تعیین ضریب سیمان شدگی با استفاده از شبکه عصبی مصنوعی در یکی ازمخازن هیدروکربوری پارس جنوبی

روابط آرچی به منظور تعیین اشباع شدگی آب در مخازن هیدروکربوری مورد استفاده قرار می گیرند. این روابط دارای ضرایبی می باشند که در آزمایشگاه تعیین می گردند که این پارامترهای فیزیکی عبارتند از : فاکتور سیمان شدگی(m), توان اشباع (n) و ثابت پیچا پیچی(a) . در صورت غیر قابل دسترس بودن نتایج آزمایشگاهی از مقادیر ثابتی استفاده می شود, با توجه این که این پارامترها توابعی از جنس سنگ , بافت سنگ ودر برخی موارد تخلخل می شوند و در سازند های مخزنی , معمولا بافت وجنس سنگ متغیر و دارای تنوع می باشد, بنابراین اختصاص پارامتر های ثابت جهت محاسبه در صد اشباع همواره با خطا همراه می باشد. تعیین دقیق ضرایب آرچی از مهم ترین چالش ها در ارزیابی های پتروفیزیکی می باشد و عدم دسترسی به مقادیرواقعی آن ها باعث خطای زیادی در محاسبه اشباع شدگی سیالات در مخازن به منظور تعیین ذخیره هیدروکربور می گردد, لذا استفاده از روش هایی نظیر شبکه عصبی مصنوعی در تعیین سیمان شدگی و همچنین فاکتور مقاومت سازندی در چاه های فاقد این ضرایب بسیار سودمند خواهد بود.علاوه بر آن به دلیل پر هزینه و زمان بر بودن مطالعات مغزه , با استفاده از این روش در وقت و هزینه صرفه جویی می شود . در این مقاله دو شبکه مجزا به منظور پیش بینی ضریب سیمان شدگی و فاکتور مقاومت سازندی طراحی شد، که هر یک از این شبکه ها پیش بینی قابل قبولی را ارائه کردند. در این روش بین لاگ ها وضریب سیمان شدگی با استفاده از تکنیک شبکه عصبی رابطه ای به دست آمد، به این صورت که از اطلاعات چاه پیمایی به عنوان داده های ورودی واز ضریب سیمان شدگی به عنوان خروجی استفاده شد که با استفاده از جعبه ابزار شبکه عصبی نرم افزار متلب طراحی صورت گرفت . از همین روش برای پیش بینی فاکتور مقاومت سازندی نیز استفاده شد. در این روش از اطلاعات مربوط به 4 چاه استفاده شد که رابطه به دست آمده را به چاه هایی که مغزه ندارند ولی لاگ آن ها در اختیار می باشد، تعمیم و پارامتر های مورد نظر پیش بینی شدند.