Inferring Petrophysical Properties of Hydrocarbon Reservoirs Using A Neural Network الوصف الكامل خلفية الاختراع خلال استخلاص الهيدروكريونات؛ تشتمل الخصائص البتروفيزيائية الأساسية لخزانات الهيدروكربونات على قابلية النفاذية والمسامية والتشبع وتشبع الهيدروكريون المتبقي. يمكن استنتاج هذه الخصائص البتروفيزيائية من قلوب Ad) الفيزيائية ويمكن أن تتغير بشكل غير خطي ANS 5 على سبيل المثال» للاتجاه؛ الموقع ؛ ظروف الإجهاد ¢ ونوع المائع ٠ إن معرفة التوزيع الطبقي وتوزيع
النفاذية من jh لآخر هو مفتاح jal) بأداء خزان الهيدروكريونات. يمكن تطبيق الخصائص البتروفيزيائية المجمعة من مجموعة مختلفة من حقول الآبار إلى حقل إنتاج كامل واستخدامها في استنتاج خصائص jug أداء خزان هيدروكريونات محدد. تتمثل الصعوية الرئيسية في al بالنفاذية في خزان هيدروكريونات عتيق في نقص البيانات (ASH خاصة عند استخدام تحليل
0 عينة قلب البئر. بعد الحصول على قلب idl يتم تقليل saga المعلومات التي يمكن استخلاصها من قلب البئر للتحليل كدالة للوقت (على سبيل المثال؛ بسبب التخزين » النقلء dann ag all والمناولة). بدون بيانات نفاذية دقيقة» يمكن أن تكون التنبؤات البتروفيزيائية الخاصة غير دقيقة وتؤدي إلى تكاليف استخلاص هيدروكربون مرتفعة دون داع. الوصف العام للاختراع
يصف التطبيق الحالي الطرق والأنظمة؛ بما في ذلك الطرق المنفّذة بالحاسوب»؛ ومنتجات برامج الحاسوب» وأنظمة الحاسوب من أجل استنتاج الخصائص البتروفيزيائية لخزان الهيدروكريونات باستخدام شبكة عصبية (NN) . في أحد التطبيقات؛ يتم تحسين بيانات الصور المُستَلَمَة لإنشاء بيانات صور محسنة باستخدام معالجة الصور لإزالة التشوهات واسترجاع المعلومات المرتبطة بمخرج مستهدف مطلوب. يتم
تقطيع الصور على بيانات صور محسنة صالحة للاستخدام في إنشاء بيانات الصور المقطعة عن طريق تقسيم بيانات الصور المحسنة إلى مناطق متماسكة فيما يتعلق بمعايير محددة تستند إلى الصور. يتم المعالجة المسبقة لبيانات الصور المقطعة الصالحة للاستخدام والبيانات المساعدة لإدخالها إلى شبكة عصبية كبيانات مُعالجّة مسبقًا. يتم تقسيم البيانات المعالجة مسبقًا على بيانات التدربب والتحقق من الصحة والاختبار. يتم تحديد بنية الشبكة العصبية لمعالجة البيانات المعالجة مسبقًا ويتم تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات المعالجة مسبقًا. يتم تنفيذ المعالجة اللاحقة للشبكة العصبية المحددة كبيانات معالجة لاحقة. تتم مقارنة البيانات المعالجة Gal بنطاق dad معروف مرتبط بالبيانات المعالجة لاحقًا لتحديد ما إذا كانت البيانات المعالجة لاحقا تحقق نتيجة مخرج مرغوب.
0 يكين التنفيذ الموصوف ae قابل للتنفيذ باستخدام طريقة 835 بالحاسوب؛ وسط غير مؤقت قابل للقراءة بواسطة حاسوب يقوم بتخزين تعليمات مقروءة لأداء طريقة ينفذها الحاسوب؛ ونظام قابل للتنفيذ بواسطة الحاسوب»؛ يتألف من ذاكرة حاسوب مقترنة بشكل متوافق بمعالج أجهزة Lge لتنفيذ طريقة 5385 بواسطة الحاسوب/التعليمات المخزنة على وسط غير مؤقت قابل للقراءة بواسطة حاسوب.
5 يمكن تنفيذ الموضوع المذكور في وصف الاختراع في تطبيقات معينة من أجل تحقيق واحدة أو أكثر من المزايا التالية. ol يمكن استنتاج مسامية قلب بئر بالكامل قبل أن تتم إزالة الكتل (أو العينات) Gale من قلب البئثر lo) سبيل المثال؛ Bale توفير 12-6 شهرًا). (Gall يمكن استنتاج تشبع مائع قلب بئر بالكامل Jo) سبيل المثال؛ Bale توفير 9-6 أشهر ضروريًا للتحليل بعد التصوير المقطعي المحوسب (EG (CT) —scan) يمكن استنتاج نفاذية منطقة قلبية قبل 12-6
0 شهرًا من عملية نمطية. dal) بصفة عامة؛ يمكن حفظ عام Bale في عملية تكامل سجل قلبية (Sag تحقيق عمليات توفير في تكاليف المعالجة القلبية تزيد عن 745 (على سبيل المثال؛ بسبب الحاجة المخفضة أو عدم الحاجة لجمع عينات مستهدفة من قلب بئر والتكلفة المرتبطة لتحديد متغيرات الشكل باستخدام العينات المستهدفة). خامسًا؛ يمكن أن تستغرق العينات النمطية متوسط فترة ستة أشهر للاستخلاص من قلب بتر. يتم تقليل saga بيانات الاختبار كلما استغرقت معالجة
5 عينة قلبية واختبارات التشغيل. يؤدي استخدام بيانات الاختبار منخفضة الجودة الأقل إلى عدم
الدقة التحليلية. سادسًاء تستخدم الطريقة المذكورة NN لتحليل البيانات المساعدة (مثل البيانات المختبرية أو الميدانية أو غيرها من البيانات التي يتم التخلص منها Bale بعد التجميع نظرًا للنقص الواضح في إمكانية التطبيق على أي نظرية أو قانون فيزيائي/هندسي أو حسابات أو علاقة/معادلة قائمة. يمكن أن تشتمل البيانات المساعدة؛ على سبيل المثال؛ على البيانات المستخدمة فى التحليل البتروفيزيائي أو الطبي. تعتبر أي مساعدة بيانات أخرى متوافقة مع هذا الكشف ضمن نطاق
ass) الحالى . على سبيل المثال» قد تشتمل بيانات dls غير جاهزة»؛ اختبار نفاذية نسبى على إنتاج متزايد بسبب: 1( التغير في معدل حقن المائع؛ 2( التغيير في الإجهاد؛ 3( تغيير درجة الحرارة؛ 4) التفاعل بين الموائع؛ و5) التفاعل بين الصخور والموائع. يمكن إدخال هذه البيانات إلى لال في الطريقة الموصوفة (على سبيل المثال؛ في مرحلة معالجة مسبة للبيانات لمدخل
(NN 0 ستتضح Wie أخرى لذوي المهارات العادية في المجال. ستم ذكر تفاصيل واحد أو أكثر من تطبيقات موضوع هذه المواصفات فى الوصف التفصيلى ¢ عناصر الحماية؛ والرسومات المرفقة. ستتضح المزاياء؛ الجوانب؛ والخصائص الأخرى للموضوع من الوصف التفصيلى 3 وعناصر الحماية 3 والرسومات المصاحبة . شرح مختصر للرسومات
5 تحتوي البراءة والكشف على الأقل على الرسوم المنفُذة بالألوان. سيتم توفير نسخ من تلك البراءة ومنشورها بالرسوم الملونة بواسطة Patent and Trademark Office عند طلب ودفع الرسوم الضرورية . الأشكال 1أ-1د توضح مخطط سير عمليات لإحدى الطرق التوضيحية أو استنتاج الخصائص البتروفيزيائية لخزان هيدروكربونات باستخدام شبكة عصبية (NN) وفقًا لأحد تطبيقات الكشف
0 الحالي. الشكل 2 عبارة عن مخطط إطاري يوضح البنية الأساسية ل Gg (NN لاستخدام الكشف الحالي. الأشكال 3- 3ج توضح جدول Jie البيانات القابلة للاستخدام بعد تحسين الصورة وعزل الصورة (بيانات المدخل ل NN المختارة)؛ وفقًا لأحد تطبيقات الكشف الحالي.
الأشكال 14— 4ج توضح جدول يمثل قيم معروفة (بيانات مستهدفة ل NN مختارة) للمسامية كل من الصور المعالجة؛ Wy لأحد تطبيقات الكشف الحالى. الأشكال 5-15 عبارة عن مخططات تمثل نتائج تكرار تدريب واختبار NN المختارة لكنها تفشل فى Bal وفقًا لأحد تطبيقات الكشف الحالى. الأشكال 6أ-6ب عبارة عن مخططات تمثل نتائج تكرار تدريب واختبار NN المختارة حيث يكون
التلاقي مُرض؛ وفقًا لأحد تطبيقات الكشف الحالي. الشكل 7 عبارة عن مخطط إطاري لنظام حاسوب توضيحي مُستخدّم لتوفير وظائف حوسبية مرتبطة بالخوارزميات والطرق والوظائف والعمليات والتدفقات والإجراءات كما هو موضح في الكشف الحالى؛ وفقًا لتطبيق لأحد تطبيقات الكشف الحالى.
Ju 0 الأرقام المرجعية والتصاميم فى الرسومات المختلفة على العناصر المشابهة. الوصف التفصيلى: يوضح الوصف التفصيلي التالي استنتاج خصائص بتروفيزيائية لخزان هيدروكريونات باستخدام شبكة عصبية (NN) ويتم تقديمها لتمكين أي شخص ذي مهارة في المجال من استخدام الموضوع الذي تم الكشف عنه في سياق واحد أو أكثر من التطبيقات المحددة. يمكن إجراء تعديلات
5 1 وتبديلات وتغييرات مختلفة للتطبيقات التي تم الكشضف عنها 4 وسوف تظهر بوضوح Ss المهارة العادية فى هذا المجال؛ (Sarg تطبيق المبادئ العامة المحددة على التطبيقات والتطبيقات الأخرى؛ دون الخروج عن نطاق الكشف. فى cea an يمكن حذف التفاصيل غير الضرورية للحصول على فهم الموضوع الموصوف بحيث لا يتم حجب واحد أو أكثر من التطبيقات الموصوفة بتفاصيل غير ضرورية باعتبار أن مثل هذه التفاصيل تكون ضمن مهارة ذوي المهارة
0 العادية فى المجال. ليس من المقرر تقييد الكشف الحالى بالتطبيقات المذكورة أو الموضحة؛ بل يجب منحه أوسع نطاق يتوافق مع المبادئ والسمات الموصوفة. إن أهم قيمة لقلب بئر فيزيائي مستخلص إلى عامل استخلاص هيدروكربون هي تقديم تقدير للخصائص البتروفيزيائية لخزان الهيدروكربونات. يمكن استخدام الخصائص البتروفيزبائية المقدرة
لتقدير كمية الهيدروكريونات الموجودة؛ وكم هو سهل لتدفق الهيدروكريون؛ وكمية الهيدروكريونات التي يمكن استخلاصها بشكل تقليدي؛ وكمية الهيدروكريونات التي ستتبقى خلفها بعد استخدام وسيلة الاستخلاص التقليدية؛ وعند أي موقع سيتواجد الهيدروكربون المتبقي. تشتمل الخصائص الأساسية البتروفيزبائية لخزانات الهيدروكربونات على نفاذية؛ مسامية؛ تشبع؛ قابلية الترطيب ¢ وتشبع الهيدروكريوني المتبقي . يمكن استنتاج تلك الخصائص البتروفيزيائية من قلوب ull الفيزيائية وتغير غير خطى Al على سبيل المثال « على الاتجاه؛ cad gall ظروف الإجهاد؛ ونوع المائع. إن معرفة توزيع الطبقات والتوزيع من بثر إلى بثر للنفاذية هو مفتاح التنبؤ بأداء خزان الهيدروكربونات. يمكن توسيع نطاق الخصائص البتروفيزيائية إلى مجال إنتاج كامل واستخدامه لاستنتاج الخصائص والتنبؤ بأداء خزان هيدروكريونات معين. 0 تتمثل الصعوية الرئيسية في التنبؤ بالنفاذية. على سبيل المثال» في خزان عتيق في نقص في البيانات (ASH خاصة عند استخدام تحليل قلب البثر. بعد الحصول على قلب بثر؛ يتم تقليل جودة المعلومات التي يمكن استخلاصها من قلب البئر كدالة على الوقت (على سبيل المثال؛ بسبب التخزين والنقل والظروف البيئية والاستعمال). بدون بيانات نفاذية دقيقة؛ يمكن أن تكون التنبؤات بالخاصية البتروفيزيائية غير دقيقة وتؤدي إلى تكاليف استخلاص هيدروكربونية عالية دون 5 داع. ما تكون هناك حاجة إليه هو القدرة على استخدام صور قلب بئر ل: » تقدير النفاذية (على سبيل المثال؛ أفقية؛ رأسية؛ واتجاهية)؛ ٠ تقدير المسامية (على سبيل Jha الأفقية؛ الرأسية؛ والاتجاهية)؛ * تقدير تغلغل الطين وعمقه/اتجا هه للغزو الطيني المقدّر 6 ٠ 20 تقدير alas ناتج الترشيح وعحمقه/اتجاهه ٠ تقدير ضرر القلبء * تقدير تشبع المائع؛
* توفير مواقع الكتل الأفقية لالتقاط وتخزين الكربون (CCS) واختبارات مختبر تحليل القلب الخاص ((SCAL) * توفير مواقع الكتل الرأسية الخاصة بالتشبع؛ ٠ توفير مواقع الكتل لميكانيكا الصخورء ٠ 5 تحليل الإسفنج بالموائع (باستخدام صورة قلب الاسفنج)؛
تقدير تغلغل الموائع المختلفة فى J لإسفنج والقلب (على سبيل المثال؛ باستخدام صورة ld J لإسفنج) ¢ * تقدير عمق واتجاه تغلغل المائع في قلب بثرء Ula وكدالة على العمق والوقت (على سبيل (JU) باستخدام كل من فحص قلب الإسفنج في الميدان وفي المختبر)؛
٠ 0 تحديد/تمييز بين الكسور الطبيعية والناشئة. تلعب تقنيات الذكاء الاصطناعى (Al) 6 وعلى dag التحديد 6 استخدام GS ye Nga «NNs فى حل المشكلات غير الخطى المعقدة. إن فعالية NNS تُمكّن من العثور على حلول Cua تكون الطرق الخوارزمية مكثفة أو غير موجودة حسابيًا. تساعد NNS في التغلب على قيود النماذج المادية التي تعتمد على الظروف الحدودية والأولية لإيجاد واحد أو أكثر من الحلول. تعتمد المعادلات التقليدية
5 للأنظمة الخطية/غير الخطية على التكرارات للوصول إلى نتيجة مرجوة؛ حيث يتم اشتقاق المعادلات التقليدية من أو تحاول محاكاة قانون أو نظرية أو ملاحظة عالمية. هناك قيد آخر بسبب الحاجة إلى تحديد الظروف الحدودية والأولية» حيث يتم shal افتراضات لإجراء الحسابات. تعتمد NNS على إنشاء نماذج للخلايا العصبية في الدماغ التي تعمل ae كخلية ذاكرة وليس معيارًا محددًا. تشير لال إلى البيانات ككل وبحاول تحديد الاتجاهات والتعلم من الاتجاهات
0 الموجودة للتنبؤ بالقيم. إن ما يتم وصفه يكون عبارة عن استخدام تقنيات AINN باستخدام محرك حساب ANN (على سبيل المثال» MATLAB براسطة Mathworks, Inc., of Natick, Massachusetts, USA أو محرك aad AlN N يتم تنفيذه كأجهزة وبرامج ¢ أو توليفة منهما) وبيانات من
صور مختلفة لقلب ill والمائع Jia) أشعة ox التصوير المقطعي المحوسب (CT) (شريحة أو حلزونية)؛ حيود مسحوق أشعة ¢(XRD) X مجهر المسح ضوئي الإلكتروني (/581)؛ المسح ضوئي بأشعة جاماء الموجات فوق الصوتية؛ والتصوير بالرنين المغناطيسي (MRI) لاستنتاج الخصائص البتروفيزبائية من خزانات الهيدروكريونات. تستخدم تقنيات التصوير التوضيحية الإشعاع الكهرومغناطيسي من أشعة lala من خلال الطيف yall ¢ وموجات الراديوي» بأطوال
موجية ترددية تتراوح من 12-10 إلى 103 متر (mM) على التوالي). يمكن أن يوفر استخدام تقنيات AINN الموصوفة واحدة أو أكثر من؛ على سبيل المثال لا الحصرء ما يلى: © استنتاج نفاذية (على سبيل المثال؛ الأفقية؛ الرأسية؛ الاتجاهية) للعمق الكامل لقلب ll
٠ 0 استنتاج المسامية (على سبيل المثال؛ الأفقية؛ الرأسية؛ الاتجاهية) للعمق الكامل لقلب id) |e لارتباط البسيط لبيانات التسجيل ¢ ٠. موقع مناطق الضرر ly على ارتباط السجل بالبيانات المقدمة؛ ٠ مواقع مناطق الكسر بناءً على ارتباط السجل من البيانات المقدمة؛ ٠ موقع المناطق الأكثر ملاءمة للتكسير بناءً على ارتباط السجل بالبيانات المقدمة؛
٠ 15 تقدير سلامة الخزان كدالة على (andl * زيادة فهم حركة المائع كدالة على النفاذية الاتجاهية؛ * زيادة فهم حركة المائع كدالة على نوع المائع؛ * زبادة فهم حركة المائع كدالة على العمق؛ ٠ زيادة فهم مناطق العزل/العازل؛
٠ 0 زيبادة فهم الاتصالات عبر مختلف الخزانات» والحواجز؛ والمناطق؛ ٠ تقييم بيانات مسح ضوثى CT التاربخي/القديم بالكامل ¢
* المساعدة في تحليل آثار استخلاص النفط المُحسّن (EOR) ومواقع مناطق السلابء ٠ المساعدة في تحديد المواقع/الأعماق المستهدفة لحقن (EOR * المساعدة فى فهم وتقييم فعالية EOR K وتحديد المشكلاتء والتخفيف من المشكلات؛ ٠ توزيع حجم المسام؛ و ٠ 5 توزيع حجم عنق المسام ٠ يمكن أن تشتمل المدخرات النقدية لتقنيات AA/NN الموصوفة؛ على سبيل المثال لا الحصرء على ما يلي: 1) تقليل عدد الكتل المادية اللازمة للتحليل؛ 2) تقليل محاولات التوصيل الفاشلة (على سبيل Jad التوفير فى العمال»؛ الموائع» زمن ANY والكهرياء) 3( الحفاظ على القلوب المقطعة بشكل طبيعي للدراسات المستقبلية؛ و4) تقييم قيمة قلب الإسفنج.
0 كما ذُكِر مسبقًاء؛ يتم تقليل جودة المعلومات التى يمكن استخلاصها من قلب بتر كدالة على الزمن (على سبيل المثال؛ بسبب التخزين والنقل والظروف البيئية والاستعمال) . في الوقت الحالي؛ فإن الممارسة القياسية فى صناعة استخلاص الهيدروكريونات تكون لنقل قلب بئر إلى منشأة مختبرية واسترداد العديد من كتل المواد من قلب Jol لتشغيل اختبارات توازن المواد (على سبيل المثال؛ باستخدام تقنية دين ستارك) ولقياس قيم نفاذية ومسامية الهواء . إن التعامل مع المقبس وعمليات 3
مثل التنظيف والتجفيف Jad أحد الكتل إلى العديد من الموائع ودورات الضغط ودرجة الحرارة التي تتسبب في أضرارًا لا يمكن إصلاحها في القابس. نتيجةٌ لذلك؛ يتم اختراق نتائج أي اختبارات يتم إجراؤها على قابس» كما أن نتائج التحليل العام تكون منحرفة. من أجل تخفيف الأضرار التي تلحق بقلب «iy سيحاول مشغل استخلاص الهيدروكريونات تثبيت القلب بالكامل في الحقل lo) سبيل المثال» حقن مادة رغوية في برميل قلب البئر لتقليل فقد
0 المائع) ونقل قلب البثر المستقر بسرعة المختبر (على سبيل المثال؛ في غضون 24 ساعة) بحيث ial من برميل قلب ull وتعرضه لظروف محيطة حيث يتم أخذ واحد أو اثنين من الكتل من قلب البئثر (على سبيل المثال» كل 3 قدم (8)).
— 0 1 — كما هو موضح في الجدول رقم 1؛ تمثل الكتل المأخوذة من حوالي 1 إلى 962 من مقطع قلب all بالكامل (*خزان مساحته 10 كيلو متر مريع (KM2) به 50 قدم من نطاق مُغْلٍ): مقبس العينة بوصة سم سم2 سم3 (cm) (in) 86.8 3 1.5 7.62 | 3.81 ]11.40 7 مقطع 3 قدم من أربعة 91.4 |10.1 7413 36 4 81.07 في قلب القطر 4 6 .33 النسبة المثوية؛ 40.all/100%(Vplug/Veore) المثوية؛ x(Vplug/reservoir*) 100= %0.015/1.17 يمثل القابس 960.015 من الخزان يمثل القابس %0.015 من القلب الجدول 1 من المزايا الإضافية للتفنية الموصوفة هي القدرة على تقييم تكامل قلب بئر مُلتقّط. في كثير من الحالات التي يكون فيها قلب Ad قد تعرض للتلف (على سبيل المثال؛ الاسترجاع السريع من a) يسبب تمدد المائع وتجزئته؛ الثبات غير المناسب يؤدي إلى تلف أثناء النقل؛ والتخزين غير المناسب يؤدي إلى جفاف وتبلور الملح؛ ونوع ومعدل دوران الطين غير المناسب المستخدم خلال عملية قولبة حفرة البئر ينتج die قلب بئر يملؤه الوحل وناتج ترشيح الوحل وبعض أو كل موائع الخزان التي يتم استبدالها في قلب البئر). يمكن أن يتسبب تكامل قلب البئر التالف في خسارة مالية 0 كبيرة وتقديرات غير صحيحة. على سبيل المثال» يمكن لصد 2 ls اصطناعي أن يجعل قيم مسامية ونفاذية القلب أعلى بكثير من القيم الفعلية مما يؤدي إلى تقديرات مرتفعة لكميات
— 1 1 — الهيدروكربونات الاحتياطية. في حالة التغلغل المفرط لناتج ترشيح الطين؛ قد يؤدي صدع قلب بئر صناعي لكميات احتياطية كبيرة للغاية من النفط أو كميات هيدروكربون احتياطية منخفضة للغاية؛ اعتمادًا على نوع الطين المستخدم (على سبيل المثال؛ سواءً كان أساسه نفط أو ماء). يوضح الجدول 2 الإيرادات المفقودة المقدرة بأكثر من 3 ملايين دولار أمريكي من تكاليف الاستهداف التي تنطوي عليها قلوب المُجمَعَة للتحليل دون تكاليف حفر البئر. لا يشتمل الجدول على تكاليف التقديرات الخاطئة للكميات الاحتياطية بسبب وجود عيوب متوافقة من قلوب Dall المستخدمة للتحليل؛ تكاليف الوقت المُهدّر بين نتائج التقشير والتخطيط» وحفر واسترجاع قلب بئر جديد للتحليل. إن إضافة قيمة منخفضة لبئر جديد عند متوسط العمق تضيف 10 ملايين دولار أمريكي إلى السيناريو التوضيحي. إجمالى التكلفة ٍ مسافة القلب | إجمالى TA) العمليات دولار أمريكى ّ بالريال TT بوحدة القدم بالدولار السعودي تكلفة الحفر لكل قدم 0 50.0001 |187.500 تكلفة استقرار كل قدم 0 50.0000 187500 تكلفة Jal) لكل قدم 0 50.0000 187500 تكلفة المقبس لكل قدم 0 50.0000 187500 تكلفة دين ستارك لكل 75 0 75.0001 |281.250 قدم كثافة مسار الحبيبة (GD) تكلفة النفاذية | 50 0 50.000| |187.500 والمسامية لكل قدم
— 2 1 — جاما ؛ مسح ضوئي «CT وعمليات مسار | 50 1.000 50.000 187.500 أخرى تكلفة اختبار SCAL 11.0 في المملكة وخارج 3.000 1.000 3.000.000 0 المملكة (IK/OOK) تكلفة المسامية العالية لبيانات التوافق تكلفة التشبع العالي بالماء (انخفاض الهيدروكربون) الطين الذي أساسه الماء (WBM) تكلفة التشبع المثخة لمنخفض ( بالماء (عالي الهيدروكربون) الطين الذي أساسه النفط (WBM) تكلفة بئثر جديد 10.000.00 | 37.500.00 للحصول على قلب 0 0 آخر تكلفة تأخر الوقت لعمل قلب i جديد
— 3 1 — 13.375.00 | 50.156.25 التكلفة الإجمالية الكبيرة 0 0 الجدول 2 فى الجدول 2؛ يشير دين ستارك إلى عملية استخلاص انتقائية للعينات الصخرية ¢ حيث يتم استخدام أبخرة المذيب (على سبيل المثال؛ التولوين أو الكلوروفورم) لإزالة الهيدروكربون والماء من العينة. بعد إزالة الهيدروكريونات والماء من العينة؛ يتم استخلاص العينة بأبخرة مذيب (على سبيل المثال؛ الميثانول) لإزالة الملح من العينة. فى التطبيقات النمطية؛ يمكن تمثيل صورة ملونة بواسطة دالة (Bad حيث ترمز RGB إلى J لأحمر سس لاخضر سس لأزرق (أو J لأحمر ب لأخضر سس لأزرق) 3 على التوالي : RGB = (FR, FG, FB) حيث (لا R(X, تمثل شدة البكسل (لا ,*) في Cus colpanll stall (لا fG(X, تمثل fG(X, y) 0 شدة بكسل (X,Y) في القناة الخضراء؛ 5 Jia B(X,Y) شدة البكسل (X,Y) في القناة الزرقاء . فى المستوى العالى؛ يمكن أن تشتمل مكونات الطريقة الشاملة لاستهلاك الخصائص البتروفيزيائية لخزان الهيدروكربونات باستخدام NN على ما يلى: 1. المعالجة والترشيح المسبق - العمليات التي تعطي نتيجة لذلك صورة معدلة بنفس أبعاد الصورة الأصلية (على سبيل JE تحسين التباين والحد من الضجيج) ¢ 5 2. تقليل البيانات واستخلاص الميزة - العمليات التى تستخلص مكونات هامة من نافذة صورة. يكون عدد الميزات المستخلصة أقل بصفة عامة من عدد البكسلات فى نافذة الإدخال» 3. تقطيع - عمليات تقوم بتقسيم صورة إلى مناطق هي مناطق متماسكة فيما يتعلق ببعض المعايير. أحد الأمثلة على ذلك هو الفصل بين مختلف القوام. 4 تقطيع - عمليات تقوم بتقسيم صورة إلى مناطق هي مناطق متماسكة Led يتعلق ببعض 0 المعايير. أحد الأمثلة على ذلك هو الفصل بين مختلف القوام.
— 4 1 — 4- الكشف عن الأجسام والاعتراف بها - تحديد الموقع؛ وريما الاتجاه والمقياس؛ لأجسام محددة فى صورة ما وتصنيف الكائنات (على سبيل المثال» تحديد النفاذية الاتجاهية؛ الشذوذ» واتجاه الصد ع ‘ 5 . فهم الصورة _ الحصول على معرفة عالية المستوى (د لالية) لما تمثله الصورة “و
6. تحسين - يمكن استخدتم الحد الأدنى من وظيفة معايرة؛ على سبيل المثال؛ لمطابقة الرسم البيانى أو إزالخطوط الهدف. لاحظ أن تقنيات التحسين لا ينظر إليها كخطوة منفصلة فى سلسلة معالجة صورء ولكن كمجموعة من التقنيات المساعدة؛ التي تدعم الخطوات الموصوفة الأخرى.
إلى جانب المهام الفعلية التي تقوم بها خوارزمية مذكورة؛ يتم تحديد قدرات معالجة الخوارزمية بشكل جزئى من خلال مستوى استخلاص لبيانات المدخل المُستقبَلَة بواسطة خوارزمية معينة. فيما 0 يتعلق بهذا الكشف؛ يمكن استخدام العديد من العمليات للتمييز بين مستويات التجريد. فمثلا: 1. مستوى كثافة البكسل - كثافة وحدات البكسل الفردية؛ 2. مستوى المزايا المحلية - مجموعة من المزايا المشتقة التى تعتمد على البكسل؛ 3. مستوى البنية (الحافة)- موقع نسبي لواحدة أو SST من المزايا المدركة Ae) سبيل المثال» الحواف والأركان والمفاصل والأسطح)؛ 5 4. مستوى الهدف - مجموعة من الأهداف الفردية؛ 5. مستوى مجموعة الأهداف - الترتيب المتبادل والموقع النسبي للأجسام المكتشفة؛ 6 . توصيف الصورة _ وصف كامل للصورة 4 ريما تتضمن ظروف ا لإضاءة والسياق 3 7. تردد الألوان - الاستفادة من الطيف الترددي للإشعاع الكهرومغناطيسي؛ 8. شدة اللون - اشتقاق الخاصية كدالة على شدة لون مكون؛ و 0 9. ميزة اللون المكاني - العلاقات القائمة بين مختلف المزايا (على سبيل المثال؛ كتابة الحبوب).
كمثال على تطبيق مكونات الطريقة عالية المستوى المذكورة سابقًا وتحديد مستوى استخراج البيانات المدخلة؛ يمكن أخذ صورة مسح ضوئي CT من قلب ll وتحليل الصور وتجزئها على النحو التالي (راجع على الأقل الشكل 1 أ لمزيد من التفاصيل): 1. تحسين الصورة: أ١. إزالة تشوهات برميل قلب البثرء
ب. إزالة ضجيج الصورة؛ ج. شحذ الصورة؛ 2.. تقطيع قاعدة الصورة الملونة le) سبيل المثال. فصل (RGB أ. تنشر في مختلف مجالات الألوان من 0 إلى 256؛
oo 0 تحويل الصور إلى مقياس رمادي والحصول على المزاياء و ج. تحويل الصور إلى أبيض وأسود وإجراء تحليل للتصنيف؛ 3. قاعدة ألوان الصورة (صبغة وتشبع): ا. فصل على أساس لون الصبغة؛ ب. فصل على أساس التشبع؛ و
15 ج. قاعدة منفصلة عن الخصائص المكانية؛ 4 تحليل قاعدة الرسم البياني الرسم البياني: ا. توزيع الخانات على أساس فصل اللون في ب. وج. من 'تقطيع أساسها لون الصورة (تشبع أو (dana ب. التصنيف على أساس انتشار توزيع الخانات والسعة؛ و
0 ج. استهداف منطقة ذات أهمية oly على تقدير البيانات البيطرية؛ و
— 6 1 — 5. كشف الحافة: Ld بناءً على dad اللونء ب. بناء على قيمة التشبع؛ و ج. ly على الخصائص المكانية.
بالتوافق مع هذه المناقشة السابقة؛ يصف ما يلي استخدامًا معيئًا لاستخدام تقنيات AAINN من أجل استنتاج خصائص بتروفيزيائية لخزان الهيدروكريونات. كما سيتم فهمها بواسطة ذوي المهارات العادية في المجال؛ يمكن استخدام التقنيات المختلفة الموضحة كجزءٍ من منهجيات مرتبة بشكل مختلف وفي تطبيقات تقنية مختلفة لإنجاز الموضوع الموصوف . هذه | لاختلافات ‘ يقدر ما تتماشى مع هذا الكشف؛ تعتبر أيضًا ضمن نطاق هذا الكشف.
0 الأشكال 1أ-1د عبارة عن مخطط سيرعمليات لطريقة 100 توضيحية لاستنتاج الخصائص البتروفيزيائية لخزان الهيدروكريونات باستخدام By (NN لتنفيذ الكشف Jal) من أجل توضيح العريض؛ يصف الوصف التالي بشكل عام الطريقة 100 في سياق الأشكال الأخرى في هذا الوصف ٠ ومع ذلك سيتم فهم أنه يمكن تنفيذ الطريقة 100« على سبيل JE بواسطة أي نظام بيئة؛ برامج» وأجهزة؛ أو توليفات من الأنظمة والبيئات والبرامج والأجهزة؛ حسب الاقتضاء. في
5 بعض التطبيقات؛ يمكن تشغيل الخطوات المختلفة للطريقة 100 بالتوازي أو في توليفة أو في حلقات أو بأي ترتيب. تنقسم الطريقة 100 إلى قسمين أساسيين: 1) تحليل الصورء وتجزئتها وفهمها و2) تنب NN بالتقديرات البتروفيزيائية. من القسم 1)؛ يتم استخدام البيانات التي تلبي احتياجات المعايرة القابلة للاستخدام عند 116 فقط فى القسم 2 NN gall لتقديرات الخصائص البتروفيزيائية.
