مدل‌سازی زمین آماری سنگ رخساره‌ای نهشته‌های کربناته- تبخیری سازند کنگان، بر مبنای آنالیز واریوگرافی و روش شبیه‌سازی شاخص پی‌درپی در یکی از میادین خلیج فارس

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه زمین‌شناسی، دانشکده علوم، دانشگاه هرمزگان، ایران

2 مدیریت مهندسی نفت، شرکت توسعه پتروایران، تهران، ایران

چکیده

بررسی سنگ رخساره‌ها در مراحل اکتشاف و توسعه میادین هیدروکربوری دارای اهمیت فراوانی است. آشنایی با نحوه گسترش سنگ رخساره‌ها چه در مراحل حفاری و چه در شناسایی نواحی مستعد مخزنی می‌تواند برنامه‌های اکتشاف و تولید از مخازن را تحت تاثیر قرار دهد. تاکنون روش‌ها و مطالعات گوناگونی درباره نحوه توزیع خواص مخزنی برپایه دانش زمین‌آمار در میادین هیدروکربوری انجام شده است اما مطالعات محدودی پیرامون نحوه گسترش سنگ‌رخساره‌ها و مدل‌سازی آن‌ها انجام شده است. در این مطالعه داده‌های 21 چاه (شامل نگارهای پتروفیزیکی، خرده‌های حفاری و مغزه) از یکی از میادین هیدروکربوری درخلیج فارس مورد بررسی و مطالعه قرار گرفته است. نهشته‌های سازند کنگان در میدان مورد مطالعه باتوجه به تفسیر نگارهای پتروفیزیکی و شواهد به‌دست آمده از خرده‌های حفاری و مغزه، به دو بخش الف و ب و زیربخش‌های (الف1، الف2، الف3 و ب1، ب2، ب3) تقسیم‌بندی گردید. جهت مدل‌سازی سنگ رخساره‌ها، شش کد سنگ‌رخساره‌ای معرفی گردید: انیدریت، سنگ‌آهک، دولومیت، شیل، سنگ‌آهک دولومیتی و دولومیت همراه با انیدریت. آنالیز واریوگرافی برای هریک از بخش‌های تعریف شده براساس حوضه رسوبی نهشته‌های مورد مطالعه انجام و سپس کدهای سنگ رخساره‌ای تعریف شده با استفاده از روش شبیه‌سازی پی‌در‌پی در فضای شبکه سلولی توزیع گردید. بررسی و نتایج به‌دست آمده در این مطالعه که با حفر چاه‌های جدید نیز مورد تائید قرار گرفت نشان داد که روش به‌کار رفته دقت بالایی داشته و می‌توان با تکیه بر آن برای توالی‌های مشابه، نحوه گسترش سنگ‌رخساره‌ها و نواحی مستعد مخزنی را پیش‌بینی نمود.
 

کلیدواژه‌ها


عنوان مقاله [English]

Geostatistical Lithofacies Modeling of Carbonate-Evaporite Succession -Kangan Formation-Based on Variography Analysis and Sequential Indicator Simulation Method in One of the Hydrocarbon Fields of Persian Gulf

نویسندگان [English]

  • mostafa Sabouhi 1
  • Maral Naghavi Azad 2
  • Peiman REzaee 1
1 Geology Department, Faculty of Science, Hormozgan University, Bandar Abbas, Iran
2 PETROIRAN Development Company, Tehran, Iran
چکیده [English]

Lithofacies investigation has an important role in hydrocarbon exploration and development stage. Several methods and studies have been done about reservoir properties based on geostatistical knowledge in hydrocarbon fields up to now, but some limited studies have been done about lithofacies propagation and modeling. In this study, data from 21 wells (petrophysical logs, cutting and core) in one of the hydrocarbon fields in Persian Gulf have been investigated. In the studied field, the Carbonate-Evaporate Kangan succession has been divided in two zones (A and B) and six sub zones (a1-a2-a3 and b1-b2-b3) based on petrophysical evidences and indications from cutting. For modeling lithofacies, six lithofacies codes have been presented; the codes are as folllows: anhydrite, limestone, dolomite, shale, dolomitic limestone, dolomite with anhydrite. After variography analysis, identified codes have been propagated based on sequential indicator simulation method by considering depositional environment of Kangan Formation (Early Triassic) in the studied area. The results of this study which have been confirmed by new drilling wells data, show that this method has a good accuracy and can be used in related sequences to predict the lithofacies and good reservoir properties.
 

