ساخت نمودار سرعت موج برشی با بهره‌گیری از الگوریتم کلونی مورچه و استفاده از داده‌های چاه‌پیمایی در میدان نفتی چشمه خوش

محاسبه پارامترهای ژئومکانیکی مخزن همانند سرعت موج برشی و سرعت موج فشاری از جمله پارامترهای مهمی است که مهندسین مخازن نفت و گاز همواره درصدد محاسبه آن بوده‌اند. با محاسبه این فاکتورها، می‌توان به پارامترهای الاستیک مخزن که نقش مهمی در شناخت علل شکستگی‌های مخزنی و مسائلی نظیر پایداری دیواره چاه و عملیات شکافت هیدرولیکی مخزن دارد، دست یافت. در این مطالعه به ساخت نمودار سرعت موج برشی از طریق الگوریتم کلونی مورچه که روشی نوین و فوق‌العاده قدرتمند در عرصه هوش مصنوعی و بهینه‌سازی است، پرداخته شده و نتایج به‌دست آمده با نتایج حاصل از روش‌های پیشین مورد مقایسه قرار گرفته است. پس از بررسی نمودارهای مختلف، نمودارهای rhob ،vp ووnphi به‌‌عنوان ورودی‌های مدل ساخته شده مورد استفاده قرارگرفته است. برای ساخت مدل و بررسی عملکرد آن، داده‌های موجود به دو گروه داده‌های آموزشی و داده‌های آزمایش تقسیم گردید. نتایج نشان‌دهنده عملکرد بسیار مناسب الگوریتم کلونی مورچه در تخمین پارامترهای ژئومکانیکی مخزن است و پیشرفت قابل ملاحظه‌ای در زمینه بهینه‌سازی فراابتکاری حاصل شده است.

Shear Wave Velocity Synthesis Using Conventional Well Log Data and Ant Colony Algorithm in Cheshmeh–Khosh Oilfield

The prediction of geomechanical parameters of a reservoir such as compressional and shear waves velocities is an important subject for the gas and oil reservoir engineers to understand the reasons of reservoir fracturing, well stability, and hydraulic fracturing process through the characterization of these elements. In the present study, we tried to predict the compressional wave velocity by a new and powerful technical method of ant colony algorithm. The results were then compared with other artificial intelligence methods. The input data of the model were selected logs of NPHI, RHOB, and Vp. To provide the model and its validity, all the data were divided into two parts: education and testing. The results revealed that ant colony algorithm had a high potential to estimate the geomechanical parameters of the reservoir, which has made considerable advances in improving data.