ترکیب روش های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره های مخزن

تشخیص رخساره های مخزنی و تعیین نواحی با کیفیت مخزنی بالا نقش مهمی در مدل سازی مخزن و همچنین حفاری های آتی در میدان های در حال توسعه ایفا می کند. شاخص جریانی یکی از شاخص هایی است که با توجه به تغییر خصوصیات مخزن تغییر کرده و می تواند نقش موثری در تقسیم بندی رخساره های مخزنی داشته باشد. مطالعه حاضر یک مدل بهینه یافته و پیشرفته را به وسیله ترکیب سیستم های هوشمند برای تخمین شاخص جریانی در کل میدان پیشنهاد می دهد. این ماشین گروهی نتایج پیش بینی شده حاصل از سیستم های هوشمند عصبی، فازی و عصبی- فازی را با وزن های مشخص با هم ترکیب می کند، وزن های بهینه برای هر یک از این روش ها به وسیله الگوریتم مورچگان پیوسته تعیین می شود. در این مطالعه از داده های چاه و لرزه نگاری سه بعدی مربوط به یکی از میادین جنوب ایران برای اعمال روش ها استفاده شده است. در مرحله اول، نشانگرهای لرزه ای که ارتباط بیشتری با داده هدف (FZI) دارند با استفاده از برازش گام به گام انتخاب می شوند و در ادامه با استفاده از سیستم های هوشمند و ترکیب آن ها مکعب سه بعدی شاخص جریانی در کل میدان تخمین زده می شود و در مرحله پایانی با استفاده از الگوریتم خوشه بندی C میانگین فازی (Fuzzy C-Mean) رخساره های مختلف مخزن از هم تفکیک داده می شوند. نتایج این مطالعه نشان دهنده کارایی بهتر ماشین گروهی با استفاده الگوریتم مورچگان پیوسته (ACO R) نسبت به هر یک از روش های منفرد می باشد.