عنوان پایان‌نامه
وارون خواص پتروفیزیکی سنگ مخزن (تخلخل، تراوایی، درصد اشباع سیال) با استفاده از الگوریتم ژنتیک ترکیبی (HGA) و مدل اصلاح شده BISQ
- رشته تحصیلی
- ژئوفیزیک - لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81775;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1446;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81775;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1446
- تاریخ دفاع
- ۲۶ شهریور ۱۳۹۶
- دانشجو
- مهدی سعادت دستنایی
- استاد راهنما
- مجید نبی بیدهندی
- چکیده
- وارونسازی خواص پتروفیزیکی مخزن از طریق مرتبط ساختن این خواص به داده لرزه ای از طریق یک مدل پتروفیزیکی ممکن میباشد. هرچه این مدل دقیقتر باشد و مکانیسم انتشار امواج در محیط متخلخل اشباع از سیال را بطور دقیقتری شبیه سازی کند؛ نتایج بدست امده از وارونسازی به واقعیت نزدیکتر خواهد بود. مدل پتروفیزیکی بکار رفته در این تحقیق مدل BISQ میباشد که از ترکیب دو مدل انتشار امواج Biot و Squirt flow تشکیل شده است. در این مدل سرعت امواج و ضریب کیفیت سنگ بعنوان تابعی از خواص پتروفیزیکی سنگ مخزن ، خواص الاستیک سنگ و سیال و فرکانس در نظر گرفته میشود.با معلوم در نظر گرفتن سایر پارامترهای دخیل در این مدل میتوان سرعت امواج و چگالی سنگ را بعنوان توابعی از تخلخل، درصد اشباع سیال و تراوایی در نظر گرفت. همچنین میتوان با استفاده از داده های لرزه ای قبل از برانبارش و از طریق یک فرایند وارونسازی همزمان ، توزیع سرعت امواج تراکمی و برشی و چگالی را بدست اورد. مدل BISQ در فرایند وارونسازی خواص پتروفیزیکی مخزن، نقش اپراتور مدلسازی پیشرو را دارد؛ میتوان بوسیله تعریف یک تابع خطا اختلاف بین نتایج پیشبینی شده مدل BISQ و داده های بدست امده از لرزه نگاری را کمی نمود و طی یک فرایند بهینه سازی این تابع خطا را کمینه نمود. با توجه به اینکه مدل BISQ یک مدل غیر خطی میباشد تابع خطای حاصله نیز غیر خطی بوده و بوسیله روشهای مرسوم در وارونسازی نمیتوان مسئله را حل نمود. لذا از روش بهینه سازی سراسری الگوریتم ژنتیک برای بدست اوردن خواص پتروفیزیکی مخزن استفاده شده است. روند کار به این صورت است که در هر تکرار(نسل) جمعیتی از مدلها توسط اپراتور های ژنتیکی انتخاب ، همگذری و جهش متاثر شده و مدلهای جدیدی تولید میشوند سپس برازش این مدلها محاسبه شده و جمعیت بروز میشود. این روند ادامه پیدا میکند تا معیار توقف الگوریتم ارضا شود. در نتیجه مدل توزیع خواص پتروفیزیکی مخزن که تابع خطا را به حداقل مقدار خود رسانده است مشخص میشود. و توزیع تخلخل مخزن ، توزیع درصد اشباع سیال مخزن و توزیع تراوایی مخزن حاصل میشوند. روش مذکور روی داده های واقعی و مصنوعی اعمال شد. نتایج وارونسازی داده های مصنوعی نشان میدهد با افزایش اطلاعات ورودی مانند اطلاعات ضریب کیفیت سنگ نتایج وارونسازی بهبود میابد اما افزایش سطح نوفه کیفیت نتایج را می¬کاهد. همچنین مقایسه نتایج وارونسازی داده واقعی با نگارهای چاه حاکی از پیشبینی دقیق پارامترهای مدل در قسمت مخزن میباشد.
- Abstract
- It is essential to determine petrophysical properties of reservoir rock in exploration and production processes. There are several methods in which predicts such properties and these methodes are evolving . BISQ model is a novel model that it’s accuracy in determination of seismic properties of reservoir rock is confirmed by several researchers. This model predicts seismic properties such as p-wave and s-wave velocity and quality factor using some petrophysical and elastic properties of reservoir rock and reservoir fluid. Because of a high order of non-linearity in the BISQ model, inversion of associated petrophysical properties using conventional linear methods is not feasible. So in this thesis we used a global optimization method to determine petrophysical properties of reservoir rock. Inversion process mainly includes two major steps. First one is a physical or petrophysical model in which predicts data. And second one is a mathematical or statistical method in which estimate model parameter through an objective function. Selection of mathematical method depend on physical or petrophysical model that predicts data. In this case the petrophysical model is non-linear so we should select a robust mathematical method that has capability of determination global optimum point in a highly non-linear space. We use a hybrid genetic algorithm(HGA) in which employs some complementary concepts to enhance search ability , diversity , and quality of answers in comparison with conventional GAs.
