برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری
ارزیابی پتانسیل هیدروکربن‌زایی سنگ منشأ به‌عنوان تابعی از کل محتوی کربن آلی و نوع کروژن از اهمیت بالایی در مطالعات اکتشافی نفت و گاز برخوردار است. هدف اصلی در این مطالعه، مقایسه عملکرد شبکه عصبی مصنوعی بر پایه روش آموزش پس انتشار (ANN-BP) و همچنین الگوریتم‌های فراابتکاری ژنتیک (ANN-GA) و ازدحام ذرات...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2022-08-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_1231_89fea5755919cba5a45919acf1360cb0.pdf |
| _version_ | 1811226777917325312 |
|---|---|
| author | سید رسول سیدعلی بهرام علیزاده ایمان زحمتکش هاشم صراف‌دخت |
| author_facet | سید رسول سیدعلی بهرام علیزاده ایمان زحمتکش هاشم صراف‌دخت |
| author_sort | سید رسول سیدعلی |
| collection | DOAJ |
| description | ارزیابی پتانسیل هیدروکربن‌زایی سنگ منشأ به‌عنوان تابعی از کل محتوی کربن آلی و نوع کروژن از اهمیت بالایی در مطالعات اکتشافی نفت و گاز برخوردار است. هدف اصلی در این مطالعه، مقایسه عملکرد شبکه عصبی مصنوعی بر پایه روش آموزش پس انتشار (ANN-BP) و همچنین الگوریتم‌های فراابتکاری ژنتیک (ANN-GA) و ازدحام ذرات (ANN-PSO) به‌منظور برآورد پارامترهای ژئوشیمیایی کل کربن آلی (TOC) و پتانسیل باقی‌مانده هیدروکربنی (S2) از طریق نمودارهای چاه‌پیمایی است. بدین منظور، سازند پابده (پالئوسن ـ الیگوسن) در میدان نفتی منصوری مورد مطالعه قرار گرفت. براساس نتایج برازش خطی برروی داده‌های آزمون، روش ANN-PSO امکان برآورد پارامترهای TOC و S2 حاصل از آنالیز راکـ ایول را به‌ترتیب با ضریب تعیین (R2) برابر با 8548/0 و 9089/0 فراهم آورده و عملکرد بهتری نسبت به روش‌های ANN-BP و ANN-GA به نمایش می‌گذارد. همچنین، برآورد پارامتر شاخص هیدروژن (HI) بر مبنای ارتباط میان مقادیر TOC و S2 به‌واسطه این روش با ضریب تعیین 6882/0 از دقت قابل قبولی برخودار بوده و تفکیک انواع کروژن با دقت طبقه‌بندی 74% را امکان‌پذیر می‌سازد. زون‌بندی ژئوشیمیایی سازند پابده بر مبنای غنی‌شدگی آلی و نوع کروژن با توجه به نتایج حاصل از روش ANN-PSO نشان‌دهنده سه بخش مجزا است، به‌طوری‌که بخش میانی (واحد شیل قهوه‌ای) با دارا بودن مقادیر قابل‌توجه کل محتوی کربن آلی و شاخص هیدروژن از پتانسیل هیدروکربن‌زایی بیشتری برخودار بوده و در صورت رسیدن به بلوغ حرارتی مناسب می‌تواند نقش قابل‌توجهی در شارژ تله‌های نفتی میدان ایفاء نماید. بنابراین، تعیین دقیق اختصاصات هیدروکربن‌زایی سازند پابده با به‌کارگیری مدل پیشنهادی ANN-PSO در این مطالعه، کاهش عدم قطعیت در مدل‌سازی سیستم نفتی و متعاقباً افزایش قابل‌توجه کارایی اکتشاف در میدان نفتی منصوری را به‌دنبال خواهد داشت. |
| first_indexed | 2024-04-12T09:30:58Z |
| format | Article |
| id | doaj.art-1c6d57dbdccd4eb28945881c8d253ae8 |
| institution | Directory Open Access Journal |
| issn | 2345-2900 2383-4528 |
| language | fas |
| last_indexed | 2024-04-12T09:30:58Z |
| publishDate | 2022-08-01 |
| publisher | Research Institute of Petroleum Industry |
| record_format | Article |
| series | Pizhūhish-i Naft |
| spelling | doaj.art-1c6d57dbdccd4eb28945881c8d253ae82022-12-22T03:38:21ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282022-08-01321401-311213010.22078/pr.2022.4641.30881231برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاریسید رسول سیدعلی0بهرام علیزاده1ایمان زحمتکش2هاشم صراف‌دخت3گروه زمین‌شناسی نفت و حوضه‌های رسوبی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران/مرکز تحقیقات زمین‌شناسی و زمین‌شیمی نفت، دانشگاه شهید چمران اهواز، ایرانگروه زمین‌شناسی نفت و حوضه‌های رسوبی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران/مرکز تحقیقات زمین‌شناسی و زمین‌شیمی