مروری بر توانایی روش های هوش مصنوعی در تخمین پارامترهای پتروفیزیکی و ژئومکانیکی در مخازن هیدروکربوری

بررسی مخازن هیدروکربوری در برآورد پارامترهای پتروفیزیکی و خصوصیات ژئومکانیکی همواره با چالش هایی مواجه بوده است. پرهزینه و زمان بر بودن عملیات مغزه گیری، وجود نمونه های نامناسب و خرد شده و ناکافی بودن داده های برداشت شده از مغزه ها موجب جایگزینی داده های نموداری یا لاگ های به دست آمده از عملیات چاه پیمایی برای تجزیه و تحلیل ها شده است. به منظور تخمین پارامترهای مخازن هیدروکربوری از انواع لاگ های الکتریکی، صوتی و هسته ای استفاده می شود . در این زمینه روابط تجربی فراوانی نیز در مورد محاسبه پارامترها ارائه شده است. با این حال، روابط تجربی معایبی از جمله دقت پایین و کالیبره شدن اینروابط بر روی سنگ شناسی خاص و عدم تخمین پارامترها برای دیگر مخازن با سنگ شناسی متفاوت را دارند. در این میان استفاده از روش های هوش مصنوعی، به عنوان بهترین و اقتصادی ترین راهکار جهت پیش بینی پارامترهای پتروفیزیکی از روی داده های نموداری چاه پیمایی و همچنین تخمین پارامترهای ژئومکانیکی، در بین سایر روش های اندازه گیری به شمار می آید، که امروزه به عنوان یک ابزار قوی در شبیه سازی، کاربرد بسیاری پیدا کرده اند. هدف از این تحقیق بررسی و مرورکاربرد روش های هوش مصنوعی در تخمین پارامترهای پتروفیزیکی و ژئومکانیکی با استفاده از داده های چاه نگاری در مخازن هیدروکربوری است که درتحقیقات گذشته مرود بررسی قرار گرفته اند .

کلیدواژه ها:

پارامترهای پترو فیزیکی ، چاه پیمایی ، هوش مصنوعی ، شبکه عصبی مصنوعی