تعیین داده‌های ژئوشیمیایی با استفاده از الگوریتم ژنتیک در یکی از میادین نفتی جنوب غرب ایران
محورهای موضوعی :
1 - گروه فنی و مهندسی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
کلید واژه: الگوریتم ژنتیک, جهش, تقاطع, کروموزوم, داده‌های ژئوشیمیایی, داده‌های پتروفیزیکی,
چکیده مقاله :
مقدار کل کربن آلی کارآمدترین عامل ارزیابی سازندهای مستعد تولید هیدروکربن می‌باشد. اندازه‌گیری TOC، مستلزم انجام آزمایشات ژئوشیمیایی پر‌هزینه و وقت‌گیر است، که روی تعداد محدودی نمونه صورت می‌گیرد این پارامتر از داده‌های خروجی پیرولیز راک-ایول بوده و در اهداف اکتشافی و ارزیابی پتانسیل هیدروکربن‌زاییک سازند اهمیت ویژه‌ای دارد. هدف اصلی این پژوهش برآورد پارامتر ژئوشیمیایی TOC از داده‌های پتروفیزیکی است که امروزه در تمامی چاه‌های حفاری و با صرف زمان و هزینه نسبتاً کمی تهیه می‌شوند . از آنجائی‌که ارتباط بین داده‌های ژئوشیمی و پتروفیزیک غیرخطی با پیچیدگی‌های خاصی همراه می‌باشد لذا از علوم دیگر برای ایجاد ارتباط بین آن‌ها استفاده شد. از این منظر، مطالعه حاضر یک پژوهش بین رشته‌ای است که از عملگرهای الگوریتم ژنتیک مانند تقاطع و جهش، جهت تولید نسل‌های جدید و انتخاب فرزندان نابغه استفاده نموده است. برای هر کدام از راه‌حل‌های مسئله یک کروموزوم تعریف شده است و الگوریتم ژنتیک ضرایب وزنی را برای داده‌های پتروفیزیکی محاسبه نموده و با استفاده از این ضرایب و داشتن داده‌های چاه‌پیمایی، می‌توان TOC را برای سایر چاه‌های موجود در میدان تخمین زد.
Total Organic Carbon (TOC) is the most effective factor for evaluating formations prone to hydrocarbon production. Measuring TOC requires expensive and time-consuming geochemical tests, which are typically performed on a limited number of samples. This parameter is derived from Rock-Eval pyrolysis data and plays a crucial role in exploratory objectives and assessing the hydrocarbon potential of a formation. The primary aim of this study is to estimate the geochemical parameter TOC from petrophysical data, which are currently available for all drilled wells at relatively low cost and time. Since the relationship between geochemical and petrophysical data is nonlinear and involves certain complexities, interdisciplinary methods have been employed to establish this correlation. In this regard, the present study applies genetic algorithm operators, such as crossover and mutation, to generate new generations and select elite offspring. For each potential solution, a chromosome is defined, and the genetic algorithm calculates weighting coefficients for the petrophysical data. Using these coefficients alongside well logging data, TOC can be estimated for other wells in the field.