آرش ربیعی - فارغ التحصیلکارشناسی ارشد نفت مخازن هیدروکربوری، دانشکده نفت اهواز
حسین صیاد - مهندسی نفت مخازن هیدروکربوری، دانشگاه علوم و تحقیقات تهران

تراوایی یکی از پارامترهای کلیدی جهت توصیف و مدل سازی مخازن می باشد. علی رغم پیشرفت های زیاد در روش های مختلف ارزیابی تراوایی همچون چاه آزماییو چاه پیمایی، همچنان دقیق ترین روش اندازه گیری تراوایی، آنالیز مغزه می باشد که روشی پر هزینه و زمانبر بوده و در عین حال نتایج آن تنها برای تعداد معدود و عمق محدودی از چاه ها موجود می باشد. به علت موجود بودن داده های مربوط به چاه پیمایی تقریبا در تمامی چاه های حفاری شده، تلاش های زیادی جهت برقراری رابطه ای منطقی بین داده های چاه پیمایی و تروایی حاصل از آنالیز مغزه حاصل گردیده است.تحقیقات گذشته نشان داده است که روش های هوشمند همچون شبکه های عصبی مصنوعی به خاطر قابلیتشان در حل مسائل پیچیده، به خوبیتوانایی پیش بینی تراوایی را از داده های چاه پیمایی دارا می باشند. در این مطالعه مدلی بر اساس شبکه عصبی پیش رونده برای پیش بینی میزان تراوایی مخزن با استفاده از داده های چاه پیمایی ارائه شده است. نتایج حاصل از عملکرد شبکه عصبی به کار گرفته شده نشان می دهد که شبکه موجود با خطای میانگین مربعات(Mean square error, MSE)0.0022 و ضریب تعیین (Coefficient of determination, R2)0.9874کاندیدای مناسبی جهت پیش بینی تراوایی مخزن توسط داده های چاه پیمایی می باشد.

شبکه عصبی مصنوعی، تراوایی، چاه پیمایی، الگوریتم پس انتشار