پیش بینی تخلخل درون چاهی بر اساس انطباق داده های چاه نگاری و مغزه اکتشافی با استفاده از شبکه های عصبی مصنوعی: مطالعه موردی یکی از مخازننفتی جنوب غربی ایران

تخلخل یکی از مهمترین ویژگی های مخزنی است که درک نحوه توزیع آن در مخزن نقش اساسی را در تعیین کیفیت مخزنی ایفا می نماید و از سویی مغزه گیری به عنوان اصلی ترین و قابل اعتمادترین روش شناسایی سنگ شناسی و میزان تخلخل مخزن به کار می رود. یکی از روش های برآورد تخلخل و دیگر پارامترهای مخزن توسط اطلاعات چاه نگاری، استفاده از شبکه های عصبی مصنوعی است. با استفاده از این روش می توان به کمک نگارهای رقومی شده چاه نگاری به عنوان پارامترهای ورودی به شبکه، ارتباطی مناسب بین داده های چاه نگاری و پارامترهای پتروفیزیکی به دست آمده از مغزه برقرار کرد و در مناطق فاقد مغزه گیری در مخزن با استفاده از شبکه آموزش دیده پارامترهای پتروفیزیکی را برآورد نمود. در این مقاله راه حلی بر اساس شبکه های عصبی مصنوعی پیشنهاد شد که توسط آن می توان تخلخل را با استفاده از نگارهای چاه نگاری تخمین زد. با مقایسه تخلخل حاصل از مغزه میدان مورد مطالعه و نتایج به دست آمده از شبکه عصبی پرسپترون دو لایه با توابع انتقال (logsig) و هفت ورودی شامل نگارهای قطرسنجی، گامای تصحیح شده، رسانایی الکتریکی، تخلخل صوتی، تخلخل نوترونی و چگالی به همراه عمق و با تعداد 20 نرون ضریب انطباق %91 حاصل گردید و نتایج نشان می دهد که شبکه های عصبی مصنوعی، می توانند با اطمینان قابل قبولی برای تخمین تخلخل مورد استفاده قرار گیرند.

کلیدواژه ها:

تخلخل ، مغزه گیری ، شبکه های عصبی مصنوعی ، چاه نگاری ، شبکه عصبی پرسپترون دو لایه ، میدان نفتی