پیش بینی تروایی در یک مخزن متراکم گازی با استفاده از ماشین برداری پشتیبان و شبکه عصبی مصنوعی

تولید نفت و گاز از مخازن نامتعارف با چالش های فراوانی روبرو است که در این بین تعیین دقیق ویژگی هایپتروفیزیکی میتواند امری راهگشا در توسعه مخزن باشد. درواقع بدون تعیین دقیق این ویژگی ها، تحلیل دقیق بسیاری ازمسائل مهندسی نفت ناممکن میباشد. تراوایی از مهمترین ویژگی های مورد بحث در مطالعات پتروفیزیکی مخازنهیدروکربوری میباشد. این ویژگی معمولا در آزمایشگاه و از آنالیز مغزه تعیین می گردد. پیش بینی تراوایی از روی نگارهایچاه به این دلیل مهم است که آنالیز مغزه به دلیل هزینه های بسیار زیاد و زمانبر بودن فقط برای تعداد کمی از چاه هایحفرشده موجود می باشد، درحالیکه داده نگارهای پتروفیزیکی برای اکثر چاه ها موجود بوده و اطلاعات پیوسته ای از ویژگی-های سازند در طول چاه به دست می دهند. برای پیش بینی تراوایی از روی نگارها روابط تجربی متعددی وجود دارد کهقابلیت تعمیمدهی نداشته و فقط در شرایط خاصی قابل استفاده اند. پیشرفت های اخیر در روشهای هوش مصنوعی ویادگیری ماشینی روشهای مناسبی را برای ساخت مدل هایی از تراوایی در مخازن ناهمگون فراهم نموده است. در اینپژوهش، از ماشین برداری پشتیبان و شبکه عصبی مصنوعی پرسپترون چندلایه برای ساختن مدلهای پیش بینی تراواییدر یک مخزن متراکم گازی استفاده شده تا توانایی آنها در تعیین روابط بین ویژگی های پتروفیزیکی سنجیده شود.عملکرد این روشها با یکدیگر نیز مقایسه گردید. آنالیز خطاها نشان میدهد که ماشین برداری پشتیبان قابلیت بالایی درپیش بینی تراوایی در مخازن متراکم گازی دارد و حتی میتواند عملکرد بهتری نسبت به شبکه های عصبی مصنوعی داشته باشد.

کلیدواژه ها:

تراوایی ، مخازن متراکم گازی ، ماشین برداری پشتیبان ، شبکه عصبی مصنوعی پرسپترون چندلایه