تخمین تخلخل مخزن از روی نشانگرهای لرزه‌ای با استفاده از روش‌های شبکه‌های عصبی مصنوعی در یکی از میادین نفتی جنوب کشور

تخلخل یکی از مهم‌ترین پارامترهای پتروفیزیکی مخزن است که تخمین آن از اهمیت زیادی در صنعت نفت و گاز برخوردار است. استفاده از روش‌هایی با بازدهی بیشتر و هزینه کمتر برای تخمین تخلخل، امری ضروری است. در سالیان اخیر، استفاده از نشانگرهای لرزه‌ای برای تخمین تخلخل، مورد توجه ویژه در پروژه‌های نفتی قرار گرفته است. در این مطالعه، از اطلاعات و داده‌‌های یکی از میادین نفتی خلیج‌فارس استفاده شده است. در این کار، جهت محاسبه نشانگر لرزه‌ای امپدانس صوتی، از روش وارون‌سازی براساس مدل و روش وارون‌سازی خارهای پراکنده استفاده شده است. همبستگی بین امپدانس صوتی واقعی و تخمین زده شده با استفاده از روش خارهای پراکنده و براساس مدل به ترتیب 98 و 88 درصد است. پس از محاسبه امپدانس صوتی، به تخمین تخلخل با استفاده از روش‌های چند نشانگر لرزه‌ای، شبکه عصبی احتمالاتی، شبکه عصبی تابع پایه شعاعی و شبکه عصبی عمیق پرداخته شده است. روش شبکه عصبی عمیق 96 درصد همبستگی بین تخلخل واقعی و تخمین زده شده ارائه داده است که جواب بهتری نسبت به سایر روش‌ها است. لذا، استفاده از روش شبکه عصبی عمیق برای تخمین تخلخل از نشانگرهای لرزه‌ای در میادین مشابه پیشنهاد می‌گردد.