در این تحقیق از روش یادگیری بدون نظارت جهت تعیین واحدهای ژئومکانیکی دریکی ازچاههای نفتی جنوب ایران با استفاده ازلاگهای دادههای چاه نگار یشامل نگاره گاما طبیعی(SGR)، نگاره گامااصلاح شده (CGR،)چگالی(RHOB)، تخلخل نوترونی(NPHI)، زمان موج برشی(DTSM) وزمان موج طولی (DTCO) استفاده شده است.برنامه نویسی مورد نیاز در محیط پایتون انجام گرفته است. در این راستا ابتدا بعد از پردازش دادههای چاه نگاری از دو الگوریتم محبوب قدرتمندنظارت شده یادگیری ماشین ایکسجی بوست (XGBoost)و شبکه عصبی پرسپترونچندلایه(Multi-Layer Perceptron Neural Network) جهت بازیابی داده های گم شده استفاده گردید. سپس از روش های بدون نظارت یادگیری ماشین شامل مدلk-میانگین(K-Means Clustering،)الگوریتم خوشه بندی سلسله مراتبی(HAC،)الگوریتم خوشه بندیDBSCANمبتنیبر غلظتر غلظتو مدل آمیخته گوسی (Gaussian Mixture Modelling)جهت تعیین واحدهای ژئومکانیکیمخزنیپرفشار،آهک هاینازکلایهوغیرمخزنیمسئلهداراستفاده شد. در اینروشهاالگوریتمهاخودالگوهایزیرسطحیرا با استفاده ازدادههاشناساییمیکنندکه ممکن استبهراحتیدر طول کاوش داده قابل مشاهده نباشند. معیارارزیابیدقت روش دقت در شناساییآهکهاینازکلایه،سازندهایغیرمخزنیمسئلهداروافقهایپرفشار سازندهای مورد مطالعه در نظر گرفته شد. نتایج مطالعات نشان داد که از بین روش های مورد مطالعه روشGMMبه جای اینکه بر اساس فاصله باشد،مبتنیبر توزیع است و از مرزهای خوشه/تصمیم بیضی استفاده میکند؛بنابراین،منجر به طبقه بندی نرمتری میشود. علاوه براین، به خاطرقرار دادن الگوهای احتمالا تیمختلف برای شناسایی واحدهای ژئومکانیکی،روشی بهتر جهت تعیین واحدهای مخزن ، سروک و آهکهای نازک لایه میباشد ا

کلمات کلیدی