تخمين دقيق حجم هيدروكربن در يك مخزن، اهميت به سزايي دارد چرا كه پايه و اساس طرح هاي توسعه اي آينده مخزن و ميزان سرمايه گذاري ها را توجيه مي كند. بنابراين براي مهندسان و كارشناسان صنايع بالا دستي برآورد حجم مخازن نفتي و گازي از دغدغه هاي هميشگي است كه از زمان اكتشاف شروع و تا اتمام ذخيره قابل برداشت ادامه دارد. در اين مطالعه سعي شده است تا با ابزار شبكه هاي عصبي و استفاده از داده هاي ژئوفيزيكي و پتروفيزيكي، مدل هاي مشخصه مخزن تهيه و بر اساس آن برآوردي از حجم در جاي هيدروكربن در مخزن به دست آيد. براي اين هدف ابتدا مخزن شبكه بندي شده و به سلول هاي هم حجم تقسيم شد. سپس بر اساس تغييرات تخلخل و سنگ شناسي در چاه ها اقدام به زون بندي پتروفيزيكي درون چاه ها شد و با كروله كردن زون هاي درون چاه ها مخزن زون بندي شد. مقادير تخلخل و اشباع آب و نيز داده هاي سه بعدي لرزه اي در سلول هاي مخزن ميانگين گيري و براي هر سلول يك مقدار تعيين شد. در نهايت با طراحي يك شبكه عصبي سه لايه اي از نوع پرسپترون با الگوريتم پس انتشار، خطا و آموزش آن با استفاده از سلول هاي داراي مقادير واقعي تخلخل و اشباع آب نسبت به تخمين اين پارامترها در بقيه سلول ها اقدام شده و در نتيجه حجم در جاي هيدروكربن مخزن محاسبه شد و با مقادير به دست آمده از روش آماري مونت كارلو مقايسه شد.