ترکیب روش‌های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره‌های مخزن

تشخیص رخساره‌های مخزنی و تعیین نواحی با کیفیت مخزنی بالا نقش مهمی در مدل‌سازی مخزن و همچنین حفاری‌های آتی در میدان‌های در حال توسعه ایفا می‌کند. شاخص جریانی یکی از شاخص‌هایی است که با توجه به تغییر خصوصیات مخزن تغییر کرده و می‌تواند نقش موثری در تقسیم‌بندی رخساره‌های مخزنی داشته باشد. مطالعه حاضر یک مدل بهینه‌یافته و پیشرفته را به‌وسیله ترکیب سیستم‌های هوشمند برای تخمین شاخص جریانی در کل میدان پیشنهاد می‌دهد. این ماشین گروهی  نتایج پیش‌بینی شده حاصل از سیستم‌های هوشمند عصبی، فازی و عصبی- فازی را با وزن‌های مشخص با هم ترکیب می‌کند، وزن‌های بهینه برای هر یک از این روش‌ها به‌وسیله الگوریتم مورچگان پیوسته تعیین می‌شود. در این مطالعه از داده‌های چاه و لرزه‌نگاری سه‌بعدی مربوط به یکی از میادین جنوب ایران برای اعمال روش‌ها استفاده شده است. در مرحله اول، نشانگرهای لرزه‌ای که ارتباط بیشتری با داده هدف (FZI) دارند با استفاده از برازش گام به گام انتخاب می‌شوند و در ادامه با استفاده از سیستم‌های هوشمند و ترکیب آن‌ها مکعب سه‌بعدی شاخص جریانی در کل میدان تخمین زده می‌شود و در مرحله پایانی با استفاده از الگوریتم خوشه‌بندی C میانگین فازی (Fuzzy C-Mean) رخساره‌های مختلف مخزن از هم تفکیک داده می‌شوند. نتایج این مطالعه نشان‌دهنده کارایی بهتر ماشین گروهی با استفاده الگوریتم مورچگان پیوسته (ACO R) نسبت به هر یک از روش‌های منفرد می‌باشد.