سنتز لاگ های پتروفیزیکی برای فواصل فاقد لاگ یا دارای ریختگی با استفاده از تکنیک شبکه عصبی از طریق اطلاعات چاه های اطراف در میدان نفتی آزادگان

نگاربرداری و تفسیر نگارهای پتروفیزیکی قطعا جایگاه ویژه ایی در تحلیل یک چاه از جهت دارابودن پتانسیل لازم برای مخزن بودن را داراست و امروزه شرکت های مهم نرم افزاری دنیا به دنبال روش هان نفتی جایگزین جهت تولید و سنتز نگارها می باشند. با توجه به این که بسیاری از خواص پتروفیزیکی مثل تراوایی و تخلخل نیازمند مغزه گیری اند و عملا با توجه به هزینه آن امکان انجام این اقدام در بسیاری از میادین نفتی و چاه ها جود ندارد و حتی بعضی از چاههای افقی هم با توجه به ساختار نمی توانند دارای عملیات مغزه گیری باشند لذا روش های هوشمند زیادی مثل شبکه عصبی و منطق فازی در سال های اخیر توانسته اند توجه متخصصین صنعت نفت را در بسیاری از موارد از جمله شاخه پتروفیزیک به خود جلب کنند. در این مقاله با روش شبکه عصبی مصنوعی، به سنتز نگار گاما، و نگارهای تخلخل (چگالی، نوترون و صوتی) با استفاده از اطلاعات چاه های اطراف پرداخته و مقایسه کاملی با استفاده از ضریب همبستگی و ترسیم کراس پلات انواع مدل های ورودی و خروجی صورت پذیرفت که ضمن موفقیت آمیز بودن روش، نتایج حاصل از وزودی قرار دادن چاه شماره 1 برای 2 چاه 9 و 21 دارای بهترین نتایج بود، ضمنا نگار صوتی و نوترون از بهترین نتایج از بین 4 نگار سنتز شده در تمام مدل ها بودند.