جستجوی مقالات مرتبط با کلیدواژه « مدل سازی زمین اماری » در نشریات گروه « زمین شناسی »

مدل سازی فضایی تخلخل و تراوایی با استفاده از داده های متعدد چاه دارای اهمیت بسیار مهمی در مطالعات اکتشاف و تولید نفت و گاز است. اهمیت هر مدل سازی اصولا به روش/روش های استفاده شده برای مدل سازی بستگی دارد. در مطالعه حاضر از روش شبکه های عصبی مصنوعی پس انتشار خطا برای تخمین مقادیر تخلخل و تراوایی بخش های مختلف سازند ایلام در یکی از میادین نفتی حوضه زاگرس استفاده شده است. نمودارهای چاه نگاری تخلخل نوترون، سرعت صوت و چگالی به عنوان سلول های لایه ورودی و داده های تخلخل و تراوایی حاصل از مغزه چهار چاه نیز به عنوان سلول های لایه خروجی برای آموزش شبکه مورد استفاده قرار گرفته اند. پس از آموزش شبکه با این داده ها، از داده های یک چاه دیگر برای آزمون شبکه استفاده شده که آزمون شبکه آموزش دیده ضرایب همبستگی 91/0 و 82/0 را به ترتیب برای تخلخل و تراوایی به دست داده که این ضرایب درستی شبکه آموزش دیده را تایید می کنند. بعد از اطمینان از درستی شبکه آموزش دیده، مقادیر تخلخل و تراوایی برای تمامی چاه های میدان محاسبه شده است. پس از محاسبات مذکور نحوه توزیع سه بعدی پارامترهای تخلخل و تراوایی پیش بینی شده از شبکه عصبی مصنوعی پس انتشار خطا توسط الگوریتم های زمین آماری مثل کریجینگ و شبیه سازی گوسی ترتیبی در مقیاس میدان مشخص شد. طبق مدل به دست آمده بخش های 1-2 و 2-2 سازند ایلام در میدان مورد مطالعه دارای کیفیت مخزنی بالا، بخش1 دارای شکستگی و بسیار پیچیده و بخش 3 این سازند فاقد کیفیت مخزنی تشخیص داده شد. تمرکز بخش های تراوای سازند ایلام در قسمت شمال غرب و تاحدی هم مرکز میدان، قابل توجه ذکر شد که به گسترش بیشتر شکستگی ها در این قسمت مرتبط گردید.

مطالعه حاضر به ساخت مدل تخلخل در یکی از میادین کربناته با بهره گیری از روش غیرقطعی2 شبیه سازی گاوسی پی درپی می پردازد. عموما به کارگیری روش های غیرقطعی و محاسبه ی تحقق های متعدد از متغیرهای مخزنی منجر به افزایش قطعیت نتایج حاصل از مدل سازی های مخزنی شده و امکان انجام بررسی های عدم قطعیت را نیز فراهم می آورد. در مطالعه ی حاضر، مخزن مورد مطالعه ناهمگنی های چشم گیری در بخش های مختلف دارد که این امر منجر به کاهش صحت مدل سازی های زمین آماری با افزایش واریانس تخمین می شود. از این رو در گام اول ناحیه بندی مخزنی بر اساس تغییرات قائم مشاهده شده صورت پذیرفته و مدل سازی هر ناحیه به صورت جداگانه انجام شده است. فرآیند مدل سازی تخلخل با روند مقاومت صوتی استخراج شده از داده های سه بعدی لرزه ای انجام شده که نتایج بسیار معنادارتری را نسبت به حالت بدون روند ایجاد کرده است. نکته ی بسیار مهم در به کارگیری مقاومت صوتی به عنوان متغیر ثانویه، هم خوانی این متغیر با اطلاعات چاه است. این هم خوانی عموما پس از تبدیل داده های لرزه ای به عمق، کاهش می یابد. نتایج این بررسی نشان می دهد که مدل سازی های مخزنی انجام شده با روند داده های لرزه ای در حیطه ی زمان، از دقت بیشتری برخوردار خواهند بود.