عنوان پایان‌نامه
مدلسازی فیزیک سنگ در یکی از مخازن هیدروکربوری ایران
- رشته تحصیلی
- مهندسی اکتشاف نفت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1757;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44784;کتابخانه انستیتو نفت شماره ثبت: 59.;کتابخانه انستیتو نفت شماره ثبت: 59.
- تاریخ دفاع
- ۰۸ اسفند ۱۳۸۸
- دانشجو
- بهزاد مهرگینی
- استاد راهنما
- غلامحسین نوروزی باغکمه, حسین معماریان
- چکیده
- تحلیل داده های پتروفیزیکی و لرزه ای، یکی از روشهای کلیدی به منظور سرشت نمایی مخازن هیدروکربوری و شناسایی سیالات منفذی میباشد. فیزیک سنگ ابزاری برای برقراری ارتباط بین این داده ها و خصوصیات فیزیکی سنگها نظیر تخلخل، سنگ شناسی، سیالات درون منفذی و غیره میباشد. تفسیر کمی دادهها و نیز ارزیابی ریسک و عدم قطعیت همراه با تخمینها، نیاز به روشها و ابزارهای چندگانهای دارد که علاوه بر استفاده از روابط قطعی فیزیک سنگ از تکنیکهای آماری و روشهای تشخیص الگو نیز استفاده نماید. رویکرد فیزیک سنگ آماری به ارائه روشی میپردازد که به وسیله آن میتوان عدم قطعیتها را در بسیاری از مراحل اکتشاف و مدیریت مخازن به صورت کمی بیان کرد. این روش از ابزارهای آماری پیشرفته‌ای نظیر روش بیزین، شبیه سازی مونت کارلو و انتروپی اطلاعات استفاده میکند. علاوه بر کمی کردن میزان عدم قطعیت همراه با تخمینها و ارزیابیها، تکنیک فیزیک سنگ ابزاری مفید برای شناسایی اطلاعاتی که از ارزش بالاتری جهت تخمین خصوصیت مورد نظر برخوردار هستند، میباشد. مطالعه حاضر بر روی یکی از میادین هیدروکربوری جنوب ایران صورت گرفته که در این میدان سازند آسماری، یکی از سازندهای مخزنی را تشکیل داده است. بخش یک، دو و سه این سازند از کیفیت خوب مخزنی برخودار بوده که بخش یک، کربناته و بخش دو و سه ماسه سنگی میباشد. تنها اطلاعات سرعت موج برشی اندازه گیری شده، مربوط به یک چاه در میدان مورد مطالعه میباشد. در این مطالعه در ابتدا، اثر شرایط مخزن بر روی سیالات منفذی طبق روابط بتزل و ونگ اعمال و در ادامه تصحیح اثر سیال بر روی خصوصیات سنگ طبق روابط گاسمن انجام شده است. با توجه به عدم اندازه گیری سرعت موج برشی، در بقیه چاه های این میدان، از رابطه جامع گرینبرگ- کاستاگنا برای تخمین سرعت موج برشی استفاده شده است. نتیجه همبستگی مقادیر تخمینی سرعت موج برشی و مقادیر اندازه‌گیری شده آن در چاه مورد نظر در حدود 91/0 بدست آمده است. در مرحله بعد با استفاده از مفاهیم حدود کشسانی پهنه های هاشین- اشتریکمن، به توصیف بخش های مخزنی سازند آسماری پرداخته شده است. اثبات حضور میان لایه های آهکی در بخش ماسه ای سازند آسماری، از نتایج مهم این بررسی است. در ادامه، به منظور ارائه توصیفهای کمی آماری، توابع چگالی احتمال هریک از چاه نگارها با استفاده از تابع هسته مشخص شد. همچنین بررسی هیستوگرام ها همچنین بررسی هیستوگرام هانشان ازتوزیع دو جامعه ای هریک از پارامترهای چاه نگارهاداشت که درواقع توجیهی ازحضوردونوع سنگ شناسی غالب درمجموعه اطلاعات دارد،یکی مربوط به سنگ های کربناته ودیگری درارتباط باماسه سنگ ها. به منظورشناسایی چاه نگارهای باارزش ازتحلیل انتروپی استفاده شد،و براین اساس مشخص شدکه چاه نگارهای سرعت موج فشاری،سرعت موج برشی،چگالی،تخلخل وپرتوزایی گامابه‌ترتیب دارای بیشترین ارزش ذاتی هستند. باتوجه به هدف فیزیک سنگ آماری،مبنی برجدایش احتمالاتی حالات وشرایط موردنظرمخزن،تقسیم بندی برمبنای جنس رخساره هاوسیالات محتوی آنها،نتایج بهتری به همراه داشت. ازاینرو،پس ازتولیدداده‌‌های آموزشی،به کمک رابطه گاسمن وشبیه سازی مونتکارلو،دسته‌بندی وتفکیک رخساره‌هابه کمک هردوروش فاصله ماهالانوبیس و بیزین انجام شد. درتفکیک رخساره هابااستفاده ازفاصله ماهالانوبیس،پارامترهای موثردرجداسازی،امپدانس الاستیک وسرعت موج برشی بود. میزان خطای دسته‌بندی بااستفاده ازایندو پارامتردرحدود 18 درصدبه‌دست آمد. بهترین نتیجه تفکیک رخساره ها،بااستفاده ازروش بیزین،به کمک پنج پارامترامپدانس کشسانی،سرعت موج فشاری،سرعت موج برشی،چگالی وتخلخل به‌دست آمدکه بانتایج حاصل ازتحلیل انتروپی منطبق بود. خطای این روش درصورت استفاده ازاحتمالات اولیه برابر،6/11 درصدودرصورت استفاده ازاحتمالات اولیه تجربی،6/10 درصداست. درانتها،مقایسه مدل تعیّنی با مدل احتمالاتی حاصل از روش بیزین نشان داد که قدرت تفکیک مدل احتمالاتی در مقایسه با مدل تعیّنی، بسیار بالا بوده و بسیاری از رخساره‌هایی که در مدل تعیّنی از نظر پنهان مانده‌اند، در این روش به خوبی نمایان شده‌اند.
