مدلسازی سه بعدی گونه های سنگی با استفاده از ادغام داده های مغزه، نگارهای چاه و لرزه ای در یکی ازمخازن کربناته جنوب غربی ایران
محورهای موضوعی : زمین شناسی مخازن نفت
مهدی خیرالهی
1
(دانشگاه تهران)
گلناز جوزانی کهن
2
(دانشگاه تهران)
رضا محبیان
3
(دانشگاه تهران)
علی مرادزاده
4
(دانشگاه تهران)
کلید واژه: تعیین گونه های سنگی, خواص مخزنی, شاخص منطقه جریان, داده های مغزه,
چکیده مقاله :
تعیین گونه های سنگی، فرآیند اختصاص خواص مخزن به رخساره های زمینشناسی است و یک گونه سنگی تعیین شده دارای خواص زمین شناسی و مخزنی مشابه و حدوداً یکسان است. امروزه روش های بسیار مختلفی برای تعیین گونه های سنگی پیشنهاد شده و توسعه یافته است. از آن جمله می توان به روش رخساره حفرات و روش لوسیا اشاره کرد که از ویژگی های سنگ شناسی در کنار تخلخل و تراوایی استفاده می کند. از مهمترین این روش ها، تعیین گونه های سنگی به روش شاخص منطقه جریان می باشد. همچنین، معادلات مختلفی مانند وینلند-پیتمن و تابع جی-لورت در این زمینه وجود دارد که از روش های بسیار معتبر در تعیین گونه های سنگی می باشد. در این مطالعه با طراحی یک مسیر کار جدید و با استفاده از مهم ترین و کاراترین روش های تعیین گونه های سنگی اعم از روش های شاخص منطقه جریان، تفکیک تخلخل، شاخص وینلند-پیتمن، شاخص تغییر یافته منطقه جریان و لگاریتم های شاخص منطقه جریان و شاخص تغییر یافته منطقه جریان و اعمال روش های مذکور بر روی داده های مغزه، نگار چاه و لرزه ای، به تعیین گونه های سنگی در سه بعد و در کل میدان مورد بررسی پرداخته ایم. پس از اعتبار سنجی نهایی، به ترتیب، مقادیر ضرایب همبستگی بیش از 83%، 57%، 70%، 70%، 73% و 78% برای روش های مورد استفاده به دست آمد که بیانگر دقت و کارایی بیشتر روش شاخص منطقه جریان جهت تفکیک گونه های سنگی در این میدان می باشد. همچنین مقایسه جزئی نتایج اعتبارسنجی انجام شده پس از به کار گیری هر روش نیز تاییدکننده بیشترین دقت برای روش مبتنی بر شاخص منطقه جریان است. در نتیجه، با ادغام این روش با نشانگرهای لرزه ای، گونه های سنگی را در کل میدان و در سه بعد تفکیک کرده که چهار گونه سنگی مجزا تعیین گردید.
Rock typing is the process of assigning reservoir properties to geological facies, and an identified rock type has similar geological and reservoir properties. Due to the importance of identifying and separating rock types in hydrocarbon reservoirs, various methods have been proposed and developed today for the determination of rock types. One of the simplest methods is the porosity chart against permeability and cut-off determination, and one of the most important and practical of these methods is to determine rock types by flow zone indicator. In this study, we examine one of the most important hydrocarbon fields in the south of Iran where core, well and seismic data are available for the field studied so that by designing a new workflow and with use of the most important and efficient methods of rock typing, including FZI, porosity, Winland-Pitman index, FZI*, and logarithms of FZI and FZI* we have identified rock types in three dimensions and through the whole field. After the final validation, the correlation coefficient values were more than 83%, 57%, 70%, 70%, 73% and 78% for the methods used, indicating greater accuracy and efficiency of the FZI method for the rock types separation in this field. The partial comparison of the validation results after each method employment also confirms the highest accuracy belongs to the FZI method. As a result, by integrating this method with seismic attributes, the rock types have been separated in four different groups throughout the field in three dimensions.
A. Kadkhodaie and R. Kadkhodaie, “A Review of Reservoir Rock Typing Methods in Carbonate Reservoirs: Relation between Geological, Seismic, and Reservoir Rock Types,” Pet. Eng. Iran. J. Oil Gas Sci. Technol., vol. 7, no. 4, pp. 13–35, 2018, [Online]. Available: http://ijogst.put.ac.ir.
N. Bize-forest, V. Baines, A. Boyd, A. Moss, and R. Oliveira, “Carbonate Reservoir Rock Typing and the Link Between Routine Core Analysis and Special Core Analysis,” Sca, pp. 1–6, 2014.
J. S. Gomes, M. T. Ribeiro, C. J. Strohmenger, S. Negahban, and M. Z. Kalam, “Carbonate reservoir rock typing - The link between geology and SCAL,” Soc. Pet. Eng. - 13th Abu Dhabi Int. Pet. Exhib. Conf. ADIPEC 2008, vol. 3, pp. 1643–1656, 2008, doi: 10.2118/118284-ms.
