پیام لاهه مطلق - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران،گروه مهندسی نفتو گاز، تهران، ایران
راشل مصطفایی - دانشگاه آزاد اسلامی واحد تهران شمال، باشگاه پژوهشگران جوان، تهران، ایران

اشباع آب و تخلخل موثر، نقش مهمی در ارزیابی میزان ذخایر مخازن نفت و گاز دارند. در این مطالعه دو شبکه عصبی مصنوعی پس انتشار جداگانه برای پیش بینی این دو پارامتر با استفاده از داده های چاه پیمایی و آنالیز مغزهطراحی شده است. داده های مخزن کربناته دو چاه در یکی از میادین جنوب غرب ایران مورد استفاده قرار گرفت. مدل بر اساس طراحی شبکه سه لایه با تابع فعال سازی تانژانت هایپربولیک برای لایه میانی و تابع فعال سازی خطی برای لایه خروجی می باشد. از لاگ های پرتوی گاما، نوترون، دانسیته، مقاومت عمیقLLD)و صوتی در ورودی استفاده گشت. بعد از پردازش داده ها 70 درصد آنها برای آموزش شبکه، 15 درصد برای اعتبارسنجی و مابقی برای آزمایش قرار داده شدند. ضرایب همبستگی شبکه های اشباع آب و تخلخل موثر ایجاد شده بعد از آموزش برای چاهAبه ترتیب برابر 0/978و0/983وچاه B 0/973و0/948 بدست آمد. نتایح حاصل از این مطالعه موردی درپیش بینی اشباع آب و تخلخل موثر با استفاده از این روش هوشمند دقت مناسبی را نشان می دهد

اشباع آب، تخلخل موثر، شبکه های عصبی مصنوعی، چاه پیمایی، آنالیز مغزه