تعیین الکتروفاسیس¬های مخزن آسماری با استفاده از شبکه عصبی SOM در میدان نفتی قلعه‌نار
محورهای موضوعی : زمین شناسی نفتیحیی نیلوفری 1 , بهمن سلیمانی 2 * , علی کدخدائی 3 , رحمت صادقی 4 , عبداله چوگل 5
1 - زمین شناسی نفت و حوضه های رسوبی، دانشگاه شهید چمران اهواز
2 - استاد زمین شناسی نفت، عضو هیئت علمی دانشکده علوم زمین دانشگاه شهید چمران اهواز، اهواز، ایران
3 - دانشگاه تبریز
4 - کارشناس ارشد شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران
5 - گروه زمین شناسی نفت و حوضه های رسوبی دانشگاه شهید چمران اهواز
کلید واژه: الکتروفاسیس, مخزن آسماری, خوشه¬سازی, شبکه عصبی خود¬سازمانده,
چکیده مقاله :
تعیین الکتروفاسیسهای مخزنی نقش مهمی در ارزیابی پتروفیزیکی زونهای یک مخزن بمنظور بهرهبرداری بهینه از مخازن و توسعه میادین نفتی دارد. الکتروفاسیس بر مبناي خوشه¬بندي داده¬ها تعريف مي¬شود، که بر مبنای خوشه¬بندی نمودارهای پتروفیزیکی مشابه در گروه-های یکسان و تمایز آنها از سایر گروه¬ها می باشد. پژوهش حاضر در سازند آسماری میدان نفتی قلعه‌نار صورت پذیرفته است. در ابتدا با استفاده از روش¬های مختلف خوشه¬سازی نظیر SOM، MRGC و DYNCLUST در تعدادی از چاه¬های میدان، مدل اولیه الکتروفاسیس¬ها تعیین گردید. الکتروفاسیس¬های تعیین شده با واحد¬های جریانی حاصل از تخلخل و تراوایی نمودارمغزه تطابق داده شد. از بین آنها روش SOM که دارای بیشترین تطابق بود جهت خوشه¬سازی انتخاب گردید. الکتروفاسیس‌ها بر اساس پارامترهایی از قبیل نمودارهای تخلخل و گاما ایجاد شده و به کل میدان بسط داده شد و در نتیجه مدلی ایجاد گردید که توانایی جدایش بخش¬های مختلف مخزنی را از همدیگر دارا بود. این مدل نشان داد که زونهای 1 و 3 دارای کیفیت مخزنی مطلوبی است و زون 4 نیز دارای کیفیت متوسط تا خوب می‌باشد، اما زونهای 2 و5 شرایط نا مطلوبی را دارا هستند.
Electrofacies determination of the reservoir plays an important role in the petrophysical evaluation of reservoir zones to optimize production and development of oil fields. The process is based on data clustering that all unique petrophysical set are put in one group to separate from other groups. The present study was done in Asmari Formation, Ghaleh Nar oil field. The primary electrofacies model determined using different clustering methods such as SOM, MRGC, and DYNCLUST in several drilled wells. In the next step, they correlated with fluid units of porosity and permeability of core plot. Of these methods, SOM indicates more correlation and so it was selected to data clustering. According to Gamma and porosity plots, electrofacies were generated and developed to the whole of the field. This is resulted to a model with the potential of separation parts of the reservoir. The model showed that some parts of the reservoir especial zone 1 and zone 3 can be considered as more suitable reservoir quality than other parts. Zone 4 shows normal reservoir quality but two other zones are not in suitable reservoir condition.