پيش بيني سرعت موج برشي به منظور مطالعات ژئومكانيك يك مخزن در يكي از ميادين جنوب غربي ايران

مدولهای دینامیكی مربوط به سنگ در بسیاری از مطالعات مربوط به ژئومكانیك مخازن نفت و گاز تاثیرگذار هستند. سرعت موج برشی و تراكمی به عنوان مهمترین پارامترها در زمینه محاسبه این مدولها و انجام مطالعات ژئومكانیك مطرح میباشند. اغلب به دلیل محدودیتهای عملیاتی و هزینه، سرعت موج برشی در همه چاهها موجود نمیباشد. به همین دلیل اغلب پیشبینی آن بر اساس دیگر پارامترهای پتروفیزیكی حاصله از عملیات چاهپیمایی انجام میگیرد. در این تحقیق به پیشبینی سرعت موج برشی در یك مخزن برای یكی از میادین جنوبغربی ایران پرداخته شده است. روابط بدست آمده توسط محققان پیشین، تكنیك شبكه هوشمند عصبی و استفاده از تكنیك رگرسیون خطی چندگانه در دو چاه از چاههای این میدان كه دارای اطلاعات سرعت موج برشی میباشند مورد بررسی قررار گرفتهاند و سپس میزان قابلیت این روشها با مقایسه ضریب همبستگی بدست آمده برای هر روش، برای پیشبینی سرعت موج برشی با هم مقایسه شدهاند. با مقایسه نتایج بدست آمده مشخص شد كه استفاده از تكنیك رگرسیون خطی چندگانه جهت پیشبینی سرعت موج برشی با استفاده از پارامترهای چگالی (RHOB ) ، تخلخل نوترون ( NPHI ) و سرعت موج تراكمی( Vp ) نتیجه بهتری نسبت به سایر روشهای مورد بررسی دارد. لذا استفاده از مدل بدست آمده توسط روش رگرسیون خطی چندگانه جهت استفاده در سایر چاههای فاقد اطلاعات سرعت موج برشی نتیجه بهتری را در پی خواهد داشت.

Geomechanical studies of oil and gas reservoir affected by the dynamic modulus of the rock. Shear and compressional wave velocity are very important parameters in this studies. Due to practices and cost limitation, shear wave velocity is not available in all wells. Therefore, it is predicted from other available petrophysical data. In this paper, shear wave velocity in one reservoir of southwest Iranian oil fields predicted from well log data in two wells, which shear wave velocity data were available. Empirical correlations, artificial neural network method and multiple linear regression method were used to estimate the shear wave velocity. Then, based on the correlation coefficient obtained between real and predicted shear wave velocity, final results were compared together. It was found, the multiple linear regression method better than other methods to shear wave velocity prediction. So, selected correlation from multiple linear regression method will be used in other wells, which lacks of shear wave velocity data