عند 02 1 6 يتم توليد بيانات الصور (مثل أشعة «X التصوير المقطعي المحوسب (CT) (شريحة أو حلزونية)؛ حيود مسحوق أشعة ¢(XRD) X مجهر المسح ضوئي الإلكتروني (/581)؛ المسح ضوئي بأشعة جاماء الموجات فوق الصوتية؛ والتصوير بالرنين المغناطيسي (MRI) من قلب بئر
وجعلها متاحة. يمكن أن تقوم بيانات الصور بتمثيل أي نوع من البيانات من المختبر أو الميدان طالما يمكن تمثيل البيانات كصورة. من 102( تنتقل الطريقة 100 إلى 104. عند 104« يتم تحسين صورة مُستقبّلة من خلال صورة dallas مسبقة لاسترداد معلومات مفيدة من الصورة لمخرج مستهدف مطلوب Alls التشوهات الموجودة بسبب Alls معينة لقلب البثر (على سبيل المثال؛ بسبب إجمالي الحالة الفيزيائية لقلب ad) (على سبيل المثال؛ الشقوق أو القطع المفقودة)؛ الغلاف (نوع المادة التي تحيط بالقلب)؛ اتجاه القلب؛ المادة المحيطة بالقلب؛ نوع المائع المستخدم لحفر بئرء الآلية التي يتم بها رفع القلب خارج البئر؛ المعدل الذي يتم عنده سحب قلب ll خارج ll طريقة وضع قلب البئثر على أرضية جهاز الحفرء كيفية استقرار قلب all على سطح جهاز الحفر (على سبيل المثال؛ باستخدام رغوة أو مائع محقون)؛ فروق الضغط ودرجة 0 الحرارة Led يتعلق بقلب البثر في بئثر وعندما تصل إلى حالة الغلاف الجوي في موقع جهاز الحفر) عند التصوير. في التطبيقات النمطية؛ يمكن أن يعتمد تحسين الصورة على الخصائص البتروفيزيائية/المتغرات المرتبطة بخزان؛ موقع «i حالة قلب بئر كامل؛ أو خاصية/متغير آخر. يتم تطبيق عمليات تحسين الصورة على كل صورة مستلمة قيد التحقيق للحصول على صورة أكثر ملاءمة من الصورة 5 الأصلية؛ sly على حاجة معينة. هناك أسباب كثيرة لتحسين الصورة؛ بدءًا من شحذ الصور البسيطة وتقليل الضجيج إلى تحسين صورة مستهدف بشكل أكبر بناءً على المعلومات المتوفرة لقلب معين. على سبيل (JB يمكن أن يكون هناك تغلغل طيني أو تغلغل ناتج ترشيح طيني due Jas قلب «ill والتي قد تكون أو لا تكون ذات أهمية. يمكن أن يساعد تحسين الصورة في تحضير صورة تسمح بإجراء تحليلات متعددة لفهم أفضل لتأثير تغلغل الطين على حساب مسامية 0 المطلوب بشكل أفضل. تشتمل الخطوات الأكثر شيوعًا في تحسين الصورة على: 1) الكثافة والترشيح المكاني؛ حيث قد يلزم تحويل صورة لنطاق تردد معين لمعالجة تشوهات ناتجة عن المعدات (مثل تشوهات Jas أو مُستقبل) أو ظروف بيئية (على سبيل المثال؛ الضجيج المحيطة وبنيات تحت الأرض) و2) استعادة الصورة؛ خاصة للصور ذات الجودة المنخفضة 1a أو المحفوظة بتنسيقات غير متوافقة. 5 في بعض الحالات؛ يمكن أن تكون هناك حاجة إلى تقنيات تحسين الصور الأخرى؛ Jie الضغط
والمعالجة المورفولوجية بناءً على جودة صورة مُستبَلَة والنتائج المرجوة. هناك العديد من الطرق المتاحة لاستخدام بيانات الصور المُنسَقَة أو غير المُنسَقَة للحصول على الخصائص البتروفيزيائية. تعتبر أي طريقة تحسين صورة متوافقة مع هذا الكشف؛ سواء كان Gilat أو مفتوح المصدر؛ أو ملكية؛ ضمن نطاق هذا الكشف.
هناك أمثلة على تحسين الصورة يمكن أن تشمل؛ على سبيل المثال لا الحصرء على تحليل طيف لون الضجيج 1106 لإزالة الضجيج (على سبيل المثال» ضجيج الملح والفلفل؛ الضجيج الغوسية؛ ضجيج «ASE وضجيج بويسون) لتخفيف التشوهات المدخلة إلى صورة بسبب المشاكل المتعلقة بأداة التصوير؛ شكل الصورة المستخدمة (على سبيل المثال» (PNG BMP (JPG/JPEG 5 ؛ XML (LAS (LIS أو التنسيق التناظري/الرقمي الآخر)؛ حالات موقع الخزان أو al
0 النقل (على سبيل المثال؛ تجميعة الحمالة التي تمسك بقلب البئرء الغطاء المستخدم على قلب البثرء أو اتجاه قلب البثر)؛ التعامل؛ والظروف البيئية؛ التحويل إلى التدرج الرمادي 106ب (على سبيل المثال» لمعالجة درجة اللون أو تشبع البكسل في صورة ملونة)؛ تصحيحات خلفية 106ج (على سبيل المثال؛ للتمييز بين هدف مهم في صورة ما عن بقية الصورة (مثل؛ المتعلق بالمواد التي تغطي قلب fll أو متغيرات أداة التصوير)؛ وتنسيق الصورة 106د(على سبيل المثال
5 للحصول على دقة محددة وحنك ملون) للتعامل مع القيود التي يتم تقديمها عند حفظ الصور بتنسيقات مختلفة. فيما يتعلق ب 106د؛ تقوم أشكال الصور المختلفة بتعديل وتخزين المعلومات الخاصة بالتنسيق عن الصورة بطرق مختلفة. بينما يكون الكثير من أدوات التصوير (على سبيل JU) ¢ تصوير (CT قادر على تخزين الصور بتنسيقات متعددة؛ بالنسبة لقلب بثر كامل معين؛ يمكن استخدام تنسيقات متعددة للصور/الصور الجزئية لمقطع من قلب البئر ذاته/قلب Sa)
0 بالكامل أو تحويلها حسب خصائص شكل الصورة. يمكن أن تحتوي صورة محددة على واحدة أو أكثر من تقنيات تحسين الصور التي يتم تنفيذها ضدها. يمكن Wal تطبيق تقنيات تحسين الصور بترتيبات مختلفة. قد يختلف عدد تقنيات تحسين الصور أو ترتيب تقنيات تحسين الصور تبعًا للصورة؛ الحجم؛ أو أي معيار/معايير أخرى تتفق مع هذا الكشف.
هناك مثال محدد على تحسين الصورة يعتبر مسامية. في هذا المثال؛ يتم الحصول على صورة
مسح ضوئي CT من 1000 قدم. يتم الحصول على قلب البثر في موقع بثر. يكون قلب البثر
التوضيحي عبارة عن 4.0 بوصة في القطر ومغلف بغطاء من الألومنيوم بقطر 5.0 بوصة
(برميل). يوجد هناك طبقة سميكة 1.0 بوصة من الاسفنج الخاص أحادي الاتجاه بين قلب Sill
والبرميل الذي يوفر الدعم لقلب fll ويساعد أيضًا في تخفيف الحركة القطرية لموائع الخزان بعيدًا
عن قلب البئر نفسه. يتم قطع البرميل إلى أقسام (على سبيل JU مقاطع 3 قدم) pg إغلاق
طرفي كل مقطع برميل في موقع «ull بحيث لا يمكن لأي مائع التسرب من البراميل أو الدخول
إلى البرميل من البيئة.
يتم شحن مقاطع من برميل قلب البئثر إلى مختبر أشعة ل. خلال النقل والتخزين؛ يتم التحكم في 0 البيئة المحيطة بحيث تبقى درجة الحرارة بين 18 درجة مئوية و20 درجة مئوية في ظروف
الضغط المحيط. بالإضافة إلى ذلك؛ يمكن تجهيز كل برميل بمستشعر صدمة وانحراف للتأكد من
الحفاظ على اتجاه البرميل بشكل صحيح فيما يتعلق باتجاهه في الأرض.
في مختبر أشعة X يتم تصوير المقاطع القلبية Bale خلال 48 ساعة من الاسترجاع من موقع
خزان بثر. يمكن أن يشتمل التصوير بأشعة X على التصوير المقطعي باستخدام مسح في اتجاه * candy 5 واتجاه 7 candy واتجاه 10 شرائح 2 كل قدم من طول قلب البثر. يتم توليد الصور الملونة
كل عملية مسح ضوئي؛ مصنفة لتحديد الهوية الصحيحة؛ ويتم حفظها بتنسيق ملف بيانات الصور
(على سبيل (JPEG (Jbl على سبيل المثال:
«(2) well_depth_raw_jpg ) .لا 2( = instrument_scan_result_xlyz
حيث يتم توليد مجموع الصور الملونة التي تم مسحها «X-1000) 12000 CT ign 1000- 0 | ء 10.000”-)؛ حيث تعتمد كل صورة على دقة ملايين البكسل حيث كل بكسل يتكون من
6 بت إلى جانب المعلومات المكانية لكل بكسل. نظرًا لأن كل بكسل يحتوي على معلومات
مكانية مرتبطة به؛ فيمكن التعامل مع المصفوفة كمتجه. يمكن بعد ذلك توفير هذه الصور (102)
من أجل تحسين الصورة وعمليات أخرى. لاحظ أنه يتم تحويل استجابة المستشعر التناظري (على
سبيل المثال؛ من المسح الضوئي 67) الخاصة بجزء من قلب البئر إلى البيانات الرقمية.
— 0 2 — في بعض التطبيقات؛ يمكن توليد قاعدة البيانات من كل بثر تم تحليله لتوفير بيانات الصور التي يمكن استخدامها أيضًا لتحديد الخصائص بتروفيزيائية باستثناء على سبيل المثال؛ المسامية؛ النفاذية؛ تشبع المائع. يمكن قراءة الصور في مصفوفة باستخدام أمر مصفوفة وتخزينها بالترتيب باستخدام مُعرّف لتحديد العينة واتجاه الصورة.
يمكن استخدام تحسين الصورة لإزالة التشوهات التي تم إدخالها بواسطة حزمة أشعة المسح الضوئي «CT شمك البرميل؛ ومادة البرميل (على سبيل المثال؛ الألومينيوم؛ ولكن قد يكون البرميل من مواد أخرى؛ مثل الصلب؛ البلاستيك؛ أو المواد المركبة). يساعد إزالة هذه التشوهات من خلال استخدام عمليات المسح الضوئي الأساسية المختلفة لخصائص المادة والمعدات المختلفة (المسح الضوئي (CT يمكن تطبيق تحسين صورة ثانوي لإزالة التشوهات إذا كان سبب وجود التشوهات يرجع إلى
0 1 تردد لون الصورة وتحويلها من تنسيق ملف بيانات صور معدات محددة إلى تنسيق مختلف (على سبيل المثال» (JPEG تتعلق عمليتا التحسين الرئيسيتان بنطاق مكاني ونطاق ترددي. للحصول على مسامية كبيرة؛ يمكن أن يكون تحسن نطاق مكاني كافٍ؛ ولكن للحصول على فهم أكثر تكاملًا للحبيبات الداخلية؛ المساميات الصغيرة/الكبيرة ويشكل Cag فى الحالات غير التقليدية؛ تكون عمليات تحسين كل 5 .من النطاق المكاني والنطاق الترددي مطلوية. تتعلق الحالات غير التقليدية بقلوب البئر المزالة من الخزانات غير التقليدية؛ بما في ذلك على سبيل cA الصخر النفطي؛ رمال الغاز المتماسكة؛ الرمال غير المتماسكة؛ ورمال القار . على dag التحديد فى التطبيقات النمطية؛ يتطلب تحسين النطاق الترددي إجراء تحويلات فوربيه. يمكن استخدام ترشيح النطاق المكاني لتحسين جودة الصورة؛ حيث يتم تحويل الصورة الأصلية 0 08 | باستخدام دالة آ إلى spl على سبيل المثال: I_spl =f (I_org) )3(« حيث يمكن أن تكون FAA ببساطة دالة تعمل على مجموعة محددة من البكسلات لتقليل الضجيج في الصورة. يمكن أن تتضمن دوال الترشيح الأخرى للنطاق المكاني؛ على سبيل المثال؛
دوال خطية؛ حسابية؛ منطقية؛ قناع» مستوى شدة؛ طيف ألوان» سجل» قانون 898( أساسها مدرج
تكراري؛ مشتقة؛ ودالة لابلاس.
يمكن أيضًا أن يكون سطوع الصورة مُحسّن أيضًا (إما أقل أو أكثر سطوعًا) لتسليم صورة ضمن
نطاق سطوع مطلوب. يمكن أن يساعد تحسين سطوع الصورة على التمييز بين مسامية الصدع من مسامية المصفوفة وفي تحليل الصدوع الطبيعية والمستحثة.
يمكن Lad تحسين الصور للوضوح لإبراز الخصائص المميزة. على سبيل المثال؛ يمكن أن
تساعد صورة أكثر وضوحًا في تحديد ما إذا كان الصدع طبيعيًا of مستحدًا.
يمكن استخدام تحسين صورة الجمع بين العديد من الصور كدالة على العمق لإزالة ميزة معينة
لعينة i lf (على سبيل المثال؛ إزالة نطاق معين من المساميات) للمساعدة في تحليل NN
0 للخصائص البتروفيزيائية التي تعتمد على نوع مسامية معين. توفر المدرجات التكرارية أداة تحسين صورة فعالة يمكن استخدامها لتوفير قيمة حدية؛ على سبيل (Jal قيم البكسل؛ قيم الألوان؛ قيم التشبع أو القيم المكانية التي يمكن تطبيقها على جميع الصور كمرشح عالمي. من خلال تغيير نطاق قيمة المدرج التكراري؛ يمكن توليد المرشحات العالمية المتعددة وتطبيقها على الصور المستقبّلة.
5 وفيا لما هو مُقذّر بواسطة ذوي المهارة العادية في المجال؛ يتم توفير تقنيات تحسين الصور الموصوفة على سبيل المثال لغرض المساعدة في فهم التقنيات الموصوفة. لا تقتصر تقنيات تحسين الصور على التقنيات الموصوفة فقط» بل على أي تقنية تتفق مع هذا الكشف. بالإضافة إلى ذلك؛ لا تقتصر تقنيات تحسين الصور على مرحلة معالجة الصور الأولية للطريقة الموضحة 0. في التطبيقات النمطية؛ يمكن استخدام تحسين الصورة في الأجزاء الأخرى من الطريقة
0 100 حسب الاقتضاء (على سبيل المثال؛ أثناء تقطيع الصور إلى بيانات التوليد لاستخدام NN ومعالجة مخرج NN للتنبؤ بالخصائص البتروفيزيائية ذات الأهمية). Bale ما تتضمن نتيجة تحسين الصورة صورتين أو «JST بما في ذلك تنسيق الصورة الأصلية من 102 (على سبيل المتال (JPEG وتنسيقات أخرى (على سبيل المثال» (PNG BMP بناءً على البيانات المطلوية وأفضل شكل صورة (صور) متاحة لتصور البيانات. من 104؛ تعود الطريقة 100 إلى 108.
عند 108؛ يتم تحديد ما إذا كانت صورة واحدة أو أكثر من الصور المحسنة يمكن استخدامها في
الطريقة الموصوفة. يمكن أن تشتمل أسباب تحديد قابلية استخدام صورة محسنة؛ على سبيل
المثال. على أن إحدى عينات قلب ull المصورة لا تكون من القلب لكنها من بعض مواد أخرى
(على سبيل المثال؛ الطين أو المائع)؛ تكون الصورة الناتجة من مسح قلب البئر ضوئيًا مشوهة بسبب التشوهات المُدخَلَة بواسطة أداة تصوير (مما يعني أن هناك حاجة إلى إعادة تصوير قلب
البئثر)؛ لا تكون تقنيات تحسين الصور قادرة على إجراء تحسين ضروري ويجب تطوير تقنيات
مختلفة أو جديدة.
في التطبيقات النمطية؛ يتم تقييم قابلية استخدام كل صورة من 104 فيما يتعلق بمعيار القابلية
للاستخدام أو مجموعة معايير قابلية الاستخدام. يمكن أن يتضمن معيار قابلية الاستخدام» على
0 سببيل المثال» معيار كثافة البكسل- (Jie كثافة البكسل لمجموعة معينة من ترددات الطيف؛ نسبة كثافة البكسل من طيف أحادي اللون إلى طيف لون «AT وشكل منطقة اللون وكثافة البكسل؛ المسافة الحدية بين لطيف أحادي اللون إلى «SAT وموقع بكسل كثافة اللون المعطى. يعتمد معيار قابلية الاستخدام cle على سبيل (Jl) معرفة نوع cll نوع الغلاف؛ عمق بئرء Ala الخزان» نوع الخزان» وعملية نقل/التعامل مع القلب.
5 إذا تم تحديد أن صورة محسنة قابلة للاستخدام» فإن الطريقة رقم 100 ستنتقل إلى الرقم 112. ومع ذلك؛ إذا تم تحديد أن الصورة المحسنة ليست صالحة للاستعمال؛ يتم إجراء تحديد لاحق لمعرفة ما إذا كان يمكن إجراء مزيد من التحسين للصورة المحسنة لجعل الصورة المحسنة صالحة للاستخدام. إذا تم تحديد أنه يمكن إجراء مزيد من التحسين للصورة المحسنة )1110( يتم إرجاع الصورة المحسنة إلى 104 لمزيد من التحسين للصورة. إذا تم تحديد أنه لا يمكن إجراء مزبد من
0 التحسين على الصور المحسنة لجعل الصورة المحسنة قابلة للاستخدام» يتم تجاهل الصورة (110ب). إذا تم التخلص منهاء بعد 0110« فإن الطريقة 100 تتوقف ale فيما يتعلق بالصورة المحسنة الخاصة على الأقل؛ ولكنها تستمر مع أي صور تظل صالحة للاستخدام. في تطبيقات نمطية؛ يمكن للطريقة 100 توليد إشعار بأنه يتم تثبيت أو تجاهل صورة محسنة محددة. في بعض التطبيقات؛ يمكن الاحتفاظ بالبيانات المتعلقة بالصور المتجاهلة للسماح بمزيد من المعالجة للصورة
5 المتجاهلة أو استخدام أي بيانات مرتبطة بالصورة المتجاهلة؛ إن كان هناك رخبة لذلك. على سبيل
المثال؛ قد لا تكون البيانات المتجاهلة صالحة للاستخدام لنوع واحد من الخصائص البتروفيزيائية (على سبيل المثال؛ المسامية)؛ ولكنها قد تكون صالحة للاستخدام لنوع آخر من الخصائص البتروفيزيائية (على سبيل المثال القابلية للترطيب). عند 112 يتم تنفيذ عمليات تقطيع الصور على الصورة المحسنة لتقسيم الصورة المحسنة إلى
مناطق متماسكة فيما يتعلق بمعايير أو معيار معين (على سبيل المثال؛ معايير محددة تستند إلى الصور؛ء مثل نطاق كثافة بكسل أو أشكال أو بنيات داخل الصورة المحسنة). تعتبر جودة تقطيع الصور lage Sale يساهم في Bhs الخصائص البتروفيزيائية المُستنتجّة لخزان الهيدروكربونات. في بعض الحالات؛ قد تتضمن الصورة التي يمكنها الوصول إلى 112 بعض أو جميع عمليات 114-4و المطبقة على الصورة الناتجة فقط في صورة واحدة تمر إلى 116. في حالات
0 أخرى؛ يمكن تطبيق بعض أو جميع العمليات 5114-1114 مقابل الصورة الناتجة في واحدة أو أكثر من الصور التي تنتقل إلى 116. يمكن أن تتضمن صورة محددة صالحة للاستخدام واحدة أو أكثر من تقنيات تقطيع الصور/التوليفات 53 ضدها. يمكن تنفيذ تقنيات تقطيع الصور في بترتيبات مختلفة. يمكن أن يختلف عدد من تقنيات تقطيع الصور MEAN أو ترتيب تقنيات تقطيع الصور بناءً على شكل
5 الصورة؛ حجم الصورة؛ أو أي معيار/معايير (gal للصورة الصالحة للاستخدام تتفق مع هذا الكشف. على سبيل المثال؛ اعتمادًا على تحديد صورة dalla للاستخدام في 108؛ يمكن أن يكون الترتيب الأول لتطبيق تقنيات تقطيع الصور هو 114ا؛ يليه 2114 يليه 114ج؛ و116. في مثال AT يمكن أن يكون الترتيب الثاني لتطبيق تقنيات تقطيع الصور هو 1114( يليه 2114 يليه 114[ب.
0 في بعض التطبيقات؛ تعتمد ترتيبات تطبيق تقنيات/توليفات تقطيع الصور على مخرج من 108 والنتيجة النهائية المطلوية في 1164( 164ب أو 164ج (أو أي توليفة من 1164 164« و164ج) كما هو موضح فيما يتعلق بالشكل 1د. على سبيل المثال؛ يتم توليد أنواع مختلفة من مجموعات البيانات في النهاية بالطريقة 100 بناءً على النتائج المطلوية في 164 164ب أو 4ح (على سبيل (JB بالنسبة إلى 1164 قد يكون المخرج 112 Ble عن صورة أخرى؛
5 بالنسبة إلى 164ب؛ قد يكون المخرج 112 Ble عن توليفة من صورة والتصنيفات الأبجدية؛
وبالنسبة ل 2164( قد يكون المخرج 112 عبارة عن توليفة من التصنيف الأبجدي إلى Gils مجموعة من الثوابت الرقمية والعلاقات الحسابية/الهندسية. يمكن اعتبار أي خاصية بتروفيزيائية مستوحاة من الطريقة 100 نتيجة مطلوية. يمكن اعتبار النتيجة المطلوية نتيجة نهائية أو يمكن دمجها مع مجموعة أخرى من الصور واستخدامها كمدخل إلى NN عند الرقم 104. في بعض
التطبيقات؛ يمكن أن يتضمن مثال النتائج المطلوية؛ على سبيل المثال لا الحصر؛ اختلاف كثافة اختلاف مصفوفة صخرية وموائع؛ أو تغير في شكل مصفوفة صخرية أو مسام أو موائع في المسام؛ أو تغير في موقع مائع محدد في Lad die يتعلق بالموائع الأخرى؛ أو تغيير شكل المسام؛ وتغير في مساحة المسام التي يشغلها المائع. تجدر الإشارة إلى أنه؛ من 162؛ عند الحصول على النتيجة المرجوة؛ يمكن lie) هذه النتيجة
0 المرغوية قيمة مستقلة أو يمكن دمجها بقيمة أخرى لاستخدامها كمدخل مع مجموعة ثانية من الصور/البيانات عند الرقم 104 للحصول على المزيد من النتائج. على سبيل المثال؛ يمكن أن تكون هناك مجموعات متعددة من الصور لعينة معينة بناءً على مراحل مختلفة أو تعديلات (اختبارات) تم إخضاع العينة لها. في هذه الحالة؛ يمكن استخدام النتائج من 162 من التنفيذ الأول للطريقة 100 كالإدخال مع صور (aT عند الرقم 104 للتنفيذ الثاني للطريقة 100.
5 كما هو موضح؛ يمكن أن تتضمن عمليات تقطيع الصور التوضيحية؛ على سبيل المثال لا الحصرء تقطيع الصورة 1114 (على سبيل المثال؛ تستخدم لتشريح صورة لفصل ea مختلف من الصورة إلى صورة قابلة للاستخدام والصورة الخلفية)؛ منطقة ذات أهمية 114ب le) سبيل المثال» يتم استخدامها لعزل أجزاء مختلفة من الصورة وفقًا لمعيار» مثل نطاق كثافة البكسل)؛ كشف الحافة 114ج (على سبيل المثال» استخدامها لفهم الحدود بين المزايا داخل صورة)؛ قيمة
0 حدية 114د le) سبيل المثال» المستخدمة لعزل تردد مختلف به طيف (lal المدرج التكراري النسبي 114ه (على سبيل المثال؛ يستخدم لتصنيف العناصر المختلفة/المنطقة في الصورة بناءً على ظهورها وموقع ظهورها)؛ ومورفولوجية 114و (Ae) سبيل المثال؛ تستخدم لدراسة الاشكال والبنية داخل صورة لمزايا بنائية محددة). يمكن أن تتضمن تقنيات تقطيع الصور الأخرى؛ على سبيل المثال» نواقل (Eigen اتجاهات النقطة الرئيسية؛ مساحة المقياس؛ مطابقة المعالم؛ تقدير
5 الإزاحة؛ أو أي تقنية تقطيع صور تتسق مع هذا الكشف.
يمكن أن تشتمل معادلة تقطيع صور الألوان الأساسية على ما يلي: (RGB) = (FR, FG, FB); «(4) Y= oFr + Fg + yFb
حيث يمكن إنشاء المعادلة التوضيحية (العلاقة الحسابية/الهندسية) بناءً على مخرج من 116 أو 164. في هذا المثال» تم تقييم صورة ملونة (ا) لطيف لون علامة المقياس للأحمر والأخضر
والأزرق. يمثل » الثابت قيمة أساسية للون الأحمر في الصورة؛ ويمثل B الثابت قيمة أساسية للون
الأخضر في الصورة؛ ويمثل 7 الثابت قيمة أساسية للون الأزرق في الصورة. في المعادلة (4)؛
تعتبر الثوابت »© By و7 كُميات بدون أبعاد. يتم استخلاص الثوابت © Buy ولا من صورة
بالعمليات عند 112( وبتم التحقق من النتائج مقابل نطاق محتمل لكل ثابت عند 164/116.
0 توفر النتيجة من 164/116 مجموعة من القيم العددية للثوابت »© Ys Bly بمجرد أن يتم تحديد قيم الثوابت © yy By يمكن اعتبار المعادلة )4( معادلة تجريبية ويتم استخدامها لصور أخرى من بيانات بثر/قلب مشابهة دون ضرورة استخدام NN أو يمكن استخدام المعادلة (4) للمسح الضوئي للصور عند 102. إذا كان من الممكن استنتاج خاصية بتروفيزيائية مباشرةً من ألوان الصورة؛ (Sa تطبيق المعادلة التجرببية (4) على ألوان الصورة لاستخلاص خاصية بتروفيزيائية معينة. إن
5 الهدف من ذلك هو أنه بعد إجراء عمليات متعددة لبيانات Ae) NN سبيل المثال؛ المئات أو الآلاف)؛ يمكن توليد المعادلات التجريبية التي Law بخاصية بتروفيزيائية معينة لمجموعة معينة من معيار الصورة. على سبيل المثال؛ يمكن حساب الثوابت © Bo و7 باستخدام الصور ذات القيم المعروفة لمعايرة المعادلة (4) بناءً؛ على سبيل (Jal على نوع من المصفوفة الصخرية؛ الحالة المادية للمصفوفة الصخرية؛ وتشبع المائع. يمكن استخدام الثوابت » وم و7 في المعادلة التجريبية
0 (4) للمجموعات الأخرى من الصور من صخور خزان النفط مع نفس الصخور أو القلب المماثل (الصخر).
في بعض التطبيقات؛ تشتمل تقطيع الصور على ما يلي: 1) تقطيع أساسها الحواف (على سبيل المثال» الكشف عن الحواف المتوازية والكشف عن الحافة المتتالية) و2) تقطيع أساسها المنطقة (على سبيل Jl) تقطيع كدالة على الصبغة؛ تقطيع AS على التشبع؛ تقطيع كدالة على
السمات المكانية؛ تقطيع كدالة على الاتجاه؛ وتقطيع كدالة على خصائص البكسل المجاورة). علاوة على ذلك؛ يمكن أن التقطيع التي أساسها المنطقة على واحدة أو أكثر من طرق مستجمعات المياه. طرق تبديل الوسيلة؛ نمو المنطقة؛ تقسيم المناطق؛ تقنيات تقسيمها ودمجهاء أو أي طريقة أخرى للتقطيع التي أساسها المنطقة بما يتفق مع هذا الكشف. فعلى سبيل المثال:
٠ 5 تقطيع تعاونية 1: 1) التكامل المضمّن و2) تكامل معالجة لاحقة. في بعض التطبيقات؛ يتم استخدام 5114-1114 بواسطة 112 في توليفات مختلفة. على سبيل المثال؛ يمكن استخدام التقطيع التعاونية في حالات تتعلق بالتظليل أو التمييز بين البنية الدقيقة بالمسح الضوئي. يمكن استخدام التكامل التوضيحي لتجنب الأخطاء في التقطيع على أساس المنطقة والحواف. يكون تكامل المعالجة اللاحقة عبارة عن المعيار 112 الذي يحاول الوصول باستخدام 1114 من خلال
0 5114 * أساسه التشابه: في بعض التطبيقات؛ سيقوم 112 باستخدام 114أ-و بناءً على معايرة معينة متعلقة بالتشابه مع إحدى السمات (على سبيل المثال؛ يكون أساس التقطيع مشابه للون أو شدة سمة معينة) * أساسه عدم الاستمرار: في بعض التطبيقات؛ سيقوم 112 باستخدام 114أ- و للبحث عن عدم
5 الاستمرار بناءً (le على سبيل المثال؛ البكسل أو التظليل أو الشدة أو الحد. قد يوضح أحد الأمثلة أن أساس التقطيع هو انتقال مفاجئ في مستوى الكثافة في صورةٍ ما. فيما يتعلق بتقطيع صور المنطقة موضع الاهتمام 114ب؛ يمكن استخدام تحليل منطقة ذات أهمية لفصل الغلاف (البرميل)؛ الرغوة؛ مواد القلب وغيرها من التكوينات المعزولة في الصورة المحسنة (ومن المحتمل معالجتها بالتقطيع أيضًا). يمكن إجراء تحليل النسبة للتأكد من أن الفصل ذو
0 الأهمية يمثل المواد الثلاث (وأي قيم خارجية غير معروفة) بشكل صحيح (لاحظ أن عملية المنطقة ذات الأهمية 114ب تتطلب معرفة الخصائص المادية وأبعاد البرميل والرغوة والقلب). Lad يتعلق بالكشف عن الحواف 114 (x يمكن استخدام الكشف عن الحافة لاستخلاص المعلومات المفيدة من الصورة المحسنة (ومن المحتمل معالجتها بالتقطيع (Lad لاستخدامهاء على سبيل المثال؛ في التنبوؤ بالمسامية من صورة المسح الضوئي CT لقلب بتر. تشتمل التقنيات النمطية
للكشف عن الحافة؛ على سبيل المثال» تحويل (Hough (Canny (Laplacian «Sobel يمكن أن تكون أي تقنية واحدة أو توليفة من اثنين أو أكثر من تقنيات الكشف عن الحافة مفيدة في توفير بيانات الصور المعالجة لمدخل NN Lod يتعلق بالقيمة الحدية 114د؛ يمكن استخدام القيمة الحدية (المدرج التكراري) لاستخراج المعلومات (على سبيل (Jha) ميزة محددة) التي هناك dala لها من الصورة المحسنة (ومن
المحتمل معالجتها بالتقطيع أيضًا). على سبيل Lad (JU) يتعلق بالمسامية؛ عادة ما يتم إجراء شكلين رئيسيين من عمليات القيمة الحديّة: 1) توفير تصنيف سريع للمسامية بناءً على النطاق و2) معالجة محددة لكل قسم من القلب كدالة للعمق. في التطبيقات المحددة؛ يمكن استخدام قيم حدية مختلفة؛ بما في ذلك؛ على سبيل المثال لا الحصرء القيمة الحدية للمستوى الرمادي؛ طريقة
OTSU 0 (وهي طريقة سميت باسم Otsu Nobuyuki ويتم استخدامها لإجراء dad حدية لصورة أساسها التجمع؛ أو تقليل تدرج الرمادي في الصورة إلى صورة ثنائية)؛ القيمة الحدية المحلية المهيأة؛ القيمة الحدية التي أساسها اللون/المنطقة»؛ والقيمة الحدية المراقبة/غير المراقبة. تضيف القيمة الحدية قيمة للتحليل والتنبؤ بشكل عام من خلال توفير تباين واضح ia للحدود المختلفة بين الحبوب (على سبيل المثال؛ في الحجر الرملي) والمسافات بين الحبوب. يمكن
5 استخدام ذلك لتصنيف المواد الصلبة والمائعة داخل قلب بتر لناتج نطاق سريع من للخصائص البتروفيزيائية. يشتمل استخدام HAT على مقارنة البيانات ببيانات المعايرة على صورة معروفة للحصول على تفاصيل حجم المعلومات للمواد الصلبة والمائعة. يمكن أيضًا تقسيم المواد الصلبة والمائعة لتحديد القيم الكمية لتشبع المعدن والمائع ليس لموائع الخزان فقط لكن الموائع الغازية. فيما يتعلق بتوزيع خانات المدرج التكراري 114ه؛ يمكن استخدام توزيع خانات المدرج التكراري في
0 صورة محسنة (وربما dallas بالتقطيع أيضًا) لتحديد نطاق الحدود؛ بحيث؛ بين كل مجموعة من الحدود في نطاق الحدود؛ سيكون للقيم معنى مختلف. بينما يمكن استخدام القيمة الحدية للمدرج التكراري للتمييز بين "الأهداف ذات real) داخل الصورة؛ لكل من "الأهداف ذات الأهمية” التي تم اكتشافهاء يمكن استخدام توزيع خانات المدرج التكراري لتحديد المجموعات؛ التدرجات؛ والتغيرات داخل كل هدف ذو أهمية ونطاقات المجموعات؛ التدرجات والاختلافات المحددة.
