تخمین تراوایی با استفاده از روش خوشه‌سازی، شبکه عصبی مصنوعی و منطق فازی در مخزن کربناته بنگستان

نویسندگان
doi
چکیده

تراوایی یکی از اساسی‌ترین پارامترهای سنگ مخزن است، محاسبه آن از آنالیز مغزه‌های حفاری به دست می‌آید ولی از آنجایی که در تمام چاه‌ها مغزه‌گیری انجام نمی‌شود و داده‌های مغزه به‌صورت پیوسته در طول مخزن وجود ندارند؛ لذا تخمین این پارامتر از طریق لاگ‌های پتروفیزیکی انجام می‌‌شود. روش‌های متفاوتی برای تخمین تراوایی از لاگ‌ها وجود دارد که در این مطالعه از تعدادی از این روش‌ها استفاده شد. مخزن مورد مطالعه، بنگستان بوده که تراوایی در 4 حلقه چاه برای این مخزن تخمین زده شد. در تمامی چاه‌های مورد مطالعه (A، B، C و D) داده‌های لاگ‌های پتروفیزیکی در اختیار بود که علاوه بر داده‌های لاگ در چاه A، داده‌های تراوایی مغزه نیز وجود داشت. در نتیجه با استفاده از روش‌های خوشه‌سازی MRGC، AHC، DC و SOM و همچنین شبکه عصبی مصنوعی و منطق فازی تراوایی در مدل‌های مختلف تخمین زده شد و با داده‌های تراوایی مغزه کالیبره شد. میزان ضریب همبستگی بین تراوایی تخمین زده شده در تمامی مدل‌ها در روش‌های مختلف بررسی شد تا در نهایت بهترین روش با بالاترین میزان همبستگی مشخص شد. در نتیجه روش خوشه‌سازی پویا (DC) با میزان ضریب همبستگی 0.8479 بهترین تخمین را در مخزن مورد مطالعه در چاه A داشت که مدل مورد نظر در این روش دارای 16 خوشه بود. درنهایت این مدل در تمامی چاه‌های مورد مطالعه اعمال شد تا تراوایی در توالی مخزن مورد مطالعه در چاه‌های فاقد مغزه نیز به دست آید. همچنین روش منطق فازی با ضریب همبستگی 0.7037 ضعیف‌ترین روش در این مطالعه معرفی شد.