• عنوان

    تخمين تركيب كاني شناسي سازند آسماري با استفاده از وارون سازي داده‌هاي لرزه‌اي و شبكه‌عصبي در ميدان نفتي اهواز

  • نويسنده اصلي

    فردوسي كجاني، ميلاد

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي نفت
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    امروزه با توجه به پيشرفت علم و پيچيدگي‌هاي اكتشافات، براي بدست‌آوردن دقيق‌ترين اطلاعات از چاه‌هاي مورد مطالعه و بررسي بهتر از تلفيق داده‌هاي لرزه‌اي و اطلاعات حاصل از چاه‌پيمايي استفاده مي‌شود تا دركناركمترين خطاي ممكن بيشترين اطلاعات را بدست آورد. يكي ازگام‌هاي اصلي در مدل‌سازي استاتيكي و ديناميكي مخزن محاسبه صحيح پارامترهاي پتروفيزيكي بوده كه بسيار حائز اهميت است. از پارامترهاي مورد نياز و مهم در تخمين صحيح و درست مخازن هيدروكربني، نوع سنگ و ليتولوژي سازند است كه اگر در تخمين جنس سنگ خطايي رخ دهد باعث از دست رفتن مخزن يا هزينه‌هاي صرف شده در اين پروسه خواهد شد. در اين مطالعه به بررسي يكي از مخازن جنوب غربي ايران، مخزن آسماري پرداخته كه از داده لرزه‌اي سه بعدي پس از برانبارش و نمودارهاي مربوطه سه حلقه چاه در اين ميدان مي‌پردازد. ابتدا با استفاده از داده‌هاي شات -كنترل، مبناي عمقي داده‌هاي چاه‌پيمايي به مبناي زمان سير رفت و برگشتي موج لرزه‌اي تبديل شد تا امكان مقايسه و انطباق داده‌هاي چاه‌پيمايي بر داده‌هاي لرزه‌اي فراهم شود. در ادامه، موجك غالب به دو روش آماري و موجك استخراجي از انطباق لرزه نگاشت مصنوعي در محل سه چاه با داده لرزه‌اي، محاسبه شد. سپس با استفاده از موجك غالبي كه در محل سه چاه استخراج گرديد، وارون سازي داده لرزه‌اي صورت گرفت. از ميان روش‌هاي وارون سازي داده‌هاي لرزه‌اي، روش وارون سازي بر پايه مدل با ميزان همبستگي 0.99 براي هر سه چاه 10، 151و 114 و به ترتيب ميزان خطاي 0.8، 0.12 و0.10 به عنوان روش بهينه شناسايي شد. به موازات وارون سازي داده‌هاي لرزه‌اي، با استفاده از روش‌هاي تعيين كاني شناسي، مقادير مربوط به آنيدريت،كلسيت، دولوميت وكوارتز تخمين زده شدند. با استفاده از روش رگرسيون چند نشانگري و نشانگرهاي لرزه‌اي متنوع همچون ميانگين فركانس، مقطع وارون سازي شده، انتگرال و مقطع لرزه‌اي خام، كاني شناسي تخمين زده شد و بهترين نشانگرهاي لرزه‌اي مناسب براي تخمين كاني شناسي در محل چاه‌ها با همبستگي آموزش بيش از 80 درصد و خطاي تخمين كمتر از 5 درصد شناسايي شدند. استفاده از نشانگرهاي برتر در تعريف شبكه عصبي احتمالاتي (PNN) و شبكه چند لايه پيشخور (MLFN) به ترتيب به خطاي آموزش 89، 86 و90 درصد و خطاي اعتبار سنجي 71، 71 و 70 درصد در تخمين كوارنز منجر شد. در مورد تخمين كليست شبكه‌هاي ياد شده به خطاي آموزش 84 ، 83 و 85 درصد و خطاي اعتبار سنجي 76، 77 و77درصد دست يافتند. در مورد دولوميت نيز خطاي آموزش به ترتيب 84 و83 درصد و خطاي اعتبار سنجي نيز 68 و69 درصد شد و چاه شماره 151 به عنوان چاه شاهد مورد استفاده قرار گرفت. مقايسه مقاطع كاني‌شناسي ياد شده با تغييرات كاني‌هاي مذكور، انطباق كيفي با گزارش زمين‌شناسي افق‌هاي سازند آسماري را نشان داد. در اين پژوهش هدف پيش بيني كاني شناسي سنگ با استفاده از نشانگرهاي لرزه‌اي و شبكه‌هاي عصبي مصنوعي با حداقل چاه در اختيار مي‌بلشد.
  • شماره ركورد
    229846
  • گرايش رشته تحصيلي
    اكتشاف
  • دانشكده
    مهندسي معدن
  • دانشگاه
    دانشگاه صنعتي اصفهان