عنوان پایان‌نامه
تفسیر لاگ با استفاده از روش های پردازش و آنالیز تصویر به منظور تشخیص شکستگی ها در مخازن کربناته
- رشته تحصیلی
- مهندسی اکتشاف نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1986;کتابخانه انستیتو نفت شماره ثبت: 65.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50416;کتابخانه پردیس 2 فنی شماره ثبت: 1986;کتابخانه انستیتو نفت شماره ثبت: 65.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50416
- تاریخ دفاع
- ۱۲ مهر ۱۳۹۰
- دانشجو
- مصطفی جاوید
- استاد راهنما
- حسین معماریان
- چکیده
- شکستگی ها در مخازن با شکستگی طبیعی نقش اساسی در مهاجرت و تولید هیدروکربورها دارد، از اینرو شناسایی شکستگی ها درجنبه های مختلف تولید و توسعه این میادین بسیار اهمیت دارد. یکی از ابزارهای بسیار قوی برای مطالعه و شناسایی شکستگی ها در اطراف چاه ها، نمودارهای تصویری می باشد. نمودارهای تصویری، یک شبه تصویر با تفکیک پذیری بالا از دیواره چاه می باشد.این نمودارها اطلاعات مهمی را درباره جهت گیری، عمق و نوع شکستگی های طبیعی فراهم می کند. امروزه روش دقیقی برای شناسایی خودکار شکستگی ها از روی این نمودارها در مخازن کربناته ایران وجود ندارد و نرم افزارهای موجود یا جامع نبوده بطوریکه قادر به شناسایی کامل پارامترهای مربوط به شکستگی نیستند و یا اینکه دقت پایینی در مخازن کربناته دارند. بنابراین تفسیر این نمودارها اغلب به‌صورت دستی انجام می گیرد که در صورت نبود تجربه کافی، تفسیر با خطا مواجه خواهد بود. هدف از مطالعه حاضر، معرفی و به‌کارگیری روش‌های پردازش تصویر و الگوریتم های هوشمند ژنتیک و کلونی مصنوعی زنبور عسل، جهت پیدا کردن خودکار شکستگی ها در نمودارهای تصویری می باشد. الگوریتم پیشنهادی در این پایان نامه شامل دو مرحله اساسی می باشد. در مرحله اول، از طریق پردازش تصویر و استفاده از چهار ویژگی تصویری شکستگی ها، نقاط مربوط به آنها از داخل نمودار تصویری استخراج شده و به صورت تصویری دودویی ارائه می شود که در این تصویر تمامی ویژگی های زمین شناسی به جز شکستگی ها حذف شده اند. نتیجه نهایی در این مرحله علاوه بر تصویر دودویی، مختصات نقاط استخراج شده به همراه شیب هر نقطه می باشد. در مرحله دوم، از طریق اطلاعات حاصل از مرحله قبلی و استفاده از الگوریتم های هوشمند؛ شیب، آزیموت و موقعیت عمقی شکستگی هاتعیین می گردد. این الگوریتم در محیط نرم افزار متلب پیاده سازی شد و برای بررسی توانایی برنامه نوشته شده، این روش بر روی بخشی(100 متر) از داده های نمودارهای تصویری FMSو FMIدو چاه مربوط به دو میدان هیدروکربوری در جنوب ایراناجرا شده است. برای مقایسه دو الگوریتم هوشمند مورد استفاده، نتایج نهایی به صورت نمودار تراکم عمقی، استریونت و نمودار گلسرخی آزیموت و امتداد شکستگی های شناسایی شده و همچنین نتایج گرافیکی برخی از مقاطع عمقی تصاویر هر دو چاه مورد بررسی در تفسیر دستی انجام شده توسط مفسر، الگوریتم ژنتیک و کلونی مصنوعی زنبور عسل نمایش داده شده است. نتایج حاصله کارایی راهکار پیشنهاد شده را نشان می‌دهد.
- Abstract
- In naturally fractured reservoirs, fractures play a main role in migration and production of hydrocarbons; and fracture identification play a main role in different aspects of reservoir development and management. Borehole image log is a powerful tool for fracture study in drilled wells. Borehole image logs present a high resolution “pseudo picture” of the borehole wall. These logs provide critical information about orientation, depth and type of natural fractures. Unfortunately, thereis noprecisealgorithmfor automaticidentification of fractures parametersonimage logs for carbonatereservoirsof Iran, and interpretation of theselogsisoftendone manually. This process might become erroneous when the interpreter is less experienced. To develop an automatic procedure for detection of fractures in image logs, a novel method is presented in this research. Image processingandoptimization techniques,as well as genetic algorithm (GA), and artificial bee colony algorithm (ABC), are implemented in order to detect fractures on image logs automatically. The proposed algorithmconsists of twomainsteps. First, using image processing technique and four imagingfeatures of fractures, points related to fractures areextracted on image logs and the binary image is developed. In this image, all geologicalfeaturesexcept fractureswereremoved. In addition to thebinaryimage, coordinates and slopes at any extracted point are computed and saved. Then, usingintelligentalgorithm, number, depth, dip and dip directionof fractures were determined on extracted points. Thisalgorithm was implementedinMATLABsoftware. In order to investigate the performance of the proposed method, the program is conducted on part of FMS and FMI image log oftwowells located in two oilfields, in southof Iran. Obtained resultsshow the reasonable efficiency of the proposedmethod. Comparing the results derived by two optimization techniques used in this study proved better results by ABC method.
