مـدل سـازی سنـگ شناسـی در میدان گازی پـارس جنـوبی با استفـاده از شبـکه عصبـی مصنوعی

مغزه گیری از تعدادی چاه بدون توجه به اندازه میدان نفتی، برای به دست آوردن اطلاعات کلی از منطقه، امری ضروری و غیرقابل اجتناب می باشد. مغزه گیری از تمام چاه ها در یک میدان بزرگ بسیار پرهزینه است. بنابراین، یافتن راهی برای گریز از این هزینه بالا ضروری به نظر می رسد. این پژوهش به مدل سازی شبکه های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای تخمین لیتولوژی در یکی از مخازن میدان گازی پارس جنوبی اختصاص دارد. در این تحقیق، از یک شبکه عصبی سه لایه با الگوریتم پس انتشار خطا (bp) و الگوریتم آموزش لونبرگ- مارکوآرت، برای تخمین سنگ شناسی استفاده شده است. نگارهای نوترون، چگالی، پرتو گاما و اثرفتوالکتریک (pef) به صورت ورودی شبکه در نظر گرفته شده است. در این تحقیق، داده های مربوط به چهار چاه در میدان پارس جنوبی مورد استفاده قرار گرفته است. از داده های دو چاه (چاه هایspf1 و spf2) که دارای آنالیز مغزه بودند برای آموزش شبکه، اعتبارسنجی و آزمون استفاده شد و سپس شبکه طراحی شده جهت تخمین سنگ شناسی دو چاه دیگر (چاه های spf3 و spf4) مورد استفاده قرار گرفت و با داده های مغزه آن ها مقایسه گردید. سنگ های مورد بررسی عبارتند از: دولومیت، آهک، آهک دولومیتی، دولومیت آهکی، انیدریت، شیل، آهک شیلی و دولومیت شیلی. مقدار میانگین مربعات خطا (mse) برای چاه spf3 برابر 087/0 و برای چاه spf4 برابر 098/0 می باشد.