مدل سازی تخلخل توسط رویکرد تیوری بیزین ترکیب اطلاعات و مقایسه آن با شبکه عصبی چند لایه و رگرسیون خطی چندگانه در میدان نفتی آزادگان

پارامتر تخلخل یکی از مهم ترین خصوصیات مخزن می ‌باشد که با مطالعه مغزه به-دست می ‌آید. با این وجود تمامی چاه های یک میدان دارای مغزه نیستند. هم چنین در برخی از چاه ها مانند چاه های افقی مغزه گیری عملا غیر ممکن است. ولی تقریبا در تمامی چاه ها نمودارگیری صورت می گیرد. به طور معمول از نمودارهای چاه نگاری به منظور تخمین تخلخل نیز استفاده می شود. تخلخلی که از این نگار ها به دست می ‌آید تحت تاثیر عواملی هم چون دما، فشار، نوع سیال، میزان هیدروکربور و شیل موجود در سازند قرار می ‌گیرند و در نتیجه با میزان واقعی تخلخل کمی متفاوت است. بنابراین تخمین ها توام با خطا و عدم قطعیت هستند. شاید بهترین و در عین حال عملی ترین روش جهت کاهش عدم قطعیت تخمین، استفاده از منابع مختلف داده جهت تخمین و در واقع استفاده از تکنیک های ترکیب اطلاعات باشد. کارکرد اصلی این تکنیک ها، افزایش اطمینان و کاهش ریسک در تصمیم گیری ها است. در این تحقیق، برای تعیین مقادیر تخلخل، با استفاده از داده-های چهار چاه واقع در میدان نفتی آزادگان، ابتدا از دو تکنیک شبکه عصبی چندلایه و رگرسیون خطی چند گانه استفاده شده و در نهایت نتایج این روش ها با تکنیک ترکیب اطلاعات (تیوری بیزین) مقایسه شده است. برای بررسی قابلیت تعمیم این سه روش در هر تکنیک، پارامتر تخلخل در یک چاه دیگر میدان نیز تخمین زده شده است. تعداد متغیرهای ورودی برای تخمین تخلخل در چاه مورد مطالعه در روش های شبکه عصبی و رگرسیون خطی چندگانه 7 است و در تکنیک ترکیب اطلاعات نیز از حداکثر 7 متغیر ورودی استفاده شده است. در نهایت با مقایسه نتایج حاصل از 3 روش نامبرده مشاهده شده است که تکنیک ترکیب اطلاعات (تیوری بیزین) از اعتبار بالاتری برخوردار است و در تخمین تخلخل به مقدار قابل توجهی از دو تکنیک شبکه عصبی چندلایه و رگرسیون خطی چند گانه بهتر عمل نموده است؛ به نحوی که همبستگی نتایج با واقعیت بیش از 90% به دست آمده است.