پديد آورنده :
قهرماني، لاله
عنوان :
تخمين تخلخل، تراوايي، ليتولوژي واحدهاي سنگي و رخساره الكتريكي در مخزن داريان ميدان رشادت به روش هاي هوشمند
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
اكتشاف نفت
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده معدن
صفحه شمار :
ص، ۱۳۲ص.: مصور، جدول، نمودار
استاد راهنما :
مهين منصوري اصفهاني، هوشنگ اسدي هاروني
توصيفگر ها :
ژئولاگ , شبكه هاي هوشمند , پارامترهاي پتروفيزيكي , رخساره هاي الكتريكي
استاد داور :
نادر فتحيان پور، ابراهيم قاسمي
تاريخ ورود اطلاعات :
1396/12/20
چكيده فارسي :
6 چكيده در صنعت نفت تعيين خواص پتروفيزيكي مخزن يكي از مهمترين پارامترهاي كليدي در مديريت توليد توسعه و تخمين مخازن هيدروكربوري بشمار ميرود تعيين اينگونه پارامترها معموال توسط روشهايي چون آناليز مغزه و آزمايش چاه6 انجام ميگيرد كه مستلزم صرف زمان و هزينه گزافي ميباشد و ضمنا بعلت نبود مغزههاي كافي و تغييرات سنگشناسي سنگ مخزن تعيين اينگونه پارامترها توسط روشهاي معمول از دقت چنداني برخوردار نميباشد بنابراين روش بهينه براي كاهش هزينهها و زمان و افزايش دقت استفاده از ارزيابيهاي نرمافزارهاي پيشرفته ژئوالگ و روشهاي تخميني شبكههاي عصبي مصنوعي است كه ميتوان تعميمپذيري مناسب و دقيقي نسبت به كل مخازن يك ميدان داشت تعيين انواع رخسارههاي الكتريكي بااستفاده از الگوريتمهاي مختلف خوشهسازي و استفاده از آنها در مدلسازي رخسارهاي يكي از مهمترين كارهاي ارزيابي مخزن ميباشد در اين مطالعه با استفاده از نگارهاي پتروفيزيكي از نرمافزار ژئوالگ شبكههاي عصبي مصنوعي متلب و فازيسازي براي پيشبيني هرچه دقيقتر اين پارامترها در ميدان رشادت پرداخته شده است همچنين سعي گرديد در جهت شناخت هرچه بهتر مخزن و كاهش عدمقطعيت در مطالعات رخسارهاي و پارامترهاي مخزني آن مناسبترين خوشهبندي براي رخساره الكتريكي انتخاب شود در اين مطالعه جهت تعيين تخلخل توسط شبكه و نرمافزار از نگارهاي پتروفيزيكي شامل نوترون گاما چگالي و صوتي استفاده شده است براي تعيين آب اشباع شدگي از نگارهاي مقاومت ويژه نوترون چگالي و صوتي بهره برده شده است همچنين شبكه عصبي در برخي چاههاي اين ميدان كه داراي مغزه بودند مورد آزمايش و آزمون قرار گرفته و در مرحله آخر يا تعميمپذيري نتايج با ضريب همبستگي حدود 33 درصد تخلخل را تخمين زد سعي گرديد با استفاده از روش خوشهبندي چند تفكيكي برپايه گراف2 تعداد 66 رخساره الكتريكي كه بيشترين تطابق را با مشخصات زمينشناسي و كيفيت مخزني داشتند حاصل شود نتايج بدست آمده از شبيهسازيها نشان دهنده آن است كه استفاده از روش مولتيمين در نرم افزار ژئوالگ نتايجي كارا جهت پيشبيني پارامترهاي پتروفيزيكي بدست ميدهد تعيين زونها استراتيگرافي رخسارهها پارامترهاي پتروفيزيكي تخلخل تراوايي اشباع آب و اشباع هيدروكربور سنگشناسي چاهها و پيوستگي بين چاهها از جمله نتايج حاصل در اين مطالعه ميباشد نتايج تخمين تراوايي از روشهاي شبكهعصبي مصنوعي فازيسازي و MRGC بدست آمده و با هم مقايسه شدهاند نتايج بدست آمده نشان دهندهي خطاي كمتر روش MRGC نسبت به ساير روشها ميباشد آناليز پتروفيزيكي به روش احتمالي انعطاف زيادي نسبت به نارسايي دادهها ناشي از مشكالت نمودارگيري و عدم قطعيت آنها نشان ميدهد كلمات كليدي ژئوالگ شبكههاي هوشمند پارامترهاي پتروفيزيكي رخسارههاي الكتريكي 1 Well Test 2 Multi Resolution Graph Clustering
چكيده انگليسي :
AbstractIn petroleum industry petrophysical properties of reservoir are considered as one of the mostimportant parameters in the management production development and estimation ofhydrocarbon reservoirs These parameters are usually determined by methods such as coreanalysis and well testing which requires a lot of time and money and also due to insufficientcores and petrography changes in the reservoir rock determination of these parameters isn tusually very accurate with using conventional methods Therefore the optimum method forreducing cost time and increasing the accuracy is by using advanced software such asGeology and prediction methods such as artificial neural networks which can haveappropriate and accurate generalization to the entire reservoirs of a field one of the mostimportant tasks of reservoir evaluation is to distinguish the types of electrofacies by differentclustering algorithms and facies modeling In this study by using of petrophysical logs of Geolog software artificial neural networks MATLAB and fuzzy logic method were carried out to predict these parameters in Reshadatfield Furthermore in order to better understanding the reservoir reducing the failure rate infacies studies the parameters were tried to be selected and used for suitable clustering for theelectrofacies In this research petrophysical logs including neutron gamma density and sonic were used topredict porosity by neural network method To obtain the water saturation special resistance neutron density and acoustic logs have also been used In addition neural network tested insome of the wells in the field with core samples Finally the results estimated with 99 correlation coefficient It was tried to achieve 11 electrofacies that have most accordance withgeological characteristics and reservoir quality using a Multi Resolution Graph basedClustering method The results of Geolog software are very effective in predicting petrophysical parameters Thedetermination of zones stratigraphy facies petrophysical parameters porosity permeability water and hydrocarbons saturation and petrography of the wells as well as conjunctionbetween the wells can be consider as the results of this research In addition the obtained resultsof the estimation of permeability by artificial neural network fuzzy and MRGC methods werecompared with this case the results of MRGC method was introduced as one the best results Also petrophysical analysis with probablity method show a great deal of flexibility in datafailure due to graphing problems and their uncertainty Keywords Geolog Intelligent networks Petrophysical parameters Electrofacies
استاد راهنما :
مهين منصوري اصفهاني، هوشنگ اسدي هاروني
استاد داور :
نادر فتحيان پور، ابراهيم قاسمي
