برآورد نگار ژئو شیمیایی با استفاده از الگوریتم ژنتیک مبتنی بر آنالیز خوشهبندی

نگار های ژئوشیمیایی از جمله نگار مقدارکل کربن آلی (TOC)، کارآمدترین عامل ارزیابی سازند های مستعد تولید هیدروکربن هستند، اما بدست آوردن این اطلاعات مستلزم صرف زمان و هزینه زیادی است. از این جهت، این پژوهش به برآورد نگار ژئوشیمیایی TOC با استفاده از نگار های پتروفیزیکی که امروزه از تمامی چاه های حفاری تهیه شده و کم هزینه تر هستند، پرداخته و برای این منظور از الگوریتم خوشه بندی K-means و الگوریتم ژنتیک، بهره گرفته است. برای تخمین داده های TOC به این روش، کدی عددی با رویکردی دو مرحله ای طراحی شد. به طوری که در مرحله اول الگوریتم K-means سه خوشه بندی با تعداد خوشه های متفاوت تولید نموده و در مرحله ی دوم الگوریتم ژنتیکضرائب وزنی و نمائی از تابع غیر خطی پیشنهادی را برای داده های پتروفیزیکی در هر خوشه محاسبه می کند. سپس برای هر یک از خوشهبندی ها به تخمین داده های TOC پرداخته و با محاسبه مقدار میانگین مربع خطای کل در آنها، بهینه-ترین خوشه بندی انتخاب می‌شود. در نهایت با استفاده از این مدل بهینه ی انتخاب شده، نگار TOCبرای کل داده ها محاسبه می‌گردد. این مطالعه بر روی داده های مربوط به سه چاهانجام گرفته است و قابل تعمیم به سایر چاه های اکتشافی خواهد بود.

Keywords:

مقدارکل کربن آلی(TOC) , نگار های پتروفیزیکی , الگوریتم K-means , الگوریتم ژنتیک