توسعه تکنیکی جدید برای پیش بینی سرعت موج برشی براساس داده های لاگ پتروفیزیکی

یکی از پارامترهای بسیار مهم و پرکاربرد در زمینه ژئومکانیک نفت به منظور تعیین پارامترهای پتروفیزیکی مخزن، تخمین سرعت موج برشی (v_s)می باشد. به منظور دستیابی به این مهم، از اطلاعات آزمایشگاهی، اطلاعات لاگ پتروفیزیکی و مغزه گیری استفاده می گردد که سهل الوصول ترین راه، استفاده از لاگ پتروفیزیکی است. معادلات تجربی بسیاری در این زمینه ارائه شده ولی از آن جایی که این معادلات تجربی تنها برای نواحی خاصی تعریف شده اند، استفاده از مدل های هوش مصنوعی بهترین گزینه در تعیین این پارامتر مهم می باشند. لذا در این مقاله از یک تکنیک جدید هیبریدی هوش مصنوعی که شامل ترکیب الگوریتم گرادیان مزدوج (cgf) با بهینه ساز الگوریتم ژنتیک (ga) می باشد، بهره برده شده است. اطلاعات استفاده شده در این تکنیک شامل، لاگ گاما (gr)، سرعت موج فشارشی (v_p)، دانسیته سنگ (rhob)، لاگ نوترون (nphi) و لاگ کالیپر (cp) می باشد. با مقایسه نتایج حاصله از الگوریتم نوترکیب و جدید هوش مصنوعی با معادلات تجربی، چنین مشاهده شد که نتایج حاصل از الگوریتم هیبریدی هوش مصنوعی بسیار دقیق تر از دیگر روش ها بوده که می تواند به عنوان یک اقدام رو به جلو در پیش بینی این پارامتر مهم، مطرح باشد. به طوری که برای این الگوریتم مقدار مربع ضریب همبستگی (r2) 9813/0و مجذور میانگین مربعات خطا (rmse) 0411/0 به دست آمده است.