محبوبه سروش نیا - دانشجوی کارشناس ارشد زمین شناسی نفت از دانشگاه آزاد اسلامی واحد تهران
علی کدخدائی - دکتری زمین شناسی نفت از دانشگاه تهران، عضو هیئت علمی دانشگاه تبریز
داوود جهانی - دکتری رسوب شناسی و سنگ شناسی رسوبی، عضو هیات علمی دانشگاه آزاد اسلامی و
بیژن نوری - کارشناس ارشد زمین شناسی نفت از دانشگاه آزاد اسلامی واحد تهران شمال

هدف اصلی این مطالعه بررسی روشهای مختلف خوشه سازی و نیز شبکه عصبی مصنوعی، جهت تعیین الکتروفاسیس در چاههای مغزهدار و فاقد مغزه میباشد. با استفاده از نرم افزار ژئولاگ روشهای مختلف AHC ،MRGC و SOM در چاههای شماره (B4,B3,B2,B1) مورد مطالعه قرار گرفت. روش MRGC به دلیل روش محاسباتی هوشمند بدون دخالت ناظر به عنوان برترین روش خوشهسازی در تعیین الکتروفاسیس های مخزنی معرفی گردید. پس از آن با استفاده از روش شبکه عصبی مصنوعی، به منظور تکمیل و بهرهگیری از اطلاعات اولیه، الکتروفاسیسهای مخزنی در چاههای میدان تخمین زده شد. بدین ترتیب در چاه شماره 9(B4) الکتروفاسیس و در چاههای (B3,B2,B1)8 الکتروفاسیس تعیین گردید. بر اساس مطالعات رسوب شناسی 8 میکروفاسیس در ممبر کربناته آسماری مشخص گردید. همچنین مطالعات پتروگرافی نشان داد که بخش ماسه سنگی(غار) شامل 6 زون و بخش کربناته آسماری شامل 8 زون میباشد. بهترین زون در بخش غار زون 3 با 26 % تخلخل و 400 میلی دارسی تراوایی و 34 متر ضخامت و همچنین بهترین زون در ممبر کربناته آسماری زون 4 با 20 % تخلخل و ضخامت 16 متر میباشد. همچنین در این مطالعه مشخص گردید که انحلال ، شکستگی و دولومیتشدگی به عنوان فرایندهای دیاژنزی نقش اساسی در تعیین خواص مخزنی این سازند ایفا میکنند که نتیجه آن تخلخل مؤثر بین 1 تا 25 % از نوع بین دانهای است. نتایج نشان میدهد با تلفیق مطالعات پتروگرافی و روشهای خوشهسازی توام با شبکههای عصبی مصنوعی به بهترین شکل قادر به تعیین و تخمین الکتروفاسیسهای مخزنی در چاههای فاقد مغزه خواهیم بود.

الگوریتمهای خوشه سازی، شبکه عصبی مصنوعی،الکتروفاسیس، سازند آسماری ، نرم افزار ژئولاگ