میلاد مسرور - کارشناسی ارشد مهندسی نفت، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران، تهران،
امیرحسین رجبی قوزلو - کارشناسی ارشد مهندسی نفت، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران، تهران،
محمد امامی نیری - عضو هیئت علمی ، انستیتو مهندسی نفت، دانشکده فنی ، دانشگاه تهران ، تهران ،

هدف این پژوهش، ارائه ی روشی کارآمد برمبنای علم داده و سیستم های هوشمند برای تخمین تراوایی سنگ مخزن هیدروکربنی با استفاده از داده های نگارهای متداول صنعت نفت و نگار تشدید مغناطیس هسته ای (NMR است. تا به امروز، جهت تخمین تراوایی که یکی از پارامترهای مهم سنگ مخزن است از روش های مختلفی همچون سیلاب زنی مغزه، نگارگیری NMR و چاه آزمایی استفاده شده است. روش نگارگیری NMR یکی از راهکارهای قابل اعتماد برای حل این مساله است. با این وجود، این روش محدودیتهایی نیز دارد ک می توان به هزینه بالا و عدم امکان به کارگیری در چاههای جداره دار اشاره نمود. برای بهره گیری از مزایا و دقت تخمین تراوایی حاصل از نگار NMR، روش پیشنهادی در این پژوهش، استفاده از سیستم های هوشمند و آموزش آنها با استفاده از نگارهای متداول چاه به عنوان ورودی و نگار NMR به عنوان هدف است. بدین منظور، برای تعداد محدودی چاه از یک میدان نفتی ایران، با اعمال روش های مختلف پردازش داده بر روی داده های جمع آوری شده، آنها را آماده ی به کارگیری در فرآیند آموزش سیستم های هوشمند انتخاب شده می نمائیم. در نهایت، با استفاده از داده های چاههایی که در فرآیند آموزش سیستمها دخیل نبوده اند، سیستم های آموزش دیده شده را ارزیابی می کنیم. خروجی نهایی این مدل ها دقتی در محدوده ی ۹۰ تا ۹۶ درصد را از خود نشان دادند.

تراوایی، تشدید مغناطیس هسته ای، نگارهای متداول، ، شبکه های عصبی، یادگیری ماشینی و یادگیری عمیق