مدل سازی جانشینی سیال در سازند ایلام یکی از مخازن هیدروکربنی جنوب غرب ایران
Publish place: Journal of the Earth and Space Physics، Vol: 45، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 85
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-45-1_002
تاریخ نمایه سازی: 7 آبان 1402
Abstract:
با توجه به اینکه اکثر مخازن هیدروکربنی ایران در کربنات ها واقع شده است، مطالعه جانشینی سیال و انتخاب یک مدل فیزیک سنگی مناسب جهت این سنگ هاضروری به نظر می رسد. در این مطالعه، به منظور مدل سازی جانشینی سیال جهت تشخیص نوع هیدروکربن، یک مخزن کربناته از میادین نفتی جنوب ایران (سازند ایلام) انتخاب و مورد ارزیابی قرار گرفته است. در ادامه پس از بررسی های میدانی، اطلاعات زمین شناسی و پتروفیزیکی لازم گردآوری شده و جهت مدل کردن پاسخ کشسان مخزن به کار رفته است. در این راستا، ابتدا سنگ متخلخل با استفاده از روابط فیزیک سنگی کربناته مدل شده و در مراحل بعد با استفاده از جانشینی سیال، سیال های مختلف در مخزن تزریق و پاسخ موج تراکمی و برشی آن به دست آمده است. نتایج مدل سازی نشان داد که مخزن مورد مطالعه در صورت تغییر سیال دارای حساسیت مناسبی برای نشان دادن تغییرات پارامترهای کشسانی می باشد. همچنین نتایج تحقیق نشان داد که مخزن کربناته مورد مطالعه اگر اشباع از گاز، نفت و یا آب باشد به نحوه قابل ملاحظه با در نظر گرفتن یک مدل فیزیک سنگی مناسب از هم تفکیک می شود. به علاوه در این تحقیق یک الگوی مناسب جهت جدا سازی سیالات مختلف برای مطالعات ژئوفیزیک مخزن ارائه شده است.
Keywords:
Authors
Javad Sharifi
دانشجوی دکتری، گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، مشهد، ایران
Naser Hafezi Moqaddas
استاد، گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، مشهد، ایران
Gholam Reza Lashkaripour
استاد، گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، مشهد، ایران
Abdolrahim Javaherian
استاد، گروه مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران
Marzieh Mirzakhanian
کارشناس ارشد ژئوفیزیک مخزن، مدیریت اکتشاف شرکت ملی نفت ایران، تهران، ایران
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 :