خالد معروفی - دانشجوی کارشناسی ارشد رشته زمین شناسی نفت، دانشکده علوم زمین دانشگاه
بهرام علیزاده - دانشیار دانشکده علوم زمین دانشگاه شهید چمران اهواز
محمد حسین حیدری فرد - ژئوشیمیست ارشد شرکت ملی مناطق نفتخیز جنوب

امروزه بهمنظور اجتناب از هزینههای فراون آنالیزهای آزمایشگاهی استفاده از روشهای آماری متداول میباشد. بدلیل آنکه سنگهای منشاء از چگالی کمتری نسبت به دیگر لایه ها برخوردار بوده و از طرفی سرعت عبور موج، تخلخل و مقاومت بیشتری را نشان میدهند، از نگارههای چاه پیمایی به منظور شناسایی این سنگها و بعنوان شاخصی جهت تعیین توان هیدروکربنی آنها استفاده میگردد. در این مطالعه به منظور مقایسه نتایج دو روش ΔLogR و شبکه عصبی مصنوعی، تعداد 16 نمونه توسط دستگاه راکایول 6 مورد آنالیز قرار گرفت. سپس در همان نقاط و با استفاده از تغییرات نگارههای چاهپیمایی مقاومتی و صوتی، و شاخص LOM، امکان سنجش مقدار ماده آلی کل (TOC) از طریق روشهای ΔLogR و شبکه عصبی مصنوعی میسر گردید. در نهایت مقادیر کربن آلی کل بدست آمده از این روشها با مقادیر واقعی حاصل از پیرولیز راکایول مورد مقایسه قرار گرفت. نتایج نشان داد که دقت روش شبکه عصبی مصنوعی ( 99 %) به مراتب بالاتر از روش (60%) ΔLogR بوده و مجذور خطای میانگین آن بسیار کمتر از روش ΔLogR است (ANN: 0/07 و ΔLogR: 0/98) مقایسه نتایج حاصل از روش ΔLogR با مقادیر واقعی نشان داد که دقت نتایج این روش در نمونه های واجد مقادیر TOC بالا و سنگ شناسیهای شیلی به مراتب بالاتر از دقت آن در نمونه های حاوی مقادیر TOC کم و سنگ شناسیهای آهکی است. در نهایت، قابلیت بسیار بالای شبکه عصبی مصنوعی در سنگ شناسی های گوناگون و مقادیر مختلف TOC، کارایی بالاتر این روش را در زمینه سنجش میزان ماده آلی سنگهای منشاء اثبات میکند.

سنگهای منشاء، پیرولیز راکایول، روش ΔLogR، شبکه عصبی مصنوعی، TOC