بررسی میزان عدم اطمینان موجود در روشهای AVO برای پیش بینی محل سیالات مختلف نفتی موجود در مخزن ماسه سنگی غار، میدان نفتی ابوذر در شمال غرب خلیج فارس

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,398

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GCI12_013

تاریخ نمایه سازی: 11 دی 1384

چکیده مقاله:

استفاده از روشهای کمی در تفسیر داده های لرزه ای به جای تنها کاربرد کیفی این نوع اطلاعات در مراحل اکتشافات تا تولید مخازن نفتی ، به مرور زمان جای خود را در صنعت بالا دستی نفت ÷یدا کرده است. یکی از مهمترین این روشهای کیم کار با داده های لرزه ای پیش از انبارش (CPD Gathers) می باشد. از جمله کاربردهای این نوع از داده های لرزه ای بررسی نحوه تغییر ضرایب بازتابی لایه های زمین با تغییر زاویه موج فرودی بر هر یک از لایه هاست اگر بتوان اطلاعات پیش از انبارش لرزه ای را به گونه ای تحت پردازش قرار داد که تمامی اثرات مزاحم بر دامنه به جز آنهایی که ناشی از تغییرات خواص کشسائی یک لایه بازتابنده است حذف شوند. می توان از این اطلاعات در جهت استخراج خواص خزنی استفاده نمود. در این بررسی ابتدا به شرح تئوری AVOوRock physics می پردازیم و سپس چگونگی کاربرد این روش را در جداسازی مرز سیالات نفتی موجود در مخزن ابوذر واقع در شمالغرب خلیج فارس شرح خواهیم داد. اگر چه این مطالعه بر داده های لرزه ای 3 بعدی یک مخزن نفتی شناخته شده انجام می گردد با داشتن اطلاعات چاههای موجود در این مخزن می توان معیاری برای سنجش توانایی این روش در ردیابی هیدروکربن پیدا کرد و بدین ترتیبنتایج حاصله را کنترل نمود. در ابتدا جهت کسب ایده ای از چگونگی تغییر دامنه امواج لرزه ای باتابیده از سطح افق مخزنی اطلاعات موجود در یک چاه به کار گرفته شد تا رفتار AVO مخزن مشخص گردد.(Foeward Modeling). با کسب اطلاع از آنچه منحنی های AVO نشان می دادند قادر گشتیم تا مخزن را در یکی از طبقه بندی های موجود خازن هیدروکربوری که بر اساس ضریب بازتابی تهیه گردیده است. قرار دهیم. سپس با آگاهی از ویپگی های AVO بدست آمده از قسمت اول بهترین نشانگر (Atinibute) برای به نقشه در آوردن محل سیالات مختلف مخزنی انخاب گردید.

نویسندگان

مهدی اصغرزاده

شرکت نفت فلات قاره

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 :