تعیین رخساره های رسوبی مخزنی با استفاده از سنتز نگارهای مجازی NMR

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,806

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RESERVOIR01_032

تاریخ نمایه سازی: 26 خرداد 1391

چکیده مقاله:

میانگین لگاریتمی زمان آسایش عرضی (T2LM) و تخلخل کل ابزار CMR (TCMR)، پارامترهای اصلی نگار رزونانس مغناطیس هسته (NMR) اند که اطلاعات بسیار مفیدی برای ارزیابی و توصیف مخزن را در دسترس ما قرار می دهند. ویژگی های مخزنی از جمله تخلخل، تراوایی، حجم سیال آزاد، حجم سیال محبوس و آب محبوس در رس به واسطه تفسیر این دو پارامتر، محاسبه شدنی است. در این مقاله، از رویکردی هوشمند به منظور تخمین پارامترهای نگار NMR و رخساره های رسوبی مرتبط با آن ها، با استفاده از داده های نگارهای معمولی بهره خواهیم برد. رخساره های رسوبی نگار NMR را، دسته هایی از پارامترهای نگار NMR تعریف می کنیم که نمایانگر کیفیت مخزنی هستند. برای رسیدن به این هدف، نگارهای NMR و داده های پتروفیزیکی برای دو سازند مختلف که در یک چاه از میدان نفتی اهواز قرار دارند، مهیا است. داده های سازند ایلام برای ساخت مدل های هوشمند و داده های سازند آسماری از همان چاه برای ارزیابی قابلیت اطمینان مدل های ساخته شده مورد استفاده قرار گرفته اند. نتایج، عملکرد بهتر روش شبکه عصبی در مقایسه با الگوی شبکه عصبی- فازی را نشان می دهد. سپس نگارهای T2LM و TCMR برای چهار چاه از میدان نفتی اهواز که نگار حقیقی NMR ندارند، با استفاده از یک تابع ریاضی سنتز شده و نگارهای مجازی رزونانس مغناطیس هسته (VNMR) نام گرفته اند. در نهایت، نگارهای VNMR در مجموعه هایی از رخساره های رسوبی مخزنی با استفاده از رویکرد آنالیز خوشه ای رده بندی شده اند. همبستگی میان رخساره های رسوبی VNMR و کیفیت مخزنی بر پایه ی تخلخل و تراوایی، موفقیت آمیز بود و به ما کمک کرد تا کیفیت مخزنی را با روشی سریع تر، مقرون به صرفه تر و دقیق تر ارزیابی کنیم.

نویسندگان

رضا حویزاوی

دانشجوی کارشناسی ارشد مهندسی اکتشاف نفت.

علی کدخدائی

دکترای زمین شناسی نفت از دانشگاه تهران، عضو هیئت علمی دانشگاه تبریز.

مجید نبی بیدهندی

دکترای ژئوفیزیک کاربردی از کالج سلطنتی لندن، عضو هیئت علمی موسسه ژئوف

شاهین پرچه خواری

کارشناسی ارشد مهندسی مخازن نفت از دانشگاه کلگری کانادا، رئیس بخش پترو

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 :
  • آرین، م.، جعفری درگاهی، 5. _ 1389، دیباچه ای بر ...
  • رضایی، م، چهرازی، ع.، 1385، اصول برداشت و تفسیر نگارهای ...
  • Al-Ajmi, F.A., and Holditch, S. A., March, 2001:" NMR Permeability ...
  • Hecht-Nielsen, R., 1989. Theory of back propagation neural networks. Presented ...
  • Labani, M.M., Kadkho daie-Ikhchi, A., Salahshoor, K., 2010. Estimation of ...
  • Malki, H.A., Baldwin, J., 2002. A neuro-fuzzy based oil/gas producibility ...
  • Matlab users Guide 201 1., NFtool, ANFIS editor, and direct ...
  • Mohaghegh, S.D., Goddard, C., Popa, A., et al., 2000. Reservoir ...
  • Mohaghegh, S.D., 2003. Virtual magnetic resonance logs, a low cost ...
  • Nikravesh, M., Aminzadeh, F. 2001. Mining and fusion of petroleum ...
  • Nikravesh, M., 2004. Soft _ omputing -based computational intelligent for ...
  • Ogilvie, S.R., Cuddy, S., Lindsay, C., et al., 2002. Novel ...
  • Von Altrock, C., 1995. Fuzzy Logic and Neuro-Fuzzy Applications Explained. ...
  • نمایش کامل مراجع