Apports de l’analyse statistique et de l’intelligence artificielle pour prédiction de la perméabilité des réservoirs hétérogènes : cas du réservoir Cambro-ordovicien (zone 17), Hassi Messaoud, Algérie.

Abstract

Dans cette étude, la zone 17 du champ pétrolier de Hassi Messaoud (Sud algérien) a fait l’objet de cette étude statistique et de l’intelligence artificielle afin de caractériser le réservoir et de prédire la perméabilité dans les drains sur la base des données diagraphiques. La caractérisation statistique a été effectuée sur 1668 échantillons, représentent 6 sondages. L’analyse de données été effectuée à l’aide des méthodes statistiques monovariées, bivariées, multivariées (analyse en composantes principales (ACP) et analyse factoriel discriminant (AFD)). Les résultats obtenus ont montré une distribution hétérogè nes de l’ensemble des paramètres pétrophysiques comme de la perméabilité dans les drains de ce réservoir. L’application des techniques de l’intelligence artificielle (l’algorithme génétique combinée avec la régression linéaire multiple, SVM support vector machine et ANN les réseaux neurones) a été faite sur le drain D5 séparément à titre d’exemple. La méthodologie de réseau neurones avec « la topologie 4-10-1 » s’est avérée efficace pour la prédiction de la perméabilité du drain 5 du réservoir cambrien de la zone 17 par rapport aux AG-RLM et SVM (R2 =0,8573). Les outils de machine Learning présentent un outil très performant pour le gain de temps et d’argent et encore peut résoudre les problèmes complexes tels que la prédiction de la perméabilité dans les réservoirs compactés et hétérogènes