تخمین محتوای کربن آلی سازند گد وان از داده های لرزه ای با استفاده از شبکه ی نروفازی در بلوک مرکزی خلیج فارس

امروزه استفاده از روش های هوشمند جهت تخمین متغیرهای سنگ، گسترش فراوانی یافته است. اندازه گیری کل محتوای کربن آلی (6TOC) یکی از نخستین متغیرهای مهم و اساسی در ارزیابی اولیه ی سنگ منشا است. این متغیر با ارزش در آزمایشگاه توسط د ستگاه هایی مانند پیرولیز راک-اول اندازه گیری می شود که این روش ها با وجود د قت زیاد ، بسیار وقت گیر و پرهزینه است. تاکنون روش های مختلفی از جمله شبکه های عصبی، منطق فازی، الگوریتم ژنتیک و... جهت تخمین TOC استفاده شده اند اما همگی آنها از نگارهای چاه پیمایی که فقط در محد ود ه ی چاه هستند به این مهم دست یافته اند . بنابراین با توجه به گستره ی وسیع تر داده های لرزه ای نسبت به نگارهای چاه پیمایی، در این مقاله با تلفیق داده های مختلف از جمله داده های ژئوشیمیایی، زمین شناسی، چاه پیمایی و لرزه ای، با استفاده از روش نروفازی، تخمین TOC از مقطع لرزه ای دوبعد ی از طریق نشان گرهای لرزه ای انجام شد و چگونگی توزیع TOC سازند گد وان در بلوک مرکزی خلیج فارس علاوه بر چاه ها، در حد فاصل بین آنها نیز بررسی گردید .جهت تخمین TOC از داده های لرزه ای، ابتدا نگار هدف (TOC) در محل چاه تخمین زده شد ، سپس با استفاده از روش رگرسیون چند نشان گری، نشان گرهای بهینه ای که ارتباط مناسبی با نگار هدف د اشتند ، در محل چاه انتخاب شد ند . این نشان گرها شامل فاز وزنی د امنه، کسینوس فاز لحظه ای، فرکانس لحظه ای و مشتق دوم د امنه ی لحظه ای (به عنوان نشان گرهای داخلی) و امپد انس صوتی (به عنوان نشان گر خارجی) هستند . بعد از این مرحله داده های سازند گد وان در چاه های مورد مطالعه جمع آوری و با استفاده از شبکه ی نروفازی آموزش داده شده است. نتایج حاصل نشان می دهد که این شبکه با خطای 0096/0 برای داده های آموزش و ضریب همبستگی 87/0 برای داده های آزمایش، تخمین گر مناسبی جهت اعمال روی مقاطع لرزه ای میاد ین مورد مطالعه است.