انجمن زمین شناسی مهندسی ایران زمین شناسی مهندسی ایران 2228-5245 17 3 2024 11 21 Estimation of geomechanical parameters using log data and MLP neural network algorithm in one of Iran's hydrocarbon fields تخمین پارامترهای ژئومکانیکی با داده های نگار چاه و الگوریتم شبکه عصبی پرسپترون چندلایه در یکی از میادین هیدروکربنی ایران 23 40 211210 FA فرهاد ملائی دانشکده مهندسی معدن، دانشکدگان فنی دانشگاه تهران علی مرادزاده دانشکده مهندسی معدن، دانشکدگان فنی دانشگاه تهران رضا محبیان دانشکده مهندسی معدن، دانشکدگان فنی دانشگاه تهران Journal Article 2024 05 28 Today, geomechanics and accurate estimation of geomechanical parameters have played a significant role in various stages of petroleum studies. The aim of this study is to estimate geomechanical parameters using log data and MLP algorithm in one of the hydrocarbon field wells in southwest Iran. In order to estimate geomechanical parameters, one of the important parameters is shear wave velocity, which is estimated in this article using multilayer perceptron (MLP) neural network algorithm and experimental relationships. Considering the better estimation of MLP algorithm in training, test and blind data, its output has been used to estimate subsequent studies. The value of error (MSE) and coefficient of determination (R2) of the blind data are 0.0013 and 0.8875 respectively. Next, Young's modulus and Poisson's ratio were calculated and dynamic brittleness index was calculated using these two parameters. In the next step, the uniaxial compressive strength, tensile strength were calculated and then the static brittleness index was calculated and the relationship between the dynamic brittleness index and the static brittleness index was investigated. The brittleness index was then calculated using the volume percentage of minerals and compared with the dynamic and static brittleness index values. The results show a good relation between the dynamic and static brittleness index obtained using the predicted shear wave velocity from MLP algorithm and the brittleness index obtained from the volume percentage of minerals. امروزه تخمین دقیق پارامترهای ژئومکانیکی نقش بسزایی در مطالعات مهندسی نفت پیدا کرده است. در این مطالعه هدف تخمین پارامترهای ژئومکانیکی با استفاده از داده های نگار چاه و شبکه عصبی پرسپترون چندلایه در یکی از چاه های میدان هیدروکربنی در جنوب غرب ایران می باشد. جهت تخمین پارامترهای ژئومکانیکی یکی از پارامترهای مهم و مورد نیاز سرعت موج برشی می باشد که در این مقاله با استفاده از الگوریتم شبکه عصبی پرسپترون چندلایه و روابط تجربی تخمین زده شد و با توجه تخمین بهتر الگوریتم MLP در داده های آموزش، تست و داده کور، خروجی آن جهت تخمین مطالعات بعدی استفاده شده است. مقدار خطا (MSE) و ضریب تعیین (R2) داده کور به ترتیب 0013/0 و 8875/0 به دست آمده است. سپس با استفاده از سرعت موج برشی تخمین زده شده، مدول یانگ و نسبت پواسون محاسبه و با استفاده از این دو پارامتر شاخص شکنندگی دینامیک محاسبه گردید. در ادامه مقاومت فشاری تک محوره و مقاومت کششی محاسبه گردید و شاخص شکنندگی استاتیک نیز با استفاده از مقاومت فشاری تک محوره و مقاومت کششی محاسبه و ارتباط بین شاخص شکنندگی دینامیک و شاخص شکنندگی استاتیک بررسی گردید و در خاتمه شاخص شکنندگی با استفاده از درصد حجمی کانی‌ها محاسبه و با مقادیر شاخص شکنندگی دینامیک و استاتیک مقایسه گردیده است که نتایج بیانگر ارتباط خوب شاخص شکنندگی دینامیک و استاتیک به دست آمده با استفاده از سرعت موج برشی پیش‌بینی شده از الگوریتم MLP و شاخص شکنندگی به دست آمده از درصد حجمی کانی ها می باشد. ارزیابی مدل داده نگار چاه سرعت موج برشی شاخص شکنندگی الگوریتم MLP https://www.jiraeg.ir/article_211210_df5a50fb3214b36f12916dadd6f2a062.pdf