استفاده از رگرسيون بردار پشتيبان بر پايه كرنل گاوسي براي مدل‌سازي تخلخل مخزن در يكي از ميادين نفتي ايران

تراوايي، تخلخل و رخساره‌‌‌هاي رسوبي فاكتور‌‌‌هاي اساسي مشخصه‌‌‌هاي مخزني هستند. تخلخل نمايانگر توانايي سنگ در ذخيره سيالات است. رويكرد‌‌‌هاي زيادي براي رگرسيون‌‌‌هاي خطي/غيرخطي از جمله شبكه‌‌‌هاي عصبي در سال‌‌‌هاي اخير بسيار موردتوجه بوده‌‌اند، شبكه عصبي پرسپترون چندلايه (MLP) يكي از اين شبكه‌ها مي‌‌باشد كه توانايي خود را به اثبات رسانده است ولي هركدام از اين روش‌ها معايبي دارند. در اين تحقيق روش ماشين بردار پشتيبان (SVM) به‌عنوان روش اصلي براي رگرسيون و تخمين تخلخل مخزن در يكي از مخازن هيدروكربني به‌كار گرفته شده است. اين روش با روش پرسپترون چندلايه مقايسه شده است و نتايج هركدام موردبررسي قرار گرفته‌‌‌اند. براي اين‌كار ابتدا هركدام از ماشين‌‌‌هاي موردنظر براي تخمين تخلخل در محل چاه به‌كار گرفته شده‌‌اند و نتايج اوليه باهم مقايسه شدند. نتايج اوليه رگرسيون بردار پشتيبان توانايي بالاتري نسبت به پرسپترون چندلايه نشان داد. براي اين‌كار بردار پشتيبان برپايه كرنل‌‌‌هاي مختلف مورد استفاده قرار گرفت كه تابع كرنل گاوسي نتايج بهتري حاصل كرد و نهايتاً براي مدل‌سازي سه‌بعدي تخلخل به‌كار گرفته شد. براي تهيه يك نقشه سه‌بعدي به داده‌‌‌هاي لرزه‌اي و نشانگرهاي استخراج شده مناسب از روي آن نياز مي‌‌باشد. بررسي و مقايسه نتايج نشان داد كه هردوي ماشين‌‌‌هاي پرسپترون چندلايه و بردار پشتيبان از توانايي بالايي برخوردار هستند ولي رگرسيون بردار پشتيبان با توجه به قدرت تخمين بالا نتايج بهتري حاصل كرد.