شناسايي واحدهاي جرياني هيدروليكي در مخازن كربناته با استفاده از الگوريتم خوشه‌بندي مدل آميخته گوسي

Hydraulic Flow Unit Detection in Carbonate Reservoir with Gaussian Mixture Model

توانايي سنگ متخلخل در گذردهي سيال از درون حفرات تحت عنوان تراوايي سنگ مخزن تعريف شده است. جريان سيالات درون ساختار متخلخل سنگ مخزن، به هندسه حفرات وابسته است. ساختار هندسي حفرات در مخازن كربناته، نسبت به مخازن ماسه‌سنگي، از درجه ناهمگني بالاتري برخوردار است. بر همين اساس لازم است تا ساختار حفرات با هندسه يكسان پيش از ارائه مدل براي تخمين تراوايي از يكديگر تفكيك شوند. در اين پژوهش، پنج روش شناسايي واحدهاي جرياني هيدروليكي شامل سه روش تجربي تحت عنوان واحدهاي جرياني هيدروليكي، مؤلفه‌هاي هيدروليكي عمومي، واحدهاي سنگي مجزا و دو روش هوشمند تحت عنوان الگوريتم‌هاي هوشمند خوشه‌بندي كِي ميانگين و مدل آميخته گوسي با استفاده از داده‌هاي آزمايش عادي مغزه با يكديگر مورد مقايسه قرار گرفتند. سپس، بهينه‌ترين روش با استفاده از داده‌هاي آزمايش ويژه مغزه تحت عنوان آزمايش فشار مويينگي تخليه جيوه مورد تأييد قرار گرفت. نظر به ماهيت يكسان جريان سيالات در واحدهاي جرياني هيدروليكي شناسايي‌شده، از نتايج اين پژوهش مي‌توان در راستاي ارائه مدل مجزا براي تخمين تراوايي در هر واحد جرياني هيدروليكي بهره برد.

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.