استفاده از الگوریتم شبکه? ی عصبی جهت پیش? بینی تراویی در یکی از مخازن کربناته? ی جنوب غرب ایران

امروزه برای تعیین ارتباط دقیق بین نمودارهای چاه نگاری و تخلخل و تراوایی از شبکه های عصبی مصنوعی استفاده می شود که برخلاف روش ها و معادلات معمول، قادر به تعیین ارتباطات غیرخطی و بسیار پیچیده بین ویژگی های مخزنی (تخلخل و تراوایی) و نمودارهای چاه نگاری معمول هستند. در این تحقیق رویکردی دومرحله ای برای پیش بینی تراوایی از روی نمودارهای چاه ارائه شده که با استفاده از رگرسیون غیرپارامتری در خصوص آنالیز آماری چندمتغیره ارائه شده است. ابتدا داده های چاه به انواع الکتروفاسیس ها خوشه بندی می شوند. این خوشه بندی بر اساس اندازه گیری های حاصل از نمودارهای چاه و منعکس کننده ی کانی ها و رخساره های سنگی در بازه ی نمودارگیری است. این فرآیند ترکیبی از آنالیز مولفه های اصلی، آنالیز خوشه ایمبتنی بر مدل و آنالیز تفکیک کننده برای توصیف و شناسایی انواع الکتروفاسیس هاست. سپس از روش های رگرسیون غیرپارامتری برای پیش بینی تراوایی برای هر الکتروفاسیس استفاده شده است. روش غیرپارامتری مورد بررسی در این تحقیق شبکه ی عصبی مصنوعی است که مزیت ها و محدودیت های نسبی آن بررسی شده است. روش پیشنهادی در این تحقیق در یک مخزن کربناته ی بسیار ناهمگن در جنوب غربی ایران استفاده شده است.