کلیدواژه‌ها [English]

  • Geostatistical Modeling
  • Lithofacies
  • Sequential Indicator Simulation
  • Kangan Formation
  • Persian Gulf
[1]. Noetinger B. and Zargar G., “Multiscale description and upscaling of fluid flow in subsurface reservoirs,” Oil & Gas Science and Technology, Vol. 59, pp. 119–139, 2004. ##
[2]. Aziz, K., “Reservoir simulation grids: opportunities and problems,” Journal of Petroleum Technology, Vol. 45, pp. 658–663, 1993. ##
[3]. Durlofsky L. J., “Upscaling and gridding of fine scale geological models for flow simulation,” Paper presented at the 8th International Forum on Reservoir Simulation Iles Borromees, Stresa, Italy, June 20–24, 2005. ##
[4]. امیدوار ا.، کمالی م.، کاظم‌زاده. ع.، "شبیه‌سازی سه‌بعدی استاتیکی و تخمین پارامترهای مخزنی با به‌کارگیری روش‌های زمین آماری در یکی از مخازن ایران،" پژوهش نفت، ص. 49، 1392. ##
[5]. رامین ب.، رفیعی ب.، رحیمی ز.، محسنی ح.، ظهراب‌زاده م.، "مدل‌سازی سه‌بعدی مخازن کربناته با استفاده از زمین آمار: مطالعه موردی برای تخمین تخلخل در میدان A حوضه زاگرس (ایران)،" پژوهش‌های چینه‌نگاری و رسوب شناسی، ص.142، 1389. ##
[6]. فردلزرجانی س.، کمالی م.، کدخدایی ع.، صبحی ق.، "مدل‌سازی سه‌بعدی تخلخل با استفاده از روش شبیه‌سازی گوسی متوالی در یکی از میادین نفتی خلیج فارس،" پژوهش نفت، ص.88 ، 1395. ##
[7]. سفیداری ا.، دشتی ع.، کدخدایی ع.، اسدی ا.، "مدل‌سازی گروه‌های رخساره‌ای براساس داده‌های زمین‌شناسی و پتروفیزیکی (لاگ‌های چاه‌پیمایی) در میدان گازی پارس جنوبی،" پژوهش نفت، ص. 82، 1394. ##
[8]. Watheq J. and Al-Mudhafar., “Geostatistical lithofacies modeling of the upper sandstone member/Zubair formation in south Rumaila oil field, Iraq,” Arab. J. Geosc., No. 10, p. 153, 2017. ##
[9]. Harris D. G., “The role of geology in reservoir simulation studies,” Journal of Petroleum Technology, Vol. 27, Issue 5, pp. 625–632, 1975. ##
[10]. Fadi Henri N., “Multi-scale quantitative diagenesis and impacts on heterogeneity of carbonate reservoir rocks,” Springer International Publishing AG 2017. ##
[11]. Alsharhan A. S. And Nairn A. E. M., “Sedimentary basins and petroleum geology of the Middle East,” Elsevier, Netherlands, pp. 934, 1997. ##
[12]. Ziegler M., “Late permian to holocene palaeofacies evolution of the Arabian plate and its hydrocarbon occurrences,” Geoarabia, Vol. 6, No. 3, pp. 445–504, 2001. ##
[13]. Insalaco E., Virgone A., Courme B., Gaillot J., Kamali M., Moallemi A., Lotfpour M. and Monibi S., “Upper dalan member and Kangan formation between the Zagros mountains and offshore Fars, Iran: depositional system,” Biostratigraphy and Stratigraphic Architecture, Geo-Arabia, Vol. 11, pp. 75–176, 2006. ##
[14]. Ghorbani M., “Lithostratigraphy of Iran,” 1st ed., Springer Geology, Cham, Switzerland, pp. 1-296, 2019. ##
[15]. Alsharhan A. S., “Sedimentological character and hydrocarbon parameters of The Middle Permian to early triassic khuff formation united Arab Emirates,” Geo-Arabia, Vol. 11, pp. 121–158, 2006. ##
[16]. Rahimpour Bonab H., Esrafili Dizaji B. And Tavakoli V., “Dolomitization and anhydrite precipitation in permo-triassic carbonates at the South Pars Gas field, Offshore Iran: controls on reservoir quality,” Journ. Petrol. Geol., Vol. 33, pp. 43–66, 2010. ##
[17]. Kenney J. F. and Keeping E. S., “Mathematics of statistics, part 1, chapter linear regression and correlation,” 3rd ed. Van Nostrand, Princeton, N.J., pp. 252–285, 1962. ##
