مدل سازی رخساره ای مخزن با استفاده از وارون‎سازی تصادفی و روش آشفتگی احتمال

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 292

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JRAG-7-3_005

تاریخ نمایه سازی: 30 بهمن 1400

Abstract:

یکی از مراحل اساسی در تعیین خواص مخزن، مدل سازی رخساره های مختلف آن است. در این مقاله یک روش وارون سازی تصادفی برای مدل سازی رخساره ها با استفاده از نمودارهای چاه ها و داده های برانبارش شده زاویه ای ارائه شده است. در ابتدا با استفاده از روش شبیه سازی متوالی شاخص، احتمال شرطی رخداد شاخص های رخساره نسبت به نمودارهای چاه ها در هر سلول محاسبه شد. سپس با استفاده از روش شبیه سازی متوالی گوسی و روابط فیزیک سنگی، خصوصیات مخزنی و کشسان رخساره-های سنگی مخزن به دست آمد. به منظور ساخت و به روزرسانی مدل رخساره ای همخوان با داده های لرزه ای از الگوریتم بهینه-سازی تصادفی آشفتگی احتمال استفاده شد. این روش با تغییر پی در پی احتمال رخساره ای مشروط به داده های لرزه ای در هر سلول، سعی در ایجاد مدلی از رخساره و دیگر خواص مخزن دارد که همبستگی خوبی با داده های لرزه ای داشته باشد. برای به دست آوردن توزیع احتمال کلی وقوع رخساره ها از احتمال رخساره ای مشروط به داده های لرزه ای و احتمال رخساره ای مشروط به نمودار های چاه ها از مدل تاو استفاده شد. در هر مرحله پس از به دست آوردن خواص مختلف، مدل پیشرو ژئوفیزیکی ساخته شد و با داده های لرزه ای مقایسه شد. در نهایت تمامی این مراحل برای مدل های احتمالی مختلفی که از روش شبیه سازی متوالی شاخص به دست آمد، استفاده شد. این روش در دو بعد روی داده های مصنوعی در حالت هایی با نسبت سیگنال به نوفه متفاوت اعمال شد. در حالتی که از داده های لرزه ای با نسبت سیگنال به نوفه ۹ استفاده شد، مدلی با تفکیک پذیری بالا برای رخساره به دست آمد که تطابقی ۸۱.۸۳ درصدی با مدل رخساره مرجع داشت و باعث بهبودی ۱۹.۹۷ درصدی مدل اولیه رخساره شد. به منظور بررسی بیشتر این روش در دو حالت سیگنال به نوفه ۴ و ۲ نیز اعمال شد که نشان داد این روش توانایی خوبی در تشخیص رخساره و دیگر خواص مخزنی و کشسان لایه های موجود در مخزن را داراست.

Authors

محمد کمال غریبی

کارشناس ارشد ؛ دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر

عبدالرحیم جواهریان

استاد، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر و استاد بازنشسته موسسه ژئوفیزیک دانشگاه تهران

محمد امامی نیری

استادیار، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • هاشمی، ح.، ۱۳۹۴، وارون سازی داده های لرزه­ای برای براورد ...
  • Azevedo, L. and Soares, A., ۲۰۱۷, Geostatistical methods for reservoir geophysics, ...
  • Bortoli, L.J., Alabert, F., Haas, A. and Journel, A., ۱۹۹۳, ...
  • Bosch, M., Mukerji, T. and Gonzalez, E.F., ۲۰۱۰, Seismic inversion ...
  • Buland, A. and Omre, H., ۲۰۰۳, Bayesian linearized AVO inversion, Geophysics, ۶۸ ...
  • Buland, A., Kolbjørnsen, O. and Omre, H., ۲۰۰۳, Rapid spatially ...
  • Caers, J. and Hoffman, T., ۲۰۰۶, The probability perturbation method: ...
  • Debeye, H.W.J., Sabbah, E. and van der Made, P.M., ۱۹۹۶, ...
  • Doyen, P., ۲۰۰۷, Seismic reservoir characterization: An earth modelling perspective,Vol. ۲,, ...
  • Dubrule, O., ۲۰۰۳, Geostatistics for seismic data integration in earth models, ...
  • Francis, A., ۲۰۰۵, Limitations of deterministic and advantages of stochastic ...
  • Gassmann, F., ۱۹۵۱, Uber die elastizitat poroser medien, Vierteljahrsschrift der Naturforschenden ...
  • Grana, D., Mukerji, T., Dvorkin, J. and Mavko, G., ۲۰۱۲, ...
  • Grijalba-Cuenca, A., Torres-Verdin, C. and Van der Made, P., ۲۰۰۰, ...
  • Gunning, J. and Glinsky, M.E., ۲۰۰۷, Detection of reservoir quality ...
  • Haas, A. and Dubrule, O., ۱۹۹۴, Geostatistical inversion-a sequential method ...
  • Hansen, T.M., Cordua, K.S. and Mosegaard, K., ۲۰۱۲, Inverse problems ...
  • Hashemi, S., Javaherian, A., Ataee-pour, M., Tahmasebi, P. and Khoshdel, ...
  • Journel, A. G., ۲۰۰۲, Combining knowledge from diverse sources: An ...
  • Liu, M. and Grana, D., ۲۰۱۹, Accelerating geostatistical seismic inversion ...
  • Ma, Y.Z., ۲۰۱۹, Quantitative geosciences: Data analytics, geostatistics, reservoir characterization and ...
  • Mavko, G., Mukerji, T. and Dvorkin, J., ۲۰۲۰, The rock physics ...
  • Mukerji, T., Jørstad, A., Avseth, P., Mavko, G. and Granli, ...
  • Pyrcz, M.J. and Deutsch, C.V., ۲۰۱۴, Geostatistical reservoir modeling, Oxford University ...
  • Ravalec-Dupin, L., Enchery, G., Baroni, A. and Da Veiga, S., ...
  • Russell, B.H., ۱۹۸۸, Introduction to seismic inversion methods, Society of Exploration ...
  • Saberi, M.R., ۲۰۱۷, A closer look flatrock physics models and ...
  • Sancevero, S.S., Remacre, A.Z., de Souza Portugal, R. and Mundim, ...
  • Simm, R., Bacon, M., & Bacon, M., ۲۰۱۴, Seismic Amplitude: An ...
  • Soares, A., Diet, J.D. and Guerreiro, L., ۲۰۰۷, Stochastic inversion ...
  • نمایش کامل مراجع