فيما يتعلق بتقطيع الصور المورفولوجية تقطيع الصور 114و؛ يمكن استخدام تقطيع الصور المورفولوجية للمساعدة في العزل الذي أساسه تركيب الصورة المحسنة (وريما المعالجة بالتقطيع أيضًا). جنبًا إلى جنب مع المساعدة باستخدام قياسات المسامية؛ يمكن استخدام تقطيع الصور 4 لتحديد توزيع حجم المسام؛ حجم عنق المسام والتوزيع؛ وتوزيع حجم الحبوب. يمكن أن تتضمن طرق تقطيع الصور المورفولوجية النموذجية؛ على سبيل المثال؛ التوسيع والتأكل الثنائي؛ والتفسير النظري المحدد؛ التمدد التتابعي» ومرشحات الدرجة. بصفة عامة؛ يمكن أن تستخدم الشبكة العصبية اختبار NMR والمسح الضوئي 01 والبيانات البترولية للتنبؤؤ بنوع عنق المسام (الحجم)؛ وعدد عنق المسام من حجم معين وموصليتها بالمسام. يمكن للعمليات استخدام البيانات المتاحة من الاختبارات المختلفة لتوليد نفس النتائج كما يجري 0 حاليًا توليدها باستخدام اختبار إتلافي. بالإضافة إلى cells يمكن إجراء MICP (اختبار إتلافي) على أقل من 960.1 من مادة القلب وقد لا يوفر الصورة الكاملة لبقية 9699.9 من مواد القلبء في حين أن طريقة الشبكة العصبية يمكنهاء على سبيل المثال؛ توفير معلومات عن الحلق المسامي Pore Throat لكامل 96100 من القلب ويمكن أن تمتد إلى الخزان بالكامل؛ بمجرد تكاملها مع سجلات البئر ونماذج الحوض. يمكن أن تكون البيانات بعد ذلك عبارة عن lee 5 أخرى خلال مسارات الشبكة العصبية الأخرى المرتبطة بهذه البراءة لتوليد منحنيات المضغط الشعري. في بعض التطبيقات؛ لا تستطيع خوارزمية شبكة عصبية دمج التركيبة الكيميائية للصخور والموائع فحسب؛ بل أيضًا تباعدها وموقعها ومكانها لمواد المائع الصخرية داخل الخزان. لهذا الغرض؛ يمكن استخدام XRD (Thin section (CT-SCAN (NMR التركيبة الكيميائية للمائع lia 20 إلى جنب مع الخاصية الكهربائية الروتينية وقد يتنباً اختبار الضغط الشعري بوجود الهيدروكريون. يمكن أن يأخذ المنتج النهائي كبيانات سجل بتر مدخل؛ تركيبة موائع؛ بترول؛ وما إلى ذلك؛ ونقله عبر شبكة عصبية مدربة للتنبؤ باحتمالية وجود مائع أساسه ليس الماء (الهيدروكربون). في بعض التطبيقات؛ يمكن لشبكة عصبة حساب قطبية المكون في المصفوفة الصخرية كما هو الحال مع موائع هذه المصفوفة الصخرية وتطوير نموذج شبكة عصبية للتنبؤ بالقابلية للترطيب 5 كدالة تركيبة (مائع- صخر). لهذا الغرض؛ يمكن لبعض التجارب اختبار قابلية الترطيب الحالية
إلى المستوى التالي لفهم تأثير التركيبة الكيميائية للموائع الصخرية عن طريق إزالة كسور تدريجبة لطبقات المائع من المصفوفة الصخرية. تكون النتيجة المتوقعة عبارة عن خوارزمية شبكة عصبية dja والتي تحدث في تركيبة المائع أو التركيبة الصخرية جنبا إلى جنب مع المسام وحجم عنق المسام gail بالقدرة على الترطيب وتشبع النفط المتبقي. ستكون الفائدة الإضافية للنموذج القائم على التركيبة هي تقييم تأثير الموائع المختلفة التي يتم إدخالها إلى الخزان خلال مراحل مختلفة من تطوير البئر وإنتاجه وتحسين تصميم المائع لتقليل آثارها الضارة. يمكن أن تتضمن تقنيات تقطيع الصور الأخرى ما يلي: 1) تقطيع خطي (على سبيل المثال؛ تستخدم Jalal قابلية الفصل والتحويل» التعرية للصورة؛ والدوران ثنائي الأبعاد (02)) تسمح بمجموعة من البيانات التي يمكن أن تكمل البيانات si pall (GAY) خلال تقنيات التقطيع الأخرى تتوفير مدخل إلى مسار التنبؤ ب NN 2) تقطيع مطابقة للقالب (Ae) سبيل المثال؛ تستخدم للمساعدة في تقدير المسامية وتحديد البنيات المماثلة في قلب البئر لتوفير معلومات التجانس المفيدة لمزيد من الخصائص البتروفيزيائية حيث أن العديد من الخصائص بتروفيزيائية يكون أساسها الناقل- وهي قيمة خاصية (مثل؛ نفاذية) تغييرات تعتمد على الاتجاه)؛ 3) تجميع العناصر والإزاحة؛ 4) على أساس المنطقة؛ 5) طريقة الكشف عن الحافة؛ 6) تقنيات الانقسام والدمج 5 المكاني؛ 7) أساسها اللون (مثل (RGB تشبع dad الصبغة (HVS) إضاءة التشبع بالصبغة ¢((hsl) 8) تقنيات غامضة NN في توليفات مختلفة؛ و9) تقنيات التقطيع التي أساسها الفيزياء لتوفير مجموعة من البيانات لمزيد من التحليل لتوفير نتائج نوعية وكمية؛ أو كليهما للحصول على المعلومات المطلوية. Lady لما سيتم تقديره من قبل ذوي المهارات العادية في المجال؛ يتم توفير تقنيات تقطيع الصور 0 الموصوفة على سبيل المثال لغرض المساعدة في فهم التقنيات الموصوفة. لا تقتصر تقنيات تقطيع الصور على التقنيات الموصوفة فقط» ولكن أي تقنية تتفق مع هذا الكشف. من 112؛ طريقة 100 تنتقل إلى 116. في 116( يتم تحديد ما إذا كانت الصورة المحسنة الناتجة تلبي معايير قابلية الاستخدام. يمتلك المخرج من 112 مجموعة من القيم مقارنة بالمعيار أو المعايير الموفرة إلى 116 بناءً على 102 5 و164. لاحظ أنه في 102 أو 164 يُعرف نطاق المخرج من الصور بتدريبات NN الموصوفة
مع صور للعينات ذات القيم البترويزيائية المعروفة. بينما يتم تزويد NN بالصور التي تكون قيم بتروفيزيائية غير معروفة؛ يوفر التدريب نطاقًا يجب أن تنخفض فيه القيم الناتجة. على سبيل (Jal إذا كان من المتوقع أن توفر تركيبة من 114ب و114ج قيمة مساحة تتراوح بين 250 و650؛ فإن أي شيء خارج هذه الحدود سيتم اعتباره نتائج غير مرغوية من 112. وبالمثل؛ إذا كان توقع القيم يتراوح من 5 إلى 25 لمزيج من 114د و114 a إذا كانت القيمة الفعلية أقل من 5< يتم التخلص منه (118ب)؛ ولكن إذا كان أكبر من 25؛ يمكن إصلاحه )1118( إذا تم تحديد أن الصورة المقطعة تلبي معايير قابلية الاستخدام؛ فإن الطريقة رقم 100 تستمر في البيانات المعالجة مسبقًا لمدخل NN 120 (شكل 1ب). ومع ذلك؛ إذا تم تحديد أن الصورة المقطعة لا تلبي معايير قابلية الاستخدام» يتم إجراء تحديد Ba لمعرفة ما إذا كان يمكن تقطيع 0 الصورة لجعل الصورة المقطعة تلبي معايير قابلية الاستخدام. إذا تم تحديد أنه يمكن إجراء مزيد من التقطيع على الصورة المقطعة (118أ)؛ يتم إرجاع الصورة المقطعة إلى 112 لإجراء مزيد من تقطيع الصور. إذا تم تحديد أنه لا يمكن إجراء مزبد من التقطيع للصورة المقطعة المحددة إذا تم تجاهلهاء بعد 118ب؛ تتوقف الطريقة 100 فيما يتعلق بالصورة المقطعة المحددة على الأقل. في بعض التطبيقات» يمكن متابعة الطريقة 100 مع الصور المتبقية الصالحة للاستخدام. على غرار 5 المناقشة في 108؛ في بعض التطبيقات؛ يمكن للطريقة 100 توليد إشعار بأن صورة مقطعة معينة إما أن تكون ثابتة أو متجاهلة. في بعض التطبيقات؛ يمكن الاحتفاظ بالبيانات المتعلقة بالصور المتجاهلة للسماح بمزيد من المعالجة للصورة المتجاهلة أو استخدام أي بيانات مرتبطة بالصورة المتجاهلة؛ إذا رغبت في ذلك. يمكن للطريقة الموصوفة أيضًا استخدام NN لتحليل البيانات المساعدة. يمكن أن تشتمل البيانات 0 المساعدة على بيانات مختبرية أو حقلية أو غيرها من البيانات التي يتم التخلص منها Bile بعد جمعها نظرًا للنقص الواضح في إمكانية التطبيق على أي نظرية؛ أو قانون فيزيائي/هندسي؛ أو حسابات؛ أو معادلة/علاقة ثابتة (مثل معادلة دارسي أو أرشي ). يمكن أن تتضمن البيانات المساعدة؛ على سبيل (JE البيانات المستخدمة في التحليل البتروفيزيائي أو الطب. تعتبر أي بيانات مساعدة أخرى متوافقة مع هذا الكشف ضمن نطاق هذا الكشف. على سبيل (Jal يمكن 5 أن تشتمل البيانات الخاصة بحالة غير مستقرة؛ اختبار نفاذية نسبي على إنتاج متزايد بسبب: 1)
التغير في معدل حقن الموائع؛ 2) التغيير في الإجهاد؛ 3) التغيير في درجة الحرارة؛ 4) التفاعل بين الموائع؛ و5) التفاعل بين الصخور والموائع. يمكن إدخال هذه البيانات إلى NN للمعالجة (على سبيل المثال؛ عند 120). بين 112 و120؛ يتم بعد ذلك خضوع البيانات التي يتم جمعها من خلال تقنيات التقطيع مختلفة إلى ظروف مبدئية إضافية؛ ظروف حدودية؛ نماذج فيزيائية؛ نماذج كيميائية؛ وتوليفات من العلاقات البترووفيزية قبل استخدامها كمدخل إلى NN للتنبؤ بالنتائج المرجوة. على سبيل المثال؛ لا تكون المخارج 116-112 التي يتم التغذية بها إلى 120 بالضرورة عبارة عن مخرجًا واحدًا ولكنها تكون مخارج متعددة (على سبيل «Jal صورة 'Image—1" قد انتقلت إلى 112؛ Cua قام 711451114 بتوليد بيانات "6-1©م808"؛ 114ب- 114ج قامت بتوفير معلومات “size 0 ”1؛ 114د-114بقامت بتوفير معلومات عن “types—17 للمنطقة بناءً على التظليل؛ و114ه- 4 قد توفر "amplitude—1" لكل درجة جنبًا إلى جنب مع 8096-17" داخل كل درجة. عند 120 يتم إجراء المعالجة اللاحقة للبيانات الصالحة للاستخدام من 116 لمدخل NN التطبيقات النمطية؛ يمكن أن تشتمل تقنيات المعالجة المسبقة؛ على سبيل المثال لا الحصرء على واحد أو أكثر من مجموعة علاقات حسابية/هندسية (على سبيل المثال؛ العلاقات التجريبية 122أ؛ 5 معالجة البيانات 122ب؛ العلاقات المادية 2122 وعلاقة البيانات 122د). على سبيل المثال» بالنسبة لبيانات "018986-1"؛ (Sa استخدام "5/26-1' 4 "types—1" مع العلاقة التجريبية (على سبيل (JE عند 1122( للمسامية؛ حجم الحبيبات؛ أو كليهما؛ يمكن استخدام “shape-1" “amplitude—17 مع العلاقة المادية (على سبيل المثال» عند 122ج) أو مع معالجة البيانات (على سبيل (Jia عند 122ب) إلى بيانات المجموعة الخاصة بتشبع (الموائع)؛ Sarg ربط 0 منطقة ذات أهمية ضد المساحة الكلية للصورة للحصول على قيم المسامية (على سبيل المثال؛ عند 2 ). في هذه الوثيقة؛ قد تكون 122 122« 2122 و122د عبارة عن ارتباط أو معادلة Sige بناءءة على مختبر قياسي أو موقع بتروفيزبائي؛ كيميائي؛ أو تحليل آخر من العينات المعروفة. إن الهدف من الطريقة الموصوفة هو استخدام J من واحد بالمائة من عينات ll Ql وعينات 5 الموائع للتنبؤؤ بمليون في المائة. بعبارة أخرى؛ استخدم 100 بالمائة من عينة قلب ll لتستقر
على إجمالي الخزان (المليون في المائة). تكون قوانين الفيزياء والمعادلات الحتمية المتاحة منفصلة لكل مجال (على سبيل (Jia لا يمكن استخدام سلوك المرحلة والعلاقات الجيوكيميائية مع علاقة بتروفيزيائية للتنبؤ بخصائص الخزان؛ في حين أن خصائص المائع؛ الكيمياء الجيولوجية؛ الجيولوجيا؛ الرسوييات؛ الدراسة الطبيعية للصخور؛ والتوترات كلها تؤثر على الخزان في وقت
واحد. والتغيير في أي واحد يؤثر على جميع الآخرين. بالإضافة إلى ذلك؛ عند chal اختبارات معملية على الحصول على البيانات الميدانية لموقع البثر؛ هناك مجموعات إضافية من البيانات التي تم جمعهاء وهي ذات صلة ولكنها لا تستخدم Ulla للتحليل نظرًا لقيود القوانين القائمة على العلاقات الحتمية المرتبطة بكل انضباط فردي. على سبيل (Jill خلال اختبارات الخصائص الكهريائية المستخدمة للتقدير الاحتياطي؛ هناك معلومات تتعلق
0 بمعدل الإنتاج AS للوقت. لا يتم استخدام هذه البيانات - وكبديل لذلك؛ يتم استخدام ad التوازن فقط. على سبيل (Jia) من أصل ألف نقطة بيانات؛ يتم استخدام نقطة بيانات واحدة فقط حيث لا تحتوي معادلة أرشي على أية مصطلحات لنقاط البيانات الأخرى. إذا كان من الممكن استخدام بيانات الأسعار للتنبؤ بالنفاذية؛ وإذا تم دمجها مع تركيبة كيميائية للهيدروكربون؛ يمكن استخدام هذه البيانات الإضافية للمساعدة في تخفيف المشكلة بكفاءة المسح.
5 فيما يتعلق بالعلاقات التجريبية 122( يتم بعد ذلك إدخال البيانات التي تم جمعها من معالجة الصور وتجزئتها إلى العلاقات التجريبية المختلفة ply على الخصائص الفيزيائية للعينة قيد الدراسة والنتائج المرغوبة المطلوية. على سبيل المثال؛ يمكن أن تكون المسامية دالة على عرض نطاق ألوان» إحداثيات مكانية؛ تشبع؛ كثافة درجة (dine وحجم/موقع مناطق محددة. في بعض التطبيقات» يمكن استخدام المعادلات التجريبية البتروفيزيائية الحالية مع البيانات المولًدّة من تحليل
0 لال إلى توليد/اشتقاق واحدة أو أكثر من المعادلات التجريبية (على سبيل AS (JU) على نوع الصخور وتشبعها). وبالمثتل» يمكن وصف النفاذية كدالة لكل العوامل المذكورة سابقًا مع قيمة مسامية محسوية. في التطبيقات النمطية؛ يمكن حساب da المسامية من عرض نطاق الألوان؛ الإحداثيات المكانية؛ التشبع؛ وشدة درجة معينة. يمكن بعد ذلك استخدام قيمة المسامية المحسوية بخصائص مائع الخزان من البيانات المختبرية التي تم جمعها على الموائع أو البيانات الجيولوجية
5 أو البيانات المعدنية أو بيانات أخرى pull بالنفاذية.
— 3 3 — في بعض التطبيقات؛ يمكن أن يكون التلاعب في البيانات 122ب على شكل ضبط جميع البيانات بحد أقصى (أقصى)/حد أدنى (دقيقة) أو في شكل تكامل للبيانات عبر وقت/مكان معروف أو استخلاص البيانات Lad يتعلق بالوقت/الفراغ. على سبيل المثال؛ يمكن تطبيق معدل التغيير على مجموعة من البيانات لتحديد القوة كدالة للعمق؛ المسامية وتشبع المائع. يمكن أن تدل العلاقة المادية 122ج على تأثيرات العلاقة الفيزيائية (على سبيل المثال؛ تقليل المسامية؛ تقليل المائع» وزيادة القوة الميكانيكية بالنظر إلى أن كثافة مادة المصفوفة تظل ثابتة أو تزيد). يمكن استخدام ارتباط البيانات 122د للإشارة إلى الارتباطات المحتملة للبيانات Je) سبيل المثال؛ يمكن أن يرتبط اللون الأحمر في الطيف اللوني بخفض تشبع المائع وقشور الصخور؛ لذلك يمكن ارتباط قيم مختلفة ذات طيف لون أحمر بالتشبع وقوة الصخر). من 120؛ تنتقل الطريقة 100 0 إلى 124. تماشيًا مع الوصف السابق عند 120؛ يمكن أن يستخدم التلاعب في البيانات 122ب البيانات المختبرية أو الميدانية التى تم جمعها كبيانات مساعدة ولكن لا يتم استخدامها للتحليل البتروفيزيائي لأن البيانات المساعدة التي تم تجميعها لا تكون قابلة للتطبيق على أي نظرية أو قانون فيزبائي/هندسي؛ حسابات؛ علاقة/معادلة ثابتة (مثل؛ معادلة دارسي أو آرتشي) المستخدمة في 5 التحليل البتروفيزيائي. هناك أحد الأمثلة على البيانات المختبرية أو الميدانية يمكن أن تشتمل على: 1) عدد الأيام بين الاستحواذ على موقع قلب بتر (الميدان) والاختبارات المعملية؛ 2) بيانات من اختبار فاشل (غير ناجح)؛ 3) الوقت اللازم لتنظيف وإعداد عينة اختبار لاختبار محدد؛ 4) نوع (أنواع) الأجهزة المستخدمة لإجراء الاختبار؛ 5) بيانات معلومات المعايرة للمعدات؛ 6) تحديد متغيرات المعدات والأدوات وطرق جمع البيانات؛ و7) بيانات تتعلق بالعديد من الظروف الفيزيائية 0 ودرجة الحرارة والضغط والبيئة التي تمت تجريتها قبل الاختبار وبعده. في بعض التطبيقات؛ يمكن تهيئة NN الموصوفة للعمل مع البيانات التي تعتبر غير متصلة؛ أو متصلة عبر الإنترنت أو توليفة منهما. يمكن أن تتضمن البيانات التي تكون في وضع عدم الاتصال مسبقًا صو ر/بيانات مُجمَعَة gag 53 وموَرَة إلى NN عند وقت لاحق من الوقت للمعالجة؛ كما هو موضح في الأشكال 1أ-1د. يمكن أن تتضمن البيانات المتصلة بالإنترنت بيانات/,صور 5 تم توفيرها إلى NN على معالجة مستمرة (مثلء البيانات/الصور saga باستمرار فى الوقت الفعلى
أو في الوقت الفعلي تقريبًا بواسطة المعدات في بيئة مختبرية أو ميدانية)؛ كما هو موضح في الأشكال 1أ-1د. عند 124« يتم تحديد ما إذا كانت بيانات المعالجة الناتجة مسبقًا لمدخل للا تحقق معايير القابلية للاستخدام. على سبيل (Jad) عند 120؛ الهدف المنشود في 1164 أو 164ب أو 164ج هو حساب خاصية واحدة فقط من الصور (على سبيل JB مسامية "01898-1). من 116؛ يتم استقبال البيانات الخاصة ب "Image-1" على ثلاث درجات مختلفة من اللون الرمادي؛ وخمس فئات مختلفة للشكل؛ ومائة منطقة مختلفة الأهمية؛ وعشرين منطقة مرتبطة بهذه المناطق ذات الأهمية. يمكن تطبيق علاقة تجريبية )1122( بناءً على درجة لون رمادي واحدة مع خمس فئات شكلية لحساب ثلاث مجموعات من بيانات المسامية؛ يمكن تطبيق علاقة فيزيائية (122ج) على 0 الخصائص الفيزيائية للشكل والحجم لحساب dad مسامية؛ يمكن ربط المنطقة ذات الأهمية مقابل المساحة الكلية للصورة (122د) للحصول على قيم مسامية؛ ويمكن تنفيذ تلاعب 122 و122ج بثلاث درجات من الألوان لتوليد مجموعة من المساميات. تتم المعالجة عند 124 لتحديد قابلية استخدام مجموعة البيانات. يمكن تحديد قابلية استخدام مجموعة البيانات لمعرفة ما إذا كانت نتيجة 4 تتطابق مع حدود/نطاق متغير مخرج مستهدف. 5 إذا تم تحديد أن البيانات المعالجة Rae (مجموعة البيانات) تحقق معايير قابلية الاستخدام؛ فإن الطريقة رقم 100 تنتقل إلى مجموعة البيانات الفرعية؛ التدريب؛ التحقق من صحة؛ والاختبار عند 8. على الرغم من ذلك؛ إذا تم تحديد أن البيانات المعالجة مسبقًا لا تحقق معايير قابلية الاستخدام؛ يتم تجاهل البيانات المعالجة lane وتعود الطريقة 100 إلى تحسين الصورة في 104 حيث يمكن تعديل ظروف/معايير واحدة أو كلا من 1106 أو 106د. في هذه الوثيقة؛ fag الطريقة 0 ¢100 بصورة أخرى. في بعض التطبيقات؛ يمكن للطريقة 100 أن تتعقب الصورة التي تم تجاهلها المعالجة مسبقًا لمدخل NN للسماح بإجراء المزيد من المعالجة للصورة المتجاهلة أو استخدام أي بيانات مرتبطة بالصورة المتجاهلة؛ إن كان هناك رغبة في ذلك. باستمرار المثال السابق؛ يمكن مقارنة قيم المسامية sgl) من 122أ-122د بقيم قياس أداء 0896-7 بالكامل. إذا كانت القيم adi ضمن نطاق معين» فستنتقل الطريقة 100 إلى 128 5 (يتم تحربك البيانات إلى محرك (NN إذا لم تكن القيم ضمن النطاق المحدد؛ فسيتم تجاهل
البيانات عند 126 وتعود العملية وتبدأ من 104 (تحسين الصورة). على سبيل المثال» يمكن أن تكون dad قياس أداء 'lImage—1" تلك 9165-1 من المسامية يمكن أن تكون مسامية dads 60- 0 يمكن أن تكون مسامية مصغرة و9640-25 يمكن أن تكون مسامية كبيرة. إذا تم استيفاء هذه Cag yal تكون البيانات ALE للإستخدام. إن لم يتم استيفاء تلك الظروف؛ يتم تجاهل الصورة الحالية والبدء من جديد بصورة جديدة. عند 128؛ يستقبل محرك NN البيانات المحددة الصالحة للاستخدام من 124 من أجل التدريب والتحقق من الصحة والاختبار. يتم تقسيم البيانات AGEL إلى ثلاث مجموعات ثانوية (أي؛ بيانات التدريب والتحقق من الصحة والاختبار). إذا كانت المسامية مأخوذة كمثال للمنتج النهائي عند 164( إذا كان هناك مائة صورة عند 102 و20 مجموعة بيانات فريدة 5350 لكل صورة؛ عند 0 128 سيتم تقسيم البيانات من 100 صورة على المجموعات الثانوية الثلاثة: 1) بيانات من خمسة عشر صورة للتدريب (9615)؛ 2) بيانات من عشر صور للتحقق من الصحة (9610)؛ 3) وبقية البيانات من 75 صورة (9675) لاختبار دقة NN يتم تحديد قسمة النسبة المئوية بناءءة على عدد ونوع مجموعة البيانات المستخلصة من نتيجة تقطيع الصور الموصوفة (على سبيل المثال؛ تم استقبال البيانات الصالحة للاستخدام المحددة من 124). في التطبيقات النمطية؛ كلما كان حجم 5 البيانات أصغرء كلما كان حجم مجموعة بيانات التدريب والتحقق من الصحة المطلوبة أكبر (والعكس صحيح). إذا كانت إحدى مجموعات البيانات ضمن عشرون مجموعة بيانات فريدة لصورة لها قيمة مسامية معروفة يتم مقابلها إجراء التدريب والتحقق من الصحة والاختبار بواسطة 8 لتوليد مجموعة من الخوارزميات/العلاقات؛ يتم تمرير الخوارزميات المولدّة إلى 130 ليتم استخدامها إما في 132 (معالجة على دفعات) حيث يتم توفير مجموعة من البيانات من مجموعة 0 من صور القلب التي لا تكون مساميتها معروفة للتنبؤ بالمسامية؛ ويتم تمرير الخوارزميات/العلاقات من 130 إلى 134؛ حيث يتم التغذية بتيار مستمر من الصور المعالجة (مثل؛ من قلوب مسح ضوئي لإحدى المعدات وتوليد الصور) sally المسامية. لاحظ؛ قد يتم التغذية ببيانات الصور ذات المسامية غير المعروفة إلى 132 أو ستختفي 134 خلال الخطوات الموصوفة مسبقًا من 102 إلى 124 بحيث تكون البيانات في نفس الشكل والمجموعات الثانوية؛ 5 والتي يمكن الاستفادة منها بواسطة الخوارزمية في 130 للتنبوؤ بالمسامية. إذا تم الحصول على
صور/بيانات من مصدر مستمر (على سبيل المثال؛ إذا كانت NN تستقبل مدخل من إحدى المعدات التي تقوم بإجراء اختبار فإنها تكون مدخلًا مستمرًاء بينما يتم الحصول على صور lily من مجموعة بيانات مُجمَعَة مسبقًاء من 132 أو 134( تنتقل الطريقة 100 إلى 136 (شكل 1ج عند 136؛ يتم تحديد ما هو المطلوب من بنية NN لاستخدامه في معالجة البيانات من
2 . إذا كان هناك de sane كافية من بيانات المخرج المتاحة لتدريب (NN فستنتقل الطريقة 100 إلى 138 (وضع تحت الإشراف). ومع ذلك؛ إذا لم تكن هناك بيانات تدربب (أو توجد بيانات غير كافية) متاحة لتدريب (NN فعندئذ فإن الطريقة 100 تنتقل إلى 140 (وضع غير خاضع للإشراف). على سبيل المثال؛ يمكن استخدام مجموعة من البيانات التي يتم جمعها
0 في المختبر أو في الميدان تحت وضع غير خاضع للإشراف؛ بينما يمكن استخدام البيانات المستمرة للتصنيف في وضع غير خاضع للإشراف. بالنسبة للمعالجة الموصوفة؛ يكون NN نوعًا مثاليًا من نظام المعالجة الحسابية للأسباب التالية على الأقل: 1. تكون مجموعات البيانات كبيرة للغاية للمعالجة؛
5 2. قد تم تجميع بيانات متعلقة بقلوب البئر والخزانات على مدى عقود؛ ويمكن أن توفر نموذج ممتاز لشكل فرصة مطابقة تاريخ مقابل الواقع؛ 3. يكون الإمداد غير كافي للبيانات ومحركات الحوسبة السريعة/النهج الإحصائية للتحسين المستمر. إن توفير البيانات المتاحة هو أمر عام حيث تم حفر ملايين من الآبار التي تم مسحها Liga وتم توفير الصور في مختلف الجهات الحكومية والخاصة. يمكن تنفيذ الخوارزمية
0 الموصوفة من 102 إلى 128 بسهولة على حاسوب متطورء ولا تتطلب أجهزة حاسوب فائقة أو أجهزة حاسوب متخصصة 4 لا تكون التماذج المادية المتاحة قادرة على الاستفادة من جميع البيانات المتاحة وتقتصر على مجموعات ALE للغاية من المدخلات (على سبيل (Jl) عادة ما تقتصر معادلة نفاذية على اختبار على 1.5 في عينة قلب hy في diy متحكم فيها ووظيفة ضغط دلتا/نسبة التدفق). تعتمد
معادلة دارسي المستخدمة لحساب نفاذية قلب على معدل تدفق المائع الذي يمر عبر عينة قلب قطر وطول Cus Cig pra يتم قياس الضغط عند مدخل ومخرج القلب. يكون التقييد هو أن العينة الأسطوانية المستخدمة لإجراء الاختبارات للحصول على نفاذية تمثل أقل من 960.1 من إجمالي مادة القلب المصورة والمتوفرة ومتغيرين dai في حين أن تحليل الصور كما هو موضح في هذا الكشف يستغل قلب البئر paid) بالكامل (على سبيل «Jill 3000-300 قدم)؛ و
5. تتضمن النماذج الفيزيائية العديد من مشكلات التكامل عند محاولة الارتقاء من بيانات المختبر إلى البيانات الميدانية (على سبيل المثال؛ محاولة دمج البيانات على قلب قطره 1.5 بوصة إلى مليون قدم مكعب من تكوينات الخزان الفعلية). يمكن تقسيم بنية Yl NN على 138 لاا تحت الإشراف أو 140 NN ليست تحت الإشراف.
0 بالنسبة إلى 138 NN تحت الإشراف؛ يمكن تقسيم الأنواع إلى 142 متكررة (على سبيل المثال؛ (Hopfield digs أو تغذية 144 نوع من le) NN سبيل المثال؛ الخطية؛ غير الخطية؛ الانتشار الخلفي؛ العرض المكاني من (Boltzmann 5 (ML بالنسبة إلى 140 NN غير الخاضعة للإشراف؛ يمكن تقسيم الأنواع إلى المقدر 146 (على سبيل المثال؛ Lila الخصائص ذاتية التنظيم ((SOFM) أو خرائط التنظيم الذاتي (SOM) أو مُستخلص 148 (على سبيل
5 المثال» نظرية الرنين (ART) Lgl) من النوع NN بغض النظر عن النوع؛ تم تصميم NN لتقليد ومعالجة المعلومات بشكل متواز Yau من بشكل متتالي؛ كما هو الحال في معالجة الحاسوب النمطية. على سبيل المقارنة؛ يمكن للمعالجة التسلسلية لإجراء تحليل بيتروفيزيائي إدارة مجموعة من الخصائص تبلغ 3-2 كحد أقصىء والتي تعالج بشكل سيئ مقدار غير محدود من المعلومات باستخدام نماذج مادية محدودة. في معالجة
0 لال متوازية؛ بما أن نماذج NN غير محددة (laps تعمل NN على مبادئ بسيطة 13a 'للتعلم'من مجموعة بيانات معينة والتنبؤ بسلوكيات معقدة للغاية تُعطي مجموعة البيانات. بالإشارة إلى الشكل 2؛ الشكل 2 يمثل مخطط إطاري يمثل البنية الأساسية ل NN 200, وفقًا لتطبيق الكشف الحالي. تتضمن البنية الأساسية ل NN 200 الموضحة ثلاث طبقات. في الطبقة الأولى» طبقة مدخل 202؛ يتم توضيح البيانات إلى طبقة المدخل 202« وضبطها في تنسيق
— 8 3 — معين لاستخدامها بواسطة (NN ويتم تمريرها إلى طبقة مخفية 204. تكون الطبقة المخفية 204 عبارة عن العمل الداخلي NNT - التي تعمل بفعالية ك 'صندوق أسود" الذي بمجرد تدريبه مع مجموعة من القيم المعروفة للمدخل والمخرج المتوقع ¢ وعلاقات توليد والخوارزميات الداخلية J NN يتم تمرير نتائج الطبقة المخفية 204 إلى طبقة مخرج 206. تقوم طبقة المخرج 206 بتوليد مجموعات من بيانات مخرج 8 بما أن NN 200 تكون عبارة عن عملية متوازية؛ يمكن تمرير
جميع المدخلات المتاحة إلى الطبقة المخفية 204 في نفس الوقت. يتم تقديم المدخلات من طبقة المدخل 202 إلى الطبقة المخفية 204 باستخدام أوزان يتم تبديلها للحصول على مخرج مطابق بالإشارة إلى الشكل 1ج؛ في معلومات تغذية NN (على سبيل المثال؛ 144؛ الشكل 1ج)؛ يكون
0 تدفق المعلومات في اتجاه واحد فقط (أي؛ يتم توفير البيانات إلى الطبقة المخفية من خلال طبقة المدخت وتظهر النتائج في طبقة المخرج). يتم تقديم البيانات إلى ANN شكل عمليات تنشيط في طبقة الإدخال. كما هو موضح مسبقًاء تتم معالجة البيانات مسبقًا لمجموعة معينة من التقييمات البتروفيزيائية. وبالمثل؛ تتم معالجة المخرج من للا للحصول على النتائج النهائية للطريقة 100.
5 عند 150 يتم استلام مجموعة بيانات بنفس النسق كمخرج من 132 أو 134 من 136 Gin إلى المستخدم باختياره (138- (142 أو 144) أو 140- (146 أو 148). من 150( تنتقل الطريقة 00 إلى 152. عند 152( يتم تنفيذ NN المحدد باستخدام/مقابل مجموعة البيانات. من 152؛ تنتقل الطريقة
0 100 إلى 154. عند 154 يتم توليد مخرج من NN إذا كان المخرج هو المنتج النهائي؛ على سبيل المثال إذا كانت المسامية هي النتيجة dose pall الوحيدة؛ فيمكن أن يكون للمخرج من 154 صيغة -11896! dad of مسامية." من 154 تنتقل الطريقة 100 إلى 156 (شكل 1د).
في 156؛ يتم تعيين مخرج صورة معينة من 154 في منطقة التدريج حتى يكتمل المخرج بالكامل للصور الصالحة للاستخدام. من 156 تنتقل الطريقة 100 إلى 158. عند 158 تتم المعالجة اللاحقة لمخرج NN لجميع الصور الصالحة للاستخدام. على سبيل المثال» تعيين عمق (قدم) لكل صورة. بالنسبة للمسامية؛ تنتهي الطريقة 100 عند 158 لأنه لا
توجد حاجة إلى مزيد من البيانات بتروفيزيائية الإضافية التي تكون هناك حاجة لها في هذه المرحلة. على سبيل المثال؛ عندما يتم استلام قلب بئر كامل وتتمثل المهمة في التفريق بين الصخور الخاصة بالخزان والصخور غير الخاصة بالخزان؛ سيكون المسامية هو العامل الحاسم. بالنسبة إلى الخصائص البتروفيزيائية الأخرى (على سبيل المثال؛ النفاذية) لتكون مخرجًا حسب النتائج المطلوية في 1164( 164ب»؛ و164ج: تنتقل الطريقة 100 إلى 158« 160 و162.
