پیش بینی فشار منفذی داده های گمانه های پتروفیزیکی با بهره گیری از روش های مبتنی بر هوش مصنوعی

فشار منفذی یکی از مهم ترین پارامترهای مخزنی-حفاری به شمار می رود و آگاهی از این فشار، برای کاهش هزینه های حفاری، افزایش ایمنی چاه و پیشگیری از خطرات احتمالی ضروری می باشد. تحقیقات نشان داده است که معادلات تجربی تنها برای نواحی خاصی دقت مطلوبی دارند زیرا، اکثر معادلات تجربی بر اساس مجموعه داده های محدود، جمع آوری و توسعه یافته اند. بنابراین، روش های هوشمند جای خود را به این معادلات داده اند. مطالعه پیش رو، از ۲۸۲۷ داده ست مربوط به سه چاه از میادین نفتی واقع در جنوب غرب ایران بهره برده است. متغیرهای ورودی مورد استفاده به منظور پیش بینی فشار منفذی شامل ۹ متغیر بوده که با استفاده از روش انتخاب ویژگی، برگزیده شده اند. در این مطالعه از چهار الگوریتم هوش مصنوعی شامل الگوریتم جنگل تصادفی ، الگوریتم رگرسیون بردار پشتیبان ، الگوریتم شبکه عصبی مصنوعی و الگوریتم درخت تصمیم به منظور پیش بینی فشار منفذی استفاده شده است. پس از بررسی نتایج مشخص گردید که دقت عملکرد الگوریتم درخت تصمیم، بیشتر از سه الگوریتم دیگر می باشد به طوری که برای این الگوریتم مقدار مربع ضریب همبستگی (R^۲) ۹۹۸۵/۰ و مجذور میانگین مربعات خطا (RMSE) ۴۶۰/۱۴psi به دست آمده است. از جمله مزیت های این الگوریتم، ارائه بهترین نتیجه بدون نیاز به دانش آماری، جدا کردن داده های غیرضروری، آماده سازی داده ها در زمان کوتاه و کاهش خطای نسبی با یافتن گره اصلی تصمیم گیر می باشد. بنابراین می توان چنین نتیجه گرفت که با توسعه این تکنیک، برای تعداد داده های کم از هر میدان، دقت عملکرد بالایی نتیجه می شود.

کلیدواژه ها:

فشار منفذی ، الگوریتم های هوش مصنوعی ، داده های پتروفیزیکی ، الگوریتم درخت تصمیم ، انتخاب ویژگی