طراحی مدل گروهی تخمین تراوایی مخزن هیدروکربوری با استفاده از نگاره های پتروفیزیکی بر اساس تفکیک لیتولوژیکی

تراوایی یا نفوذپذیری، یکی از خصوصیات مهم مخازن نفت و گاز است که پیش بینی آن دشوارمی باشد. در حل حاضر از مدل های تجربی و رگرسیونی برای پیش بینی نفوذپذیری استفاده می شود که شامل صرف زمان و هزینه های زیاد مرتبط با اندازه گیری آزمایشگاهی است. در چند وقت اخیر، به دلیل قابلیت پیش بینی بهتر، از الگوریتم های یادگیری ماشین برای پیش بینی تراوایی استفاده شده است. در این مطالعه، مدل یادگیری ماشین گروهی جدیدی برای پیش بینی تراوایی در مخازن نفت و گاز معرفی شده است. در این روش ، داده های ورودی با استفاده از اطلاعات لیتولوژی لاگ ها برچسب گذاری شده و به تعدادی از دسته ها تفکیک می شوند و هر دسته توسط الگوریتم یادگیری ماشین مدل سازی شد. برخلاف مطالعات قبلی که به صورت مستقل روی مدل ها کار می کردند در اینجا ما ضمن طراحی یک مدل گروهی با استفاده از الگوریتم های ETR وDTR و GBR و داده های پتروفیزیکی، توانستیم صحت و دقت پیش بینی همچینین خطای میانگین مربعات را به طرز چشم گیری بهبود ببخشیم و تراوایی را با دقت 99.82 درصد پیش بینی کنیم. نتایج نشان داد که مدل های گروهی در بهبود دقت پیش بینی تراوایی در مقایسه با مدل های انفرادی تاثیر فراوانی دارند و همچنین تفکیک نمونه ها بر اساس اطلاعات لیتوژی دلیلی بر بهینه نمودن تخمین تروایی نسبت به تحقیقات گذشته بود.