توصیف مخزن یکی از مهمترین مراحل اکتشاف و توسعه مخزن است. روشی جدید و موفق در توصیف مخزن، روش واحدهای هیدرولیکی جریان است که ضخامت مخزن را به واحدهایی تقسیم می کند که قابل نقشه برداری اند و خواص مخزنی آنها، به طور قابل پیش بینی از خواص دیگر بخشهای مخزن متفاوت است. یکی از روشهای موفق در تقسیم بندی مخازن، آنالیز خوشه ای است که در این مطالعه از آن بهره گرفته شده است. با توجه به هزینه بالای مطالعات مخزنی، نمی توان در تمام مخزن مغزه گیری کرد. برای هموار کردن این مهم، در پژوهش حاضر از روشهای هوش مصنوعی برای تخمین پارامترهای مخزنی در چاههایی که مغزه گیری در آنها انجام نشده است، استفاده شده است. پس از تعمیم پارامترهای مخزنی در کل میدان، واحدهای هیدرولیکی جریان و دیگر پارامترهای مخزنی در میدان مدلسازی شده اند. داده های لرزه ای موجود در این میدان (امپدانس صوتی نسبی)به صورت متغیر دوم در کوکریجینگ وارد نرم افزار مدلسازی شدند تا پارامترهای مخزن، از اطلاعات لرزه ای هم بهره مند شده و با دقت بیشتری مدل شوند. نتایج مدلسازی با استفاده از داده های لرزه ای نشان داد که این اطلاعات، تا حد زیادی دقت مدلها را افزایش می دهند. این پژوهش نشان داد که زمانی که مدلسازی شاخص منطقه ای جریان و واحدهای هیدرولیکی با استفاده از الگوریتمهای sgs و sis با داده های لرزه ای تلفیق شود، نتایج بسیار خوبی را ارائه می دهد.