بررسی کارایی شبکه عصبی در پیش بینی الکتروفاسیس های مدل SOM، AHC و MRGC

آنالیز الکتروفاسیس ها از ضروریات شناسایی رسوبات مخزنی است. اما تفاوت در ابعاد نمودارها نسبت به ابعاد زمین شناسی سبب پیچیده شدن شناسایی الکتروفاسیس ها شده است. حتی با داشتن ابزار مشاهده ای دقیق، کلاسه بندی بیش از سه بعد به مهارت و زمان زیادی نیاز دارد. اگرچه امروزه مدل های آماری نظیر روش های 1AHC، 2SOM و 3MRGC نسبت به روش های دومرحله ای بسیار سریع تر و دقیق تر عمل می کنند اما نیاز به اطلاعات تخلخل و تراوایی دارند که این امر بسیار وقت گیر و هزینه بر است. بنابراین باید با استفاده از شبکه های عصبی مصنوعی در چاه هایی که اطلاعات کامل زمین شناسی و پتروفیزیکی آنها موجود است، ارتباطی بین نمودارهای چاه نگاری و الکتروفاسیس ها یافته و این ارتباط را در حافظه مدل ایجاد کرد. در قسمت هایی که اطلاعات مغزه یا اطلاعات پتروفیزیکی موجود نیست با استفاده از نمودارهای چاه نگاری و رابطه ایجاد شده در حافظه مدل می توان الکتروفاسیس ها را پیش بینی کرد. در این تحقیق از شبکه های عصبی مصنوعی استفاده شده است. برای این منظور از داده های چند چاه در یکی از میادین ایران استفاده شده و الکتروفاسیس ها به سه روش AHC، SOM و MRGC مشخص شدند. با توجه به اطلاعات مغزه و فسیل شناسی، هشت گروه شناسایی گردید. داده ها به دو دسته آموزش و آزمون تقسیم شده و در مرحله بعد نمودارهای چاه نگاری و درصد حجمی ماتریکس به عنوان ورودی به شبکه عصبی اعمال و الکتروفاسیس مدلSOM پیش بینی شد. در نهایت به کمک شبکه های عصبی مصنوعی و با استفاده از نمودارهای صوتی، نوترون، چگالی و گامای طبیعی، پیش بینی الکتروفاسیس ها با درصد خطای نسبی 7/4 درصد انجام گرفت.