امیرحسین خاکبازان - دانش آموخته کارشناسی ارشد مهندسی اکتشاف معدن دانشگاه صنعتی اصفهان
نادر فتحیان پور - استادیار دانشکده معدن دانشگاه صنعتی اصفهان
علی محمدباقری - عضو هیئت علمی پژوهشگاه صنعت نفت

شناخت و ارزیابی پارامترهای پتروفیزیکی و سنگشناسی مخازن نفتی و گازی با استفاده از دادههای چاه نگاری مستلزم در دسترس بودن انواع نمودارهای پتروفیزیکی میباشد. در پارهای موارد به دلیل آسیب دیدگی نمودارهای قدیمی و یا عدم وجود نمودارهای پیشرفته جدید در بعضی از چاهها، امکان ارزیابی دقیق پتروفیزیکی یک چاه مسیر نمیباشد. از آنجایی که در ارزیابی پتروفیزیکی یک مخزن هنگامی که انواع نمودارهای لازم برای یک چاه وجود نداشته باشد، نمیتوان یک تفسیر دقیق و واقعی از سنگشناسی و اشباع سیالات درون چاه ارئه نمودلذا از اینرو تخمین مجدد نمودارهای قدیمی آسیب دیده و یا نمودارهای جدید، برای چاههای فاقد نمودارهای پیشرفته جدید بصورت مصنوعی اجتنابناپذیر میباشد. این مسئله بخصوص در مطالعات مخزن که نیازمند ارزیابی پتروفیزیکی چاههای قدیمی میباشند حائز اهمیت است در این تحقیق سعی شده است با استفاده از روش هوشمند شبکه عصبی کار تخمین این نمودارهای خام چاه نگاری از روی چاههای مجاور انجام شود. تخمین نمودارهای پتروفیزیکی با روش شبکههای عصبی طی دو مرحله انجام شده است. مرحله اول عبارت است از پیدا کردن یک رابطه بین نمودار مورد نظر و سایر نمودارهایی که در چاه قدیمی نیز وجود دارند، در چاههای مجاور در صورتی که از لحاظ سنگشناسی شباهت قابل قبولی با چاه مورد نظر داشته باشند. مرحله دوم شامل کاربرد رابطه به دست آمده از مرحله قبل در چاه هدف جهت تخمین نمودارهای مجهول از نمودارهای معلوم میباشد. در این تحقیق نمودارهای دانسیته و جذب فتوالکتریک برای مخزن ماسه سنگی حوضه نفتی اهواز در جنوب ایران به روش شبکه عصبی تخمین زده شده است و بهترین نتایج برای ضریب همبستگی بین نمودار تخمین زده شده و واقعی بهترتیب برای دانسیته و جذب فتوالکتریک 90/2% و 88/2% به دست آمده است.

شبکه عصبی،دانسیته،جذب فتوالکتریک،اشعه گامای طبیعی، نوترون، نمودار صوتی،ضریب هبستگی،آموزش،اعتبار سنجی