به کارگیری نگار تشدید مغناطیسی هسته ای و شبکه عصبی مصنوعی در برآورد تراوایی یکی از مخازن نفت سنگین در جنوب ایران

تراوایی یکی از عامل های چالش برانگیز در مخازن هیدروکربوری است. علت این امر مشکل بودن برآورد تراوایی به صورت دقیق و مستقیم از طریق اندازه گیری های نگاربرداری کنونی است. در این مقاله کاربرد روش تشدید مغناطیسی هسته ای (nuclear magnetic resonance) در برآورد تراوایی یکی از مخازن کربناته حاوی نفت سنگین در جنوب ایران بررسی شده است. در محاسبه تراوایی با استفاده از نگار nmr، از سه مدل شاره آزاد (کوتس)، میانگین t2 (sdr) و سوانسون استفاده شده است. در ابتدا تراوایی به دست آمده از هریک از این سه مدل، برای نمونه های سه واحد شارش هیدرولیکی مشخص شده در محدوده مورد نظر سازند سروک فوقانی، به صورت جداگانه با تراوایی حاصل از مغزه مقایسه و ضرایب همبستگی محاسبه شده است. سپس برای هریک از سه مدل فوق، تراوایی کل نمونه های تقسیم بندی شده در واحدهای شارش هیدرولیکی به صورت هم زمان با تراوایی مغزه مقایسه شده است. درنهایت کل نمونه های موجود در فاصله موردنظر با نتایج تراوایی مغزه مقایسه شده است. نتایج به دست آمده در سازند مورد بررسی نشان می دهد که استفاده از تقسیم بندی نمونه ها با به کارگیری واحدهای شارش هیدرولیکی، سبب بهبود تعیین تراوایی می شود. روند تغییرات تراوایی برحسب عمق به دست آمده از روی مدل ها، با روند تغییرات تراوایی به دست آمده از اطلاعات مغزه مطابقت خوبی دارد و می توان از آنها در تعیین تراوایی در محل چاه استفاده کرد. به منظور برآورد دقیق تراوایی، از یک مدل شبکه عصبی مصنوعی (artificial neural network) با دو مجموعه ورودی متفاوت استفاده شده است. در مجموعه اول از داده های تخلخل به دست آمده از نگار nmr به منزله یکی از ورودی ها استفاده شده و در مجموعه دوم از تخلخل حاصل از نگار نوترون درحکم ورودی استفاده شده است. دو دسته تراوایی به دست آمده از شبکه عصبی با هر دو مجموعه ورودی نیز، با نتایج تراوایی حاصل از مغزه مقایسه و ضرایب همبستگی محاسبه شده است. نتایج به دست آمده از شبکه عصبی نشان دهنده آن است که در صورت استفاده از تخلخل حاصل از nmr در کنار سایر نگارهای سنتی، درحکم ورودی شبکه، افزایش قابل ِملاحظه ای در ضریب همبستگی به وجود می آید و بنابراین می توان از شبکه عصبی به مثابه روشی قابل اطمینان در برآورد کمی تراوایی در سازند سروک فوقانی استفاده کرد.