Estimation de la porosité par l’application de quelques algorithmes de l’intelligence artificielle Cas champ de Hessi Tarafa sud algérien

Abstract

L’objectif de cette mémoire se focaliser sur la l’estimation de la porosité qui présente une grande importance dans la caractérisation du réservoir et l’estimation des réserves en place, en utilisant plusieurs techniques de l’intelligence artificielle à l’aide des diagraphies de puits et les mesures direct au laboratoire, cas du réservoir compacté (quartzite El Hamra) du Hessi Tarfa bassin de Oued M’ya sud de l’Algérie. Les principaux techniques de l’intelligence artificielle utilisés sont (la régression linière multiple, l’algorithme génétique hybride avec régression linière multiple, réseau de neurone artificielle). La technique de réseau de neurone artificielle pour l’estimation de la porosité montre une meilleure corrélation R2=0,6933, pour la prédiction de la porosité dans les réservoirs hétérogènes. La technique de la régression linière multiple RLM pour l’estimation de la porosité montre une meilleure erreur quadratique moyenne RMSE= 2 ,09 Les résultats de cette mémoire confirment l’efficacité des outils de l’intelligence artificielle pour la prédiction des paramètres des réservoirs y compris ceux hétérogènes avec des performances notables ce qui permettent un gain de temps d’une part et elle totalement économique d’autre part, car elle minimise les frais du carottage et les mesures au laboratoire.