تعیین سنگ شناسی با استفاده از داده­های پتروفیزیکی توسط شبکه­های عصبی مصنوعی در یکی از مخازن کربناته پارس جنوبی

تعیین سنگ شناسی با استفاده از داده­های پتروفیزیکی توسط شبکه­ های عصبی مصنوعی  در یکی از مخازن کربناته پارس جنوبی

معصومه سمیعی: دانشجوی کارشناسی ارشد زمین شناسی نفت، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، samiee_m2009@yahoo.com  

عزت اله کاظم زاده ، پژوهشگاه صنعت نفت،kazemzadehe@ripi.ir

 علی کدخدایی: استادیار دانشکده زمین شناسی، دانشگاه تبریز، kadkhodaie_ali@tabrizu.ac.ir

 چکیده:

چاه پیمایی یک روش موثر و متداول برای تعیین پارامتر های پتروفیزیکی مخزن در ارزیابی کمی یک مخزن مانند تخلخل، اشباع هیدروکربن، تراوایی و لیتولوژی مخازن  است. استفاده از شبکه­های عصبی یکی از روش­های نو در تفسیر نگار­های چاه پیمایی است. از مهمترین کاربردهای شبکه عصبی تشخیص الگو می­باشد در این پژوهش از نمودارهای NPHI،RHOB ،PEF ،GR ،DT  استفاده شده است. اولین گام تعیین معماری نوع شبکه عصبی است که باید ساختار شبکه، توابع محرک یا تبدیل، الگوریتم آموزش شبکه وارزیابی عملکرد شبکه را مدنظر قرار داد. ساختار شبکه مورد استفاده یک شبکه عصبی پرسپترون پس انتشار خطا(Bp) با 5 ورودی برابر با تعداد نمودارها و7  نرون در لایه میانی و 5 نرون در لایه خروجی از تابع سیگموئیدی با توجه به غیر خطی بودن داده ها و دامنه وسیع آن ها برای لایه ورودی و میانی و تابع تحریک خطی برای لایه خروجی استفاده شده است تا خروجی را به رنج خاصی محدود نکند. الگوریتم آموزشی Levenberge-marquardt نیز در مقایسه با سایر روش­های آموزش شبکه انتخاب شده است و در نهایت با تحلیل و ارزیابی میانگین مربعات خطا (MSE) و آنالیز رگرسیون عملکرد شبکه مورد ارزیابی قرار گرفت.

واژه­های کلیدی: نگارهای چاه، شبکه عصبی مصنوعی، لیتولوژی، الگوریتم پس انتشار خطا