مدل‌سازی گروه‌های رخساره‌ای بر اساس داده‌های زمین‌شناسی و پتروفیزیکی (لاگ‌های چاه‌پیمایی) در میدان گازی پارس جنوبی

سازندهای دالان بالایی، مجموعه‌ای از ریف‌های کربناته تبخیری و کنگان، با لیتولوژی غالب آهک و دولومیت با لایه‌هایی از انیدریت، توالی پرمو تریاس میدان گازی پارس جنوبی هستند که در محدوده دور از ساحل آب‌های خلیج فارس و بین دو کشور ایران و قطر قرار دارند. هندسه و گسترش رخساره‌های پرانرژی (شول) عامل اصلی گسترش کیفیت مخزنی میدان است که این عامل هم تحت کنترل محیط رسوبی می‌باشد. این مطالعه به بررسی رخساره‌های زمین‌شناسی و ارتباط آن با خواص پتروفیزیکی و داده‌های چاه‌پیمایی و مدل‌سازی آنها به منظور گسترش و کنترل برنامه‌های مخزنی می‎پردازد. داده‌های پتروگرافی به منظور ارزیابی توزیع رخساره‌های رسوبی و گروه‌های رخساره‌های مورد استفاده قرار گرفت. 12 میکروفاسیس در چهار گروه رخساره‌های بزرگ‌تر پهنه جزر و مدی، لاگون، شول و دریای باز طبقه‌بندی شد. ارزیابی کیفیت مخزنی گروه‌های رخساره‌های بر اساس داده‌های تخلخل و تراوایی مغزه مورد بررسی قرار گرفت. در چاه‌های بدون مغزه گروه‌های رخساره‌های بر اساس نمودارهای چاه‌پیمایی در قالب رخساره‌های لاگ و با استفاده از سیستم‌های هوشمند شبکه عصبی پیش‌بینی گردید. به منظور انطباق رخساره‌ها در مدل دوبعدی از چارچوب چینه‎نگاری سکانسی برای میدان استفاده گردید. ارزیابی توزیع سه‌بعدی گروه‌های رخساره‌ای با استفاده از مدل‌سازی سه‌بعدی زمین آماری و با استفاده از الگوریتم شبیه‌سازی شاخص ترتیبی (sis) در قالب رخساره‌های لاگ مورد بررسی قرار گرفت. نهایتا مدل سه‌بعدی رخساره‌ها برای واحدهای مخزنی مختلف از میدان مورد مطالعه ارائه گردید.

Facies Associations Modeling Based on Geological and Petrophysical Data (Wire Line Logs) in the South Pars Gas Field

Upper Dalan formation, is a complex of carbonate reefsevaporite, and Kangan with dominant lithology of limestone and dolomite is associated with anhydrite layers; PermoTriassic succession of the South Pars gas field hosts the largest noneassociated gas reservoir in the world located in the offshore of the Persian Gulf between Iran and Qatar. The geometry and distribution of high energy facies (shoal facies) are the main constituents of field reservoir quality, which is controlled with sedimentary environment. This study deals with the assessment of geological facies and their relation with petrophysical properties in incorporation with wire line logs to propagate the reservoir schemes. Core and petrographic analysis were carried out with the aim of recognizing the distribution of sedimentary facies and facies associations. Twelve microfacies were categorized into 4 major facies associations: tidal flat, lagoon, shoal, and open marine. The reservoir quality of facies associations was evaluated based on core porosity and permeability. In uncored wells, facies associations were predicted as logfacies based on wire line logs by using intelligent neural networks. The sequence stratigraphic framework in the field was used to correlate facies in a two dimensional model. The 3D distribution of facies associations is assessed as logfacies by geostatistical modeling and sequential indicator simulation.