تعیین نقطه ی بهینه ی حفاری با استفاده از روش های هوشمند اکتشافی

این تحقیق بنا دارد به منظور تخمین تخلخل یک مخزن ماسه سنگی گازدار، یک مدل تجربی ریاضی معرفی کند. این مدل در نقش یک مدل مستقیم عمل می کند و نشانگر لرزه ای شباهت را به تخلخل سازند تبدیل می نماید ولی از آنجاییکه این مدل، داده محور و تجربی می باشد به عنوان مدل شبه مستقیم نشانگر شباهت نام گذاری می شود. این تحقیق، ابتدا با استفاده از یک رابطه ی تجربی آماری که از نشانگر مقاومت صوتی استخراج شده است، تخلخل یک مخزن ماسه سنگی گازدار را تخمین می زند سپس از سه سیستم فازی عصبی مختلف، برای تخمین پارامتر تخلخل استفاده می نماید تا در کنار مدل نشانگر شباهت توسعه یافته ی خود ارزیابی قابل قبولی را ارائه دهد. در ابتدا روش کمترین مربعات برای برگردان سازی مدل ریاضی مذکور به کار گرفته می شود ولی مدل به دست آمده پایداری لازم را ندارد و نمی توان آن را به کل مخزن تعمیم داد بنابراین از روش های تجزیه مقادیر منفرد کاهش یافته و پایدار ساز تیخونوف برای بهبود ضرایب مدل نشانگر شباهت استفاده می شود. ضریب همبستگی رابطه ی آماری و سیستم های فازی عصبی از 7/0 و 8/0 به ترتیب در مجموعه داده ی آزمون به 4/0 و 5/0 در مجموعه داده ی اعتبار کاهش پیدا می کنند اما مدل نشانگر شباهت در هر دو مجموعه داده ی آزمون و اعتبار ضریب همبستگی 7/0 را از خود نشان می دهد که این عامل نشان از تعمیم یافتگی مناسب مدل تجربی در مقابل سایر مدل ها دارد. نتایج این ارزیابی، نشان از برتری مدل نشانگر شباهت در مقابل سیستم های فازی عصبی و رابطه ی آماری مقاومت صوتی در سازندهای ماسه سنگی دارد. از دیدگاه ساختاری، مدل نشانگر شباهت توانایی شناسایی دودکش های گازی و آنومالی لکه ی روشن را دارد که بیشتر در مخازن گازدار مشاهده می شود.