مدلسازی سنگ شناسی در میدان گازی پارس جنوبی با استفاده از شبکه عصبی مصنوعی

مغزه گیری از تعدادی چاه بدون توجه به اندازه میدان نفتی، برای بهدست آوردن اطلاعات کلی از منطقه، امری ضروری و غیرقابل اجتناب میباشد. مغزهگیری از تمام چاه ها در یک میدان بزرگ بسیار پرهزینه است. بنابراین، یافتن راهی برای گریز از این هزینه بالا ضروری به نظر میرسد. این پژوهش به مدلسازی شبکه های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای تخمین لیتولوژی در یکی از مخازن میدان گازی پارس جنوبی اختصاص دارد. در این تحقیق، از یک شبکه عصبی سه لایه با الگوریتم پس انتشار خطا (BP) و الگوریتم آموزش لونبرگ- مارکوآرت، برای تخمین سنگشناسی استفاده شده است. نگارهای نوترون، چگالی، پرتو گاما و اثرفتوالکتریک (PEF) به صورت ورودی شبکه در نظر گرفته شده است. در این تحقیق، داده های مربوط به چهار چاه در میدان پارس جنوبی مورد استفاده قرار گرفته است. از داده های دو چاه (چاه های SPF1 و SPF2) که دارای آنالیز مغزه بودند برای آموزش شبکه، اعتبارسنجی و آزمون استفاده شد و سپس شبکه طراحی شده جهت تخمین سنگ شناسی دو چاه دیگر (چاه های SPF3 و SPF4) مورد استفاده قرار گرفت و با داده های مغزه آنها مقایسه گردید. سنگهای مورد بررسی عبارتند از: دولومیت، آهک، آهک دولومیتی، دولومیت آهکی، انیدریت، شیل، آهک شیلی و دولومیت شیلی. مقدار میانگین مربعات خطا (MSE) برای چاه SPF3 برابر 087/0 و برای چاه SPF4 برابر 098/0 میباشد.