تخمین لیتولوژی با وارون سازی داده های لرزه ای و شبکه عصبی احتمالاتی در یکی از مخازن نفتی جنوب غربی ایران

شناخت صحیح نوع سنگ های تشکیل دهنده مخازن هیدروکربنی، نقش اساسی در تخمین پارامترهای پتروفیزیکی و ژئومکانیکی مخازن داشته و برای مراحل مختلف مهندسی نفت از حفاری و کنترل مخازن تا فرآیندهای ازدیاد برداشت حائز اهمیت است . روش های مختلفی در خصوص تعیین لیتولوژی سازندهای مخزنی وجود دارد که از میان آنها استفاده از داده های لرزه ای برای این منظور روشی کم هزینه و سریع محسوب می شود. در همین راستا، مقاله حاضر با استفاده از امپدانس صوتی تخمین زده شده از وارون سازی داده لرزه ای پس از برانبارش و سایر نشانگرهای لرزه ای، به طراحی و آموزش شبکه های مصنوعی با هدف تعیین لیتولوژی می پردازد. به این منظور، ابتدا درصد کانی های کلسیت ، کوارتز و انیدرید در محدوده سازند آسماری در میدان مورد مطالعه بدست آمد. سپس با وارون سازی داده های لرزه ای در محدوده این سازند، مدل امپدانس صوتی در کل سازند تخمین زده شد. با استفاده از امپدانس صوتی تخمین زده شده و محاسبه سایر نشانگرهای لرزه ای، مناسب ترین نشانگرها برای تخمین درصد کانی های یاد شده با استفاده از روش رگرسیون چند نشانگری محاسبه شد و خطای آموزش آن در محل چاه های ۱۵۱،۱۱۴،۱۰ به ترتیب برابر ۷۹ ، ۸۱ و ۸۰ درصد بدست آمد همچنین خطای اعتبارسنجی آن روش در محل چاه های مذکور به ترتیب ۷۲ ، ۷۱ و ۷۰ درصد شد. سپس با تعمیم رگرسیون یاد شده، درصد این کانی ها در کل مخزن تخمین زده شد. سپس با استفاده از برترین نشانگرهای شناسایی شده در روش رگرسیون چند نشانگری، شبکه عصبی مصنوعی احتمالاتی ( PNN ) آموزش و طراحی شد که خطای آموزش روش یاد شده در محل چاه های ۱۱۴،۱۰ و ۱۵۱ آن میدان به ترتیب برابر ۹۱ ، ۷۹ و ۸۰ بدست آمد و خطای اعتبارسنجی نیز به ترتیب چاه های یادشده ۸۳ ، ۷۳ و ۷۲ درصد شد. مقاطع بدست آمده از رگرسیون چندنشانگری و شبکه عصبی PNN در خصوص نوع لیتولوژی سازند نشان داد که بیشینه تمرکز کلسیت و انیدرید در نیمه بالایی سازند آسماری قرار دارد .

کلیدواژه ها:

لیتولوژی ، وارون سازی لرزه ای ، نشانگرهای لرز های ، شبکه عصبی احتمالاتی