پیش بینی درصد حجمی سیال و لیتولوژی ماتریکس مخزن با استفاده از شبکه عصبی و انفیس

در روش های رایج برای یافتن درصد لیتولوژی ماتریکس و سیالات، از اطلاعات چاهنگاری و نتایج آزمایشهای مغزه و هم چنین آزمایشهای پتروفیزیکی استفاده می شود که هزینه های فراوانی دارد. بنابراین طراحی مدلی که قادر به پیشبینی درصد لیتولوژی تنها با استفاده از داده های چاهنگاری باشد، بسیار مقرونبهصرفه خواهد بود. در این تحقیق با استفاده از شبکه های عصبی و انفیس چنین مدلی طراحی شده است. اطلاعات مربوط به حدود 1500 نقطه چند چاه از میدانی در جنوب ایران که توسط کارشناسان پتروفیزیک ارزیابی شده اند موجود است. ابتدا به کمک مدل انفیس و روش سعی و خطا بهترین نمودارها برای پیشبینی لیتولوژی انتخاب شدند (نمودارهای نوترون، صوتی، چگالی، گاما، پف و هدایت الکتریکی). سپس این نمودارها بهعنوان متغیرهای ورودی به شبکه های تابع شعاعی و چندلایه پسانتشار اعمال شدند. با استفاده از توابع مختلف و با درنظر گرفتن معیارهای اعتبارسنجی نظیر کمینه مربع خطا، ضریب همبستگی و نمودار مقایسه، بهترین مدلها برای پیشبینی درصد لیتولوژی ماتریکس و سیالات مخزن با استفاده از نمودارهای چاهنگاری انتخاب شدند. در نهایت با توجه به نتایج حاصل از جداول و شکلها، کارایی دقیق این مدل و مقرونبهصرفه بودن آن به اثبات رسید