پیش بینی نفوذپذیری ازتخلخل، سطح ویژه و اشباع آب کاهش نیافتنی با استفاده از شبکه های عصبی مصنوعی

یکی از خواص بسیار مهم مخازن نفت قابلیت نفوذ یک سیال مانندنفت گاز و یا آب در آن است هرچه نفوذپذیری بالاتر باشد نفتو گاز راحت تر در سنگ مخزن جریان می یابند و درنتیجه استخراج نفت با سرعت بیشتر و هزینه کمتری امکان پذیر است با توجه به اهمیت این موضوع دراین مقاله به بررسی روابط بین مشخصات مختلف محیط تخلخل از قبیل تخلخل سطح ویژه و آب کاهش نیافتنی با نفوذ پذیری می پردازیم، هدف ارائه یک ابزار پیش بینی با استفاده از شبکه عصبی مصنوعی برای براورد کردن نفوذ پذیری مطلق در سنگهای کربناته می باشد که در شبکه عصبی مصنوعی مورد طراحی الگوریتم اموزشی پس انتشار خطا و تابع اموزش تنظیم خودکار برای شبکه و شبکه چند لایه با دولایه مخفی درساختار شبکه مورد استفاده قرارگرفت. مطالعات انجام داده شده نشان داده مقادیر نفوذ پذیری بدست امده از شبکه کاملا با داده هایی که ازتحلیل ازمایشگاهی بدست امده اند مطابقت دارد.