مقايسه كاركرد شبكه‌هاي عصبي مرسوم براي برآورد تخلخل در يكي از ميدان‌هاي نفتي جنوب خاوري ايران

در صنعت نفت از هوش مصنوعي براي شناسايي روابط، بهينه‌سازي، برآورد و رده‌بندي تخلخل بهره‌گيري مي‌شود. يكي از مهم‌ترين مراحل ارزيابي پارامترهاي پتروفيزيكي مخزن، شناسايي ويژگي‌هاي تخلخل است. هدف اصلي اين پژوهش مقايسه درستي و تعميم‌پذيري سه شبكه عصبي چند لايه پيش‌خور (MLFN)، شبكه تابع شعاع مبنا (RBFN) و شبكه عصبي احتمالي (PNN) براي برآورد تخلخل با بهره‌گيري از ويژگي‌هاي لرزه‌اي است. در اين راستا، داده‌هاي زمين‌شناسي 7 حلقه چاه يك ميدان نفتي فراساحلي هنديجان در شمال باختري حوضه خليج فارس مورد ارزيابي قرارگرفت. امپدانس صوتي با بهره‌گيري از روش وارونگي مبتني بر مدل برآورد شد و سپس شبكه‌هاي عصبي ياد شده با بهره‌گيري از ويژگي‌هاي لرزه‌اي بهينه طراحي شده و با روش رگرسيون گام به گام مورد ارزيابي قرار گرفتند. سرانجام مشخص شد كه مدل MLFN براي برآورد تخلخل خوب عمل نمي‌كند. PNN از بهترين دقت كاركرد در درون‌يابي تخلخل برخوردار است، اما تعميم‌پذيري RBFN بهتر است.