مهدی تدینی - کارشناس ارشد، دانشکده معدن، متالوژی و نفت _دانشگاه صنعتی امیرکبیر
احمدرضا ربانی - استادیار، دانشکده معدن متالوژی و نفت _دانشگاه صنعتی امیرکبیر
مجید نبی بیدهندی - دانشیار، موسسه ژئوفیزیک_ دانشگاه تهران

در صنعت نفت تعیین نفوذپذیری اغلب درآزمایشگاه توسط مغزه وآزمایش چاه (well testing) انجام م یشود. در میدان پارسی سازند آسماری مهمترین سازند مخزنی این میدان بشمار میرود که دارای تغییرات سنگ شناسی و رسوبگذاری پیچید های است. این تغییرات و نبود داده های لازم از مغزه و آزمایش چاه باعث شده است که نتوان پارامتر نفوذپذیری را بادقت مناسبی تعیین کرد. در این مقاله از روش شبکه عصبی مصنوعی پس انتشار خطا( BP – ANN) با استفاده از نگارهای پتروفیزیکی برای پیش بینی هرچه دقیقترپارامتر نفوذپذیری در میدان نفتی پارسی واقع در جنوب غربی ایران استفاده شده است. برای تعیین نفوذپذیری، نگارهای گاما، چگالی، صوتی، نوترون وعمق درچاههای 18، 19 و 48 به عنوان ورودی شبکه، در طی سه فرآیند آموزش , (Train) ، آزمایش(Testing) و آزمون (Validation) بکار رفته و درفرآیند تعمیم پذیری (Generalization) میزان ضریب همبستگی بین نفوذپذیری شبکه و نفوذپذیری مخزن در چاه شماره ٢٠ برابربا 0/689 بدست آمده است. به علت دقت کم شبکه در فرآیند تعمی مپذیری پس از زون بندی میدان ( بر اساس خواص پتروفیزیکی)، در ٤ زون این میدان فرایندهای آموزش، آزمایش و آزمون اجرا شده و در آخر میزان ضرایب همبستگی در فرآیند تعمیم پذیری در زونهای شماره1، 2، 3 و 4 بترتیب برابر با 0/932، 0/961، 0/887 و 0/921 حاصل شده است.

شبکه عصبی، نفوذپذیری، نگار، زون، آسماری، آموزش