تخمین آب اشباع شدگی به کمک شبکه عصبی مصنوعی و مقایسه آن با تخمین نرم افزار ژئولاگ در یکی از مخازن جنوب ایران

یک مخزن هیدروکربنی، از سنگ های رسوبی لایه ای تشکیل شده است که در طی یک دوران طولانی رسوبگذاری شده و طی میلیون ها سال تحولات دیاژنزی، دچار تغیرات ساختاری شده اند . این فرآیندها، همراه با تغیرات دائمی و غیرخطی خواص فیزیکی مخزن در طولدوران ها ی زمین شناسی می باشند . یکی از قدیمی ترین راه های تخمین اشباع شدگی سازند، استفاده از ابزارها ی مغزه گیری و آوردنمغزه های ناحیه تولید مخزن به سطح زمین و اندازه گیری اشباع شدگی این نمونه ها تحت شر ایط مشابه مخزن می باشد .متأسفانه، مغزه گیری از هر چاه در میدان های بزرگ نفتی مانند میدان های نفتی ایران، بسیار هزینه بر و غیراقتصادی است .هر چند به علت اطلاعات بسیارارزشمندی که مغزه در اختیار ما قرار میدهد، ضروری است که با وجود گران بودن از تعدادی از چاههای مخزن (حدود 10 درصد ) مغزه گیریشود. روش جایگزین برای روش مدل کردن پارامتری، استفاده از شبکه های عصبی مصنوعی می باشد .در سال های اخیر، شبکه های عصبی به عنوان ابزارهای قدرتمندی برای مدل کردن سیستم ها ی پیچیده مطرح شده اند. در این مطلالعه برای ورودی شبکه از لاگ های رزستیویتی و بانک داده ای خواصPVTاز منابع داده ای منتشر نشده می باشد . هدف از این مطالعه بررسی میزان دقت شبکه عصبی و مقایسه با نرم افزار ژئولاگ، که در نتیجه دقت شبکه عصبی و میزان تطابق با نمونه اصلی اشباع شدگی سنگ 91 درصد و دقت نرم افزار ژئولاگ 83 درصد بود

کلیدواژه ها:

آب اشباع شدگی ، شبکه عصبی ، ژئولاگ