استفاده از الگوریتم شبکه ی عصبی جهت پیش بینی تراویی در یکی از مخازن کربناته ی جنوب غرب ایران

امروزه برای تعیین ارتباط دقیق بین نمودارهای چاه‌نگاری و تخلخل و تراوایی از شبکه‌های عصبی مصنوعی استفاده می‌شود که برخلاف روش ها و معادلات معمول، قادر به تعیین ارتباطات غیرخطی و بسیار پیچیده بین ویژگی‌های مخزنی (تخلخل و تراوایی) و نمودارهای چاه‌نگاری معمول هستند. در این تحقیق رویکردی دومرحله‌ای برای پیش‌بینی تراوایی از روی نمودارهای چاه ارائه شده که با استفاده از رگرسیون غیرپارامتری در خصوص آنالیز آماری چندمتغیره ارائه شده است. ابتدا داده‌های چاه به انواع الکتروفاسیس‌ها خوشه‌بندی می‌شوند. این خوشه‌بندی بر اساس اندازه‌گیری‌های حاصل از نمودارهای چاه و منعکس‌کننده‌ی کانی‌ها و رخساره‌های سنگی در بازه‌ی نمودارگیری است. این فرآیند ترکیبی از آنالیز مولفه‌های اصلی، آنالیز خوشه‌ای مبتنی بر مدل و آنالیز تفکیک‌کننده برای توصیف و شناسایی انواع الکتروفاسیس‌هاست. سپس از روش‌های رگرسیون غیرپارامتری برای پیش‌بینی تراوایی برای هر الکتروفاسیس استفاده شده است. روش غیرپارامتری مورد بررسی در این تحقیق شبکه‌ی عصبی مصنوعی است که مزیت‌ها و محدودیت‌های نسبی آن بررسی شده است. روش‌ پیشنهادی در این تحقیق در یک مخزن کربناته‌ی بسیار ناهمگن در جنوب‌غربی ایران استفاده شده است.