پژوهشگاه صنعت نفت پژوهش نفت 2345-2900 27 1-96 2017 05 22 Estimation of Geophysical Strata Rating (GSR) from Seismic Data in Carbonate Reservoirs by Using Intelligent Systems: an Example from the South Pars Gas Field تخمین امتیاز‌دهی ژئوفیزیکی توده سنگ (GSR) از داده‌های لرزه‌ای در مخازن کربناته با استفاده از سیستم‌های هوشمند: با مثالی از میدان گازی پارس جنوبی 27 43 733 10.22078/pr.2017.1881.1914 FA محمدعلی فرجی دانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، ایران حسین رحیم پور بناب دانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، ایران 0000-0003-3647-2897 علی کدخدائی دانشکده مهندسی نفت، دانشگاه کرتین، پرت، استرالیا Journal Article 2016 02 21 The Geophysical Strata Rating (GSR), which is introduced in this study for carbonate reservoirs, is an empirical strength rating of rocks. It provides ratings from 10 to 100 where the lower values correspond to rocks; such as, shales which are weak from a borehole stability point of view and also the porous, permeable reservoir rocks. In comparison, the higher values of GSR are associated with intact rocks with few defects in the form of fractures and discontinuities and low porosity. In this study, GSR is calculated from petrophysical data using the equations developed in clastic rocks. The region investigated is the South Pars gas field where the Permo-Triassic Dalan and Kangan reservoirs host the largest accumulations of gas in the world. The GSR results are in good agreement with porosity and elastic moduli of these carbonate rocks. Discrimination between reservoir and non-reservoir shaly units would easily be obtained by comparing GSR and well logs. Very low GSR values, with high gamma ray log responses, indicate the shaly intervals. These can cause washouts, casing collapse and other related drilling problems. Intervals with low GSR values and low gamma ray log responses indicate the presence of good reservoir units. Finally, a 3D GSR model is estimated from 3D post-stack seismic data of the South Pars gas field, by using a probabilistic neural network model. Strong correlations between neural network predictions and actual GSR data at unseen borehole locations proved the validity of the intelligent model in GSR estimation. This 3D GSR cube can be utilized for construction of geomechanical models over the South Pars gas field.   امتیاز‌دهی ژئوفیزیکی توده سنگ (GSR)، که در این مطالعه برای مخازن کربناته معرفی شده است، یک امتیاز‌دهی تجربی از مقاومت ژئومکانیکی سنگ‌ها است. GSR یک امتیاز‌دهی از 10 تا 100 را فراهم می‌کند که مقادیر پایین مربوط به سنگ‌هایی هستند که از لحاظ مقاومتی و پایداری دیواره چاه ضعیف هستند و سنگ‌های شیلی و نیز سنگ‌های مخزنی با تخلخل و تراوایی بالا را در بر می‌گیرند. در مقابل، مقادیر بالای GSR در ارتباط با سنگ‌های بکر است که فاقد نقاط ضعف از قبیل شکستگی‌ها، ناپیوستگی‌ها و حفرات هستند. در این مطالعه، GSR با استفاده از معادلاتی که برای سنگ‌های آواری طراحی شده‌اند براساس نگارهای پتروفیزیکی محاسبه شده است. میدان مورد مطالعه، میدان گازی پارس جنوبی است که توالی کربناته پرمو-تریاس کنگان دالان در آن میزبان تجمعات عظیم گاز است. GSR محاسبه شده همبستگی بسیار خوبی با تخلخل و ضرایب الاستیک سنگ‌های کربناته مطالعه شده نشان می‌دهد. تمایز بین سنگ‌های مخزنی و بخش‌های شیلی غیر مخزنی به‌راحتی با کنار هم گذاشتن GSR و نگارهای چاه‌پیمایی امکان‌پذیر است. مقادیر بسیار پایین GSR که ارتباط خوبی با نگار پرتو گاما دارند، شاخص فواصل شیلی است. که این فواصل می‌توانند مسبب ریزش دیواره چاه، مچالگی لوله جداری و دیگر مشکلات وابسته به حفاری شوند. اگر مقادیر پایین GSR با نگار پرتو گاما ارتباط خوبی نداشته باشند، نشان‌دهنده توزیع بخش‌های مخزنی است. در انتها پس از محاسبه GSR، مقادیر آن با استفاده از یک مدل شبکه عصبی احتمالی از داده‌های لرزه‌ای سه بعدی پس از برانبارش میدان پارس جنوبی تخمین زده شده است. مقادیر بالای ضریب همبستگی بین GSR واقعی و مقادیر تخمین زده شده توسط شبکه عصبی، صحت مدل هوشمند را در تخمین GSR نشان می‌دهد. مکعب سه بعدی ساخته شده از GSR می‌تواند اساسی برای ساخت مدل‌های ژئومکانیکی بعدی در میدان گازی پارس جنوبی باشد.   https://pr.ripi.ir/article_733_7a83a66959500b69423b18b88801e146.pdf