برآورد و مدل سازی مقدار کل کربن آلی به وسیله ترکیب روش های شبکه عصبی و زمین آماری در یکی از میادین ایران
محل انتشار: فصلنامه پژوهش های دانش زمین، دوره: 9، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 243
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESRJ-9-3_007
تاریخ نمایه سازی: 21 شهریور 1400
چکیده مقاله:
مقدار کل کربن آلی یکی از پارامترهای مهم در ارزیابی ژئوشیمیایی سنگهای منشا و مدلسازی سیستمهای نفتی در یک حوضه رسوبی است. در این مطالعه از یک روش سه مرحلهای برای بدست آوردن این پارامتر از دادههای لاگ و مدلسازی آن استفاده شده است. در مرحله اول با استفاده از پیرولیز راک- ایول مقدار کل کربن آلی مربوط به تعداد محدودی از نمونههای مغزه و خرده حفاری بدست آمده است. در مرحله دوم شبکههای عصبی هوشمند با الگوریتم پس انتشار خطا برای پیشبینی این پارامتر از نمودارهای چاهنگاری در محدوده هر چاه مورد استفاده قرار گرفتند. ضرایب تعیین بین دادههای محاسبه شده و دادههای مطلوب توسط مدل بهینه در مراحل آموزش، اعتبارسنجی و تست به ترتیب برابر با ۹۰% ، ۸۸% و ۹۱% 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 مدلسازی 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.
نویسندگان
ابراهیم سفیداری
دانشجوی دکترای زمین شناسی، دانشکده زمین شناسی، دانشگاه تهران
سید محمد زمانزاده
استادیار، دانشکده جغرافیا، دانشگاه تهران
علی دشتی
کارشناسی ارشد زمین شناسی، دانشکده زمین شناسی، دانشگاه تهران
محمد حسن توکل
دانشجوی دکترا، گروه زمین شناسی، جهاد دانشگاهی واحد شهید بهشتی
سپیده یاسمی
کارشناسی ارشد زمین شناسی، گروه زمین شناسی، جهاد دانشگاهی واحد شهید بهشتی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :