بررسی میزان تأثیر موقعیت چاه های همجوار و حجم داده های ورودی روی عملکرد شبکه های عصبی جهت تخمین لاگهای مصنوعی چاه پیمایی

شناخت رفتار و خواص سنگ و سیال مخزن، از اصول مهم و لاینفک در مدیریت آن است. به لحاظ پیچیدگی و عدمقطعیت در ابعاد استاتیکی و دینامیکی مخازن، این شناخت به سادگی حاصل نمی شود و نیازمند همکاری و توالی یک سریتکنیک ها و تخصص های مرتبط با مهندسی نفت است. ارزیابی پتروفیزیکی به منظور محاسبه برخی پارامترهای مخزنی(تخلخل، درصد اشباع سیال، لیتولوژی و ...) یکی از ابزارهای مهم در این رابطه است. این پارامترها نتیجه تفسیر نمودارهایپتروفیزیکی به منظور مشخصه سازی و توصیف مخزن می باشد. ساخت نمودارهای پتروفیزیکی مصنوعی تکنیکی است کهاخیراً با استفاده از روشهای نوینی همچون شبکه های عصبی مصنوعی مورد بحث و بررسی قرار گرفته است که دیدگاه هایمتفاوتی درباره کیفیت و کارایی آن در این زمینه مطرح است.هدف این مطالعه، تحلیل حساسیت شبکه های عصبی مصنوعی به موقعیت چاه های همجوار چاه مورد مطالعه و همچنینمیزان و کمیت داده های ورودی است. برای بخش اول کار، نمودار فاکتور فوتوالکتریک (PEF) چاه A با استفاده از سه چاههمسایه (B, C, D) ساخته شد و بر اساس نتایج به دست آمده مشاهده شد که افزایش فاصله و لذا ناهمگنی مخرن و نیزتغییر موقعیت چاه در یال دیگر میدان، دقت شبکه را کاهش می دهد. در بخش بعدی تحقیق، با هدف بهینه سازی فرآیند آموزش شبکه عصبی برای تخمین نمودار PEF داده های ورودی با نسبت های 80%، 60%، 40% و 20% کل داده ها به صورت تصادفی انتخاب شدند. افزایش دادههای ورودی تا جایی که در الگوی حاکم بر دادهها تنوعی پیش نیاید، با بهبود عملکردشبکه همراه است؛ در غیر اینصورت باید دادههای ورودی دسته بندی شوند.

کلیدواژه ها:

لاگ های پتروفیزیکی ، شبکه های عصبی مصنوعی ، ضریب همبستگی ، نمودار فاکتور فوتوالکتریک