کاربرد شبکه عصبی برای پیش بینی رخساره های سنگی سازند کربناته بر پایه داده های چاه نگاری، میدان نفتی مارون، جنوب غرب ایران

تعیین لیتوفاسیس زمینه ساز شناخت کمی سنگ ها است که آن نیز به نوبه خویش بیانگر بافت سنگ به عنوان یکی از مولفه های مهم توصیف مخزن هیدروکربن به شمار می رود. در این پژوهش سازند سروک به عنوان یکی از مخازن مهم حوضه زاگرس در میدان مارون در بخش فروافتادگی دزفول مورد بررسی قرار گرفته است. در این راستا کوشش گردید تا بین داده های دیجیتال چاه نگاری و پتروگرافی عادی حاصل از توصیف برش های نازک ارتباط کمی تثبیت نمود. تلاش اصلی بر آن بوده که لیتوفاسیس های سازند سروک در چاه شماره 13 میدان مارون پیش بینی گردد. بدین منظور7 نوع چاه نگاشت شامل پرتو گاما دو نوع (CGR و SGR) مقاومت حقیقی، چگالی کل، تخلخل نوترونی، چاه نگاشت صوت ی و شاخصفتوالکتریک به عنوان داده های ورودی و لیتوفاسیس های بدست آمده از توصیف برش های نازک تهیه شده از خرده های حفاری (و یا مغزه) به عنوان داده های هدف در شبکه عصبی مصنوعی به کار گرفته شدند تا به کمک آنها لیتوفاسیس ها پیش بینی شوند. نتایج بیانگر انطباق بالای داده های شاهد و نتایج حاصل از شبکه عصبی است (R2=(%95. میزان کارایی این مدل با روش حداقل میانگن مربعات سنجیده شد که مقدار آن از 0/303 فراتر نمی رود. بنابر این توصیه می گردد شبکه عصبی برای مخازنی که در آنها هندسه و توزیع رخساره ها فاکتورهای کلیدی کنترل ناهمگنی و توزیع خواص سنگ به شمار می روند، به کار گرفته شود. بیگمان رهیافت کنونی می تواند سبب کاهش بی اطمینانی و صرفه جویی چشمگیر زمان و هزینه برای صنعت نفت شود.