ساخت نگار لیتو لوژی با رویکرد خوشه بندی-تخمین در چاه های یک میدان نفتی جنوب ایران
محورهای موضوعی :ساره صدیق 1 , مهرنوش علی پور شهسواری 2 , حسین معماریان 3 , بهزاد تخم چی 4
1 - دانشگاه تهران
2 - دانشگاه تهران
3 - دانشگاه تهران
4 - دانشگاه شاهرود
کلید واژه: مخزن آسماری خوشه بندی لیتو لوژی تخمین گر MLP خوشه بندی میانگین K داده خوشه بندی گوستاو سون کسل ایران ,
چکیده مقاله :
تعیین لیتو لوژی مخزن از مهم ترین بررسی های مخزنی است که جهت تطابق چاه ها وتشخیص قسمت های تولیدی مخزن به کار می رود بهترین روش در تعیین لیتولوژی استفاده از اطلاعات مغزه وخرده های حفاری است .اما در بسیاری از چاه ها این اطلاعات به صورت کامل وپیوسته موجود نیست .به طور معمول در موارد نبود مغزه نسبت به تخمین لیتو لوژی از داده های پترو فیزیکی با رویکرد خوشه بندی –تخمین است .این روش بر اساس داده های یک چاه اکتشافی از یکی از میادین نفتی جنوب ایران که دارای نتایج آنالیز مغزه بوده توسعه داده شده ونسبت به بهینه سازی پارامتر های مدل اقدام شده است .سپس این مدل بر روی چاه های فاقد فاقد مغزه تعمیم داده شده است .خوشه بندی به عنوان عاملی برای تفکیک داده های چاه به جوامع همگن لیتو لوژیکی مورد استفاده قرار می گیرد ،سپس تخمین در صد کانی ها در هر کدام از این جوامع غالب لیتو لوزیکی صورت گرفته است وبه ترتیب ضرایب همبستگی 93/92%و99/74 %بین داده های وافعی وتخمینی دولومیت وکلسیت در یکی از چاه ها بدست آمده است .نتایج معرف دقت مناسب وقابلیت تعمیم قابل توجه رویکرد است
Abstruct Reservoir lithology determination is one of the main studies used for well correlation and analyzing productive zones of the reservoir. The best way foer lithology determination is using core and cutting information . Nevertheless,in most wells these data is not complete and continual, so in these cases usually use well logging for lithology estimation of petrophysical well data with Clustering- Estimation approach . This method has been generalized according to one well from one of the oil fields in South of Iran that contains core data . Then this method is generalized in un cored wells. Clustering is used as a way for grouping well data in homogenous lithology clusters After ward, percentage of mineral is estimated in each of these clusters. The regression coefficients are calculated 92.93% and 74.99% between real and estimated data respectively for calcite and dolomite in one of the wells. The results with high accuracy show the generalization of this method.
