تخمین مدت زمان عبور امواج صوتی بوسیله شبکه عصبی با استفاده از نمودارهای پتروفیزیکی

بهره برداری صحیح از مخازن هیدروکربوری مستلزم بررسی دقیق رفتار مخزن و سیالات موجود در آن است. در دنیای امروز نفت حرف اول اقتصاد را میزند و هر کشوری که در حوزه نفت و گاز بتواند پیشرفت داشته باشد میتواند بر جهان اقتصاد حکمرانی نماید. پیش بینی عملکرد یک میدان برای توسعه آن ضروری می باشد. از طرفی پیش بینی عملکرد یک میدان نیازمند توصیف دقیق رفتار مخازن یک میدان می باشد. زمینه های مطالعاتی در حوزه نفت و گاز شناسایی نقاط نفت خیز، تعیین بهترین نوع حفاری، مشخص نمودن بهترین نقاط جهت حفاریهای نفتی، کاهش انحراف مسیر چاه ها، جلوگیری از هرزروی سیال، جلوگیری از گیر کردن لوله حفاری و غیره می باشد. در تعیین نوع گروه سنگی مخزن سه فاکتور لیتولوژی، هندسه فضاهای خالی و میزان تخلخل و تراوایی اهمیت بیشتری دارند، مغزه های نفتی منبع اصلی تهیه اطلاعات مورد نیاز است. تهیه مغزه های نفتی بسار پر هزینه بوده و لذا تعداد معدودی از چاه های هر میدان را به این روش میتوان بررسی نمود. این در حالی است که از همه چاه های یک میدان لاگهای پتروفیزیکی تهیه گردیده که امکان بررسی جامع تری را فراهم می کنند. استفاده از هوش مصنوعی یکی از روشهای نوین در شبیه سازی میدانها و چاه های نفتی می باشد که تکنولوژی جدیدی در راهبرد توسعه علمی صنعت نفت می باشد که از هدر رفت زمان و هزینه جلوگیری می کند. با استفاده از تکنیک های هوش مصنوعی، نه تنها می توان چاه مورد نظر را مکان یابی کرد بلکه مشکلات حفاری نظیر هرزروی سیال، ریزش دیواره چاه، گیرکردن لوله حفاری، مسیر حفاری و غیره نیز تعدیل می شوند. در این مقاله با استفاده از شبکه های عصبی روشی برای تخمین مدت زمان عبور امواج طولی در چاه ها، با اتکا به داده های موجود چاه های دیگر، پیشنهاد می کنیم. روش پیشنهادی می تواند جایگزین هزینه های اندازه گیری واقعی مدت زمان عبور امواج طولی در چاهها باشد. برای تخمین مدت زمان عبور امواج طولی از داده های پتروفیزیکی موجود چاه ها در میدان مارون استفاده شده است. در آزمایشات انجام شده، روش پیشنهادی دقت مناسبی را برای تخمین زمان عبور امواج طولی ارائه می کند.