نمودارگیری، یکی از روش های مهم در اکتشاف و بهره برداری نفت و گاز است و شناخت پارامترهای پتروفیزیکی با استفاده از داده های چاه پیمایی مستلزم در دسترس قرار گرفتن انواع نمودارهای چاه پیمایی است. با وجود این، بعضاً به دلایل مختلفی ازجمله عدم نمودارگیری، عدم امکان بازخوانی نمودارها به دلایل کهنگی و یا شرایط محیطی چاه، ارائه ابزارهای جدید و عدم امکان راندن آن ها در چاه های قدیمی، شرایط چاه نظیر داشتن لوله جداری و سیمان و...، کسب این اطلاعات، نیازمند بازسازی و شبیه سازی نمودارهاست. یکی از بهترین روش ها در این زمینه، تکنیک شبکه های عصبی مصنوعی است که در مطالعه حاضر، از این تکنیک برای تخمین و ساخت نمودارهای خام چاه پیمایی مصنوعی استفاده شده است.
در این مطالعه، میدان x با سه چاه C و B ،A انتخاب شد و با توجه به مبانی شبکه های عصبی مصنوعی یک برنامه کامپیوتری بر اساس الگوریتم پس انتشار خطا برای شبکه مورد نظر نوشته شد. پس از طراحی شبکه مورد نظر و انجام بررسی های لازم، پارامترهای مؤثر بر پیشبینی نمودارها با رسم کراس پلات ها تعیین شد. با انجام هر یک از مراحل آموزش، آزمایش و آزمون این شبکه، ماتریس داده ها انتخاب گردید و پس از انجام مرحله یادگیری و تنظیم پارامترهای شبکه (ماتریس وزن و بردار بایا س) این شبکه برای هر یک از چاه ها تعمیم داده شد و در نهایت نمودارهای، PEF، RD، RHOB، SGR CGR و DT، NPHI پیشبینی شده توسط شبکه عصبی مصنوعی با نمودارهای اندازهگیری شده مذکور مقایسه شده و شبکه به میانگین مربعات خطای 1.0 همگرا گردید.
کلمات کلیدی: شبکه های عصبی مصنوعی، نمودارهای چاه پیمایی، الگوریتم پس انتشار خطا
