بررسی خصوصیات مخزنی سازندهای ایلام و سروک با تبدیل داده های لرزه ای به تخلخل و تراوایی از طریق سیستم هوشمند در میدان جفیر

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 76

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_EKTESHAF-1396-152_011

تاریخ نمایه سازی: 18 تیر 1402

چکیده مقاله:

رابطهی تخلخل و تراوایی در قالب لرزه نگاری جهت توصیف سنگ مخزن استفاده میشود. شناسایی واحدهای داده های لرزهای لرزهنگاری میتواند برای ارزیابی کیفیت مخزن بر اساس تخلخل و تراوایی استفاده شود. معموال دوبعدی مهاجرت شده و مهاجرت نشده برای تفسیرکافی نیست. در این مطالعه با توجه به اینکه در اکثر چاههای میدان مورد مطالعه نگارهبرداری شده محاسبهی تخلخل و تراوایی و واحدهای جریانی با استفاده از روش لرزه نگاری سه بعدی و به کمک دادههای الگ انجام شده است. همچنین با انجام برگردان لرزه ای روی داده های لرزهنگاری سهبعدی و تلفیق نشانگرهای لرزهای، خصوصیات مخزنی سازندهای ایالم و سروک در میدان جفیر بررسی شده است. دادههای این مطالعه مربوط به پنج چاه اکتشافی است. برای این منظوراز نرم افزار Russell Hampson جهت برگردان ۴ به امپدانس صوتی و نیز مطالعهی نشانگرها و خصوصیات مخزنی استفاده شده است. عملیات تبدیل داده های لرزه ای زمان به عمق نمودارهای چاه و ساخت لرزهنگاشت مصنوعی با استفاده از این نرمافزار انجام شده است. داده های مورد نیاز برای این مرحله داده های لرزهای و چاه هستند که توسط داده های شوت کنترل موجود برای چاه ها و نمودارها از عمق به زمان تبدیل شده اند. سازند ایالم در میدان جفیر، سازندی است با قابلیت تولید نفت. بررسی نوع تخلخل و گسترش آن میتواند بر تشخیص تغییرات تراوایی و میزان تولید اثرگذار باشد. با توجه به نتایج رضایتبخش این مطالعه، سازند ایالم فواصل متخلخل بیشتری نسبت به سازند سروک نشان میدهد و این میتواند بر کیفیت مخزنی بیشتر سازند ایالم نسبت به سروک و موفق تر بودن شبکه ی عصبی در توصیف این مخازن دلالت داشته باشد.

کلیدواژه ها:

نویسندگان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Hussam, M., El-M Shokir, Fattah, K., Sayyouh, M., '' Prediction ...
  • . Serra O. and L., “Well Logging Data Acquisition and ...
  • منهاج، محمدباقر، مبانی شبکه های مصنوعی، جلد اول، انتشارات دانشگاه ...
  • حسنی پاک ع.ا.، شرف الدین م.، تحلیل داده های اکتشافی، ...
  • Bhatt A., Reservoir properties from well logs using neural networks, ...
  • Demuth H., Beale M. and Hagan M., Neural network toolboxTM ...
  • Russell, B.H., Lines, L.R., and Hampson, D.P., ۲۰۰۳, Application of ...
  • Russell, B.H., Ross, C.P., Lines, L.R., ۲۰۰۲, Neural networks and ...
  • Schult, P. S., Ronen, S., Hattori, M., and Corbett, C., ...
  • Russell, B.H., ۲۰۰۴. The application of multivariate statistics and neural ...
  • نمایش کامل مراجع