مهدی علامه - فارغ التحصیل کارشناسی ارشد مکانیک سنگ، دانشگاه صنعتی شاهرود
احمد رمضان زاده - دانشیار دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود
بهزاد تخم چی - دانشیار دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود

سرعت موج برشی یکی از مهمترین ورودیها برای محاسبه پارامترهای ژئومکانیکی در فرآیند مدلسازی و مطالعات ژئومکانیکی مخازن نفت و گاز است. سرعت موج برشی از پارامترهای مختلف سنگ از جمله سیال منفذی، تخلخل و... تاثیر میپذیرد. اما سرعت موج برشی از جمله پارامترهایی است که به دلیل هزینه بالا، در اغلب چاه ها اندازه گیری نمیشود. بنابراین تخمین آن با استفاده از پارامترهای پتروفیزیکی در اکتشافات نفت با توجه به پرهزینه بودن برداشت این نگار، از اهمیت بالایی برخوردار است. با تعیین این پارامتر میتوان به مدلسازی ژئومکانیکی پرداخت که نقش مهمی در شناخت علل شکستگی های مخزنی و مسائلی نظیر پایداری دیواره چاه و عملیات شکافت هیدرولیکی مخزن دارد. لذا استفاده از روش مناسب جهت تخمین آن در چاه هایی که فاقد این نگار میباشند، بسیار اهمیت دارد. در این پژوهش به تخمین سرعت موج برشی با استفاده از سیستم استنتاج فازی – عصبی سازگار به عنوان روشی قدرتمند در زمینه هوش مصنوعی و بهینه سازی، با استفاده از داده های دو چاه مخزن آسماری میدان لالی، پرداخته شد. نتایج حاصل از این مطالعه نشان میدهد که سیستم عصبی - فازی سازگار میتواند الگوهای موجود را فرا گرفته و از آنها برای تخمین مقدار متغیرهای ژئومکانیکی در نقاط دیگر استفاده کند. مقادیر سرعت موج برشی تخمین زده شده با استفاده از این روش ۹۲ درصد با مقادیر اندازه گیری شده همبستگی دارند.

سرعت موج برشی، روش عصبی – فازی سازگار، شبکه عصبی، مدلسازی ژئومکانیکی، میدان لالی