نفت، دانشگاه شهید چمران اهواز، ایرانگروه زمین‌شناسی نفت و حوضه‌های رسوبی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایرانگروه زمین‌شناسی، شرکت ملی مناطق نفت‌خیز جنوب، اهواز، ایرانارزیابی پتانسیل هیدروکربن‌زایی سنگ منشأ به‌عنوان تابعی از کل محتوی کربن آلی و نوع کروژن از اهمیت بالایی در مطالعات اکتشافی نفت و گاز برخوردار است. هدف اصلی در این مطالعه، مقایسه عملکرد شبکه عصبی مصنوعی بر پایه روش آموزش پس انتشار (ANN-BP) و همچنین الگوریتم‌های فراابتکاری ژنتیک (ANN-GA) و ازدحام ذرات (ANN-PSO) به‌منظور برآورد پارامترهای ژئوشیمیایی کل کربن آلی (TOC) و پتانسیل باقی‌مانده هیدروکربنی (S2) از طریق نمودارهای چاه‌پیمایی است. بدین منظور، سازند پابده (پالئوسن ـ الیگوسن) در میدان نفتی منصوری مورد مطالعه قرار گرفت. براساس نتایج برازش خطی برروی داده‌های آزمون، روش ANN-PSO امکان برآورد پارامترهای TOC و S2 حاصل از آنالیز راکـ ایول را به‌ترتیب با ضریب تعیین (R2) برابر با 8548/0 و 9089/0 فراهم آورده و عملکرد بهتری نسبت به روش‌های ANN-BP و ANN-GA به نمایش می‌گذارد. همچنین، برآورد پارامتر شاخص هیدروژن (HI) بر مبنای ارتباط میان مقادیر TOC و S2 به‌واسطه این روش با ضریب تعیین 6882/0 از دقت قابل قبولی برخودار بوده و تفکیک انواع کروژن با دقت طبقه‌بندی 74% را امکان‌پذیر می‌سازد. زون‌بندی ژئوشیمیایی سازند پابده بر مبنای غنی‌شدگی آلی و نوع کروژن با توجه به نتایج حاصل از روش ANN-PSO نشان‌دهنده سه بخش مجزا است، به‌طوری‌که بخش میانی (واحد شیل قهوه‌ای) با دارا بودن مقادیر قابل‌توجه کل محتوی کربن آلی و شاخص هیدروژن از پتانسیل هیدروکربن‌زایی بیشتری برخودار بوده و در صورت رسیدن به بلوغ حرارتی مناسب می‌تواند نقش قابل‌توجهی در شارژ تله‌های نفتی میدان ایفاء نماید. بنابراین، تعیین دقیق اختصاصات هیدروکربن‌زایی سازند پابده با به‌کارگیری مدل پیشنهادی ANN-PSO در این مطالعه، کاهش عدم قطعیت در مدل‌سازی سیستم نفتی و متعاقباً افزایش قابل‌توجه کارایی اکتشاف در میدان نفتی منصوری را به‌دنبال خواهد داشت.https://pr.ripi.ir/article_1231_89fea5755919cba5a45919acf1360cb0.pdfکل کربن آلینوع کروژنشبکه عصبی مصنوعیالگوریتم ژنتیکبهینه‌سازی ازدحام ذرات |
| spellingShingle | سید رسول سیدعلی بهرام علیزاده ایمان زحمتکش هاشم صراف‌دخت برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری Pizhūhish-i Naft کل کربن آلی نوع کروژن شبکه عصبی مصنوعی الگوریتم ژنتیک بهینه‌سازی ازدحام ذرات |
| title | برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری |
| title_full | برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری |
| title_fullStr | برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری |
| title_full_unstemmed | برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری |
| title_short | برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری |
| title_sort | برآورد کل محتوی کربن آلی و نوع کروژن از داده‌های چاه‌پیمایی با بهره‌گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم‌های فراابتکاری |
| topic | کل کربن آلی نوع کروژن شبکه عصبی مصنوعی الگوریتم ژنتیک بهینه‌سازی ازدحام ذرات |
| url | https://pr.ripi.ir/article_1231_89fea5755919cba5a45919acf1360cb0.pdf |
| work_keys_str_mv | AT sydrswlsydʿly brậwrdḵlmḥtwyḵrbnậlywnwʿḵrwzẖnạzdạdhhạycẖạhpymạyybạbhrhgyryạztrḵybsẖbḵhʿṣbymṣnwʿywạlgwrytmhạyfrạạbtḵạry AT bhrạmʿlyzạdh brậwrdḵlmḥtwyḵrbnậlywnwʿḵrwzẖnạzdạdhhạycẖạhpymạyybạbhrhgyryạztrḵybsẖbḵhʿṣbymṣnwʿywạlgwrytmhạyfrạạbtḵạry AT ạymạnzḥmtḵsẖ brậwrdḵlmḥtwyḵrbnậlywnwʿḵrwzẖnạzdạdhhạycẖạhpymạyybạbhrhgyryạztrḵybsẖbḵhʿṣbymṣnwʿywạlgwrytmhạyfrạạbtḵạry AT hạsẖmṣrạfdkẖt brậwrdḵlmḥtwyḵrbnậlywnwʿḵrwzẖnạzdạdhhạycẖạhpymạyybạbhrhgyryạztrḵybsẖbḵhʿṣbymṣnwʿywạlgwrytmhạyfrạạbtḵạry |