بهمن گلچین - دانشگاه شهید بهشتی، دانشکده علوم زمین، گروه زمین شناسی
محبوبه حسینی برزی - دانشگاه شهید بهشتی، دانشکده علوم زمین، گروه زمین شناسی
محمدحسین آدابی - دانشگاه شهید بهشتی، دانشکده علوم زمین، گروه زمین شناسی
بیژن نوری - شرکت نفت فلات قاره، اداره زمین شناسی و پتروفیزیک

تراوایی یکی از مشخصههای مخزنی میباشدکه م یتواند از طریق سنجش مغزه و چاه آزمایی تخمینزده شود.اگرچه این روشها دقیقند ولی انجام آنها نیازمند صرف هزینه، امکانات و زمان بالایی میباشد. بنابراین یافتن راه یبرایگریزازاینمشکلاتضروریبهنظرمیرسد. استفاده از سیستمهای هوشمند به دلیل سرعت و دقت بالا می- تواند در ارتباط با مشکلات موجود مفید بودهو اخیرا بطور موفقی برای محاسبه تراوایی و حل بسیاری از مسائلپیچیده مربوط به مخزن از آن استفاده شده است.دراین پژوهشبر مبنای دادههای پتروگرافی (شامل درشت تخلخل-ها، ریزتخلخلها، پارامتر شکل منفذی و میانگین اندازه درشت منفذها) مدل جدیدی جهت تخمین تراواییسازند غاردر یکی از میادین شمالغربی خلیجفارسطراحی گردیده است. این مدل توسط مفهوم ماشین مشاوره(committeemachine)ارائه میشود.در این پژوهش، دادههای پتروگرافی موجود به دو گروه تقسیم شد،گروه اول که شامل 80 درصد دادهها بود، برای ساخت مدل مورد استفاده قرار گرفت و گروه دوم که شامل 20 درصد باقیمانده داده ها بود،برای تست مدل طراحی شده استفاده گردید.روش کار شامل ادغامسیستمهای هوشمند شبکه عصبی (ANN) ، منطق فازی FL و نروفازی NF در یک ماشین مشاورهCM توسط روش بهینهسازی است. در این مدل،به نتایج تراوایی تخمینزده شده توسط هر یک از سیستمهای هوشمند مذکور ضریب وزنی تعلق میگیرد که مقادیر بهینه وزنی توسط تکنیک الگوریتمهای ژنتیک GA بدست آمده است. ضریب همبستگی و میزان میانگین مربعات خطاهاMSE بدست آمده بین تراوایی مغزه و تراوایی تخمینزده شده برای این مدل برابر 0/88 و0/0203 بدست آمد. نتایج حاصل از این پژوهش نشان میدهد که ادغام سیستمهای هوشمند در یک ماشین مشاوره نتایج قابل قبولترى نسبت به هر یک از سیستمهاى منفرد میدهد.

تراوایی، شبکه عصبی، منطق فازی، نروفازی، ماشین مشاوره