0 عند 160 يمكن dallas بيانات المعالجة السابقة (Jie) التعديل أو المقارنة). يمكن استخدام معادلة/علاقة موجودة لاستخلاص خصائص بتروفيزيائية أخرى Je) سبيل (Jia) يمكن استخدام قيمة مسامية وتشبع لاستخلاص تقدير احتياطي خزان كبير أو صغير). بالإضافة إلى ذلك» يمكن استخلاص علاقة جديدة (علاقة بيانات) (على سبيل (JU من خلال جمع البيانات الناتجة من NN مع البيانات الموجودة من التابعة). في تلك الوثيقة؛ قامت جميع العمليات تحت NN
5 الخاضعة للإشراف وغير الخاضعة للإشراف بإنشاء لوغارتمات NN )140 142 144« 148( التي يمكن استخدامها لتحقيق مختلف المراحل المرجوة من مجموعة من البيانات أو قد تقوم هذه الخوارزميات بتوليد طريقة جديدة بالنظر إلى البيانات التي تنتجها NN قبل 136. على سبيل المثال؛ بالنسبة لمتغير محدد يعتمد على مجموعة محددة من مداخل البيانات؛ يمكن استخدام مجموعة مختلفة من البيانات من تحليل NN كمدخل للحصول على نتائج أفضل. كمثال محدد؛
0 عند إجراء تحليل تدفق مائع خزان من خلال صخر التكوين؛ فإن بيانات المدخل تتضمن انخفاض الضغط والتشبع. يمكن أن تقوم NN أولى بأخذ هذه البيانات جنبًا إلى جنب مع المسح الضوئي CT للصخرة وتوليد نموذج التدفق -1. يمكن أن تقوم NN ثانية بتوليد نموذج- 2 من الإجهاد والتوتر المرتبط بخزان كدالة على انخفاض الضغط. يمكن الدمج بين هذين النوعين من مخارج NN (بمعنى النموذج 1 والنموذج 2) واستخدامهما كمدخل ل NN الثالثة التي تقوم بدمج تأثيرات
5 انخفاض الضغط بالتغيرات في الإجهاد gall بالتدفق. وبالمثل» يمكن توسيع نفس المنطق إلى
المتغيرات الأخرى ذات الأهمية لتوليد نماذج إضافية باستخدام NN ثم دمج النماذج الإضافية بالاستجابات المختلفة. تتمثل إحدى القيم/التطبيقات الخاصة لهذه الطريقة في القدرة على الاستفادة من مجموعات البيانات القديمة في صناعة البترول» وكل مجموعة بيانات ذات قيود محددة؛ وتقديم بيانات محسنة أفضل من جميع البيانات المتاحة. على سبيل المثال؛ توجد مجموعات بيانات مسامية مجمعة على مدى dis استخلاص الهيدروكريونات؛ ولكن تختلف الطرق المستخدمة لجمع
البيانات مع مرور الوقت والتقنيات والظروف المختلفة. ينتج عن هذا الاختلاف مجموعات البيانات التي تنحرف في أبعاد مختلفة خاصة بالتقنيات والظروف المختلفة المستخدمة لجمع مجموعات البيانات. باستخدام طريقة NN الموضحة؛ يمكن إدخال مجموعات البيانات القديمة Gis إلى جنب مع التفنيات المختلفة؛ والظروف,؛ والتغيرات واستخدامها للتنبؤ بالقيمة (القيم) المحسنة/المرغوية.
0 من 160« تنتقل الطريقة 100 إلى 162. عند 162 إذا كانت النتائج التي تم تحقيقها تلبي النتيجة المرغوية؛ لا يجب أن تستمر الطريقة 0 ولكن إذا كان يجب دمج النتائج مع بيانات أخرى ليتم التغذية بها إلى للا أخرى (على سبيل المثال عند 150( يمكن أن تكون )1164( 2164« أو 164ج) عبارة عن مجموعة كاملة من NN التي يتم لها التعامل مع النتائج من 162 كمدخل. على سبيل المثال؛ إذا كان مخرج من
5 162 به مسامية؛ ونفاذية؛ وتغيير المسامية (Jie) كبيرة صغيرة)؛ يمكن التغذية بالبيانات إلى NN أخرى جنبًا إلى جنب مع انخفاض الضغط التجريبي لفيضان 002 لتدريب NN للتنيؤ بانخفاض ضغط تدفق ثاني أكسيد الكربون على مساحة القلوب التي تحتوي على صور (Sly ليس نتائج اختبار 002. يتم تحديد ما إذا كانت النتائج التي تم تحقيقها هي النتيجة المرجوة عادة بواسطة مستخدم العملية (أي؛ إذا كان من المتوقع توليد البيانات عند 162 ويمكن استخدامها لمراحل
0 المعالجة المتتالية). في هذه الحالات؛ على سبيل المثال؛ يمكن رسم البيانات وتحديد ما إذا كانت البيانات ضمن حدود قيود المخرج القابل للاستخدام. إذا قام مستخدم بشري بإجراء هذا التحديد؛ فيجب أن يكون المستخدم Bale متمكن في البيانات البتروفيزيائية قيد النظر والبئثر/الحقل الخاضع للدراسة لعمل تحديد تم ورود معلومات عنه. في التطبيقات الأخرى؛ يمكن استخدام عملية آلية (على سبيل المثال» محرك مقارنة برمجيات» NN أو عملية أخرى) لتحديد ما إذا كان من المتوقع
5 توليد البيانات عند 162 وقابلية استخدامها في مراحل المعالجة المتتالية. في بعض التطبيقات؛
يمكن أن تقدم العملية الآلية توصية إلى مستخدم بشري؛ في حين أن المستخدم البشري يقوم بالتصحيح النهائي. عند مخرج 162؛ يتم مقارنة بيانات المخرج بنطاق معروف/محدد مرتبط ببيانات المخرج. في بعض التطبيقات؛ يمكن للطريقة 100 إجراء مستويات متتالية من الإرتداد إلى المراحل السابقة من المعالجة إذا كانت بيانات النتائج غير مرضية. على سبيل المثال؛ إذا تم تحديد أن أقل من قيمة
النسبة المئوية للدقة المطلوية (على سبيل Jal 9680) من بيانات المخرج ليست ضمن النطاقء يتم إرجاع البيانات إلى 158. ستعود الطريقة 100 إلى 136 من 162 إذاء؛ بعد عدد معين من التكرارات (على سبيل المثال؛ ثلاثة)؛ كانت المعالجة بين 158 و162 لا تحقق dad النسبة المئوية للدقة المطلوية. ستعود الطريقة 100 إلى 128 من 162 13 بعد عدد معين من التكرارات
0 (على سبيل (Jbl ثلاثة)؛ كانت المعالجة بين 136 و162 لا تحقق قيمة النسبة المئوية للدقة المطلوية. ستعود الطريقة 100 إلى 120 من 162 إذاء بعد عدد معين من التكرارات (على سبيل المتال» ثلاثة)؛ كانت المعالجة بين 128 و162 لا تحقق قيمة النسبة المئوية للدقة المطلوية. ستعود الطريقة 100 إلى 112 من 162 إذاء؛ بعد عدد معين من التكرارات (على سبيل المثال؛ ثلاثة)؛ كانت المعالجة بين 120 و162 لا تحقق dad النسبة المئوية للدقة المطلوية. ستعود
5 الطريقة 100 إلى 104 من 162 إذاء بعد عدد معين من التكرارات (على سبيل المثال» ثلاثة)؛ إذا كانت المعالجة بين 112 و162 لا تحقق dad النسبة المئوية للدقة المطلوية. بمجرد محاولة جميع محاولات العودة ولم تتحقق نتائج مرضية؛ ستتوقف الطريقة 100 لمنع حدوث حلقة لا نهائية أو معالجة غير مرغوية أخرى. من 162؛ تنتقل الطريقة 100 إلى 164. عند 164؛ يمكن استخدام بيانات النتائج لأغراض مختلفة. على سبيل المثال؛ يمكن استخدام
0 اليانات الواردة من 1164 كمدخلات ل NN أخرى؛ ويمكن تحويل البيانات من 164ب إلى صور واستخدامها كمدخل ل «gal NN ويمكن استخدام البيانات من 164ج كمدخل ل لاا أخرى أو لبرامج محاكاة نموذج والتنبؤ بمتغيرات مختلفة كما هو مطلوب. إن الانتشار الخلفي هو أكثر نماذج NN شيوعًا استخدامًا للتغذية؛ ويتطلب مجموعة من بيانات التدريبي لتدريب (NN وهي مجموعة من البيانات للتحقق من أن NN توفر النتائج المرجوة؛
5 وبيانات المدخلات الجديدة soil) بالنتائج. يعمل الانتشار الخلفي ل للا على مبداً تقليل الخطأ في
مخرج عن طريق ضبط الأوزان المرتبطة بالمدخل (على سبيل المثال؛ باستخدام تدرج منحدر).
تشتمل البدائل الأخرى لطريقة الانتشار الخلفي؛ على سبيل المثال لا الحصر؛ على تعلم (Hebbi
والتعلم المُعزز؛ والتطور الاصطناعي.
لحساب مسامية باستخدام الانتشار الخلفي؛ تم وصف NN هنا كمثال. عند مستوى عالٍ وملائم للشرح السابق؛ يمكن Yl خضوع مجموعة من صور المسح الضوئي CT لكتل القلب (والتي من
أجلها تكون بيانات المسامية والنفاذية متاحة) إلى معالجة صورة مسبقة (على سبيل المثال» 104
من الشكل 1أ) لإعداد الكتل لتقطيع الصور (على سبيل المثال» 112 من الشكل 1أ). بعد ذلك؛
يتم تقطيع صور المقبس للون؛ الصبغة؛ التشبع؛ التدرج؛ القيمة؛ التركيب؛ والإحداثيات المكانية.
تنقسم مجموعة البيانات إلى مجموعات بيانات التدريب والاختبار والتنبؤ.
0 إن الانتشار الخلفي NN المزود بمجموعة من بيانات التدري؛ وبعد ذلك اختباره مع مجموعة بيانات الاختبار حتى يتم تقليل الخطأ إلى حدود محتملة محددة (على سبيل المثال؛ بالنسبة لقيم المسامية» يجب أن يكون الحد المسموح به بين 25-5). بمجردٍ تدريب NN واختبارها؛ يتم استخدام NN للتنبؤ ببيانات مجموعات البيانات المعروفة وغير المعروفة الخاصة بالمسامية. في dlls فشل مجموعة بيانات التدريب والاختبار في تقليل الخطأ (على سبيل المثال؛ عند 128)؛
5 يمكن إعادة معايرة بيانات المدخل؛ عادة من خلال تحسين صورة 104 من البيانات بعد خطوة تقطيع الصور 112. في Alla فشل ذلك؛ يتم زيارة تقطيع الصور 112 وبتم استخدام تقنية مختلفة لتقطيع الصورة للحصول على بيانات الإدخال المحدثة. يمكن تكرار العملية؛ بدءًا من التحسين الأولي للصورة 104 لتحقيق النتائج المطلوية لتدريب نموذج NN معين. بمجرد تدريب NN يمكن الحفاظ عليه واستخدامه لبيانات المدخل الجديدة. وبالمثل» يمكن تكليف هذه الخطوات ill
0 بالخصائص البتروفيزيائية الأخرى من مجموعة من صور المسح الضوئي CT لقلب البثر. يتم تحليل كهذا على أنه مثال. تم استخدام النظام الأساسي MATLAB للتشفير» والتحليل» ولالا. الأشكال 3-13ج توضح الجدول 300 الذي يمثل البيانات القابلة للاستخدام بعد تحسين الصورة وفصل الصورة (بيانات المدخل الخاصة ب NN محدد)؛ dg لتطبيق الكشف الحالي. يمثل الجدول
— 3 4 — 300 النتيجة من 116 صورة تم تمريرها عبر 102 و104 و1108 و112 ٠ يتم التغذية بالبيانات من الأشكال 3-13ج إلى 120. الأشكال 4أ- 4ج توضح جدول 400 يمثل قيم البيانات المعروفة (البيانات المستهدفة ل NN المختارة) من مسامية لكل صورة معالجة؛ Bg لتطبيق الكشف الحالى. يمكن استخدام البيانات كمدخل 126 ل NN
الأشكال 4أ- 4ج توضح مجموعة نمطية من البيانات بناءً على قياسات المسامية المغناطيسية النووية (NMR) وبناءً على معايرة أداة (NMR ستقوم الاداة بإخراج وتوفير نفس قيم المسامية عندما تتعرض نفس مجموعة العينات إلى موائع مختبرية مختلفة ويتم قياس مسامية NMR بعد كل عملية. على الرغم من أن العينة قد تعرضت لعمليات مختلفة (على سبيل المثال؛ موائع مختلفة)
0 لأن المعايرة أجريت مع مائع (موائع) أولي؛ تبقى نتائج NMR متطابقة؛ وعلى هذا النحو؛ لا تمثل بيانات فعلية. تسمح المعلومات المتعلقة بالعمليات التي أجربت على العينة (العينات) Gin إلى جنب مع بيانات NMR عند 120 من خلال 122 2ب» 122ج و122د بالحصول على dad مسامية لا تعتمد فقط على ما توفره أداة NMR باستخدام مجموعة واحدة فقط من المعايير الأساسية؛ ولكن
5 تتوفير قيمة فعلية للمسامية المتغيرة كدالة مائع. بمجرد تصحيح مسامية NMR المرتبطة بالعملية التي انتقلت العينة من خلالها؛ فإن تلك المسامية يمكن دمجها بنتائج (gal (على سبيل المثال» اختبار Mercury Injection لشكل تحجيم عنق (plod ومن ثم يمكن إدراجها إلى سجلات NMR الميدانية لاستنتاج أكثر من مجرد المسامية من هذه السجلات. عملية تحليل الصورة لإجراء تقطيع للصور المحسنة (في تلك الوثيقة. 102؛ 104 (1106؛ 6ب 106ج 106د)؛ 108 i110) 110ب)؛ 112 (114 114ب 114 2114 4و )؛ و116 )1118( 118ب). تم إخضاع las) الصور من أربعة وسبعين عينة إلى dallas الصور وتجزئتها لتوليد سبع مجموعات بيانات فريدة (مصفوفة من أربعة وسبعون X سبعة)
(في تلك الوثيقة؛ باستخدام 120 (122أ 122ب» 2122 122د) و124 (126). تم تدريب NN باستخدام مسامية NMR لتلك العينات (في هذه الوثيقة؛ باستخدام 128). عند 128؛ تم استخدام NN المكونة من طبقتين التي يتم تغذيتها باثنين وعشرين من الخلايا العصبية المخفية السيمومية وخلايا المخرج العصبية الخطية (FITNET) لتلائم المشكلة متعددة الأبعاد . تم تدريب الشبكة باستخدام خوارزمية الانتشار الخلفي Levenberg-Marquardt (0800100). تم تقسيم مجموعة البيانات بالكامل إلى ثلاثة أجزاء : 1) التدريب؛ 2) التحقق من الصحة؛ و3) الاختبار. تحتفظ خوارزمية الانتشار الخلفي Levenberg-Marquardt بالتكرار للحصول على حل أمثل؛ ولكن يتوقف التدريب عند حدوث thd مربّع متوسط لتحسين عمليات توقف التحقق من الصحة. يوفر مخطط انحدار الاستجابة العصبية مقابل الهدف طريقة موثوقة 0 _لتقييم أداء NN وبالمثل» يوفر المدرج التكراري للخطاً لمخرج الهدف تفسيرًا مرئيًا سريعًا للأداء العصبي. يتم تعريف مجموعة البيانات الخاصة بالصورة على أنها "ally مصفوفة؛ بينما تم تسمية مجموعة البيانات المستهدفة لمسامية NMR مسامية “NMRPorosity0x25.” تم عرض مخططات وشفرات التدريب؛ والتحقق من الصحة والخطاًء وتم استخدام محرر MATLAB الشكلان 5ا- 5ب عبارة عن مخططان 1500 و500ب يمثلان نتائج التكرار الأول لتدريب 5 «اختبار للا المختارة (عند 128 - ولكن سيتم توليد تكرار أيضًاء على سبيل المثال؛ عند 108؛ 6 124« 0؛ 136 162) ولكن فشل التقارب )"0.3191 = Gag «(Test R لتطبيق الكشف الحالي. يكون المخطط 1500 عبارة عن مخطط انحدار لمخرج استجابة عصبية مقابل الهدف لتقييم أداء NN كما يمكن رؤيته في المخطط500أ؛ يشير المخطط الثانوي 502 إلى “Test, R=0.3191." يكون المخطط 500ب عبارة عن مدرج تكراري thal للمخرج المستهدف 0 الذي يوفر تفسيرًا Wise سريعًا للأداء العصبي. الشكلان 6أ- 6ب عبارة عن مخططان 600 و6500ب يمثلان نتائج التكرار الثاني لتدريب واختبار NN المختارة (عند 128 - ولكن سيتم توليد تكرار أيضًاء على سبيل المثال؛ عند 108؛ 6 ¢124 ¢130 136 162) حيث كان التقارب مرضٍ )"0.95407 = Ga, «(Test R لأحد تطبيقات الكشف الحالي. يكون المخطط 1600 عبارة عن مخطط انحدار لمخرج استجابة 5 عصيبية مقابل الهدف لتقييم أداء NN كما يمكن رؤيته في 600أ؛ يشير المخطط الثانوي 602
— 5 4 — إلى ١5] R=0.95407." ". يكون المخطط 000ب عبارة عن مدرج تكراري at للمخرج المستهدف الذي يوفر تفسيرًا مرئيًا سريعًا للأداء العصبي. بعد التكرار الثانىي» تعتبر NN مدرية وقابلة للاستخدام لتحليل صور قلوب البئر التي لا تتوفر لها بيانات مسامية NMR (صور فقط) للتنب بالمسامية. قام التكرار الثاني بتوفير تناسبًا مُحسنًا بشكل أفضلن وعلى هذا gail) تم حفظ شفرة NN الناتجة
(من 128) واستخدامها للتنبؤ بالمساميات. هناك أحد الأمثلة على شفرة NN الناتجة تكون عبارة عن ما يلي: Solve an Input-Output Fitting problem with a Neural Network % Script generated by NFTOOL %
% Created Sun Mar 06 14:06:19 AST 2016 10 % % This script assumes these variables are defined: % % data — input data.
% NMRPorosity(Qx25 - target data. 15 inputs = data’; targets = NMRPorosity()x25"; % Create a Fitting Network hiddenLayerSize = 10;
net = fitnet(hiddenLayerSize); 20
% Choose Input and Output Pre/Post-Processing Functions % For a list of all processing functions type: help nnprocess net.inputs{1}.processFcns = {removeconstantrows',’'mapminmax’}; net.outputs{2}.processFcns = {removeconstantrows','mapminmax’}; % Setup Division of Data for Training, Validation, Testing 5 % For a list of all data division functions type: help nndivide net.divideFcn = 'dividerand'; % Divide data randomly net.divideMode = 'sample’; % Divide up every sample net.divideParam.trainRatio = 60/100; net.divideParam.valRatio = 20/100; 0 net.divideParam.testRatio = 20/100; % For help on training function 'trainlm’ type: help trainlm % For a list of all training functions type: help nntrain net.trainFcn = 'trainlm’; % Levenberg—Marquardt % Choose a Performance Function 15 % For a list of all performance functions type: help nnperformance net.performFcn = 'mse'; % Mean squared error % Choose Plot Functions % For a list of all plot functions type: help nnplot net.plotFcns = {'plotperform’,'plottrainstate’,'ploterrhist’,... 'plotregression’, 'plotfit'}; % Train the Network [net,tr] = train(net,inputs, targets); % Test the Network 5 outputs = net(inputs); errors = gsubtract(targets,outputs); performance = perform(net,targets,outputs) % Recalculate Training, Validation and Test Performance trainTargets = targets. * tr.trainMask{1}; 10 valTargets = targets.* tr.valMask{1}; testTargets = targets.* tr.testMask{1}; trainPerformance = perform(net trainTargets,outputs) valPerformance = perform(net,valTargets,outputs) testPerformance = perform(net,testTargets,outputs) 15 % View the Network view(net) % Plots % Uncomment these lines to enable various plots.
— 8 4 — %figure, plotperform(tr) %figure, plottrainstate(tr) %figure, plotfit(net,inputs,targets) %figure, plotregression(targets,outputs) %figure, ploterrhist(errors) 5 فى هذه الحالة؛ كان التنبؤ المباشر بالمسامية عبارة عن النتيجة النهائية. فى حالات أخرى؛ يمكن أن يكون مخرج نطاق القيم كدالة للعمق؛ أو قد تكون a المخرج أكثر من متغير واحد. يمكن استخدام مخرج متغير متعدد بعد ذلك لمزيد من التحليل للتنبؤ بالآخر بالخصائص البتروفيزيائية الأخرى. 0 العلاقات التجريبية اللاحقة للشبكة العصبية يمكن بعد ذلك إما التلاعب بالمخرج من !الا معينة للمجموعات 85350 للمدخل باستخدام العلاقات التجرببية (للحصول على خصائص بتروفيزيائية أخرى) أو يمكن استخدامها كمدخل إلى NNs أخرى. تكون العلاقات التجريبية الأكثر شيوعًا هى تلك العلاقات الخاصة بمثل هذه المسامية؛ فى التنبؤ بالنفاذية؛ أو المائع؛ أو غيرها من خصائص بتروفيزيائية. على سبيل المثال - مسامية فيما يتعلق ب: ٠ المسام المتصلة وغير المتصلة (قاعدة علاقة تجريبية على حجم الصورة وقيمة المسامية)؛ ٠ النفاذية (علاقة التجريبية لحساب النفاذية من المسامية)؛ © التشبع (علاقة بين تحليلات الدرجة المختلفة للصورة)؛ ٠ الإجهادات (علاقة لحساب تأثير الإجهاد كدالة للقيم المسامية مقابل العمق)؛ ٠ 0 القوة الميكانيكية (العلاقة بين مسامية - العمق- درجات اللون (على سبيل المثال؛ تمدد اللون الأحمر في الصورة)؛
— 9 4 — © السرعة الزلزالية (باستخدام البيانات الزلزالية كمدخل إلى 128( * قدرة التصدع (كدالة على الحدود بين المناطق (أحمر (هش) - برتقالي (لين))؛ ٠ علاقة صغيرة كبيرة غير تقليدية (يمكن تحقيق ذلك عند 112 من الكشف عن الحافة توزيع خانات المدرج التكراري والقيمة الحديّة) ¢ ٠ 5 مصفوفة مقابل الكيروجين (يمكن تحقيق ذلك عند 112 من خلال تحديد مختلف الألوان لتمثيل
مرونة المواد المختلفة) “و © تصحيح أدوات التسجيل المختلفة ( أدوات تسجيل تحتاج إلى بيانات معملية لإجراء تصحيحات). الشكل 7 عبارة عن مخطط إطاري لنظام حاسوب توضيحي 700 مُستخدّم لتوفير وظائف حسابية مرتبطة بالخوارزميات والطرق والدوال والعمليات والتدفقات والإجراءات؛ كما هو موضح في الكشف
0 الفوري؛ وفقًا للاستخدام. من المقرر أن يتضمن الحاسوب الموضح 702 أي جهاز حوسبة مثل الخادم؛ حاسوب سطح cial الحاسوب المحمول/اللاب توب » منفذ بيانات (SLY هاتف (SA مساعد بيانات شخصي (PDA) جهاز حاسوب asl معالج واحد أو أكثر داخل هذه الأجهزة؛ جهاز حاسوب AT ¢ أو مجموعة من أجهزة الحاسوب ¢ بما فى ذلك مثيلات فعلية أو ظاهرية لجهاز الحاسوب؛ أو مجموعة من المثيلات الفعلية أو الظاهرية لجهاز الحاسوب. بالإضافة إلى
ذلك؛ يمكن أن يشتمل الحاسوب 702 على جهاز حاسوب يشتمل على جهاز إدخال»؛ Jie لوحة مفاتيح أو شاشة تعمل باللمس أو جهاز إدخال آخر أو مجموعة من أجهزة الإدخال التي يمكنها قبول معلومات المستخدم وجهاز مخرج ينقل المعلومات المرتبطة بتشغيل الحاسوب 702 بما في ذلك البيانات الرقمية أو المرئية أو الصوتية أو نوع آخر من المعلومات أو مجموعة من أنواع المعلومات» على واجهة المستخدم الرسومية of) (Ul) واجهة المستخدم الرسومية) أو واجهة
0 المستخدم الأخرى. يمكن أن يكون للحاسوب 702 دور في نظام الحاسوب كعميل أو مكون شبكة أو خادم أو قاعدة بيانات أو ثبات آخر أو دور آخر أو مجموعة من الأدوار لتنفيذ الموضوع الموضح في الكشف الحالي. يتم إقران الحاسوب 702 الموضح بشكل متواصل بشبكة 730. في بعض التطبيقات؛
يمكن تهيئة واحد أو أكثر من مكونات الحاسوب 702 للعمل ضمن بيئة؛ بما في ذلك بيئة أساسها الحوسبة السحابية أو المحلية أو العالمية أو بيئة أخرى أو مجموعة من البيئات. عند مستوى عالٍ؛ يكون جهاز الحاسوب 702 هو جهاز حوسبة إلكتروني قابل للتشغيل لاستقبال أو إرسال أو معالجة أو تخزين أو إدارة البيانات والمعلومات المرتبطة بالموضوع المذكور. وفقًا لبعض عمليات التنفيذ. يمكن أن يشتمل الحاسوب 702 Lad أو يمكن إقرانه على نحو مستمر بخادم أو خادم بريد إلكتروني أو خادم ويب أو خادم تخزين مؤقت أو خادم بيانات متدفقة أو خادم آخر أو مجموعة من الخوادم. يمكن أن يستقبل جهاز الحاسوب 702 الطلبات عبر الشبكة 730 (على سبيل المثال» من تطبيق برنامج عميل يتم تنفيذه على حاسوب AT 702) والاستجابة للطلبات التي تم استقبالها عن Gob 0 معالجة الطلبات المستلمة باستخدام تطبيق برامج أو مجموعة من تطبيقات البرامج. بالإضافة إلى ذلك؛ يمكن أيضًا إرسال الطلبات إلى الحاسوب 702 من المستخدمين الداخليين Ae) سبيل المثال» من وحدة تحكم الأوامر أو من خلال طريقة وصول داخلية أخرى) أو أجزاء خارجية أو أجزاء ثالثة أو كيانات أو أفراد أو أنظمة أو أجهزة حاسوب أخرى. يمكن لكل من مكونات الحاسوب 702 الاتصال باستخدام ناقل نظام 703. في بعض التطبيقات؛ 5 يمكن لأي من أو كل مكونات الحاسوب 702( بما في ذلك الأجهزة أو البرامج أو مجموعة من الأجهزة والبرامج؛ إمكانية الاتصال عبر Jib النظام 703 باستخدام واجهة برمجة تطبيقات (API) of (712 طبقة خدمة 713( أو مجموعة من API 712 وطبقة الخدمة 713. يمكن أن يشتمل API 712 على مواصفات للمسارات»؛ بنيات البيانات» ودرجات الأهداف. يمكن أن تكون واجهة برمجة التطبيقات API 712 عبارة عن لغة حاسوب مستقلة أو غير مستقلة وتشير إلى واجهة 0 كاملة أو وظيفة واحدة أو حتى مجموعة من APIS توفر طبقة الخدمة 713 خدمات البرامج للحاسوب 702 أو مكونات أخرى (سواء كانت موضحة أو غير موضحة) مقترنة على نحو مستمر بالحاسوب 702. يمكن الوصول إلى وظائف الحاسوب 702 لجميع مستهلكي الخدمة الذين يستخدمون طبقة الخدمة هذه. توفر خدمات البرامج؛ Jie تلك التي توفرها طبقة الخدمة 3 وظائف قابلة لإعادة الاستخدام ومحددة من خلال واجهة محددة. على سبيل JB يمكن 5 أن تكون الواجهة عبارة عن برامج مكتوية بلغة JAVA ++0 أو لغة حوسبة أخرى أو مجموعة
من لغات الحوسبة التي تقدم البيانات بتنسيق لغة الترميز الموسعة (XML) أو تنسيق آخر أو مجموعة من التنسيقات. على الرغم من توضيحه كمكون متكامل للحاسوب 702 يمكن أن توضح التطبيقات البديلة API 712 أو طبقة الخدمة 713 كمكونات مستقلة Lad يتعلق بالمكونات الأخرى للحاسوب 702 أو مكونات أخرى (سواء كانت موضحة أو غير موضحة) تكون مقترنة بشكل متواصل بالحاسوب 702. علاوة على ذلك؛ يمكن تنفيذ أي جزءٍ أو كل أجزاء API 712 أو طبقة الخدمة 713 كطفل أو وحدة ثانوية لوحدة برمجة أخرى أو تطبيق الشركة أو وحدة الأجهزة دون الخروج عن نطاق هذا الكشف. يشتمل الحاسوب 702 على واجهة 704. بالرغم من توضيحه كواجهة مفردة 704 في الشكل 7 يمكن استخدام اثنتين أو أكثر من واجهات 704 وفقا للاحتياجات الخاصة؛ والرغبات؛ أو تطبيقات 0 معينة للحاسوب 702. يتم استخدام واجهة 704 بواسطة الحاسوب 702 للاتصال بنظام حوسبة آخر (سواء موضحة أم لا) يتم توصيله بالشبكة 730 في بيئة موزعة. بشكل عام؛ يمكن تشغيل الواجهة 704 للاتصال بالشبكة 730 وتتضمن aia مشفرًا في البرامج أو الأجهزة أو مجموعة من البرامج والأجهزة. وبشكل أكثر dans يمكن أن تشتمل الواجهة 704 على برنامج يدعم واحد أو أكثر من بروتوكولات الاتصال المرتبطة بالاتصالات بحيث يمكن تشغيل الشبكة 730 أو أجهزة 5 الواجهة لتوصيل الإشارات المادية داخل وخارج الحاسوب الموضح 702. يشتمل الحاسوب 702 على معالج 705. على الرغم من أنه يتضح كمعالج مفرد 705 في الشكل 7 يمكن استخدام اثنين أو أكثر من المعالجات Wy للاحتياجات الخاصة؛ والرغبات؛ أو التطبيقات المحددة للحاسوب702. بصفة عامة؛ يقوم المعالج 705 بتنفيذ التعليمات ومعالجة البيانات لتنفيذ عمليات تشغيل الحاسوب 702 وأي bie) lsd طرق؛ وظائف؛ عمليات؛ تدفقات وإجراءات كما 0 هو موضح في الكشف الحالي. يشتمل الحاسوب 702 Lad على قاعدة بيانات 706 يمكنها الاحتفاظ بالبيانات للحاسوب 702 ومكون آخر متصل بالشبكة 730 (سواء موضحًا أم oY أو توليفة من الحاسوب 702 ومكون آخر. على سبيل المثال» يمكن أن تكون قاعدة البيانات 706 عبارة عن ذاكرة داخلية أو تقليدية أو أي نوع آخر من قواعد بيانات تخزين البيانات المتوافقة مع هذا الكشف. في بعض التطبيقات؛ 5 يمكن أن تكون قاعدة البيانات 706 عبارة عن توليفة من نوعين أو أكثر من أنواع قواعد البيانات
المختلفة (على سبيل المثال؛ قاعدة بيانات هجينة داخل الذاكرة وقاعدة بيانات تقليدية) Gy لاحتياجات أو رغبات معينة أو تطبيقات معينة للحاسوب 702 والوظيفة المذكورة. على الرغم من توضيحها كقاعدة lily واحدة 706 في الشكل 7؛ يمكن استخدام اثنين أو أكثر من قواعد البيانات من أنواع مماثلة أو مختلفة وفقا للاحتياجات الخاصة؛ الرغبات؛ أو تطبيقات معينة للحاسوب 702 والوظيفة المذكورة. بينما يتم توضيح قاعدة البيانات 706 على انها مكوّن لا Bai من الحاسوب 702( في التطبيقات البديلة؛ يمكن أن تكون قاعدة البيانات 706 خارج الحاسوب 2. كما هو موضح؛ تحتوي قاعدة البيانات 706 على بيانات الصور 716؛ بيانات صور محسنة 718( وقيم الصور المقطعة 720. يشتمل الحاسوب 702 أيضًا على ذاكرة 707 يمكنها الاحتفاظ ببيانات للحاسوب 702 أو مكون 0 أو مكونات أخرى متصلة بالشبكة 730 (سواء كانت موضحة أم لا) أو توليفة من الحاسوب 702 ومكون AT . بإمكان الذاكرة 707 تخزين أي بيانات تتفق مع هذا الكشف. في بعض التطبيقات؛ يمكن أن تكون الذاكرة TOT مزيجا من نوعين مختلفين أو أكثر من الذاكرة (على سبيل المثال؛ توليفة من شبه موصل ووسط تخزين مغناطيسي) وفقًا لاحتياجات أو رغبات أو تطبيقات معينة للحاسوب 702 والوظيفة الموصوفة. على الرغم من توضيحها كذاكرة واحدة 707 في الشكل 7؛ 5 يمكن استخدام اثنين أو أكثر من الذاكرة 707 أو أنواع متماثلة أو مختلفة وفقا للاحتياجات؛ الرغبات؛ أو التطبيقات المعينة للحاسوب 702 والوظيفة الموصوفة. بينما يتم توضيح الذاكرة 707 كجزم لا Bama من مكونات الحاسوب 702؛ في التطبيقات البديلة؛ يمكن أن تكون الذاكرة 707 خارجية بالنسبة للحاسوب 702. يُعد التطبيق 708 محرك برمجيات خوارزمي يوفر وظائف Gy لاحتياجات أو رغبات أو تطبيقات 0 معينة للحاسوب 702( خاصة Lad يتعلق بالوظائف الموضحة في هذا الكشف. على سبيل المثال؛ يمكن أن يعمل التطبيق 708 بمثابة واحد أو SST من المكونات أو الوحدات أو التطبيقات. علاوة على cell) على الرغم من أنه يتم توضيحه كتطبيق منفرد 708( يمكن تنفيذ التطبيق 708 كتطبيقات متعددة 708 على الحاسوب 702. بالإضافة إلى cally على الرغم من أنه موضح كجزءٍ لا يتجزأ من الحاسوب 702؛ في تطبيقات بديلة؛ يمكن أن يكون التطبيق 708 Gayla 5 بالنسبة للحاسوب 702.
