پيش‌بيني فشار منفذي داده‌هاي گمانه‌هاي پتروفيزيكي با بهره‌گيري از روش‌هاي مبتني بر هوش مصنوعي

ﻓﺸﺎر ﻣﻨﻔﺬي ﯾﮑﯽ از ﻣﻬﻢﺗﺮﯾﻦ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺨﺰﻧﯽ-ﺣﻔﺎري ﺑﻪ ﺷﻤﺎر ﻣﯽرود و آﮔﺎﻫﯽ از اﯾﻦ ﻓﺸﺎر، ﺑﺮاي ﮐﺎﻫﺶ ﻫﺰﯾﻨﻪﻫﺎي ﺣﻔﺎري، اﻓﺰاﯾﺶ اﯾﻤﻨﯽ ﭼﺎه و ﭘﯿﺸﮕﯿﺮي از ﺧﻄﺮات اﺣﺘﻤﺎﻟﯽ ﺿﺮوري اﺳﺖ. اﻣﺮوزه روشﻫﺎي ﻫﻮﺷﻤﻨﺪ ﺟﺎﯾﮕﺰﯾﻦ ﺧﻮﺑﯽ ﺑﺮاي ﻣﻌﺎدﻻت ﺗﺠﺮﺑﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﺗﻨﻬﺎ ﺑﺮ اﺳﺎس ﻣﺠﻤﻮﻋﻪ دادهﻫﺎي ﻣﺤﺪود، ﺟﻤﻊآوري و ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪ ﺑﻮدﻧﺪ. ﻣﻄﺎﻟﻌﻪ ﭘﯿﺶ رو، از 2827 ﻣﺠﻤﻮع دادهاي ﻣﺮﺑﻮط ﺑﻪ ﺳﻪ ﭼﺎه از ﻣﯿﺪانﻫﺎ ﻧﻔﺘﯽ واﻗﻊ در ﺟﻨﻮب ﻏﺮب اﯾﺮان ﺑﻬﺮه ﺑﺮده اﺳﺖ. ﻣﺘﻐﯿﺮﻫﺎي ورودي ﻣﻮرداﺳﺘﻔﺎده ﺑﻪﻣﻨﻈﻮر ﭘﯿﺶﺑﯿﻨﯽ ﻓﺸﺎر ﻣﻨﻔﺬي ﺷﺎﻣﻞ 9 ﻣﺘﻐﯿﺮ ﺑﻮده ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از روش اﻧﺘﺨﺎب وﯾﮋﮔﯽ، ﺑﺮﮔﺰﯾﺪه ﺷﺪهاﻧﺪ. در اﯾﻦ ﻣﻄﺎﻟﻌﻪ از ﭼﻬﺎر اﻟﮕﻮرﯾﺘﻢ ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﺷﺎﻣﻞ اﻟﮕﻮرﯾﺘﻢ ﺟﻨﮕﻞ ﺗﺼﺎدﻓﯽ1، اﻟﮕﻮرﯾﺘﻢ رﮔﺮﺳﯿﻮن ﺑﺮدار ﭘﺸﺘﯿﺒﺎن2، اﻟﮕﻮرﯾﺘﻢ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ3 و اﻟﮕﻮرﯾﺘﻢ درﺧﺖ ﺗﺼﻤﯿﻢ4 ﺑﻪﻣﻨﻈﻮر ﭘﯿﺶﺑﯿﻨﯽ ﻓﺸﺎر ﻣﻨﻔﺬي اﺳﺘﻔﺎدهﺷﺪه اﺳﺖ. ﻧﺘﺎﯾﺞ ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ دﻗﺖ ﻋﻤﻠﮑﺮد اﻟﮕﻮرﯾﺘﻢ درﺧﺖ ﺗﺼﻤﯿﻢ، ﺑﯿﺸﺘﺮ از ﺳﻪ اﻟﮕﻮرﯾﺘﻢ دﯾﮕﺮ اﺳﺖ. ﻣﻘﺪار ﻣﺮﺑﻊ ﺿﺮﯾﺐ ﻫﻤﺒﺴﺘﮕﯽ 5 (𝑅^2 ) و ﻣﺠﺬور ﻣﯿﺎﻧﮕﯿﻦ ﻣﺮﺑﻌﺎت ﺧﻄﺎ6 (RMSE ) ﺑﺮاي ﺗﺨﻤﯿﻦ ﻓﺸﺎر ﻣﻨﻔﺬي ﺗﻮﺳﻂ اﻟﮕﻮرﯾﺘﻢ درﺧﺖ ﺗﺼﻤﯿﻢ ﺑﻪ ﺗﺮﺗﯿﺐ 0/9985 و psi14/460ﺑﺮآورد ﺷﺪ. ازﺟﻤﻠﻪ ﻣﺰﯾﺖﻫﺎي اﯾﻦ اﻟﮕﻮرﯾﺘﻢ، اراﺋﻪ ﺑﻬﺘﺮﯾﻦ ﻧﺘﯿﺠﻪ ﺑﺪون ﻧﯿﺎز ﺑﻪ داﻧﺶ آﻣﺎري، ﺟﺪا ﮐﺮدن دادهﻫﺎي ﻏﯿﺮﺿﺮوري، آﻣﺎدهﺳﺎزي دادهﻫﺎ در زﻣﺎن ﮐﻮﺗﺎه و ﮐﺎﻫﺶ ﺧﻄﺎي ﻧﺴﺒﯽ ﺑﺎ ﯾﺎﻓﺘﻦ ﮔﺮه اﺻﻠﯽ ﺗﺼﻤﯿﻢ ﮔﯿﺮ اﺳﺖ. ﺑﻨﺎﺑﺮاﯾﻦ ﻣﯽﺗﻮان ﭼﻨﯿﻦ ﺗﺤﻠﯿﻞ ﻧﻤﻮد ﮐﻪ ﺑﺎ ﺗﻮﺳﻌﻪ اﯾﻦ روش ﻫﻮﺷﻤﻨﺪ، ﺑﺮاي ﺗﻌﺪاد دادهﻫﺎي ﮐﻢ از ﻫﺮ ﻣﯿﺪان، دﻗﺖ ﻋﻤﻠﮑﺮد ﺑﺎﻻﯾﯽ ﻧﺘﯿﺠﻪ ﻣﯽﺷﻮد.