فهرست نشریات علمی دسترسی آزاد ایران

با رونق اکتشاف و توسعه منابع هیدروکربنی نامتعارف، تخمین دقیق فاکتورهای سنگ منشاء نظیر پتانسیل باقیمانده هیدروکربنی (S2) از طریق نگاره‌های چاه بیش از پیش اهمیت پیدا کرده است. مانند ویژگی‌های مواد آلی، تغییرات سنگ‌شناسی در داخل یک توالی منشاء احتمالی نیز بر پاسخ نگاره‌های چاه موثرند. این امکان وجود دارد که تکنیک‌های هوش مصنوعی این پاسخ‌های نگاره‌ای ناشی از سنگ‌شناسی را بعنوان نشانه‌ای از تغییر در میزان و ویژگی‌های مواد آلی تفسیر نمایند، که این مهم موجبات کاهش کارایی آنها را مهیا می‌کند. در مطالعه حاضر، روشی جدید تحت عنوان روش مبتنی بر سنگ‌شناسی ارائه شده است که اساس آن بر مدل‌سازی رابطه بین نگاره‌ها و پارامتر S2 برای هر کدام از انواع سنگ‌شناسی از طریق سیستم استنتاج عصبی–فازی تطبیقی استوار است. کارایی روش پیشنهادی با روش‌های ANFIS و هیبریدی که فرآیند آموزش آنها با استفاده از داده‌های واجد سنگ‌شناسی مختلف انجام شده است، مورد مقایسه قرار گرفت. نتایج نشان داد که روش مبتنی بر سنگ‌شناسی در زمینه حذف اثرات نامطلوب تغییرات سنگ‌شناسی بر روند آموزش مدل ANFIS موفق بوده که حاصل آن، تخمین بسیار دقیقتر مقادیر S2 می‌باشد. ازمیان روش‌های معمول، ترکیب الگوریتم بهینه‌سازی ذرات با روش ANFIS کارایی بالاتری را نشان داد. لیکن، روش هیبریدی مذکور به اندازه روش مبتنی بر سنگ‌شناسی کارآمد نمی‌باشد. کاربردی‌بودن روش پیشنهادی با اجرای آن بر سازند پابده در یکی از چاه‌های جنوب غرب ایران تایید شد. در نهایت، پیشنهاد می‌شود از روش مبتنی بر سنگ‌شناسی جهت تخمین دیگر فاکتورهای ژئوشیمیایی و همچنین پارامترهای پتروفیزیکی از طریق نگاره‌های چاه، بهره گرفته شود.