Prédiction des paramètres pétrophysiques à l’aide des méthodes de l’intelligence artificielle, cas du réservoir TAGI champs de Chebet El-Nakhla bassin d’Oued M’Ya, sud-est de l’Algérie.

Abstract

L’objectif de cette mémoire est focalisé sur l’estimation de la porosité et la perméabilité manquantes en utilisant plusieurs techniques de l’intelligence artificielle à l’aide des diagraphies de puits cas du réservoir hétérogène du Trias Argileux Gréseux Inferieur du champ de Chebet Nekhla bassin d’oued Mya sud-est de l’Algérie. L'intégration de l'AG-RLM, RNA, SVM a été faite pour déterminer la porosité à partir des données de diagraphies. Les résultats montrent que les résultats du RNA donnent le meilleur coefficient de corrélation entre de la porosité réelle et la porosité simulée (R2=0.9373). Cependant, la méthode SVM montrent les performances de cette technique par rapport les autres méthodes, alors que SVM peut être recommandée pour prédire la porosité dans tous les autres puits du champ avec une grande fiabilité. Pour la perméabilité la technique AG- RLM est plus fiable par rapport aux autres, donnent le meilleur coefficient de corrélation entre de la perméabilité réelle et la perméabilité simulée (R2=0.75014). Malgré il est faible par ce que dans notre cas elle du réservoir hétérogène elle ne donne pas une grande performance. Les résultats de cette mémoire confirment l’efficacité des outils de l’intelligence artificielle pour la prédiction des paramètres pétrophysiques (porosité ; perméabilité) des réservoirs 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 le temps des mesures au laboratoire. « Gain de temps gain d’argents »