کاربرد نشانگرهای لرزه ای همدوسی در توصیف گسل ها و شکستگی های مخزن
محل انتشار: مجله پژوهش نفت، دوره: 22، شماره: 69
سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 56
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PRRIP-22-69_006
تاریخ نمایه سازی: 4 دی 1402
چکیده مقاله:
شناسایی و مطالعه هر چه بیشتر گسل ها و شکستگی ها در مخازن هیدروکربوری، اهمیت ویژه ای در مراحل ازدیاد برداشت و توسعه میادین نفتی دارد. یکی از روش های توصیف ناپیوستگی در لایه ها، استفاده از نشانگرهای لرزه ای همدوسی می باشد. نشانگرهای همدوسی با بررسی جانبی ردلرزه ها، میزان پیوستگی آنها را که نشانه مستقیمی از پیوستگی لایه های بازتابنده است، نشان می دهند. به گونه ای که ردلرزه ها در مناطقی از زمین که بر اثر گسل ها یا شکستگی ها پیوستگی خود را از دست داده اند، دارای شباهت کمتری با ردلرزه های مجاور خود بوده و منجر به همدوسی کم برای این مناطق می شود. در این مطالعه، نشانگرهای همدوسی با استفاده از دو الگوریتم همبستگی متقابل و شباهت از داده های لرزه ای سه بعدی یکی از میادین نفتی ایران واقع در خلیج فارس استخراج گردید، تا توانایی آن در شناسایی گسل ها و شکستگی ها مورد ارزیابی قرار گیرد. نتایج این مطالعه برای بخش زیرین مخزن نفتی فهلیان نشان می دهد که الگوریتم شباهت، مکعب نشانگر همدوسی بهتری را از لحاظ کیفیت و دقت نمایش ناپیوستگی ها فراهم می نماید. در این راستا استفاده از اطلاعات شیب و آزیموت لایه ها، نقش مهمی در افزایش دقت تفسیر ناپیوستگی ها به خصوص شکستگی ها دارد. در نهایت، ارزیابی نشانگرهای همدوسی در مقطع زمانی تحت مطالعه در مخزن فهلیان نشان می دهد که امتداد اصلی گسل ها و شکستگی های مخزن در راستای شمال غربی- جنوب شرقی است که این امتداد با امتداد تعیین شده از نمودار FMI در چاه حفاری شده در این میدان مطابقت دارد.
کلیدواژه ها:
نویسندگان
علیرضا وارسته
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه مهندسی نفت
حمیدرضا سیاه کوهی
دانشگاه تهران، موئسسه ژئوفیزیک
احسان خامه چی
دانشگاه صنعتی امیرکبیر، دانشکده مهندسی نفت
سیاوش نوروزی
شرکت مهندسی و توسعه نفت (متن)
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 :