بررسی پتانسیل نفت زایی در زون ساختاری قم-اردستان در محیط gis

در علوم مرتبط با زمین به دلیل حضور عدم قطعیت بسیار بالا که خود نتیجه فعالیت های گوناگون و گاهی ناشناخته زمین شناسی در یک منطقه می باشند، عموماً استفاده از منطق قطعی باعث ایجاد ضریب خطای بزرگی می گردد. با توجه به این واقعیت استفاده از منطق غیر قطعی باعث توجیه بسیاری از پدیده ها می گردد. مدل جدید به کار گرفته شده در علوم گوناگون جهت توجیه و مدلسازی پدیده های غیر قطعی مدل فازی می باشد. مدل فازی یک روش بر اساس دانش است که در صورت قیاس این روش با روش های بر اساس داده که روش های شبکه عصبی و اوزان شاهد می باشند، می توان به نتیجه مناسب تری دست یافت. منطقه قم- اردستان بخشی از زون ایران مرکزی می باشد که مقدار زیادی نفت و گاز را در خود جای داده است. این منطقه از لحاظ زمین شناسی و ژیوشیمی آلی مورد بررسی قرار گرفته است. در بخش زمین شناسی جداسازی طاقدیس های محدوده به منظور تهیه لایه ساختار تله نفتی و گسل ها به عنوان لایه مهاجرت، ضخامت سازند قم و بخش c3 به عنوان لایه سنگ مخزن از روی نقشه-ی زمین شناسی صورت گرفته است. در مبحث ژیوشیمی آلی با در نظر گرفتن مدل حرارتی سه بعدی، میزان ro% و همچنین میزان toc در چاه های مختلف موجود در محدوده لایه مچوریتی و لایه ژیوشیمیایی استخراج شده است. نتیجه ی این بررسی ها تهیه 9 لایه اطلاعاتی می باشد که در 4 دسته لایه ژیوشیمی، لایه زمین شناسی، لایه مچوریتی و لایه ساختاری قرار گرفته اند. سپس تلفیق اطلاعات به وسیله 4 روش همپوشانی شاخص، اوزان شاهد، فازی و شبکه عصبی انجام شده است. در همه ی این روش ها از 22 نقطه آموزشی استفاده شده و پس از آن مدلسازی صورت گرفته است. حاصل کار قرار گرفتن 100% چاه های حفاری شده، در منطقه با پتانسیل مطلوب برای تمامی مدل های به دست آمده می باشد. با مقایسه این روش ها مشاهده می شود که این روش ها از لحاظ تطبیق با چاه های موجود در منطقه شباهت زیادی با یکدیگر داشتند و تقریباً 100% تطبیق را نشان دادند. مساحت نواحی دارای پتانسیل بالا حاکی از آن است که نقشه های حاصل از روش های همپوشانی شاخص، فازی و اوزان شاهد دارای واریانس کمتری هستند، در حالی که روش شبکه عصبی دارای واریانس بیشتر و جواب متفاوت تری از آن ها می باشد. از مقایسه روش های مختلف می توان نتیجه گرفت که مدل فازی به دلیل سازگاری با ساختار زمین شناسی با واقعیت تطبیق بیشتری داشته و بهترین روش در پتانسیل یابی نفت زایی در محیط gis می باشد.