مرکز منطقه ای اطلاع رسانی علوم و فناوری مجله زمین شناسی نفت ایران 2251-8738 10 20 2021 8 12 Permeability estimation using petrophysical logs and artificial intelligence methods: A case study in the Asmari reservoir of Ahvaz oil field تخمین تراوایی با بکارگیری لاگ های پتروفیزیکی و روش های هوش مصنوعی: مطالعه موردی در مخزن آسماری میدان نفتی اهواز 17 28 fa ابوذر محسنی پور دانشگاه چمران اهواز بهمن سلیمانی دانشگاه چمران اهواز ایمان زحمتکش دانشگاه چمران اهواز ایمان ویسی شرکت ملی مناطق نفتخیز جنوب 2021 6 5 Permeability is one of the most important petrophysical parameters that play a key role in the discussion of production and development of hydrocarbon fields. In this study, first, the magnetic resonance log in Asmari reservoir was evaluated and permeability was calculated using two conventional methods, free fluid model (Coates) and Schlumberger model or mean T2 (SDR). Then, by constructing a simple model of artificial neural network and also combining it with Imperialist competition optimization (ANN-ICA) and particle swarm (ANN-PSO) algorithms, the permeability was estimated. Finally, the results were compared by comparing the estimated COATES permeability and SDR permeability with the actual value, and the estimation accuracy was compared in terms of total squared error and correlation coefficient. The results of this study showed an increase in the accuracy of permeability estimation using a combination of optimization algorithms with artificial neural network. The results of this method can be used as a powerful method to obtain other petrophysical parameters. تراوایی از جمله مهمترین پارامترهای پتروفیزیکی است که نقشی اساسی را در بحث های تولید و توسعه میادین هیدروکربونی دارند. در این پژوهش ابتدا نمودار تشدید مغناطیسی هسته ای در مخزن آسماری مورد ارزیابی قرار گرفت و تراوایی با استفاده از دو روش مرسوم مدل سیال آزاد(Coates) و مدل شلمبرژه یا میانگین T2 (SDR) محاسبه شد. سپس با ساخت مدل ساده شبکه عصبی مصنوعی و همچنین ترکیب آن با الگوریتم های بهینه سازی رقابت استعماری (ANN-ICA) و ازدحام ذرات (ANN-PSO) تراوایی تخمین زده شد. در نهایت نتایج حاصل با مقایسه تراوایی COATES و تراوایی SDR تخمین زده شده نسبت به مقدار واقعی، مورد بررسی قرار گرفتند و دقت تخمین از نظر مجموع مربع خطا و ضریب همبستگی مقایسه شد. نتایج حاصل از این مطالعه، بیانگر افزایش دقت تخمین تراوایی با استفاده از ترکیب الگوریتم های بهینه سازی با شبکه عصبی مصنوعی بود. نتایج حاصل از این روش می تواند به عنوان روشی قدرتمند جهت بدست آوردن سایر پارامترهای پتروفیزیکی استفاده شود. http://journal.ispg.ir/en/Article/Download/33934