عنوان پایان‌نامه
تحلیل زمین آماری عدم قطعیت در مدل تخلخل به دست آمده از وارون سازی تصادفی در یکی از مخازن نفتی جنوب غرب ایران
- رشته تحصیلی
- مهندسی اکتشاف نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2491;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60243
- تاریخ دفاع
- ۱۸ تیر ۱۳۹۲
- دانشجو
- مسلم مرادی
- استاد راهنما
- غلامحسین نوروزی باغکمه, محمدعلی ریاحی
- چکیده
- با اتمام دخایر مخازن هیدروکربوری بزرگ دنیا، نیاز به اکتشاف مخازن کوچک ایجاد می‌شود. با پیچیده‌تر شدن ساختار مخازن هیدروکربوری باقیمانده، به خصوص مخازن نازک لایه، اکتشاف آن‌ها روز به روز پرهزینه‌تر و پرریسک‌تر می‌شود. در این وضعیت نیاز به روش‌هایی است که بتواند اطلاعات دقیقی را با تفکیک‌پذیری مناسب لایه‌های زمین به دست دهد و امکان تحلیل عدم قطعیت را فراهم آورد. یکی از روش‌های تفسیر داده‌های اکتشافی وارون‌سازی لرزه‌ای است. روش‌های متعارف وارون‌سازی لرزه‌ای، موسوم به روش‌های قطعی، قادر به ایجاد مدل‌های پارامتر الاستیک یا مخزنی با تفکیک‌پذیری مناسب‌تری از داده‌های لرزه‌ای نیستند. علاوه بر این، با توجه به اینکه این روش‌ها پاسخ یکتا به دست می‌دهند، تحلیل عدم قطعیت نتایج حاصل از آن‌ها به دشواری صورت می‌گیرد. از سوی دیگر روش وارون‌سازی تصادفی(زمین آماری) می‌تواند به خوبی داده‌های لرزه‌ای را با داده‌های چاه یکپارچه کرده و با ایجاد چندین تحقق با تفکیک‌پذیری زیاد از پارامتر مخزنی امکان ارزیابی عدم قطعیت نتایج را، به ویژه در محاسبات حجمی و جریانی نیز فراهم آورد. علاوه بر این با استفاده از الگوریتم وارون‌سازی تصادفی امکان ایجاد همزمان مدل‌هایی از خواص الاستیک و پارامترهای مخزنی وجود دارد. یکی از الگوریتم‌های قوی در وارون‌سازی تصادفی، الگوریتم بیزین است. در این تحقیق روش وارون‌سازی تصادفی با روش بیزین در میدانی نفتی در جنوب غرب ایران مورد استفاده قرار گرفت و تعداد 50 تحقق از مقاومت صوتی و تخلخل به دست آمده است. این مدل‌ها در مقایسه با روش‌های قطعی تفکیک‌پذیری بیشتری به دست داده‌اند. سپس با استفاده از این مدل‌ها حجم منافذ مخزن محاسبه شده و به تحلیل عدم قطعیت در نتایج پرداخته شده است. واژگان کلیدی: وارون‌سازی تصادفی، تئوری بیزین، عدم قطعیت، زمین‌آمار.
- Abstract
- Stochastic (geostatistical) seismic inversion is the contribution of geostatistics and seismic inversion technology which integrates information from different data sources such as seismic records, well logs, and geostatistics, into a posterior probability density function (PDF) of subsurface models. The Markov chain Monte Carlo (MCMC) method is used to sample the posterior PDF and the subsurface model characteristics can be inferred by analyzing a set of the posterior PDF samples. In this thesis,thetheory of stochastic seismic inversion in a Bayesian framework are described and applied in an oilfield in South-west Iran to infer P-impedance and porosity models. The comparison between the stochastic seismic inversion and the deterministic model based seismic inversion indicates that the stochastic seismic inversion can provide more detailed information of the subsurface character. Since multiple realizations are obtained through this method, an estimation of pay reservoir volume is done and uncertainty in estimation has been analyzed
