تخمین مقدار آب سازندی به کمک شبکه هوش مصنوعی در سازند سروک

تخمین دقیق مقدار آب سازندی به کمک داده های چاه پیمایی با توجه به صرفه اقتصادی و زمانی نسبت به روش آزمایشگاهی آنالیز مغزه مورد توجه بسیاری از محققین قرار گرفته است که به ارائه ی مدلهای متنوعی با توجه به ویژگی های مخزنی انجامیده است. در این میان مخازن کربناته دارای ناهمگنی زیادی در شکل و اندازه ی گلوگاه فضای متخلخل می باشد که باعث می شود تخمین خواص مخازن کربناته به خصوص درجه اشباع آب بسیار پیچیده گردد و نتایج حاصله با خطای زیادی نیز همراه گردد. با گسترش روز افزون کاربرد و بهبود روش های هوشمند در مسائل مهندسی، در مهندسی نفت نیز به این روش ها جهت اندازه گیری خواص پتروفیزیکی مخزن توجه شده است. در این مطالعه از یک مدل شبکه هوش مصنوعی RBF برای تخمین درجه اشباع آب سازندی با استفاده از داده های نمودارهای معمول چاه پیمایی در یکی از مخازن کربناته جنوب غربی استفاده شده است و درنهایت نتایج این مدل با نتایج آنالیز مغزه مقایسه شده است. با بررسی داده های آزمایش در یک چاه دیگر نتایج نشان می دهند که این روش با رسیدن به خطای مربعات میانگین برابر ۰021/۰ و یک ضریب کرولیشن ۹21/۰ از دقت بالایی در تخمین درجه اشباع نفت برخوردارمی باشد، در حالیکه روش های معمول مانند مدل آرچی دارای خطای مربعات میانگین برابر 0۱۲0/۰ و یک ضریب کرولیشن ۴۱/۰ می باشد که نشان از توانایی بالای مدل RFB نسبت به روش های معمول تجربی می باشد.

کلیدواژه ها:

مقدار آب سازندی ، نمودار های چاه پیمایی ، شبکه هوش مصنوعی RBF ، سازند سروک