ساخت نگار کل کربن آلی (TOC) از داده ­ های چاه­پیمایی به کمک تکنیک الگوریتم­ ژنتیک در میدان نفتی اهواز

    یکی از پارامترهای مهم ژئوشیمیایی، مقدار کل کربن آلی (TOC) می­باشد که جهت ارزیابی پتانسیل هیدروکربن­زائی سنگ منشاء استفاده می­شود. اندازه­گیری این پارامتر مستلزم انجام آزمایشات ژئوشیمی بر روی کنده­های حفاری می­باشد که پرهزینه و وقت­گیر بوده و انجام آن بر روی تعداد محدودی نمونه صورت می­گیرد. در این مطالعه از فن­آوری الگوریتم های ژنتیک که مبتنی بر مفاهیم زیست­شناسی هستند جهت تخمین TOC از داده­های پتروفیزیکی استفاده شده است. از عملگرهای زیستی (operator) مانند تقاطع (crossover) و جهش (mutation) جهت تولید­مثل نسل های جدید داده و انتخاب فرزندان نابغه (elite child) استفاده شده است. برای هر کدام از راه­­حل های مساله یک کروموزوم تعریف شده و جواب های مساله (ژن ها) در سیر تکاملی (رسیدن به جواب های بهینه مساله) قرار گرفته­اند. این مطالعه بر روی داده های مربوط به سه چاه از میدان نفتی اهواز انجام گرفته است. الگوریتم ژنتیک ضرائب وزنی را برای داده­های پتروفیزیکی محاسبه کرده که با استفاده از این ضرائب و داشتن داده­های چاه­پیمایی، می­توان TOC را برای سایر چاه­های موجود در میدان تخمین زد. دو نوع مدل الگوریتم ژنتیک جهت تخمین TOC طراحی شد: خطی و غیر خطی. نتایج نشان می­دهد که از مدل خطی نسبت به مدل غیرخطی نتایج صحیح­تری حاصل می­شود. میانگین مربعات خطای شبکه (MSE) در مدل بهینه­سازی الگوریتم ژنتیک خطی برای داده­های تست ۰۰۹۶/۰ می­باشد که این مرتبط با مقدار ضریب همبستگی ( R۲ ) ۷۶۳۵/۰ است.   

Keywords:

پیرولیز راک-ایول , جهش , کروموزم , الگوریتم­های ژنتیک , پیرولیز راک , ایول , محتوای کل کربن ارگانیکی