تخمین دقیق حجم هیدروکربن در یک مخزن، اهمیت به سزایی دارد چرا که پایه و اساس طرح‌های توسعه ای آینده مخزن و میزان سرمایه‌گذاری‌ها را توجیه می‌کند. بنابراین برای مهندسان و کارشناسان صنایع بالا دستی برآورد حجم مخازن نفتی و گازی از دغدغه‌های همیشگی است که از زمان اکتشاف شروع و تا اتمام ذخیره قابل برداشت ادامه دارد. در این مطالعه سعی شده است تا با ابزار شبکه‌های عصبی و استفاده از داده های ژئوفیزیکی و پتروفیزیکی، مدل‌های مشخصه مخزن تهیه و بر اساس آن برآوردی از حجم در جای هیدروکربن در مخزن به دست آید. برای این هدف ابتدا مخزن شبکه‌بندی شده و به سلول‌های هم حجم تقسیم شد. سپس بر اساس تغییرات تخلخل و سنگ شناسی در چاه‌ها اقدام به زون‌بندی پتروفیزیکی درون چاه‌ها شد و با کروله کردن زون‌های درون چاه‌ها مخزن زون بندی شد. مقادیر تخلخل و اشباع آب و نیز داده‌های سه بعدی لرزه‌ای در سلول‎های مخزن میانگین‌گیری و برای هر سلول یک مقدار تعیین شد. در نهایت با طراحی یک شبکه عصبی سه لایه‌ای از نوع پرسپترون با الگوریتم پس انتشار، خطا و آموزش آن با استفاده از سلول‌های دارای مقادیر واقعی تخلخل و اشباع آب نسبت به تخمین این پارامترها در بقیه سلول‌ها اقدام شده و در نتیجه حجم در جای هیدروکربن مخزن محاسبه شد و با مقادیر به دست آمده از روش آماری مونت کارلو مقایسه شد.