ارزیابی لاگ های چاه پیمایی در شناسایی سکانس های رسوبی: مثالی از توالی های پرمین- تریاس نواحی خلیج فارس و فارس ساحلی
Publish place: The journal of Petroleum Research، Vol: 27، Issue: 1
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 192
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PRRIP-27-1_006
Index date: 25 December 2023
ارزیابی لاگ های چاه پیمایی در شناسایی سکانس های رسوبی: مثالی از توالی های پرمین- تریاس نواحی خلیج فارس و فارس ساحلی abstract
استفاده از لاگ های چاه پیمایی، در چاه های بدون مغزه، به منظور شناسایی عوارض وابسته به طبقات سنگی، همواره مورد بحث زمین شناسان بوده است. در این مطالعه، ابتدا براساس داده های مغزه های حفاری، سکانس های رسوبی و سطوح سکانسی موجود در توالی های پرمین- تریاس نواحی خلیج فارس و فارس ساحلی، شناسایی شدند. سپس براساس آنالیز موجک لاگ های گاما و چگالی، سطوح سکانسی شامل مرز سکانسی و سطح حداکثر سیلابی، شناسایی و با نتایج مطالعات سنگ شناسی، مقایسه شد. سطوح سکانسی مشخص شده براساس لاگ گاما، با انواع شناسایی شده براساس رخساره های رسوبی، هماهنگی بهتری نسبت به نتایج آنالیز لاگ چگالی دارند. براساس روندهای کاهشی و افزایشی و نقاط چرخش موجود در نمودار پردازش شده (آنالیز موجک) لاگ گاما و چگالی، چندین سطح (هم زمان) قابل تطابق در چاه ها و میدان های مورد مطالعه، شناسایی شدند. علاوه بر لاگ های گاما و چگالی، سایر لاگ ها مانند صوتی، نوترون، پتاسیم، توریوم، گامای طیفی و مقاومت ها نیز، مورد آنالیز موجک قرار گرفت، و مشخص شد که انواع لاگ های گاما، پتاسیم، توریوم و نوترون نیز نتایج مشابهی نشان می دهند.
ارزیابی لاگ های چاه پیمایی در شناسایی سکانس های رسوبی: مثالی از توالی های پرمین- تریاس نواحی خلیج فارس و فارس ساحلی Keywords:
ارزیابی لاگ های چاه پیمایی در شناسایی سکانس های رسوبی: مثالی از توالی های پرمین- تریاس نواحی خلیج فارس و فارس ساحلی authors
امیر حسین عنایتی بیدگلی
دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران، ایران
حسین رحیم پور بناب
دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران، ایران
عباسعلی نیک اندیش
اداره زمین شناسی، شرکت نفت مناطق مرکزی 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 :