این مقاله به توصیف و مقایسه پیش بینیهای دو روش از بین روشهای تحلیل دادهها، روش منحنی کاهش (DCE) با استفاده از روش رگرسیون و روش شبکه عصبی مصنوعی (ANN) میپردازد. نتایج بهدست آمده مربوط به تولید حاصل از چاههای واقع بر میدان نفتی اهواز نشان میدهند که در طول دوره برآورد، برازش روش شبکه عصبی از انطباق بهتری نسبت به روش رگرسیون (با استفاده از تکنیکهای اقتصادسنجی) برخوردار است، ولی در دوره پیش بینی تولید، با توجه به سناریوی انتخابی، پیش بینی روش شبکه عصبی بسیار متفاوت از روش رگرسیون است و نشان میدهد که تحلیلگران نباید برای تخمین تولید میادین نفتی تنها به یک روش خاص تکیه کنند. به هر حال این دو شیوه در سیستمی موسوم به “سیستم پشتیبانی تصمیم ”، DSS، برای کاربران امکان پیش بینی تولید یک میدان یا حتی یک چاه را فراهم میآورند. بنابراین، یک کارشناس میدان نفتی می تواند منحنی های مختلف مربوط به نرخهای تولید پیش بینی شده را مقایسه و مناسب ترین مدل را برای تصمیم گیری انتخاب نماید. بهعبارت دیگر، معادلات (ریاضی) بهکار رفته برای پیش بینی تولید یک میدان نفتی بهگونه ای باید مدل سازی شوند که بتوانند مقادیر نسبتا نزدیک به یکدیگر را بهدست دهند.
