تعیین رخساره های الکتریکی در یکی از چاه های مخزن پارس جنوبی با استفاده از روش خوشه بندی SOM
Publish place: International Conference on New Research Findings in Science, Engineering and Technology with a Focus on Need-Based Research
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 579
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMRS01_095
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
میدان گازی پارس جنوبی، یکی از میادین جنوب غربی ایران و شامل دو مخزن گازی کنگان و دالان فوقانی در حوضه رسوبی زاگرس است. سازندهای کنگان و دالان به گروه دهرم تعلق دارند و از مهمترین مخازن گازی در ناحیه خلیج فارس محسوب می شوند. یکی از اجزای مهم در سرشت نمایی مخزن تهیه نقشه ای از توزیع خصوصیات و ناهمگنی های مخزنی است. در مخازن کربناته ناهمگن، به دلیل پیچیدگی و ناهمگنی بالا توزیع تخلخل و تراوایی متغیر و نامشخص است. بر همین اساس استفاده از روش های جدید به منظور درک بهتر این مخازن الزامی است. از میان این روش ها تعیین و استفاده از رخساره های الکتریکی (رخساره لاگ) امروزه یکی از مهمترین روش ها در مباحث تولید از مخازن هیدروکربنی و توسعه میادین می باشد. به همین دلیل در این مطالعه، با استفاده از روش شبکه عصبی خودسازمانده SOM رخساره های الکتریکی مخزن مورد مطالعه تعیین گردید. برای این کار از ترکیب قرائت لاگ های ورودی NPHI ، Sw، GR، RHOB، DT و PHIE استفاده شد. پس از اجرای روش توسط نرم افزار، مدل بهینه ای با 9 خوشه (رخساره) به دست آمد. سپس ویژگی های مخزنی و پلات های موجود در محیط نرم افزاری به منظور تفکیک بهتر گونه های سنگی مطالعه شدند، از این رو دسته های مشابه، با یکدیگر ترکیب شدند. در نهایت 5 رخساره که دارای ترکیب سنگ شناسی و شرایط مخزنی متفاوت نسبت به یکدیگر بودند شناسایی شدند.
Keywords:
Authors
صفا محمد زاده مونه
دانشجوی کارشناسی ارشد مهندسی نفت، گرایش اکتشاف، گروه مهندسی نفت، دانشکده نفت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
محمد علی ریاحی
دانشیار، دکتری ژئوفیزیک، عضو هیأت علمی دانشگاه تهران
محمد جواد نبوی زاده رفسنجانی
استادیار، دکتری مهندسی مخزن، عضو هیئت علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
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 :