Prédiction des paramètres géo-mécaniques à l’aide des techniques de l’intelligence artificielle cas du Quartzite El Hamra

Abstract

L’objectif de cette mémoire est la prédiction du module de Young dynamique en utilisant des techniques d’intelligence artificielle basées sur les données de diagraphies de puits dans le réservoir fracturé et compacté Combro-ordovicien de Quartzite El Hamra situé dans le champ de Rhourde Nouss Wilaya d’Illizi au sud-est de l’Algérie.L'intégration des algorithmes Random Forest (RF) et Extrême Gradient Boosting (XGB) a été réalisée afin d’estimer le module élastique à partir des données de diagraphies. Les résultats montrent que l’algorithme XGB offre de meilleures performances par rapport à RF, avec la meilleure précision obtenue pour des diamètres de puits supérieurs à 7" (R² ≈ 0,8520 ; RMSE ≈ 1,1701 ; MAE ≈ 0,9077). Les résultats confirment la fiabilité des diagraphies comme alternative aux méthodes de laboratoire traditionnelles. De plus, l’influence du diamètre du puits sur la qualité des prédictions a été mise en évidence, ce qui ouvre la voie à une amélioration de la caractérisation des réservoirs et des opérations de forage.