بهبود تخمين تخلخل با تلفيق روش هاي شبكه عصبي و كولوكيتد كوكريجينگ در ميدان بلال

توصيف كمي پارامترهاي مخزني نظير تخلخل و تراوايي پايه مطالعات مخازن و ساخت مدل هاي شبيه سازي را تشكيل مي دهد. هرچه اين اطلاعات دقيق تر باشند, در نهايت ريسك تصميم گيري كاهش پيدا كرده و عملكرد ميدان از نظر بازدهي توليدي و اقتصادي مطلوب تر خواهد بود. براي دستيابي به اهداف مذكور اغلب از روش هاي رگرسيون و شبكه عصبي استفاده مي شود, در حالي كه اين روش ها واقعيت هاي زمين شناسي را ناديده ميگيرند و ديد كاملي از مخازن نفتي ارائه نمي دهند. در اين مقاله علاوه بر روش هاي سنتي, روش هاي زمين آماري كه ساختاري فضايي از واقعيت شناسي را در نظر مي گيرند به كار گرفته شده است و در نهايت تخلخا ميدان بلال توسط روش كولوكيتد كوكريجينگ با روند اوليه حاصل از نقشه تخلخل روش MLFN تخمين زده شد كه سبب بهبود تخمين تخلخل گرديد به طوري كه خطاي اعتبار سنجي متقاطع به حدود 0/1 درصد كاهش يافت.