ارائه مدل ترکیبی حاصل از دو مدل فیزیک سنگ با روش انتگرال فازی سوگنو در یکی از میادین نفتی جنوب غربی ایران
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 48
فایل این مقاله در 22 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_ANM-10-23_003
تاریخ نمایه سازی: 20 آذر 1403
چکیده مقاله:
با به کارگیری مدل های فیزیک سنگی، شناسائی هرچه دقیق تر مخزن هیدروکربوری امکان پذیر است و به دنبال آن مخاطره اکتشاف و تولید نفت و گاز به میزان قابل توجهی کاهش مییابد. در مطالعه حاضر، سه مدل فیزیک سنگ خود سازگار-گاسمن، شو-پاین و شو-وایت در یک مخزن کربناته نفتی در جنوب غربی ایران در دو چاه هدف مورد بررسی قرار گرفتند. با استفاده از روشهای ترکیب اطلاعات انتگرال فازی سوگنو و وزن دهی افزایشی ساده، دو مدل ترکیبی مختص مخزن مورد مطالعه، تهیه و ارائه گردیدند. سرعت موج طولی و برشی با کمک نگارهای چاهی و نوع حفرات حاصل از مقاطع نازک و سی تی اسکن در مخزن مورد مطالعه برآورد و از لحاظ کمی و کیفی مقایسه گردید. نتایج نشان داد که خطای نسبی در تخمین سرعت موج برشی در چاه A و B به ترتیب از ۲۱ درصد به ۴ درصد و از ۲۴ درصد به ۵/۴ درصد رسید. همچنین خطای نسبی در تخمین سرعت موج طولی در چاه های مورد مطالعه از ۱۴ به ۵/۲ درصد در چاه A و از ۲۱ به ۲ درصد در چاه B کاهش یافت. همچنین در بین سه مدل موجود نتایج برآورد شو-وایت و سوگنو در تخمین سرعت های طولی و برشی در چاه A به ترتیب از کمترین(۷۹ و ۸۱) و بیشترین ضریب همبستگی (۹۹ و ۹۸) با داده واقعی برخوردار بودند. در واقع نتایج به دست آمده از سه مدل فیزیک سنگی و مدل های ترکیبی بیانگرآن است که مدل ترکیب شده با روش سوگنو بهترین برآورد را ارائه نموده است.
کلیدواژه ها:
ترکیب اطلاعات ، سرعت موج طولی و برشی ، مدل خود سازگار-گاسمن ، مدل شو-پاین ، مدل شو-وایت ، مدل وزن دهی افزایشی ساده و مخازن کربناته
نویسندگان
Hamid Seifi
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود
Behzad Tokhmechi
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود
Ali Moradzadeh
دانشکده مهندسی معدن، دانشگاه تهران
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 :