تخمین تراوایی و تخلخل موثر و تعیین واحدهای جریان هیدرولیکی با استفاده از شبکه ی عصبی مصنوعی در میدان نفتی مارون

محورهای موضوعی : Engineering geology

محمد آغاجریان ¹ (گروه زمین شناسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران)
محمدرضا کمالی ² (پژوهشگاه صنعت نفت، تهران، ایران)
علی کدخدایی ³ (گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران)
صادق فتحاللهی ⁴ (شرکت ملی مناطق نفت خیز جنوب)

تاریخ دریافت : 1399/06/25 تاریخ پذیرش : 1399/06/25 تاریخ انتشار : 1391/05/11

کلید واژه: مخزن, آنالیز خوشه ای K-means, چاه آزمایی, روش مجموع مربعات خطا (SSE), مدل های پتروفیزیکی,

چکیده مقاله :

تراوایی و تخلخل مؤثر از مهمترین خصوصیات مخزن میباشند که میتوانند بهعنوان ورودی جهت ساخت مدل های پتروفیزیکی از مخزن مورد استفاده قرار گیرند. رابطه ی تخلخل و تراوایی در قالب واحدهای جریان هیدرولیکی در توصیف سنگهای مخازن ناهمگن استفاده میشود. شناسایی واحدهای جریان هیدرولیکی میتواند برای ارزیابی کیفیت مخزن براساس رابطهی تخلخل-تراوایی مورد استفاده قرار گیرد. تخلخل و تراوایی به ترتیب با انجام آزمایش تزریق هلیم و هوا بر روی نمونه های مغزه اندازه گیری میشوند. علاوه بر روشهای آزمایشگاهی، این دو پارامتر از روی نگار NMR گرفته شده از چاهها، و تراوایی از طریق چاهآزمایی نیز اندازهگیری میشود. این روشها اگرچه دقیق هستند، ولی دارای معایبی از جمله هزینه بالا و صرف زمان بسیار طولانی میباشند و فقط در تعداد محدودی از چاهها انجام میپذیرد. در اکثر چاههای میدان مورد مطالعه ، نگاربرداری انجام گردید . محاسبه ی تخلخل و تراوایی با استفاده از روش شبکهی عصبی مصنوعی پس انتشار خطا (BP-ANN) و به کمک داده های لاگ محاسبه گردید. پس از تخمین این پارامترها با استفاده از روش مجموع مربعات خطا (SSE) و آنالیز خوشه ای K-means، مخزن آسماری در سه چاه مورد مطالعه به 9 واحد جریان هیدرولیکی تقسیم گردید. تقسیم بندی مخزن به واحدهای جریانی سبب بهبود رابطه تخلخل و تراوایی شد. نتایج نشان داد که شبکهی عصبی در پیشبینی پارامترهای مخزنی موفق عمل نموده است.