نوع مقاله: علمی - پژوهشی

نویسندگان

دانشگاه تربیت مدرس

چکیده

تراوایی مهمترین پارامتر کلیدی در توصیف یک مخزن هیدروکربوری می‌باشد. مقادیر تراوایی معمولا از آزمایش های چاه و  مغزه‌های حفاری بدست می‌آید. لذا باید توجه داشت که اغلب داده‌های به‌دست آمده از مغزه‌ها و آزمایش‌های چاه در تعداد کمی از چاه‌های یک میدان موجود است. از طرفی تقریبا در تمامی چاه‌های میدان نمودارنگاری صورت می‌گیرد. بنابراین استفاده از   روش‌هایی که بتوانند از روی نمودارهای چاه نگاری به تخمین پارامترهای فوق بپردازند بسیار مفید خواهد بود.
      پیش‌بینی تراوایی مناسب و رسم توزیع آن با استفاده از نمودارهای چاه پیمایی از اهداف اصلی این تحقیق می‌باشد. لذا برای نیل به این هدف، از روش شبکه عصبی برای ایجاد مدل تراوایی میدان نفتی مشترک پارس جنوبی که در خلیج فارس و در 100 کیلومتری  ساحل واقع است، استفاده شده است. نتایج به‌دست آمده نشان می‌دهد که مدل مذکور به خوبی قادر به تخمین مقادیر تراوایی در نقاط مختلفی از مخزن مورد مطالعه می‌باشد.
 
 

کلیدواژه‌ها

عنوان مقاله [English]

Permeability Prediction of the Reservoir Formation by Using Petrophysical Information

نویسندگان [English]

  • M Ahmadi
  • A Yazdian
  • M Saemi

Tarbiat Modarres University

چکیده [English]

Permeability, or flow capacity, is the ability of porous media to transmit fluid. To understand reservoir performance and in case of reservoir management and development requires accurate knowledge of permeability. The permeability of the formation is usually determined from the cores and/or well tests. It should be noted that cores and well test data are often only available from few wells in a reservoir while the logs are available from the majority of the wells. Therefore, the evaluation of permeability from well log data represents a significant technical as well as economic advantage. Many fundamental problems remain unsolved by most predictive models. This paper introduces the use of an improved neural network trained by a Back Propagation learning algorithm to provide solution for the permeability prediction from well log data. An Iranian offshore gas field is located in the Persian Gulf, has been selected as the study area in this paper. Well log data are available on substantial number of wells. Core samples are also available from a few wells. It was shown that the neural network system is the most effective method in predicting permeability from well logs.
 

کلیدواژه‌ها [English]

  • Permeability
  • Artificial neural networks
  • Well logs
  • Reservoir rock