تعیین لیتولوژی سازندهای مخازن نفتی با استفاده از شبکه عصبی مصنوعی چند لایهای

مطالعه لیتولوژی مخازن و چگونگی تأثیر آن بر روی پارامترهای پتروفیزیکی مخازن اهمیت زیادی دارد که باتفسیر لاگ-های چاه پیمایی انجام میشود. مقایسه مخازن بیشتر بر مبنای پارامترهای پتروفیزیکی ولیتولوژی استوار است. افزایشعدم قطعیت در برخی موارد، استفاده از ابزارهای مختلف هوش مصنوعی از جمله شبکه عصبی مصنوعی ومنطق فازی را در زمینه مدلسازی وتعیین ویژگیهای پتروفیزیکی مخازن در سال های اخیر مورد توجه قرار داده است. در این پژوهشبرای تفسیر لاگها جهت تعیین لیتولوژی مخازن نفتی از نرم افزار مطلب با مدل شبکه عصبی مصنوعی استفاده شدهاست. به طوری که یادگیری این شبکه توسط الگوریتم پس انتشارخطا صورت گرفته است . هر دسته داده شامل سه ورودی به صورت لاگهای اشعه گاما، مقاومت القایی و وصوتی ویک خروجی به عنوان لیتولوژی می باشد. نتایج مدلسازی در این پژوهش با شبکه عصبی مصنوعی در مقایسه با نتایج حاصل از مطالعات مغزه نشان می دهد که شبکه عصبی مصنوعی با کاربرد الگوریتم پس انتشار خطا به خوبی می تواند لیتولوژی سازند مخازن را با اطلاعات لاگهای چاه پیمایی تعیین کند. مقدار خطا با افزایش دوره های آموزش شبکه پیشنهادی کاهش یافته است. خطای بدست آمده در این مدل- سازی در مقایسه با روش های قبلی کمتر بوده و از بهبود دقت بر خوردار است