شناسایی واحدهای جریانی هیدرولیکی در مخازن کربناته با استفاده از الگوریتم خوشه‌بندی مدل آمیخته گوسی

توانایی سنگ متخلخل در گذردهی سیال از درون حفرات تحت عنوان تراوایی سنگ مخزن تعریف شده است. جریان سیالات درون ساختار متخلخل سنگ مخزن، به هندسه حفرات وابسته است. ساختار هندسی حفرات در مخازن کربناته، نسبت به مخازن ماسه‌سنگی، از درجه ناهمگنی بالاتری برخوردار است. بر همین اساس لازم است تا ساختار حفرات با هندسه یکسان پیش از ارائه مدل برای تخمین تراوایی از یکدیگر تفکیک شوند. در این پژوهش، پنج روش شناسایی واحدهای جریانی هیدرولیکی شامل سه روش تجربی تحت عنوان واحدهای جریانی هیدرولیکی، مولفه‌های هیدرولیکی عمومی، واحدهای سنگی مجزا و دو روش هوشمند تحت عنوان الگوریتم‌های هوشمند خوشه‌بندی کِی میانگین و مدل آمیخته گوسی با استفاده از داده‌های آزمایش عادی مغزه با یکدیگر مورد مقایسه قرار گرفتند. سپس، بهینه‌ترین روش با استفاده از داده‌های آزمایش ویژه مغزه تحت عنوان آزمایش فشار مویینگی تخلیه جیوه مورد تایید قرار گرفت. نظر به ماهیت یکسان جریان سیالات در واحدهای جریانی هیدرولیکی شناسایی‌شده، از نتایج این پژوهش می‌توان در راستای ارائه مدل مجزا برای تخمین تراوایی در هر واحد جریانی هیدرولیکی بهره برد.

Hydraulic Flow Unit Detection in Carbonate Reservoir with Gaussian Mixture Model

The ability of a porous rock to flow fluids within its pores is defined as Permeability. Fluid flow within porous structure of a reservoir rock is strongly dependent on pore geometery. Comparatively, more heterogeneity is observed in carbonates rock in comparison with sandstone rocks. In that regard, it is necessary to distinguish between pore geometery with the same pore structure. In this article, five methods including three empirical and two intelligent methods, namely K-Means Clustering and Gaussian Mixture Model have been implemented and compared to distinguish between HFUs with RCAL data. The best method amongst all, have been evaluated based on MICP data. Due to the same nature of fluid flow within each determined HFU, different model can be developed for permeability prediction in each HFU.