کاربرد شبکه عصبی در ارزیابی پتروفیزیکی سازند آسماری در یک چاه تولیدی واقع درجنوب غرب ایران

تعیین پارامترهای پتروفیزیکی و بررسی توزیع آن ها در عمق مخزن، می تواند منجر به زون بندی جدید و تغییر ضخامت زون تولیدی میادین شود. کانی های رسی از دسته کانی های بومی سازندها هستند که در بیشتر سازندهای هیدروکربوری حضور داشته و با کاهش پارامترهای مهم مخزنی و کلیدی از جمله تخلخل و تراوایی پتانسیل تولید را کاهش می دهند. در این پژوهش، هدف بررسی پتروفیزیکی سازند آسماری با تلفیق انواع روش های سنتی و هوشمند به منظور تخمین حجم رس و ارزیابی کیفیت مخزن است. برای تخمین پتروفیزیکی حجم رس به روش های سنتی، روابط پتروفیزیکی بویان - پاسی، استیبر، کلاویر، لارینف -1 (با توجه به سن سازند) و جوزانی کهن بر داده های نگار پرتوی گاما اعمال شد که با مقایسه با 15 داده آزمایشگاهی این پارامتر در اعماق معلوم، کمترین خطا %45 به دست آمد. سپس، برای کاهش خطا به مدل سازی توسط شبکه عصبی (MLP) پرداخته شد که با تخمین داده های آزمایشگاهی، تعداد 259 داده تولید و با تابع فعال سازی تانژانت زیگمویید، الگوریتم آموزش لونبرگ - مارکوات، تعداد 6 نرون و 1 لایه پنهان آموزش داده شد. خروجی های حجم رس شبکه عصبی طبقه بندی شد و جنس سازندی به طور عمده ماسه سنگی - رسی تعیین شد. با بررسی نمودارهای چگالی - تخلخل سنگ شناسی سازندی تعیین و بازه های با کیفیت مخزنی خوب و مناسب برای عملیات مشبک کاری معرفی شدند. داده های نمودار پرتوزایی گاما و تخلخل نوترونی نیز طبقه‎بندی شد و بازه های با کیفیت سازندی از ضعیف تا عالی معرفی شدند که در نهایت با تلفیق تمامی نتایج حاصل از مطالعات در این پژوهش کیفیت کلی سازند آسماری در چاه موردمطالعه خوب برآورد شد.