میلاد مرادی - دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران، ایران
حسن رحیم پور بناب - دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران، ایران
علی کدخدایی - گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، ایران

تراوایی یکی از مهم ترین پارامترها در مخازن هیدروکربنی است. درک صحیح از مقدار تراوایی و نحوه توزیع و گسترش آن در فرآیند مدیریت تولید از میدان سودمند است. فرآیند  مغزه گیری به دلیل محدودیت های که وجود دارد برروی تعداد کمی از چاه های میدان انجام می گیرد درحالی که بیشتر چاه ها تحت عملیات چاه نگاری قرار می گیرند. بنابرین یافتن راهی برای تخمین خصوصیات مخزن توسط نگاره های چاه پیمایی و مدل سازی آن در میدان تکنیک با ارزشی است. بنابراین در این پژوهش از روش شبکه عصبی مصنوعی پرسپترون چندلایه (پس انتشار خطا) برای تخمین تراوایی بخش های مختلف سازند شوریجه در حوضه رسوبی کپه داغ استفاده شده است. نمودارهای صوتی، نوترون و چگالی و نتایج حاصل از ارزیابی سازند شامل تخلخل و اشباع آب مفید به عنوان لایه ورودی و داده تراوایی حاصل از آنالیز مغزه دو چاه نیز به عنوان سلول های لایه خروجی برای آموزش شبکه مورد استفاده قرار گرفت. پس از آموزش شبکه با داده این دو چاه از داده آنالیز مغزه یک چاه دیگر برای آزمایش شبکه استفاده شد که در مرحله آزمایش شبکه ضریب هبستگی ۹۸% برای تراوایی به دست آمد. با استفاده از این شبکه عصبی، تراوایی برای چاه های دیگر میدان که فاقد داده مغزه بودند تخمین زده شد. بعد از تخمین تراوایی به کمک شبکه عصبی نحوه توزیع و گسترش آن به کمک الگوریتم مدل سازی گوسی متوالی (SGS) در مقیاس میدان مشخص گردید. طبق مدل به دست آمده نواحی ماسه سنگی که عمدتا در زون های B و D هستند به عنوان نواحی مخزنی تفکیک شده اند و همچنین نواحی مرکزی و شمال غربی میدان به دلیل میانگین تراوایی بالاتر نواحی مستعد برای حفاری های بعدی میدان می باشند.

سازند شوریجه, کپه داغ, نگاره چاه پیمایی, شبکه عصبی مصنوعی پرسپترون چند لایه, شبیه سازی گوسی متوالی (SGS)