(Sa أن يشتمل الحاسوب 702 Lad على مصدر إمداد بالطاقة 714. يمكن أن يشتمل مصدر الإمداد بالطاقة 714 على بطارية قابلة sale الشحن أو غير قابلة لإعادة الشحن يمكن تكوبنها بحيث تكون قابلة للاستبدال من JB المستخدم أو غير المستخدم. في بعض التطبيقات؛ يمكن أن يشتمل مصدر الإمداد بالطاقة 714 على دوائر تحويل الطاقة أو دوائر إدارة الطاقة (بما في ذلك sale) 5 الشحن؛ أو الاستعداد؛ أو وظيفة أخرى لإدارة الطاقة). في بعض التطبيقات؛ يمكن أن يشتمل
مصدر الإمداد بالطاقة 714 على قابس طاقة للسماح بتوصيل الحاسوب 702 بمأخذ حائط أو مصدر طاقة آخرء؛ على سبيل (Jal توصيل الحاسوب 702 أو sale) شحن بطارية قابلة sale الشحن. يمكن أن يكون هناك أي عدد من أجهزة الحاسوب 702 المرتبطة بنظام الحاسوب المحتوي على
10 جهاز حاسوب 702 أو خارجه؛ وكل جهاز حاسوب 702 يتصل عبر الشبكة 730. وعلاوة على ذلك يمكن للمصطلح "due! أو 'مستخدم" أو غيرها من المصطلحات المناسبة أن يستخدم بالتبادل» حسب الاقتضاء؛ دون الخروج عن نطاق هذا الكشف. علاوة على ذلك؛ يراعي هذا الكشف أن العديد من المستخدمين يمكنهم استخدام جهاز حاسوب واحد 702( أو أن مستخدمًا واحدًا يمكنه استخدام أجهزة حاسوب متعددة 702.
يمكن أن تتضمن عمليات التطبيق الموضحة للمادة موضوع البحث واحدة أو أكثر من الميزات؛ منفردة أو مجتمعة. على سبيل المثال؛ في تطبيق أول» يتم تقديم طريقة يتم تنفيذها بواسطة الحاسوب؛ حيث تشتمل على: تحسين بيانات الصور المستقبلة لإنشاء بيانات صور محسنة باستخدام معالجة الصور لإزالة التشوهات واسترداد المعلومات المرتبطة بمخرج مستهدف مطلوب؛ تنفيذ عمليات تقطيع الصور
0 على بيانات صور محسنة صالحة للاستخدام في إنشاء بيانات الصور المقطعة عبر تقسيم بيانات الصور المحسنة إلى مناطق متماسكة بالنسبة لمعايير محددة تستند إلى الصور؛ معالجة مسبقة لبيانات الصور المقطعة الصالحة للاستخدام والبيانات المساعدة للإدخال في شبكة عصبية كبيانات معالجة مسبقًا؛ تقسيم البيانات المعالجة مسبقًا إلى بيانات تدريب وتحقق من الصحة والاختبار؛ تحديد بنية شبكة عصبية لمعالجة البيانات المعالجة مسبقًا؛ تنفيذ بنية الشبكة العصبية المحددة
5 باستخدام البيانات المعالجة مسبقًا؛ معالجة لاحقة لمخرج الشبكة العصبية المحددة كبيانات معالجة
— 4 5 — Lay ¢ ومقارنة البيانات المعالجة aly بنطاق قيمة معروف مرتبط بالبيانات المعالجة Lay لتحديد ما إذا كانت البيانات المعالجة لاحقا تلبي نتيجة مخرج مرغوب. يمكن لكل من التطبيقات السابقة والتطبيقات الأخرى الموصوفة أن تشمل؛ (Glas) واحدة أو أكثر من الميزات التالية:
ميزة أولى؛ يمكن دمجها مع أي من الخصائص التالية؛ حيث: يستند تحسين الصورة إلى واحدة أو أكثر من الخصائص والمتغيرات البتروفيزيائية المرتبطة بخزان؛ موقع بئرء أو Als قلب بر ويختلف عدد وترتيب تقنيات تحسين الصور التى يتم تنفيذ ها على dada الصور باختلاف شكل الصورة أو حجم الصورة؛ يختلف عدد وترتيب أساليب تقطيع الصور التي يتم تنفيذها على بيانات الصور المحسنة ly على شكل صورة أو حجم الصورة أو نتيجة مطلوية .
0 تشتمل ميزة Ail يمكن دمجها مع أي من الميزات السابقة أو Ald) على تحديد مدى قابلية استخدام بيانات الصور المحسنة وبيانات الصور المقطعة. ميزة ثالثة. يمكن دمجها مع أي من الميزات السابقة أو التالية؛ حيث يتم تقسيم بيانات الصور المقطعة المستقبلة الصالحة للاستخدام لوضعها في مجموعات فرعية للتدربب والتحقق والاختبار Ud, لنسبة مثوية بناءًة على عدد ونوع مجموعة بيانات مستمدة من بيانات الصور المقطعة صالح 5 للاستخدام. ميزة رابعة؛ يمكن الجمع بينها وبين أي من السمات السابقة أو Al تتضمن كذلك تحديد ما إذا كانت بيانات الصور المقطعة الصالحة للاستخدام في بيانات التدريب والتحقق من الصحة و لاختبار تأتي من مصدر بيانات مستمر أو منفصل . ميزة خامسة؛ يمكن الجمع بينها وبين أي من السمات السابقة أو التالية؛ حيث تكون بنية الشبكة 0 العصبية Wf خاضعة أو غير خاضعة للإشراف»؛ Cus تشتمل بنية الشبكة العصبية الخاضعة للإشراف على شبكة عصبية متكررة أو بالتغذية للأمام؛ وحيث تشتمل بنية الشبكة العصبية غير الخاضعة للإشراف على شبكة عصبية من نوع وحدة التقدير أو الاستخلاص.
ميزة سادسة؛ يمكن دمجها مع أي من السمات السابقة أو التالية؛ وتتضمن أيضًا إجراء معالجة إضافية على البيانات المعالجة لاحقا لاشتقاق خصائص بتروفيزيائية أخرى أو توليد Ble بيانات جديدة. في تطبيق ثاني» وسط غير مؤقت مقروء بالحاسوب يخزن واحدة أو أكثر من التعليمات القابلة للتنفيذ بواسطة نظام حاسوب لتنفيذ عمليات تشتمل على: تحسين بيانات الصور المستقبلة لإنشاء
بيانات صور محسنة باستخدام معالجة الصور لإزالة التشوهات واسترداد المعلومات المرتبطة بمخرج مستهدف مطلوب؛ تنفيذ عمليات تقطيع الصور على بيانات صور محسنة صالحة للاستخدام في إنشاء بيانات الصور المقطعة عبر تقسيم بيانات الصور المحسنة إلى مناطق متماسكة بالنسبة لمعايير محددة تستند إلى الصور؛ معالجة مسبقة لبيانات الصور المقطعة
0 الصالحة للاستخدام والبيانات المساعدة JADU في شبكة عصبية كبيانات معالجة مسبقًا؛ تقسيم البيانات المعالجة مسبقًا إلى بيانات تدريب وتحقق من الصحة والاختبار؛ تحديد بنية شبكة عصبية لمعالجة البيانات المعالجة مسبدًا؛ تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات المعالجة مسبقًا؛ معالجة لاحقة لمخرج الشبكة العصبية المحددة كبيانات معالجة لاحقا؛ ومقارنة البيانات المعالجة لاحقا بنطاق dad معروف مرتبط بالبيانات المعالجة لاحقا لتحديد ما إذا كانت البيانات
5 المعالجة لاحقا تلبي نتيجة مخرج مرغوب. يمكن لكل من التطبيقات السابقة والتطبيقات الأخرى الموصوفة أن تشمل؛ (Glas) واحدة أو أكثر من الميزات التالية: ميزة أولى؛ يمكن دمجها مع أي من الخصائص التالية؛ حيث: يستند تحسين الصورة إلى واحدة أو أكثر من الخصائص والمتغيرات البتروفيزيائية المرتبطة بخزان؛ موقع بئرء أو Als قلب بئر
0 ويختلف عدد وترتيب تقنيات تحسين الصور التي يتم تنفيذها على صفحة الصور باختلاف شكل الصورة أو حجم الصورة؛ يختلف عدد وترتيب أساليب تقطيع الصور التي يتم تنفيذها على بيانات الصور المحسنة بناءً على شكل صورة أو حجم الصورة أو نتيجة مطلوبة. تشتمل ميزة lh يمكن دمجها مع أي من الميزات السابقة أو التالية؛ على واحدة أو أكثر من التعليمات لتحديد مدى قابلية استخدام بيانات الصور المحسنة وبيانات الصور المقطعة.
ميزة AIG يمكن دمجها مع أي من الميزات السابقة أو التالية؛ حيث يتم تقسيم بيانات الصور المقطعة المستقبلة الصالحة للاستخدام لوضعها في مجموعات فرعية للتدريب والتحقق والاختبار وفقًا لنسبة مئوية بناءً على عدد ونوع مجموعة بيانات مستمدة من بيانات الصور المقطعة صالح للاستخدام.
Bae 5 رابعة؛ يمكن الجمع بينها وبين أي من السمات السابقة أو Adu تتضمن كذلك واحدة أو أكثر من التعليمات لتحديد ما إذا كانت بيانات الصور المقطعة الصالحة للاستخدام في بيانات التدريب والتحقق من الصحة والاختبار تأتي من مصدر بيانات مستمر أو متنفصل.
ميزة خامسة؛ يمكن الجمع بينها وبين أي من السمات السابقة أو التالية؛ حيث تكون بنية الشبكة العصبية إما خاضعة أو غير خاضعة للإشراف»؛ Cus تشتمل بنية الشبكة العصبية الخاضعة
0 للإشراف على شبكة عصبية متكررة أو بالتغذية للأمام؛ وحيث تشتمل بنية الشبكة العصبية غير الخاضعة للإشراف على شبكة عصبية من نوع وحدة التقدير أو الاستخلاص. ميزة سادسة؛ يمكن دمجها مع أي من السمات السابقة أو التالية» وتتضمن أيضًا واحدة أو أكثر من التعليمات لإجراء dallas إضافية على البيانات المعالجة لاحقا لاشتقاق خصائص بتروفيزيائية أخرى أو توليد علاقة بيانات جديدة.
5 في تطبيق ثالث؛ نظام يتم تنفيذه بواسطة الحاسوب»؛ يشتمل على: جهاز حاسوب واحد أو أكثر؛ وواحد أو أكثر من أجهزة ذاكرة الحاسوب المقترن على نحو قابل للتشغيل البيني بواحة أو أكثر من أجهزة الحاسوب والذي يتضمن وسط مادي غير مؤقت مقروء بآلة يخزن واحدة أو أكثر من التعليمات التي عند تنفيذها بواسطة الواحد أو أكثر من أجهزة الحاسوب تقوم بتنفيذ عمليات؛ حيث يشتمل على: تحسين بيانات الصور المستقبلة لإنشاء بيانات صور محسنة باستخدام معالجة
0 الصور لإزالة التشوهات واسترداد المعلومات المرتبطة بمخرج مستهدف مطلوب؛ تنفيذ عمليات تقطيع الصور على بيانات صور محسنة صالحة للاستخدام في إنشاء بيانات الصور المقطعة عبر تقسيم بيانات الصور المحسنة إلى مناطق متماسكة بالنسبة لمعايير محددة تستند إلى الصور؛ معالجة مسبقة لبيانات الصور المقطعة الصالحة للاستخدام والبيانات المساعدة للإدخال في شبكة عصبية كبيانات dallas مسبقًا؛ تقسيم البيانات المعالجة مسبقًا إلى بيانات تدريب وتحقق من
الصحة والاختبار؛ تحديد بنية شبكة عصبية لمعالجة البيانات المعالجة مسبقًا؛ تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات المعالجة مسبقًا؛ معالجة لاحقة لمخرج الشبكة العصبية المحددة كبيانات معالجة لاحقا؛ ومقارنة البيانات المعالجة لاحقا بنطاق قيمة معروف مرتبط بالبيانات المعالجة لاحقا لتحديد ما إذا كانت البيانات المعالجة لاحقا تلبي نتيجة مخرج مرغوب. يمكن لكل من التطبيقات السابقة والتطبيقات (AY) الموصوفة أن تشمل؛ (Gla) واحدة أو أكثر من الميزات التالية: ميزة أولى؛ يمكن دمجها مع أي من الخصائص التالية؛ حيث: يستند تحسين الصورة إلى واحدة أو أكثر من الخصائص والمتغيرات البتروفيزيائية المرتبطة بخزان؛ موقع بئرء أو Als قلب بئر ويختلف عدد وترتيب تقنيات تحسين الصور التي يتم تنفيذها على صفحة الصور باختلاف شكل 0 الصورة أو حجم الصورة؛ يختلف عدد وترتيب أساليب تقطيع الصور التي يتم تنفيذها على بيانات الصور المحسنة بناءً على شكل صورة أو حجم الصورة أو نتيجة مطلوية. تشتمل ميزة lh يمكن دمجها مع أي من الميزات السابقة أو التالية؛ على واحدة أو أكثر من التعليمات لتحديد مدى قابلية استخدام بيانات الصور المحسنة وبيانات الصور المقطعة. ميزة AIG يمكن دمجها مع أي من الميزات السابقة أو التالية؛ حيث يتم تقسيم بيانات الصور 5 المقطعة المستقبلة الصالحة للاستخدام لوضعها في مجموعات فرعية للتدريب والتحقق والاختبار وفقًا لنسبة مئوية بناءً على عدد ونوع مجموعة بيانات مستمدة من بيانات الصور المقطعة صالح للاستخدام. ميزة رابعة؛ يمكن الجمع بينها وبين أي من السمات السابقة أو التالية؛ تتضمن كذلك واحدة أو أكثر من التعليمات لتحديد ما إذا كانت بيانات الصور المقطعة الصالحة للاستخدام في بيانات التدريب 0 والتحقق من الصحة والاختبار تأتي من مصدر بيانات مستمر أو متفصل. ميزة خامسة؛ يمكن الجمع بينها وبين أي من السمات السابقة أو (A حيث تكون بنية الشبكة العصبية إما خاضعة أو غير خاضعة للإشراف»؛ Cus تشتمل بنية الشبكة العصبية الخاضعة للإشراف على شبكة عصبية متكررة أو بالتغذية للأمام؛ وحيث تشتمل بنية الشبكة العصبية غير الخاضعة للإشراف على شبكة عصبية من نوع وحدة التقدير أو الاستخلاص.
ميزة سادسة؛ يمكن دمجها مع أي من السمات السابقة أو التالية» وتتضمن أيضًا واحدة أو أكثر من التعليمات لإجراء dallas إضافية على البيانات المعالجة لاحقا لاشتقاق خصائص بتروفيزيائية أخرى أو توليد علاقة بيانات جديدة. يمكن تنفيذ عمليات التطبيق الخاصة بموضوع البحث والعمليات الوظيفية الموضحة في هذا الوصف في الدوائر الإلكترونية الرقمية؛ في برامج الحاسوب المجسدة Gale أو البرامج الثابتة؛ في
عتاد الحاسوب؛ بما في ذلك الهياكل التي تم الكشف عنها في هذا الوصف ومكافاتها البنيوية؛ أو في مجموعات من واحد أو أكثر منها. يمكن تنفيذ تطبيقات البرامج للمادة الموصوفة كواحد أو أكثر من برامج الحاسوب؛ بمعنى واحدة أو أكثر من وحدات تعليمات برنامج الحاسوب المشفرة على وسط تخزين مادي غير مؤقت مقروء بالحاسوب للتنفيذ بواسطة؛ أو للتحكم في تشغيل؛ جهاز
0 معالجة البيانات. كبديل لذلك؛ أو بالإضافة إلى ذلك؛ يمكن تشفير تعليمات البرنامج في/ على إشارة منتشرة مولدة صناعياء على سبيل المثال» إشارة كهريائية أو بصرية أو كهرومغناطيسية مولدة بواسطة آلة حيث يتم توليدها لتشفير المعلومات لإرسالها إلى جهاز المستقبل للتنفيذ بواسطة جهاز dallas البيانات. يمكن أن يكون وسط تخزين الحاسوب Ble عن جهاز تخزين قابل للقراءة آليّا؛ أو ركيزة تخزين قابلة للقراءة آليّا؛ أو جهاز ذاكرة الوصول العشوائي أو التسلسلي؛ أو توليفة من
5 أوساط تخزين الحاسوب. إن تهيئة واحد أو أكثر من أجهزة الحاسوب تعني أنه قد —a على واحد أو أكثر من أجهزة الحاسوب- تثبيت عتاد أو برامج ثابتة أو برامج (أو توليفات منها) بحيث أنه عند تنفيذ البرامج بواسطة الواحد أو أكثر من أجهزة الحاسوب؛ يتم إجراء عمليات حوسبة معينة. إن مصطلح 'في الزمن الحقيقي؛ 'في الوقت الحقيقي”؛ "في الوقت الفعلي”؛ 'في الزمن الفعلي" واختصارًا (RFT 'في الزمن الفعلي تقريبا C(NRT) 'في الزمن شبه الفعلي؛ أو أي مصطلحات
0 مشابهة (كما يفهم ذلك المهرة العاديون في المجال) يعني أن الإجراء والاستجابة قريبان الآن تقريبا بحيث أن spall يدرك حدوث الإجراء والاستجابة معًا تقريبًا. على سبيل «JE يمكن أن يكون فارق التوقيت للاستجابة لعرض (أو بدء عرض) البيانات بعد إجراء الفرد للوصول إلى البيانات أقل من 1 مللي ثانية؛ أقل من ثانية واحدة؛ أو أقل من 5 ثواني. على الرغم من أنه لا wb عرض البيانات المطلوية (أو التي يتم بدء عرضها) بشكل فوري؛ إلا أنه يتم عرضها (أو بدء عرضها)
دون أي تأخير مقصود؛ مع الأخذ بعين الاعتبار قيود المعالجة لنظام الحوسبة الموصوف والوقت
المطلوب؛ على سبيل المثال؛ لجمع البيانات أو قياسها أو تحليلها أو معالجتها أو تخزينها أو نقلها بدقة. تشير مصطلحات "جهاز dallas بيانات" أو "حاسوب" أو Glen” حاسوب إلكتروني" (أو ما يعادله على النحو المفهوم لدى أصحاب المهارة العادية في الفن) إلى أجهزة معالجة بيانات وتشمل جميع أنواع الأجهزة والموائع وآلات معالجة البيانات؛ بما في ذلك على سبيل المثال؛ معالج قابل للبرمجة؛
حاسوب؛ أو معالجات متعددة أو Beal حاسوب. يمكن أن يكون الجهاز (lial أو يتضمن أيضًاء دارات منطقية ذات غرض خاص؛ على سبيل المثال» وحدة معالجة مركزية FPGA i (CPU) (مصفوفة بوابة ALE للبرمجة)؛ أو ASIC (دارة متكاملة خاصة بالتطبيقات). في بعض التطبيقات؛ (Sa أن يستند جهاز معالجة البيانات أو الدارة المنطقية لغرض خاص (أو توليفة من جهاز
0 معالجة البيانات أو الدارة المنطقية ذات الغرض الخاص) إلى العتاد أو البرامج (أو توليفة تستند إلى العتاد والبرامج معًا). يمكن للجهاز اختياريًا أن يتضمن شفرة برمجية لإنشاء بيئة تنفيذ لبرامج الحاسوب»؛ على سبيل المثال؛ شفرة لتشكيل البرامج الثابتة للمعالج أو مكدس بروتوكول أو نظام إدارة قاعدة بيانات أو نظام تشغيل أو توليفة من بيئات التنفيذ. يتناول الكشف الحالي استخدام أجهزة معالجة بيانات ذات نظام تشغيل ما مثل لينوكس؛ يونيكس» وبندوز؛ ماك؛ أندرويد؛ (AOS
5 نظام تشغيل آخرء أو توليفة من أنظمة التشغيل. يمكن كتابة برنامج حاسوب؛ الذي يمكن أيضًا الإشارة ad) أو وصفه كبرنامج أو تطبيق برمجي أو وحدة نمطية أو وحدة برامج أو برنامج نصي أو شفرة بأي شكل من أشكال لغة البرمجة؛ بما في ذلك الترجمة المجمعة أو اللغات المفسرة»؛ أو اللغات التقريرية أو الإجرائية» ويمكن نشره بأي شكل؛ بما في ذلك كبرنامج قائم بذاته أو كوحدة نمطية أو عنصر أو روتين فرعي أو وحدة أخرى
0 الاستخدامه في بيئة الحوسبة. يمكن لبرنامج الحاسوب؛ ولكن ليس من الضروري؛ أن يتطابق مع ملف في نظام ملفات. يمكن تخزين البرنامج في ein من ملف يحمل برامج أو بيانات أخرى؛ على سبيل المثال؛ واحد أو أكثر من البرامج النصية المخزنة في وثيقة لغة ترميز» في ملف واحد مخصص للبرنامج المعني؛ أو في ملفات متعددة منسقة؛ سبيل المثال؛ الملفات التي تقوم بتخزين واحد أو أكثر من الوحدات النمطية أو البرامج الفرعية أو أجزاء من الشفرة البرمجية. يمكن نشر
برنامج حاسوب ليتم تنفيذه على جهاز حاسوب واحد أو على أجهزة حاسوب متعددة موجودة في موقع واحد أو موزعة على مواقع متعددة ومترابطة بواسطة شبكة اتصالات. في حين يتم عرض أجزاء من البرامج الموضحة في الأشكال المختلفة كوحدات فردية تقوم بتنفيذ مختلف الميزات والوظائف من خلال كائنات أو طرق أو عمليات أخرى مختلفة؛ يمكن أن تشتمل البرامج كبديل لذلك على عدد من الوحدات الفرعية وخدمات من جهات خارجية ومكونات ومكتبات وما إلى ذلك؛ حسب الاقتضاء. وعلى العكس من ذلك؛ يمكن دمج ميزات ووظائف المكونات المختلفة في مكونات مفردة؛ حسب الاقتضاء. يمكن تحديد العتبات المستخدمة لإجراء تحديدات حسابية بشكل ثابت أو ديناميكي أو كليهما. يمكن تنفيذ الطرق أو العمليات أو التدفقات المنطقية الموصوفة في هذه المواصفة من خلال واحد 0 أو أكثر من أجهزة الحاسوب القابلة للبرمجة التي تنفذ برنامج حاسوب أو أكثر لتنفيذ وظائف من خلال التشغيل على بيانات الإدخال وإنشاء مخرجات. يمكن أيضًا تنفيذ الطرق أو العمليات أو التدفقات المنطقية؛ كما يمكن أيضًا تنفيذ الجهاز كدائرة منطقية ذات غرض خاص؛ على سبيل المتال؛ وحدة المعالجة المركزية أو FPGA أو ASIC يمكن أن تستند أجهزة الحاسوب الخاصة بتنفيذ برنامج حاسوب إلى معالجات دقيقة لأغراض عامّة 5 أو خاصة؛ أو كليهماء أو نوع آخر من وحدات المعالجة المركزية. بشكل عام؛ ستتلقى وحدة المعالجة المركزية (CPU) تعليمات وبيانات من الذاكرة وتكتب إليها. والعناصر الأساسية للحاسوب هي وحدة المعالجة المركزية (CPU) لتنفيذ التعليمات» وواحد أو أكثر من أجهزة الذاكرة لتخزين التعليمات والبيانات. بشكل عام؛ سيشمل الحاسوب أيضًاء أو يقترن من الناحية العملية؛ ببيانات استقبال أو بيانات نقل؛ أو كليهما؛ إلى واحد أو أكثر من أجهزة التخزين الضخم لتخزين 0 الببيانات؛ على سبيل المثال؛ الأقراص المغناطيسية أو المغنطيسية الضوئية أو الضوئية. ومع ذلك؛ لا يحتاج جهاز حاسوب إلى Jie هذه الأجهزة. وعلاوة على ذلك؛ يمكن تضمين جهاز حاسوب في جهاز آخر؛ على سبيل المثال؛ هاتف محمول؛ أو مساعد رقمي شخصي (PDA) أو مشغل صوتي أو مشغل فيديو؛ أو وحدة تحكم في الألعاب؛ أو جهاز نظام تحديد المواقع العالمي (GPS) أو جهاز تخزين ذاكرة محمول.
يمكن للأوساط غير المؤقتة المقروءة بالحاسوب الخاصة بتخزين تعليمات برامج الحاسوب والبيانات أن تشتمل على كل أشكال الذاكرة الدائمة/غير الدائمة أو المتطايرة/غير المتطايرة؛ والوسائط وأجهزة الذاكرة؛ بما في ذلك على سبيل المثال Sigal ذاكرة أشباه الموصلات؛ على سبيل المثال؛ ذاكرة الوصول العشوائي (/ل48ا)؛ وذاكرة للقراءة فقط «(ROM) وذاكرة تغيير الطور (PRAM) وذاكرة الوصول العشوائي الساكنة «(SRAM) وذاكرة الوصول العشوائي الديناميكية «(DRAM) وذاكرة قابلة للقراءة قابلة للبرمجة فقط (EPROM) ذاكرة للقراءة فقط قابلة للبرمجة قابلة للمسح كهربائيًا (EEPROM) وأجهزة ذاكرة وميضية؛ Sigal مغناطيسية؛ على سبيل المثال؛ الشربط» الخراطيش؛ الأطقم» الأقراص الداخلية/القابلة للإزالة؛ الأقراص المغناطيسية وأجهزة الذاكرة البصرية؛ على سبيل المثال» قرص الفيديو الرقمي ¢(DVD) الأسطوانة المدمجة DVD- DVD +/R «CD ROM
(BLURAY 3 (HD-DVD (DVD-ROM (RAM 0 وغيرها من تقنيات الذاكرة البصرية. يمكن للذاكرة تخزين كاتنات أو بيانات مختلفة؛ بما في ذلك ذاكرة التخزين المؤقت؛ الفئات؛ أطر العمل؛ التطبيقات؛ الوحدات النمطية؛ بيانات النسخ الاحتياطي؛ الوظائف؛ صفحات الويب؛ قوالب صفحات الويب؛ هياكل البيانات؛ جداول قاعدة البيانات» مستودعات تخزين المعلومات الديناميكية؛ أو المعلومات الملائمة بما في ذلك أي متغيرات؛ خوارزميات؛ تعليمات؛ قواعد؛ قيود أو مراجع.
5 بالإضافة إلى ذلك؛ يمكن أن تتضمن الذاكرة بيانات مناسبة أخرى؛ Jie السجلات؛ أو السياساتء أو بيانات الأمان أو الوصول؛ أو ملفات التقارير. يمكن استكمال المعالج والذاكرة بواسطة دارات منطقية ذات غرض خاص أو دمجها فيها. لتوفير التفاعل مع المستخدم؛ يمكن تنفيذ عمليات تنفيذ موضوع البحث الموصوفة في هذا الوصف على جهاز حاسوب يحتوي على وسيلة عرض» على سبيل المثال» CRT (أنبوب أشعة الكاثود)؛
LCD 20 (شاشة عرض الكربستال المائع)؛ LED (الصمام الثنائي الباعث للضوء)؛ أو شاشة البلازماء لعرض المعلومات للمستخدم ولوحة مفاتيح وجهاز cud على سبيل المثال؛ الماوس»؛ أو كرة call أو لوحة التعقب التي يمكن للمستخدم من خلالها توفير مدخلات إلى الحاسوب. يمكن أيضًا توفير المدخلات إلى الحاسوب باستخدام شاشة تعمل باللمس؛ Jie سطح حاسوب لوحي مع حساسية للضغط؛ وشاشة تعمل باللمس المتعدد باستخدام الاستشعار السعوي أو الكهربائي؛ أو نوع
5 آخر من شاشة تعمل باللمس. يمكن استخدام أنواع أخرى من الأجهزة للتفاعل مع المستخدم. على
سبيل المثال؛ يمكن أن تكون التعليقات المقدمة إلى المستخدم أي شكل من أشكال التغذية المرتدة الحسية الحسية (مثل؛ البصرية؛ السمعية؛ cual أو توليفة منها). يمكن تلقي الإدخال من المستخدم بأي شكل. بما في ذلك الإدخال الصوتي؛ أو الكلام؛ أو الإدخال عن طريق اللمس. بالإضافة إلى ذلك؛ يمكن للحاسوب التفاعل مع المستخدم عن طريق إرسال المستندات واستلامها 5 .من جهاز يستخدمه المستخدم (على سبيل (Jha عن طريق إرسال صفحات الويب إلى متصفح الويب على جهاز العميل لمستخدم استجابة للطلبات الواردة من متصفح الإنترنت). يمكن استخدام مصطلح 'واجهة المستخدم الرسومية" أو ' الا" في صيغة المفرد أو الجمع لوصف واحدة أو أكثر من واجهات المستخدم الرسومية وكل من شاشات عرض واجهة مستخدم رسومية معينة. لذلك؛ يمكن أن تمثل واجهة المستخدم الرسومية أي واجهة مستخدم رسومية؛ بما 0 في ذلك على سبيل JB لا الحصر؛ متصفح ويب» أو شاشة تعمل باللمس» أو واجهة سطر الأوامر (CLI) التي تعالج المعلومات وتقدم نتائج المعلومات بشكل فعال إلى المستخدم. بشكل cle يمكن أن تتضمن واجهة المستخدم الرسومية مجموعة من عناصر واجهة المستخدم (الا)؛ التي يكون بعضها أو كلها مرتبط بمتصفح وبب» Jie الحقول التفاعلية والقوائم المنسدلة والأزرار. يمكن أن ترتبط هذه العناصر وعناصر واجهة المستخدم الأخرى بوظائف متصفح الويب أو تمثلها. يمكن تنفيذ عمليات التطبيق موضوع الاختراع الموصوفة في هذا الوصف في نظام حوسبة يتضمن مكون نهاية خلفية؛ على سبيل (Jha) كخادم بيانات؛ أو يتضمن مكون برنامج chug على سبيل المثال؛ خادم تطبيقات؛ أو يتضمن مكون نهاية أمامية؛ على سبيل (Jia) جهاز حاسوب عميل له واجهة مستخدم رسومية أو مستعرض ويب يمكن للمستخدم من خلاله التفاعل مع تنفيذ الموضوع الموضح في هذا الوصف؛ أو أي توليفة من واحد أو أكثر من هذه المكونات ذات النهاية الخلفية 0 أو الوسيطة أو النهاية الأمامية. يمكن ربط مكونات النظام بينيا بأي شكل أو وسط من الاتصالات السلكية واللاسلكية الرقمية (أو توليفة من اتصالات البيانات)؛ على سبيل المثال؛ شبكة اتصالات. تشمل أمثلة شبكات الاتصالات شبكة المنطقة المحلية (LAN) وشبكة النفاذ الراديوي (RAN) وشبكة المنطقة الحضرية (MAN) وشبكة منطقة (WAN) daly والتشغيل البيني في جميع أنحاء العالم للوصول إلى الميكروويف (WIMAX) وهي منطقة محلية لاسلكية شبكة (WLAN) 5 باستخدام؛ على سبيل المثال» 802.11 a/b/g/n أو 802.20 (أو مجموعة من X802.11
و802.20 أو غيرها من البروتوكولات المتوافقة مع هذا الكشف) أو كل أو جزءِ من الإنترنت أو
شبكة اتصالات أخرى أو توليفة من شبكات الاتصالات. يمكن لشبكة الاتصال مع؛ على سبيل
المثال» حزمة بروتوكول الإنترنت ¢(IP) أو إطارات ترحيل الإطارات (Frame Relay) أو خلايا
وضع النقل غير المتزامن (ATM) أو الصوت أو الفيديو أو البيانات أو أية معلومات أخرى بين عناوين الشبكة.
يمكن أن يشتمل نظام الحوسبة على عملاء وخوادم. يكون كل من العميل والخادم بعيدًا عن
بعضهما sale وبتفاعلان Bile من خلال شبكة اتصال. تنشاً العلاقة بين العميل والخادم بفضل
برامج الحاسوب التي تعمل على أجهزة الحاسوب المعنية ولها علاقة بين العميل والخادم مع
بعضها البعض.
0 بينما يحتوي هذا الوصف على العديد من تفاصيل التطبيق المحددة؛ لا ينبغي تفسيرها على أنها قيود على نطاق أي اختراع أو على نطاق ما يمكن المطالبة بحمايته؛ وإنما كوصف للميزات التي يمكن أن تكون محددة لتطبيقات معينة لاختراعات معينة. يمكن أيضًا تنفيذ بعض الميزات الموضحة في هذا الوصف في سياق عمليات التنفيذ المنفصلة؛ في توليفة؛ في تطبيق واحد. وعلى العكس؛ يمكن أيضًا تنفيذ العديد من الميزات الموضحة في سياق تطبيق واحد في عدة تطبيقات؛
5 بشكل منفصل» أو في أي مجموعة فرعية. وعلاوة على ذلك؛ على الرغم من أنه يمكن Chay الميزات التي سبق وصفها بأنها تعمل في توليفات معينة وبتم المطالبة بحمايتها مبدئيا على هذا «gail فيمكن؛ في بعض الحالات؛ الاستغناء عن عنصر أو SST من توليفة مطلوب حمايتهاء ويمكن توجيه التوليفة المطلوب حمايتها إلى توليفة فرعية أو تباين لتوليفة فرعية. تم وصف تطبيقات معينة للموضوع. وتندرج عمليات التنفيذ والتغييرات والتباديل الأخرى للتطبيقات
0 الموصوفة ضمن نطاق عناصر الحماية التالية كما هو واضح لأولئك المهرة في المجال. في حين يتم تصوير العمليات في الرسومات أو عناصر الحماية بترتيب معين؛ لا ينبغي أن يُفهم هذا على أنه يتطلب إجراء مثل هذه العمليات بالترتيب المعين الموضح أو بالترتيب التسلسلي؛ أو أن جميع العمليات الموضحة يمكن تنفيذها (يمكن اعتبار بعض العمليات اختيارية )؛ لتحقيق نتائج مرغوية. في ظروف معينة؛ يمكن أن تكون عملية متعددة المهام أو متوازية المعالجة (أو توليفة من المهام
5 المتعددة والمعالجة المتوازية) مفيدة وبتم تنفيذها حسب ما تراه مناسبًا.
