استفاده از رگرسیون بردار پشتیبان بر پایه کرنل گاوسی برای مدل سازی تخلخل مخزن در یکی از میادین نفتی ایران

تراوایی، تخلخل و رخساره های رسوبی فاکتور های اساسی مشخصه های مخزنی هستند. تخلخل نمایانگر توانایی سنگ در ذخیره سیالات است. رویکرد های زیادی برای رگرسیون های خطی/غیرخطی از جمله شبکه های عصبی در سال های اخیر بسیار موردتوجه بوده اند، شبکه عصبی پرسپترون چندلایه (MLP) یکی از این شبکه ها می باشد که توانایی خود را به اثبات رسانده است ولی هرکدام از این روش ها معایبی دارند. در این تحقیق روش ماشین بردار پشتیبان (SVM) به عنوان روش اصلی برای رگرسیون و تخمین تخلخل مخزن در یکی از مخازن هیدروکربنی به کار گرفته شده است. این روش با روش پرسپترون چندلایه مقایسه شده است و نتایج هرکدام موردبررسی قرار گرفته اند. برای این کار ابتدا هرکدام از ماشین های موردنظر برای تخمین تخلخل در محل چاه به کار گرفته شده اند و نتایج اولیه باهم مقایسه شدند. نتایج اولیه رگرسیون بردار پشتیبان توانایی بالاتری نسبت به پرسپترون چندلایه نشان داد. برای این کار بردار پشتیبان برپایه کرنل های مختلف مورد استفاده قرار گرفت که تابع کرنل گاوسی نتایج بهتری حاصل کرد و نهایتا برای مدل سازی سه بعدی تخلخل به کار گرفته شد. برای تهیه یک نقشه سه بعدی به داده های لرزه ای و نشانگرهای استخراج شده مناسب از روی آن نیاز می باشد. بررسی و مقایسه نتایج نشان داد که هردوی ماشین های پرسپترون چندلایه و بردار پشتیبان از توانایی بالایی برخوردار هستند ولی رگرسیون بردار پشتیبان با توجه به قدرت تخمین بالا نتایج بهتری حاصل کرد.