چکیده: محاسبه خصوصیات مخزنی و پیش بینی وضعیت تولید در بخشهای مختلف مخزن و چاه، وظیفه مهم مهندس نفت می باشد. با شناخت هرچه بهتر فاکتورهای موثر در تولید، می توان ارزیابی دقیق تری برای توسعه میدان انجام داد. با توجه به اینکه مخازن کربناته عموما ناهمگن هستند، توصیف و ارزیابی آنها نیازمند به کارگیری روش ها و تکنیک های ویژه ای می باشد شناخت انواع مختلف تخلخل در داخل مخزن از انواع گوناگون منافذ؛ یک پارامتر کاربردی برای توصیف مخزن می باشد که نقش متفاوتی را در جابه جایی سیال ایفا می کند و همچنین ظرفیت ذخیره سیال فضاهای خالی مخزن را تعیین می کند. آنالیز تصویر فضاهای خالی بر اساس آنالیز تصویر کامپیوتری است و تصویر با استفاده از نرم افزارهای تحلیل گر تصاویر، شناسایی و دسته بندی می شود. اطلاعات به دست آمده از این روش بسیار سریع است. دلیل استفاده از روش آنالیز تصاویر، ارزیابی صحیح توزیع فضاهای خالی با استفاده از تصاویر دیجیتال است که جهت پیش بینی کیفیت مخزن و نحوه عملکرد آن به کار می رود. در این تحقیق، جهت تفکیک و طبقه بندی انواع فضاهای خالی در تصاویر مقاطع نازک که به ترتیب شامل تخلخل درون دانه ای، بین دانه ای، حفره ای، قالبی، بیومولدیک و شکستگی هست؛ سه مدل با استفاده از سیستم های هوشمند شبکه های عصبی و ماشین بردار پشتیبان، معرفی شده است. جهت رسیدن به این مهم؛ ابتدا 13 پارامتر هندسی شامل مساحت، مساحت/مربع محیط آن، ویژگی ظاهری، محور بزرگ، محور کوچک، مربع محیطX/Y، قطر میانگین، Feret میانگین، چگالی نوری یکپارچه، نسبت شعاع، گردشدگی، اندازه طولی و اندازه عرضی، از فضاهای خالی تصاویر با روش آنالیز تصویر استخراج شد. از این ویژگی ها به همراه منافذ خالی متناظرشان، تعداد 682 داده با سه شیوه شبکه عصبی کم عمق، شبکه عصبی عمیق و ماشین بردار پشتیبان آموزش دیدند؛ سپس شبکه های حاصله با 277 داده تست، امتحان شد بدین صورت که ورودی ها، خصوصیات هندسی مذکور منافذ و خروجی شبکه ها، انواع مختلف تخلخل موجود در تصاویر بودند. و در انتها توزیع اندازه فضاهای خالی توسط آنها تخمین زده شد. نتایج نشان می دهد روش-های هوشمند در پیش بینی نوع فضای خالی موفق عمل کرده اند. و مدل های ماشین بردار پشتیبان، شبکه عصبی عمیق و شبکه عصبی کم عمق به ترتیب با دقت های 96.02، 92.05 و 81.58 درصد بهترین تطبیق با خروجی اصلی را ارائه دادند در ادامه، میزان بهترین دقت تفکیک هرنوع فضای خالی تعیین شد، بدین ترتیب، مناسب ترین دقت جدایش بدست آمده؛ برای تخلخل های درون دانه ای و شکستگی، در هر سه روش یکسان، و به ترتیب مساوی 97.96% و 83.3%، برای تخلخل های بین دانه ای، حفره ای و بیومولدیک با مدل های ماشین بردار پشتیبان و به ترتیب دقت های 94%، 88.8% و 100%، و برای تخلخل قالبی نیز در دو مدل ماشین بردار پشتیبان و شبکه عصبی عمیق با دقت یکسان 83.3%؛ حاصل شده است. در مرحله بعد، جهت بررسی مقدار تخلخل در مخزن و ارتباط آن با انواع تخلخل های موجود، نمودارهای چاه از جمله تخلخل کل، نوترون، چگالی، گاما و همچنین حجم کلسیت، حجم دولومیت و حجم شیل و به همراه نمودار حجم گاز در اعماق مورد مطالعه ای که مقاطع از آنها تهیه شده اند؛ به صورت جداگانه و مختصر و با استفاده از نرم افزار Geolog در سه تراک نمایش داده شده است. که با توجه به آن ها، بالاترین تخلخل کل بدست آمده در مخزن 26% است .