بررسی و مقایسه روش‌های مرسوم تخمین تخلخل با استفاده از داده‌های لرزه‌نگاری در یکی از میادین نفتی خلیج‌فارس

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی نفت و گاز، دانشگاه صنعتی سهند، تبریز، ایران

2 دانشگاه صنعتی سهند

10.22078/pr.2021.4438.3007

چکیده

تخلخل یکی از پارامترهای مهم در ارزیابی ذخیره و توسعه یک مخزن هیدروکربنی می‌باشد. این پارامتر پتروفیزیکی به صورت مرسوم توسط داده‌های مغزه و لاگ اندازه‌گیری یا محاسبه می‌شود. استفاده از داده‌های لرزه‌نگاری برای تخمین پارامترهای پتروفیزیکی مابین چاه‌ها، یکی از موضوعات مهم و قابل توجه در صنعت نفت و گاز است. در این مطالعه، ابتدا با استفاده از تلفیق داده‌های چاه‌نگاری و داده‌های لرزه‌نگاری سه بعدی پس از برانبارش مربوط به یکی از میادین نفتی خلیج‌فارس، وارون‌سازی لرزه‌ای با استفاده از روش وارون‌سازی براساس مدل و روش وارون‌سازی خارهای پراکنده انجام گرفت. همبستگی و خطای روش وارون‌سازی خارهای پراکنده به ترتیب برابر 98 و 19 درصد بوده است، در حالی که در روش وارون‌سازی براساس مدل به ترتیب برابر 88 و 47 درصد می‌باشد. در مرحله بعد، با استفاده از سه روش چند نشانگر لرزه‌ای، شبکه عصبی احتمالاتی و شبکه عصبی تابع پایه شعاعی تخمین تخلخل انجام شد. روش شبکه عصبی احتمالاتی 91 درصد همبستگی بین داده‌های آموزشی و 71 درصد همبستگی بین داده‌های اعتبارسنجی ارائه داده است که جواب بهتری نسبت به دو روش دیگر بوده است. بنابراین، پیشنهاد می‌گردد برای تخمین تخلخل از داده‌های لرزه‌نگاری در میادین با زمین‌شناسی مشابه، از این روش استفاده گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating Routine Porosity Estimation Methods Using Seismic Data in an Oil Field of Persian Gulf

نویسندگان [English]

  • Ahsan Leisi 1
  • Reza Falahat 2
1 Faculty of Petroleum Engineering, Sahand University of Technology, Tabriz, Iran
2 Sahand University of Technology
چکیده [English]

Porosity is one of the important parameters in reserve estimation and development of a hydrocarbon reservoir. This petrophysical parameter is traditionally measured and calculated from core and log data. The use of seismic data to estimate petrophysical parameters between wells has been of particular interest in oil and gas industry. In this study, seismic inversion was performed using two methods including model based and sparse spike using a combination of well data and post stack seismic data in one of the oil fields of Persian Gulf. The correlation and error of the inversion method of sparse spike were 98 and 19%, respectively, while in the inversion method of model Base is 88 and 47%, respectively. In the next step, porosity estimation was performed using three methods, including seismic multiple-attribute, probabilistic neural network and radial basic function neural network. The probabilistic neural network method provided 91% correlation between training data and 71% correlation between validation data, which was a better answer than the other two methods. Therefore, it is suggested to use this method to estimate the porosity of seismic data in fields with similar geology.

کلیدواژه‌ها [English]

  • Seismic Inversion
  • Acoustic Impedance
  • seismic attributes
  • Artificial Neural Networks