Prédiction de la résonance magnétique (NMR) à partir des diagraphies conventionnelles à l'aide des techniques de l'intelligence artificielle : cas de puits BEK6 champs de Bir el Akha bassin d’Amguid Messaoud.

Abstract

L’objectif de cette mémoire est focalisé sur l’estimation de résonance magnétique porosité ( MRP ) en utilisant plusieurs techniques de l’intelligence artificielle à l’aide des diagraphies de puits cas du réservoir hétérogène du Trias serie Inferieur du champ de Bir El Akha bassin d’ Amguid messaoud, sud-est de l’Algérie. L'intégration de XGBoost et Random Forest a été faite pour déterminer ( MRP ) à partir des données de diagraphies. Nous avons réalisé trois scénarios, et c'est la première scénarios où nous obtenons des résultats sur le terrain meilleur coefficient de corrélation entre de l'algorithme XGBoost1, il nous a donné des résultats extrêmement prometteurs, qui sont les suivants : Le RMSE s'élève à 0,023, le MAE à 0,017 et le R² à 0,740. En revanche, l'algorithme Random Forest 1 a été mis au jour. C'est un résultat supérieur à celui précédent, et c'est le meilleur de notre mémoire, avec une RMSE = 0,021, une MAE = 0,016 et une R² = 0,791. Les résultats de cette mémoire confirment l’efficacité des outils de l’intelligence artificielle pour la prédiction des paramètres pétrophysiques 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 »