چکیده: تخلخل یکی از خصوصیات بسیار مهم و اساسی در مطالعات جامع مخازن هیدروکربوری است که حجم فضاهای خالی موجود در سنگ را به حجم کلی آن مشخص می کند. به طور معمول برای تعیین تخلخل دو راه وجود دارد: روش اول اندازه گیری مستقیم با انجام آزمایشات بر روی مغزه ها می باشد و روش دوم، روش غیرمستقیم با استفاده از نگارهای چاه و روابط و معادلات مربوط به آن-هاست. در استفاده از هر دو روش فوق مسائل، مشکلات و محدودیت هایی وجود دارد که استفاده از روش شبکه عصبی مصنوعی به میزان قابل توجهی از آن ها می کاهد، در عین حال که با پاسخ های قابل قبولی همراه است. سیستم های چند شبکه ای که از آن ها به ماشین کمیته ای نیز تعبیر می شود روشی است که به منظور افزایش دقت و کاهش خطای شبکه های عصبی مصنوعی پیشنهاد شده است. در این تحقیق برای اولین بار در ایران از ترکیب آنسامبلی شبکه ها که نوعی از ماشین کمیته-ای است برای تخمین تخلخل مؤثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربوری پارس جنوبی استفاده شد. داده های موجود 4 چاه این میدان در بازه عمقی سازند کنگان به کار گرفته شد. نگارهای صوتی، چگالی، اشعه گاما و تخلخل نوترونی به عنوان ورودی شبکه ها و تخلخل مؤثر به عنوان خروجی مورد استفاده قرار گرفت. تحقیق در سه بخش مجزا انجام شد. در بخش اول که از شبکه های پس انتشار خطای آموزش دیده به روش فراآموزش و ترکیب آن ها استفاده شد، روش میانگین گیری ساده، ترکیب خطی بهینه و ترکیب غیرخطی به وسیله یک شبکه عصبی دیگر به عنوان ترکیب کننده، میانگین مربعات خطای تخمین الگوهای آزمون را نسبت به بهترین شبکه منفرد حاصل، به ترتیب 9/3 %، 9/4 % و 19 % کاهش دادند. در بخش دوم که شبکه های پس-انتشار خطا با استفاده از روش مرتب سازی آموزش دیدند و سپس نتایج آن ها ترکیب شد، میانگین مربعات خطای تخمین الگوهای آزمون نسبت به بهترین شبکه منفرد حاصل، با استفاده از میانگین گیری ساده 4/3 %، با استفاده از ترکیب خطی بهینه 4 % و با استفاده از ترکیب غیرخطی به وسیله یک شبکه عصبی دیگر 6/21 % کاهش یافت. در بخش سوم که از شبکه های پس انتشار خطای آموزش دیده به روش توقف سریع و ترکیب آن ها استفاده گردید، ترکیب با استفاده از میانگین گیری ساده 8/2 %، ترکیب خطی بهینه 2 % و ترکیب با استفاده از شبکه عصبی ترکیب-کننده 3/2 % میانگین مربعات خطای تخمین الگوهای آزمون را نسبت به بهترین شبکه عصبی منفرد حاصل، کاهش دادند.