عنوان پایان‌نامه

تعیین مرزهای چینه شناسی و نواحی آغشته به رس مخزن با استفاده از داده های سه بعدی لرزه نگاری



    دانشجو در تاریخ ۰۴ اسفند ۱۳۸۸ ، به راهنمایی ، پایان نامه با عنوان "تعیین مرزهای چینه شناسی و نواحی آغشته به رس مخزن با استفاده از داده های سه بعدی لرزه نگاری" را دفاع نموده است.


    رشته تحصیلی
    مهندسی اکتشاف‌ نفت‌
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه پردیس 2 فنی شماره ثبت: 1683;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 43573;کتابخانه انستیتو نفت شماره ثبت: 55.
    تاریخ دفاع
    ۰۴ اسفند ۱۳۸۸
    دانشجو
    علی عظیم وند
    استاد راهنما
    غلامحسین نوروزی باغکمه, محمدعلی ریاحی
    چکیده
    لینک فایل چکیده
    سال‏های متمادی است که رو‏ش‏های سنتی لرزه‏نگاری جهت تشخیص مخازن هیدروکربوری بکار می‏روند. امروزه ضرورت استفاده از مقاطع لرزه‏نگاری برای تعیین محدوده مخازن و خصوصیات چینه‏ای آن در حال افزایش است. اخیرا روش‏های تجزیه طیفی برای به‏دست آوردن اطلاعات زمین‏شناسی از داده‏های لرزه‏ای و همچنین مشخص‏کردن ناهنجاری‏های دامنه‏ای وابسته به فرکانس به کار برده می‏شوند. روش تبدیل فوریه زمان کوتاه با تعیین طول ثابت پنجره زمانی، تفکیک‏پذیری زمان-فرکانسی را محدود می‏کند. اما روش تبدیل موجک پیوسته بر خلاف روش تبدیل فوریه زمان کوتاه بدون نیاز به تقسیم‏بندی سیگنال لرزه‏ای به بازه‏های زمانی کوچک، طیف فرکانسی را با تفکیک زمانی بالایی محاسبه می‏کند. بنابراین، این روش می‏تواند برای بررسی اطلاعات زمین‏شناسی موجود در فرکانس‏های بالا و پایین که در داده‏های لرزه‏ای معمولی مشاهده نمی‏شود، به کار برده ‏شود. هدف همه این روش‏ها تجزیه سیگنال لرزه‏ای به مؤلفه‏های تشکیل‏دهنده آن به منظور به دست آوردن اطلاعات زمین‏شناسی بیشتری است.. طول پنجره زمانی، وابسته به تفکیک فرکانسی مورد نظر قابل تغییر است. این تغییر طول پنجره، نتیجه تابع پنجره‏ای است که تحت عنوان تابع موجک نامبرده می‏شود. توابع موجک‏ متداول مورد استفاده در تبدیل موجک پیوسته عبارتند از موجک مورلت، موجک گاوسی و موجک کلاه مکزیکی. در این پایان‏نامه از روش‏های تبدیل موجک پیوسته و تبدیل فوریه زمان کوتاه برای تعیین گسترش مرزهای کانال ماسه ای واقع در یکی از میادین نفتی جنوب‏غرب ایران استفاده شده است. توابع موجک استفاده شده در تبدیل موجک پیوسته موجک مورلت، موجک کلاه‏مکزیکی و موجک گاوسی می‏باشند. نتایج به‏دست آمده از این سه موجک در فرکانس‏های مختلف در مقاطع لرزه‏ای تک‏فرکانس با هم مقایسه شدند. سپس تبدیل فوریه زمان کوتاه در بازه‏های زمانی 10، 56، 100 و 200 میلی‏ثانیه در فرکانس‏های مختلف محاسبه شد و نتایج به‏وسیله مقاطع لرزه‏ای تک‏فرکانس با یکدیگر مقایسه شدند. در مرحله بعد با استفاده از اعمال شبکه‏های عصبی مصنوعی بدون ناظر بر روی مقاطع به دست آمده از تبدیل موجک پیوسته و مدل‏های پتروفیزیکی محاسبه شده از لاگ‏های موجود از سه چاه میدان مرز کانال ماسه‏ای مشخص شد.
    Abstract
    In the past, seismic data have been traditionally used predominantly for determining the structure of petroleum reservoirs. It is becoming increasingly essential to use this information for delineating the extent of the reservoir and stratigraphic properties. Recently, spectral decomposition methods are being used to extract geological information from seismic data and, especially, for revealing frequency dependent amplitude anomalies. Higher frequency resolution at lower frequencies and higher temporal resolution at higher frequencies are the objectives for different time-frequency decomposition methods. Short Time Fourier Transform (STFT) limits time-frequency resolution by a predefined window length but, Continuous Wavelet Transform (CWT), provide frequency spectra with high temporal resolution without the windowing process associated with STFT. Therefore, this technique can be used for analyzing geological information associated with low and high frequencies that normally cannot be observed in conventional seismic data. In particular, the Continuous Wavelet Transform is being used to detect thin sand bodies and also as a direct hydrocarbon indicator. In this thesis, the CWT and STFT methods are used for delineating the extent of a sand channel in an oil field in south-west of Iran. The wavelet functions which were used in CWT, are Morlet, Mexican Hat and Gaussian wavelets. The results of these three wavelets in different frequencies were compared in single frequency sections. Then the STFT was used in time windows of 10, 56,100 and 200ms and different frequencies in single frequency sections. After that we use unsupervised artificial neural network for single frequency sections of CWT and petrophysical models which are produced from available well logs in three wells of the field, for detecting the extension of sand channel.