چکیده: چکیده آگاهی دقیق از خصوصیات پتروفیزیکی هر مخزن جهت پیش بینی عملکرد آینده میدان نفتی لازم است. یکی از خصوصیات پتروفیزیکی مهم هر مخزن، تخلخل آن است. بنابراین جهت افزایش دقت در تخمین تخلخل نیاز به بهبود روش های مدل سازی آن است. در رویکردی شناخته شده از متغیرهای مختلف جهت شرطی سازی مدل سازی تخلخل استفاده می شود. به عنوان مثال می توان ابتدا لیتولوِژی را مدل کرده و در هر بلوک تخلخل را با توجه به لیتولوژی تخمین زد. در این پایان نامه تلاش گردیده است به کمک روش های هوشمند مدلی جهت تخمین میزان تخلخل موثر با توجه به اهمیتی که این پارامتر در ارزیابی پتانسیل تولید مخازن هیدروکربوری دارد، ارائه گردد. بدین منظور از دو روش برای تخمین تخلخل موثر در هفت چاه از مخزن آسماری واقع در یکی از میادین نفتی جنوب ایران استفاده گردیده است. الف - شبکه عصبی مفهومی چندلایه ب- ترکیب احتمالات شرطی و شبکه عصبی چندلایه (شرطی سازی مدل) در هریک از دو روش در وهله اول با استفاده از روش های تحلیل چند متغیره و روش شبکه بیزی متغیرهای موثر در برآورد تخلخل تعیین گردیدند. در مرحله بعد بر روی متغیرهای منتخب روش های گفته شده اعمال شده است. در هر دو روش الگوریتم آموزشی لونبرگ-مارکوارت بهتر از بقیه الگوریتم های آموزشی موجود برای آموزش الگوریتم پس انتشار خطا بوده است و بهترین نتایج مربوط به شبکه های پرسپترون چندلایه به ترتیب با 15 و 20 نرون برای روش اول و 15 و 15 نرون برای روش دوم در لایه پنهان می باشد. مقدار ضریب رگرسیون داده های اعتبارسنجی و MSE برای حالتی که از شبکه عصبی چندلایه و متغیرهای منتخب استفاده کردیم به ترتیب برابر 947/0 و 016/0 می باشد. همچنین مقدارضریب رگرسیون داده های اعتبارسنجی و MSE در روش شرطی برابر 876/0 و 0403/0 است. درانتها مدل سه بعدی تخلخل مخزن با استفاده از اطلاعات تخلخل موثر در هفت چاه از میدان تهیه گردیده است. براساس این مدل، تخلخل در قسمت مرکزی و جنوب شرق میدان نسبت به شمال و جنوب میدان از مقادیر بالاتری برخوردار است.