[18]. Deutsch C. V., Journel A. G., GSLIB. “Geostatistical software library and user’s guide,” DOI: 10.2307/1270548 New York, 1998. ##
[19]. Rana N. C. and Joag P. S., “Classical mechanics,” Tata McGraw-Hill, New Delhi, 2001. ##
[20]. Caers J. and Zhang T., “Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models,” AAPG (American Association of Petroleum Geologists) Memoir, 80, pp. 383-394, 2004. ##
[21]. Journel A. G., “Geostatistics for reservoir characterization,” SPE- 20750-MS, presented at the SPE annual technical conference and exhibition, New Orleans, Louisiana, 1990. ##
[22]. Liu Y., Harding A., Abriel W. and Strebelle S., “Multiple-point simulation integrating wells, three-dimensional seismic data, and geology,” AAPG Bull, Vol. 88, No. 7, pp. 905–921, 2004. ##
[23]. Bradley C. Wallet, and Hardisty R., “Unsupervised seismic facies using Gaussian mixture models,” Interpretation, Vol. 7, Issue 3, pp. SE93–SE111, 2019. ##
[24]. Sharifi F., Arab-Amiri A. R., Kamkar Rouhani A. and Alipour-Asll M., “Combining a robust PCA of logratio transformed data and geostatistical sequential Gaussian simulation approach for geochemical characterization of orogenic gold deposits: a case study from the Alut area, NW of Iran. Geochemistry,” Exploration, Environment, Analysis, 2019. ##
[25]. Jason W. Rush and Eugene C. Rankey,. “Geostatistical facies modeling trends for oolitic tidal sand shoals,” AAPG Bulletin, Vol. 101, Issue 8, pp. 1341–1379, 2017. ##
[26]. Gorain S. Shalivahan, “Application of attribute-based inversion and spectral decomposition with red–green–blue colour blending for visualization of geological features: a case study from the Kalol Field, Cambay Basin, India,” Petroleum Geoscience, Vol. 24, No. 1, pp. 102–111, 2017. ##
[27]. Li Sh., Zhang Y., Zhang X. and Du Ch., “Geologic modeling and fluid-flow simulation of acid gas disposal in western Wyoming,” AAPG Bulletin, Vol. 96, No. 4, pp. 635–664, 2012. ##
[28]. Mehran M. Hassanpour, Michael J. Pyrcz and Clayton V. Deutsch, “Improved geostatistical models of inclined heterolithic strata for McMurray Formation, Alberta, Canada,” AAPG Bulletin, Vol. 97, No. 7, pp. 1209–1224, 2013. ##
[29]. Zagayevskiy Y. and Deutsch C. V., “Grid-free petroleum reservoir characterization with truncated pluri-Gaussian simulation: Hekla case study,” Petroleum Geoscience, Vol. 22, No. 3, pp. 241–256, 2016. ##
[30]. Wackernagel H., “Multivariate Geostatistics,” 3rd ed., Springer-Verlag, Berlin, pp. 387, 2003. ##
[31]. Isaaks E. H. and Srivastava R. M., “an introduction to applied Geostatistics,” Oxford University Press, New York, 1989. ##
[32]. Caers J., “Petroleum geostatistics,” Society of Petroleum Engineers, pp. 104, 2005. ##
[33]. Jacobs Harold R., “Mathematics; a human endeavor,” 3rd ed., 1994. ##
[34]. Journel AG, Alabert FG, “New method for reservoir mapping,” J. Pet Techno, Vol. l42, No. 02, pp.212–218, 1990. ##
[35]. Massonnat G. J., Alabert F. G. and Giudicelli C. B., “Anguilla marine, a deep-sea-fan reservoir offshore Gabon: from geology to stochastic modelling,” SPE-24709-MS Paper Presented at the SPE Annual Technical Conference and Exhibition, Washington, D.C., 4–7 October 1992. ##
[36]. Pyrcz M. J. and Deutsch C. V., “Geostatistical reservoir modeling,” 2nd ed.,” Oxford University Press, New York, 2014. ##
[37]. Goovaerts P., “Geostatistics for natural resources evaluation,” Oxford University Press, New York, 1997. ##