تعیین رخساره‌های الکتریکی مخزنی با استفاده از روش‌های خوشه‌سازی (SOM ،AHC ،MRGC و DYNCLUST) در بخش عرب در چاه 2S-05 میدان نفتی سلمان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه زمین‌شناسی، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

2 گروه علوم زمین، دانشکده علوم، دانشگاه تبریز، ایران

3 موسسه ژئوفیزیک، دانشگاه تهران، ایران

چکیده

هدف از این پژوهش، معرفی بهترین روش خوشه‌سازی جهت تعیین رخساره‌های الکتریکی مخزنی در چاه‌های فاقد مغزه می‌باشد. تعیین رخساره‌های الکتریکی در اصل یک روش قطعی یا تحلیلی برای دسته‌بندی داده‌های چاه نگارهای پتروفیزیکی است که می‌تواند نشان دهنده تغییر ویژگی‌های زمین‌شناسی یا مخزنی باشد. رخساره‌های الکتریکی بر مبنای خوشه‌سازی داده‌ها تعریف می‌شود. مبنای خوشه‌سازی، قرار دادن داده‌های نمودارهای پتروفیزیکی مشابه در گروه‌های یکسان و تمایز آنها از سایر گروه‌ها می‌باشد. در این پژوهش، روش‌های مختلف خوشه‌سازی مورد بررسی قرار گرفته و با یکدیگر مقایسه شدند. از میان این روش‌ها، روش MRGC به عنوان بهترین روش معرفی شد. بدین منظور با استفاده از نرم‌افزار ژئولاگ، چهار روش خوشه‌سازی اعم از روش چند تفکیکی بر پایه گراف(MRGC)، روش سلسله مراتبی(AHC)، روش شبکه عصبی خود سازمانده(SOM) و روش پویا (DYNCLUST) جهت تعیین رخساره‌های الکتریکی مخزنی در چاه 2S-05 میدان سلمان به کار برده شد و تعداد 9 رخساره الکتریکی در هر روش خوشه‌سازی تعیین گردید. رخساره‌های الکتریکی تولید شده توسط بهترین روش خوشه‌سازی(MRGC)، با استفاده از لاگ‌های GR، اDT،ا RHOB و NPHI بر اساس کیفیت مخزنی از خوب به بد مرتب گردید. این مطالعات بر روی بخش عرب که اصلی‌ترین بخش مخزنی میدان سلمان می‌باشد و بیشترین تولید نفت(70%) از این بخش بوده است، انجام گرفت.
 

کلیدواژه‌ها


عنوان مقاله [English]

Determination of Reservoir Electrofacies Using Clustering Methods (MRGC, AHC, SOM,DYNCLUST) Throughout Arab Part in Salman Oil Field 2S-05 Well

نویسندگان [English]

  • Amin Rahsepar 1
  • Ali kadkhodaie 2
  • Majid Bidhendi 3
1 Geology Department, Faculty of Basic Science, Science and Research University, Tehran,Iran
2 Earth Science Department, Faculty of Science, University of Tabriz, Iran
3 Institute of Geophysics, University of Tehran, Iran
چکیده [English]

Primary objective of this project is introducing the best clustering method to determine the Electrofacies in without core wells. Electrofacies concept in fact is a deterministic or analytical method for clustering petrophysical well-log data. They can indicate changes in geological features or reservoir. Electrofacies is defined based on clustered data, and placement of logs and similar data in the same group which is differentiated from other groups. In this study, different clustering methods were studied and compared with each other. Among these methods, the best method was introduced as MRGC method. For this purpose, the Geolog software was employed to use four clustering methods including Multi Resolution Graph based Clustering method (MRGC), Ascendant hierarchical method (AHC), Self-organizing neural networks method (SOM) and dynamic clustering method (DYNCLUST) to determine the reservoir electrofacies in Salman 2S-05 well. Thus, 9 electrofacies were determined in each clustering. Electrofacies produced by the best clustering method (MRGC), using well logs including GR, DT, RHOB and NPHI. They were sorted based on reservoir quality from good to poor. This study was performed on the Arab member. Arab member is the main reservoir in Salman field, and the highest oil production (70%) from this formation has been reported.
 

کلیدواژه‌ها [English]

  • Clustering
  • Electrofacies
  • Petrophysical Logs
  • Arab Member
  • Salman Field

[1]. Rabiller Ph. and Ye S. J., “New tools for electrofacies analysis: multi resolution graph-based clustering,” SPWLA 41st Annual Logging Symposium Transaction, pp. 4-7, Jun. 2000.##

[2]. Aali J., Rahimpour-Bonab H., Kamali M. R., “Geochemistry and origin of the world’s largest gas field from Persian Gulf,” Iran: Journal of Petroleum Science and Engineering Vol. 50, pp. 161–175, 2006..##

[3]. Saggaf M. M, Toksöz M. N, and Marhoon M. I., “Seismic facices classification and identification by competitive neural networks,” Geophysics, Vol. 68, PP. 1984-1999, 2003.##

[4]. Lippmann R. P, “Pattern classification using neural networks,” IEEE Communications Magazine, 1989.##

[5]. نیک‌نژاد ع.، موحد ب.، کدخدائی ع.، تعیین پارامترهای پتروفیزیکی سازند عرب در میدان سلمان، اولین کنفرانس و نمایشگاه تخصصی نفت، تهران،1392.##

[6]. رضایی م. ر.، زمین‌شناسی نفت، انتشارات علوی، 1390##

[7]. قاسم‌العسکری م. ک.، اصول پتروفیزیک، انتشارات ستایش،1390##

[8]. سرا اُ.، چاه‌نگاری، ویراست سوم، ترجمه غلامحسین نوروزی، مرکز نشر دانشگاه صنعتی اصفهان، 1388.##