عنوان پایان‌نامه
تخمین پارامترهای ژئومکانیکی از داده های لرزه ای با استفاده از سیستمهای عصبی فازی در یکی از میادین نفت و گاز ایران
- رشته تحصیلی
- زمین شناسی - نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59161
- تاریخ دفاع
- ۲۹ بهمن ۱۳۹۱
- استاد راهنما
- علی کدخدایی ایلخچی, حسین رحیم پوربناب
- دانشجو
- سپیده سهرابی
- چکیده
- پارامترهای ژئومکانیکی، اطلاعات بسیار ارزشمندی را جهت سرشت نمایی مخزن فراهم می کنند. از این رو مطالعات ژئومکانیکی، اطلاعاتی پیرامون استحکام، فشار منفدی، استرس درجا و ویژگی های الاستیکی سنگ ارائه می دهند. در هنگام حفاری تغییرات آرایش استرس در اطراف چاه و تا حدودی به صورت شعاعی درسازند هدف ایجاد می شود. با برآورد صحیح از توزیع ویژگی های الاستیکی سازند مورد مطالعه، می توان به خوبی آنالیز استرس را انجام داد و با پیشصبینی این تغییرات قبل از حفاری، از فروریختگی دیواره چاه و هزینه های اضافی جلوگیری کرد. در این مطالعه، ابتدا پارامترهای ژئومکانیکی الاستیک با استفاده از فرمول های تجربی و از داده های نگار چاه پیمایی در سه چاه از مخزن آسماری درمیدان چشمه خوش برآورد گردید. درمرحله بعد، با استفاده از ارتباط بین پارامترهای الاستیک و تخلخل با نشانگرهای لرزهصای در محل قرارگیری چاه ها بر روی تقاطع خطوط لرزه ای چشمه و گیرنده، پارامترهای ژئومکانیکی و تخلخل برآورد شدند. نشانگرهای لرزه ای شامل نشانگرخارجی حاصل از برگردان لرزه ای و نشانگرهای داخلی حاصل از داده های لرزه ای خام می باشند. سپس روابط به دست آمده جهت مدل سازی سه بعدی پارامترهای ژئومکانیکی وتخلخل به کل سازند هدف تعمیم داده شده است. از میان روش های متداول و کاربردی شامل الگوریتم های رگرسیون خطی چندنشانگری، عصبی و عصبی- فازی، الگوریتم شبکه عصبی احتمالی به عنوان الگوریتم بهینه با توجه به میزان دقت و همبستگی انتخاب گردید. با استفاده ازاین مدل ها، مقاطع ونقشه های توزیع پارامترهای الاستیک و تخلخل در سازند مختلط کربناته-آواری آسماری در میدان چشمه خوش حاصل گردید. این مقاطع و نقشه ها، نحوه توزیع هر یک از پارامترهای ژئومکانیکی و ارتباط آنها با یکدیگر، همچنین ارتباط آنها با پارامتر تخلخل را هم در بخش کربناته و هم در بخش آواری به خوبی نشان می دهند. همچنین توسط این روش، برآوردی نسبی از میزان پایداری دیواره چاه ها در هر عمقی از موقعیت های جغرافیایی مختلف میدان قابل پیش بینی خواهد بود. واژه های کلیدی: میدان چشمهصخوش، سازند آسماری، نگار چاهصپیمایی، نشانگرهای لرزهصای، پارامترصهای ژئومکانیکی الاستیک، الگوریتم شبکه عصبی احتمالی
- Abstract
- Geomechanical parameters provide useful information for reservoir characterization. Hence geomechanical study may generate information about rock strength, pore pressure, insitu stress and elastic properties. Besides, drilling through the target formation will cause stress alteration around the borehole and even in a radius into thetarget formation. A good estimation of formation elastic properties will lead to an accurate stress analysis and can prevent future financial losses. In this study, at first the elastic geomechanical parameters with empirical formulations are estimated by well log data in three wells of the Asmari reservoir in Cheshmeh Khosh oil field. In the next step, by relating the elastic parameters and porosity with seismic attributes at the locations of wells on the intercept of seismic source and receiver lines, the elastic parameters and porosity were estimated. The seismic attributes are included seismic external attributes resulted from seismic inversion and internal attributes. Then on the basis of the obtained relations, for the purpose of three dimensional modeling of the elastic parameters and porosity are extrapolated in the targeted formation. Among some applicable and general methods such as multi attribute linear regression, neural network, and neuro-fuzzy, the probabilistic neural network algorithm is chosen as the optimal algorithm because of its high accuracy and validation. By using these models, the sections and distribution maps of elastic parameters and porosity of mixed carbonate-siliciclastic Asmari formation in the Cheshmeh Khosh oil field are be obtained. These sections and maps show how elastic parameters together and with porosity parameter are related in carbonate and siliciclastic parts of the formation. Also this method relatively can estimate the stability of wellbores in any geographical location and in any depth of the field. Keywords: Cheshmeh Khosh field, Asmari formation, Well log, Seismic attributes, Elastic geomechanical parameters, Probabilistic neural network algorithm
