مهمترین دلیل مطالعه هر مخزن نفتی استفاده بهینه تر از قسمت های تولیدی مخزن می باشد و اولین قدم در شناسایی مخزن زون بندی آن است. زون بندی بر اساس تغییرات سنگ شناسی با تلفیق داده های تولیدی و نمودارهای پتروفیزیکی در هر مخزن مشخص می گردد. جهت بهبود و تسریع زون بندی مخازن نفتی همانند دیگر شاخه های علوم در سالیان اخیر استفاده از نرم افزار رایج گردیده است. یکی از قدرتمندترین این نرم افزارها سیکلولاگ (Cyclolog) است. علم استفاده از این نرم افزار سیکلواستراتیگرافی است که بر اساس چرخه های رسوبی و شناخت آنها می توان زون های مخزنی را از یکدیگر تفکیک نمود. نرم افزار سیکلولاگ به کمک نمودارهای پتروفیزیکی اخذ شده از درون حفره چاه و بویژه نمودار گاما (GR) امکان تطابق زیر سطحی و تهیه چارت تطابقی را در چاه های انتخابی به ما می دهد. در این تحقیق در سه میدان نفتی مورد مطالعه (کرنج، پرنج و پارسی) با استفاده از نرم افزار سیکلولاگ در مجموع هفت خط زمانی مثبت (Pb3000, Pb2000, Pb1500, Pb1000, Pb500, Pb400, and Pb300) و همچنین پنج خط زمانی منفی (Nb4000, Nb3000, Nb2000, Nb1000, and Nb500) تشخیص داده شد. براین اساس خط زمانی Pb1500 جدا کننده و مرز آشکوب های شاتین و آکی تانین بوده که در چاههای هر سه میدان مورد مطالعه تقریباً از مرز زونهای مخزنی 3 و 4 عبور می کند. همچنین خطوط زمانی Nb4000, Nb3000, and Nb2000 دارای سن شاتین می باشند. خط زمانی Nb3000 در میدان نفتی کرنج با توجه به کالیبره نمودن با شواهد سن سنجی (بیواستراتیگرافی) در بیشتر چاهها از مرز زونهای 4 و 5 عبور کرده و مشخص کننده سر سازند پابده است. سن خط زمانی Nb500 بوردیگالین بوده و در میادین مورد مطالعه از میانه زون 1 مخزنی آنها عبور می¬کند. مرز بین آشکوب¬های آکی تانین و بوردیگالین با خط زمانی Nb1000 مشخص می¬گردد این خط زمانی در هر سه میدان مورد مطالعه از مرز زونهای 1 و 2 عبور می کند.

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.

تراوايي يا نفوذپذيري، یکی از خصوصیات مهم مخازن نفت و گاز است که پیش بینی آن دشوارمي¬باشد. در حل حاضر از مدل های تجربی و رگرسیوني برای پیش¬بینی نفوذپذیری استفاده مي شود كه شامل صرف زمان و هزينه¬هاي زياد مرتبط با اندازه¬گیری آزمایشگاهی است. در چند وقت اخیر، به دلیل قابلیت پیش¬بینی بهتر، از الگوریتم¬های یادگیری ماشین برای پیش¬بینی تراوايي استفاده شده است. در این مطالعه، مدل یادگیری ماشین گروهي جدیدي برای پیش¬بینی تراوايي در مخازن نفت و گاز معرفی شده است. در این روش ، داده¬های ورودي با استفاده از اطلاعات ليتولوژي لاگ¬ها برچسب¬گذاري شده و به تعدادي از دسته¬ها تفكيك مي¬شوند و هر دسته توسط الگوریتم یادگیری ماشین مدل سازی شد. برخلاف مطالعات قبلی که به صورت مستقل روي مدل ها كار مي¬كردند در اينجا ما ضمن طراحي يك مدل گروهي با استفاده از الگوريتم¬هاي ETR وDTR و GBR و داده¬هاي پتروفيزيكي، توانستيم صحت و دقت پيش¬بيني همچينين خطاي ميانگين مربعات را به طرز چشم¬گيري بهبود ببخشيم و تراوايي را با دقت 99.82 درصد پيش¬بيني كنيم. نتایج نشان داد که مدل¬های گروهي در بهبود دقت پیش¬بینی تراوايي در مقایسه با مدل¬های انفرادي تاثير فراواني دارند و همچنين تفكيك نمونه¬ها بر اساس اطلاعات ليتوژي دليلي بر بهينه نمودن تخمين تروايي نسبت به تحقيقات گذشته بود.

