fa مدل‌سازی مکانی مناطق اکتشاف نفتی با سیستم استنتاج فازی عصبی تطبیقی (ANFIS) در GIS سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research <p dir="RTL">فرآیند اکتشاف منابع هیدروکربنی فرآیندی بسیار پیچیده و پرهزینه می‌باشد. در این فرایند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند.&nbsp; طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین&nbsp; تعیین بهترین محل برای&nbsp;حفر&nbsp;چاه‌های اکتشافی از اهمیت ویژه‌ایی برخوردار است، زیرا عدم دقت در انتخاب موقعیت مکانی، صرف هزینه و زمان زیاد در&nbsp;طول&nbsp;عملیات می‌باشد. هدف این تحقیق تعیین مناطق محتمل نفت و گاز در برگه 1:250000 اهواز با 20 میدان نفتی به&nbsp;منظور&nbsp;کاهش&nbsp;زمان و هزینه اکتشاف و تولید است بدین منظور 17 نقشه‌ی فاکتور شامل : کمترین و بیشترین مقدار (غنای کربن آلی (<span dir="LTR">TOC</span>)، بازده پتانسیل برای تولید هیدرو‌کربن (<span dir="LTR">PP</span>)، پیک دمایی <span dir="LTR">Tmax</span>، شاخص تولید (<span dir="LTR">PI</span>)، اندیس اکسیژن (<span dir="LTR">OI</span>)، اندیس هیدروژن (<span dir="LTR">HI</span>))و‌&nbsp;داده‌های مجاورت به مناطق دارای آنومالی باقیمانده ثقل بوگه بالا، محور طاقدی‌ها و گسل‌ها، نقشه‌ی ناهمواری و انحنای حاصل از منحنی‌های زیر سطحی سازند آسماری توسط توابع <span dir="LTR">GIS</span> ایجاد شدند. برای ترکیب نقشه‌های فاکتور، از سیستم استنتاج فازی عصبی تطبیقی که از روش‌های داده مبنا می‌باشد، استفاده شد. نتایج حاصل از مدل‌سازی با داده‌های آزمون نشان داد که مدل مذکور با شاخص کاپای 859/0، همبستگی 839/0 و متوسط ریشه مربع خطا برابر با 0399/0 توانسته است با دقت بالایی میدان‌های نفتی را پیش‌بینی کند، هرچند میدان‌های از قبیل شاور و سپهر شناسایی نشده و برخی قسمتها نیز به اشتباه، مناطق نفتی پیش‌بینی شده‌اند.</p> <p style="margin-left:28.4pt">The exploration of hydrocarbon resources as a process is very complex and costly. In this process multiple factors of geology, geochemistry and geophysics are considered and combined together. Designing the best route to take seismic data and determine the best location for drilling exploration wells is extremely important. Since improper or careless determine the selection of location is time consuming and expensive during the operation. The aim of this study was to identify possible areas for oil and gas in the map of 1: 250,000 Ahvaz with 20 oil fields using adaptive inference systems neuro - fuzzy (ANFIS) and geographic information systems (GIS). For this purpose, 17 maps of factors including: the lowest and highest value (total organic carbon (TOC), potential for the production of hydrocarbons (PP), peak Tmax, the production index (PI), oxygen index (OI), hydrogen index (HI)) and the proximity to areas of high bouguer gravity anomaly, anticline axis and faults, map the topography and curvature of the yield curve Asmari subsurface were created by GIS functions. For combined factor map, the adaptive inference systems neuro - fuzzy (ANFIS) that is data-driven methods were used. The results of test data showed that the model with a R = 0.839 ,RMSE=0.0339 and the Kappa=0.859 was able to accurately predict the oil fields, but fields such as Shaver and Sepehr have not been identified and Also some areas were mistakenly classified oil fields.</p> اهواز, مدل‌سازی, ANFIS, GIS, میدان نفتی Ahvaz, Modeling, ANFIS, GIS, Oil fields 39 59 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-307-1&slc_lang=fa&sid=1 Nouraddin Misagh نورالدین میثاق nmisagh@ut.ac.ir 10031947532846004829 10031947532846004829 Yes University of Tehran دانشگاه تهران Najme Neisany Samany نجمه نیسانی سامانی 10031947532846004830 10031947532846004830 No University of Tehran دانشگاه تهران Ataollah Abollahi Kakroodi عطاء الله عبدالهی کاکرودی 10031947532846004831 10031947532846004831 No University of Tehran دانشگاه تهران Seyed Kazem Alavipanah سید کاظم علوی پناه 10031947532846004832 10031947532846004832 No University of Tehran دانشگاه تهران Abbas Bahroudi عباس بحرودی 10031947532846004833 10031947532846004833 No University of Tehran دانشگاه تهران