بررسی سنگ‌های منشا احتمالی در میدان های نفتی اهمیت زیادی دارد. در این تحقیق، علاوه بر ارزیابي پتانسیل هیدروکربني، از مدل سینتیکی آرنیوس، برای ارزیابی دقیق تر وضعیت بلوغ سنگ منشاء و همچنین درصد زایش نفت در میدان نفتی پارسی استفاده شد. در مدل آرنیوس، دمای آهنگ تجزیه‌ کروژن از اهمیت زیادی برخوردار است. در این تحقیق برخی از سنگ های منشاء که آزمایش پیرولیز حرارتی بر روی آن‌ها صورت گرفته است از جنبه سینتیکی مورد تجزیه ‌و تحلیل قرار گرفته و نسبت تبدیل سنگ منشاء (TR) تعیین گردید. بر اساس نتایج بدست آمده از بازسازی تاریخچه تدفین و مدل‌سازی حرارتی، مشخص شد که سازندهای کژدمی و پابده در چاه موردنظروارد پنجره نفتی گردیده در حالیکه سازند گورپی بعلت مواد آلی ناچیز وارد پنجره نفت زایی نشده است (TR =0). بنابراین از ميان سازندهاي کژدمی، گورپی و پابده در ميدان نفتی پارسی، سازند کژدمی به عنوان اصلی ترين و موثرترين سنگ منشأ اين ميدان نفتی معرفی می شود که دارای TR =100و TTI بالایی میباشد. پرونده مقاله

در صنعت نفت از هوش مصنوعی برای شناسایی روابط، بهینه سازی، برآورد و رده بندی تخلخل بهره گیری میشود. یكی از مهمترین مراحل ارزیابی پارامترهای پتروفیزیكی مخزن، شناسایی ویژگیهای تخلخل است. هدف اصلی این پژوهش مقایسه درستی و تعمیم پذیری سه شبكه عصبی چند لایه پیشخور ) MLFN (، شبكه تابع شعاع مبنا ) RBFN ) و شبكه عصبی احتمالی ) PNN ) برای برآورد تخلخل با بهره گیری از ویژگیهای لرزهای است. در این راستا، دادههای زمینشناسی 7 حلقه چاه یک میدان نفتی فراساحلی هندیجان در شمال باختری حوضه خلیج فارس مورد ارزیابی قرارگرفت. امپدانس آکوستیک با بهرهگیری از روش وارونگی مبتنی بر مدل برآورد شد و سپس شبكههای عصبی یاد شده با بهرهگیری از ویژگیهای لرزهای بهینه طراحی شده و با روش رگرسیون گام به گام مورد ارزیابی قرار گرفتند. سرانجام مشخص شد که مدل MLFN برای برآورد تخلخل خوب عمل نمیکند. PNN از بهترین دقت کارکرد در درون یابی تخلخل برخوردار است، اما تعمیم پذیری RBFN بهتر است. پرونده مقاله