کاربرد آنالیز حساسیت در بهبود تخمین تخلخل با استفاده از شبکه عصبی
| دسته | معدن |
|---|---|
| گروه | سازمان زمین شناسی و اکتشافات معدنی کشور |
| مکان برگزاری | بیست و نهمین گردهمایی علوم زمین |
| تاريخ برگزاری | ۲۷ بهمن ۱۳۸۹ |
کاربرد آنالیز حساسیت در بهبود تخمین تخلخل با استفاده از شبکه عصبی
لیلا مقدسی، کارشناسی ارشد از دانشگاه صنعتی اصفهان Leila.moghadasi@gmail.com
نادر فتحیان پور، دانشیار اکتشاف معدن، عضو هیئت علمی دانشکده معدن دانشگاه صنعتی اصفهان fathian@cc.iut.ac.ir
احمد رضا مختاری،استادیار اکتشاف معدن،عضو هیئت علمی دانشکده معدن دانشگاه صنعتی اصفهان
چکیده :
تخمین تخلخل از روی داده های چاه نگاری، یک ضرورت اساسی در مهندسی مخزن و ارزیابی سازند قلمداد می گردد. اطلاعات مربوط به تعیین پارامترهای پتروفیزیکی، غالباً با استفاده از مطالعه مغزه ها، حاصل می شوند ولی استفاده از این روش در بسیاری موارد بسیار گران و حتی غیر قابل اجرا میباشد.شبکه های عصبی مصنوعی، یکی از جدیدترین تکنیکهای هوشمندی هستند که به تدریج جایگاه خود را در میان علوم مختلف و بخصوص در مهندسی نفت پیدا کرده است.در این تحقیق، استفاده از آنالیز حساسیت جهت تعیین تأثیر متغیرهای ورودی در مدل سازی بروش شبکه های عصبی مصنوعی با استفاده از نگارهای چاهی و بمنظور بهبود تخمین تخلخل در مخزن نفتی اهواز ارائه شده است.در این مطالعه، برای تعیین مقادیر تخلخل درسازند آسماری از میدان نفتی اهواز از دو شبکه عصبی پس انتشار خطا استفاده شد. ابتدا شبکه ای با11 پارامتر ورودی شامل نگارهای نوترون، چگالی، صوتی، پرتو گاما، رسانایی، اشباع آب، تخلخل موثر، عمق، مقاومت و قطر سنجی بکار گرفته شد. از آنجایی که یک مدل با تعداد پارامترهای ورودی زیاد، برای تجزیه و تحلیل بسیار پیچیده بوده و وارد کردن پارامترهای کم اهمیت، نه تنها اعتبار مدل را بهبود نمی‌بخشند، بلکه ممکن است منجر به ایجاد مدلی پیچیده شود که توانایی کمی برای پیش‌بینی داشته باشد لذا بدون پایین آوردن دقت مدل، با استفاده از آنالیز حساسیت که اهمیت نسبی این پارامتر ها را بر روی خروجی مشخص می نماید، فقط پارامترهایی که بیشترین تأثیر را در مدل دارند، انتخاب و در مدل بکار برده شد. لذا شبکه دیگری با 8 پارامتر ورودی شامل نگارهای قطر سنجی، نوترون، چگالی، صوتی، پرتو گاما، رسانایی (CXO)، تخلخل موثر و عمق برای شبکه بهینه مورد استفاده قرار گرفت. مقادیر تخلخل برآورد شده توسط این شبکه در مرحله تعمیم، مقدار همبستگی معادل 70/0 برای شبکه با هشت پارامتر ورودی را نشان داد.
کلید واژه ها: شبکه های عصبی، تخلخل، آنالیز حساسیت، شبکه پس انتشار، مخزن نفتی آسماری