علاوة على ذلك؛ لا ينبغي أن يُفهم الفصل أو الدمج بين مختلف وحدات النظام ومكوناته في التطبيقات الموصوفة سابقًا على أنها تتطلب هذا الفصل أو الدمج في جميع التطبيقات؛ ويجب أن يكون مفهومًا أنه يمكن عمومًا دمج مكونات وأنظمة البرامج الموصوفة معا في منتج برنامج واحد أو حزمها في منتجات برامج متعددة. Gay 5 لذلك؛ لا تقوم تطبيقات المثال الموصوفة سابقًا بتعريف أو تقييد هذا الكشف. ومن الممكن
إدخال تغييرات واستبدالات وتعديلات أخرى أيضا دون الخروج عن روح ونطاق هذا الكشف. علاوة على ذلك يعتبر أي تطبيق مطلوب حمايته SLE للتطبيق على الأقل على طريقة يتم تنفيذها بواسطة الحاسوب؛ وسط غير مؤقت مقروء بالحاسوب؛ لتخزين تعليمات مقروءة بالحاسوب لإجراء الطريقة التي يتم تنفيذها بواسطة الحاسوب؛ ونظام حاسوبي يشتمل على ذاكرة حاسوبية بشكل متوافق
0 مع جهاز معالج تم تكوينه لتنفيذ طريقة يتم تنفيذها بالحاسوب أو التعليمات المخزنة على الوسط غير المؤقت المقروء بالحاسوب.
Claims (9)
1. طريقة منفذة بواسطة الحاسوب؛ حيث تشتمل على: استقبال بيانات الصور المرتبطة بقلب حفرة بئر؛ تحسين بيانات الصور المستقبلة باستخدام معالجة الصور لإزالة التشوهات واسترداد المعلومات المرتبطة بمخرج مستهدف مطلوب؛ تنفيذ عمليات تقطيع الصور على بيانات صور محسنة صالحة للاستخدام لإنشاء بيانات الصور المقطعة عبر تقسيم بيانات الصور المحسنة إلى مناطق متماسكة بالنسبة لمعايير محددة تستند إلى الصور؛ تحديد؛ بناءً على معايير قابلية الاستخدام؛ أن بيانات الصورة المقطعة صالحة للاستخدام ؛ حيث تشتمل معايير قابلية الاستخدام على مجموعة من القيم البتروفيزيائية؛ 0 استجابة لتحديد أن بيانات الصورة المقطعة صالحة للاستخدام؛ dallas مسبقة؛ باستخدام تقنيات المعالجة المسبقة؛ وبيانات الصور المقطعة الصالحة للاستخدام والبيانات المساعدة للإدخال في شبكة عصبية كبيانات مُعالجة مسبقًاء حيث تشتمل تقنيات المعالجة المسبقة على واحدة أو أكثر من مجموعة من العلاقات الحسابية أو الهندسية؛ تقسيم البيانات المعالجة مسبقًا إلى مجموعات فرعية من بيانات تدريب وتحقق من الصحة 5 والاختبار؛ تحديد بنية شبكة عصبية لمعالجة البيانات المعالجة مسبقًا؛ تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات المعالجة مسبقًا؛ معالجة لاحقة لمخرج الشبكة العصبية المحددة كبيانات معالجة لاحقا؛ و مقارنة البيانات المعالجة لاحقا بنطاق قيمة معروف مرتبط بالبيانات المعالجة لاحقا لتحديد ما إذا 0 كانت البيانات المعالجة لاحقا تلبي نتيجة مخرج مرغوب.
2. الطريقة sda) بالحاسوب وفقًا لعنصر الحماية 1؛ حيث: يستند تحسين الصورة إلى واحدة أو أكثر من الخصائص والمتغيرات البتروفيزيائية المرتبطة بخزان؛ موقع بثرء أو dlls قلب بئر؛
يختلف عدد وترتيب تقنيات تحسين الصور التي يتم تنفيذها على بيانات الصور بناء على شكل الصورة أو حجم الصورة؛ و يختلف عدد وترتيب تقنيات تقطيع الصور التي يتم تنفيذها على بيانات الصور المحسنة Bl على شكل صورة أو حجم الصورة أو نتيجة مطلوية.
3. الطريقة المنفّذة بالحاسوب Gg لعنصر الحماية 1؛ حيث تشتمل Wal على تحديد قابلية استخدام بيانات الصور المحسنة.
4. الطريقة المنفّذة بالحاسوب وفقًا لعنصر الحماية 1؛ حيث يتم تقسيم بيانات الصور المقطعة 0 الصالحة للاستخدام المستقبلة لوضعها في المجموعات الفرعية للتدريب والتحقق من الصحة والاختبار Uy لنسبة مئوية بناءءة على عدد ونوع مجموعة بيانات مستخلصة من بيانات الصور المقطعة الصالحة للاستخدام.
5. الطريقة المنّذة بالحاسوب Uy لعنصر الحماية 1؛ حيث تشتمل أيضًا على تحديد ما إذا كانت 5 بيانات الصور المقطعة الصالحة للاستخدام في المجموعات الفرعية من بيانات التدريب والتحقق من الصحة والاختبار من مصدر بيانات متقطع أو مستمر.
6. الطريقة )5300 بالحاسوب وفقًا لعنصر الحماية 1؛ حيث تكون بنية الشبكة العصبية إما خاضعة أو غير خاضعة للإشراف»؛ حيث تتضمن بنية الشبكة العصبية الخاضعة للإشراف شبكة 0 عصيية من نوع متكرر أو بالتغذية ald وحيث تتضمن بنية الشبكة العصبية غير الخاضعة للإشراف شبكة عصبية من نوع وحدة التقدير أو الاستخلاص.
7. الطريقة المنكّذة بالحاسوب وفقًا لعنصر الحماية 1؛ حيث تشتمل أيضًا على dallas shal إضافية على البيانات المعالجة لاحقًا لاستخلاص الخصائص البتروفيزيائية الأخرى أو لتوليد علاقة بيانات جديدة.
8. وسط غير مؤقت قابل للقراءة بواسطة حاسوب يقوم بتخزين واحدة أو SST من التعليمات القابلة للتنفيذ بواسطة نظام حاسوب لإجراء عمليات تشغيل تشتمل على: استقبال بيانات الصور المرتبطة بقلب حفرة بئر؛ تحسين بيانات الصور المستقبلة باستخدام معالجة الصور لإزالة التشوهات واسترداد المعلومات المرتبطة بمخرج مستهدف مطلوب؛ تنفيذ عمليات تقطيع الصور على بيانات صور محسنة صالحة للاستخدام لإنشاء بيانات الصور المقطعة عبر تقسيم بيانات الصور المحسنة إلى مناطق متماسكة بالنسبة لمعايير محددة تستند إلى الصور؛ تحديد؛ بناءً على معايير قابلية الاستخدام؛ أن بيانات الصورة المقطعة صالحة للاستخدام ؛ حيث 0 تشتمل معايير قابلية الاستخدام على مجموعة من القيم البتروفيزيائية؛ استجابة لتحديد أن بيانات الصورة المقطعة صالحة للاستخدام؛ dallas مسبقة؛ باستخدام تقنيات المعالجة المسبقة؛ وبيانات الصور المقطعة الصالحة للاستخدام والبيانات المساعدة للإدخال في شبكة عصبية كبيانات مُعالجة مسبقًاء حيث تشتمل تقنيات المعالجة المسبقة على واحد أو أكثر من مجموعة من العلاقات الحسابية أو الهندسية؛ 5 تقسيم البيانات المعالجة مسبقًا إلى مجموعات فرعية من بيانات تدريب وتحقق من الصحة والاختبار؛ تحديد بنية شبكة عصبية لمعالجة البيانات المعالجة مسبقًا؛ تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات المعالجة مسبقًا؛ معالجة لاحقة لمخرج الشبكة العصبية المحددة كبيانات معالجة لاحقا؛ و مقارنة البيانات المعالجة لاحقا بنطاق dad معروف مرتبط بالبيانات المعالجة لاحقا لتحديد ما إذا كانت البيانات المعالجة al تلبي نتيجة مخرج مرغوب.
9. الوسط غير المؤقت القابل للقراءة بواسطة الحاسوب وفقًا لعنصر الحماية 8( حيث: يستند تحسين الصورة إلى واحدة أو أكثر من الخصائص والمتغيرات البتروفيزيائية المرتبطة بخزان؛ موقع بثرء أو حالة قلب بئر؛
يختلف عدد وترتيب تقنيات تحسين الصور التي يتم تنفيذها على بيانات الصور بناء على شكل الصورة أو حجم الصورة؛ و يختلف عدد وترتيب تقنيات تقطيع الصور التي يتم تنفيذها على بيانات الصور المحسنة بناءً على شكل صورة أو حجم الصورة أو نتيجة مطلوية.
0. الوسط غير المؤقت القابل للقراءة بواسطة الحاسوب وفقًا لعنصر الحماية 8؛ حيث يشتمل كذلك على واحدة أو أكثر من التعليمات لتحديد قابلية استخدام بيانات الصور المحسنة.
1. الوسط غير المؤقت القابل للقراءة بواسطة الحاسوب Uy لعنصر الحماية 8؛ حيث يتم تقسيم 0 بيانات الصور المقطعة الصالحة للاستخدام لوضعها في المجموعات الفرعية للتدريب والتحقق من الصحة والاختبار By لنسبة مئوية Bly على عدد ونوع مجموعة بيانات مستخلصة من بيانات الصور المقطعة الصالحة للاستخدام.
2. الوسط غير المؤقت القابل للقراءة بواسطة الحاسوب Gy لعنصر الحماية 8؛ حيث يشتمل 5 كذلك على واحدة أو أكثر من التعليمات لتحديد ما إذا كانت بيانات الصور المقطعة الصالحة للاستخدام في المجموعات الفرعية من بيانات التدريب والتحقق من الصحة والاختبار من مصدر بيانات متقطع أو مستمر.
3. الوسط غير المؤقت القابل للقراءة بواسطة الحاسوب وفقًا لعنصر الحماية 8؛ حيث تكون بنية 0 الشبكة العصبية إما خاضعة أو غير خاضعة Cua (hE تتضمن بنية الشبكة العصبية الخاضعة للإشراف شبكة عصبية من نوع متكرر أو بالتغذية للأمام؛ وحيث تتضمن بنية الشبكة العصبية غير الخاضعة للإشراف شبكة عصبية من نوع وحدة التقدير أو الاستخلاص.
4. الوسط غير المؤقت القابل للقراءة بواسطة الحاسوب Gy لعنصر الحماية 8؛ حيث يشتمل 5 أيضًا على واحدة أو أكثر من التعليمات لإجراء معالجة إضافية على البيانات المعالجة لاحقًا لاستخلاص الخصائص البتروفيزيائية الأخرى أو لتوليد علاقة بيانات جديدة.
5. نظام يتم تنفيذه بواسطة الحاسوب؛ يشتمل على:
جهاز حاسوب واحد أو أكثر؛ و
واحد أو أكثر من أجهزة ذاكرة الحاسوب المقترن على نحو قابل للتشغيل البيني بواحد أو أكثر من
أجهزة الحاسوب ويتضمن وسط مادي غير مؤقت og jie بآلة يخزن واحدة أو أكثر من التعليمات التي عند تنفيذها بواسطة الواحد أو أكثر من أجهزة الحاسوب تقوم بتنفيذ عمليات؛ حيث يشتمل
على:
استقبال بيانات الصور المرتبطة بقلب حفرة بئر؛
تحسين بيانات الصور المستقبلة باستخدام معالجة الصور لإزالة التشوهات واسترداد المعلومات
المرتبطة بمخرج مستهدف مطلوب؛
0 تنفيذ عمليات تقطيع الصور على بيانات صور محسنة صالحة للاستخدام لإنشاء بيانات الصور المقطعة عبر تقسيم بيانات الصور المحسنة إلى مناطق متماسكة بالنسبة لمعايير محددة تستند إلى الصور؛ تحديد؛ بناءً على معايير قابلية الاستخدام؛ أن بيانات الصورة المقطعة صالحة للاستخدام ؛ حيث تشتمل معايير قابلية الاستخدام على مجموعة من القيم البتروفيزيائية؛
5 استجابة لتحديد أن بيانات الصورة المقطعة صالحة للاستخدام؛ dallas مسبقة؛ باستخدام تقنيات المعالجة المسبقة؛ وبيانات الصور المقطعة الصالحة للاستخدام والبيانات المساعدة للإدخال في شبكة عصبية كبيانات مُعالجة مسبقًاء حيث تشتمل تقنيات المعالجة المسبقة على واحدة أو أكثر من مجموعة من العلاقات الحسابية أو الهندسية؛ تقسيم البيانات المعالجة مسبقًا إلى مجموعات فرعية من بيانات تدريب وتحقق من الصحة
0 والاختبار؛ تحديد بنية شبكة عصبية لمعالجة البيانات المعالجة مسبقًا؛ تنفيذ بنية الشبكة العصبية المحددة باستخدام البيانات المعالجة lane معالجة لاحقة لمخرج الشبكة العصبية المحددة كبيانات معالجة لاحقا؛ و مقارنة البيانات المعالجة لاحقا بنطاق قيمة معروف مرتبط بالبيانات المعالجة لاحقا لتحديد ما إذا
5 كانت البيانات المعالجة لاحقا تلبي نتيجة مخرج مرغوب.
6. النظام الذي يتم تنفيذه بواسطة الحاسوب By لعنصر الحماية 15( حيث: يستند تحسين الصورة إلى واحدة أو أكثر من الخصائص والمتغيرات البتروفيزيائية المرتبطة بخزان؛ موقع بثرء أو dlls قلب بئر؛ يختلف عدد وترتيب تقنيات تحسين الصور التي يتم تنفيذها على بيانات الصور بناء على شكل الصورة أو حجم الصورة؛ و يختلف عدد وترتيب تقنيات تقطيع الصور التي يتم تنفيذها على بيانات الصور المحسنة بناءً على شكل الصورة أو حجم الصورة أو نتيجة مطلوية.
7. النظام الذي يتم تنفيذه بواسطة الحاسوب By لعنصر الحماية 15؛ حيث يشتمل كذلك على 0 واحدة أو أكثر من التعليمات لتحديد قابلية استخدام بيانات الصور المحسنة وبيانات الصور المقطعة.
8. النظام الذي يتم تنفيذه بواسطة الحاسوب By لعنصر الحماية 15؛ حيث يتم تقسيم بيانات الصور المقطعة الصالحة للاستخدام لوضعها في المجموعات الفرعية للتدريب والتحقق من الصحة 5 والاختبار Uy لنسبة مئوية بناءة على عدد ونوع مجموعة بيانات مستخلصة من بيانات الصور المقطعة الصالحة للاستخدام.
9. النظام الذي يتم تنفيذه بواسطة الحاسوب By لعنصر الحماية 15؛ حيث يشتمل كذلك على واحدة أو أكثر من التعليمات لتحديد ما إذا كانت بيانات الصور المقطعة الصالحة للاستخدام في 0 المجموعات الفرعية من بيانات التدريب والتحقق من الصحة والاختبار من مصدر بيانات متقطع أو مستمر.
0. النظام الذي يتم تنفيذه بواسطة الحاسوب وفقًا لعنصر الحماية 15؛ حيث تكون بنية الشبكة العصبية إما خاضعة أو غير خاضعة Cua (GHD تتضمن بنية الشبكة العصبية الخاضعة 5 للإشراف شبكة عصبية من نوع متكرر أو بالتغذية للأمام؛ وحيث تتضمن بنية الشبكة العصبية غير الخاضعة للإشراف شبكة عصبية من نوع وحدة التقدير أو الاستخلاص.
— 1 7 — ٠ 2 1 النظام الذي يتم تنفيذه بواسطة الحاسوب Gag لعنصر الحماية 5 1 6 حيث يشتمل Wad على واحدة أو أكثر من التعليمات لإجراء معالجة إضافية على البيانات المعالجة لاحقًا لاستخلاص الخصائص البتروفيزيائية الأخرى أو لتوليد علاقة بيانات جديدة.
ل كيبا
ص . 3 oa TES SP اشع RR ب & ادا ا اا gta Rae _- ا ا ار Aleit ROT (J 4 5 > ححا ا لاني الأب مص قا a 3 3 > a ARR : i 2 x Jed % y i oY Tra an 3 $ * 0 > = 3 كد 0 1 Rams 000 ام owes | ١37 لأ ب a 0 3 ; للحت ااا i oT ب Tren لوا ا 3 i a, \ i = PE : ٠ + : Te Ss py الف BE 3 ا ا § bd ems, 3 ل ا 3 3 Yow od AY LE ed ~ ؟ Baad LE Ce 3 2 ال 0 ا ا Seite. 0 اال ل RE اللا ا المي اج لمحي REE NT ا + ا لمي He} pelt م Fons Be wT a i § 0 : : منج { 3 Lo ga i 2 ؤس« اتح حا اندها Ps : . “ يي a. So ST iy 4 : : ا ا Pye 3 ال 8 : I § a 3 اد سس حا * = NT Ny AF oe analy bk 3 ٍ 3 بك تيص ا لا ا ا i SE 3 7 ليذ : pal nd AAA 35 يبت تي 3 5 امسن oT لماي بت الخ ل ا نس تجاهل SIRT ea * امس Pe 3 3 م 1 : ل ا ضع | YY, ; { ل 3 = i 3 { SE 6 1 احج ححا { it - 3 - يا 2 RA Ni : i RR اذا ANE INN A CIN كنا اك CURRAN. © fees pee الك : Ra “ys ا go ATENEO BEY Ed —— i i EN 2 yp 7 3 + : # 3 | ال ا ل ا i 3 i AAA EEA EAA A A ال ل ل ب مل امسا om feed سسا ربط مخطط لكزاري eel تقطيع الصورة |0 الت ا ا 2 3 1 ِ i & WETTER ve الس قراب ce ا الح 1 3 > = ال Inala Tomennmnnns Ha ny 5 § 4 ا so ا اا 0 d & متحلقة مجل Tod abt eT #ورترترحين 1 nye 1 Rd Eps? Yi : i 4 0 2% x التي بيت بي بي ممم اا i ب 0 ٠53 T Sr = 1 3 ; : حب ا 3 o ¢ 1 التي الي . ل i VT 3135 : CHRYA : لكف عن Ala + مين i LE k iy WE py oa Lg x بع FE 5 77 3 i فا حي ال ا en 8 Sn 2 A NER ad x hi p 0 ] % 5 6 Reese’ eat EAD كحت Eat by ae - Jahan TTY ey ; i #ينية AN { TLE as ee : ليمي ; a ir : ب BN + + الاش Ny + § > Ld 3 :+ : : 1 : : ا 0 3 { + oe 3 i ON ie J © > أ بحم ow % HE § i 2 \ an . ا 3 "٠" نج 5 ] 3
م م 8 م { سي a ; Lo fom Pow YY oan Ne Ne i § i i ب 1 Ne Ae و ال ا 8 So Tee ee ss % er —————— © لب ادا جو ا 100 1 - 3 YY hi SNe Pe LL ب + الت جاه FR i as CR dE 0: i + 3 * TO avy عل | معالجة مسيقة Mid TET id SS TT hi 3 - AE 3 wa = 3 . 3 > ~ * 5 h جم هه لح ل A SHR الح SNE تله : ااا 1 Be on حا eee RNS ta, وليه TU 3 i o a 23 3 x > poe 3 Binsin بحائحة at SEB الاح حا 1 * 3 ¥ + ٌ ا ا > : 7 ¥ i 3 { ٍ EL ARR RARER RAR RRR RRR RANA 2, \ 0 My Long ag ot Fide fds tetas i : . ا nad das وابنا عل 7 oR RE gaa : 1 حا لاا الإ م ميب 8 Napa” "تحسين الصورة. To RR ا a a 8 i i Ne SSS je ; 3 i : 1 ْ بخ NM 4 ا § : 1 : جا : ال ل i ee a Yd تتا لتحا تتا تا ااا ا : TT 13 لالتحال % 3 : Fig مجموعة Ute aii 8 . ؟ 1 ؟ ا لي يام الا > الح ادا اخ alt Ep ينيد hb > Vo Sula i Fadl SHE] ¥ em 3 Hon cman > 1 ا Lk ae i “ .3 ~ ean oR 3 Na تل Ta 3 احا . oo > a « chy Je اااي gr Shen of gl AR 3 Ne a 1 | 3 i مي i Fa, 3 Art, :ٍ > i 6:14 رب ملأتي 3 Biss ال 1 ب حمل W . 3 3 ¢ Ly الوح ead) FEELS, TY i ¥ Bia Sida + ب الم الج و 3 بٍ ل 1 § جل الع AAA تجاه SA A A AAR AAAS لعا Sonos 3 i 8 : 3 1 :0 x x ا 8 \ : iw J Ne ) واو od قل ١ ليا wal
FETT ¢ 8 \ * y : 2 : ا 1 : & Ra 3 ; cy PR 3 Sem x ؟ المج RR rN RT SN جا م § : " 3 “ + م Sy Ning oF Mag 8 ب ب Rat 3 3 1 تحن 4 ¥ 1 أ i A a ThA 0 َ نيت َ ~ TN gL 3 a . got اي BN wv iw 0# Fada Saad Rak rr ee جا 3 w i ~ a يديم = } ; 8 * - i New, ot i i a 3 nn a X a ييا oo + 3 ب oF y : i” § ; 8 i Nog, oo i A in مي + : NG ١ wg gn STON A $A ب 2 5 ا a i: 1 ا إل م ا 0# £ £ 3 الا ا = ak wp oon A = : i ب 8 CA SE Reta R SE pat Lyn sine ١ يي : Thay لمات لب الاش a AR امم > سك دان الس LI amd للش Sse 8 0 3 ل ٍ + ٠ 5 م ا ل TTR eb الاي ERT i ب يج x Sh aS ae i IY 3 ب ان § Cv + 3 + RE i nt TAR Amd © & wlll Tidy} SVC {edited Ba 3 ale i Ng : لاما AY Foal جين يذ :0 وهذة {geese Fam اجيس سوا EA ل ل ل ل ا ا#ت ا" 3 3 FES 3 3 3 2 1 8 3 EI & eB nnn By اسع وس لسسع x 8 hs 2 5 3 2 3 احا § الحا 4 اا لحت ا © تتا § ا ا § 1 ب 8: 4 RR 3 : 3 8 § ES 3 3 x Vid 3 8:8 2 RR: \ vo \ wd oH : HA : 1 LR hp 3 ¥ ¥ Rd 3 tb iy 3 oo 88 3 $33 2 1 Edd : > متحي iy 3 3 Eat 3 ve td 8 7 BRR ¥ PARTI IF 3 i POSEN 3 ا 0 8:5 pS 0 Edd i 1: 3 = tid er al ose ل i 87: i > HRN 3 FE EE TERRA J td i ES 3 5 NEE 3 La Sluis 7 ah 3 TY 3 Ad \ < 111 0) eR انار : NR : i 3 3 yd 3 RAY أ ab كد 3 Ed 3 Rad i i id i BAL ع قرا 1 i iy i HR 3 “8 انبا 4 : مع Fe 3 Fe 3 oa 3 + : 3 بسحن Fw § 3 8 3 3 i ا i NRE ا اح i rnd i Load 3 ay 3 on 3 RC 3 a بك ans Na, a Resin a Ts en Naa Fanaa Sanat aaa x 3 3 i 3 FE 8 i i od x 3 0 7 + 3 8 § الكل اا AAR طلا Nn, الخ RR, (RNR NRA Ae NN الله الها RN RN العلا لتلا GR, الا جتان RR راتحا KR SR RR THR ie, RR rn ااه لعل الحلا RR AR a اين 3 + x 8 ¥ 3 3 3 3 3 3 3 3 3 > x 3 x 3 : 3 i hd i FRITTERS. ERR * % . حا حا حي © ; 5 YOR 0 = K 1 AAA TARA RRA RAR ARRAN, n * * * 3 Tid > 3 @ ¥ ؟ *
i . ¥ ؟ @ Rd حي So ¥ ؟ ow 8 Sad ~ ؟ _ ؟ * 3 So. HN aie ؟ مخ 5 i ؟ 3 % ¢ x §1 > i aad Eda ؟ 1: + i 8 م + i Fd § 3 aaa i i EY i Fi een > FER سس 3 x 5 ٍِ Vays : sing 3 3 : ¥ > i ¥ J * § 0 ~ 3 x Se noma ¥ 3 + فيد شيكة متي i 3 i 3 3 ATA IAAT AAAS AAA AA 3 >< 8 % 0 : : + ¥ & ¥ x § I 5 ل i . a: Sh SETTLE & Tea EE SER a > لمك التي ال Hg Ss > oo TN ا ااي ا 3 5 Be 3 os pe @ 3 5 RES * & Re % 0# x i 8 : 3 1 3 - Feed 8 5 > ems § اع
2 A 3“ 1 كج 3 n i § i S ا * wd o : 3 8 : ci Ken SE 3 ; 1 خرج شبكة ع#صهية i s ; 1 * 8 3 يي A لاجيس جا ا جب 3 + اي م يي أ i : 3 13 8 ® I 5 8 3 ® 3% 8 د 1 i : ا جا“ نا 11 Lo} wn aN 3% A oD < ب" Gel May Salas | [ 1 |: ا ايا الأو اذ الا الما si 5 : i fad { i pod ¥ ® anni * + مم 5 ا اجو حي سج 1 : 4 > 3 » * ولتت و أ 34 : LE i Ada a Fla - id ب 3 ® 8 دج 1: wo 3 8 ا I % i 8 Rada يب ARs - i ® : a 8 -~ w 8 w § ng = FR ؟ ا م x Song on Re iE * \ علافاث الجربيية ال ارا Ra : 8 RAE لم لج 3 : i جفيدة SEE + ما : 3 wo ana . ; a Wy 8 > ؟ 3 لاون اح الا 3 i + i * 1 ج الا : : بن اح ال ‘ i % 85 # { a tl Yoda 3 STEM eS RN, i الح RR الم اد A ا ام ابل he 3 4 عر م pit محفيق. المتانيج ee 0 “i So . : va, eT لبي 3 ] £ ل ; تين دا ge + i نعم ال لح * ok 7 ل الا 3} Po Aen التخدية بالبيانات من الثلبكة i i i SANNA IOS Sg ae egy i اي 3 سمي ا 7 ال ا 3 i i Sd Bally عصبية بناع على مطايقة R56 الجراع > i & ME t Ye dae WL Ea 2% ; Fa Ta الا ليه EEE ? 02 0: ٍ X i امد أخري ple باستكدام pr pA) تسد Bad الى LATS ABE wo 1 : 3 مجو وجوج جا ممست اجا وجوج لجس اا سج ا RR RR ا i § i 3 Lott 3 ENE Se TSE AY EAR a Re Br SR ea ae 8 3 0 علي الاج RE على البيانات deal على حال SNE Ball د yo : ب" .-. “. ب 5 5: I “8 + اناا الج ال اماد Ay AS 8 + 0 التشبيخ اسان SE »ا تطبيق i od § 3 اليج sade MR gd Woy 3 3 § § Be SN RRS gv. هه" 8 2 د اال الما i i Sa AS مطيقة 157 Saba سوج Bail x 3 i i i 7 i i i i i i . i i i 1 2 Sb الج 412 Sok or 3 8 3 ¥ i تيا hai وأ محش( A لا SR eh + i i i i #نتجاك اليميانية RAN al الي الآبار: SRN لسميع ; 1 لتر الاي RE 4 ENN ل ب ae 3 3 i i Sar petit Nal Sail pag اتير مجني w i A i i اق Na od Ra ا i i { i Tw Fut اليس تمي a لذ ; \ § i i i i i i i i i i : 1 i i i ¥ Fi ا كيد مادق اللي لتق i 3 §
i . Rg dat عا مين الي ماري الي 1 1 ; x ARN RE Aha WL Te ANE md Ty AR a 1 ا i i ماي الع سي الحقن: ار ليد الج 3 Sad UNE REST م ممح i 1 {
n . 0 ا 1 0 1: 0 0 a 8 x i AN IE EN aa Ee Sa aaa i 1 i i pe Rat + a الحم LR ee Sil يا i ا i iT : i 3 i i i i i 3 a ar © 8 5 + Poe ةا ية عسي الث اللاي ااه الا 0 i Rm i meted اليا Lee 3 كليية aim لاجد Sad FER م i 8 اك الما ايها ال ارا ا Se By aT مادا اك : 4 3} i i 38 3 Sit Bee a Naa sis ’ ا Citiead م الامتر يا i i ¥ J ta De الالو a i N i SHER EE الأسياب: oS ER Ria تلب ames [RRNA 0 SASSY الا eda اللي Noah طق Eade ~ ; z 3 i i § 5 i i i a i pu i Et i JRE 3 a x en Ne 0 1 وم التي لامح ااا اتح RTE ) ١ ١ : الي لأ يخ
- ee FNS 400 . AR al 4 AREY wn ST ed EREREER ا م 0 BEER : 0 * EN مع x 3 الم مس اخ ل ا ل تج 3 ae
3.3 . aN Xo Ean ER ER 3 ا § i AL LL we 4 YE TAR] ات TAY AN hi ل 3 - 3 Nn 5 A oa 3 : ¥ 8 3 Fis Ras > 4 Ne ا اب الاسم ا 3 ا 3 a i= FF سوج AR 3 34 am RRR 1 SF oR ا oR 5 x ل قء ل لحي يل A I . < 3 3 NN nN N 00 5 A ¥ OE a ] AREY REE Ya 3 SR x sf Tome سح ا ال EERE a قا عل er
لجدول ؟ (بيانات NN da تقطيع p id ١ : ] كيبن ee SERN. = NR AORN. ” = ad gs hn 1 25 - ٍ حي 1
A . I ern * ار 1 Fa PR : : ٍ : ' : ل ييحي ديحي 7 0 وخ : : ° : N ny 2 : امي " ض 7 ض 2 0 ا i i “as بج vn 3 4 ب : 0 ب ض X SAR. : 2 ٍْ x 7 تخي 3 : ماج ik i : AYE Fy ¥ CRETE 0 5 ض ض =H } Ee a ٍ 77 ض ِ de ا ا Bo A NA + en : 1 Ate IFA i = 3 1 i CUTTY hak i 0" ا 1 : 2 ry 3 ا ل : em Naea ا i HERR v a > A Eon TIL جحت تحت ا A i x nama nw ب : : ض : | ض = ll اليب ال 1 83 Eg 7 ً ب : co ا د Te Ba aX
i. 0 إٍْ اا جع جح ¥ by = باب احج 4 aR > 2 جحت مره الا 7 A i SS NEE ¥ 0 اخ ححا ا > اتيج : تح * Hl : Fo TEE حلي ا 0 : احج جاب حجنت Av + x Ss "i SURES + vai eR | = ؤ د ض AR Wig i TET: 1 or | g 3 خضي : 8 81 i 3 o ; | ww : 3 ما اا { مج Tad Fe + - ل لا 7 : شاط ججح \ “EA 0 i va ay 3 Hn NUTS To i يا ا > x Saved ا اا : ws | oo FE Te FR a » TRAE 3 ase TEENY TR حي VE ¥ UTIL TA ETRE RY 3 ed - as اا i RE i spd ta ل Ry i م سس ل ض kid 1 محم ا i fai) uA i ل د ال خخ < لحي ؟ ؟: Anas aT > } Cree TNE en 3 : + لحك 8 08 | « يي os | Te a eX ER. EYER : wg kK i rT ¥ ; rasan toed dp cad ال ْ : ب ض ض ; i نيت i UTR EY: TR ا ا 0 ry VEY > : س0 CERN Hn Ga LRT ¥ ITT aN i مج .ا : i em Tig di 5 ا Ae مسي ماي nh “وك سي ؟: "0 ب" لا 0 1 ب Sasa i * Assad Te : م 0 ؟: RNS ا انغ TaN ا 1 § x Sa Wy 3 SETS دوا لا ل ٍ aan VR + RES a - : مخ ال THER { ee oo : 8 | - نيجع : 4 ا تي : peed oy ean TN I FH aA : | - : :1 ! الا ا 3 ا الاي aE PE x ask Soa 2 . ل إٍْ ay ا ا tg الح : تيمم اح ام حي : IE i TET TT Te = ا 1 we + Rama > * a : - ب ne 3 x ٍِ وب ب - Raa = & BAR " TNE 2 ض ض | 8 Ad % v arava cp i = سجاه Sh ب Ee لححححجة. ARS Ea Ne a TU 3 0 : - : اا م كت + لحجا جح ع : - 0 إٍْ 3 ا ا : +55 wet 5 ceva eek Te ا /' ا امس ITTY Ted ; الس م | STII 1 ا ا الح a 54 ًٍ as v ~ wa 3 v : 0 ّ 5 ض Ne) ا wn ah a; » ey oY 7 rrr - kn وتوا Anna TR pa a Cee .! i a 3 s a YRS با و n MT i wy > 3 Ey ANE ; - | 0 8 متحتي تجح : ا الا aT ws 5 ٍ ٍٍ ب \ :5 pe = 1 ; oo } | is : رحد do er WEE ض 7< i A > TE 5 ْ ٍْ 5 | 0 0 ً 2 ذ 7 . USER ed ty de - - | : ب ض = <> ض ض 7 | | oe سا كاج لحن ما : 0 ل ض w= PE: ae 3 or = ض > : : م ذ 1 Co : 8 تج So NOR 1 7 2 ll = ٍ] ا il Te Ecce 7 7 ض 7 or ee - TY roe Fanaa TAS = a | aa ERT or an spd rT 0: :ْ ل" 6 : 3 os ذ : 0 : oe Rs None X ب | ض ٍ ض ِ ض oo \ ل حا ا : + جا مجع م rk © lin 3 0 ل { Aaa Ln hy REY ب ITY wo ARRAN 0 ho Cee \, NR ٍ ْ :ّ ٍ 0 ' > و تحح حي 0 | ل ض 7 ذ ض | ض . SN + 7 ا ِ ب" ذ >< E Poo TEES TINY { TENE i oe | , اا المح تخي : i AS pre 3 3 : 0 ِ | - ٍّ ْ 0 1 + : x E B 5 0 i eee ss a - ض ض 1 Aree Ee on i : | ) ' | 2 : oe — ب 0 RTS Te ِ : ب : << TINS FY 3 : 1 0 - = = ض ض 7 : ب i * = v : : ' ض ot LX TUTE : { oes 5 | . ا : T ho fr TY EAN i oo ee 7 > + ْ 0 5 3 7 لحي 3 ّ ل = : ض َ ذ ض | : or : ee, Wi = - > ض - = oe | - ٍ 8 جل 0 يك جح 0 oo = a J 3 Sonera ¥ nasa ال ا اح وى ل 5 : 0 te 3 FEN i TITER } CET الك ا : 88 i conan نيم : م يي AR i ال i > اخ ملي ِ to | 6 جمد اك oe AN Tad BR VER ذ >< ذ 8 الح ا . Ca ًّ i ETD ? A AE سي : 7 0 للحتي !) اي pre i : و ا RY SAAR Eo ETE BRN i FEET Seen 3 3 Pa : all “a 1 ~ ’ : 5 | 5 ض ض ِ ذ Svan ARAL 3 rasa UE en - خخ لات حم * eerie i 2 REY oe . ا ب ال ESTES RE CA Sx : im اج حي : ve سم § 0 د hobo ع 7“ اليا ا ب اواك SER جح 5 saa Ta PT : : : 35 اح : لجن ا “uk 3 FE : | | - يب i 5 حي حك“ ا ا : TER 3 cs ٍ اا : حء ااال Yad اح > x ا : N = - 1 > ٍٍ ااا : ٍ 0 ض 7 7 ذ oon i resend : T | | : : ا : Hannan SNE + ا 5 § i SA ل : جح asses : ض : a ض | ! : دي عليه ااي 1 1 ) or - ow : ض ge re ل Wak : 0 0 | | : ا hy ; | ٍ ٍ 0 = 5 5 ض ض 0 re ITER IE | 0 | = ذ i mi : + : 3 . 5 اا : ب ب" ض Ma RTE [re wl = I | 1: : TNT Law LAY { oo . 1 : 3 ' | = : T ot i ese TEE ae | 7 = - ax i CERT ا ا ني ’ © ض ay : or 8 0 ل ل 8 يي 8 a ع : oe anand : il - — a | ِ 7 oe PRS TRARY i a. | << 5 I 7 w= = oo 1 EER ARE hl - | = Bl : NY “RA RRA Co . . | 7 7 7 we ض 0 ب : 5 سس ب" 0 : - : ّ 5 5< ض i : . i ٍّ اكع 5 0 Tey 5 | ض ض < ض TITRE Y TS 1 ٍ a | 0 3 ; 0 2 ض 5 ; 0 - ض oe : 3 عه 0 I- 7 ّ a ض 7 = - ا ا = ت 3 i: | ْ i) vy ; - i ’ ْ ا 3 5 i A oT 1 | 1 | ض | 7 : 5 aA 7 i. اله 0 لجا عي 2 : NNR 27% Sa x ee : RR > 0 ْ: : ~ - - ٍْ 0 0 : - : . 01 ج؟ « ديحي N Ana a wo a Ed . SIAR v - ]= | 7 { اج ال اا الال | 0 0 0 | 7 - 3 ض ak a. Eryn es : i | 7 - : << ذ : "0 : FAY ب" 4 il = I h 5 ' 8 rn BE 3 3 3 : TE ‘ : , ض > ض ] 5 َ 1 ْ 8 مااي al , = aR { * ol — | : | - + : ض ذ b : 5 ض 8 : pk ل ب ا ا لال w mr ماج الت ال ٠ w Arran TR oye » Shad hd bd v EL on COCR Toa ب اح Sa ٍ ض CL Iina i : en a. : 0 - - , = إٍْ مجرتت 3 يجي HENES § nnn ل د 5 : oo & ا واي 3 RETR اا ع i : nd 1h vd : RI Sad 0 TITER i 5 3 : حي : : حي سسا Ad م * ااي i ل ل + اس : ERY AH bee i LR { rege SA i Ce : بخ رق 6 PE { TITTY ee + ا بك HN =443 reg Maas REN ee = : الك i ا a ea Hl 3 rata Yee لي fee i SEC i ty cose NY Banana DERRY oo oo م مسي 1 Rae 5 CRN i | : - - 0 ااه : ان ا حرا SENS ss Wed i ETE TY Fe SUES 8 0 ٍ ا ٠ امح mp oh : | : مرخ خا اح ا nnn BNE > 1 pas EINE oT - | on * اح مم ’ ¥ SIE : TA خا 1 or . me Rey tN ees Be THEY i ere i Tn } et ¥ ee EE 2 ; : | 7 ٍ حي م i ند أ ا ال برت wo Tres { TITY GLY i EPS i ; ON ب ض RY 3 EY wR ! oo . امتح TX “ حت 9 : اتات : 8 ب ¥ جح كذ لا NRE i Avan LE wpe cv 2 م ل خوك de ع : rrr SEN : EY 3 na ؟: i SRA { ert 3 il - ا : م خا EF ا va Hannan: AYR ER i TVR TAI ¥ RI 1 al | 3 Fanaa Ni, YEE 3 t ses SYNE : oe al > تخي ايت + : SERN 0 ما و Fons خاي الا + ppd : A ERTS = ¥ TITTY Won 3 nd 7 0 0 | = w ve oN ¥ Lh t © | - يد AA Ow WEY LEY 3 ore 3 or | ’ ا خخ جع en : 3 3 5 ا eR + ال ا جح 8 a «nN لجح ححا * > : aaa x 5 Asai 3 rane SEER 3 81 ددج 3 Ava 8 5 de FRA : 1 1 ض - ض 0 ٍ 5 i TE ا مي Berar ERI a i UTILS A i Ure Rn TREE 0 مم 3 اك Tad ha : £ امم Tis Ri Tp Ta i 7 1 | لح : سم الح ؟: we | : ا ¥ م7 اس : Tre ww : ل i اي م ض = te a RD Fr TY ave A ne ا" : ض ا 0 mo سس / NT حجن ب Tae نط ere i aaa 0 0 ا ٍ هده هه عع ع عع 3 eee 3 ض hs hal & |
<<” WOT a جا م ا حا § لاسا A 0 Ea H م {aa 3 تقطيع ال (NN ما لجدول ؟ (بيانات مدخلات الى hae a a a > ف * a ات ا تناا ام خاا لا لتحات ح لتانات لتا لت لاا لاا لتحا لاا لتخا لاا لتحا لتحا لتحا لتحت لالت ا تلت اتات اج لانت اتاج : 3 ; pg i 3 8 ¥ { SEE 3 3 SEER 8 [ 3 Cooronl Bll ooo godt oenl Bl cond ل ج sropd God sop Bool Powrepl RE | يجت 12 op Bd wep Rl repli BSE |: A : i i 3 $ 3 j لات جاتحت اجاح ا EL LAE EL حت A sass i z Cena ما ا الع حا امه ا ا لت واد AT Roa TETRA WY : a 3 JRE 1 i Vogt ل i FR YY RY i ATT رخ RNR 3 FL YAR EAT { CLYEA EAS 3 3 Tp SANA RS i : 3 i iq { 3 3 3 3 1 i i i i A AA AA AAA AA AAA AAA AAA AAA AAA AAA Ah AAA AAA AAA AAA AAA AAA AAA AAA AAA AAA AAA AAA LAA AAA AAA AA AAA AA AAA LAA AAA AAA AAA LH A AAA AAA AAA AAA AAA AAA AAA AAA AAA AAA AA AAA LAA LAA AAA AAA AAA AAA AAA AAA AA AAA AL AAA AAA AAA AAA AAA AA AAA AA AA A A : ب ال اكلا اواج مح ا الم CET محال a i 6 مو حا شا 0 ann WEINER { ’ اج حا ا 3 oR EN ا جام i 3 SITY DE = i FET RENE eed vt NERY 3 SF TIENEN t vse اا ل اتج خخ § : 3 i iq t 3 3 : 3 tv a } 3 i Erp ssi ress issues 3 0 اجا اه اد ا ae GN اج اك عر ال بر iL RAY Nes a avn اا حال ARMY v ng اا كاي 3 <> ANN af i PTA RA بعد PY ET ETS { Ta 505 5 i SS WARTS 5 i + ATYYELY § CL لح اا ERA § : 3 8 : 3 [ : 3 8 : : 3 i : aA اراي اح ذال aed + SE اا اا 8. Vedat Sm 8 بعد SAR REY ع t wo BEE MWR 3 WE aad pan § H SAE YN eg > + ةك > اللي { dE OAL. {AAV RERA REF EVRR i CLIFT AA ; 3 1 ; \ : : 1 { i { i i i SER LAY aad PUNE Ewes bE ET a NRTA.
