پیشبینی نگار TOC با بکارگیری الگوریتم کلونی مورچه، الگوریتم ژنتیک و شبکه عصبی،مطالعه موردی در میدان نفتی اهواز

یکی از پارامترهای مهم ژئوشیمیایی در اکتشافات نفتی، مقدار کل کربن آلی(TOC)میباشد که جهت ارزیابی پتانسیل هیدروکربنزائی سنگ منشأ استفاده میشود. اندازهگیری این پارامتر، با انجام آزمایشات شیمیایی پر-هزینه و وقتگیر، روی تعداد محدودی نمونه صورت میگیرد. از اینرو در این پژوهش از سه سیستم هوشمند و پرکاربرد در هوش مصنوعی یعنی الگوریتم کلونی مورچه، الگوریتم ژنتیک و شبکه عصبی جهت برآورد نگارTOCاز نگارهای پتروفیزیکی استفاده شده است. این محاسبات عددی برای تمامی چاههای نفتی قابل بررسی و بهصرفه هستند. یک تابع توزیع فرمون پیوسته در نوشتن کد عددی الگوریتم کلونی مورچه بکار گرفته شد. در الگوریتم ژنتیک نیز، معیار توقف محدودیت واماندگی نسلی ۵٠٠ تنظیم گردید که بیشتر از پیش- فرض است تا الگوریتم فرصت یافتن جواب قابلقبول را داشته باشد. شبکه عصبی مورد استفاده دارای یک لایهپنهان با تعداد نرون های مختلف است. در مطالعه موردی سه چاه از میدان نفتی اهواز، ضرایب وزنی داد ههای پتروفیزیکی برای تابع غیرخطی پیشنهادی توسط الگوریتم کلونی مورچه و الگوریتم ژنتیک محاسبه شد. بااستفاده از این ضرایب و داشتن دادههای پتروفیزیکی، می توان نگارTOC را برای سایر چا ههای این میدان تهیه نمود. شبکه عصبی هم پیرو آموزش شبکه توانایی بالایی در برآورد این نگار نشان میدهد.

کلیدواژه ها:

مقدار کل کربن آلی ، (TOC)/دادههای پتروفیزیکی ، الگوریتم کلونی مورچه ، الگوریتم ژنتیک ، شبکه عصبی ، میدان نفتی اهواز