تخمین توزیع تخلخل به کمک نشانگرهای لرزه ای در یکی از مخازن نفتی جنوب ایران

چکیده در این مطالعه روش های جدید تخمین پارامترهای مخزن به کمک نشانگرهای لرزه ای بررسی شده است. هدف اصلی این مطالعه، تخمین کمی پارامتر تخلخل در یکی از میادین دریایی ایران توسط روش های جدید تخمین پارامترهای مخزنی بوده است. برای این منظور ترکیب روش رگرسیون چند متغیره و روش های جدیدتر مانند شبکه های عصبی با نشانگرهای لرزه ای بررسی شده است. داده های چاه ها که شامل نگارهای مختلف از جمله نگارهای تخلخل، دانسیته، صوتی و مقاومت ویژه است مورد استفاده قرار گرفتند. در این مطالعه تصحیح نمودارهای صوتی با اطلاعات لرزه ای موجود در چاه (چک شات)، پیک کردن افق-های لرزه ای، تهیه موجک و ساخت لرزه نگاشت مصنوعی، ایجاد انطباق بین اطلاعات چاه و لرزه نگاری، ساخت مدل اولیه، انجام وارون سازی و استفاده از روش های مختلف برای تعیین تخلخل انجام شده است. بعد از اینکه بهترین روابط بین نشانگرهای لرزه ای و پارامتر مخزنی تخلخل در محل چاه ها، استخراج شد آنگاه از این روابط برای بدست آوردن پارامتر مخزنی تخلخل در مکان های دیگر میدان استفاده می شود. با استفاده از آنالیز رگرسیون چند متغیره و شبکه های عصبی احتمالی (pnn)، شبکه عصبی چندلایه پیش خور (mlfn) و شبکه عصبی با تابع پایه شعاعی (rbfn) و به کمک شش نشانگر لرزه ای (نتیجه وارون سازی، زمان، فیلتر30/25-20/15، فرکانس میانه وزن دار، کسینوس فاز لحظه ای و مشتق دامنه لحظه ای) تخمین توزیع تخلخل انجام شد. در این بخش شبکه عصبی احتمالی با داشتن خطای تخمینی برابر 69/4 درصد و همبستگی متوسط ارزیابی متقابل برابر 26/68 درصد بهترین روش برای تخمین تخلخل تعیین شد. در مرحله بعد تخمین تخلخل با استفاده از رگرسیون چند متغیره و سه شبکه عصبی ذکر شده و با کمک نُه نشانگر لرزه ای جدید (کیفیت لحظه ای، پلاریته ظاهری، مولفه های تک فرکانس، نمودار حقیقی مقاومت صوتی، پهنای باند لحظه ای، افزایش زمان، کسینوس فاز لحظه ای، نتیجه وارون سازی و فاز لحظه ای) صورت گرفت. این حالت باعث بهبود چشمگیری در تخمین توزیع تخلخل شد. در این حالت نیز روش شبکه عصبی احتمالی بهترین نتیجه را در مقایسه با دیگر روش های استفاده شده حاصل نموده است. در این حالت میزان متوسط همبستگی بین نگارهای تخلخل واقعی در چاه ها و نگارهای تخمین زده شده در مرحله اعتبارسنجی 79 درصد و خطای تخمین 85/3 درصد تعیین شد.