چکیده: تراوایی و تخلخل از خواص بسیار مهم مخازن نفت می باشند. دانستن مقادیر صحیح تراوایی و تخلخل به منزله یک ابزار موثر، کارآمد و مهم برای مهندسین نفت در امر فرآیند تولید و مدیریت یک میدان می باشد. برای تعیین تراوایی و تخلخل سنگ مخزن دو روش مستقیم و غیرمستقیم وجود دارد. هدف این مطالعه استفاده از قابلیت شبکه های عصبی مصنوعی برای تعیین تراوایی و تخلخل، در میدان پارس جنوبی با استفاده از داده-های موجود (نگارهای چاه پیمایی و داده های مغزه) می باشد. در این پژوهش تخلخل و تراوایی افقی و قائم دو سازند کنگان و دالان در چهار چاه میدان پارس جنوبی با استفاده از شبکه عصبی مصنوعی پس انتشار خطا به روش توقف سریع و روش منظم سازی و با استفاده از روش های احتمالی و بهینه سازی در آنالیز مولتی مین توسط نرم افزار Geolog تخمین زده شد. ضریب همبستگی بین داده های پیش بینی شده و داده های مغزه برای آموزش شبکه عصبی در چاه هایsp1, sp5, sp6 برابر 0.95 و برای چاه sp2 برای تعیین تخلخل برابر 0.95 ولی برای تخمین تراوایی برابر 0.98 است. ضریب همبستگی بین داده های پیش بینی شده و داده های مغزه برای تست شبکه عصبی در چاه هایsp1, sp5, sp6 برابر 0.92 و برای چاه sp2 برای تعیین تخلخل برابر 0.91 ولی برای تخمین تراوایی برابر 0.90 است. ضریب همبستگی بین تراوایی حاصل از روش احتمالی که توسط نرم افزار Geolog انجام گرفته با داده های مغزه در چاه هایsp5, sp2, sp1 sp6 به ترتیب برابر با 0.83 ،0.86.،0.80 ،0.87 و ضریب همبستگی بین تخلخل حاصل از روش احتمالی که توسط نرم افزار Geolog انجام گرفته با داده های مغزه در چاهsp2 برابر 79/0 است. این نتایج نشان دهنده توانایی بالای شبکه عصبی برای تخمین در مقابل آنالیز مولتی مین با استفاده از روش های احتمالاتی که توسط نرم افزار Geolog انجام گرفته، است.