رسول امیری کله جوبی - انستیتو مهندسی نفت . دانشکده فنی دانشگاه تهران
محمد امامی نیری - عضو هیئت علمی- انستیتو مهندسی نفت- دانشگاه تهران

سرعت امواج لرزه ­ای تراکمی و برشی در کنار داده ­های پتروفیزیکی اطلاعات ارزشمندی را در مراحل اکتشاف و توسعه میادین نفتی فراهم می کنند. برخلاف سرعت امواج تراکمی که در اکثر مواقع توسط ابزار نمودارگیری سونیک اندازه گیری می شود، نمودار سرعت امواج برشی به علت هزینه ی بالا تنها در تعداد محدودی از چاه­های یک میدان برداشت و ثبت می­گردد. بنابراین بایستی سرعت این امواج را با استفاده از روش های دیگری تخمین زد. روابط تجربی متعددی ارائه شده است که سرعت امواج برشی را به پارامترهای پتروفیزیکی و اندازه گیری های چاه ­نگاری مربوط می کنند که معمولا کارائی موردی دارند. یکی از روش های کارآمد برای پیش ­بینی سرعت امواج برشی، استفاده از سیستم های هوشمند است. در این مقاله علاوه بر استفاده از روش تجربی گرینبرگ-کاستاگنا، از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری برای ساخت یک مدل خطی و یک مدل غیرخطی برای پیش ­بینی سرعت امواج برشی در یک سازند مخزنی ماسه سنگی در یکی از میادین فراساحلی واقع در استرالیای غربی و یک سازند مخزنی کربناته در یکی از میادین خشکی واقع در جنوب غرب ایران استفاده شده است. مقدار خطا و ضریب همبستگی نتایج به دست آمده از الگوریتم بهینه­ سازی مبتنی بر آموزش و یادگیری نشان ­دهنده کارائی مطلوب این الگوریتم است. نتایج مدل خطی و غیر خطی ساخته ­شده به هم نزدیک است با این تفاوت که مدل خطی در مدت زمان کمتری اجرا می­شود. مدل خطی این الگوریتم با خطای ۳/۲ درصدی و ضریب همبستگی ۸۲/۰ در سازند ماسه سنگی و خطای ۳/۳ درصدی و ضریب همبستگی ۹۵/۰ در سازند کربناته، عملکرد مناسبی در هر دو مطالعه موردی داشته و می­تواند به عنوان روشی کارآمد برای تخمین سرعت موج برشی استفاده گردد.

سرعت امواج تراکمی, سرعت امواج برشی, خواص پتروفیزیکی, روابط تجربی, سیستم های هوشمند, الگوریتم بهینه سازی