پیش بینی لیتولوژی مخازن هیدروکربنی از نشانگرهای لرزه ای با استفاده از شبکه های عصبی مصنوعی در میدان نفتی هندیجان
Abstract(in Persian; no English abstract is available)
اهمیت و نقش تعیین کننده نوع لیتولوژی سازندها در بررسی مخازن نفت و گاز، ایجاب می¬کند که از هرگونه اطلاعات برای پی بردن به این خواص استفاده شود. معمولاً برای تعیین لیتولوژی از دو روش مستقیم (آنالیز مغزه) و غیر مستقیم (ارزیابی داده-های نمودارهای چاه¬پیمایی) استفاده می¬شود. این روش¬ها مستلزم صرف هزینه و وقت زیادی می¬باشند. بنابراین به دلایل اقتصادی فقط تعداد کمی از چاه¬های یک میدان دارای مغزه می¬باشند، ولی نمودارهای چاه¬پیمایی برای اکثر چاه¬ها در دسترس-اند. در این مطالعه داده¬های لرزه¬ای میدان نفتی هندیجان به همراه نگارهای موجود از 7 چاه این میدان به کار گرفته شد تا پس از استخراج روابط موجود بین نشانگرهای لرزه¬ای و مقادیر حجم کوارتز، کلسیت، دولومیت، شیل و انیدریت در محل چاه¬ها، از این روابط برای تخمین حجم هر کدام از لیتولوژی¬های ذکر شده، در فواصل چاه¬ها استفاده شود. بعد از بررسی¬های کلی داده¬ها، یک خط لرزه¬نگاری انتخاب و روش¬های برگردان لرزه¬ای ( شامل روش¬های وارون¬سازی خارهای پراکنده، برپایه مدل و باند محدود) بر آن اعمال گردید که از بین این روش¬ها، روش بر پایه مدل نتایج بهتری را ارائه نمود. سپس با استفاده از نشانگرهای لرزه¬ای و شبکه¬های عصبی مصنوعی که امروزه یکی از دقیق¬ترین ابزارهای پیش¬بینی در صنعت نفت می¬با¬شند، مدل لیتولوژی برای هر کدام از لیتولوژی¬های ذکر شده در بالا ارائه گردید. هم¬چنین در این مطالعه نشان داده شد که شبکه عصبی pnn دارای نتایج بهتری نسبت به شبکه¬های mlfn و rbf و نیز روش رگرسیون چندنشانگری (mar) می¬باشد.