برآورد و مدل‌سازی مقدار کل کربن آلی به وسیله ترکیب روش‌های شبکه عصبی و زمین آماری در یکی از میادین ایران

مقدار کل کربن آلی یکی از پارامترهای مهم در ارزیابی ژئوشیمیایی سنگ های منشا و مدل سازی سیستم های نفتی در یک حوضه رسوبی است. در این مطالعه از یک روش سه مرحله ای برای بدست آوردن این پارامتر از داده های لاگ و مدل سازی آن استفاده شده است. در مرحله اول با استفاده از پیرولیز راک ایول مقدار کل کربن آلی مربوط به تعداد محدودی از نمونه های مغزه و خرده حفاری بدست آمده است. در مرحله دوم شبکه های عصبی هوشمند با الگوریتم پس انتشار خطا برای پیش بینی این پارامتر از نمودار های چاه نگاری در محدوده هر چاه مورد استفاده قرار گرفتند. ضرایب تعیین بین داده های محاسبه شده و داده های 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 مدل سازی 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.