ارتقاء کیفیت ارزیابی پتروفیزیکی مخازن کربناته شکافدار با تلفیق لاگ های مدرن و کلاسیک
محل انتشار: کنفرانس بین المللی یافته های نوین پژوهشی در علوم،مهندسی و فناوری با محوریت پژوھشھای نیاز محور
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 559
فایل این مقاله در 9 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMRS01_088
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
با توجه به کاربرد گسترده علم ژئوفیزیک در صنعت نفت و همچنین نیاز به افزایش ضریب اطمینان از بررسی ها و ارزیابی های پتروفیزیکی و برای ارائه راهکاری جهت افزایش دقت داده های چاه نگاری ، این پژوهش با در دست داشتن اطلاعات مغزه و خرده حفاری و کراس پلات ها و همپنین اطلاعات نمودارهای پتروفیزیکی منطقه مورد مطالعه صورت پذیرفته است و سعی شده تا سازند مورد نظر از لحاظ گسترش خواص مخزنی مورد ارزیابی و بهبود قرار گیرد. بهترین مرجع برای حصول پارامترهای پتروفیزیکی مغزه است، اما به دلیل هزینه بالا و مشکلات اجرایی تعداد کمی از چاه های یک میدان ممکن است مغزه گیری شوند. بدین جهت با وارد کردن داده های حاصل از نگارها ، علاوه بر بهبود کیفیت ارزیابی ها ، لیتولوژی دقیق تری از منطقه مورد مطالعه بدست آمده است. نرم افزار بکار گرفته شده در این مطالعه به منظور ارزیابی نگارها و تعیین پارامترهای پتروفیزیکی، نرم افزار تخصصی پتروفیزیک یعنی Geolog می باشد. منطقه مورد مطالعه شامل سازندهای یکی از میادین هیدروکربوری خلیج فارس می باشد. در مدل سازی مخازن نفتی از دو دسته اطلاعات، یکی نمودارهای چاه و دیگری مقاطع لرزه ای، استفاده می شود. در این پژوهش ابتدا برای زون های مورد نظر، مدلی ابتدایی براساس داده های حاصل از مغزه گیری و نمودارهای مذکور ساخته شده است و سپس با وارد کردن داده های حاصل از نمودارهای DSI و NMR مدلی بهبود یافته و با کیفیتی بالاتر بدست آمده است که حاصل آن محاسبه ای دقیق از تخلخل و شناسایی زون های با کیفیت مخزنی بالا بوده است.
کلیدواژه ها:
نویسندگان
امیررضا محرابی
کارشناس ارشد مهندسی نفت - دانشجوی دکتری پترولوژی دانشگاه آزاد اسلامی واحد علوم و تحقیقات
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 :