تخمین تراوایی با بکارگیری ﻧﮕﺎرهﻫﺎی ﭘﺘﺮوﻓﯿﺰﯾﮑﯽ و روش های هوش مصنوعی: مطالعه موردی در مخزن آسماری ﯾﮑﯽ از ﻣﯿﺎدﯾﻦ ﻧﻔﺘﯽ ﺟﻨﻮب ﻏﺮﺑﯽ اﯾﺮان

در این پژوهش ابتدا نمودار تشدید مغناطیسی هسته ای در مخزن آسماری مورد ارزیابی قرار گرفت و تراوایی با استفاده از دو روش مرسوم مدل سیال آزاد(coates) و مدل شلمبرژه یا میانگین t2 (sdr) محاسبه شد. سپس با ساخت مدل ساده شبکه عصبی مصنوعی و همچنین ترکیب آن با الگوریتم های بهینه سازی رقابت استعماری (ann-ica) و ازدحام ذرات (ann-pso) تراوایی تخمین زده شد. در نهایت نتایج حاصل با مقایسه تراوایی coates و تراوایی sdr تخمین زده شده نسبت به مقدار واقعی، مورد بررسی قرار گرفتند و دقت تخمین از نظر مجموع مربع خطا و ضریب همبستگی مقایسه شد. نتایج بیانگر دﻗﺖ ﺑﺎﻻی ﻣﻘﺎدﯾﺮ ﺗﺮاواﯾﯽ ﺗﺨﻤﯿﻦ زده ﺷﺪه ﺑﺎ اﺳﺘﻔﺎده از ترکیبی ﺑﺎ اﻟﮕﻮرﯾﺘﻢﻫﺎی ﺑﻬﯿﻨﻪﺳﺎزی اﺳﺖ. ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از ترکیب اﻟﮕﻮرﯾﺘﻢﻫﺎی بهینه سازی در اﯾﻦ ﻣﻄﺎﻟﻌﻪ ﻣﯽﺗﻮاﻧﺪ ﺑﻪ ﻋﻨﻮان روﺷﯽ ﻗﺪرﺗﻤﻨﺪ و مفید در ﺟﻬﺖ ﺑﺪﺳﺖ آوردن ﺳﺎﯾﺮ ﭘﺎراﻣﺘﺮﻫﺎ، از ﺟﻤﻠﻪ ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺨﺰﻧﯽ، ﭘﺘﺮوﻓﯿﺰﯾﮑﯽ و ژﺋﻮﻣﮑﺎﻧﯿﮑﯽ اﺳﺘﻔﺎده ﺷﻮد.

permeability estimation using petrophysical logs and aartificial iintelligence methods: a case study in asmari reservoir of one of the oil fields of southwestern iran

in this study, first, the permeability of the magnetic resonance imaging of the nucleus was calculated using two conventional methods, the free fluid model (coates) and the schlumberger model or the mean t2 (sdr). then, a simple model of artificial neural network was designed with the training process of the backpropagation algorithm, then using the imperialist competition optimization algorithm (ann-ica) and particle swarm algorithm (ann-pso) this model was optimized and it was used to estimate the permeability parameter. finally, the results were analyzed by comparing the estimated permeability with the actual value and the estimation accuracy was compared in terms of two parameters of mean-square error and correlation coefficient. the results indicate the high accuracy of the permeability values estimated using a combination of simple neural network with optimization algorithms. the results of combining optimization algorithms in this study can be used as a powerful and useful method to obtain other parameters, including reservoir, petrophysical and geomechanical parameters.