پیاده سازی الگوریتم بهینه سازی آموزش و یادگیری برای تخمین سرعت امواج برشی از داده های چاه نگاری در دو مطالعه موردی ماسه سنگی و کربناته

سرعت امواج لرزه ای تراکمی و برشی در کنار داده های پتروفیزیکی اطلاعات ارزشمندی را در مراحل اکتشاف و توسعه میادین نفتی فراهم می کنند. برخلاف سرعت امواج تراکمی که در اکثر مواقع توسط ابزار نمودارگیری سونیک اندازه گیری می شود، نمودار سرعت امواج برشی به علت هزینه ی بالا تنها در تعداد محدودی از چاه های یک میدان برداشت و ثبت می گردد. بنابراین بایستی سرعت این امواج را با استفاده از روش های دیگری تخمین زد. روابط تجربی متعددی ارایه شده است که سرعت امواج برشی را به پارامترهای پتروفیزیکی و اندازه گیری های چاه نگاری مربوط می کنند که معمولا کارایی موردی دارند. یکی از روش های کارآمد برای پیش بینی سرعت امواج برشی، استفاده از سیستم های هوشمند است. در این مقاله علاوه بر استفاده از روش تجربی گرینبرگ-کاستاگنا، از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری برای ساخت یک مدل خطی و یک مدل غیرخطی برای پیش بینی سرعت امواج برشی در یک سازند مخزنی ماسه سنگی در یکی از میادین فراساحلی واقع در استرالیای غربی و یک سازند مخزنی کربناته در یکی از میادین خشکی واقع در جنوب غرب ایران استفاده شده است. مقدار خطا و ضریب همبستگی نتایج به دست آمده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری نشان دهنده کارایی مطلوب این الگوریتم است. نتایج مدل خطی و غیر خطی ساخته شده به هم نزدیک است با این تفاوت که مدل خطی در مدت زمان کمتری اجرا می شود. مدل خطی این الگوریتم با خطای 3/2 درصدی و ضریب همبستگی 82/0 در سازند ماسه سنگی و خطای 3/3 درصدی و ضریب همبستگی 95/0 در سازند کربناته، عملکرد مناسبی در هر دو مطالعه موردی داشته و می تواند به عنوان روشی کارآمد برای تخمین سرعت موج برشی استفاده گردد.