مقایسه روش‌های شبکه عصبی خود سازنده و آنالیز خوشه‌ای برای ارزیابی مقدار کربن آلی در سازندهای محتوی هیدروکربن با استفاده از سیستم‌های هوشمند

Abstract

محتوای کل کربن آلی یکی از پارامترهای مهم جهت ارزیابی ژئوشیمیایی لایه‌های تولید کننده نفت و گاز است. در این مطالعه، طی دو مرحله، محتوای کربن آلی در سازندهای هیدروکربن‏دار با استفاده از داده‏های لاگ ارزیابی شده است. در مرحله اول، داده‏های لاگ به مجموعه‏ای از الکتروفاسیس‏ها تقسیم‏بندی شده‏اند. روش‏های استفاده شده برای شناسایی و خصوصیت‏بندی الکتروفاسیس‏ها شامل: شبکه‏های عصبی خود سازنده و روش آنالیز خوشه‌ای می‌باشد. نتایج حاصل از هر دو روش با یکدیگر مقایسه شده و براساس آزمون‏های ارزیابی خوشه‏ای، بهترین روش برای خوشه‏بندی داده‏های پتروفیزیکی در الکتروفاسیس‏های معین مورد استفاده قرار گرفت. مقدار کل کربن آلی با استفاده از داده‏های لاگ به وسیله روش‏های خاص شبکه عصبی برای هر الکتروفاسیس برآورد شد. در مرحله دوم، مقدار کل کربن آلی با استفاده از همان روش خاص شبکه عصبی و بدون در نظر گرفتن الکتروفاسیس‏ها تعیین گردید. نتیجه دو روش با یکدیگر و همچنین با روشΔlogR مقایسه شد. نتایج نشان داد که خوشه‏بندی یک سازند به واحد‏های مشخص (الکتروفاسیس) در مقایسه با مدل استخراج شده برای کل مجموعه داده‏ها بدون در نظر گرفتن خوشه‏بندی، مقدار کل کربن آلی سازند را با دقت بالاتری پیش‎بینی می‎نماید. در مجموع سیستم‏های هوشمند نسبت به تکنیک‏های قدیمی مبتنی بر روش ΔlogR مناسب‎تر می‏باشند. روش ارائه شده همراه با مثال موردی از بزرگ‌ترین مخزن گازی غیر همراه جهان، میدان گازی پارس جنوبی در حوضه خلیج فارس ارائه گردیده است.