امین عرب پور - دانشجوی کارشناسی ارشد مهندسی نفت، دانشکده مهندسی معدن دانشگاه تهران
عباس بحرودی - استادیار دانشکده مهندسی معدن دانشگاه تهران
محمد علی ریاحی - دانشیار، موسسه ژئوفیزیک دانشگاه تهران

مطالعه و تعیین رخسار ههای رسوبی در مطالعات مخازن نفتی دارای اهمیت است. به طور معمول می توان خواص مخزنی و خواص جریانی را با رخساره ها تطابق داد. برای مشخص نمودن رخساره ها نیاز به نمونه های مغزه می باشد. به دلیل پرهزینه بودن و زمان بر بودن به طور معمول تنها از چند چاه محدود در یک میدان مغز هگیری می شود. یک راه حل مورد پذیرش استفاده از روشی است که به کمک آن بتوان بر اساس همین نمونه های محدود و با بکار گیری داده هایی ثانویه هم چون داده های چاه پیمایی، مدلی برای تعمیم به هم هی میدان تهیه شود. ماشین بردار پشتیبان یکی از روش های نسبتا جدید در مبحث یادگیری ماشین است. این روش به دلیل استفاده از اصل کمینه سازی ریسک ساختاری، به جواب هایی سراسری همگرا می شود و هم چنین به دلیل استفاده از کرنل توانایی بالایی برای مدل کردن روابط پیچیده و غیر خطی دارد. در این مطالعه تلاش می شود که پس از انجام چند گام پیش پردازشی بر روی داده های مورد استفاده، از داده های مغزه و نمودارگیری با کمک ماشین بردار پشتیبان، مدلی برای ناحیه مورد مطالعه ساخته شود. برای اعتبارسنجی مدل ساخته شده بر روی داده هایی جدید، که مدل بر اساس آ نها ساخته نشده، تست می شود. نتایج کسب شده نشان می دهد که ماشین بردار پشتیبان برای دسته بندی رخساره ها بر اساس داده های نمودارگیری، توانایی قابل قبولی دارد.

دسته بندی، رخساره، ماشین بردار پشتیبان، کمینه سازی ریسک ساختاری، مغزه