عملكرد شاخص تخلخل ثانويه در بهبود تخمين نفوذپذيري از نمودارهاي پتروفيزيكي به كمك روش هاي هوش مصنوعي و تكنيك فازي در مخزن سورمه ميدان نفتي بلال

Secondary porosity index effect on improving permeability estimation from petrophysical logs utilizing artificial intelligent approaches

برآورد مقدار نفوذپذيري كه به طور معمول توسط اندازه گيري هاي مستقيم روي نمونه هاي مغزه يا آزمايش چاه به دست مي آيد يكي از مشكلات قديمي در تعيين پارامتراهاي مخزن است. معمولاً پارامترهاي مخزن مانند تخلخل، ليتولوژي، نفوذپذيري از مغزه بدست مي آيند كه هزينه زيادي را در بر دارد و هم چنين تهيه مغزه در تمام چاه ها امكانپذير نيست و از لحاظ زماني وقت گير مي باشد. در اين تحقيق سعي بر آن است كه پارامتر نفوذپذيري از طريق داده هاي چاه-پيمايي به دست آيد و براي ارزيابي نتايج بدست آمده با پارامترهاي حاصل از مغزه مورد مقايسه قرار گيرد و عوامل موثر در افزايش عدم قطعيت از جمله تخلخل ثانويه تعيين گردد. براي اين كار در چاهي كه هر دو نوع داده شامل نمودارهاي پتروفيزيكي و مغزه را دارد، مدل پيش بيني نفوذپذيري ساخته مي شود و در چاهي كه فقط داراي نمودارهاي پتروفيزيكي است به پيش بيني نفوذ پذيري پرداخته مي شود. امروزه استفاده از سيستم هاي هوشمند براي برآورد پارامترهاي مخزن مطرح مي باشند. هدف اصلي اين تحقيق تخمين پارامتر تراوايي با استفاده از سيستم هاي مذكور مي باشد. براي نيل به اين هدف و ساخت مدل تخمين تراوايي از سه روش استفاده شده است. ابتدا تكنيك منطق فازيHambalek وGonzalez استفاده شد تا كاربرد آن براي كربنات هاي سازند سورمه مورد بررسي قرار گيرد. روش دوم از الگوريتم Cuddy و روش سوم از شبكه هاي عصبي مصنوعي، براي تخمين تراوايي استفاده شده است و در نهايت اين سه روش با يكديگر مقايسه شدند. در اين مقاله داده هاي دو چاه BL-3I, BL-1P از سازند سورمه واقع در ميدان بلال بكار رفتند. از داده هاي چاه شمارهBL-1P براي ساخت مدل و از داده هاي چاه شماره BL-3I براي تعميم و اعتبار سنجي مدل استفاده شد. پيش بيني نفوذپذيري توسط مدل اوليه، در بخش هاي زيرين چاه BL-1P و در اكثر نقاط چاه تعميم دور از مقادير واقعي (نفوذپذيري مغزه) بود كه با بررسي هاي انجام گرفته، مشخص گرديد سازند مورد مطالعه داراي تخلخل هاي از نوع ثانويه اي است كه نمودار صوتي قادر به شناسايي آن نيست، به همين منظور شاخص تخلخل ثانويه (SPI) محاسبه و در ساخت مدل به كار گرفته شد. نتايج به دست آمده از اين تحقيق نشان داد در حالت دوم كه شاخص تخلخل ثانويه وارد مدل گرديد پيش بيني نفوذپذيري بسيار دقيق تر (نزديك تر به مقادير مغزه) گرديد.

Permeability estimation using core data and petrophysical logs is a conventional approach which bears high uncertainty especially in carbonate reservoir characterization. In essence, the problem consists not only due to coring expenses rate, but also ambiguity in finding proper explicit log correlation to core data. Moreover, utilizing the correlated formula in wells without core data can pose errors. In this research the permeability was estimated from conventional petrophysical logs and it was calibrated with permeability obtained from core lab experiments. Applied intelligent systems are the matter of this research for permeability values estimation. To construct permeability estimation model, three techniques have been applied including conventional ANN, the Gonzalez, and Hambalek fuzzy logic techniques. These methods were applied in two wells drilled in Surmeh reservoir in Balal field to establish ANN and to derive a relation between core and well. The models were applied in control well in order to check the reliability and capability of models to estimate representative permeability value. The result showed however three foresaid techniques for permeability estimation were successful the secondary porosity distributed the correlation due to its reduction effect on permeability so that they were not interconnected. Therefore this effect was omitted using secondary porosity index in which the permeability estimation were improved and were estimated close to core value.