برآورد مقدار کربن آلی کل با استفاده از شبکه عصبی مصنوعی در میدان نفتی بینک، استان بوشهر

مقدار کربن آلی کل (Total Organic Carbon) موجود در سنگ منشا هیدروکربن یکی از پارامترهای حائز اهمیت در ارزیابی آن است. این پارامتر نه تنها در مطالعات ژئوشیمیایی هیدروکربن مورد استفاده قرار می گیرد، بلکه در بررسی میزان گسترش سنگ منشا نیز نقش بسزایی دارد به گونه ای که با افزایش TOC، احتمال حضور سنگ منشا افزایش می یابد وکاهش آن بیانگر عدم گستردگی سنگ منشا در یک ژرفای معلوم است. بنابراین وجود روشی که بتواند به برآورد هر چه بهتر آن کمک کند، لازم است. شبکه های عصبی مصنوعی یکی از روش های عددی حل مسئله است که با الگو برداری از عملکرد شبکه های عصبی زیست شناختی به تحلیل مسائل پرداخته و اقدام به برآورد، رده بندی و... می کند.
این مقاله با هدف معرفی ساختار و چگونگی عملکرد شبکه های عصبی، اقدام به برآورد مقدار مواد آلی کل موجود در سنگ منشا هیدروکربن در میدان نفتی بینک با استفاده از اطلاعات چاه پیمایی می کند. نتایج حاصل، بیانگر این مطلب است که شبکه پرسپترون چند لایه(Multi-Layer Perceptron) بهترین شبکه ای بود که برای برآورد استفاده شد که دارای یک لایه میانی با 6 گره ونوع الگوریتم آموزشی پس انتشار مومنتم باتابع تحریک تانژانتی بود. پس از آموزش شبکه، مقدار خطای برآورد 0013/0 حاصل شد. پس ازآن، داده های آموزشی و غیر آموزشی آزموده شدند و در نهایت مقایسه بین مقادیر واقعی TOC و برآورد انجام گردید که نتیجه مطلوب R=0.9956 حاصل شد. در پایان، تحلیل حساسیت روی پارامترهای موثر در برآورد انجام گردید و بر اساس آن، پارامتر تخلخل نوترونی (NPHI) به عنوان موثرترین و حساس ترین پارامتر و DT به عنوان پارامتری با کمترین حساسیت موثر در برآورد شناخته شدند.