استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن
چکیده
تخمین دقیق حجم هیدروکربن در یک مخزن، اهمیت به سزایی دارد چرا که پایه و اساس طرح های توسعه ای آینده مخزن و میزان سرمایه گذاری ها را توجیه می کند. بنابراین برای مهندسان و کارشناسان صنایع بالا دستی برآورد حجم مخازن نفتی و گازی از دغدغه های همیشگی است که از زمان اکتشاف شروع و تا اتمام ذخیره قابل برداشت ادامه دارد. در این مطالعه سعی شده است تا با ابزار شبکه های عصبی و استفاده از داده های ژئوفیزیکی و پتروفیزیکی، مدل های مشخصه مخزن تهیه و بر اساس آن برآوردی از حجم در جای هیدروکربن در مخزن به دست آید. برای این هدف ابتدا مخزن شبکه بندی شده و به سلول های هم حجم تقسیم شد. سپس بر اساس تغییرات تخلخل و سنگ شناسی در چاه ها اقدام به زون بندی پتروفیزیکی درون چاه ها شد و با کروله کردن زون های درون چاه ها مخزن زون بندی شد. مقادیر تخلخل و اشباع آب و نیز داده های سه بعدی لرزه ای در سلولهای مخزن میانگین گیری و برای هر سلول یک مقدار تعیین شد. در نهایت با طراحی یک شبکه عصبی سه لایه ای از نوع پرسپترون با الگوریتم پس انتشار، خطا و آموزش آن با استفاده از سلول های دارای مقادیر واقعی تخلخل و اشباع آب نسبت به تخمین این پارامترها در بقیه سلول ها اقدام شده و در نتیجه حجم در جای هیدروکربن مخزن محاسبه شد و با مقادیر به دست آمده از روش آماری مونت کارلو مقایسه شد.
نویسندگان و وابستگی سازمانی
- علی اکبر رحیمی بهار — پژوهشگاه صنعت نفت