در بخش اکتشاف و تولید در صنعت نفت تصمیماتی که در مدیریت مخزن گرفته می¬شود دائماً متأثر از عدم قطعیت¬های موجود در پارامترهای اصلی مخزن است. همین امر موجب می¬شود که میزان ریسک هر سناریو یا عملیات هم به صورت دقیق و کمّی تعریف شود. آنالیز عدم قطعیت از مواردی است که می¬تواند به بهبود نتایج شبیه¬سازی کمک کند و اعتبار پیش¬بینی¬ها را افزایش دهد. در این تحقیق سعی شده با استفاده از روش طراحی آزمایش و مدل¬سازی مخازن با نرم¬ افزارهای شبیه¬ساز و ترکیب این دو با روش¬های آماری هزینه و زمانی که صرف فرایند آنالیز عدم قطعیت می¬شود، کاهش یابد. در صورت ترکیب شدن روش¬های آماری و مدل¬های پروکسی از جمله شبکه¬ی عصبی مصنوعی می¬توان زمان مورد نیاز برای دریافت خروجی و نتیجه¬گیری نهایی را بسیار کاهش داد و در عین حال کیفیت کار را حفظ کرد. جهت کاهش خطای داده¬های مورد استفاده در شبکه از فیلتر تطابق تاریخچه نیز استفاده شده است. در این مطالعه شبکه¬ی عصبی ساخته شده جهت پیش¬بینی ضریب بازیافت نفت خطای بسیار کمی داشته است و ضریب همبستگی(r) برای داده¬های آن برابر با 1 بود. ضریب بازیافت پیش¬بینی شده در سال 2030 به وسیله این شبکه در خوشبینانه¬ترین حالت 1/0تخمین زده شد.