عملکرد اجرایی تولید در یک مخزن هتروژنز، بدون محاسبه¬ی پارامترهای دقیق آن نمی¬تواند به طور واقعی پیش-بینی شود. یکی از این پارامترها تراوایی می¬باشد که از مهمترین خصوصیات سازندهای حاوی هیدروکربن و در ضمن از مشکل-ترین خواص سنگ برای پیش¬بینی می¬باشد. پارامتر دیگر شعاع گلوگاه تخلخل می¬باشد که نقش بسیار مهمی در تعیین تراوایی، تخلخل، ازدیاد برداشت، توانایی نگهداری ستون هیدروکربوری توسط پوش سنگ و... دارد. در روش¬های مستقیم بدلیل زمان¬بر بودن، پرهزینه بودن عملیات تزریق جیوه بر روی نمونه¬ها، سمّی بودن خود جیوه و نیاز به حضور مغزه روش های مختلفی جهت تخمین این پارامترها ارائه شده است. ¬تا به امروز صنعت نفت سعی کرده است تا مقادیر صحیح تراوایی را از طریق اندازه¬گیری های مستقیم آزمایشگاهی بر روی مغزه ها و یا تفسیر آزمایش چاه بدست آورد. البته هر دوی این روش¬ها صحیح بوده، اما برای توصیف کامل مخزن کافی نمی¬باشند، زیرا در هر میدان نفتی به دلیل وقت¬گیر بودن و نیز هزینه زیاد فقط تعداد محدودی از چاه¬ها مغزه¬گیری شده و یا آزمایش چاه فقط به تعداد محدود در هر میدان نفتی توصیه می¬شود. یکی از اهداف مطالعات پتروفیزیکی تخمین دقیق و صحیح تراوایی در چاه¬هایی است که اندازه¬گیری تراوایی در آن¬ها به هر دلیلی (نبود مغزه، وجود شکستگی در نمونه¬ها و (... ممکن نمی-باشد. رسیدن به این هدف مشکل است، زیرا هیچ لاگی که بتواند مستقیماً تراوایی را در یک چاه اندازه بگیرد، توسعه پیدا نکرده است. بنابراین در روش¬های غیرمستقیم برای تعیین تراوایی از داده-های پتروفیزیکی و لاگ¬های مختلف استفاده می¬کنند. بدین ترتیب تراوایی چاه¬های فاقد مغزه از طریق محاسباتی بدست می¬آید. در این مطالعه ترکیب روش¬های حاصل از آزمایش¬های تزریق جیوه با روش-های تئوری وینلند و پیتمن و مقایسه این روش¬ها با تکنیک شبکه-های عصبی مصنوعی جهت محاسبه¬ی پارامتر تراوایی و شعاع گلوگاه تخلخل در سنگ¬های کربناته با استفاده از نتایج ارزیابی پتروفیزیکی مورد بحث قرار گرفت. در محاسبات اولیه نشان دادیم روش¬های تئوری پیشین نمی¬توانند شعاع گلوگاه را به خوبی محاسبه کنند؛ لذا با توجه به اینکه شبکه عصبی مصنوعی تکنیک جدیدی است که با الهام از ساختار سیستم عصبی مغز انسان ظرفیت زیادی برای حل و پی بردن به ارتباطات بسیار پیچیده بین متغیرهای مختلف را دارا می¬باشد و در زمینه محاسبه تراوایی کاربرد زیادی نشان داده است؛ بنابراین در این مطالعه با استفاده از دو روش شبکه عصبی lssvm و mlp قصد داریم بهترین ضریب همبستگی جهت محاسبه دو پارامتر تراوایی و شعاع گلوگاه تخلخل را بیابیم که با استفاده از الگوریتم-های طراحی شده در بهترین حالت ضریب همبستگی 99/0 برای تراوایی و 89/0 برای تعیین شعاع گلوگاه تخلخل بدست آمد که بیانگر کارایی بسیار خوب شبکه¬های عصبی در تعیین این دو پارامتر می¬باشد.