- Abstract
- Petrophysical and seismic data analysis is one of the key technics for reservoir characterization and pore fluids identification. Rock physics is a link between these data and rock properties, such as porosity, lithology and pore fluids. Quantitative interpretation and risk assessments of data and uncertainties that associated with predictions, need methods and multidisciplinary tools that use statistical technics and pattern recognition approaches, in addition to deterministic rock physics relations. Statistical rock physics approach is a way for quantifying the uncertainties in different steps of reservoir exploration and management. This approach applies some of the progressive statistical methods such as Bayesian approach, Monte Carlo simulation and Information Entropy. In addition to quantifying the associated uncertainties with predictions and evaluations, statistical rock physics approach is a useful method to identify the most valuable information for predicting the desired properties. This study was performed on an oil reservoir in south of Iran. In this field, Asmari formation is is the studied reservoir. The first three members of this formation have a good reservoir quality, where the first one is limestone and second and third are sandstone. In this field, shear wave velocity was measured just in one well. First, reservoir properties which effects the pore fluids were tested by Batzle and Wang relations; and then correction of fluid effects on rock properties was done by Gassman relations. In other wells, which lack shear wave velocity measurements, comprehensive Greenberg-Castagna relation has been used for prediction of this parameter. Regression between predicted and measured shear wave velocities is about 0.91. In the next step, by using the Hashin-Shtrikman elastic bounds, the reservoir members of Asmari formation were explained. Locating some limestone interbeds in sandstone members was one of the main outcomes of this stage of investigation. For quantitative statistical description, probability density function was determined by Kernel function for each well log. Histograms survey showed bi-modal distribution in each well log parameters which implies two dominant lithology, limestone and sandstone, in data set. Entropy analysis reveals the most valuable well logs, ordered as compressional wave velocity, shear wave velocity, Density, porosity and Gamma-Ray. Along the objective of the statistical rock physics which is probabilistic classification of desired states of the reservoir, classification based on the facies characteristics and their pore fluids, it had better results. Hence, after generating training data with Gassmann’s relation and Monte Carlo simulation,facies classification was carried on by Mahalanobis distance and Bayesian methods. Suitable parameters for classifyingfacies by Mahalanobis distance were found to be elastic impedance and shear wave velocity. The amount of the classification error, using these two parameters, is found to be about 18 percent. The best result of the facies classification by Bayesian method, was obtained using elastic impedance, compressional wave velocity, shear wave velocity, density and porosity; that had good agreement with the results of Entropy analysis. The amount of the error of this method ranges from 11.6 percent when using equal prior probabilities, and 10.6 percent when using empirical prior probabilities. Finally, comparison between deterministic and probabilistic models by Bayesian method illustrated that the resolution of the probabilistic model is muchbetter than deterministic model and deterministic modelfailed to capture many rock facies.
