پیش بینی اشباع آب در یکی از مخازن نفت کربناته ایران با استفاده از مدل های هوش مصنوعی

در این مطالعه ابتدا داده های چاه پیمایی لازم یکی از مخازن نفت کربناته ایران برای تخمین اشباع آب گردآوری گردیدند. به منظور پیشبینی مقدار اشباع آب با استفاده از داده های چاه پیمایی از داده های عمق و داده های لاگ های مقاومت، گاما، مقاومت ریزکروی کانونی، پتانسیل خود زا، و نوترون استفاده شد. سپس مدل های هوش مصنوعی با استفاده از شبکه های عصبی و الگوریتم ازدحام ذرات توسعه یافتند تا بتوان از آن ها جهت تخمین اشباع آب استفاده کرد. به منظور ساخت مدل های مختلف ابتدا کل داده ها به دو زیر مجموعه داده های آموزش و داده های تست تقسیم شدند. برای قسمت آموزش از ۸۵ درصد داده ها و برای بخش تست از ۱۵ درصد باقی مانده داده ها استفاده شد. برای مدل سازی اشباع آب حاصل از داده های نمودارگیری از دو مدل شبکه عصبی چند لایه (MLP) و شبکه عصبی پایه شعاعی (RBF) استفاده شد و دقت هر مدل مورد بررسی قرار گرفت.با وجود اینکه رابطه بین اشباع آب و اطلاعات چاه پیمایی یک میدان کاملا غیرخطی است، اما مدل های هوش مصنوعیRBF و MLP قادرند به خوبی این ارتباط غیرخطی را تشخیص داده و پیشبینی هایی با مقادیر R بالا و مقادیر AARD وRMSE پایین ارائه دهند.

کلیدواژه ها:

اشباع آب ، مخازن نفت کربناته ، هوش مصنوعی ، شبکه عصبی ، الگوریتم ازدحام ذرات