تفسير الكتروفاسيس‌ها با استفاده از شبكه عصبي SOM و ارتباط آن با ليتوفاسيس‌هاي گروه خامي در ميدان نفتي مارون (جنوب غرب ايران)

Determination and Interpretation of Electrofacies using SOM Neural Network and its Application to Prediction of Khami Group Facies in Marun Oil Field (South West Iran)

اين پژوهش براي اولين بار به مطالعه مخزن خامي از جنبة الكتروفاسيس و تفكيك بخش‌هاي مخزني در 5 چاه و شناسايي واحدهاي جرياني در 2 چاه در ميدان نفتي مارون مي‌پردازد. همچنين براي اولين بار در اين ميدان نفتي داده‌هاي واحدهاي جرياني با داده‌هاي حاصل از مطالعات پتروگرافي در اين مطالعه مورد مقايسه قرار گرفتند. در اين ميدان براساس داده‌هاي حاصل از نگارهاي چاه‌پيمايي و روش خوشه‌بندي 5 الكتروفاسيس شناسايي و تفكيك شدند. در ادامه الكتروفاسيس‌هاي مورد مطالعه با واحدهاي جرياني حاصل از تخلخل و تراوايي مغزه‌ها مطابقت شدند. داده‌هاي حاصل از آزمايش فشار موئينه نشان مي‌دهند كه از واحد جرياني 1 به‌سمت واحد جرياني 4 به مقدار و اندازه گلوگاه‌هاي تخلخل اضافه شده و ارتباط اين گلوگاه‌ها افزايش مي‌يابد. مقايسه الكتروفاسيس‌ها و داده‌هاي واحدهاي جرياني همراه با مطالعات پتروگرافي مخزن نشان‌دهندة ارتباط مناسب الكتروفاسيس‌ها و ليتوفاسيس‌ها است. همچنين، ارتباط نزديكي بين اطلاعات مربوط به الكتروفاسيس‌ها و ليتوفاسيس‌ها نشان مي‌دهد كه مخزن خامي تا حدودي يك مخزن پتروفيزيكي است، به‌طوري‌كه تغييرات زون‌هاي توليدي با تغييرات پتروفيزيكي همخواني كاملاً واضحي نشان مي‌دهد. در خاتمه مدل نهايي حاصله در چاه مبنا براساس تلفيق الكتروفاسيس‌هاي تعيين شده و ليتوفاسيس‌هاي مورد مطالعه اين مدل در كل چاه‌هاي موجود واقع در ميدان نفتي مارون بسط داده شد. اين مدل قادر به شناسايي و تفكيك نواحي داراي كيفيت مخزني خوب و بد از يكديگر است. مدل حاصله در مخزن خامي از ميدان مارون مي‌تواند جهت توسعة مدل استاتيك مورد استفاده قرار گيرد.

In this research electrofacies and reservoir zonation in 5 wells together with flow unit characterization in the Khami reservoir are investigated in Marun oilfield for the first time. The flow units data are compared with petrographic studies in this oilfield. Based on well logging data as well as clustering method, 5 electrofacies determined and separated. The studied electrofacies are correlated with flow units derived from core porosity and permeability. Capillary pressure tests indicated an increase of amount and porous size from flow unit 1 to flow unit 4 together with increment in their relationship. Based on electrofacies and flow units data along with petrography studies the comparison in reservoir indicated a suitable relationship between electrofacies and lithofacies. Similarity between electrofacies and lithofacies data indicated that the Khami reservoir is almost a petrophysical reservoir reflecting compatible characteristics between productive zones and petrophysical variations. Integration between determined electrofacies and the studied lithofacies presented as a final model in base well and developed all over the Marun oilfield. This model can determine and differentiate areas involving good and bad reservoir quality. The proposed model can apply for developing a static model in the Maron oilfield.