ارزیابی میزان ماده آلی حاصل از شبکه عصبی مصنوعی در چهارچوب چینه‌نگاری سکانسی: مطالعه موردی از سازند پابده در میدان نفتی مارون

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیات علمی گروه زمین شناسی و مرکز پژوهشی زمن شیمی و زمین شناسی نفت دانشگاه شهید چمران اهواز

2 دانش آموخته کارشناسی ارشد زمین شناسی نفت دانشگاه شهید چمران اهواز

3 کارشناس ارشد شرکت ملی مناطق نفت خیز جنوب

چکیده

      ارزیابی ویژگی­های ژئوشیمیایی در یک چهارچوب چینه­نگاری سکانسی، همزمان با افزایش دقت تفاسیر، تأثیرات حاصل از تغییر در شرایط محیطی برروی این ویژگی­ها را نیز آشکار می­نماید. دراین مطالعه، بهره جستن از روش شبکه عصبی مصنوعی جهت سنجش کربن آلی کل (TOC) از طریق داده­های پتروفیزیکی، منجر به طراحی شبکه­ای سه­لایه‌ای از نوع پس‌انتشارخطا با دقت کلی 89% گردید. مطالعه سکانسی نشان داد که در طول ته­نشست سازند پابده میدان مارون (ائوسن­میانی - الیگوسن­پیشین) چندین پیشروی و پسروی دریا رخ داده که این نوسانات، شرایط گوناگون محیطی را جهت غنی­شدگی یا عدم غنی­شدگی فراهم آوردهاست. به­همین­دلیل TOC در بخش­های مختلف سازند از 45/0 تا 4 درصد وزنی متغیر می­باشد. این تحقیق انطباق بسیار خوبی را بین مرزهای پتروفیزیکی، ژئوشیمیایی و سکانسی نشان می­دهد. همچنین مشخص گردید که بهترین شرایط محیطی در زمان ائوسن­پسین فراهم آمده که حاکمیت این شرایط، معلول افزایش تراز آب دریا و در نتیجه، ازدیاد ورود مواد آلی و ایجاد شرایط احیای لازم جهت حفظ این مواد بوده است.
 

کلیدواژه‌ها


شایسته، م.، 1381. بررسی علل آلودگی نفت آسماری بوسیله هیدروژن سولفوره در بخشی از میدان مارون، گزارش شماره پ-5207، اداره کل   زمین­شناسی گسترشی،  

      شرکت ملی مناطق نفتخیز جنوب، 52 صفحه.

علیزاده، ب.، آدابی، م. و تژه، ف.، 1385، ارزیابی پتانسیل هیدروکربورزایی سنگهای منشاء احتمالی در میدان نفتی مارون با استفاده از دستگاه پیرولیز راک ـ ایول 6، مجله  

       علوم دانشگاه تهران، شماره 3، صفحۀ 267- 274.

میرزا قلی­پور، ع. و حقی، ع.، 1369، مطالعه زمین­شناسی میدان نفتی مارون، گزارش شماره پ-4210، اداره کل زمین­شناسی گسترشی، شرکت ملی مناطق نفتخیز  

      جنوب، 55 صفحه.

Al-Qahtani.F.A., 2000, Porosity distribution prediction using Artificial Neural Networks. Msc. Thesis, organtown  

      Virginia University.

Alizadaeh.B., Najjari.S., Kadkhodaie-Ilkhchi.A, 2011, Artificial neural network modeling and cluste  analysis for  

      organic facies and burial history estimation using well log data: A case study of the South Pars gas field, Persian Gulf, Iran. Computers & Geosciences (2011), DOA: 10.10.16/j.cageo.2011.11.024.

Barry.J.K. and Lisa.M.P., 1997, Source rocks in a sequence stratigraphy framework, AAPG Studies in Geology

      #37.

Beers.R.F., 1945, Radioactivity and organic content of some Paleozoic shales. AAPG Bulletin, v. 26, p. 1 – 22.

Behar.F., Beaumont.V., Pentea.do.B., 2001, Rock-Eval 6 Technology: Performances and Developments. Oil and  

      Gas Science and Technology-Rev. IFB, v. 56, p. 111-134.

Bordenave.M.L. and Burwood.R., 1990, Source rock distribution and Maturation in the Zagros Orogenic Belt: Provenance of the Asmari and Bangestan reservoir oil accumulations. Organic Geochemistry, v. 16, p. 369-387.

Catuneanu.O., 2006, Principles of sequence stratigraphy. Elsevier, New York, 375p.

Cyclolog User Guide, 2004, Version 3.2, ENRES INTERNATIONAL COMPANY.

Symposium, paper D.

Embry.A.F. and Johannessen.E.P., 1992, T-R sequence stratigraphy, facies analysis and reservoir distribution in the uppermost Triassic-Lower Jurassic succession, western Sverdrup Basin, Arctic Canada. In: Vorren, T.O., Petroleum Potential. Norwegian Petroleum Society, Special Publication 2, p. 121-146.

Fertle.H., 1988, Total organic carbon content determined from well logs: SPE Formation Evaluation 15612, p.  

