عنوان پایان‌نامه
تخمین پارامترهای پتروفیزیکی لایه مخزنی سروک در میدان نفتی بلال به کمک زمین آمار ، داده های لرزه ای و چاه نگاری
- رشته تحصیلی
- مهندسی اکتشاف نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1672;کتابخانه انستیتو نفت شماره ثبت: 54.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 43499
- تاریخ دفاع
- ۳۰ آبان ۱۳۸۸
- دانشجو
- علی حمیدی حبیب
- استاد راهنما
- غلامحسین نوروزی باغکمه, محمدعلی ریاحی
- چکیده
- در این مطالعه روش های جدید تخمین پارامترهای مخزن به کمک نشانگرهای لرزه ای بررسی شده است. هدف اصلی این مطالعه، تخمین کمی پارامتر تخلخل در یکی از میادین دریایی ایران توسط روش های جدید تخمین پارامترهای مخزنی بوده است. برای این منظور مطالبی در رابطه با ترکیب تکنیک های متداول آماره ی چند متغیره و روش های جدیدتر مانند شبکه عصبی با نشانگرهای لرزه ای آورده شده است. بعد از اینکه بهترین روابط بین نشانگر های لرزه ای و پارامتر مخزنی در مکان چاه ها، استخراج شد آنگاه از این روابط برای بدست آوردن پارامتر مخزنی مورد نظر در مکان های دیگر استفاده می شود. بدین ترتیب نقشه هایی از توزیع پارامتر مورد نظر در منطقه مورد مطالعه بدست می آید که در این مطالعه تحت عنوان نقشه های اولیه از آن ها یاد می شود. نقشه های اولیه می توانند تنها به کمک رگرسیون چند متغیره و یا استفاده از نتایج رگرسیون چند متغیره توسط روش های شبکه عصبی بدست آیند. سپس از نقشه های اولیه برای تولید نقشه های نهائی به کمک روش زمین آمار استفاده خواهد شد. در این مطالعه نشانگرهایی از قبیل مقاومت صوتی، دامنه لرزه ای، پوش دامنه لرزه ای، فازلحظه‌ای، فرکانس لحظه‌ای و طول رد لرزه و غیره استفاده شده است. پارامتر هایی مخزنی مورد مطالعه می توانند سرعت موج تراکمی، تخلخل و یا اشباع شدگی در نظر گرفته شوند. مراحلی که در این مطالعه انجام شدند عبارتند از: تصحیح نمودارهای صوتی با اطلاعات لرزه ای موجود در چاه (چک شات )، تعیین افق های زمین شناسی روی اطلاعات لرزه ای، نشانه گذاری پیک کردن و تفسیر افق های لرزه ای، تهییه موجک و ساخت لرزه نگاشت مصنوعی، کالبره کردن اطلاعات نگار چاه و لرزه نگاری، ساخت مدل اولیه، انجام وارون سازی برای به حد اقل رساندن عدم تطابق بین مدل اولیه و اطلاعات لرزه ای، بدست آوردن مدل وارون و سپس استفاده از روش های مختلف تعیین تخلخل از قبیل رگرسیون چند متغیره و شبکه های عصبی مختلف و تبدیل داده های لرزه ای و مقاومت صوتی به تخلخل در افق مورد مطالعه، در نهایت تعیین تخلخل در محدوده مورد نظر با به کار گیری روش های مختلف تخمین تخلخل. در این مطالعه مراحل فوق با دقت لازم به انجام رسید در مرحله تعیین موجک، موجکی با تطابق کلی 70 درصد محاسبه شد به کمک این موجک مدل وارون بر پایه مدل به دست آمد و در نهایت از چندین روش مختلف تخلخل محاسبه شد و در نهایت بهترین مدل شناسایی و معرفی گردید.
- Abstract
- Correct Recognition of porosity model and estimation of petrophysical parameters in reservoirs is a prevalent subject in any oil project. For example correct estimation of porosity as a petrophysical parameter can help us in decisions that have high financial risk such as drilling. With determination of reservoir characterizations and exact assessment of petrophisical parameters with a adequate accuracy at the first steps of studies, we can able to produce optimum depletion with minimum wells. In this study, we combine the methods of geostatistics and multiattribute prediction for the integration of seismic and well-log data, and illustrate this new procedure with a case study. I develop a number of new ideas for the statistical determination of reservoir parameters using seismic attributes, combining the classical techniques of multivariate statistics and the more recent methods of neural network analysis. We first extract average porosity values at the zone of interest, and then compare these values to average seismic attributes over the same zone. The technique of cross-validation is then used to show which attributes are significant. We then apply the results of the training and cross-validation to data slices derived from both the seismic data cube and the inverted cube to produce an initial porosity map. Finally, we improve the fit between the well log values and the porosity map using cokriging. Main purpose of this study is quantitative assessment of porosity as a petrophisical parameter in an offshore oil field in Iran with new methods of reservoirs parameter estimation. This study shows by using both seismic data and well logging data we can get more accurate model of porosity in reservoir. Specifically, I will determine a relationship between a set of seismic attributes and a reservoir Parameter such as porosity at well locations, and then use this relationship to compute reservoir parameters from sets of seismic attributes throughout a seismic volume. Therefore we will have primary plan of porosity in area of study. In next step by using geostatistics and according to initial plan, as secondary variable in collocated cokriging, we can approach to more accurate plan to show distribution of porosity. In fact, Finally, I develop a new approach that combines geostatistics with multiattribute transforms. This technique uses multivariate statistics and neural networks to improve the secondary dataset used in the collocated cokriging technique. Steps for this study are: Correction of well logs with seismic data in well (cheek shot), pick of geological horizons on seismic data, interpretation of seismic horizons, extract wavelet and make synthetic seismogram, calibration of well log and seismic data, make initial model, test of primary inversion for minimize of incoherence between initial model and seismic data, make inversion then use of deferent methods for determination of porosity such as multilinear regression and neural networks. Next step invert seismic data and acoustic impedance as a inversion result to porosity in horizon of study, at last determination of porosity in area of study with use of geostatistical methods.
