پیش بینی پارامترهای پتروفیزیکی مخزن (نفوذپذیری، تخلخل و ...) از طریق نگاره رزونانس مغناطیسی هسته ای NMR LOGGING)و داده های مغزه گیری به کمک هوش مصنوعی

پارامترهای پتروفیزیکی سازند، از مهم ترین و اساسی ترین پارامترهای مربوط به جریان سیال می باشد. اهمیت نفوذپذیری در صنعت نفت و گاز با کاربرد آن به عنوان پارامتر تعیین کننده ضرورت تکمیل یا عدم تکمیل چاه،مشخص می شود.نفوذپذیری همچنین در مدیریت و توسعه مخازن حیاتی است. به طور مثال تعیین دبی تولید، تعیین بازه های تکمیل مشبک کاری، طراحی الگوی افزایش برداشت و محاسبه تزریق در مخازن. پس از کشف و به کارگیری نگاره رزونانس مغناطیسی هسته ایNMR LOGGINGو همچنین کاربرد آن در مطالعات آزمایشگاهی روی نمونه های سنگ مخزن، تلاشها در جهت اندازه گیری دقیق خصوصیات پتروفیزیکی سنگ مثل تخلخل و تراوایی با این روش آغاز و همچنان ادامه دارد. به دلیل مشکلات و هزینه های بالای عملیات مغزه گیری درچاه های نفت و گاز، که امکان اندازه گیری مستقیم پارامترهای تخلخل و تراوایی را در آزمایشگاه میسر می سازد به کارگیری ابزارهای CMR(Combinable Magnetic و MRIL(magnetic resonance image log) Resonance) به منظور اندازه گیری غیر مستقیم ولی دقیق پارامترهای پتروفیزیکی سنگ مخزن انجام شد. بدین منظور و جهت اندازه گیری پارامتر مهم تراوایی سنگ، دو مدلSDR(Schlumberger Doll و Coates Research) موجود می باشد. دراین مقاله سعی شده است با به کارگیری هوش مصنوعی و همچنین با بررسی داده های نگارهCMR و اطلاعات مغزه، روش جدیدی برای پیش بینی نفوذپذیری سازند ارائه شود که دقت بالاترینسبت به مدل هایSDR و Coates دارد.