E .د SEE SWS OL oo i RAR dS [ : تح تك NY i CTY رجي ; 3347+ 3 a SURE Z t ل 3 TARA NAY § : 3 i { RE toe 3 3 : 3 i 3 i 3 § 3 3 ; i { 1 j ا ةا ات أت يس : :اج يخا REY الل ا :عد AR ا NERY AR 1 ايض LYRA Taw { FM aS ATE 3 > قت AE : i + RAEN i Te حم ا اح + { VRE 4 3 ل كي 1 CXL يق AW 8 LTR CET 1 : i i s ٠ i 2 j : 3 y 3 i 3 § : 3 ¥ 3 د 3 0 ااا i 3 3 i oe : : EEE وله اح اي nN EAR سال و § Toa RN em Feed ARTE RES 1 1 اا احج 8 : واج اماج EY 1 : FATALE © ؟ YIN م i Yoh RA WAN i + ATTA ماتخ ما لت ؟ ل ا ٍ اك 1 : i : 3 i 3 t 3 1 : 3 i 3 i 3 § : 3 i 3 t 3 0 : i t i i 3 [ es fs ee : CHAE ANE i EE ماد اع i WALA NNN § LEE ا 1 الواح أ 3 TEE RN Sa و i PNT MRA 3 LATAT ARN i كت 8ح 1ل اللخ حك { =A ان ا 3 مقف YY : ¥ i 2 i 2 : 3 1 : 3 i 3 y 3 § : 3 i i i i j ا ا fees bess sess ss sessed : 8 ORR RAN eR Aww ¥ NTR ب Ray ال كاج جلاع يج ا 3 ا : ¥ اجاج اام وا : ا oo 2 $1 vo & واي Ws AWE Og 8 ا = — i Tae XT ANY خخ i LTTE Ye الاوك 73 ٠+ مع ا i Yo faaTedde i i i 2 > i ; j : : 3 i 3 § N i i i 1 i f rss fesse ا جا ات لالحا حا جح حا جح جا fs ssn : راي ا« RETR 3 LEY RW we XN ETERS § EY AN EN $ 1 لم كاج 3 WATER Sine i الو 5 i eX 33 = i Vg TEEN TEs Ve BRAT ga { RE Taky 3 3 Ny RRERE REE : 3 i 3 i 3 § x 3 8 H 3 i 3 rmsd sada جا م اااي تح خا ا تح تتا ناتيت يتيخ sess fsa sess د i 2 جاح EN ee ان . ray away مح ا ا ا 3 اي كا ان > ا mares 3 : REE 3 ER ا ا اجاج 1 i Ta EFT ع i : MEEIRAY i LEE YT Al 3 CVYNINTEY { خخخ اتلك 4 Ye أ +. 35 1 : 3 y 3 i 3 § : i i i 1 i i unsifted : اجا ال اح اي حرا ا ااا ال ey 7 isd rs eas 3 ل ا ey اا و 1 لةمختيك» :؟: | TEENY Pe THOTAAYS لبايك : المكخخخك؟اء ل 7 LTE LA 3 p> HY i > i 3 HS i yo 3 t Ew : 3 تج 533 0400 : : 8 3 د 3 § : 3 8 i { 3 § sass) : 5 الما و ال كايح جا و اله الى ا ءءء x NEN إلى 3 EWAN ENE سا NE Lead 3 NM wow 1 : حت T Raw i LETTE Tee + LTTE 8 3 35+ : 2+ : ١. 78 قا i : 3 i 3 i : 3 § i 1 ; i i i j : oD اي 3 ال ا ماج اما SPN LTE wb 5 SR 8 ماي ا احج الي ا 3 aA 3 Sno fm : : ا - & 5 Led لاا ؟ Ase : ل اي اخ لاا ال as AR A Ya aR FEA § H PERRIER 45ح ةذ لج i تي ؟ AR § 2 PANT ENYCE { Fora اح لك an i 5ح متكا : 3 y 3 i 3 § i 3 8 i { 3 § Frases : بكلا حا a مخ اج 3 TRE عاك كا لي اج A 4 3 FLAN YER 3 2 ا ل الا 3 LRA WN NR } : الس يكت م ال ل Wye W ناسح لالح الم ميخ :م LETITIA ال 02173183 : 3 Y i { 3 م 3 72 * § : 3 i 3 د 3 § : 3 i 3 } 3 0 Nl 5 » i. ع 8 3 : aA AT RRA الا TWAT SY اليا لالم اوج ل ب الى WORN FTES 3 NANI Lae i 3 eB TRIER = مج مج ُ LS EYER 3 PLATTE t YE لو Ie ؤفك لاحت + [ : i : 5 3 t . : § 1 : i i i t 3 1 : i i i i i j ا ع ا ع ع ع اك ب عع ا ع ع لع ا ل 1 : الب ا الى خدج >“ ا 8 aS 4 3 LAER CNAME الب Fp BE A Bes Waa § YOR WL wa i : CL 3270335 3 VEER بي VeE ETA] Pe VRININE : fered ys Yash aYae ١ i : i : i ® 3 ! i } 3 : 1 : i i 3 t i 1 حم اا ا Be ا ا ا م se § i ARE awd aR, اا اج الا 8 TN aay Te Tey TT RE aes : : + "كتج خخ i ©, MERE الس a RAR > جح § fou rE MAY { PoE eat PARTE + م كح : 3 i 3 { 3 § : : i i t 3 i 3 i i i 3 J frre حا ا مح حا جح حأ جح جح حا حال sess : الي اا ا لس ا ا web > ولا كد # + iq ETN AR AY aa} OREN WAN daw © + 3 SA. i 3 20 1 RIES i Pg WARRANT i Pat YAR i < طح ما i Te hE ERAN § Tey + i : 3 y 3 i 3 1 § : 3 i i { 3 § تق سيت م تتا تت ا rE rE fe eb en : ا ARE aks a ELT asad TNE ay احم ا EET الل ةرجه : 3 i EAT REE ; YETTA AY § COVES EY Ue + 7*5 3 NEAT ] : i 3 $ 3 1 : 3 i iq t 3 3 3 3 i i \ 3 i ra a a EI ET ET TT TE حم جا هه ممح امح ل A ةجح ههه ES ًا مه جه جه هه د ةا TT ST د د د د هده حا جه حا مد ةل دم > : الت ب لا ححا ERIN اع : ERIN 3 SUR a ا حا لاي 3 5 3 Se i : + 2333 i Ck > i REY AR SY 3 FEAR ERYY يا PL EY eT 3 $e TRARY i i 9 i i # i : t . 3 7 1 : : \ 1 1 1 إْ اخ تخت اح اا حا خا نح لكات ات ات اح ات كات با خا ل حت اه حا خا م : خا ب aN re ال ا الس ا اح ا ل ن 3 + oYVEFEEIYY لمكن و؟ مط تل > ه ERE RES مج j : + i : od so i aE = t Ea : 3 : Foon 1 : 3 i iq { 3 3 3 1 i i { 1 i EA EEE تح SRR ولاب جح تايا ججح الح حت : الام اا اج RRS الي لي يا NAA امد لج اك : NEN 1 : : 8 ا ا 1 : نا الاج حا 5 ا ال ALTE 3 + ا ERR 3 ب" RETRY : : © اخ Veer ENR EY 1 + ARATE +. ديد bo pg Ret ey م ج485 :قث : i 3 : 3 > 1 : 3 i iq t 3 § : i i 3 § i rarer Bre a eae : NER ea) اجيج ا NE i Crh Rw 3 ERE Nea re mt Sd 8 Ney EEN ] i NERY RNY i حل + § 8 خخ حت قي 1 i + 3 YY i + Teed 3 حا j : i 3 3 3 . 1 : 3 y 3 i 3 § : 3 i 3 { 3 0 : 1 3 3 ل 3 1 3 : لاي نيوا وا مرا ال اما اا رجا اي ااا ee ارات اح اا ل را اج سي بح وا fe الا ارا :: با كا إلى LEA اداج 3 a eX اه NT الس ra Ee ad a a NAAR EN 8م a ايح اج ES a > ل اتاد ناي i i pe NVEEY i Fe ET ORR { CG YERTR A i د ل i CLRAYYT aL Tor الخال حك § : i 3 3 . 1 : 3 i iq t 3 3 x 3 vy : 8 [: : $a eS LENS) جح الي AN ل كا جب WE واي ا دون NE Sab AA a لد كا 3 WEE AST i : ad CRRA A + AEREAY i aN EER YEN i Ved NAA Ve BEASTS PERE RATY j : 3 i iq { 3 3 3 1 i i { i i لاا ألألتت تتأ 2 الاج جين b ا ١ 5 | 5 +
i we 3 عي iE Xa. م 2 pa) % J = #3 . XI fd ado | المت WERT Tow م i ٍ ا ارج الهج احج 1 7 LS. 5 6 الخحد جح حي ادلي للا 0 = ا 4 aad B 3 2 1 8 . ps 3 SIRES SR :+ د RS ei Ran ؟ 5 3 لجح احج 3 3 Ye لا اا ل 23 ¥ a Sinica TTR ارخذ 6G edie SX RAE لمحي : لجح جح Ran? ¥ 1 a v £3 : Be 3 LN 3 7 1 1 i x با : 1 see
i . جو ل #8 i لجح : ابي ¢ ER Io x 4 reife Yeah Ey 3 FR 6 i ain 3 اي تا RE bog ad تيج مح جام WN * : الج ا ng مع لي ابا 0 x ااا بيخ ال 8 ل : : “mod تي لجال ed AEATERS ¥ aman 21 8 8 : الج ججح . ا اج خدج © LER آ* احاح لاحت arama v : PRY HNL $end Ty i TTY AR INR 3 : ا ال
te. 3 Savas SEEN EMY 3 ranean داز ابو en QB 3 fedora TENS 3 الح احج encodes cE RAR 3 aa 8 Aad 1 ranma 0 0 3 سا يت 3 اي : mie 3 ناخو : Fr i TER ae ES, NLR ew i Frans EEN : ا 3 3 1 8 a vw XN ¥ Firman \ TRE جح Fe PERERA ol Te i pe 3 ETE ل م يلامكلا اذ SERA 0 4 3 ال yd Es : REE aa } ® v ل CIB : NR Ru 3 Av ااا 3 ل aR ee TEER ye 3 : Fr A TRY i FET RE i Ete ليت اي {pe EVE) i GAT ل RN Yala ¥ ETI i "3 3 TRE ERYY ¥ s Sn 54 ¥ Sa ThE : اج 4 0 > n Av 1 Pg 8 اا 2 ااا : FREY احج خدج aN Di 3 Pe 5 : ANSE Faw} x i TITTY a 1 + 3% BEA AW 3 Eaves Woe md BX 3 0 : 8 3 4 مم جح تجح an م ا EER ITTY eed i ةج i + ام EN EER ORE i nan i HEE 3 PRNENIN & ‘ rman SHARE tee © don Yaga ال i SRNR { x TITER 8 Yop WR ال : ا ددح أ : Sms SAW SYA * 3 i EE I i od MEY i TY TRYe EY ; FT 3 اق i TTS : RE 3 ARMANI IAA ad 3 amavis: Kannan: RAY KN 3 van 3 VY 3 FR ريا اي i el AY 3 ETRE } ~~ 3 احم ل : ابي خدج امنيس سةة re EE Av wR 3 ST iv : na 5 خخ عد ty 3 TRAY EY : nnn : المح دح 3 3 حل : BEL ETRE FEY ل Tm ؛: الجخجحج اا 3 i a oN Eel : Sr 3 egw t ARTUR ELEY wd 3 3% ليم i 3 مإ i ١ ا ل ا i 5 الس ةكم i XN ا 3 ا لا 3 يا ل Toad ال eR 2 TT fon iy 3 ave ¥ © 3 INTE Ea. : اا الا م ا وال ا iv 0 ENV ما يه لا 8 ا 3 ب 1 8 ممح 3 ا 5 av nN > 3 AEA FTA Y 3 anda SR LEY on a LENNY ل“ تباي مجلم ححا : oa 3 ا : د دي طخ“ 6 an Avg hk عب TEEN ¥ 3 ا : Avra : te ANY 1 nas 3 ا :+ اح va So x i Sassi © x 1 ل 1 i ene Ry AEs علا TTY Lr & i iy 3 i RIVES ع ا ا 8 STEYR FR § خض ااا ج جا iN ER i RT id 2 Frere FETT EY ¥ daa AN > ال TYTN YS i dee LUTE v لال 3 8 nnd Ya 3 SR aay ¥ hE 3 ERP 3 Arata IR CE * ¥ 2 : لمتحي المج : * ¥ ¥ 8 ا a x ferrets ssa 1 Honan: PEER i enon ا اا i ceva 3 0 * نيحد 3 + + لحتل 3 at ans Wa AN o SEY Ny 3 ST 3 :23 لجح د 3 Ide TY EEN RE Sy 0 م NY 3 PE. ti 3 EY NA + 3 ل +X i rede ee 1 LEE خم اس : جوتي LR ل 3 x 3% ا امالك 3 لكالل لاا ¥ TN لا #تتتتتتحجة : TELE RE تدجس حم i we ; دك رافك ال ا ا > 3 i asses 8ب مي ا i eaves Hed " fans EX NAR 3 sss IN ASN 3 cogs 3 $n CE oh - 8 ا 5 Noe Saka 5 تجح mesma Sad Yom ya اعلا 3 Yad 3 TREND i ws يتنيدم iy LATE i Nia aR ER u se LE 3 الالو > : ب ا لحا اي i + 8 Ta 3 و رح اا : كال ا : + i TET: wT اا ARRAN a + wed oy 5 « wv Cee سي 3 aR FEIT w= HE LE CK NNR 3 : i TENS Tn ا 1 x ah امح لحل اليا 3 جو« وح 8 EIT t Tet 3 CEE TRR ER 3 مض ِ اي Ts 35+88 i خا اتا تل ¥ Nn ® a ¥ es Ned * 3 BE YRS ORR i senna DR ال : ا ا م مج 1 ; 1 للج RE Freres الس جو : وده TREN aa # a i WR J FET i RUT اث ل * i رين اليه لا ا ا ا : aera ¥ “LY ¥ 3 As Tr 3 5 ا ل 3 Thorens TTY ERS Finan TETANY 0 : ل ل 3 fhe >i i ens Yam يخ io ETE El SRNR TEL way ¢ ae TET بي ER LI 0 3 لحا : YR ع م : . NL عا“ ال an RR a 3 * الاي تتح + 3 an cess 8 <> 7 : rae ee § x farses EC Panos TERT i ns 1 cee 8 8 - FEY EEA 3 i 3 an 3 لع جح ححح 3 + Hewes SETAE i 56 3 esa الب و اروب ااانا 3 : To ب ا يج جح 3 ايك : ل د i ء i ع كج اح ددح : اي نيياك : 3 i * i ERENT Assan 3 Pgh : 4 +* تيت : PRESSE ال 8 Lo ¥ TIE * New 3 * oe 3 4 لجح حي : Tres LN 5 ا ا i : Pass YAR ed i PIETY FTE i سكع جار ا 0 i Ansan VEYA ORI 3 3 ee وجب اة ال سسا اس ا اسيم وو : 4 ال حل الإ i ججحب i grea, ا + Pe VIN i Tuer vr الس اح ا ا ل i Eee A اا ?2 3 i Sama + اليو و ا i لحا ححححت Ea نك الا 3 i الج لح جح 1 ب ب تج 1 احج حي i الجخ ل ء* ال ا 3 TRE + ممح جح = اذك سس اح ل 3 ا ب ss 3 ا لجح جح i 0 من WAAR GE NY حت 1 RRR, Fr Se 3 + : > اح ججح نهذ + ب * ل ل الح : 45ح ا : ال حك اخ لمح دح 5 * 3 RRA i EY Pel سس يج i ا FH senna TA v Ede av h " COCO 3 Bs 7 3 » يذيح يدح جحي AY a 3 ا م ححا i } SETS & od ججح ججح i NY i ae ده السحا TRE ا 017 ! Rennes Yhap esd Tass YEA | ال FTV ; RONEN SO ER i RUTTER م 33 ا سم Boss * 8 RSENS <3 Fog ¥ ل لح : ER ovens CY FY ب i EN aa § “x i CUES ¥ i Sansa ANIT Y= i TR nde SAN YY 3 ae اح : ا ل ا CT 8 3 pee Ey 3 CETTE الاح Hones 3 i Ww AFR 3 coveeceece 1 wo 3 mI Fk 3 3 SETI 5 4:7 الحا 8 DA [WRAY * : ا مجح : ردم Rn IVEY VE A i see “<5 i en Toe EERE لح ; i ee 3 5 8 ¥ © 3 اللي : a 3 ب coerced 3 Aras 3 : A Ha 3 : = % : الح an Ton R 3 Arr YEMEN 3 canarias يا : + الاي ETE 1 aah LI. SE 3 TET 3 34 لحل حي i يج كج مما av oe u ARAN v iw ~ RR Lk - a LL SR 0: OUTER TIT ® 3 CTI t ras RN § ييخ fans TRA Ne RRA renner Shady * 3 i end Pe Ry t RENE fan 558 الس مس 3 E pg A 1 * 8 3 مح : naa u To 3 SIRT » dares Rx Li 3 ris go PREY 3 RRR. 1 TERT 3 مخ ل انتج 3 Hiren TAY SEH i RE Tam YIN i LER i -. i x 3 a A عجوب i Tet § SEYRET rR 3 NARI ¥ ¥ Ara RICHER 6“ توحتح : ay 7 ITI EN : - Brnnaarnnnan SLE Y اج الاي تح ¥ LATTE تع : i ri ARES WT a on ا لح ا ran v 3 > v : ب 0 : لدج جيجح ay عع 3 57 بحن شن اماج YEN ل + CETTE i 1 TENT 3 rasan eas 3 sera NA تتح مد 3 > م اح GR A a ل ! ¥ EHR Aas تع 2ح مج SS باج مت ; i مي ا 3 EET 3 i SR Yet 3 ا الا دج : + ؟ 8 TR 3 Aras بتع : 7 3 ا سس & AEE i rans EER ل 5 Ae | : عر خا TTT : SIRT # ل ER mn ymnmnmnans EYES بير يرا اموي ا : ns 3 “a VEY 3 ssi ار 3 rss TAN : سو 5< TY 3 FR متت حم تج 3 Se i Pog 3 خلج لي تيع 3 1 Fie LEE: BN Pav ¥ TIERS 5 i 1 3 rss SEN ¥ anes FRE ER + يج : 43+ د : ةالص i Sans v sme Boon NS Annan << a 08 1 الا A EL. a a aX اله الخ on v TER an x - aaa + : تتح a LA rad Tes | a لبت و اكد # ا R srs i x i anaes Waals 3 anna 3 يخي i MEE TEA i 0 FAX <x ¥ 3 EERE : حجن TAY i > اح Troon Tray i EEE 4:5 تت * ¥ وك esas A 3 ع : 5 ل 3 RN BAT i sara} POY ERS تفخ ا i ! EE YLYAR OR 8 3 x : با 3 RF + Sena ا 6 ا ع i i ' fs aves sg an تي i TEETER * i ا AYN i مط الا FH — AREER RY i pe SURV i اديع يد ددح 3 sane a : NE 3 + ل + + Ww ا i اجاج د تدج سيا ا * i اي ا re i اي الح ¥ اخ ا ال : جو i a ل SUERTE fa t } + م د 8 ل 5 3 نا د الل ا ا : + § وجوج بي رات 3 يديد يديفيد يحي WON RD RS x جحل ay ans nN RR u mn 3 اا > nas EAR 8 nn LY ل 3 FTN ال مد : + A لجح ججح 3 : : < IH & i III ا : ا ل ا يا الاي RH دحج : الخ 6 8 لجح دح 3 man i a TN 5 i SE 3 2 2 > ا ل 3 ا ل الاك Henn دا لجح جح : ححا TORY ب i snnaas: i + : دح i x i ا i لخ حححححححك ay i mma ل 1 م
&
.م مجح اح اح حا حا ا ا ا ل امتح صصص : : : 3 1 kp ¥ : : i 3 3 { 3 i 3 0 3 3 3 3 x { 3 i § i i 3 3 i 3 x : { 3 i i 0 ¥ 3 3 i 3 & + { 3 i 3 0 3 3 i 3 & 1 8 1 3 i 3 0 : 3 i 3 x NRE 3 ¥ ¥ a u 3 3 3 N in د % A 3 i i + i 3 3 1 i x : ال 3 3 i + 1 i 3 3 i 3 x . { 3 3 i Foo or 1 8 3 we bod APE FI. : * Plan ae de ya i gel a > = LS yee ALL Sen a BRA Load وعم em خا ل Ee hE 0 Pawel aren سد نايا $0 Ed WE TO A لم fant anid A هيا لجرا 1 RT Re جنا bat eR es lr Loe va 3 حلا ؟ ها لاحي 8 ed اا رح ا د dows حمل on Batanga Ee 3 Tod ae i را de pe ¥ oder للم awd ow Sim bE wry wd Ee Ya obo اد رخن Baw 1 WE اليم | حا من MES 1 BELLY ا wig ذا تا لوا ؟ : a + + ad wd ما af edn x ed ed وا لالج + حي 3 5 ا تتعيي. me {ae لان حل 8 حير !ات we :. 9 © لاحي ل en B و لحن Fogel وبل we i foil ow LE EN a ya A حي 88 حلي SERRA خط الا ل Fen حي زا لي عا = Poel avd عي Tae § الا and ATE لمي Fler Fler fav حي ل حش اخ Faia + en Hen dh Fad المي ل ملا 0 3 i 3 0 i 3 3 3 i 3 x Sd 3 3 i 0 3 3 i 3 x i AY i i ؟ Pood 3 1 x دج : 3 i 3 0 : 3 3 3 x iE y { 3 i 3 0 3 3 i 3 x RP, } 3 : 0 3 3 i 3 + . 3 i 3 i © id 3 ؟ © 1 يح 8 1 3 8 i 1 i 8 3 3 i 1 8 1 ON = NN NAN oN > oN سسحت oF = د ١ RN = wr NN RN NN Te * جيه - a» ب : ا ير ااا ا ا اا ااا ااا ااا ااا ااا اا ايا ا ا ااا 3 i 0 3 HE 8 bd 1 Foor 0 ¥ 3 4 og a 1 8 i 3 : 3 } i 8 3 i i 3 1 } ¥ 1 1 x pc 1 8 i 3 8 : : 3 3% 8 : i 2 ¥ } : 3 3 Fa = 3 8 3 i : 8 : 3 i 3 i i 3 3 1 BF الل Rey 3 ¥ Peed bb لوا bo Salas pe! bast ale barbed 1 ا سيا ب تير اا ا ان سس ا ا ا حال ل ل ىا Bt لنب د لخد حم pe سا لد X a عدم Ree حال Oe ا wok ae bog n ol o Re ob VE ما لا 0 حي آله كوج لب sg ادا اداج ةا اا min niin vi si in ee : METRE Pe lS FR PRIN IRIE iE fs حي جا حا fete ال لماعت احيرا : Enya Fad الاح حم ا نل وا TRE oN EEL he Rag IO Ee YE ب ل لاد خوج be EE * اك ل لا ةد ae Sy ee ET A Ry BEE ات awed كني SIE Sood oe eRe af . ER gL A ع ed Ha لاط ra a Ee ا ا ا ا ا PRI لج IE PT ph يل لبخلا لإ غاص ل المي الحم اح ل لح ل ed اج لحن aa ban 3 ae ¥en ee $Y 3 EN Dan a gs 8 SLT LA Ra hen Ra baer de Ean fa 3 wn {a 3 1 3 ¥ 0 ا 0ج 502 1 : : gd : 3 i i 3 i ل : 2 7: ¥ 3 8 5 3 3 i i 3 ¥ } 3 3 3 } i 3 3 } ¥ 3 2 3 ¥ i i i ¥ i 3 8 2 i i 3 3 } i 3 ; RY ww 1 3 i i § 3 } 3 3: 3 3 i 3 3 } ¥ 1 : 0 1 3 i i : 3 } i 8 3 i i 3 1 } i a Fe : 3 : 1 § io yoy ؟ { 3 J ¥ 3 FJ or 3 3 i i i 3 i } 3 8 3 i i 3 : } ¥ 3 oF ل ا ا ا ا ا ا ا ااا حت ما ا اا ا ا م : Nd ب a TTT ad post Ry 3 3 3 8 : 3 N 1 \ 3 1: ¥ 1 8 3 A A un 3 1 2 8 3 1 3 3 v 3 : 3 : 2 i } Ww 8 i V3 IE yo Pod EE ؟ Pod § 5 كو 0 tod yd Pod ؟: ؟ Fd Pod 8 3 : i : ] 3 : ae 007 + ؟ ؟ 7 1 07+ i i Pod ] 0: م الوا جه + 3 2 8 3 1 1 3 + \ 3 : 3 : a i 3 pes # 3 3 yd Veta in int and وي cys d Pod 3 Yo لل i 3 ae Ye Sie جح انج den iE FSR TUAW ban حب #ائج له fae EE Ei Youd اخ : + + LI الجر يا الح Re ا ار ا كا Een ا اا ذه لبا جيرا PR لس Re ا اج ا Fer كار ا ا 5 Frew Rann لالد ¥ 3 oa Boe ev ام اليا ا ما الحا اح ا الحا ا ا + ل ا a . REE ال اي جعي و احم ا حي نقد Xe اج a ae Uae I د الجا ال Ee Eel al Ter an dae ال ِ Ws RE ART CRF Bae Fane VATE +! اليا 2 :»ةج Pion IE لل كك و الخد لحم dees 3S NR ا الاج : 3 wy Wendt Yow $0 dar Nan BY WALA FEY et TTT NEVI ايا Rien Ab Tat a لد ed send AEN ed WEE ATR TL Be امات اج eT ١ ا وا وا EO ال he et Rt et كلق عي كر ل AT Whe ا : اها بع اج ميج fe Ine de fe LISI de Fel eyed { ES TOA dere da am EE 7 ¥ ا iw Bo Fenn Bae Fal SGN Fe AF 3 احم 1 اجاج Bae Len Res احم dey > ان Fa dae ¥ 15 0 ow ~ 3 - - 7 ِ : 4 3 3 : Ime 1 1: Row 5 ؟ ا 3 Id } i vod 77 ا 4 NAR 3 3 2 ¥ 3 3 3 ? 3 3 : 3 : 3 iv 3 i RE 0 ؟ 7 3 Id { i HI ] 0+ ا : ِ ان Nd 3 2 8 : 1 3 3 i 3 : 3 3 2 ¥ A 1 بنجي id NE 3 yo Pod : ؟: Fd Pog § 3 3 : i : ] 0: : 1 3 3 0 م ؟ i Id } i 3 ] 0: yo 4 3 3 ل ل 3 3 14 { 3 fod Ed AE 3 RE Bred Seeded dines teeeieesieedeee eres به ا ل .
