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

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 84

This Paper With 22 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_GNF-7-2_007

تاریخ نمایه سازی: 4 دی 1402

Abstract:

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.

Authors

Mehran Rahimi

Institute of Geophysics

Mohammad Ali Riahi

Institute of Geophysics

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 :
  • Rahimi, M., Riahi, M.A. Static reservoir modeling using geostatistics method: ...
  • Singha DK, Chatterjee R (۲۰۱۴) Detection of overpressure zones and ...
  • Ruth D, Lindsay C and Allen M ۲۰۱۳ Combining electrical ...
  • Al-Bulushi, N., King, P., Blunt, M. and Kraaijveld, M., ۲۰۱۲, ...
  • Aminzadeh, F., Barhen, J., Glover, C.W., Toomarian, N.B., ۲۰۰۰. Reservoir ...
  • Lim, J.S., ۲۰۰۵, “Reservoir properties determination using fuzzy logic and ...
  • Lashin, A., Din, S., ۲۰۱۳, Reservoir parameters determination using artificial ...
  • Deutsch, C. V., and Journel, A. G., ۱۹۹۸, GSLIB, geostatistical ...
  • Hohn, M. E., ۱۹۹۹, Geostatistics and petroleum geology (۲nd ed.). ...
  • Murris, R.J. (۱۹۸۰) Middle East: Stratigraphic Evolution and Oil Habitat. ...
  • Al-Husseini, M.I., ۱۹۹۷, Jurassic sequence stratigraphy of the western and ...
  • James, G.A., & Wynd, J.G., ۱۹۶۵. Stratigraphic Nomenclature of Iranian ...
  • Powers, R.W., ۱۹۶۲, Arabian Upper Jurassic Carbonate Reservoir Rocks, In: ...
  • Mohaghegh, S., Virtual-intelligence Applications in Petroleum Engineering: Part I., Artificial ...
  • Wong. P.M, Henderson D.J, Brooks. L.J, ۱۹۹۷, Reservoir permeability determination ...
  • Lim, Jong-Se, ۲۰۰۳. Reservoir permeability determination using artificial neural network. ...
  • Kelkar, M., Perez, G., Chopra. A, ۲۰۰۲, Applied geostatistics for ...
  • Mata Lima. H, ۲۰۰۵, GEOSTATISTIC IN RESERVOIR CHARACTERIZATION: FROM ESTIMATION ...
  • Viste, I., ۲۰۰۸. ۳D Modelling and Simulation of Multi-Scale Heterogeneities ...
  • Hasani Pak AA, ۲۰۰۷, Geostatistics, ۲nd edn. Univ. of Tehran ...
  • Shabani FGH, Bashiri M, Izadkhah KM, ۲۰۱۱, Simulation of petrophysical ...
  • Dean L (۲۰۰۷) Reservoir engineering for geologists. Part ۳- Volumetric ...
  • نمایش کامل مراجع