تركيب روش‌هاي عصبي، فازي و عصبي فازي با استفاده از الگوريتم مورچگان پيوسته براي تشخيص رخساره‌هاي مخزن

تشخيص رخساره‌هاي مخزني و تعيين نواحي با كيفيت مخزني بالا نقش مهمي در مدل‌سازي مخزن و همچنين حفاري‌هاي آتي در ميدان‌هاي در حال توسعه ايفا مي‌كند. شاخص جرياني يكي از شاخص‌هايي است كه با توجه به تغيير خصوصيات مخزن تغيير كرده و مي‌تواند نقش موثري در تقسيم‌بندي رخساره‌هاي مخزني داشته باشد. مطالعه حاضر يك مدل بهينه‌يافته و پيشرفته را به‌وسيله تركيب سيستم‌هاي هوشمند براي تخمين شاخص جرياني در كل ميدان پيشنهاد مي‌دهد. اين ماشين گروهي  نتايج پيش‌بيني شده حاصل از سيستم‌هاي هوشمند عصبي، فازي و عصبي فازي را با وزن‌هاي مشخص با هم تركيب مي‌كند، وزن‌هاي بهينه براي هر يك از اين روش‌ها به‌وسيله الگوريتم مورچگان پيوسته تعيين مي‌شود. در اين مطالعه از داده‌هاي چاه و لرزه‌نگاري سه‌بعدي مربوط به يكي از ميادين جنوب ايران براي اعمال روش‌ها استفاده شده است. در مرحله اول، نشانگرهاي لرزه‌اي كه ارتباط بيشتري با داده هدف (FZI) دارند با استفاده از برازش گام به گام انتخاب مي‌شوند و در ادامه با استفاده از سيستم‌هاي هوشمند و تركيب آن‌ها مكعب سه‌بعدي شاخص جرياني در كل ميدان تخمين زده مي‌شود و در مرحله پاياني با استفاده از الگوريتم خوشه‌بندي C ميانگين فازي (Fuzzy CMean) رخساره‌هاي مختلف مخزن از هم تفكيك داده مي‌شوند. نتايج اين مطالعه نشان‌دهنده كارايي بهتر ماشين گروهي با استفاده الگوريتم مورچگان پيوسته (ACO R) نسبت به هر يك از روش‌هاي منفرد مي‌باشد.