بررسي و مقايسه روش‌هاي مرسوم تخمين سرعت موج برشي از روي داده‌هاي چاه‌ پيمايي در يكي از مخازن ماسه ‌سنگي جنوب ايران

تخمين سرعت امواج فشارشي و برشي در صنعت نفت از اهميت بيشتري برخوردار است. برخلاف سرعت موج تراكمي، سرعت موج برشي در تمامي چاه‌هاي يك ميدان به دليل تحميل هزينه‌هاي بيشتر اندازه‌گيري نمي‌شود. بنابراين در صنعت نفت و گاز استفاده از روشي كه با هزينه كمتر و دقت بيشتر سرعت موج برشي را تخمين بزند، اجتناب‌ناپذير است. در اين مطالعه، ابتدا براي تخمين سرعت موج برشي در يك چاه، همبستگي ساير نگاره‌هاي موجود در آن چاه (يعني نگاره‌هاي صوتي، چگالي، تخلخل نوترون، مقاومت، پرتو گاما، حجم دولوميت، حجم كوارتز و اشباع آب) با سرعت موج برشي مورد بررسي قرار گرفت و مشخص شد كه نگاره‌هاي سرعت موج تراكمي، چگالي، حجم دولوميت و حجم كوارتز همبستگي بيشتري با سرعت موج برشي دارند و اين نگاره‌ها به‌عنوان ورودي براي تخمين سرعت موج برشي با استفاده از روش‌هاي مختلف انتخاب شدند. سپس از ميان روش‌هاي مختلف، روشي كه بهترين تطابق را با داده‌هاي واقعي موج برشي داشته باشد، به‌عنوان روش بهينه انتخاب شده و از اين روش براي تخمين سرعت موج برشي در ساير چاه‌ها كه فاقد نگاره موج برشي هستند استفاده مي‌گردد. در اين مقاله از روش رگرسيون چندگانه و الگوريتم‌هاي يادگيري ماشين (رگرسيون بردار پشتيبان، شبكه عصبي فازي تطبيقي و شبكه عصبي عميق) براي تخمين سرعت موج برشي استفاده شد. نتايج ما نشان مي‌دهند كه روش شبكه عصبي عميق با داشتن 97 درصد همبستگي بين داده‌هاي سرعت موج برشي واقعي و تخميني نسبت به ساير روش‌ها جواب بهتري ارائه داده است. بنابراين براي تخمين سرعت موج برشي در ساير چاه‌ها كه فاقد نگاره موج برشي هستند از روش پيشنهادشده در اين مطالعه (شبكه عصبي عميق) استفاده شد. براي صحت‌سنجي نتايج حاصل از شبكه عصبي عميق در چاه‌هاي فاقد سرعت موج برشي، از مدل تجربي كاستاگنا استفاده شد كه نتايج نشان‌دهنده تطابق خوبي ميان اين دو مدل است.