تعیین واحد ژئومکانیکی با ترکیب روش‌های خوشه‌بندی و نتایج آزمایشگاهی برای سازندهای مخزنی کنگان و دالان

تعیین واحد ژئومکانیکی گام نخست برای درک صحیح شرایط مخزن و اجرای بهینه فرایندهای مهندسی است. در این تحقیق، واحدهای ژئومکانیکی برای دو سازند کنگان و دالان، به عنوان اصلی‌ترین مخازن هیدروکربنی خلیج فارس، تعیین شده‌اند. به‌منظور کاهش خطای ناشی از قضاوت‌های مهندسی و افزایش دقت تحلیل‌ها، از سه روش خوشه‌بندی سلسله‌مراتبی، مبتنی بر چگالی و کی-میانگین با استفاده از نرم‌افزار matlab برای تعیین واحدهای ژئومکانیکی بهره گرفته شد. داده‌های ورودی مدل خوشه‌بندی شامل نگاره‌های پتروفیزیکی چگالی، نوترون، گاما، و صوتی برشی و فشاری هستند که مزیت آن‌ها در دسترسی آسان و کاربرد در ساخت مدل ژئومکانیکی می‌باشد. در ادامه، 43 نمونه مغزه براساس تخلخل و نفوذپذیری دسته‌بندی شده و میزان تطابق میان واحدهای ژئومکانیکی تعیین‌شده با این دسته‌بندی بررسی شد. علاوه‌براین، از شاخص سیلوئت (silhouette) برای ارزیابی کیفیت خوشه‌بندی در هر یک از روش‌ها استفاده گردید. در نهایت، پنج واحد ژئومکانیکی با استفاده از الگوریتم خوشه‌بندی سلسله‌مراتبی، بر پایه معیار متریک اقلیدسی استاندارد و روش پیوند کمترین واریانس، تعیین شدند. نتایج نشان داد که روش مورد استفاده بیش از 90 درصد تطابق با داده‌های آزمایشگاهی دارد و مقدار شاخص سیلوئت برابر 0.48 به دست آمده است.

determining geomechanical units using clustering methods and laboratory results for the kangan and dalan reservoir formations

determining geomechanical units is the first step in understanding the reservoir conditions for advancing any engineering process. in this study, geomechanical units are determined for the kangan and dalan formations, the main reservoirs of the persian gulf. to reduce errors arising from observation and engineering judgment, three clustering methods—hierarchical clustering, density-based clustering, and k-means clustering—were employed using matlab software to determine the geomechanical units. the petrophysical logs of density, neutron, gamma, shear sonic, and compressional sonic are used as inputs for the clustering methods. the advantage of using these data lies in their comprehensiveness and availability. subsequently, 43 core samples were classified based on porosity and permeability, and the correspondence between the determined geomechanical units and the classification of samples was identified. additionally, the silhouette index was used to evaluate the clustering quality for each method. finally, five geomechanical units were established, showing a suitable distribution and distinct differentiation in the log values along the wellbore. the hierarchical clustering algorithm provided more acceptable results compared to the k-means and density-based methods for determining the geomechanical units. the hierarchical clustering algorithm, using the standard euclidean metric and the minimum variance linkage criterion (ward), showed the best agreement with laboratory results (94%) and a silhouette index of 0.48.