شماره ركورد كنفرانس :
4731
عنوان مقاله :
خوشه بنديرخساره هاي الكتريكي مخزن با استفاده از الگوريتم MRGC
عنوان به زبان ديگر :
Reservoir electro-faciesclusteringusing MRGC algorithm
پديدآورندگان :
باقري مجيد majidbagheri@ut.ac.ir استاديار گروه فيزيك زمين،مؤسسه ژئوفيزيك دانشگاه تهران،ايران , رضايي هادي دانش آموخته كارشناسي ارشد ژئوفيزيك،موسسه ژئوفيزيك دانشگاه تهران، ايران
كليدواژه :
رخساره الكتريكي , خوشه سازي , پارامترهاي مخزني , گروه هاي سنگي , تطابق سازندي
عنوان كنفرانس :
هجدهمين كنگره ملي ژئوفيزيك ايران
چكيده فارسي :
امروزه تعيين رخساره هاي الكتريكي در سازندهاي مخزني يكي از مطالعات رايج در زمينه توصيف خصوصيات مخازن است. كاربرد فراوان اين رخساره ها و قابليت آنها براي تعيين پارامترهاي مخزني خاص با توجه به نوع داده هاي ورودي، اين روش را به يكي از توانمندترين ابزارها در مطالعات مخزني تبديل كرده است. از رخساره ها در مواردي مانند تفكيك بخشهاي مخزني از غيرمخزني، جايگزين گروه هاي سنگي در مدل هاي مخزني و تطابق سازندي در سطح ميدان استفاده ميگردد. روش خوشهبندي چند تفكيكي برپايه گراف (Multi-resolution graph-based clustering Multi-resolution graph-based clustering) يا همان MRGC مؤثرترين خروجي ها را در شناسايي رخساره هاي الكتريكي در مخازن كربناته نتيجه ميدهد. در اين روش، معايب ديگر روشهاي خوشهبندي مانند آگاهي قبلي در مورد تعداد خوشه هاو پارامترهاي اوليه حذف شده است. در اين تحقيق كه مربوط به يكي از مخازن گازي كربناته در خليج فارس مي باشد با استفاده از نگارهاي DT، NPHI، RHOB و PEF مربوط به چاه هاي ميدان، تعداد چهار رخساره الكتريكي در ميدان مورد نظر شناسايي شده است.
چكيده لاتين :
Nowadays, the determination of electro facies in reservoir formations is one of the common studies in describing reservoir properties. The abundant use of these facies and their ability to determine specific reservoir parameters according to the type of input data, has made this method one of the most powerful tools in reservoir studies. The application of these facies are in some cases such as the separation of reservoir segments from non-reservoirs, alternative rock groups used in reservoir models and formation matching at field level. Multi Resolution Graph-based Clustering (MRGC) has the most effective results in identifying electrical facies in carbonate reservoirs. In this method, other disadvantages of clustering methods such as previous knowledge about the number of clusters and early parameters have been eliminated. In this research, which is related to one of the carbonate gas reservoirs in the Persian Gulf, four electric facies have been identified by using DT, NPHI, RHOB and PEF well logs of the field.