طبقه‌بندي رخساره‌‌هاي سنگي با استفاده از چاه‌نگاري و بررسي تاثير نگار صوتي بر آن به كمك شبكه عصبي مصنوعي در يكي از مخازن هيدروكربوري

يك مخزن هيدروكربوري، از سنگ‌‌‌هاي رسوبي لايه‌‌اي تشكيل شده است كه در طي يك دوران طولاني رسوب‌گذاري شده و با گذشت ميليون‌‌‌ها سال تحولات دياژنزي، دچار تغييرات ساختاري شد‌ه‌اند. اين فرايند‌ها، با تغييرات دائمي‌خواص فيزيكي مخزن در طول دوران‌‌هاي زمين‌شناسي همراه هستند. شناخت رخساره يكي از مهم‌ترين اين خواص است كه به مهندسان نفت توانايي طراحي و مديريت مؤثر براي شناخت دقيق‌‌تر و توسعه ميدان‌‌‌هاي نفت و گاز را مي‌دهد. اين مقاله، به طبقه‌بندي رخساره‌‌هاي سنگي (Lithofacies) سنگ مخزن هيدروكربوري با به‌‌كارگيري فن شبكه عصبي مصنوعي با الگوريتم پس‌انتشار خطا(BP) و الگوريتم آموزش لونبرگ- ماركوآرت از روي داده‌‌‌هاي نگار‌هاي پرتوگاما، چگالي، نوترون، صوتي و اثر فتوالكتريك (PEF) مي‌پردازد. همچنين، ميزان تاثير نگار صوتي در برآورد رخساره‌‌ها نيز در اينجا ارزيابي شده است. با توجه به اينكه تعيين رخساره سنگ مخزن با آزمايش‌‌هاي مغزه پرهزينه است با به‌‌كارگيري روش مي‌توان هزينه‌‌‌هاي مربوط به شناسايي رخساره را از راه كاهش نياز به عمليات مغزه‌گيري، تقليل داد.داده‌‌‌هاي مربوط به چهار چاه در يكي از مخازن هيدروكربوري مورد استفاره قرار گرفت، به اين صورت كه شبكه، ابتدا در يكي از چاه‌‌‌هاي مخزن كه داراي آناليز مغزه بود، آموزش داده شد و در چاه ديگري كه داده‌‌‌هاي آن در آموزش شبكه سهمي‌نداشت، آزمايش شد و پس از حصول اطمينان از كارآيي آن، از شبكه به‌منظور برآورد رخساره‌‌‌ها در2 چاه ديگر(چاه A1 و A2 استفاده شد. مقدار MSE اين روش درصورتي‌‌كه فقط از نگار‌هاي پرتوگاما، چگالي، نوترون و اثر فتوالكتريك استفاده شود، براي چاه A1، 0.068 و براي چاه A2، 0.074 و درصورتي‌‌كه از نگار صوتي نيز به همراه نگار‌هاي پرتوگاما، چگالي، نوترون و اثر‌‌ فتوالكتريك استفاده شود مقدار MSE به 0.052 براي چاه A1 و 0.060 براي چاه A2 مي‌‌رسد، كه نشان از بهتر شدن برآورد دارد.