تعیین کل کربن آلی (TOC) و رخساره های آلی از داده های چاه پیمایی به کمک معادلات هوشمندانه مشتق شده و آنالیز خوشه ای: مطالعه موردی از میدان نفتی اهواز، جنوب غرب ایران

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 108

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_PRRIP-25-84_014

تاریخ نمایه سازی: 4 دی 1402

Abstract:

کل کربن آلی TOC یکی از پارامترهای مهم ژئوشیمیایی برای ارزیابی پتانسیل هیدروکربن زائی سنگ منشاء است. اندازه گیری این پارامتر نیاز به انجام آزمایشات ژئوشیمی بر روی کنده های حفاری دارد که پرهزینه و وقت گیر است. به طور کلی، سنگ های غنی از مواد آلی توسط نگاره های پتروفیزیکی با تخلخل بالا، زمان عبور صوت بالا، چگالی پایین، پرتو گاما بالاتر و مقاومت ویژه بیشتر از سایر سنگ ها مشخص می شوند. در این مطالعه، مدل های الگوریتم ژنتیک خطی و غیر خطی جهت تخمین کل کربن آلی از داده های پتروفیزیکی برای سنگ های منشا کژدمی، گورپی و پابده در میدان نفتی اهواز استفاده شد. از مدل الگوریتم ژنتیک خطی نتایج معتبرتر و مقبول تری نسبت به مدل غیر خطی حاصل شد. راه حل های الگوریتم ژنتیک با آنالیز رگرسیون به واسطه ضرائب مناسب با معادلات TOC مقایسه شد. اجرای آنالیز براساس میانگین مربع خطا و ضریب همبستگی، کارایی بالاتر معادلات هوشمندانه مشتق شده را در مقایسه با آنالیز رگرسیون آماری نشان می دهد. در مرحله بعدی مطالعه، روش آنالیز خوشه ای جهت طبقه بندی نگار TOC تخمین زده شده و شناسایی زون های ژئوشیمیایی مورد استفاده قرار گرفت. نتایج مدل الگوریتم ژنتیک به شکل مقبول، سنگ های منشا را با استفاده از مدل آنالیز خوشه ای به رخساره های غنی و فقیر از مواد آلی تقسیم کردند.

Authors

هدی عبدی زاده

گروه زمین شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایران

علی کدخدایی

گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز، ایران

مسعود شایسته

گروه زمین شناسی، شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران

محمد حسین حیدری فرد

گروه زمین شناسی، شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • . Schmoker J. W., “Determination of organic-matter content of Appalachian ...
  • . Passey O. R., Moretti F. U., and Stroud J. ...
  • . Kadkhodaie-Ilkhchi A., Rahimpour-Bonab H., and Rezaee M. R., A., ...
  • Kadkhodaie A., Rezaee M. R., and Rahimpour-Bonab H., A., “Committee ...
  • . Kamali M. R. and Mirshady A. A., “Total organic ...
  • . Mitchell M., An Introduction to genetic algorithms, MIT Press, ...
  • . Holland J. H., Adaptation in natural and artificial systems, ...
  • . Goldberg D. E., Genetic algorithms in search, optimization, and ...
  • . Michalewicz Z., Genetic algorithms +data structures=evolution programs, Springer Verlag, ...
  • . Bordenave M. L. and Burwood R., “Source rock distribution ...
  • . Alizadeh B. and Sepahvand S., “Petroleum source rock evaluation ...
  • . Rabbani A. R. and Bagheri Tirtashi R., “Hydrocarbon source ...
  • . Jafarzadeh M. and Hosseini-Barzi M., “Petrography and geochemistry of ...
  • . Chen C. H. and Lin Z. S., “A committee ...
  • نمایش کامل مراجع