چکیده: در برآوردهای اولیه ای که در مورد مخازن شیل های گازی به کار می رود، میزان گاز برجا تخمین زده می شود که این تخمین با شروع حفاری شیل های گازی و جمع آوری داده ها و تفسیر آن ها، جامعیت و دقت بیشتری پیدا می کند. در این پروژه، با استفاده از روش حجمی میزان گاز برجا که شامل گاز آزاد و گاز چسبیده می-باشد، در سازند کوکاتیاشیل در حوضۀ پرت واقع در استرالیای غربی تخمین زده شده است. در شیل های گازی مقدار محتوای مادۀ آلی (TOC) یکی از پارامترهای مهم در ارزیابی مخزن می-باشد. در این پروژه با استفاده از دو روش مختلف که شامل شبکۀ عصبی و logRΔ می باشد، مقدار TOC در سازند کوکاتیاشیل با استفاده از نگارهای پتروفیزیکی تخمین زده شده است. در آموزش شبکۀ عصبی نیز از دو روش هوشمند که شامل الگوریتم ازدحام ذرات و کلونی زنبورهای عسل می شود، استفاده گردیده است. از مقایسۀ بین روش های به کارگرفته شده برای تخمین محتوای مادۀ آلی، استفاده از روش های هوشمند به نسبت روش های قدیمی جواب های بهتری را در پی داشت، به گونه ای که ضریب R^2 در روش logRΔ برابر 7/0، در روش بهینه سازی PSO برابر 93/0 و در روش بهینه سازی ABC برابر 8/0 است.