تخمين ليتولوژي با وارون سازي داده‌هاي لرزه‌اي و شبكه عصبي احتمالاتي در يكي از مخازن نفتي جنوب غربي ايران

شناخت صحيح نوع سنگ‌هاي تشكيل دهنده مخازن هيدروكربني، نقش اساسي در تخمين پارامترهاي پتروفيزيكي و ژئومكانيكي مخازن داشته و براي مراحل مختلف مهندسي نفت از حفاري و كنترل مخازن تا فرآيندهاي ازدياد برداشت حائز اهميت است. روش‌هاي مختلفي در خصوص تعيين ليتولوژي سازندهاي مخزني وجود دارد كه از ميان آن‌ها استفاده از داده‌هاي لرزه‌اي براي اين منظور روشي كم هزينه و سريع محسوب مي‌شود. در همين راستا، مقاله حاضر با استفاده از امپدانس صوتي تخمين زده شده از وارون سازي داده لرزه‌اي پس از برانبارش و ساير نشانگرهاي لرزه‌اي، به طراحي و آموزش شبكه‌هاي مصنوعي با هدف تعيين ليتولوژي مي‌پردازد. به اين منظور، ابتدا درصد كاني‌هاي كلسيت، كوارتز و انيدريد در محدوده سازند آسماري در ميدان مورد مطالعه بدست آمد. سپس با وارون سازي داده‌هاي لرزه‌اي در محدوده اين سازند، مدل امپدانس صوتي در كل سازند تخمين زده شد. با استفاده از امپدانس صوتي تخمين زده شده و محاسبه ساير نشانگرهاي لرزه‌اي، مناسب‌ترين نشانگرها براي تخمين درصد كاني‌هاي ياد شده با استفاده از روش رگرسيون چند نشانگري محاسبه شد و خطاي آموزش آن در محل چاه‌هاي 151،114،10 به ترتيب برابر 79 ،81 و80 درصد بدست آمد همچنين خطاي اعتبارسنجي آن روش در محل چاه‌هاي مذكور به ترتيب 72 ،71 و 70 درصد شد. سپس با تعميم رگرسيون ياد شده، درصد اين كاني‌ها در كل مخزن تخمين زده شد. سپس با استفاده از برترين نشانگرهاي شناسايي شده در روش رگرسيون چند نشانگري، شبكه عصبي مصنوعي احتمالاتي (PNN) آموزش و طراحي شد كه خطاي آموزش روش ياد شده در محل چاه‌هاي 114،10 و 151 آن ميدان به ترتيب برابر91، 79 و 80 بدست آمد و خطاي اعتبارسنجي نيز به ترتيب چاه هاي يادشده 83، 73 و 72 درصد شد. مقاطع بدست آمده از رگرسيون چند نشانگري و شبكه‌عصبي PNN در خصوص نوع ليتولوژي سازند نشان داد كه بيشينه تمركز كلسيت و انيدريد در نيمه بالايي سازند آسماري قرار دارد.