شبیه سازی نگار فوتوالکتریک سازندهای نفتی به کمک شبکه های عصبی مصنوعی

تعیین پارامترهای متفاوت پتروفیزیکی و بررسی وضعیت سنگ شناسی سازندهای زیرسطحی در ارزیابی مخازن هیدروکربوری از اهمیت زیادی برخوردار است که تواما با حفاری های اکتشافی و بیشتر با چاه نگاری صورت می گیرد. از بین نگارهای متفاوت چاه، نگار فوتوالکتریک یکی از با اهمیت ترین آنها است که به کمک آن می توان جنس سازندهای متفاوت مورد نظر در کاوش های هیدروکربوری را تعیین کرد. از آنجا که چنین نموداری برای اغلب چاه های مناطق نفتی کشورمان در اختیار نیست، به پیش بینی آنها نیاز فراوانی وجود دارد. در این مطالعه هدف اصلی آن است تا با بهره گیری از روش بهینه سازی غیرخطی به نام شبکه های عصبی مصنوعی، تا حدود زیادی بر این مشکل غلبه شود. برای نیل به این هدف از شبکه پرسپترون با الگوریتم پس انتشار خطا برای یافتن روابط موجود بین هفت نگار متفاوت چاه و نگار فوتوالکتریک پنج حلقه چاه مخزن آسماری میدان نفتی اهواز استفاده می شود. داده های خام مربوط به نگارهای متفاوت سه چاه برای مراحل مختلف یادگیری و ارزیابی شبکه به سه دسته آموزشی، آزمایشی و آزمون تقسیم بندی می شود و پس از طراحی شبکه مناسب به صورت تکی و ترکیبی مورد آموزش و آزمایش قرار می گیرد. سپس با داده های سری آزمون توانایی شبکه در برآورد نتایج بررسی می شود. داده های دو چاه دیگر درحکم دو مجموعه مستقل نگهداری می شود و از آنها در ارزیابی توانایی شبکه در تعمیم و پیش بینی نگار فوتوالکتریک استفاده شده است. نتایج نشان می دهد که شبکه طراحی شده پرسپترون سه لایه ای با ساختار ۱-۱۰-۷ و الگوریتم پس انتشار خطا که دارای هفت نرون در لایه ورودی، ده نرون در لایه میانی و یک نرون در لایه خروجی است، می تواند با دقت زیادی، نگار فوتوالکتریک چاه های مورد نظر در منطقه مورد مطالعه را برآورد و بازسازی کند، به نحوی که نتایج حاصل از شبکه دارای هماهنگی و تطابق خوبی با نگار واقعی فوتوالکتریک اندازه گیری باشند.

کلیدواژه ها:

نگارهای چاه ، نگار فوتوالکتریک ، شبکه عصبی مصنوعی ، الگوریتم پس انتشار خطا ، آموزش و ارزیابی شبکه ، توانایی تعمیم شبکه