تخمین کل محتوای کربن آلی با استفاده از نشانگرهای لرزه ای داخلی و خارجی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 486

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NGMES02_080

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

تخمین ویژگی های مخزن با استفاده از داده های لرزه ای اهمیت بسیار زیادی در مطالعات مربوط به مخازن نفتی دارد. نشانگرها و بررسی آنها در مطالعه و ارزیابی میدان ها نقش مهمی را در تخمین ویژگی های مخزنی ایفا می کنندو از آن ها برای دستیابی به اهداف مختلف در بررسی مخزن استفاده می گردد. با توجه به این که داده های دو بعدی لرزه نگاری به تنهایی توانایی تخمین ذخیره مخزن نفتی را ندارند، نیازمند استفاده از نشانگرهای لرزه ای برای تخمین ویژگی های مخزن می باشیم. مقدار (TOC) کل کربن آلی Total Organic Carbon یکی از پارامترهای مهم در سنگ منشأ است که می تواند برای ارزیابی پتانسیل تولید و توصیف خصوصیات ژئوشیمی سنگ های مولد هیدروکربن استفاده شود. هدف اصلی این مطالعه تعیین زون های غنی از ماده آلی در میدان مورد مطالعه است که با ایجاد ارتباطی بین نگار محتوای کربن آلی در محل چاه ها و بررسی مقاطع لرزه ای حاصل از نشانگرهای داخلی و خارجی انجام می گیرد. با بکار بستن وارون سازی لرزه ای به کمک نرم افزار همپسون-راسل 9، امپدانس صوتی پهن باند از داده های لرزه ای استخراج شد که به عنوان نشانگر خارجی در نظر قرار گرفته شد و ارتباطش با TOC مورد بررسی قرار گرفت سپس با استفاده از شبکه های عصبی موجود در بخش EMERGE به استخراج نشانگرهای داخلی بهینه مرتبط با پارامتر TOC پرداخته شده است. نتایج نشان دادند که مقاطع حاصل از آنالیز چند نشانگری با استفاده از شبکه عصبی پیشخور چند لایه (MLFN) بهترین ارتباط را با TOC نشان داده اند.

نویسندگان

معصومه عزیزی

دانشجوی کارشناسی ارشد اکتشاف نفت دانشگاه شاهرود

منصور ضیایی

دانشیار دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه شاهرود

مهرداد سلیمانی

استادیار دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود

احمد واعظیان

دکتری دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه شاهرود

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 :
  • . کیا م.، 1380، "شبکه‌های عصبی در متلب "، چاپ ...
  • . Barnes, A.E., (2006), _ many seismic attributes", Canadian Society ...
  • Brown R., 2001, _ 'Understanding seismic attributes Geophysics ", v. ...
  • نمایش کامل مراجع