امیررضا محرابی - کارشناس ارشد مهندسی نفت - دانشجوی دکتری پترولوژی دانشگاه آزاد اسلامی واحد علوم و تحقیقات
سیدجمال شیخ ذکریایی - دکتری پترولوژی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات

در صنعت نفت تعیین خواص پتروفیزیکی مخزن، یکی از مهمترین پارامترهای کلیدی در مدیریت ، تولید ، توسعه و تخمین مخازن هیدروکربوری بشمار می رود. تعیین اینگونه پارامترها (تخلخل، آب اشباع شدگی) معمولا توسط روشهایی چون آنالیز مغزه و آزمایش چاه (Well Test) انجام می شود که مستلزم صرف زمان و هزینه گزافی می باشد و ضمنا بعلت نبود مغزه های کافی و تغییرات سنگ شناسی و نا همگنی سنگ مخزن ، تعیین این پارامترها توسط روش های معمول از دقت چندانی برخوردار نمی باشد. بنابراین روش بهینه برای کاهش هزینه هاو زمان و افزایش دقت استفاده از ارزیابی های نرم افزارهای پیشرفته (ژئولاگ) و روش های تخمینی (شبکه های عصبی مصنوعی) است که توسط این دو روش می توان با داشتن اطلاعات مغزه چند چاه، این اطلاعات را برای بقیه چاه ها تعمیم داد و یک تعمیم پذیری مناسب و دقیقی نسبت به کل مخازن یک میدان داشته باشیم. دراین مقاله از نرم افزار ژئولاگ و شبکه های عصبی مصنوعی پس انتشار خطا (BP – ANN) که برنامه آن در محیط نرم افزار MathLab نوشته شده با استفاده از نگارهای پتروفیزیکی برای پیش بینی هر چه دقیق تر این پارامترها در یکی از میدان های جنوب غربی ایران استفاده شده است. برای تعیین تخلخل توسط شبکه از نگارهای پتروفیزیکی شامل نوترون، گاما، چگالی و صوتی استفاده شده است. همچنین برای تعیین آب اشباع شدگی توسط شبکه از نگارهای مقاومت ویژه، نوترون، چگالی و صوتی استفاده شده است.این شبکه در برخی چاه های این میدان که دارای مغزه بودند مورد آزمایش و آزمون قرارگرفته و در مرحله آخر یا تعمیم پذیری نتایج زیر حاصل شده اند:ضرایب همبستگی بین آب اشباع شدگی حاصل از مغزه و آب اشباع شدگی شبیه سازی شده توسط شبکه، بین تخلخل حاصل از ژئولاگ و تخلخل شبیه سازی شده توسط شبکه، بین آب اشباع شدگی حاصل از ژئولاگ و آب اشباع شدگی شبیه سازی شده توسط شبکه.همچنین مشخص شد نتایج حاصل از ارزیابی شبکه های عصبی نسبت به نرم افزار،از صحت و دقت بیشتری برخوردار است.

ارزیابی پتروفیزیکی، چاه پیمایی، مغزه، شبکه عصبی مصنوعی، آزمایش چاه، نرم افزار ژئولاگ