E. A. Clerke, D. Ph, and S. Aramco, “SPE 126086 Electrofacies and Geological Facies for Petrophysical Rock Typing : Khuff C,” no. May, pp. 9–11, 2009.
T. O. Services, T. O. Services, T. O. Services, and T. O. Services, “SPE 163294 Rock Typing and Characterization of Carbonate Reservoirs : A Case Study from South East Kuwait,” no. December, pp. 10–12, 2012.
P. Mukherjee, D. Singharay, S. Matar, and D. M. A. Meshari, “Rock-Typing : An Integrated Reservoir Characterization Tool for Tight Jurassic Carbonates , West Kuwait *,” vol. 70372, 2018, doi: 10.1306/70372Mukherjee2018.
Y. Liu et al., “Petrophysical static rock typing for carbonate reservoirs based on mercury injection capillary pressure curves using principal component analysis,” J. Pet. Sci. Eng., vol. 181, no. January, p. 106175, 2019, doi: 10.1016/j.petrol.2019.06.039.
S. N. A. Al-Jawad, M. A. Ahmed, and A. H. Saleh, “Integrated reservoir characterization and quality analysis of the carbonate rock types, case study, southern Iraq,” J. Pet. Explor. Prod. Technol., vol. 10, no. 8, pp. 3157–3177, 2020, doi: 10.1007/s13202-020-00982-6.
M. Skalinski, J. A. M. Kenter, M. Skalinski, and J. A. M. Kenter, “Geological Society , London , Special Publications Online First Carbonate petrophysical rock typing : integrating geological attributes and petrophysical properties while linking with dynamic behaviour Carbonate petrophysical rock typing : integrating geo,” 2014, doi: 10.1144/SP406.6.
L. Saputelli, R. Celma, D. Boyd, H. Shebl, J. Gomes, and F. Bahrini, “SPE-196704-MS Deriving Permeability and Reservoir Rock Typing Supported with Self-Organized Maps SOM and Artificial Neural Networks ANN - Optimal Workflow for Enabling Core-Log Integration Predictive Data Analytics ( PDA ) and Machine Learning ( ML ),” 2019.
M. Shabaninejad, M. Bagheripour, S. Z. Oil, and P. Company, “SPE 150819 Rock Typing and Generalization of Permeability- Porosity Relationship for an Iranian Carbonate Gas Reservoir,” 2011.
E. Aliakbardoust, “Integration of rock typing methods for carbonate reservoir characterization,” vol. 055004, doi: 10.1088/1742-2132/10/5/055004.
Z. Riazi, “Journal of Petroleum Science and Engineering Application of integrated rock typing and fl ow units identi fi cation methods for an Iranian carbonate reservoir,” J. Pet. Sci. Eng., vol. 160, no. October 2017, pp. 483–497, 2018, doi: 10.1016/j.petrol.2017.10.025.
S. Hosseinzadeh, A. Kadkhodaie, and S. Yarmohammadi, “NMR derived capillary pressure and relative permeability curves as an aid in rock typing of carbonate reservoirs,” J. Pet. Sci. Eng., vol. 184, p. 106593, 2020, doi: 10.1016/j.petrol.2019.106593.
R. Mohebian, M. A. Riahi, and A. Kadkhodaie, “Characterization of hydraulic flow units from seismic attributes and well data based on a new fuzzy procedure using ANFIS and FCM algorithms, example from an Iranian carbonate reservoir,” Carbonates and Evaporites, vol. 34, no. 2, pp. 349–358, 2019, doi: 10.1007/s13146-017-0393-y.
M. Farshi, R. Moussavi-Harami, A. Mahboubi, M. Khanehbad, and T. Golafshani, “Reservoir rock typing using integrating geological and petrophysical properties for the Asmari Formation in the Gachsaran oil field, Zagros basin,” J. Pet. Sci. Eng., vol. 176, no. May 2018, pp. 161–171, 2019, doi: 10.1016/j.petrol.2018.12.068.
A. Mirzaei-Paiaman, M. Ostadhassan, R. Rezaee, H. Saboorian-Jooybari, and Z. Chen, “A new approach in petrophysical rock typing,” J. Pet. Sci. Eng., vol. 166, pp. 445–464, 2018, doi: 10.1016/j.petrol.2018.03.075.
A. Mirzaei-paiaman et al., “Journal of Petroleum Science and Engineering A further veri fi cation of FZI * and PSRTI : Newly developed petrophysical rock typing indices,” vol. 175, no. December 2018, pp. 693–705, 2019, doi: 10.1016/j.petrol.2019.01.014.
H. Mehrabi, R. R. Karami, and M. R. Nejad, “Reservoir rock typing and zonation in sequence stratigraphic framework of the Cretaceous Dariyan Formation , Persian Gulf,” Carbonates and Evaporites, no. 0123456789, 2019, doi: 10.1007/s13146-019-00530-2.
B. Khadem, M. R. Saberi, M. Eslahati, and B. Arbab, “Integration of rock physics and seismic inversion for rock typing and flow unit analysis: A case study,” Geophys. Prospect., vol. 68, no. 5, pp. 1613–1632, 2020, doi: 10.1111/1365-2478.12952.