سعید واعظیان - دانشگاه شاهرود، مهندسی معدن، نفت و ژئوفیزیک
بهزاد تخم چی - دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک
محمدرضا رضایی - دانشگاه کرتین استرالیا، دانشکده مهندسی نفت
احمد واعظیان - دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک

در شیل های گازی مقدار محتوای ماده آلی یکی از پارامترهای مهم در ارزیابی مخزن می باشد. روش های مختلفی برای تخمین مقدار کل کربن آلی وجود دارد که از این میان می توان به روش ΔlogR اشاره کرد. در سال های اخیر بر روی تخمین این مقدار با استفاده از روش های هوشمند از قبیل شبکه عصبی مطالعاتی انجام شده است. در این مقاله با استفاده از شبکه عصبی چند لایه و به کارگیری الگوریتم بهینه سازی کلونی زنبورهای عسل، مقدار کل کربن آلی در سازند کوکاتیاشیل در حوضه پرت از استرالیای غربی تخمین زده شده است. با مقایسه دو روش به کار گرفته شده بین داده های واقعی و تخمین زده شده روش شبکه عصبی دارای ضریب رگرسیون 0/88 و روش ΔlogR مقدار ضریب رگرسیون 0/7 را نتیجه داد که دقت بالای روش شبکه عصبی را نشان می دهد.

مقدار کل کربن آلی- شبکه عصبی- الگوریتم کلونی زنبورهای عسل- ΔlogR