مروری بر توانایی روش‌های هوش مصنوعی در تخمین پارامترهای پتروفیزیکی و ژئومکانیکی در مخازن هیدروکربوری

بررسی مخازن هیدروکربوری در برآورد پارامترهای پتروفیزیکی و خصوصیات ژئومکانیکی همواره با چالش‌هایی مواجه بوده است. پرهزینه و زمان‌بر بودن عملیات مغزه‌گیری، وجود نمونه‌های نامناسب و خردشده و ناکافی بودن داده‌های برداشت شده از مغزه‌ها موجب جایگزینی داده‌های نموداری یا لاگ‌های به دست آمده از عملیات چاه‌پیمایی برای تجزیه و تحلیل‌ها شده است. به منظور تخمین پارامترهای مخازن هیدروکربوری از انواع لاگ‌های الکتریکی، صوتی و هسته‌ای استفاده می‌شود. در این زمینه روابط تجربی فراوانی نیز در مورد محاسبه پارامترها ارائه شده است. با این حال، روابط تجربی معایبی از جمله دقت پایین و کالیبره شدن این روابط بر روی سنگ شناسی خاص و عدم تخمین پارامترها برای دیگر مخازن با سنگ شناسی متفاوت را دارند. در این میان استفاده از روش‌های هوش مصنوعی، به عنوان بهترین و اقتصادی ترین راهکار جهت پیش‌بینی پارامترهای پتروفیزیکی از روی داده‌های نموداری چاه پیمایی و هم‌چنین تخمین پارامترهای ژئومکانیکی، در بین سایر روش‌های اندازه گیری به شمار می‌آید، که امروزه به عنوان یک ابزار قوی در شبیه‌سازی، کاربرد بسیاری پیدا کرده‌اند. هدف از این تحقیق بررسی و مرورکاربرد روش‌های هوش مصنوعی در تخمین پارامترهای پتروفیزیکی و ژئومکانیکی با استفاده از داده‌های چاه نگاری در مخازن هیدروکربوری است که در تحقیقات گذشته مرود بررسی قرار گرفته‌اند.