تخمین لیتولوژی با وارون سازی داده‌های لرزه‌ای و شبکه عصبی احتمالاتی در یکی از مخازن نفتی جنوب غربی ایران

شناخت صحیح نوع سنگ‌های تشکیل دهنده مخازن هیدروکربنی، نقش اساسی در تخمین پارامترهای پتروفیزیکی و ژئومکانیکی مخازن داشته و برای مراحل مختلف مهندسی نفت از حفاری و کنترل مخازن تا فرآیندهای ازدیاد برداشت حائز اهمیت است. روش‌های مختلفی در خصوص تعیین لیتولوژی سازندهای مخزنی وجود دارد که از میان آن‌ها استفاده از داده‌های لرزه‌ای برای این منظور روشی کم هزینه و سریع محسوب می‌شود. در همین راستا، مقاله حاضر با استفاده از امپدانس صوتی تخمین زده شده از وارون سازی داده لرزه‌ای پس از برانبارش و سایر نشانگرهای لرزه‌ای، به طراحی و آموزش شبکه‌های مصنوعی با هدف تعیین لیتولوژی می‌پردازد. به این منظور، ابتدا درصد کانی‌های کلسیت، کوارتز و انیدرید در محدوده سازند آسماری در میدان مورد مطالعه بدست آمد. سپس با وارون سازی داده‌های لرزه‌ای در محدوده این سازند، مدل امپدانس صوتی در کل سازند تخمین زده شد. با استفاده از امپدانس صوتی تخمین زده شده و محاسبه سایر نشانگرهای لرزه‌ای، مناسب‌ترین نشانگرها برای تخمین درصد کانی‌های یاد شده با استفاده از روش رگرسیون چند نشانگری محاسبه شد و خطای آموزش آن در محل چاه‌های 151،114،10 به ترتیب برابر 79 ،81 و80 درصد بدست آمد همچنین خطای اعتبارسنجی آن روش در محل چاه‌های مذکور به ترتیب 72 ،71 و 70 درصد شد. سپس با تعمیم رگرسیون یاد شده، درصد این کانی‌ها در کل مخزن تخمین زده شد. سپس با استفاده از برترین نشانگرهای شناسایی شده در روش رگرسیون چند نشانگری، شبکه عصبی مصنوعی احتمالاتی (pnn) آموزش و طراحی شد که خطای آموزش روش یاد شده در محل چاه‌های 114،10 و 151 آن میدان به ترتیب برابر91، 79 و 80 بدست آمد و خطای اعتبارسنجی نیز به ترتیب چاه های یادشده 83، 73 و 72 درصد شد. مقاطع بدست آمده از رگرسیون چند نشانگری و شبکه‌عصبی pnn در خصوص نوع لیتولوژی سازند نشان داد که بیشینه تمرکز کلسیت و انیدرید در نیمه بالایی سازند آسماری قرار دارد.