تخمین تخلخل و تراوایی با استفاده از شبکه عصبی مصنوعی و تعیین واحدهای جریان هیدرولیکی

یکی از مهم ترین پارامترها برای زون بندی و توصیف خصوصیات مخزن تعیین واحدهای جریان هیدرولیکی میباشد. از آنجا که در مخازن کربناته ناهمگن رابطه ساده ای بین تخلخل و تراوایی وجود ندارد و همبستگی بین آنها تا حدودی ضعیف میباشد، لذا با مرتب سازی و طبقه بندی داده ها به واحدهای جریانی، رابطه خوبی بین تخلخل و تراوایی در هر واحد جریان ایجاد می شود. هدف از این مطالعه پیش بینی تخلخل و تراوایی در فواصل فاقد مغزه، و تعیین واحدهای جریانی می باشد. در مطالعه حاضر از تکنیک شبکه عصبی با الگوریتم پس انتشار خطا(BP-ANN) جهت تخمین تخلخل و تراوایی بهره گرفته شد. ضریب همبستگی بین تخلخل و تراوایی حاصل از مغزه و مقادیر تخمین زده شده از شبکه عصبی به ترتیب ۰.۹۱ و ۰.۹ بدست آمد. بسته به هدف و داده های موجود روش های مختلفی جهت تعیین واحدهای جریان وجود دارد. از جمله این روش ها، آنالیز هیستوگرام، آنالیز احتمال نرمال و آنالیز خوشه بندی K-mean برای تعیین تعداد واحدهای جریان میباشند. در این مطالعه از روش شاخص منطقه جریان (FZI) به دلیل مرتبط بودن با فضای هندسه منافذ برای تعیین واحدهایجریان استفاده شد. در نهایت باتوجه به نتایج، شش واحد جریانی برای مخزن تشخیص داده شد.

کلیدواژه ها:

واحد جریان هیدروایکی ، تخلیخل ، تراوایی ، شاخص منطقه جریان ، شبکه عصبی مصنوعی