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.9.3.94
چکیده

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.