>
Fa   |   Ar   |   En
   تخمین امتیاز‌دهی ژئوفیزیکی توده سنگ (Gsr) از داده‌های لرزه‌ای در مخازن کربناته با استفاده از سیستم‌های هوشمند: با مثالی از میدان گازی پارس جنوبی  
   
نویسنده فرجی محمدعلی ,رحیم پور بناب حسین ,کدخدائی علی
منبع پژوهش نفت - 1396 - دوره : 27 - شماره : 92 - صفحه:27 -43
چکیده    امتیاز‌دهی ژئوفیزیکی توده سنگ (gsr)، که در این مطالعه برای مخازن کربناته معرفی شده است، یک امتیاز‌دهی تجربی از مقاومت ژئومکانیکی سنگ‌ها است. gsr یک امتیاز‌دهی از 10 تا 100 را فراهم می‌کند که مقادیر پایین مربوط به سنگ‌هایی هستند که از لحاظ مقاومتی و پایداری دیواره چاه ضعیف هستند و سنگ‌های شیلی و نیز سنگ‌های مخزنی با تخلخل و تراوایی بالا را در بر می‌گیرند. در مقابل، مقادیر بالای gsr در ارتباط با سنگ‌های بکر است که فاقد نقاط ضعف از قبیل شکستگی‌ها، ناپیوستگی‌ها و حفرات هستند. در این مطالعه، gsr با استفاده از معادلاتی که برای سنگ‌های آواری طراحی شده‌اند براساس نگارهای پتروفیزیکی محاسبه شده است. میدان مورد مطالعه، میدان گازی پارس جنوبی است که توالی کربناته پرموتریاس کنگان دالان در آن میزبان تجمعات عظیم گاز است. gsr محاسبه شده همبستگی بسیار خوبی با تخلخل و ضرایب الاستیک سنگ‌های کربناته مطالعه شده نشان می‌دهد. تمایز بین سنگ‌های مخزنی و بخش‌های شیلی غیر مخزنی به‌راحتی با کنار هم گذاشتن gsr و نگارهای چاه‌پیمایی امکان‌پذیر است. مقادیر بسیار پایین gsr که ارتباط خوبی با نگار پرتو گاما دارند، شاخص فواصل شیلی است. که این فواصل می‌توانند مسبب ریزش دیواره چاه، مچالگی لوله جداری و دیگر مشکلات وابسته به حفاری شوند. اگر مقادیر پایین gsr با نگار پرتو گاما ارتباط خوبی نداشته باشند، نشان‌دهنده توزیع بخش‌های مخزنی است. در انتها پس از محاسبه gsr، مقادیر آن با استفاده از یک مدل شبکه عصبی احتمالی از داده‌های لرزه‌ای سه بعدی پس از برانبارش میدان پارس جنوبی تخمین زده شده است. مقادیر بالای ضریب همبستگی بین gsr واقعی و مقادیر تخمین زده شده توسط شبکه عصبی، صحت مدل هوشمند را در تخمین gsr نشان می‌دهد. مکعب سه بعدی ساخته شده از gsr می‌تواند اساسی برای ساخت مدل‌های ژئومکانیکی بعدی در میدان گازی پارس جنوبی باشد.
کلیدواژه امتیاز‌دهی ژئوفیزیکی توده سنگ، نگارهای پتروفیزیکی، پایداری دیواره چاه، شبکه عصبی احتمالی، داده‌های لرزه‌ای پس از برانبارش
آدرس دانشگاه تهران, دانشکده زمین‌شناسی، پردیس علوم, ایران, دانشگاه تهران, دانشکده زمین‌شناسی، پردیس علوم, ایران, دانشگاه کرتین, دانشکده مهندسی نفت, استرالیا
پست الکترونیکی ali.kadkhodaie@curitn.edu.au
 
   Estimation of Geophysical Strata Rating (GSR) from Seismic Data in Carbonate Reservoirs by Using Intelligent Systems: an Example from the South Pars Gas Field  
   
Authors Kadkhodaie Ali ,Rahimpour Bonab Hossain ,Faraji Mohammad Ali
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved