• عنوان

    پيش بيني تراوايي و ليتولوژي سنگ مخزن با استفاده از روشهاي داده-محور

  • نويسنده اصلي

    گوران شيرزاد

  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    تراوايي و ليتولوژي پارامترهاي كليدي در ارتباط با تعيين ويژگي‌هاي مخزن هستند. در حقيقت راه‌حلهاي دقيقي براي مسائل مهندسي مخزن بدون دسترسي به اطلاعات دقيق تراوايي و ليتولوژي وجود ندارد. تا كنون صنعت نفت سعي بر آن داشته است كه مقادير تراوايي را از طريق اندازهگيريهاي آزمايشگاهي و يا از طريق چاه آزمايي به دست آورد. اگرچه موارد مذكور به عنوان راه حل ارائه شده‌اند ولي روشهايي كافي و مطمئن براي توصيف مخزن نميباشند و هزينه زياد و مشكلات عملياتي به همراه دارند. از طرف ديگر نمودارهاي چاه‌پيمايي و داده‌هاي آناليز مغزه براي تخمين تراوايي مورد استفاده قرار گرفته است، اما به واسطه روابط تجربي موجود، اين الگو هميشه دربرگيرنده نتايج دقيق و كافي نبوده است. هم‌چنين براي تعيين و توصيف ليتولوژي سنگ مخزن نيز از روش‌هايي نظير مشاهده مستقيم مغزه، توصيف نمودارهاي چاه‌پيمايي و داده‌هاي لرزه نگاري استفاده مي‌شود. علي‌رغم محدوديتهاي موجود، مطالعات اخير نشان داده است كه برخي روابط تجربي بين تراوايي، ليتولوژي و بعضي از خصوصيات پتروفيزيكي وجود دارند. روش‌هاي رگرسيوني زيادي براي تعيين اين رابطه استفاده شده‌اند اما از دقت كافي برخوردار نبوده‌اند. در اين ميان الگوريتمهاي هوش مصنوعي، به عنوان ابزارهاي مطمئن در تشخيص روابط غيرخطي، براي تخمين مقادير تراوايي و توصيف ليتولوژي با استفاده از داده‌هاي نمودارهاي چاه و تحليل مغزه مورد استفاده قرارگرفتهاند. نتايج تحقيقات صورت گرفته نشان مي‌دهد كه اين روش نسبت به روش‌هاي ديگر تعيين تراوايي از سرعت بيشتري برخودار است. همچنين، هزينه آن بسيار پايين است و دقت آن با روش‌هاي دقيق، مانند آناليز مغزه، قابل مقايسه مي‌باشد. در اين پايان نامه از داده‌هاي نمودارگيري و مغزههاي حاصله از چهار حلقه چاه در يكي از مخازن جنوب غربي ايران براي ساخت مدل‌هاي داده-محور جهت تخمين تراوايي و ليتولوژي استفاده گرديد. از داده‌هاي سه حلقه چاه براي آموزش مدل‌ها و از داده‌هاي چاه چهارم براي اعتبارسنجي آن‌ها استفاده شد و مدل‌هاي مورد استفاده سيستم استنتاج عصبي-فازي و ماشين بردار پشتيبان بود. نتايج نشان مي‌دهد كه مدل استنتاج عصبي-فازي در پيش بيني تراوايي و مدل ماشين بردار پشتيبان در پيش بيني ليتولوژي عملكرد بهتري دارد. ضريب همبستگي براي مدل ماشين بردار پشتيبان براي پيش بيني ليتولوژي در بهترين عملكرد خود 92/0 و براي مدل استنتاج عصبي-فازي در پيش بيني تراوايي نيز 99/0 است.
  • شماره ركورد
    192443
  • دانشگاه
    دانشگاه علم و صنعت ايران
  • رشته تحصيلي
    مهندسي مخازن هيدروكربوري
  • استاد راهنما
    محمدتقي صادقي