تخمین تخلخل از روی نگارهای چاه با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی در شمال شرق ایران)

ارزیابی صحیح مخزن نقش بسیار مهمی در صنعت نفت ایفا می کند. این مورد مطالعاتی به یک مدلسازی در شبکه های عصبی مصنوعی و تعمیم این شبکه برای پیش بینی مقادیر واقعی تخلخل از روی داده های نگار مربوط به سه چاه در میدان گازی خانگیران واقع در شمالشرق ایران می پردازد. شبکه عصبی مصنوعی تخلخل، یک شبکه ساده سه لایه است که از نگاره های صوتی، چگالی و مقاومت ویژه به عنوان ورودی استفاده می کند. این شبکه دارای سه نرون در لایه ورودی، ده نرون در لایه میانی و یک نرون در لایه خروجی می باشد. تخلخل مطلوب برای آموزش شبکه از نوع تخلخل نگار به دست آمده از نگارهای چگالی و نوترون انتخاب گردید. پیش بینی های تخلخل شبکه در مرحله فرآوری با تخلخل به دست آمده از روی نگار مقایسه شدند و شبکه تخلخل در حالت کلی به مجموع مربعات خطای 001/. و ضریب همبستگی 98% همگرا شد.

کلیدواژه ها:

سازند مزدوران ، نرخ یادگیری ، سیکل ، پس انتشار خطا