[صفحه اصلی ]   [Archive] [ English ]  
:: ثبت نام جستجو ارسال مقاله تماس با ما ::
:: جلد 7، شماره 2 - ( پاییز و زمستان 1400 ) ::
جلد 7 شماره 2 صفحات 0-0 برگشت به فهرست نسخه ها
تلفیق روش‌های تخمین مقادیر تراوایی با استفاده از زمین‌آمار و شبکه عصبی مصنوعی؛ مطالعه موردی یکی از میدان‌های نفتی خلیج‌فارس
مهران رحیمی1، محمد علی ریاحی2
1- موسسه ژئوفیزیک دانشگاه تهران
2- موسسه ژئوفیزیک دانشگاه تهران ، mariahi@ut.ac.ir
چکیده:  
تراوایی یکی از پارامترهای مهم در مطالعات پتروفیزیکی مخزن است و ارزیابی این پارامتر می­تواند به عنوان یک ابزار کلیدی در توسعه میدان­های نفتی استفاده شود. هدف این مطالعه تخمین و مدل­سازی سه‌بعدی تراوایی مخزنی سازند سورمه بالایی در یکی از میدان­های نفتی خلیج­فارس است. سازند سورمه با سن ژوراسیک به عنوان یکی از مهم­ترین مخازن نفت و گاز در حوضه خلیج­فارس محسوب می­شود. در این مطالعه، در فرآیند ارزیابی تراوایی از داده­های لرزه­ای سه‌بعدی پس از برانبارش و نگارهای تراوایی استفاده شده است. مدل­ ساختمانی مخزن با استفاده از تفسیر مقاطع لرزه­ای و نگارهای چاه در بخش مخزنی تهیه شده است. این مدل شامل تفسیر سطوح گسل، شبکه ژئوسلول و افق­­های مخزن می­باشد. شبکه ژئوسلول مورد استفاده در این مطالعه از ستونک و ژئوسلول­هایی با ابعاد 50 در 50 متر در راستای X و Y مورد استفاده قرار گرفت. ضخامت لایه­های ژئوسلولی هر زون مخزن را متناسب با آن زون در بخش مخزنی طراحی شده است. تخمین مقادیر تراوایی با استفاده از شبکه عصبی مصنوعی با الگوریتم پس انتشار انجام شده است. نتایج حاصل از شبکه عصبی مصنوعی در چاه­های مخزن مورد مطالعه تعمیم داده شد. مقدار ضرایب همبستگی حاصل از مقادیر تخمین تراوایی با داده های مغزه حفاری برابر با 88 درصد است. مقایسه نتایج زمین­آمار با مقادیر تراوایی نشان می­دهد که روش­های ارائه شده می­توانند نتایج قابل قبولی را برای مدل­سازی تراوایی مخزن ارائه دهند.
واژه‌های کلیدی: زمین‌آمار، شبکه عصبی مصنوعی، الگوریتم پس انتشار، سازند سورمه، شبکه ژئوسلولی.
     
نوع مطالعه: علمی پژوهشی کاربردی | موضوع مقاله: تخصصي
دریافت: 1399/7/7 | پذیرش: 1399/11/12 | انتشار: 1400/6/10
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rahimi M, Riahi M A. Integration of permeability estimation methods using geostatistics and artificial neural network; A case study one of oil fields in the Persian Gulf. علوم زمین. 2022; 7 (2)
URL: http://gnf.khu.ac.ir/article-1-2771-fa.html

رحیمی مهران، ریاحی محمد علی. تلفیق روش‌های تخمین مقادیر تراوایی با استفاده از زمین‌آمار و شبکه عصبی مصنوعی؛ مطالعه موردی یکی از میدان‌های نفتی خلیج‌فارس. علوم زمین‌ خوارزمی. 1400; 7 (2)

URL: http://gnf.khu.ac.ir/article-1-2771-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 7، شماره 2 - ( پاییز و زمستان 1400 ) برگشت به فهرست نسخه ها
علوم زمین خوارزمی Kharazmi journal of earth sciences
 
Persian site map - English site map - Created in 0.09 seconds with 30 queries by YEKTAWEB 4419