عنوان پایان‌نامه
برآوردغنای آلی و زون های ژئوشیمیایی توسطروش های لاجیت بوستینک و فازی
- رشته تحصیلی
- زمین شناسی - نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس علوم شماره ثبت: 4925;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56160
- تاریخ دفاع
- ۳۰ دی ۱۳۹۱
- دانشجو
- رضا فرضی امین آباد
- استاد راهنما
- حسین رحیم پوربناب
- چکیده
- با توجه به اهمیت وافرِ مطالعات ژئوشیمیایی در اکتشافات هیدروکربنی و از سوی دیگر پائین بودن فرکانس نمونهگیری این نوع دادهها، در این پژوهش اقدام به تخمین مقادیر TOC، HI، OI و Tmax با استفاده از دادههای لاگ توسط سیستم استنتاج فازی برای کل چاه نمودیم که با دارا بودن مقادیر پیوسته از پارامترهای ژئوشیمیایی مطالعات دقیقتر و مطمئنتری میتوان انجام داد. در مرحل? بعد براساس مقادیر پارامترهای فوقالذکر زونبندی ژئوشیمیایی و تعیین رخسارههای آلی انجام گردید که دید مناسبی از توزیع کمی، کیفی و بلوغ حرارتیِ ماد? آلی و ارتباط آنها با رخسارههای آلی و محیطهای رسوبگذاری در کل چاه میدهد. پس از تعیین زونهای ژئوشیمیایی و رخسارههای آلی مشخص شد که اینتروالهای کوچکی از سازندهای کنگان و دالان دارای خاصیت منشایی خوبی هستند که متناظر با رخسارههای نواحی عمیقتر میباشند. در نهایت با بهرهگیری از روش لاجیتبوست برای یکی از چاهها زونهای ژئوشیمیایی و رخسارههای آلی را از دادههای لاگ با دقت نزدیک 70% تخمین زدیم. جهت قیاس، زونهای ژئوشیمیایی و رخسارههای آلی را به روشهای فازی و شبک? عصبی نیز تعیین کردیم که دقت این دو روش نیز همانند روش لاجیتبوست میباشد. مطابق نتایجِ بدست آمده میتوان عملکرد روشهای هوشمند را در مطالعات ژئوشیمیایی مثبت ارزیابی کرد و همچنین میتوان از روش لاجیتبوست بعنوان یک روش نوین در حل مسائل دستهبندی با کارآیی بسیار بالا استفاده کرد.
- Abstract
- According to importance of geochemical appraisal in hydrocarbon exploration and being low sampling frequency, in this research, we’ve proceeded to predicting TOC, HI, OI and Tmax from well log data to overall well interval using Fuzzy Inference System so by having proximate geochemical data we could did an certain and precise investigation. Then, geochemical zones were created based on valuses of TOC, HI and Tmax that give an appropriate vision of distribution of quantity, quality and thermal maturity of organic matter. In next step, we defined organic facies using HI and OI then did correlation between geochemical zones and organic facies. We found that high potentially zones pertain to facies of deep depositional environments. Finally, for one of the wells applied fuzzy logic, neural networks and LogitBoost to estimate the geochemical zones and organic facies from well logs. Results show that intelligent systems have proper performance in geochemical evaluations.
