در مخازن نفتی به منظور افزایش تولید و ضریب بازیافت مبحث تزریق سیال یکی از مهم¬ترین مباحث در مهندسی نفت می باشد. در مطالعه سه بعدی و عددی مخازن نفتی توسعه نیافته به علت وجود عدم قطعیت فراوان نمی¬توان به جواب نهایی اعتماد کرد. به همین علت، در آغاز شبیه¬سازی، شناخت و رتبه¬بندی تأثیرگذارترین پارامترهای عدم قطعیت در واقع همان آنالیز عدم قطعیت را باید انجام داد و سپس تأثیر این پارامترها برروی نتایج شبیه¬ساز را تعیین کرد. با استفاده از روش قدیمی تعداد بسیار زیادی شبیه سازی متناسب با مقادیر مختلف پارامترهای عدم قطعیت باید صورت گیرد که بسیار زمان¬¬بر و پرهزینه است و علاوه بر آن، در این روش تأثیر پارامترهای عدم قطعیت برهم نادیده گرفته می¬شود. در دهه¬های اخیر تلاش¬های زیادی برای یافتن روش-های محاسباتی سریع¬تر صورت گرفته است. یکی از موفق¬ترین روش¬های پیشنهادی استفاده از مدل پروکسی است. این روش به دلیل سادگی درک و صرفه¬جویی قابل توجه در زمان اجرا به¬عنوان یک روش سریع و قابل اعتماد با کارایی قابل قبول برای آنالیز عدم قطعیت و پیش¬بینی عملکرد مخزن تحت سناریوهای مختلف تولید مورد توجه قرار گرفت. استفاده گسترده از مدل¬های پروکسی منجر به معرفی روش¬های مختلفی برای ساخت و شناسایی زمینه¬های گسترده¬ای برای استفاده از این مدل¬ها گردید، که هم¬چنان مطالعه و پژوهش در مورد این مدل¬ها ادامه دارد. در این مطالعه شبکه عصبی نوع روش دسته بندی گروهی داده¬های عددی (gmdh) به عنوان یک مدل پروکسی و نظریه طراحی تجربی برای بدست آوردن پر اطلاع-ترین مجموعه داده¬ها برای آموزرش شبکه عصبی به¬کار برده شده است. نظریه طراحی تجربی اجرای شبیه¬سازها را به¬طور موثر در بازه تغییرات پارامترهای عدم قطعیت توزیع می¬کند، بنابراین تعداد اجراهای مورد نیاز برای مطالعه سیستم حداقل خواهد گردید. در ابتدا آنالیز حساسیت انجام می¬شود و بر طبق آن پارامترها با تاثیر گذاری بالاتر مشخص می¬گردد. در ادامه با شناختن پارامترهای تأثیرگذار مدل پروکسی طراحی می¬شود. شبکه عصبی یک ابزار قوی بوده که می¬تواند به¬عنوان یک مدل پروکسی استفاده شود. پس از ساخت مدل پروکسی می¬توان آن را جایگزین شبیه¬ساز سه بعدی نمود و از آن برای آنالیز حساسیت و آنالیز ریسک استفاده کرد. مدل پروکسی ساخته شده در این مطالعه برای آنالیز ریسک و پیش¬بینی عملکرد مخزن نفتی که تحت تزریق غیرامتزاجی گاز است، استفاه شده است.