تراوایی یکی از خواص بسیار مهم مخازن نفت میباشد که قابلیت حرکت یک سیال مانند نفت، گاز و یا آب را در آن مشخص میکند. دانستن مقادیر صحیح تراوایی به منزله یک ابزار موثر، کارآمد و مهم برای مهندسین نفت در امر فرآیند تولید و مدیریت یک میدان میباشد. برای تعیین تراوایی سنگ مخزن دو روش مستقیم و غیر مستقیم وجود دارد. روش مستقیم عبارت از مغزه گیری و انجام آزمایشات روی آن و تعیین تراوایی و یا آزمایش چاه می باشد که روشهای پر هزینه و وقت گیری هستند. روش غیر مستقیم برآورد تراوایی به وسیله نگارهای چاه از طریق فرمول های تجربی و روش های جدید هوش مصنوعی است . فرمولهای تجربی به علت طبیعت بسیار پیچیده مساله، دقیق و قابل اعتماد نیستند. هدف این مطالعه استفاده از قابلیت سیستم های هوشمند برای تعیین تراوایی، در میدان درود از روی داده های موجود(نگارها و داده های مغزه) می باشد. در این راستا پس از بررسی مبانی نظری مربوط به تراوایی، نگارهای چاه و سیستم های هوشمند، تراوایی سازند فهلیان در چهار چاه میدان درود با استفاده از سه روش شبکه عصبی، منطق فازی و سیستم استنتاج عصبی_فازی تطبیقی برآورد زده شد. با توجه به نتایج حاصل، ضریب همبستگی بین داده های پیش بینی و داده های مغزه برای سه سری داده آموزش، اعتبارسنجی و تست در روش شبکه عصبی به ترتیب برابر با 0/94 ، 0/91 و 0/92، در روش منطق فازی برای دو سری داده آموزش و تست به ترتیب برابر با 0/87 و 0/9 و در روش سیستم عصبی_ فازی تطبیقی برای سه دسته داده آموزش، اعتبارسنجی و تست به ترتیب برابر با 0/97، 0/96 و 0/94 حاصل گردید. نتایج بدست آمده نشان می دهند که مدل های مذکور به خوبی قادر به برآورد مقادیر تراوایی در تمام قسمت های مخزن مورد مطالعه بوده و سیستم استنتاج عصبی_ فازی تطبیقی دقت و قابلیت تعمیم بیشتری نسبت به دیگر مدل ها در پیش بینی تراوایی دارد. تفسیر پتروفیزیکی نیز در این مطالعه انجام شد و از تخلخل موثر که یکی از نتایج آن می باشد، در بهبود برآورد تراوایی با استفاده از روش سیستم استنتاج عصبی_ فازی تطبیقی استفاده شد و نهایتا همبستگی بین داده های پیش بینی و داده های مغزه برای سه دسته داده آموزش، اعتبار سنجی و تست به ترتیب برابر با 0/99، 0/98 و 0/97 بدست آمد.