پيش بيني تخلخل درون چاهي بر اساس انطباق داده هاي چاه نگاري و مغزه اكتشافي با استفاده از شبكه هاي عصبي مصنوعي: مطالعه موردي يكي از مخازن نفتي جنوب غربي ايران

تخلخل يكي از مهمترين ويژگي‌هاي مخزني است كه درك نحوه توزيع آن در مخزن نقش اساسي را در تعيين كيفيت مخزني ايفا مي‌نمايد و از سويي مغزه­گيري به عنوان اصلي­ترين و قابل اعتمادترين روش شناسايي سنگ­شناسي و ميزان تخلخل مخزن به كار مي­رود. يكي از روش­هاي برآورد تخلخل و ديگر پارامترهاي مخزن توسط اطلاعات چاه­نگاري، استفاده از شبكه­هاي عصبي مصنوعي است. با استفاده از اين روش مي­توان به كمك نگارهاي رقومي شده چاه­نگاري به عنوان پارامترهاي ورودي به شبكه، ارتباطي مناسب بين داده­هاي چاه­نگاري و پارامترهاي پتروفيزيكي به دست آمده از مغزه برقرار كرد و در مناطق فاقد مغزه­گيري در مخزن با استفاده از شبكه آموزش ديده پارامترهاي پتروفيزيكي را برآورد نمود. در اين مقاله راه­حلي بر اساس شبكه­هاي عصبي مصنوعي پيشنهاد شد كه توسط آن مي­توان تخلخل را با استفاده از نگارهاي چاه­نگاري تخمين زد. با مقايسه تخلخل حاصل از مغزه ميدان مورد مطالعه و نتايج به دست آمده از شبكه عصبي پرسپترون دو لايه با توابع انتقال (logsig) و هفت ورودي شامل نگارهاي قطرسنجي، گاماي تصحيح شده، رسانايي الكتريكي، تخلخل صوتي، تخلخل نوتروني و چگالي به همراه عمق و با تعداد 20 نرون ضريب انطباق 91% حاصل گرديد و نتايج نشان مي­دهد كه شبكه­هاي عصبي مصنوعي، مي­توانند با اطمينان قابل قبولي براي تخمين تخلخل مورد استفاده قرار گيرند.