مجتبی جلالی لیچائی - کارشناسی ارشد – دانشکده معدن ، متالورژی و نفت – دانشگاه صنعتی امیرکبیر
مجید نبی بیدهندی - دانشیار – موسسه ژئوفیزیک – دانشگاه تهران
سعید میرزائی - استادیار – دانشکده معدن ، متالورژی و نفت – دانشگاه صنعتی امیرکبیر

تعیین تخلخل به عنوان یکی از پارامتهای بسیار مهم واساسی در تعیین ویژگیهای یک میدان نفتی دارای اهمیت خاصی در دانش مهندسی نفت می باشد. به طور معمول برای تعیین تخلخل مخزن از آزمایشات مغزه ( اندازه گیری مستقیم تخلخل ) و یا نمودارهای چاه نگاری ( اندازه گیری غیر مستقیم تخلخل ) استفاده می شود که در مورد دوم با استفاده از روابط تجربی و ریاضی خاص و ایجاد ارتباط بین متغییرهای مختلفی که توسط نمودارهای مذکور اندازه گیری می شوند ، مقدار تخلخل سنگ مخزن مورد ارزیابی قرار می گیرد. استفاده از آزمایشات مغزه و در حقیقت، مغزه گیری از چاههای حفاری شده به دلیل هزینه بر بودن و وقت گیری آنها برای تمام چاهها انجام نمی گردد. از روابط تجربی نیز به دلیل تغییر نتایجی که در نقاط مختلف ایجاد می کنند، غالبا" نمی توان به عنوان یک راه حل کاملا" قابل اعتماد استفاده نمود. در مورد روشهای آماری نیز مشکلاتی خاص وجود دارد که مربوط به طبیعت داده های چاهها و ناصحیح بودن آنها در برخی موارد می باشد. شبکه های عصبی مصنوعی تکنیک جدیدی می باشند که به تدریج جایگاه خود را در علوم مختلف پیدا کرده اند و استفاده از این روشها در محاسبات و مطالعات مربوط به مهندسی نفت نیز روز به روز بیشتر می گردد .در این مطالعه، تکنیک شبکه های عصبی مصنوعی و رگرسیون خطی چند متغییره برای تعیین تخلخل مورد توجه قرار گرفته و ازاطلاعات مربوط به چهار چاه( چاههای ٢٥ و ٣١ و ٣٢ و ٢٨٧ ) از چاههای میدان نفتی گچساران که شامل اطلاعات نمودارهای پتروفیزیکی و نتایج آزمایشات مغزه مربوط به آن چاهها می باشد استفاده گردید . برای تعیین تخلخل، داده های سه چاه ٢٥ و ٣٢ و ٢٨٧ به سه دسته داده های آموزشی(Training) آزمایشی ،(Testing)و آزمون (Validation) تقسیم شدند و نتیجه ای که شبکه برای هر یک از این دسته داده ها داد، با نتایج مربوط به مغزه مقایسه گردید و در نهایت بعد از به دست آمدن یک نتیجه معتبر از سه مرحله مذکور و تنظیم پارامترهای موثر در شبکه، این شبکه در مورد چاه ٣١ برای پیش بینی مقدار تخلخل اعمال گردید.

شبکه های عصبی، تخلخل، شبکه پس انتشار، رگرسیون خطی چند گانه