پیش بینی کاهش تراوایی در اثر رسوب آسفالتین با استفاده روش رگرسیون خطی مبتنی بر الگوریتم های یادگیری ماشین

توانایی سیال در عبور از سنگ یا به عبارت دیگر نفوذپذیری، یکی از خواص مهم سنگ است. این پارامتر کلیدی نقش مهمی درتولید نفت ایفا می کند. رسوب آسفالتین یکی از عواملی است که در تغییرات این پارامتر تاثیرگذار می باشد. با توجه به اینکهروشهای سنتی برای پیشبینی روابط مهندسی زمان و هزینه زیادی صرف می کند، به همین منظور توجه محققان در این زمینهبه روشهای هوش مصنوعی که از نظر زمان و هزینه نسبت به روشهای سنتی برتری دارد، معطوف شده است. در این مطالعه بابررسی و شناخت این عوامل و جمع آوری داده هایی از مقالات آزمایشگاهی و شبیه سازی با استفاده از مدلهای تجربی سیوا ن(civan) و منشاد (Manshad)، نفوذپذیری را محاسبه کرده و با توجه به داده های به دست آمده از این مدلها و با استفاده از روشهای رگرسیون خطی به پیش بینی کاهش نفوذپذیری پرداختیم. روش رگرسیون خطی با میانگین خطای ۰/۰۴۲۷۱۰۵ درصد نفوذ پذیری را پیش بینی کرد.