ساخت نگار كل كربن آلي (TOC) از داده هاي چاه پيمايي به كمك تكنيك الگوريتم ژنتيك در ميدان نفتي اهواز

Syntheses of total organic carbon (TOC) logs from well log data using

يكي از پارامترهاي مهم ژيوشيميايي، مقدار كل كربن آلي (TOC) مي باشد كه جهت ارزيابي پتانسيل هيدروكربن زايي سنگ منشا استفاده مي شود. اندازه گيري اين پارامتر مستلزم انجام آزمايشات ژيوشيمي بر روي كنده هاي حفاري مي باشد كه پرهزينه و وقت گير بوده و انجام آن بر روي تعداد محدودي نمونه صورت مي گيرد. در اين مطالعه از فن آوري الگوريتم‌هاي ژنتيك كه مبتني بر مفاهيم زيست شناسي هستند جهت تخمين TOC از داده هاي پتروفيزيكي استفاده شده است. از عملگرهاي زيستي (operator) مانند تقاطع (crossover) و جهش (mutation) جهت توليد مثل نسل‌هاي جديد داده و انتخاب فرزندان نابغه (elite child) استفاده شده است. براي هر كدام از راه حل‌هاي مساله يك كروموزوم تعريف شده و جواب‌هاي مساله (ژن‌ها) در سير تكاملي (رسيدن به جواب‌هاي بهينه مساله) قرار گرفته اند. اين مطالعه بر روي داده‌هاي مربوط به سه چاه از ميدان نفتي اهواز انجام گرفته است. الگوريتم ژنتيك ضرايب وزني را براي داده هاي پتروفيزيكي محاسبه كرده كه با استفاده از اين ضرايب و داشتن داده هاي چاه پيمايي، مي توان TOC را براي ساير چاه هاي موجود در ميدان تخمين زد. دو نوع مدل الگوريتم ژنتيك جهت تخمين TOC طراحي شد: خطي و غير خطي. نتايج نشان مي دهد كه از مدل خطي نسبت به مدل غيرخطي نتايج صحيح تري حاصل مي شود. ميانگين مربعات خطاي شبكه (MSE) در مدل بهينه سازي الگوريتم ژنتيك خطي براي داده هاي تست 0096/0 مي باشد كه اين مرتبط با مقدار ضريب همبستگي (R2) 7635/0 است.

Total organic carbon (TOC) is one of the important parameters for evaluation of the hydrocarbon generation potential of source rocks. Measurement of this parameter requires conducting geochemical analysis on cutting samples which is expensive and time consuming so that it is measured on a limited number of samples. In this study, genetic algorithms technique, which are based on biological concepts, were used to estimate TOC from petrophysical data. Genetic operators such as crossover and mutation were utilized for reproduction of the new generation and selection of elite child. A chromosome is defined for each of the solutions to the problem and the gens are organized in an evolutionary path to reach the optimal solutions. This study is carried out on the three wells from the Ahwaz oilfield. Genetic algorithm calculates weight factors for each of petrophysical data, so that having these weights and well log data TOC were calculated for the other wells of the studied field. Two types of GA models were designed to estimate TOC: linear and nonlinear. The results show that linear model provides more valid results than nonlinear one. MSE of the linear GA optimized model for the test data is 0.0096 which corresponds to the R2 value of 0.7635.