مقایسه روش های شبکه عصبی خود سازنده و آنالیز خوشه ای برای ارزیابی مقدار کربن آلی در سازندهای محتوی هیدروکربن با استفاده از سیستم های هوشمند

محتوای کل کربن آلی یکی از پارامترهای مهم جهت ارزیابی ژئوشیمیایی لایه های تولید کننده نفت و گاز است. در این مطالعه، طی دو مرحله، محتوای کربن آلی در سازندهای هیدروکربندار با استفاده از دادههای لاگ ارزیابی شده است. در مرحله اول، دادههای لاگ به مجموعهای از الکتروفاسیسها تقسیمبندی شدهاند. روشهای استفاده شده برای شناسایی و خصوصیتبندی الکتروفاسیسها شامل: شبکههای عصبی خود سازنده و روش آنالیز خوشه ای می باشد. نتایج حاصل از هر دو روش با یکدیگر مقایسه شده و براساس آزمونهای ارزیابی خوشهای، بهترین روش برای خوشهبندی دادههای پتروفیزیکی در الکتروفاسیسهای معین مورد استفاده قرار گرفت. مقدار کل کربن آلی با استفاده از دادههای لاگ به وسیله روشهای خاص شبکه عصبی برای هر الکتروفاسیس برآورد شد. در مرحله دوم، مقدار کل کربن آلی با استفاده از همان روش خاص شبکه عصبی و بدون در نظر گرفتن الکتروفاسیسها تعیین گردید. نتیجه دو روش با یکدیگر و همچنین با روشΔlogR  مقایسه شد. نتایج نشان داد که خوشهبندی یک سازند به واحدهای مشخص (الکتروفاسیس) در مقایسه با مدل استخراج شده برای کل مجموعه دادهها بدون در نظر گرفتن خوشهبندی، مقدار کل کربن آلی سازند را با دقت بالاتری پیش‎بینی می‎نماید. در مجموع سیستمهای هوشمند نسبت به تکنیکهای قدیمی مبتنی بر روش ΔlogR مناسب‎تر میباشند. روش ارائه شده همراه با مثال موردی از بزرگ ترین مخزن گازی غیر همراه جهان، میدان گازی پارس جنوبی در حوضه خلیج فارس ارائه گردیده است.

کلیدواژه ها:

خوشهبندی SOM ، آنالیز خوشهای ، شبکه عصبی خود سازنده ، الکتروفاسیس ، ارزیابی اعتبار خوشهبندی