بررسي استفاده از روش‌هاي يادگيري ماشين به منظور دسته‌بندي سنگ مخازن هيدروكربني در ميدان نفتي A

تقسيم مخازن هيدروكربني پيچيده (از جمله مخازن هيدروكربني در ايران) به دسته‌هاي سنگي متفاوت پيش از توسعه‌ي روابط تحليلي بين پارامترهايي همچون تراوايي و تخلخل، ضرورت دارد. دسته‌بندي سنگ مخزن، كيفيت ساخت مدل مخزن و در نتيجه، تخمين ميزان نفت درجا، تحرك‌پذيري سيالات و پيش‌بيني رفتار آنها را تحت‌تاثير قرار مي‌دهد. عمده‌ي تحقيقات انجام شده در زمينه‌ي دسته‌بندي سنگ مخزن بر پايه‌ي روش‌هاي تحليلي و بر اساس روابطي است كه براي توصيف فضاي خالي مخزن توسعه يافته است. از اين ميان مي‌توان به روش توسعه داده شده توسط آمافول و همكاران(RQI-FZI) و روش ميرزايي پيامن و همكاران(FZI*) اشاره كرد كه از روابط تحليلي ساده براي پارامترهاي FZI و FZI* جهت تشخيص دسته‌هاي سنگ استفاده مي‌كند. نتايج استفاده از اين روش‌ها حاكي از آن است كه اين روابط تحليلي تصور ساده‌سازي‌شده‌اي از سنگ مخزن ارائه مي‌كنند و گاهي موجب بروز خطا در محاسبات و عدم دسته‌بندي مناسب سنگ مخزن مي‌شوند. روش‌هاي دسته‌بندي سنگ بر پايه‌ي يادگيري ماشين در مقايسه با روش‌هاي دسته‌بندي مرسوم از رياضيات پيچيده‌تري استفاده كرده و امكان دسته‌بندي موفقيت‌آميز در مخازن پيچيده‌تر را فراهم مي‌سازند. علاوه بر اين، الگوريتم اين روش‌ها با دخالت كمتر كارشناسان و صرف زمان كمتر از جانب آنها اجرا مي‌شود. در اين مطالعه از داده‌هاي چاه‌نگاري دو چاه در ميدان A جهت دسته‌بندي سنگ مخزن به كمك روش‌هاي يادگيري ماشين استفاده مي‌شود. روش‌ يادگيري ماشيني كه در اين مطالعه استفاده مي‌شود از نوع نقشه‌ي خودسازمان‌ده (1SOM) خواهد بود. در الگوريتم توسعه داده شده جهت دسته‌بندي سنگ مخزن از تحليل مولفه‌ي اصلي (2PCA) به منظور كاهش تعداد پارامترهاي ورودي به الگوريتم نقشه‌ي خودسازمان‌ده و همچنين كاهش نويز استفاده مي‌شود. جهت ارزيابي نتايج دسته‌بندي ايجاد شده نيز از نمودارهاي فشار موئينه‌ي آن دو چاه استفاده شده است. همچنين نتايج حاصل با نتايج استفاده از يكي از روش‌هاي مرسوم دسته‌بندي سنگ مخزن (روش FZI* معرفي شده توسط ميرزايي پيامن و همكاران) بر روي داده‌هاي مغزه‌ي دو چاه مورد اشاره مقايسه شده است. اين مقايسه حاكي از بهبود دسته‌بندي سنگ مخزن توسط نقشه‌ي خودسازمان‌ده است.