عبدالجواد عساکره - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد امیدیه
مصیب کمری - مهندس ارشد پتروفیزیک، شرکت ملی مناطق نفتخیز جنوب
محمد آبدیده - دکترای زمین شناسی، دانشگاه آزاد اسلامی واحد امیدیه
علی عرفانی نیا - رییس برنامه ریزی تلفیقی و کنترل پروژه ها، شرکت ملی مناطق نفت خیز جنوب

مطالعات گسترده و یکپارچه مخزن، بخش اصلی واجتناب ناپذیر مدیریت مخزن است. یکی از ابعاد مهم این مدول الاستیک و ضریب مطالعه،تخمین پارامترهای مکانیک سنگ مخزن (مقاومت فشاری تک محوری پواسون) میباشد. دسترسی به این پارامترها در مباحثی مانند بررسی دیواره و طراحی شکاف و برنامه حفاری بسیار مهم هستند. مقاومت فشاری عبارت است از ظرفیت تحمل یک جسم، مصالح ساختمانی یا سازه در مقابل نیروهای فشاری محوری مستقیم. هنگامی که حد مقاومت فشاری یک ماده فرا میرسد، آن ماده منهدم خواهد شد. هدف از این مطالعه تخمین ضریب UCS (مقاومت فشارشی تک محوره) با استفاده از داده های چگالی سنگ(RHOB) تخلخل(PHIE) و اشباع آب (SW) است. در این پروژه برای مدل سازی USC از سه سیستم هوشمند شبکه عصبی چند لایه (MLP)، سیستم های انطباقی منطق فازی (ANFIS) و معادلات ژنتیکی (GEP) استفاده شده است. براساس نتایج به دست آمده، تمامی شبکههای طراحی شده از عملکرد قابل قبولی جهت پاسخ به سوال طراحی شده (تخمین ضریب UCS سنگ) برخوردارند و انتخاب دقیقترین شبکه کاملا بستگی به کمیت و کیفیت جامعه آماری دادههای استفاده شده دارد. به عنوان مثال برای بسته دادهای اعتبارسنجی مورد استفاده در این مطالعه، شبکه ANFIS تاحدودی بهتر عمل کرده است.

مقاومت فشارشی تک محوره (UCS)، هوش مصنوعی (AI) ، شبکه های عصبی مصنوعی (ANN)، سری کامل نمودارهای پتروفیزیکی(Fullset)