| عنوان فارسی مقاله: | تخمین تراوایی از واکنش های چاه پیمایی |
| عنوان انگلیسی مقاله: |
Permeability Estimation From Well Log Responses |
خلاصه
تراوایی یکی از مهمترین مشخصه ی سازند های هیدروکربنی می باشد. تراوایی سازند گاهی اوقات در آزمایشگاه از روی مغزه ها یا ارزیابی داده های چاه آزمایی بدست می آید. اگرچه آنالیزِ مغزه و داده های چاه آزمایی گاهی اوقات فقط برای تعدادی از چاه های میادین در دسترس است. به عبارت دیگر، تقریبا تمام چاه ها پیموده می شوند.
این مقاله یک مدل غیر پارامتری برای تخمین زدن تراوایی مخزن از داده های چاه پیمایی را با استفاده از شبکه ی عصبی مصنوعی ( ANN ) ارائه می دهد. تکنولوژی ANN به وسیله ی کاربرد برای یکی از میادین نفتی سعودی شرح داده می شود. این میدان بزرگترین میدان نفتی دریایی در جهان می باشد و در یک محیط دلتایی رودخانه ای ته نشین شده است.
استفاده از روش های رگرسیون در این موارد برای پیش بینی تراوایی موفقیت آمیز نبود. مدل پیش بینی تخمین تراوایی ANN از روی مقداری داده که شامل تراوایی مغزه و داده های چاه پیمایی از 3 چاه توسعه یافته می باشد بدست می آید. مدل ANN از روی مقداری داده ی چاه پیمایی و اندازه گیری های مغزه های متناظرشان به وسیله ی شبکه ی عصبی رایج قبلی ( BPNN ) ساخته شده و آموزش داده شده است. مدل نتیجه گیری شده آزمایشی کور بود که از داده هایی که از فرایند کنار گذاشته بودن استفاده می شد. نتایج این آزمایش نشان می داد که تخمین های تراوایی مدل ANN سازگار با داده های واقعی مغزه هستند. می توان نتیجه گرفت که مدل ANN وسیله ی قدرتمندی برای تخمین تراوایی از روی داده های چاه پیمایی می باشد.
