کاربرد شبکه عصبی در ارزیابی پتروفیزیکی سازند آسماری در یک چاه تولیدی واقع درجنوب غرب ایران
نویسندگان
1 استادیار دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران
2 کارشناسی ارشد مهندسی اکتشاف نقت، دانشکده مهندسی معدن، پردیس دانشکدههای فنی دانشگاه تهران
doi
10.22034/ijme.2021.113997.1751چکیده
تعیین پارامترهای پتروفیزیکی و بررسی توزیع آنها در عمق مخزن، میتواند منجر به زونبندی جدید و تغییر ضخامت زون تولیدی میادین شود. کانیهای رسی از دسته کانیهای بومی سازندها هستند که در بیشتر سازندهای هیدروکربوری حضور داشته و با کاهش پارامترهای مهم مخزنی و کلیدی از جمله تخلخل و تراوایی پتانسیل تولید را کاهش میدهند. در این پژوهش، هدف بررسی پتروفیزیکی سازند آسماری با تلفیق انواع روشهای سنتی و هوشمند به منظور تخمین حجم رس و ارزیابی کیفیت مخزن است. برای تخمین پتروفیزیکی حجم رس به روشهای سنتی، روابط پتروفیزیکی بویان - پاسی، استیبر، کلاویر، لارینف -1 (با توجه به سن سازند) و جوزانیکهن بر دادههای نگار پرتوی گاما اعمال شد که با مقایسه با 15 داده آزمایشگاهی این پارامتر در اعماق معلوم، کمترین خطا %45 به دست آمد. سپس، برای کاهش خطا به مدلسازی توسط شبکه عصبی (MLP) پرداخته شد که با تخمین دادههای آزمایشگاهی، تعداد 259 داده تولید و با تابع فعالسازی تانژانت زیگموئید، الگوریتم آموزش لونبرگ - مارکوات، تعداد 6 نرون و 1 لایه پنهان آموزش داده شد. خروجیهای حجم رس شبکه عصبی طبقهبندی شد و جنس سازندی به طور عمده ماسهسنگی - رسی تعیین شد. با بررسی نمودارهای چگالی - تخلخل سنگشناسی سازندی تعیین و بازههای با کیفیت مخزنی خوب و مناسب برای عملیات مشبککاری معرفی شدند. دادههای نمودار پرتوزایی گاما و تخلخل نوترونی نیز طبقهبندی شد و بازههای با کیفیت سازندی از ضعیف تا عالی معرفی شدند که در نهایت با تلفیق تمامی نتایج حاصل از مطالعات در این پژوهش کیفیت کلی سازند آسماری در چاه موردمطالعه خوب برآورد شد.