اعتبارسنجی و مقایسه دو روش شبکه عصبی مصنوعی و ΔLogR در ارزیابی محتوای ماده آلی سنگ‌های منشاء: مطالعه موردی از سازند پابده میدان نفتی مارون

  سنگ‌های منشاء از چگالی کمتری نسبت به دیگر لایه‌ها برخوردار بوده و از طرفی سرعت عبور موج، تخلخل و مقاومت بیشتری را نشان می‌دهند. بنابراین می‌توان از نگاره‌های چاه‌پیمایی به­منظور شناسایی این سنگ‌ها و بعنوان شاخصی جهت تعیین توان هیدروکربنی آنها استفاده نمود. این مهم معمولاً بوسیله روش‌های هوشمند نظیر شبکه عصبی مصنوعی و ΔLogR انجام می‌گیرد. سنگ‌شناسی متغیر و وجود مقادیر گوناگون ماده آلی کل (TOC)، موجب شد تا سازند شیلی ـ آهکی پابده جهت اعتبارسنجی و مقایسه نتایج روش‌های نامبرده در زمینه سنجش TOC انتخاب گردد. آنالیز رگرسیونی نشان می‌دهد که انطباق نتایج شبکه عصبی با مقادیر پیرولیز راک­ایول (99%)، به­مراتب بهتر از انطباق نتایج روش ΔLogR (60%) است. محاسبه مجذور خطای میانگین (Mean Square Error) روش‌های یادشده نیز نتیجه فوق را آشکار نمود (استفاده بدلیل کارایی بالاتر MSE در نمایش خطای واقعی)، به‌طوریکه خطای MSE روش شبکه عصبی (07/0)، بسیار کمتر از روش ΔLogR (98/0) است. با افزایش محتوای ماده آلی و میزان رس نمونه­ها، کارایی روش ΔLogR نیز افزایش می‌یابد. در این مطالعه، MSE روش ΔLogR از سنگ‌شناسی شیلی به آهکی، به ترتیب از 27/0 به 41/1 افزایش می‌یابد. براساس نتایج شبکه، TOC در سازند پابده میدان مارون از 45/0 تا 4 درصد وزنی متغیر می­باشد. این سازند را از نظر میزان TOC می‌توان به سه بخش A و C، با مقادیر ماده آلی کمتر از 1% و B، با مقادیر ماده آلی بالاتر از 1% تقسیم نمود. ضخامت کل، میزان ماده آلی و درصد رس سازند در راستای جنوب­شرق میدان افزایش می‌یابد که این خود نشانگر افزایش عمق حوضه ته‌نشینی در این راستا می‌باشد. در­نهایت، با توجه به انطباق مرز بالایی لایه غنی از ماده آلی B با نوسانات شدید نگاره گاما، می‌توان این مرز را بعنوان شاخصی مناسب جهت شناسایی مرز ائوسن ـ الیگوسن و رخداد پیرنین به‌کار گرفت.