تخمین پارامترهای ژئومکانیکی یکی از میادین نفتی از روی نمودارهای پتروفیزیکی و با استفاده از روش های هوشمند

پروژه های مربوط به ساخت و ایجاد مدلهای ژئومکانیکی مربوط به چاه های اکتشافی و تولیدی در زمینه های گوناگون از لحاظ فنی و اقتصادی چالش برانگیز هستند. روشهای هوشمند یکی از روشهای جدید، کم هزینه و دقیقی هستند که میتوانند با بهره گیری از نگاره های پتروفیزیکی، پارامترهای ژئومکانیکی را در کمترین زمان ممکن تخمین بزنند. هدف این مقاله غلبه بر محدودیتهای تکنیکهای موجود با استفاده از تکنیکهای هوش مصنوعی مختلف است. داده هایی که در این مطالعه مورداستفاده قرار میگیرند از بررسی های چاه پیمایی معمولی تخلخل نوترونی، اشعه گاما و چگالی بالک و همچنین لاگ صوتی موجود هستند. مجموعه داده ها از 8 چاه در سازندهای کربناته و 24 نمونه مغزه برای ساخت یک مدل مناسب استفاده شد که میتواند پارامترهای شکست سنگ را از نمودارهای مربوط به چاه پیشبینی کند. سه تکنیک هوش مصنوعی، شبکه های عصبی مصنوعی (ANN)، سیستم استنتاج فازی - فازی (ANFIS) و ماشینهای بردار پشتیبان (SVM) برای پیشبینی سه پارامتر شکست ژئومکانیکی یعنی زاویه اصطکاک (FANG)، مقاومت فشاری محدودشده (UCS ) و مقاومت کششی (TSTR) استفاده شدند. برای هر پارامتر، سه تکنیک برای آموزش مدلهای AI اجرا شدند و سپس داده های دیگر برای اعتبارسنجی مدلها مورد استفاده قرار گرفت. از سه تکنیک هوش مصنوعی، مدل مربوط به شبکه های عصبی مصنوعی نتایج بسیار خوبی به همراه داشت و نتایج مورد استفاده در مورد مدلهای دیگری که با استفاده از روشهای سیستم استنتاج فازی – فازی و ماشینهای بردار پشتیبان انجام گرفت که با ضریب همبستگی 0,98 و AAPE در حدود 4,6 درصد به دست آمد، همچنین در این مقاله مدل شبکه ی عصبی مصنوعی به گونه ای برنامه ریزی شد که امکان استخراج موفقیت آمیز وزنها و بایاسهای شبکه به راحتی مورد استفاده قرار میگرفت.

کلیدواژه ها:

روشهای هوشمند ، شبکه های عصبی ، منطق فازی- فازی ، روش SVM ، مقاومت فشاری UCS ، مقاومت کششی.TSTR