بهبود برآورد توزیع تخلخل با استفاده از نشانگرهای لرزه ای مولفه های تک بسامد، پهنای نوار لحظه ای و افزایش زمان (time gain): بررسی موردی بر روی یکی از میادین هیدروکربوری خلیج فارس

معمولا دو مجموعه از اطلاعات برای مدل سازی ساختار زمین شناسی و ویژگی های مخزن موجود است. 1- داده های حاصل از چاه نگاری که دارای دقت عمقی مناسب و توزیع مکانی کمی در محدوده میدان هستند و 2- داده های لرزه ای که دارای توزیع مکانی مناسب و دقت عمقی کمی هستند. لذا استفاده هم زمان از این دو سری داده برای توصیف پارامترهای مخزن می تواند نتایج بهتری نسبت به استفاده جداگانه از این اطلاعات تولید کند. برای استفاده هم زماننیاز به همسان سازی آنها است که معمولا کار مشکلی است. ازآنجاکه نرم افزار های گوناگون توانایی های متفاوتی دارند و هرکدام برای وظیفه مشخصی توسعه یافته اند، بنابراین نشانگر هایی را هم که در بر می گیرند، متفاوت است. بررسی های این تحقیق نشان داد که نشانگر هایی از قبیل مولفه های تک بسامد، پهنای نوار لحظه ای و افزایش زمان (time gain) میزان همبستگی بزرگی را با پارامتر تخلخل به دست می دهد. نشانگر های یاد شده از نرم افزار پترل استخراج شده اند. بنابراین هدف اصلی این تحقیق را می توان ترکیب نشانگرهای لرزه ای، مولفه های تک بسامد، پهنای نوار لحظه ایو افزایش زمان با داده های چاه نگاری برای برآورد توزیع پارامترهای مخزنی بیان کرد. این تحقیق برای برآورد توزیع تخلخل موثر لایه مخزنی سروک در یکی از میادین هیدروکربوری واقع در خلیج فارس صورت گرفت. در ابتدا از نشانگر های موجود در نرم افزار همپسون-راسل به کمک داده های چاه نگاری برای برآورد تخلخل استفاده شد، توزیع تخلخل برآورد شده دقت قابل قبولی داشت. در این حالت میزان متوسط همبستگی بین لاگ های تخلخل واقع در چاه ها و لاگ های برآورد شده برابر 68 درصد برای روش شبکه عصبی احتمال پذیر به دست آمد. در ادامه برای بهبود برآورد ویژگی پتروفیزیکی مخزن، نشانگرهای دیگری از نرم افزار پترل (Petrel) که در ارتباط با ویژگی های پتروفیزیکی مخزن بودند، استخراج شدند و به همراه نشانگرهای موجود در نرم افزار همپسون-راسل برای برآورد توزیع تخلخل مورد استفاده قرار گرفتند. این حالت باعث بهبود چشمگیری دربرآورد توزیع تخلخل شد؛ به طوری که در این حالت میزان متوسط همبستگی بین لاگ های تخلخل واقع در چاه ها و لاگ های برآورد شده برابر 79 درصد برای روش شبکه عصبی احتمال پذیر به دست آمد.