كنترل كيفيت داده هاي چاه پيمايي بوسيله الگوريتم خوشه بندي فضايي مبتني بر چگالي در كاربردهاي داراي نويز (DBSCAN)

Quality control of well-logs data by Density-Based Spatial Clustering of Applications with Noise (DBSCAN)

با پيشرفت علم و فناوري و همچنين افزايش تعداد داده ها، نياز است كه روش هاي جديدي جايگزين روش هاي سنتي و قديمي شود. امروزه بكارگيري روش هاي يادگيري ماشين و داده كاوي در حال گسترش است. استفاده از اين روش هاي جديد در جهت كنترل كيفيت داده هاي چاه پيمايي مي تواند در كاهش زمان و هزينه كمك كند. در اين پژوهش از الگوريتم خوشه بندي فضايي مبتني بر چگالي در كاربرد هاي داراي نويز (DBSCAN) Density-Based Spatial Clustering of Applications with Noise در جهت كنترل كيفيت داده هاي چاه پيمايي استفاده شد. داده هاي چاه پيمايي مورد استفاده، مربوط به سازند هاي دالان-كنگان در مركز خليج فارس است. از الگوريتم خوشه بندي فضايي مبتني بر چگالي در كاربرد هاي داراي نويز به زبان R و در نرم افزار RStudio بر روي داده هاي چاه پيمايي كد نويسي شد. نتايج نشان از قابل قبول بودن اين الگوريتم در جهت شناسايي نقاط پرت و كنترل كيفيت داده هاي چاه پيمايي در اغلب نگارها دارد. ميانگين معيار نيم رخ گرفته شده براي خوشه هاي نگار هاي صوتي، گاما، نوترون و چگالي به ترتيب 0.82، 0.74، 0.68 و 0.56 است. اين الگوريتم در تشخيص خطاهايي به مانند پرش هاي چرخه اي و اسپايك ها قدرتمند است. اما در تشخيص نقاط پرت در نگار چگالي خطاي قابل توجه اي دارد. از نقاط قوت ديگر اين الگوريتم، نياز نبودن به تعيين دقيق تعداد خوشه است. نقطه ضعف اين الگوريتم تعيين دقيق مقدار بهينه حداكثر شعاع قابل دسترس و حداقل نقاط موجود در يك خوشه است.