امکانسنجی پیش بینی پارامتر های چاه پیمایی با استفاده از هوش مصنوعی

مدلی که قابلیت تخمین نگار های چاه پیمایی (چاه نگاری) را داشته باشد می تواند به عنوان ابزاری قوی برای راستی آزمایی نگار ها و یا کمک به تفسیر کامل تر داده های چاه پیمایی در مواقعی که امکان ثبت برخی نگارها وجود ندارد مورد استفاده قرار گیرد. هدف از این تحقیق استفاده از روشهای مختلف هوش مصنوعی (رایانش نرم) برای ارائه مدلی به منظور امکان سنجی پیش بینی برخی از نگار های مهم شامل نگار صوتی، نگار نوترون، نگار دانسیته و نگار فتو الکتریک است. بدین منظور ابتدا با تلفیق شبکه عصبی مصنوعی و الگوریتم ژنتیک برای هر یک از این نگار ها، حالت بهینه پارامتر ها ی مورد نیاز به منظور مدل سازی شناسایی شد و سپس با استفاده از روش های مختلف منطق فازی نگار ها پیش بینی شدند. نتایج حاصل از این تحقیق نشان می دهد که با استفاده از روش های محاسبات نرم نگار های نوترون ، صوتی با دقت بالایی قابل پیش بینی و تعمیم هستند. نگار دانسیته نیز در حالتی کلی با دقت بالا قابل پیش بینی بوده ولی قابلیت تعمیم پذیری مدل ساخته شده بااین روش به منظور پیش بینی داده های یک چاه جدید پایین می باشد. همچنین پیش بینی ها برای نگار فتو الکتریک به طور کلی توام با خطای بالا بوده ونتایج آن قابل اتکا نیست. مقایسه نتایج به دست آمده از انواع مدل های فازی نشان داد مدل سازی به روش anfis بهترین دقت پیش بینی را در غالب موارد دارد. در مدل سازی به صورت fuzzy c means clustering استفاده از روشsugeno نتایج بهتری را نسبت به روش mamdani در پی دارد.