کاربرد شبکه های عصبی مصنوعی در پیش بینی نمودارهای پتروفیزیکی

چاه پیمایی، یکی از رو شهای مهم در اکتشاف و استخراج نفت و گاز است و شناخت پارامترهای پتروفیزیکی وسنگ شناسی با استفاده از داده های چاه پیمایی، مستلزم در دسترس بودن انواع نمودارهای چا هپیمایی م یباشد. هدف از این مطالعه مدل سازی یک شبکه عصبی مصنوعی و تعمیم آن جهت پیش بینی و تخمین یکی از مه مت رین نمودارهای پتروفیزیکی چاه تحت عنوان فاکتور فتوالکتریک (Pef) در میدان نفتی اهواز واقع در جنوب غربی اهواز می باشد و بدین منظور از الگوریتم پس انتشار خطا استفاده شده است. شبکه طراحی شده یک شبکه سه لایه است که در آن از نمودارهای مقاوم تویژه، دانسیته، نوترون اصلاحی، صوتی و گاما به عنوان الگوهای ورودی می باشند. در نهایت نمودار pef پی شبینی شده توسط شبکه عصبی با pef حاصل از نمودارها مقایسه شده و شبکه به میانگین مربعات خطای حدود 0/01 و ضریب همبستگی حدود 0/9 همگرا گردیده است.