استفاده از تکنیک شبکههای عصبی مصنوعی برای تخمین تخلخل و تراوایی در سازند آسماری

تخلخل و تراوایی از مهمترین خصوصیات مخازن هیدروکربوری میباشند. معمولا برای تعیین تخلخل از دو روش مستقیم(آنالیز مغزه با استفاده از تزریق هلیم) و غیر مستقیم(ارزیابی دادههای نمودارهای چاه پیمایی) استفاده میشود. تراوایی نیز در آزمایشگاه و از طریق تزریق هوای خشک بر روی نمونه های مغزه یا آزمایش چاه (well testing) بدست میآید. این روشها مستلزم صرف هزینه و وقت زیادی میباشند. بنابراین به دلایل اقتصادی و ناممکن بودن مغزه گیری از چاههای افقی فقط تعداد کمی از چاههای یک میدان دارای مغزه میباشند، ولی نمودارهای چاه پیمایی برای اکثر چاهها در دسترساند. در مطالعه حاضر از روشهای محاسباتی هوشمند شبکههای عصبی، که امروزه در صنعت نفت بسیار رایج شده، برای تخمین تخلخل و تراوایی سازند آسماری استفاده شده است. بنابراین با استفاده از نرم افزار MATLAB دادههای مغزه و نمودارهای چاه پیمایی، شبکه تخلخل و تراوایی را طراحی کردیم. شبکه های مذکور با استفاده از الگوریتم پس انتشار خطا (BP) و شبکه پیشخور (Feed–Forward Network) توسعه یافت. پس از مقایسه نتایج حاصل از این شبکه ها با تخلخل و تراوایی مغزه، پارامترهای موثر در شبکه را طوری تنظیم کردیم تا نتایج مطلوب بدست آید. ضریب همبستگی بین تخلخل و تراوایی اندازهگیری شده از مغزه با تخلخل و تراوایی تخمین زده شده از شبکه عصبی به ترتیب 0/82 و 0/92 بدست آمد. این نتایج نشان میدهند که تخلخل و تراوایی محاسبه شده با مدل هوشمند شبکه عصبی در حد قابل قبولی است. بنابراین نتایج این شبکه ها به چاهC که فاقد اطلاعات مغزه بود تعمیم داده شد.

Keywords:

تخلخل , تراوایی , شبکه های عصبی , ضزیب همبستگی