تعیین الکتروفاسیس های مخزن بنگستان با استفاده از شبکه عصبی SOM در یکی از میادین جنوب غرب ایران

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 272

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PRRIP-26-2_006

تاریخ نمایه سازی: 4 دی 1402

چکیده مقاله:

مطالعه الکتروفسیس های مخزن یکی از موضوعات مهم کنونی در ارزیابی نهایی مخازن هیدروکربنی می باشد، تعیین زون های با کیفیت مخزنی بالا می تواند نقش به سزایی در مباحث تولید از مخازن هیدروکربنی و توسعه میادین داشته باشد. الکتروفاسیس بر مبنای خوشه بندی داده ها تعریف می شود، مبنای خوشه بندی، قرار دادن نمودارهای پتروفیزیکی مشابه در گروه های یکسان و تمایز آنها از سایر گروه ها می باشد. پژوهش حاضر درخصوص سازند بنگستان در یکی از میادین نفتی جنوب غرب ایران صورت پذیرفته است. در ابتدا با استفاده از روش های مختلف خوشه بندی SOM ،MRGC و DC در تعدادی از چاه های میدان، مدل اولیه الکتروفاسیس تعیین گردید. الکتروفسیس های تعیین شده با واحدهای جریانی حاصل از تخلخل و تراوایی مغزه چاه پیمایی تطابق داده شد و از بین آنها روش خوشه بندی SOM که دارای بیشترین تطابق بود جهت خوشه بندی انتخاب گردید. ۹ الکتروفاسیس اولیه ایجاد شده که با توجه به شباهت برخی از پارامترها از قبیل تخلخل موثر و نگار پرتو گاما به ۴ الکتروفاسیس تقلیل داده شد. این الکتروفاسیس ها به کل میدان بسط داده شد و در نتیجه مدلی ایجاد گردید که توانایی جدایش بخش های مختلف مخزنی را از همدیگر دارا بود. این مدل نشان دهنده کاهش کیفیت مخزنی از بخش های بالایی مخزن به سمت بخش های پائینی مخزن بود و همچنین بیانگر تغییرات کیفیت مخزنی در طول میدان می باشد.

کلیدواژه ها:

الکتروفاسیس ، مخزن بنگستان ، خوشه بندی ، شبکه عصبی خود سازمانده

نویسندگان

سیدابوذر محسنی پور

گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران

بهمن سلیمانی

گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران

حسین شیخ زاده

شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران

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 :
  • . رحیمی بهار ع. ا.، "تفکیک زون های مختلف مخزن ...
  • . Serra O., and Abbot H., “The Contribution of Logging ...
  • . رحیمی بهار ع. ا.، استفاده از رخساره های الکتریکی ...
  • . Kadkhodaie-Ilkchi A. and Amini A., “Afuzzy logic approach to ...
  • . Soto R. and Garcia J. C. “Permeability prediction using ...
  • . Shedid A. S. and Reyadh A. A., “A new ...
  • . Winland H. D., “Oil Accumulation in Response to Pore ...
  • . Gunter G. W., Early determination of reservoir flow units ...
  • . Amaefule J. O., Altunbay M., Tiab D., Kersey D. ...
  • . Abbaszadeh M. D., Fujii F. and Fujimoto F., “Permeability ...
  • Kohonen T., Kaski S. and Lappalainen H., “Self-organized formation of ...
  • . Mukherjee A., “Self-organizing neural network for identification of natural ...
  • . Sfidari E., Kadkhodaie-Ilkhchi A. and Najjari S., “Comparison of ...
  • نمایش کامل مراجع