Cu : i En و 1 ا ا = CFVR ى ad ا" ل و ا مهم SNH aii @ ين pe 1 © adie 4 ا abel et 4 TE “= ب JOAN ب اس ا ل الي 8 وال ب" nn ae 80 ١ & ; FE wom wine © ~ 11 بمج جا ووو 0 Fo 3 1 Eh a =o Ya ا 5 لز : * 1 HE : ae | 2 oe Ta Re ها : Fs مين + Fate = م 8 م 8 - © ¢ | 3 3 ب : 934 أ rd < & 4 3 Bek 5 ] a عي 0 ير = داب . 0 الم A i 8 FE eT ين i A ~ 1 “ملي " t راي م # oe ال + 34 Ge و = * مخ م 4 + ax + foe 1 25 = be Eds Wo Af 6 : 2 Ya a ~ A اذ لخة #ج عرز da يج high dag ; 8 > ١ك نك mR AGRE ا 1 | 8 ببقت Ae EEE . 5 م لزي pe : # - EE #8 a 5 2 : 4 Fs SE 8 ا ا 5 1% | fa ا # ا [ # ور ف لاما : ٍ 0 الا ol 8 2 831 & * YE Ey 2 LS : 8 ا ا © 4 8 a Tel اي aed Re : 4 د ب ا a 1 Rey 8 مي ل« Poo 8 CRT ; 8 لان % & اي 3 £3 0" مر 2 اه جين A 8 1 : 3 3*3 LE on 3 0 Fe = يه A FE 3 + ; ¥ py 58 2 1 & et | SCI op Aa we Tn 4 82 ماع مت = الل a - a CH - 2 on yw vy YE 5 3 & ب YE . dag 31 wig g : Cw jo شكل 1 5 % ' يها
— 8 2 — ARE Ys addy اللي UAL المشط التكراري
eset EE} ا i ; FT اليب veh = ١ تنش N | I ااا ooh LL امس ا 0 ْ
WL 0 0 يي نام
a | LR Lg < ا :
ا 0 A \ ل RS wel NL 4 سج Bo 0 NL A aa ! 5 RE ARNE NE ARETE ER RN RRR 5 i NN AL NBER اخ ل اج Wry dad Ie me PELE IEROS oo REY لي و عا we الل ألو الوا آل Ren ين اليا ا لاي الو I LD : ا حا علا مال«
ع ) الأتظام » nites’ « المشرجات ا PART.
JE ب شكل ةب : ب
— 8 3 — FERRER زر« تحني القشريب يج Send 8 سس ٍ 1 : 2 : SITE ERY = اح A gre 5 4 #3 stoi i 87 2% &b [ 8 da a Xx FRAY الس BE i BY 4 3 المت إ ERR ا نه sk {omnes Fad 1 o 8 Co bf em wma الت Po ا 5 8 اساسا ؟ b a 8 iL Ja FI so wd ا 0# ل ا« Po hi 8 : ; co aa Bo الا ا 1 الب كيين 1 حي Hox iE oF Ga booed 3 اليا 1 1 : يدا al & 3 & FE Lag <r Fu ho ١ at & لبي Ws _ 3 we + 3 + 8 8 . + : 8 1 SE © كك ا * 8 جه < ا wt Co =f 2 A يي oH % ok Ey ie i «5 . ب 1 ٍ pe {es . . ب ee & : . OR .ةق 1 RE 35 .ا م + vg $y م الهف الهدقة 3 ) AREY wR ASA 0 اد ا § 8 MT ERA SATS mR ASD set® قا لا ا ص EN ون ا اميت ااا لاقي Ls 1 = ] © 3 ¥ 3 Q بيبأنات ] a 2 4, A إ tox] بيانات be =F وي em ب gn و“ 0 3 ow een x pe >< ] a 1 < wh] ] احم نج اح ا ¥ a T oF ad A . ‘ % FE > Tus 3 8 & 4 a #a 3 Le Ht ا 5 ا % & a SE اي اي ؟ الل . J A 2 Fo x yy . دي م : 0 ¥ : or Wd z a : mad Hy ri نميلا لي لظا ا + 8 اا 8 7 0-3 : ا 9 8 ا 5 Jab يض أت | “ماخ Cad SE + a 3 5 4 a eS a A ’ ww ) 1 ~ & ا ال ين ا ا . . مح + iY 5# 5 * عءة_ة ؟ YY 6 15 ONS ل الهذاب § 4 Naw & 4 F § + ل + 0 4 ae 3 ا i شكل Lo.
AXE 5٠ الذي يضم Und المغطط التكراري سيسسيسسسسبسسيسسسسيسسسسيسس سوسسيسسيسسيسيسوسسي سوسس سي سس ول 1 ليتنع
.م | wos ) ل EE ses . EES ew te NN 88 3 3 | 1 : : Aa NEE Ns ; 0 ااا ا ال i ا ا إْ NN Nn i 1 RRR TAR aE REE i =
- . - | | | ١ | ع ET : ERE a CE ah iY *د ؛ الج ## ® د ة بيج ة ee للا Re Re Re ني ow ل هد احج بجي لهذا نج pt الي اليا بلا الا ين رابخ 0+ الخ اد ءة Se a حا ال لج oe خا »الج Wow W > علا Re we اهيا he الل احم حا © ال لوالا ام er لداجي لاسي الا خاي re Te اج الخد ا or ان - a wl > ا يم J > & J WE ge ae Xan Ben SE nal w الأخطاع = الأحدات : فضا
— 5 8 — با £31 5 8 ; £
vr. 067ل : الواجهة البينية 124 Wa & ¥ A \ ’ A : : : 0 قاعدة البيانات | 1077 ERT | ves |] id] ١١ الصورة | be ] —T | aE : ———— يي | Poo PART I - | نيانات الصورة المحسشة ]1 : ب i ] 8 8 8 ا الأ ا إ إْ «+++سسسسس Lo. APL ١ |[ بيقات الصورة لمقطعة | Thy J] االسنتنا ! [om anil ِ = لوجي وج TR RR ARE : اه 7 3 ال ١ ٍِ | الأمداد بالطافة bag] | ٍْ الكمبيوثر 7 ] : ) + 2 ا واو أ Rw ب 5 V
الحاضهة الهيلة السعودية الملضية الفكرية Swed Authority for intallentual Property pW RE .¥ + \ ا 0 § ام 5 + < Ne ge ”بن اج > عي كي الج دا لي ايام TEE ببح ةا Nase eg + Ed - 2 - 3 .++ .* وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها of سقوطها لمخالفتها ع لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف ع النباتية والنماذج الصناعية أو لائحته التنفيذية. »> صادرة عن + ب ب ٠. ب الهيئة السعودية للملكية الفكرية > > > ”+ ص ب 101١ .| لريا 1*١ uo ؛ المملكة | لعربية | لسعودية SAIP@SAIP.GOV.SA
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762559024P | 2017-09-15 | 2017-09-15 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| SA520411503B1 true SA520411503B1 (ar) | 2023-02-09 |
Family
ID=63714141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| SA520411503A SA520411503B1 (ar) | 2017-09-15 | 2020-03-10 | استنتاج الخصائص البتروفيزيائية لخزانات الهيدروكربونات باستخدام شبكة عصبية |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US10991078B2 (ar) |
| EP (1) | EP3682376A1 (ar) |
| JP (1) | JP7187099B2 (ar) |
| CN (1) | CN111316294A (ar) |
| CA (1) | CA3076181A1 (ar) |
| SA (1) | SA520411503B1 (ar) |
| WO (1) | WO2019055774A1 (ar) |
Families Citing this family (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6885896B2 (ja) * | 2017-04-10 | 2021-06-16 | 富士フイルム株式会社 | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム |
| CN108807821B (zh) | 2018-06-20 | 2021-03-19 | 宁德新能源科技有限公司 | 隔离膜和电化学装置 |
| US11640525B2 (en) * | 2018-07-23 | 2023-05-02 | The Board Of Regents Of The University Of Oklahoma | Synthesis of sequential, spectral, and time-series data |
| CA3110523A1 (en) * | 2018-08-24 | 2020-02-27 | Well Data Labs, Inc. | Machine learning assisted events recognition on time series well data |
| US11182890B2 (en) * | 2019-03-01 | 2021-11-23 | Husky Oil Operations Limited | Efficient system and method of determining a permeability ratio curve |
| US11249065B2 (en) * | 2019-04-24 | 2022-02-15 | Saudi Arabian Oil Company | Testing petro-physical properties using a tri-axial pressure centrifuge apparatus |
| US11353385B2 (en) * | 2019-04-24 | 2022-06-07 | Saudi Arabian Oil Company | Testing petro-physical properties using a tri-axial pressure centrifuge apparatus |
| US20220275719A1 (en) * | 2019-08-01 | 2022-09-01 | Khalifa University of Science and Technology | Method and system for a fast and accurate estimation of petrophysical properties of rock samples |
| US11194074B2 (en) * | 2019-08-30 | 2021-12-07 | Baker Hughes Oilfield Operations Llc | Systems and methods for downhole imaging through a scattering medium |
| WO2021067507A1 (en) * | 2019-09-30 | 2021-04-08 | Allen Institute | Building computational transfer functions on 3d light microscopy images using deep learning |
| FR3104773B1 (fr) * | 2019-12-12 | 2021-12-10 | Ifp Energies Now | Procédé de catégorisation d’une roche à partir d’au moins une image |
| CN111274689B (zh) * | 2020-01-16 | 2021-03-02 | 中国地质大学（北京） | 在历史拟合中寻求储层物性组合的非唯一解的方法及设备 |
| US11906695B2 (en) | 2020-03-12 | 2024-02-20 | Saudi Arabian Oil Company | Method and system for generating sponge core data from dielectric logs using machine learning |
| US11321835B2 (en) * | 2020-03-17 | 2022-05-03 | Applied Materials Israel Ltd. | Determining three dimensional information |
| CN111749677A (zh) * | 2020-06-30 | 2020-10-09 | 宋立才 | 测井信息处理方法和装置、电子设备及存储介质 |
| CN111899274B (zh) * | 2020-08-05 | 2024-03-29 | 大连交通大学 | 一种基于深度学习tem图像分割的粒径分析方法 |
| US11457891B2 (en) * | 2020-08-17 | 2022-10-04 | Clarius Mobile Health Corp. | Method and system for defining cut lines to generate a 3D fetal representation |
| US11670073B2 (en) | 2020-08-25 | 2023-06-06 | Saudi Arabian Oil Company | System and method for detection of carbonate core features from core images |
| US11549358B2 (en) * | 2020-10-22 | 2023-01-10 | Halliburton Energy Services, Inc. | Deep learning methods for enhancing borehole images |
| US12085685B2 (en) | 2020-11-03 | 2024-09-10 | Saudi Arabian Oil Company | Systems and methods for seismic well tie domain conversion and neural network modeling |
| US11939858B2 (en) | 2020-12-09 | 2024-03-26 | Baker Hughes Oilfield Operations Llc | Identification of wellbore defects using machine learning systems |
| US11668847B2 (en) | 2021-01-04 | 2023-06-06 | Saudi Arabian Oil Company | Generating synthetic geological formation images based on rock fragment images |
| US11530972B2 (en) * | 2021-01-04 | 2022-12-20 | Saudi Arabian Oil Company | Analyzing fractured rock samples |
| CN112561211B (zh) * | 2021-02-19 | 2021-11-16 | 西南石油大学 | 基于神经网络深度学习的钻井循环压耗预测方法 |
| CN113006774B (zh) * | 2021-03-16 | 2022-05-17 | 西南石油大学 | 一种压裂施工中油压峰值的在线图神经网络预测方法 |
| CN113137226B (zh) * | 2021-04-29 | 2023-10-13 | 中国科学院武汉岩土力学研究所 | 便携式岩土体力学参数钻探测试系统及设备 |
| CN112989481B (zh) * | 2021-05-17 | 2021-08-20 | 中国科学院武汉岩土力学研究所 | 复杂地质隧道施工围岩稳定可视化图像数据处理方法 |
| CN113624764A (zh) * | 2021-06-18 | 2021-11-09 | 河海大学 | 一种岩体裂隙多相流驱替试验的可视化监测系统 |
| CN113671287B (zh) * | 2021-08-16 | 2024-02-02 | 广东电力通信科技有限公司 | 电网自动化终端智能检测方法、系统和可读存储介质 |
| CN113884361A (zh) * | 2021-10-29 | 2022-01-04 | 辽宁工程技术大学 | 一种复原煤岩标准试件原生宏观裂隙的3d打印建模方法 |
| CN114035227B (zh) * | 2021-11-11 | 2023-07-07 | 中国海洋石油集团有限公司 | 基于随钻xrd全岩录井的变质岩潜山储层孔隙度预测方法 |
| US20230175384A1 (en) * | 2021-12-03 | 2023-06-08 | Halliburton Energy Services, Inc. | Classification of pore or grain types in formation samples from a subterranean formation |
| US20230245278A1 (en) * | 2022-01-31 | 2023-08-03 | Halliburton Energy Services, Inc. | Artifact Removal From Borehole Images Using Machine Learning |
| CN115410084A (zh) * | 2022-08-26 | 2022-11-29 | 中国矿业大学(北京) | 基于大数据分析的岩石物性-力学参数研究方法及系统 |
| US20240201079A1 (en) * | 2022-12-15 | 2024-06-20 | Saudi Arabian Oil Company | Contactless measurement of rock wettability by photonic techniques |
| CN116630081B (zh) * | 2023-07-25 | 2023-09-29 | 新疆华屹能源发展有限公司 | 采油井氮气前置增能降粘增产方法 |
| CN117333679A (zh) * | 2023-10-09 | 2024-01-02 | 中国地质环境监测院 | 一种基于图像识别的岩体结构识别系统 |
| CN117557742B (zh) * | 2024-01-12 | 2024-03-22 | 武汉大学 | 基于数字图像与机器学习的3d岩石储层建模方法 |
| CN117593299B (zh) * | 2024-01-18 | 2024-04-19 | 北京大学 | 纹层状页岩储集空间有效性评价方法、装置、设备及介质 |
| CN117649529B (zh) * | 2024-01-30 | 2024-07-09 | 中国科学技术大学 | 一种基于多维信号分析神经网络的测井数据解释方法 |
Family Cites Families (80)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US2978673A (en) | 1955-02-21 | 1961-04-04 | Jersey Prod Res Co | Seismic surveying method and system |
| US3014551A (en) | 1958-04-03 | 1961-12-26 | Jersey Prod Res Co | Correlation of seismic signals |
| US3196385A (en) | 1960-07-11 | 1965-07-20 | Continental Oil Co | Transferring seismic traces at synchronized firing times |
| US3281774A (en) | 1962-08-06 | 1966-10-25 | Exxon Production Research Co | System for the audible detection of seismic events |
| US3719924A (en) | 1971-09-03 | 1973-03-06 | Chevron Res | Anti-aliasing of spatial frequencies by geophone and source placement |
| US4208732A (en) | 1972-05-11 | 1980-06-17 | Mobil Oil Corporation | Apparatus and method for enhancement of the signal-to-noise ratio in seismic data |
| US4542648A (en) | 1983-12-29 | 1985-09-24 | Shell Oil Company | Method of correlating a core sample with its original position in a borehole |
| US5191557A (en) | 1986-12-30 | 1993-03-02 | Gas Research Institute | Signal processing to enable utilization of a rig reference sensor with a drill bit seismic source |
| US4969129A (en) | 1989-09-20 | 1990-11-06 | Texaco Inc. | Coding seismic sources |
| JP2951382B2 (ja) * | 1990-09-14 | 1999-09-20 | 株式会社エヌ・ティ・ティ・データ | 特徴抽出方法及びその実施装置 |
| US5181171A (en) | 1990-09-20 | 1993-01-19 | Atlantic Richfield Company | Adaptive network for automated first break picking of seismic refraction events and method of operating the same |
| GB9214482D0 (en) | 1992-07-08 | 1992-08-19 | Armitage Kenneth | Sequence property interpretation & risk analysis link |
| US6574565B1 (en) * | 1998-09-15 | 2003-06-03 | Ronald R. Bush | System and method for enhanced hydrocarbon recovery |
| US6088656A (en) | 1998-11-10 | 2000-07-11 | Schlumberger Technology Corporation | Method for interpreting carbonate reservoirs |
| US6418378B1 (en) | 2000-06-26 | 2002-07-09 | Westerngeco, L.L.C. | Neural net prediction of seismic streamer shape |
| US6801197B2 (en) | 2000-09-08 | 2004-10-05 | Landmark Graphics Corporation | System and method for attaching drilling information to three-dimensional visualizations of earth models |
| US6438493B1 (en) | 2000-09-29 | 2002-08-20 | Exxonmobil Upstream Research Co. | Method for seismic facies interpretation using textural analysis and neural networks |
| US7020329B2 (en) * | 2001-08-31 | 2006-03-28 | Massachusetts Institute Of Technology | Color image segmentation in an object recognition system |
| JP2004110515A (ja) * | 2002-09-19 | 2004-04-08 | Ocean Network Co Ltd | イメージ解析システム、及びイメージ解析プログラム |
| CA2579138C (en) | 2004-09-10 | 2013-10-22 | Exxonmobil Upstream Research Company | Geologic models of subsurface sedimentary volumes |
| US8234923B2 (en) | 2004-09-20 | 2012-08-07 | Innervision Medical Technologies Inc. | Systems and methods for ultrasound imaging |
| CA2516872C (en) | 2005-08-23 | 2008-10-21 | H & H Consulting Inc. | Digital core workflow method using digital core images |
| US7706211B2 (en) | 2006-02-06 | 2010-04-27 | Shell Oil Company | Method of determining a seismic velocity profile |
| EP1999579A2 (en) | 2006-03-07 | 2008-12-10 | John Lisle Orpen | Rock core logging |
| US8187422B2 (en) | 2006-03-21 | 2012-05-29 | Georgia-Pacific Consumer Products Lp | Disposable cellulosic wiper |
| US7363158B2 (en) | 2006-04-07 | 2008-04-22 | Chevron U.S.A. Inc. | Method for creating a stratigraphic model using pseudocores created from borehole images |
| EP2122460B1 (en) | 2007-02-16 | 2016-02-10 | Saudi Arabian Oil Company | Method for determining volume of organic matter in reservoir rock |
| US8510242B2 (en) * | 2007-08-31 | 2013-08-13 | Saudi Arabian Oil Company | Artificial neural network models for determining relative permeability of hydrocarbon reservoirs |
| WO2009070365A1 (en) | 2007-11-27 | 2009-06-04 | Exxonmobil Upstream Research Company | Method for determining the properties of hydrocarbon reservoirs from geophysical data |
| CA2710607A1 (en) | 2008-02-28 | 2009-09-03 | Exxonmobil Upstream Research Company | Rock physics model for simulating seismic response in layered fractured rocks |
| AU2009234101B2 (en) | 2008-04-09 | 2014-01-09 | Exxonmobil Upstream Research Company | Method for generating anisotropic resistivity volumes from seismic and log data using a rock physics model |
| US8725477B2 (en) | 2008-04-10 | 2014-05-13 | Schlumberger Technology Corporation | Method to generate numerical pseudocores using borehole images, digital rock samples, and multi-point statistics |
| US9443141B2 (en) * | 2008-06-02 | 2016-09-13 | New York University | Method, system, and computer-accessible medium for classification of at least one ICTAL state |
| US8081796B2 (en) | 2008-11-24 | 2011-12-20 | Ingrain, Inc. | Method for determining properties of fractured rock formations using computer tomograpic images thereof |
| US8170799B2 (en) | 2008-11-24 | 2012-05-01 | Ingrain, Inc. | Method for determining in-situ relationships between physical properties of a porous medium from a sample thereof |
| US8380642B2 (en) | 2008-12-03 | 2013-02-19 | Schlumberger Technology Corporation | Methods and systems for self-improving reasoning tools |
| GB0900687D0 (en) * | 2009-01-16 | 2009-02-25 | Rock Deformation Res Ltd | Fault analysis system |
| US9134457B2 (en) | 2009-04-08 | 2015-09-15 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
| US8325560B2 (en) | 2009-05-08 | 2012-12-04 | Schlumberger Technology Corporation | Technique and system for deriving a time lapse low frequency model using both seismic data and a flow simulation model |
| US20100305927A1 (en) | 2009-05-27 | 2010-12-02 | Schlumberger Technology Corporation | Updating a reservoir model using oriented core measurements |
| AU2009349013B2 (en) | 2009-06-30 | 2015-12-10 | Schlumberger Technology B.V. | Numerical method of calculating heat, mass, chemical and electric transport for three-dimensional porous solid |
| EP2476103A4 (en) | 2009-09-10 | 2017-04-26 | Chevron U.S.A., Inc. | Method for converting a digital image into a multi-dimensional geo-referenced data structure |
| CN101706445B (zh) * | 2009-11-10 | 2011-05-18 | 吉林大学 | 用于牛肉大理石花纹等级评分的图像处理方法 |
| US8718993B2 (en) | 2010-02-02 | 2014-05-06 | Conocophillips Company | Multilevel percolation aggregation solver for petroleum reservoir simulations |
| WO2011112294A1 (en) | 2010-03-11 | 2011-09-15 | Exxonmobil Upstream Research Company | Predicting anisotropic source rock properties from well data |
| US8583410B2 (en) | 2010-05-28 | 2013-11-12 | Ingrain, Inc. | Method for obtaining consistent and integrated physical properties of porous media |
| EP2599023B1 (en) * | 2010-07-29 | 2019-10-23 | Exxonmobil Upstream Research Company | Methods and systems for machine-learning based simulation of flow |
| AU2011320352B2 (en) | 2010-10-29 | 2015-04-23 | Schlumberger Technology B.V. | Model based inversion of seismic response for determining formation properties |
| RU2543698C1 (ru) | 2011-02-28 | 2015-03-10 | Шлюмбергер Текнолоджи Б.В. | Анализ петрографических изображений для определения капиллярного давления в пористых средах |
| RU2544884C1 (ru) | 2011-02-28 | 2015-03-20 | Шлюмбергер Текнолоджи Б.В. | Способ определения репрезентативных элементов площадей и объемов в пористой среде |
| RU2576501C2 (ru) | 2011-02-28 | 2016-03-10 | Шлюмбергер Текнолоджи Б.В. | Способы построения 3-мерных цифровых моделей пористой среды с использованием комбинации данных высокого и низкого разрешения и многоточечной статистики |
| CN102129548B (zh) * | 2011-03-15 | 2013-01-09 | 中国石油大学(华东) | 多孔介质中流动泡沫结构图像实时采集与识别方法 |
| US9348045B2 (en) | 2011-07-28 | 2016-05-24 | Bp Corporation North America Inc. | Field correlation for real-time passive seismic surveillance |
| WO2013040281A2 (en) | 2011-09-15 | 2013-03-21 | Saudi Arabian Oil Company | Core-plug to giga-cells lithological modeling |
| CN104169714B (zh) | 2012-01-13 | 2017-07-11 | 领英股份有限公司 | 用多能量x射线成像确定储层性质和品质的方法 |
| US10288754B2 (en) | 2012-03-29 | 2019-05-14 | Westerngeco L.L.C. | Seismic noise removal |
| WO2013148632A1 (en) | 2012-03-29 | 2013-10-03 | Ingrain, Inc. | A method and system for estimating properties of porous media such as fine pore or tight rocks |
| US9684084B2 (en) | 2012-05-01 | 2017-06-20 | Saudi Arabian Oil Company | Three-dimensional multi-modal core and geological modeling for optimal field development |
| AU2013262735B2 (en) | 2012-05-18 | 2016-03-31 | Ingrain, Inc. | Method and system for estimating rock properties from rock samples using digital rock physics imaging |
| WO2014025970A1 (en) | 2012-08-10 | 2014-02-13 | Ingrain, Inc. | Method for improving the accuracy of rock property values derived from digital images |
| AU2013308908B2 (en) | 2012-08-28 | 2016-11-24 | Saudi Arabian Oil Company | Method for reconstructing the total organic carbon content from compositional modeling analysis |
| US9262713B2 (en) | 2012-09-05 | 2016-02-16 | Carbo Ceramics Inc. | Wellbore completion and hydraulic fracturing optimization methods and associated systems |
| CN103226080A (zh) * | 2013-03-20 | 2013-07-31 | 辽宁工程技术大学 | 一种基于神经网络的岩石破坏强度确定方法 |
| JP6450385B2 (ja) * | 2013-08-06 | 2019-01-09 | ビーピー・コーポレーション・ノース・アメリカ・インコーポレーテッド | 疑似応力およびひずみ条件の下での岩石物理特性の画像ベース直接数値シミュレーション |
| MX2016000459A (es) | 2013-08-13 | 2016-07-26 | Landmark Graphics Corp | Flujo de trabajo de simulacion a sismica interpretado a partir de la tipificacion de rocas en funcion del nucleo y mejorado mediante modelado de sustitucion de rocas. |
| US9939548B2 (en) * | 2014-02-24 | 2018-04-10 | Saudi Arabian Oil Company | Systems, methods, and computer medium to produce efficient, consistent, and high-confidence image-based electrofacies analysis in stratigraphic interpretations across multiple wells |
| WO2016012826A1 (en) | 2014-07-21 | 2016-01-28 | Cgg Services Sa | Systems and methods for attenuating noise using interferometric estimation |
| US20160109593A1 (en) | 2014-10-17 | 2016-04-21 | Vimal SAXENA | Methods and systems for generating percolated rock physics models for predicting permeability and petrophysical quantities |
| GB2532734B (en) | 2014-11-25 | 2017-02-08 | Cognitive Geology Ltd | Apparatus and method for making geological predictions by processing geological parameter measurements |
| US10198804B2 (en) * | 2015-04-15 | 2019-02-05 | Halliburton Energy Services, Inc. | Method for determining fabric and upscaled properties of geological sample |
| US20160341707A1 (en) | 2015-05-20 | 2016-11-24 | Saudi Arabian Oil Company | Pyrolysis to determine hydrocarbon expulsion efficiency of hydrocarbon source rock |
| CN107615306A (zh) * | 2015-06-03 | 2018-01-19 | 三菱电机株式会社 | 推论装置和推论方法 |
| CA2992290C (en) * | 2015-07-14 | 2024-01-02 | Conocophillips Company | Enhanced oil recovery response prediction |
| US20170091615A1 (en) * | 2015-09-28 | 2017-03-30 | Siemens Aktiengesellschaft | System and method for predicting power plant operational parameters utilizing artificial neural network deep learning methodologies |
| US10460231B2 (en) * | 2015-12-29 | 2019-10-29 | Samsung Electronics Co., Ltd. | Method and apparatus of neural network based image signal processor |
| US11048013B2 (en) | 2017-01-05 | 2021-06-29 | Halliburton Energy Services, Inc. | Multi-dimensional dielectric logging |
| CN106960224A (zh) * | 2017-03-31 | 2017-07-18 | 湖北民族学院 | 土家织锦组织类型判定方法、装置及电子设备 |
| CN108463020B (zh) | 2018-05-11 | 2020-10-09 | 东北大学 | 一种工程岩体大功率微波孔内致裂装置 |
| US11163080B2 (en) | 2018-05-18 | 2021-11-02 | Repsol Exploración, S.A | Computer implemented method for generating a subsurface rock and/or fluid model of a determined domain |
| US11530598B2 (en) | 2018-08-21 | 2022-12-20 | Dassault Systemes Simulia Corp. | Determination of oil removed by gas via miscible displacement in reservoir rock |
-
2018
- 2018-09-14 JP JP2020515731A patent/JP7187099B2/ja active Active
- 2018-09-14 US US16/131,341 patent/US10991078B2/en active Active
- 2018-09-14 CA CA3076181A patent/CA3076181A1/en active Pending
- 2018-09-14 WO PCT/US2018/051066 patent/WO2019055774A1/en unknown
- 2018-09-14 CN CN201880072547.9A patent/CN111316294A/zh active Pending
- 2018-09-14 EP EP18779980.4A patent/EP3682376A1/en active Pending
-
2020
- 2020-03-10 SA SA520411503A patent/SA520411503B1/ar unknown
Also Published As
| Publication number | Publication date |
|---|---|
| JP7187099B2 (ja) | 2022-12-12 |
| WO2019055774A1 (en) | 2019-03-21 |
| CN111316294A (zh) | 2020-06-19 |
| US20190087939A1 (en) | 2019-03-21 |
| CA3076181A1 (en) | 2019-03-21 |
| EP3682376A1 (en) | 2020-07-22 |
| US10991078B2 (en) | 2021-04-27 |
| JP2020534456A (ja) | 2020-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| SA520411503B1 (ar) | استنتاج الخصائص البتروفيزيائية لخزانات الهيدروكربونات باستخدام شبكة عصبية | |
| EP3437067B1 (en) | Automated core description | |
| Paal et al. | Automated damage index estimation of reinforced concrete columns for post-earthquake evaluations | |
| Shahani et al. | Application of gradient boosting machine learning algorithms to predict uniaxial compressive strength of soft sedimentary rocks at Thar Coalfield | |
| CN105160038B (zh) | 一种基于审计知识库的数据分析方法及系统 | |
| Wang et al. | Cracking classification using minimum rectangular cover–based support vector machine | |
| SA520420641B1 (ar) | تحديد وزن آمن لطين الحفر | |
| CN109753286A (zh) | 一种基于功能标签的代码方法统计其调用次数的方法 | |
| Zhang et al. | Deep learning‐based automatic detection of muck types for earth pressure balance shield tunneling in soft ground | |
| CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
| CN103942739A (zh) | 建筑项目风险知识库的构建方法 | |
| CN110889834A (zh) | 一种基于云计算的公路隧道围岩分级方法 | |
| Bhatta et al. | Machine learning-based classification for rapid seismic damage assessment of buildings at a regional scale | |
| Guo et al. | Identification of homogeneous region boundaries of fractured rock masses in candidate sites for Chinese HLW repository | |
| Xu et al. | Intelligent recognition of drill cores and automatic RQD analytics based on deep learning | |
| CN115170511A (zh) | 一种基于YOLOv5m的油田现场违规小目标检测方法及系统 | |
| Andaru et al. | Intelligent Detection of SEM Mineralogy Using Dynamic Segmentation Algorithm in Geothermal Sedimentary Reservoir: Case Study with Quantification of Quartz Overgrowth | |
| Firoozi et al. | Application of machine learning in geotechnical engineering for risk assessment | |
| Niccolai et al. | Decision rule-based approach to automatic tree crown detection and size classification | |
| Shah et al. | Real Time Petrophysics via Artificial Intelligence in Brown Field Development | |
| Ma et al. | A knowledge-based intelligent recognition method for rock discontinuities with point cloud data | |
| Sheludko et al. | Machine-Learning Assisted Analysis of Frac Water Hammer | |
| Antle | Automated core fracture characterization by computer vision and image analytics of CT images | |
| US11668847B2 (en) | Generating synthetic geological formation images based on rock fragment images | |
| Fellgett et al. | AK, 0000-0003-4979-588X* Correspondence: markf@ bgs. ac. uk |