آنالیز پارامترهای وارونسازی جهت تخمین تخلخل در یکی از میادین نفتی (جنوب غربی ایران)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 862

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NIPC01_070

تاریخ نمایه سازی: 28 فروردین 1393

چکیده مقاله:

بکارگیری دادههای لرزهای باهدف تخمین خواص مخزنی، یکی از روشهای بسیار متداول در مدلسازیهای مخزنی است. دادههای لرزهای به نوعی کاستی مربوط به اطلاعات چاه را جبران نموده و امکان بررسی تغییرات جانبی خواص مخزنی رامیسر میسازند. بطور معمول دامنههای لرزهای همبستگی مشخصی را با خواص مخزنی نشان نمیدهند و نیاز به یافتن نشانگرهای لرزهای مرتبط با خواص مخزنی امری ضروری است. یکی از مهمترین نشانگرهای لرزهای که وابستگی زیادی را با خواص مخزنی به ویژه تخلخل کل مخزن نشان میدهد، نشانگر مقاومت صوتی است . محاسبه مقاومت صوتی ازدادههای لرزهای نیازمند کالیبره نمودن دادههای چاه و اطلاعات لرزهای است که این مسئله در نواحی کوهستانی به دلیل وجود توپوگرافی ناحیهای امری چالش برانگیز است و ممکن است باعث بروز خطاهای جبران ناپذیری در جریان وارونسازی گردد. در این مقاله راهکاری جهت کالیبراسیون دادههای چاه و لرزه ارائه شده که قادر به حذف خطاهای موجود در این کار است. پس از انجام وارونسازی لرزهای و محاسبه مقاومت صوتی، یافتن رابطه میان تخلخل اندازهگیری شده در چاه و دادههای لرزهای به دلیل اختلاف در بازه نمونهگیری نیازمند توجه ویژهای است. در این مقاله با بهره گیریاز روش چند نقطهای برازش به کمک همامیخت برداری به یافتن رابطهای میان تخلخل کل و مقاومت صوتی پرداخته شده است. در نهایت، تخلخل کل مخزن با دقت قابل قبولی با استفاده از شبکههای عصبی محاسبه گردید

نویسندگان

نسیم حیدریان دهکردی

مربی، عضو هیات علمی، پژوهشکده علوم پایه کاربردی

سعید میرزائی

دانشیار، عضو هیات علمی، پژوهشکده علوم پایه کاربردی

سیدمحمد زمانزاده

استادیار، عضو هیات علمی، 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 :