پیش بینی فشار منفذی داده های گمانه های پتروفیزیکی با بهره گیری از روش های مبتنی بر هوش مصنوعی

فشار منفذی یکی از مهم ترین پارامترهای مخزنی-حفاری به شمار می رود و آگاهی از این فشار، برای کاهش هزینه های حفاری، افزایش ایمنی چاه و پیشگیری از خطرات احتمالی ضروری می باشد. تحقیقات نشان داده است که معادلات تجربی تنها برای نواحی خاصی دقت مطلوبی دارند زیرا، اکثر معادلات تجربی بر اساس مجموعه داده های محدود، جمع آوری و توسعه یافته اند. بنابراین، روش های هوشمند جای خود را به این معادلات داده اند. مطالعه پیش رو، از 2827 داده ست مربوط به سه چاه از میادین نفتی واقع در جنوب غرب ایران بهره برده است. متغیرهای ورودی مورد استفاده به منظور پیش بینی فشار منفذی شامل 9 متغیر بوده که با استفاده از روش انتخاب ویژگی، برگزیده شده اند. در این مطالعه از چهار الگوریتم هوش مصنوعی شامل الگوریتم جنگل تصادفی ، الگوریتم رگرسیون بردار پشتیبان ، الگوریتم شبکه عصبی مصنوعی و الگوریتم درخت تصمیم به منظور پیش بینی فشار منفذی استفاده شده است. پس از بررسی نتایج مشخص گردید که دقت عملکرد الگوریتم درخت تصمیم، بیشتر از سه الگوریتم دیگر می باشد به طوری که برای این الگوریتم مقدار مربع ضریب همبستگی (R^2) 9985/0 و مجذور میانگین مربعات خطا (RMSE) 460/14psi به دست آمده است. از جمله مزیت های این الگوریتم، ارایه بهترین نتیجه بدون نیاز به دانش آماری، جدا کردن داده های غیرضروری، آماده سازی داده ها در زمان کوتاه و کاهش خطای نسبی با یافتن گره اصلی تصمیم گیر می باشد. بنابراین می توان چنین نتیجه گرفت که با توسعه این تکنیک، برای تعداد داده های کم از هر میدان، دقت عملکرد بالایی نتیجه می شود.