تخمین خصوصیات مخزنی توسط شبکه های عصبی مصنوعی در مهندسی نفت

معمولاً برای مهندسین نفت و زمین شناسان به دست آوردن یک تخمین مناسب از بعضی پارامترهای مهم مخزنی نظیر نفوذپذیری، تخلخل و اشباع آب در سنگ مخزن های نفتی، خیلی مهم است. در این مقاله سعی شده یک نوع رهیافت جدید و نیرومند در پیش بینی خصوصیات مخزنی از نمودارهای چاه پیمایی شرح داده شود. شبکه های عصبی توانایی ایجاد داده های مورد نیاز را برای مهندسی نفت، در جاهایی که با کمبود داده های ضروری مواجه هستند، دارند. کاری که در گذشته و حال بیشتر توسط روشهای تجربی و آماری صورت می گرفته است. از جمله این پارامترهای مخزنی نفوذپذیری است که به دست آوردن آن در یک میدان نفتی، مستلزم صرف هزینه های زیادی است. در اینجا سعی شده با استفاده از شبکه های عصبی و داده های لاگ های چاه پیمایی و اندازه گیری های مغزه گیری چند چاه در یک میدان نفتی به اسجاد یک مدل در پیش بینی نفوذپذیری پرداخته شود و بدین گونه نفوذپذیری در دیگر چاه های میدان نفتی که تنها داده های لاگینگ آنها در دست می باشد، تخمین زده شود. در این مقاله به عنوان یک مطالعه موردی پیش بینی نفوذپذیری با کمک شبکه های عصبی در میدان سیری D در جنوب ایران شرح داده شده است.

کلیدواژه ها:

شبکه های عصبی ، نفوذپذیری ، پیش بینی ، یادگیری ، آموزش ، پس انتشار ، نرون