در صنعت نفت تعیین نفوذپذیری اغلب در آزمایشگاه توسط مغزه و آزمایش چاه (well testing) انجام می شود. در میدان پارسی سازند آسماری مهمترین سازند مخزنی این میدان بشمار میرود که دارای تغییرات سنگ شناسی و رسوبگذاری پیچیده ای است. این تغییرات و نبود داده های لازم از مغزه و آزمایش چاه باعث شده است که نتوان پارامتر نفوذپذیری را با دقت مناسبی تعیین کرد. در این مقاله از روش شبکه عصبی مصنوعی پس انتشار خطاBP - (ANN) با استفاده از نگارهای پتروفیزیکی برای پیش بینی هرچه دقیقتر پارامتر نفوذپذیری در میدان نفتی پارسی واقع در جنوب غربی ایران استفاده شده است. برای تعیین نفوذپذیری، نگارهای گاما، چگالی، صوتی، نوترون و عمق در چاههای 18, 19 و 48 به عنوان ورودی شبکه، در طی سه فرآیند آموزش (Train)، آزمایش(Testing) و آزمون (Validation) بکار رفته و در فرآیند تعمیم پذیری Generalization)) میزان ضریب همبستگی بین نفوذپذیری شبکه و نفوذپذیری مخزن در چاه شماره 20 برابر با 689/0 بدست آمده است. به علت دقت کم شبکه در فرآیند تعمیم پذیری پس از زون بندی میدان (بر اساس خواص پتروفیزیکی)، در 4 زون این میدان فرایندهای آموزش، آزمایش و آزمون اجرا شده و در آخر میزان ضرایب همبستگی در فرآیند تعمیم پذیری در زونهای شماره 1, 2, 3 و 4 بترتیب برابر با 0.932، 0.961، 0.887، 0.921 حاصل شده است.