برآورد و مدلسازی مقدار کل کربن آلی به وسیله ترکیب روشهای شبکه عصبی و زمین آماری در یکی از میادین ایران
نویسندگان
1 دانشجوی دکترای زمینشناسی، دانشکده زمینشناسی، دانشگاه تهران
2 کارشناسیارشد زمینشناسی، دانشکده زمینشناسی، دانشگاه تهران
3 استادیار، دانشکده جغرافیا، دانشگاه تهران
4 دانشجوی دکترا، گروه زمینشناسی، جهاد دانشگاهی واحد شهید بهشتی
5 کارشناسیارشد زمینشناسی، گروه زمینشناسی، جهاد دانشگاهی واحد شهید بهشتی
doi
10.29252/esrj.9.3.94چکیده
مقدار کل کربن آلی یکی از پارامترهای مهم در ارزیابی ژئوشیمیایی سنگهای منشا و مدلسازی سیستمهای نفتی در یک حوضه رسوبی است. در این مطالعه از یک روش سه مرحلهای برای بدست آوردن این پارامتر از دادههای لاگ و مدلسازی آن استفاده شده است. در مرحله اول با استفاده از پیرولیز راک- ایول مقدار کل کربن آلی مربوط به تعداد محدودی از نمونههای مغزه و خرده حفاری بدست آمده است. در مرحله دوم شبکههای عصبی هوشمند با الگوریتم پس انتشار خطا برای پیشبینی این پارامتر از نمودارهای چاهنگاری در محدوده هر چاه مورد استفاده قرار گرفتند. ضرایب تعیین بین دادههای محاسبه شده و دادههای مطلوب توسط مدل بهینه در مراحل آموزش، اعتبارسنجی و تست به ترتیب برابر با 90% ، 88% و 91% بوده که نشان از کارآمدی و دقت بالای این روش در برآورد میزان کل ماده آلی دارد. در مرحله سوم به منظور بررسی چگونگی توزیع جانبی و قائم مقدار کل کربن آلی، از علم زمین آمار و مدلسازی استفاده شده است. روش مورد نظر همراه با مثال موردی از بزرگترین مخزن گازی غیر همراه جهان، میدان گازی پارس جنوبی در حوضه خلیج فارس ارائه گردیده است.