کاربرد شبکه عصبی مصنوعی در تخمین کانی های رسی در یکی ازمیدان های جنوب کشور

از مهم ترین پارامتر های مورد بررسی در موضوعات مختلف نفتی اعم از حفاری، مخزن ، اکتشاف و تعیین پارامتر های پتروفیزیکی، نوع کانی های رسی می باشد. کانی های رسی همچون کائولینیت و مونت موریلونیت بعلتتورم بسیار زیاد شان موجب مشکلات حفاری می شوند، درنتیجه تعیین نوع و توزیع کانی های رسی کمک موثری در بهبود پارامتر های حفاری و تصحیح پارامتر های پتروفیزیکی از جمله درجه اشباع آب دارد. تاکنون کراس پلات های مشخصی برای تعیین کانی غالب رسی از سوی دانشمندان معرفی شده است ولی بررسی های اخیر نشان داده است که این کراس پلات ها نیز گاها نتایجی مغایر با داده هایXRDنشان می دهند، پس ارائه روشی جدید در بهبود و تکمیل این کراس پلات ها ضروری است. در این تحقیق رابطه مکانی کانی های رسی با نوع کانی های رسی مورد بررسی قرار گرفته است و در صد کانی های رسی در محل هایی که داده هایXRD موجود نمی باشد توسط شبکه عصبی مصنوعی تعیین می شود. نوع روش بکار برده شده در این مقاله ، روش پرسپترون چند لایه می باشد و ورودی های شبکه عصبی داده های مکانی و خروجی های آن درصد 4 کانی رایج رسی می باشد. نتایج این پژوهش نشان می دهد که می توان با دقت مناسبی از داده های مکانی کانی رسی به نوع کانی غالب رسی در آن منطقه دست پیدا کرد