سازند قم در ناحیه مرق و در 20 کیلومتری جنوب غرب کاشان با ضخامت 216 متر از سنگ آهک و شیل تشکیل شده است که به صورت ناپیوسته بر روی سنگ آتشفشانی ائوسن و به طور ناپیوسته در زیر سازند قرمز بالایی قرار دارد. براساس آلوکم های اصلی و ویژگی های رسوبی نه ریز رخساره کربناته و یک رخساره آواری شناسایی گردید. این ریز رخساره ها ی کربناته و رخساره آوری در پلت فرمی از نوع شلف باز رسوب گذاری کرده اند. این پلت فرم را می توان به سه محیط شلف داخلی (لاگون محصور و نیمه محصور)، شلف میانی و شلف خارجی تقسیم کرد. براساس توزیع عمودی ریز رخساره ها سه سکانس رسوبی کامل درجه 3 و یک سکانس ناقص رسوبی تشخیص داده شد.

در صنعت نفت از هوش مصنوع ی برای شناسای ی روابط، بهینهسازی، برآورد و ردهبندی تخلخل بهر هگیری م یشود. یكی از مهمترین مراح ل ارزیاب ی پارامترهای پتروفیزیكی مخزن، شناسای ی ویژگ یهای تخلخل است. هدف اصل ی این پژوهش مقایسه درست ی و تعمیم پذیری سه شبكه عصب ی چن د لایه پیشخور ) MLFN (، شبكه تابع شعاع مبنا ) RBFN ) و شبكه عصب ی احتمالی ) PNN ) برای برآورد تخلخل با بهرهگیری از ویژگ یهای لرزهای است. در این راستا، دادههای زمینشناسی 7 حلقه چاه میدان نفت ی فراساحل ی هندیجان در شما ل باختری حوضه خلیج فارس مورد ارزیابی قرارگرفت. امپدانس صوت ی با بهر هگیری از روش وارونگ ی مبتن ی بر مد ل برآورد ش د و سپس شبكههای عصب ی یاد شده با بهرهگیری ا ز ویژگ یهای لرزهای بهینه طراح ی شده و با روش رگرسیون گام به گام مورد ارزیاب ی قرار گرفتن د. سرانجام مشخص شد که مدل MLFN برای برآورد تخلخل خوب عمل نم یکن د. PNN از بهترین دقت کارکرد در درونیابی تخلخل برخوردار است، اما تعمیمپذیری RBFN بهتر است.

سازند قم مهم‌ترين سنگ مخزن و سنگ منشاء هيدروکربور در ايران مرکزي است. فرامينيفرها در حال حاضر پايه و اساس توانايي ما براي تعيين سن، تطابق و بررسي حوضه‌هاي رسوبي هستند که امروزه به عنوان کليدي براي رفاه اقتصادي جهان در نظر گرفته مي¬شوند. آناليز مورفوگروپ‌ها، به دليل مستقل بودن از تاکسونومي گونه‌ها و همچنين امکان مقايسه تجمعاتي با سنين مختلف ابزار مناسبي براي تفاسير اکولوژيکي و پالئواکولوژيکي محسوب مي‌گردد. مطالعه فرامينيفرهاي سازند قم در برش بوجان (شرق سيرجان، با سن روپلين- شاتين و 156 متر ضخامت) و برش ورکان (جنوب غربي کاشان؛ با سن روپلين و 190 متر ضخامت)، منجر به تشخيص هفت مورفوگروپ شد. شناسايي مورفوگروپ‌ها بر اساس مورفولوژي و معماري پوسته (شامل شکل کلي، الگوي پيچش و آرايش و تعداد حجرات)، و زيستگاه استنباطي که يا در سطح رسوبات زندگي مي‌کند يا در داخل رسوبات (اپيفونال/سطح زي يا اينفونال/درونزي) و استراتژي تغذيه (معلق/رسوب خوار، گياهخوار و غيره) استوار بوده است. در هر دو برش به‌طورکلي فرم‌هاي اپيفونال غالب بوده‌اند. آناليز مورفوگروپ‌ها بيانگر وجود نوساناتي در درصد مورفوگروپ-هاي غالب است، که خود بيانگر نوساناتي در شرايط اکولوژيکي محيط مي‌باشد. در برش بوجان در نهشته‌هاي روپلين مورفوگورپ¬هاي با ديواره پورسلانوز و در شاتين مورفوگورپ‌هاي با ديواره هيالين فراواني بيشتري دارند که بيانگر نهشته شدن بخش‌هاي پاييني در محيط‌هاي لاگوني و نهشته شدن بخش‌هاي بالايي برش (عمدتاً) در رمپ مياني است. اين تغيير چشمگير در طول زمان بيانگر افزايش تدريجي عمق حوضه، کاهش شوري، کاهش روشنايي و کاهش مواد مغذي است. غالب بودن مورفوگورپ‌هاي با ديواره هيالين در سرتاسر برش ورکان بيانگر رسوب‌گذاري اين برش (عمدتاً) در محيط‌هاي رمپ مياني با ميزان شوري نرمال دريايي و تحت شرايط نوري مزوفوتيک تا اليگوفوتيک مي‌باشد.