تعيين رخساره‌هاي الكتريكي مخزني با استفاده از روش‌هاي خوشه‌سازي (SOM ،AHC ،MRGC و DYNCLUST) در بخش عرب در چاه 2S-05 ميدان نفتي سلمان

Determination of Reservoir Electrofacies Using Clustering Methods (MRGC, AHC, SOM,DYNCLUST) Throughout Arab Part in Salman Oil Field 2S-05 Well

هدف از این پژوهش، معرفی بهترین روش خوشه‌سازی جهت تعیین رخساره‌های الكتریكی مخزنی در چاه‌های فاقد مغزه می‌باشد. تعیین رخساره‌های الكتریكی در اصل یك روش قطعی یا تحلیلی برای دسته‌بندی داده‌های چاه نگارهای پتروفیزیكی است كه می‌تواند نشان دهنده تغییر ویژگی‌های زمین‌شناسی یا مخزنی باشد. رخساره‌های الكتریكی بر مبنای خوشه‌سازی داده‌ها تعریف می‌شود. مبنای خوشه‌سازی، قرار دادن داده‌های نمودارهای پتروفیزیكی مشابه در گروه‌های یكسان و تمایز آنها از سایر گروه‌ها می‌باشد. در این پژوهش، روش‌های مختلف خوشه‌سازی مورد بررسی قرار گرفته و با یكدیگر مقایسه شدند. از میان این روش‌ها، روش MRGC به عنوان بهترین روش معرفی شد. بدین منظور با استفاده از نرم‌افزار ژئولاگ، چهار روش خوشه‌سازی اعم از روش چند تفكیكی بر پایه گراف(MRGC)، روش سلسله مراتبی(AHC)، روش شبكه عصبی خود سازمانده(SOM) و روش پویا (DYNCLUST) جهت تعیین رخساره‌های الكتریكی مخزنی در چاه 2S-05 میدان سلمان به كار برده شد و تعداد 9 رخساره الكتریكی در هر روش خوشه‌سازی تعیین گردید. رخساره‌های الكتریكی تولید شده توسط بهترین روش خوشه‌سازی(MRGC)، با استفاده از لاگ‌های GR، اDT،ا RHOB و NPHI بر اساس كیفیت مخزنی از خوب به بد مرتب گردید. این مطالعات بر روی بخش عرب كه اصلی‌ترین بخش مخزنی میدان سلمان می‌باشد و بیشترین تولید نفت(70%) از این بخش بوده است، انجام گرفت.  

Primary objective of this project is introducing the best clustering method to determine the Electrofacies in without core wells. Electrofacies concept in fact is a deterministic or analytical method for clustering petrophysical well-log data. They can indicate changes in geological features or reservoir. Electrofacies is defined based on clustered data, and placement of logs and similar data in the same group which is differentiated from other groups. In this study, different clustering methods were studied and compared with each other. Among these methods, the best method was introduced as MRGC method. For this purpose, the Geolog software was employed to use four clustering methods including Multi Resolution Graph based Clustering method (MRGC), Ascendant hierarchical method (AHC), Self-organizing neural networks method (SOM) and dynamic clustering method (DYNCLUST) to determine the reservoir electrofacies in Salman 2S-05 well. Thus, 9 electrofacies were determined in each clustering. Electrofacies produced by the best clustering method (MRGC), using well logs including GR, DT, RHOB and NPHI. They were sorted based on reservoir quality from good to poor. This study was performed on the Arab member. Arab member is the main reservoir in Salman field, and the highest oil production (70%) from this formation has been reported.