اثر لیتولوژی در بهبود مدل سازی پتروفیزیکی مخزن کربناته ناهمگن در جنوب ایران

توصیف هر مخزن نفتی نیاز به مدل پتروفیزیکی سنگ مخزن دارد. دو پارامتر مهم و بنیادی یک مدل پتروفیزیکی، تخلخل و نفوذپذیری هستند. اندازه گیری های آزمایشگاهی این پارامترها معمولا هزینه بر و تهیه نمونه های مغزه از کل چاه اقتصادی نیست. از این رو، امروزه تخلخل با استفاده از نمودارهای متداول چاه پیمایی و نرم افزارهای پتروفیزیکی تعیین و نفوذپذیری از روش های غیرمستقیم مانند رگرسیون، مدل های ناحیه ای و روابط تجربی برآورد می شوند. عموما مقادیر تخمینی و اندازه گیری شده آنها با یکدیگر تفاوت دارند. این اختلاف می تواند ناشی از خطای سیستماتیک مانند شرایط اندازه گیری، خطای ابزار، خطای انسانی و خطای تصادفی باشد. در مخازن ناهمگن کربناته به ویژه نواحی و چاه هایی که مغزه گیری نشده اند، تخمین تخلخل و نفوذپذیری با نمودارهای چاه پیمایی و روش های آماری مشکل است. در این مقاله قصد داریم اثر لیتولوژی در بهبود مدل سازی پتروفیزیکی مخزن کربناته ناهمگن را با استفاده از روش تحلیل احتمالاتی و شبکه عصبی مصنوعی در یک میدان نفتی جنوب ایران نشان دهیم. برای این منظور، دو مدل تخلخل با استفاده از تحلیل احتمالاتی و شبکه عصبی مصنوعی در یک چاه تهیه و نتایج آنها با نمونه های مغزه در چاه دیگری مقایسه شدند. این مقایسه ها نشان داد که تخلخل و نفوذپذیری مدل شده با داده حاصل از مغزه کاملا منطبق نیست. در مرحله بعد، سنگ مخزن با استفاده از لیتولوژی، زون بندی شد. برای هر زون یک مدل شبکه عصبی به گونه ای طراحی شد که داده های ورودی و خروجی به شبکه به ترتیب نمودارهای چاه پیمایی و داده مغزه ی مربوط به آن زون بودند. سپس مدل های آموزش یافته در هر زون در زون مشابه چاه دیگر آزمایش شدند. نتیجه اعتبارسنجی این مدل ها نشان دادند که اختلاف بین این مدل ها و داده های مغزه بسیار کمتر از دو روش قبلی است.