برآورد مقدارکربن آلی کل با استفاده ازشبکه عصبی مصنوعی در میدان نفتی بینک، استان بوشهر

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز، ایران

چکیده

     مقدار کربن آلی کل (Total Organic Carbon) موجود در سنگ منشأ هیدروکربن یکی از پارامترهای حائز اهمیت  در ارزیابی آن است. این پارامتر نه تنها در مطالعات ژئوشیمیایی هیدروکربن مورد استفاده قرار می‌گیرد، بلکه در بررسی میزان گسترش سنگ منشأ نیز نقش بسزایی دارد به گونه‌ای که با افزایش TOC، احتمال حضور سنگ منشأ افزایش می‌یابد وکاهش آن بیانگر عدم گستردگی سنگ منشأ در یک ژرفای معلوم است. بنابراین وجود روشی که بتواند به برآورد هر چه بهتر آن کمک کند، لازم است. شبکه‌های عصبی مصنوعی یکی از روشهای عددی حل مسئله است که با الگو برداری از عملکرد شبکه‌های عصبی زیست‌شناختی به تحلیل مسائل پرداخته و اقدام به برآورد، رده‌بندی و ... می‌کند.
     این مقاله با هدف معرفی ساختار و چگونگی عملکرد شبکه‌های عصبی، اقدام به برآورد مقدار مواد آلی کل موجود در سنگ منشأ هیدروکربن در میدان نفتی بینک با استفاده از اطلاعات چاه‌پیمایی می‌کند. نتایج حاصل، بیانگر این مطلب است که شبکه پرسپترون چند لایه( Multi-Layer Perceptron ) بهترین شبکه‌ای بود که برای برآورد استفاده شد که دارای یک لایه میانی با 6 گره ونوع الگوریتم آموزشی پس انتشار مومنتم باتابع تحریک تانژانتی بود. پس از آموزش شبکه، مقدار خطای برآورد 0013/0 حاصل شد. پس ازآن، داده‌های آموزشی و غیر آموزشی آزموده شدند و در نهایت مقایسة بین مقادیرTOC واقعی و برآورد انجام گردید که نتیجة مطلوب حاصل شد. در پایان، تحلیل حساسیت روی پارامترهای مؤثر در بر آورد انجام گردید و بر اساس آن، پارامتر تخلخل نوترونی (NPHI) به عنوان موثرترین و حساس‌‌ترین پارامتر و DT به عنوان پارامتری با کمترین حساسیت مؤثر در برآورد شناخته شدند.

کلیدواژه‌ها


جلالی، م. ر.،1356- چینه شناسی حوضه زاگرس(جنوب غرب ایران).ترجمه گزارشهای 1072و1249.انتشارات مرکز آموزش و برنامه ریزی نیروی انسانی اکتشاف وتولید-110صفحه.
رضایی، م .ر .،1380- زمین شناسی نفت.انتشارات علوی.250صفحه.
مرادزاده،ع.، قوامی ریابی، ر.، 1382- چاه پیمایی برای مهندسین . انتشارات دانشگاه شاهرود.245صفحه.
ناصری،آ.، 1385- بررسی وتفسیروضعیت مخزنی افق آسماری ساختمان نفتی بینک با استفاده از اطلاعات ژئوفیزیکی وچاه پیمایی با بکارگیری شبکه‌های عصبی مصنوعی. پایان نامه کارشناسی ارشد،دانشگاه صنعتی سهند،220 صفحه.
 
References
      Callan. R., 1999- The essence of neural networks. Southampton Institute. Perentic  Hall Europe.P.200
Huang, Z. and Williamson, M. A., 1994 - Geological pattern recognition and modeling with a general regression neural network. Canadian Journal of exploration geophysics, Vol.30.No.1, P.60-68.
Menhaj, M. B., 2000 - Fundamentals of neural networks. TehranPolytechnicsUniversity .vol.1.P.716.
Parker, D. B., 1985- Learning –Logic: Casting the cortex of the human brain in Silicon, MIT, Cambridge, MA. Technical Report TR-47.
Pirson, S. J., 1963- Handbook of well log analysis for oil and gas formation evaluation. Prentice-Hall International, Inc.London, pp: 200
Schlumberger., 1972- Log interpretation principles.Vol 1.1972 Edition.
Schowig, B., Band Day, R., 1996- Artificial intelligence in the Petroleum industry.
Yang,Y., Aplin, A. C. and Larter, S. R., 2004 - Quantitative  assessment of mudstone lithology using petrophysical wireline logs and artificial neural networks. EAGE/Geological Science of London .Vol 10 2004. Pp.141-151.