یکی از نگارهای مهم ژئوشیمیایی در اکتشافات نفتی، نگار مقدار کل کربن آلی (toc) می باشد که جهت ارزیابی پتانسیل هیدروکربن زائی سنگ منشأ استفاده می شود. اندازه گیری toc، مستلزم انجامِ آزمایشات ژئوشیمیاییِ پر هزینه و وقت گیر است، که روی تعداد محدودی نمونه صورت می-گیرد. از این جهت، این پژوهش به برآورد نگار ژئوشیمیاییِ toc با استفاده از نگار های پتروفیزیکی که امروزه از تمامی چاه های حفاری تهیه شده و کم هزینه تر هستند، پرداخته و از روش سیستم کلونی مورچه پیوسته (cacs) جهت تخمین آن بهره گرفته است. در این مطالعه عملکرد این روش با هر یک از روش های پرکاربرد الگوریتم ژنتیک و شبکه عصبی مصنوعی مقایسه شده و تأثیر آنالیز خوشه بندی مورد تحلیل قرار می گیرد. این محاسبات عددی برای تمامی چاه های نفتی قابل بررسی و به صرفه هستند. کد سیستم کلونی مورچه که به صورت پیوسته طراحی شد، برای توزیع فرومون از تابع توزیع احتمال نرمال استفاده می نماید. در الگوریتم ژنتیک نیز، معیار توقفِ محدودیت واماندگی نسلی 500 تنظیم گردید که بیشتر از پیش فرض است تا الگوریتم فرصت یافتن جواب قابل قبول را داشته باشد. شبکه عصبی مورد استفاده دارای یک لایه پنهان با تعداد نرون های مختلف است. در مطالعه موردی سه چاه از میدان نفتی اهواز، ضرایب وزنیِ داده های پتروفیزیکی برای تابع غیرخطی پیشنهادی توسط سیستم کلونی مورچه پیوسته و الگوریتم ژنتیک محاسبه شد. با استفاده از این ضرایب و داشتن داده های پتروفیزیکی، می توان نگار toc را برای سایر چاه هایِ این میدان تهیه نمود. مقایسه عملکرد روش ها نشان می دهد که اگرچه شبکه عصبی پیرو آموزش شبکه توانایی بهتری در برآورد نگار toc نشان داده، اما با اعمال شرایط یکسان و درجه آزادیِ برابر برای همه روش ها، سیستم کلونی مورچه پیوسته و الگوریتم ژنتیک موفق تر عمل می نمایند. تحلیل برآورد toc پس از بکارگیری آنالیز خوشه بندی k-means تأیید کننده ی تسریع در ارزیابی پتانسیل سنگ منشأ بود. در این زمینه مقایسه تعداد خوشه ها کاهش خطا همراه با افزایش تعداد خوشه را نشان داد. این پژوهش بیان می نماید که سیستم کلونی مورچه پیوسته روشی است که در هر بازه ی سنگ شناسی قابل استفاده بوده و بنابراین قابل تعمیم به سایر چاه های میدان مورد مطالعه می باشد.