خوشه‌بندي خصوصيات مخزن جهت تشخيص نوع سنگ با استفاده از روش كي-ميانگين در يكي از ميادين نفتي جنوب غرب ايران

تعيين گونه هاي سنگ در ساخت مدل استاتيك و پوياي مخازن هيدروكربني از اهميت ويژه اي برخوردار مي باشد. تخمين دقيق خواص سنگ هاي مخزني، باعث افزايش دقت و صحت در پيش بيني ميزان ذخيره مخزن و عملكرد آن مي شود. تاكنون مدل هاي متعددي براي تعيين گونه هاي سنگ هاي مخزن توسط متخصصين پيشنهادشده است؛ اما اكثر مدل هاي پيشنهادي بر اساس روش هاي متداول مدل محور مهندسي و زمين شناسي سنگ هاي مخزني كربناته استوار بوده است. بنابراين استفاده از يك روش يادگيري ماشين براي تعيين گونه هاي سنگي در مقايسه با روش هاي پيشين و مقايسه كارايي و عملكرد آن با ساير روش ها ضروري به نظر مي رسد. در اين مطالعه داده هاي مغزه و لاگ در مخزن نفتي مارون پس از آماده سازي، با استفاده از تكنيك سري‌هاي زماني پويا (DTW) هم عمق سازي شده اند. سپس داده هاي مغزه توسط روش يادگيري ماشين غير نظارتي كيميانگين خوشه بندي شدند. همچنين فرآيند خوشه بندي داده هاي مغزه توسط روش هاي متداول مدل محور از قبيل روش شاخص منطقه جرياني (FZI) و وينلند نيز انجام گرديد. در ادامه نتايج خوشه بندي با استفاده از روش هاي كيميانگين، شاخص منطقه جرياني و وينلند با در اختيار داشتن اطلاعات ليتولوژي لاگ ها صحت سنجي شده و با يكديگر مقايسه شده است. روش كيميانگين با معيار صحت سنجي 93.5 درصد، موفق به انجام بيشترين تفكيك پذيري خوشه ها شد كه نشان داد روش يادگيري ماشين مبتني بر داده كيميانگين، جايگزين مناسبي براي روش هاي متداول مدل محور براي خوشه بندي گونه هاي سنگي مي باشند.