تلفیق روش های تخمین مقادیر تراوایی با استفاده از زمین آمار و شبکه عصبی مصنوعی؛ مطالعه موردی یکی از میدان های نفتی خلیج فارس

تراوایی یکی از پارامترهای مهم در مطالعات پتروفیزیکی مخزن است و ارزیابی این پارامتر می­تواند به عنوان یک ابزار کلیدی در توسعه میدان­های نفتی استفاده شود. هدف این مطالعه تخمین و مدل­سازی سه بعدی تراوایی مخزنی سازند سورمه بالایی در یکی از میدان­های نفتی خلیج­فارس است. سازند سورمه با سن ژوراسیک به عنوان یکی از مهم­ترین مخازن نفت و گاز در حوضه خلیج­فارس محسوب می­شود. در این مطالعه، در فرآیند ارزیابی تراوایی از داده­های لرزه­ای سه بعدی پس از برانبارش و نگارهای تراوایی استفاده شده است. مدل­ ساختمانی مخزن با استفاده از تفسیر مقاطع لرزه­ای و نگارهای چاه در بخش مخزنی تهیه شده است. این مدل شامل تفسیر سطوح گسل، شبکه ژئوسلول و افق­­های مخزن می­باشد. شبکه ژئوسلول مورد استفاده در این مطالعه از ستونک و ژئوسلول­هایی با ابعاد ۵۰ در ۵۰ متر در راستای X و Y مورد استفاده قرار گرفت. ضخامت لایه­های ژئوسلولی هر زون مخزن را متناسب با آن زون در بخش مخزنی طراحی شده است. تخمین مقادیر تراوایی با استفاده از شبکه عصبی مصنوعی با الگوریتم پس انتشار انجام شده است. نتایج حاصل از شبکه عصبی مصنوعی در چاه­های مخزن مورد مطالعه تعمیم داده شد. مقدار ضرایب همبستگی حاصل از مقادیر تخمین تراوایی با داده های مغزه حفاری برابر با ۸۸ درصد است. مقایسه نتایج زمین­آمار با مقادیر تراوایی نشان می­دهد که روش­های ارائه شده می­توانند نتایج قابل قبولی را برای مدل­سازی تراوایی مخزن ارائه دهند.

Keywords:

Geostatistic , Artificial Neural Network , Back Propagation algorithm , Surmeh Formation , Geocellar network. , زمین آمار , شبکه عصبی مصنوعی , الگوریتم پس انتشار , سازند سورمه , شبکه ژئوسلولی.