      407– 419.

 Herron.S.L., 1988, Source rock evaluation using geochemical information from wireline logs and cores (abs):  

      AAPG Bulletin, v. 72, 1007.

Hertzog.R., Colson.L., Seeman.B., O’Brian.M., Scott.H., 1989, Geochemical logging with spectrometry tools: SPE  

      Formation Evaluation 4, p. 153– 162.

Huang.Z. and Williamson.M.A., 1996, Artificial neural network modeling as an aid to source rock characterization.

      Marine and Petroleum Geology, Vol. 13, No. 2, p. 277-290.

Hunt.J.M., 1996, Petroleum Geochemistry and Geology. 2nd Edition.W.H. Freeman and Company, New York, 743

      p.

Hunt.J.M., and Jaieson.G.W., 1956, Oil and organic matter in source rock of petroleum: AAPG Bulletin, v. 40, p.

      477– 488.

Hussain.F.A., 1987, Source rock identification in the state of Kuwait using wireline logs: SPE 15747, p. 477– 488.

James.G.A. and Wynd.J.G., 1965, Stratigraphic nomenclature of Iranian oil consortium agreement area. The  

      American Association of Petroleum Geologists Bulletin, 49(12), p. 2182–2245.

Kadkhodaie-Ilkhchi.A., Rahimpour-Bonab.H. and Rezaee.M.R., 2009, A committee machine with intelligent

      systems for estimation of total organic carbon content from petrophysical data, Computers and Geosciences 35  

      (2009) p. 457-474.

Kamali.M.R. and Mirshady.A.A., 2004, Total organic carbon content determined from well logs using ∆log R and

      neuro fuzzy techniques. Journal of Petroleum Science and Engineering 45, p. 141–148.

Kotorba, M. j., Wieclaw, D., kosakowski, P., Zacharski, j., Kowalski, A., 2003, Evaluation of Source rock

      and Petroleum potential of middle Jurassic strata in the South-eastern part of Poland".Prezeglad

      Geologiczny,51,1031-1040.

Luffel.D.L., 1992, Evaluation of Devonian shale with new core and log analysis methods: SPE 21297, p. 1192–

      1197.

Magoon.L.B., 1988, The petroleum system-a classification scheme for research, exploration, and resource

      assessment, in L.B. Magoon, ed., Petroleum systems of the united states: USGS Bulletin 1870: p. 2-15.

Meijun.L., Yunlong.J., Liguo.H., 2003, Geochemical-Sequence Stratigraphy and Its Application Prospects in Lake

      Basin. Chinese Journal of Geochemistry, v.22, p. 164-172.

Mitchum.R.M., Vail.P.R., Thompson, S., 1977, Seismic stratigraphy and Global changes of sea level, Part 2:

      Depositional sequence as a basic unit for stratigraphic analysis. In : Payton, C.E., (Edt.), Seismic stratigraphy –

      Application to hydrocarbon exploration. AAPG, Memoir No.26, p. 53-62.

Mohaghegh.S., Arefi.R., Bilgesu.H.I., Ameri.S., Rose.D., 1994, Design and development of an artificial neural

 

 

 

 

29

 

      network for estimation of formation permeability. SPE 28237, Proceeding of SPE Petroleum Computer

 

 

      Conference, Dallas TX.

Pasley.M.A., Gregory.W.A., Hart,G.F., 1991, Organic matter variation in transgressive and regressive shales.

      Organic Geochemistry 17, p. 483–509.

 Passey.Q.R., Creaney.S., Kulla.J.B., Moretti.F.J., Stroud.J.D., 1990, A Practical Model for Organic Richness from

      Porosity and Resistivity logs, AAPG Bulletin v.74, n.12, p. 1777-179.

Peters.K.E. and Cassa.M.R., 1994, Applied source rock geochemistry. In: The petroleum system - from source to

      trap: Magoon, L.B. Dows, W.G (eds.), AAPG Memoir 60, p. 93-117.

Schmoker.J.W., 1981, Determination of organic-matter content of Appalachian Devonian shales from gamma-ray

      logs: AAPG Bulletin, v. 65, p. 2165–2174.

Serra.O.L., 1986, Fundamentals of Well-Log Interpretation: The Acquisition Logging Data, v. 1, Elsevier. 679 p.

Sloss.L.L., 1963, Sequences in the Cratonic interior of North America. Geological Society of America Bulletin, v.

      74, p. 93-114.

Swanson.V.E., 1960, Oil yield and uranium content of black shales: USGS professional paper 356-A, p. 1–44.Van Wagoner.J.C., Mitchum.R.M., Campion.K.M., Rahmanian.V.D., 1990, Siliciclastic sequence stratigraphy in welllogs, cores, and outcrops: Concepts for high-resolution correlation of time and facies. AAPG Methods in 

      Exploration Series No.7, 55 p.

Worthington.P.F., 1990, Sediment cyclicity from logs In From Hurst, A., Lovell, M. A. & Morton, A. C., 1990, Gelogical Applications of Wireline Logs Geological Society Special Puplications No. 48, p. 123-132.