عنوان پایان‌نامه
مشخصه سازی ناهمگونی و توزیع ویژگی های جریانی سنگ مخزن با استفاده از هندسه فراکتالی
- رشته تحصیلی
- مهندسی نفت - مخازن هیدروکربوری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1467.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63993;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 162
- تاریخ دفاع
- ۰۵ شهریور ۱۳۹۳
- دانشجو
- محمدرضا باقری
- استاد راهنما
- محمدرضا رسایی
- چکیده
- ناهمگونی در مخزن به عنوان پارامتری کلیدی عملکرد تولید و بازیافت نهایی را کنترل می‌کند. بنابراین هر قدر که شناخت از توزیع ناهمگونی در مخزن افزایش یابد شبیه‌سازی مخزن دقیقتر خواهد بود. از یک مخزن ممکن است داده‌های مختلفی همچون داده‌های ژئوفیزیکی و داده‌های مغزه در اختیار داشته باشیم. نمودار چاه‌پیمایی یکی از روش‌هایی است که شناخت ما را از مخزن افزایش می‌دهد. مطالعه‌ی رفتار تعداد زیادی از نمودارهای چاه‌پیمایی وجود کاراکتر فراکتالی را نشان می‌دهد. فراکتال در معنای عمومی شبیه بودن یک جز به کل است. وجود کاراکتر فراکتالی در نمودارهای چاه‌پیمایی به طور غیر مستقیم نشان‌دهنده‌ی خاصیت فراکتالی در همان راستایی است که نمودار‌گیری انجام شده است. هم نمودارهای عمودی و هم نمودارهای افقی زیادی خاصیت فراکتالی را نشان داده‌اند. اگر شاخصه‌ی فراکتالی نمودار‌ها را منتسب به مخزن بدانیم آنگاه می‌توانیم به کمک این خاصیت یک ویژگی جریانی را در مخزن توزیع کنیم. در این پایان‌نامه ابتدا روش‌های زمین‌آماری تخمین و شبیه‌سازی معرفی می‌شوند. روش‌های زمین‌آماری قادر هستند با استفاده از داده‌های نمونه که در اینجا تنها داده‌های نمودارهای چاه‌پیمایی هستند مخزن را شبیه‌سازی کنند. در ادامه پایان‌نامه نشان داده خواهد شد که فراکتال‌های نویز گوسی کسری و حرکت براونی کسری شاخص‌ترین فراکتال‌هایی هستند که وجود آنها در نمودارهای چاه‌پیمایی زیادی تایید شده است. برای محاسبه‌ی کاراکتر فراکتالی در نمودارهای چاه‌پیمایی مهم‌ترین روش‌های پایا و ناپایا معرفی خواهند شد. در ادامه توانایی روش‌های نویز گوسی کسری و حرکت براونی کسری در ساخت مدل مبنا فراکتالی سنجیده می‌شود. حساسیت ساخت تحقق‌های فراکتالی نسبت به پارامتر‌های مدل‌های نویز گوسی کسری و حرکت براونی کسری بررسی می‌شود و این مدل‌ها با روش‌های زمین‌آماری کلاسیک مقایسه می‌شوند.
- Abstract
- Reservoir heterogeneity as a key parameter controls production performance and ultimate recovery. So simulation becomes more accurate by increasing information about reservoir heterogeneity distribution. There may be exist different types of data such as core data and geophysical data. Well logging is one of the methods can increase our understanding about reservoir. Studying behavior of many well logs shows fractal character. Fractal means that any small piece is similar to the whole. Existence of fractal character in well logs indirectly shows fractal property in the same direction. Both vertical and horizontal well logs in many cases show fractal property. If we assign this fractal character to the reservoir then we can distribute a fluid flow property in the reservoir according to this character. In this dissertation first of all geostatistical methods are discussed. Geostatistics can simulate the reservoir by using well logs that are sample data. In the following this will be shown that fractional Gaussian noise and fractional Brownian motion are the most characteristic fractals that their existence confirmed in the well logs. The most important stationary and nonstationary methods for calculating fractal character will be introduced. In the following fractional Gaussian noise and fractional Brownian motion ability to build a base model will be discussed. Sensitivity of fractal realization respect to fractional Gaussian noise and fractional Brownian motion is investigated and these models are compared with classical geostatistical methods. Key words: fractal, fractional Gaussian noise, fractional Brownian motion, well log analysis, geostatistics
