تخمين پارامترهاي مخزني با استفاده از داده هاي چاه پيمايي و بهره گيري از تركيب شبكه عصبي مصنوعي و الگوريتم بهينه سازي ازدحام ذرات

پارامترهاي ژئومكانيكي و پتروفيزيكي مخزن همانند سرعت موج برشي، تخلخل و تراوايي از جمله پارامترهاي مهمي هستند كه در شبيه‌سازي مخازن هيدروكربوري و استراتژي‌هاي اكتشافي نقش موثري ايفا مي كنند. اخيراً روش‌هاي هوش مصنوعي به‌منظور پيش‌بيني اين پارامترها با استفاده از داده‌هاي چاه پيمايي به‌كاربرده شده‌اند. بااين‌حال پيش‌بيني ويژگي‌هاي مخازن ناهمگن همواره با دشوارهاي بسياري همراه است و به‌سختي پاسخ مناسبي به‌دست‌آمده است. در اين مطالعه تلاش شده است تا پارامترهاي مخزني سرعت موج برشي، تخلخل و تراوايي با استفاده از روش نوين تركيب شبكه عصبي مصنوعي و الگوريتم بهينه سازي ازدحام ذرات (PSOANN)، در مخزن هتروژن آسماري ميدان منصوري تخمين زده شود. سپس عملكرد اين مدل تركيبي با روش هاي كلاسيك و مرسوم شبكه عصبي مصنوعي (ANN) و سيستم تطبيقي استنتاج نروفازي (ANFIS) و همچنين روش تركيب شبكه عصبي مصنوعي و الگوريتم ژنتيك (GAANN) مورد مقايسه قرار گرفته است. نتايج نشان دهنده عملكرد بسيار مناسب روش تركيبي شبكه عصبي مصنوعي و الگوريتم بهينه سازي ازدحام ذرات در تخمين پارامترهاي مخزني است. بنابراين مي توان از مدل تركيبي شبكه عصبي مصنوعي و الگوريتم بهينه سازي ازدحام ذرات به عنوان يك روش قدرتمند در تخمين ساير پارامترهاي مخزني به خصوص در مواقعي كه دقت بالاي پيش بيني لازم باشد استفاده نمود.