مقایسه پیش بینی تخلخل و تراوایی با استفاده از شبکه عصبی، سیستم فازی نرو و ماشین کمیته مبتنی بر الگوریتم ژنتیک

با هدف کاهش هزینه ها و زمان در مطالعات مخزنی، مطالعه حاضر را به دو بخش تقسیم کرده ایم: تلاش شده تا با تکیه بر مطالعه پتروگرافی و هوش مصنوعی، رهیافتی کاربردی برای تخمین تخلخل و تراوایی از روی تصاویر مقاطع نازک ارائه شود. برای این منظور، دوازده مشخصه پتروگرافی از هر مقطع استخراج شده و با استفاده از سه تکنیک شبکه عصبی، منطق فازی و روش نروفازی مقدار تخلخل و تراوایی تخمین زده شده است. نتایج نشان می دهد که تکنیک های هوشمند در تخمین تخلخل و تراوایی موفق عمل کرده اند و تخلخل را به ترتیب با خطای 0.0256، 0.0214، 0.0226 درصد و تراوایی را به ترتیب با خطای 0.0139، 0.0061، 0.0085 میلی دارسی پیش بینی کرده اند. در ادامه، برای افزایش دقت در تخمین تخلخل و تراوایی از دو نوع ماشین کمیته ای استفاده شد که ماشین کمیته ای مبتنی بر الگوریتم ژنتیک دقیق ترین پیش بینی را از این دو ویژگی پتروفیزیکی داشته و به ترتیب تخلخل و تراوایی را با دقت 0.0165 درصد و 0.0056 میلی دارسی پیش بینی کرده است که مقایسه تخلخل ماشین کمیته ای با تخلخل مغزه در چاه مورد مطالعه، ضریب همبستگی 76 درصد و مقایسه تراوایی ماشین کمیته ای با تراوایی مغزه، ضریب همبستگی 94.2 درصد را نشان می دهد.