ارزیابی تراوایی سنگ مخزن با استفاده از آنالیز تصاویر مقاطع نازک و سیستم های هوشمند

توانایی سنگ متخلخل جهت انتقال سیالات، تراوایی نامیده میشود. تراوایی یکی از مهمترین خواص سنگ مخزن بوده و اهمیت آن در این است که تولید نفت از مخازن، تابع مستقیم تراوایی است. تعیین تراوایی با استفاده از روش های مختلفی صورت میپذیرد که معمولا گران و زمانبر هستند. با پیشرفتهای نرم افزاری و سخت افزاری، استفاده از آنالیز تصویر و سیستم های هوشمند به منظور تعیین خواص سنگ مخزن مانند تراوایی برای به حداقل رساندن زمان و هزینه گسترش یافته است. این مقاله، مدلی را براساس مجموعه ای از داده های پتروگرافی و سیستم های هوشمند برای پیشبینی تراوایی ارایهمی دهد. یازده پارامتر پتروگرافی شامل انواع تخلخل بین دانهای، درون دانهای، قالبی، میکرو و نوری و مقادیر سیمان، آهک، دولومیت و انیدریت و نوع بافت سنگ و میانگین ضریب شکل هندسی فضاهای خالی با آنالیز تصویر پتروگرافی استخراج شده است. سپس تراوایی با استفاده از سیستم های هوشمند منحصر بفرد شامل مدل شبکه عصبی، منطق فازی و نروفازی پیشبینی شده است. میانگین مربعات خطای مدل شبکه عصبی، منطق فازی و نروفازی برای داده تست به ترتیب برابر محاسبه شده است. سپس از ماشین کمیته مبتنی بر میانگین گیری، برای تعیین سهم مقادیر 0/0168 و 0/0107 , 0/0095 محاسبه شده است. سپس از ماشین کمیته مبتنی بر میانگین گیری، برای تعیین سهم مقادیر تراوایی پیشبینی شده از سیستم های هوشمند استفاده شده است. ماشین کمیته با میانگین مربعات خطای 0/0072 عملکرد بهتری نسبت به مدلهای شبکه عصبی، منطق فازی و نروفازی دارد.

Keywords:

تراوایی , آنالیز تصاویر مقاطع نازک , سیستم های هوشمند