پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری

محتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار...

Full description

Bibliographic Details
Main Authors: هدی عبدی زاده, علی کدخدائی, علی احمدی, محمد حسین حیدری فرد
Format: Article
Language:fas
Published: Research Institute of Petroleum Industry 2016-04-01
Series:Pizhūhish-i Naft
Subjects:
Online Access:https://pr.ripi.ir/article_622_936b12ce63980e11bddbc2675bc81d37.pdf
_version_ 1819163521452081152
author هدی عبدی زاده
علی کدخدائی
علی احمدی
محمد حسین حیدری فرد
author_facet هدی عبدی زاده
علی کدخدائی
علی احمدی
محمد حسین حیدری فرد
author_sort هدی عبدی زاده
collection DOAJ
description محتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار گرفت. در این مطالعه، داده‌های لرزه‌ای 2 بعدی و داده‌های پتروفیزیکی سازند پابده از 4 چاه میدان نفتی منصوری مورد استفاده قرار گرفت. همچنین روش ΔLog R جهت پیش‌گویی محتوای کل کربن آلی از داده‌های پتروفیزیکی استفاده شد. مقادیر کل کربن آلی محاسبه شده به‌عنوان ورودی آنالیز چند نشان‌گری برای یافتن ارتباط منطقی با نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. در این مطالعه وارون‌سازی لرزه‌ای براساس الگوریتم شبکه عصبی به دلیل دقت بالا اجرا شد و امپدانس صوتی به‌دست آمده به‌عنوان نشان‌گر بیرونی استفاده شد. سپس شبکه عصبی احتمالاتی با استفاده از نشان‌گرهای پیشگویی شده حاصل از رگرسیون چندگانه آموزش داده شد. متعاقباً کل کربن آلی با ضریب تطابق 75% توسط نشان‌گرهای لرزه‌ای تخمین زده شد. در مرحله بعدی پژوهش، روش بهینه‌سازی کلنی مورچگان غیرخطی به‌عنوان یک ابزار هوشمند جهت تخمین و تولید یک مقطع لرزه‌ای کل کربن آلی از نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. کلنی مورچگان غیرخطی ضرایب وزنی را برای نشان‌گرهای لرزه‌ای محاسبه نمود. در انتها با استفاده از این ضرایب و داشتن نشان‌گرهای لرزه‌ای، یک مقطع لرزه‌ای کل کربن آلی تولید شد.<br />
first_indexed 2024-12-22T17:45:27Z
format Article
id doaj.art-10f0e30533514f68b03fb8b2d1565e26
institution Directory Open Access Journal
issn 2345-2900
2383-4528
language fas
last_indexed 2024-12-22T17:45:27Z
publishDate 2016-04-01
publisher Research Institute of Petroleum Industry
record_format Article
series Pizhūhish-i Naft
spelling doaj.art-10f0e30533514f68b03fb8b2d1565e262022-12-21T18:18:19ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282016-04-01261-9515516810.22078/pr.2016.622622پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوریهدی عبدی زاده0علی کدخدائی1علی احمدی2محمد حسین حیدری فرد3گروه زمین‌شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایرانگروه زمین‌شناسی، دانشکده علوم طبیعی، دانشگاه تبریز، ایرانگروه زمین‌شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایرانگروه زمین‌شناسی، شرکت ملی مناطق نفت‌خیز جنوب، اهواز، ایرانمحتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار گرفت. در این مطالعه، داده‌های لرزه‌ای 2 بعدی و داده‌های پتروفیزیکی سازند پابده از 4 چاه میدان نفتی منصوری مورد استفاده قرار گرفت. همچنین روش ΔLog R جهت پیش‌گویی محتوای کل کربن آلی از داده‌های پتروفیزیکی استفاده شد. مقادیر کل کربن آلی محاسبه شده به‌عنوان ورودی آنالیز چند نشان‌گری برای یافتن ارتباط منطقی با نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. در این مطالعه وارون‌سازی لرزه‌ای براساس الگوریتم شبکه عصبی به دلیل دقت بالا اجرا شد و امپدانس صوتی به‌دست آمده به‌عنوان نشان‌گر بیرونی استفاده شد. سپس شبکه عصبی احتمالاتی با استفاده از نشان‌گرهای پیشگویی شده حاصل از رگرسیون چندگانه آموزش داده شد. متعاقباً کل کربن آلی با ضریب تطابق 75% توسط نشان‌گرهای لرزه‌ای تخمین زده شد. در مرحله بعدی پژوهش، روش بهینه‌سازی کلنی مورچگان غیرخطی به‌عنوان یک ابزار هوشمند جهت تخمین و تولید یک مقطع لرزه‌ای کل کربن آلی از نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. کلنی مورچگان غیرخطی ضرایب وزنی را برای نشان‌گرهای لرزه‌ای محاسبه نمود. در انتها با استفاده از این ضرایب و داشتن نشان‌گرهای لرزه‌ای، یک مقطع لرزه‌ای کل کربن آلی تولید شد.<br />https://pr.ripi.ir/article_622_936b12ce63980e11bddbc2675bc81d37.pdfکل کربن آلینگارهای چاه‌پیماییوارون‌سازی لرزه‌ایشبکه عصبی احتمالاتیبهینه‌سازی کلنی مورچگان
spellingShingle هدی عبدی زاده
علی کدخدائی
علی احمدی
محمد حسین حیدری فرد
پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
Pizhūhish-i Naft
کل کربن آلی
نگارهای چاه‌پیمایی
وارون‌سازی لرزه‌ای
شبکه عصبی احتمالاتی
بهینه‌سازی کلنی مورچگان
title پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
title_full پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
title_fullStr پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
title_full_unstemmed پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
title_short پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
title_sort پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
topic کل کربن آلی
نگارهای چاه‌پیمایی
وارون‌سازی لرزه‌ای
شبکه عصبی احتمالاتی
بهینه‌سازی کلنی مورچگان
url https://pr.ripi.ir/article_622_936b12ce63980e11bddbc2675bc81d37.pdf
work_keys_str_mv AT hdyʿbdyzạdh pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry
AT ʿlyḵdkẖdạỷy pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry
AT ʿlyạḥmdy pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry
AT mḥmdḥsynḥydryfrd pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry