مدلسازي سنگ شناسي در ميدان گازي پارس جنوبي با استفاده از شبكه عصبي مصنوعي

Modeling of Lithology in South Pars Gas Field Using Artificial Neural Network

مغزه گيري از تعدادي چاه بدون توجه به اندازه ميدان نفتي، براي به دست آوردن اطلاعات كلي از منطقه، امري ضروري و غيرقابل اجتناب مي باشد. مغزه گيري از تمام چاه ها در يك ميدان بزرگ بسيار پرهزينه است. بنابراين، يافتن راهي براي گريز از اين هزينه بالا ضروري به نظر مي رسد. اين پژوهش به مدل سازي شبكه هاي عصبي مصنوعي، به منظور استفاده از نگارهاي چاه براي تخمين ليتولوژي در يكي از مخازن ميدان گازي پارس جنوبي اختصاص دارد. در اين تحقيق، از يك شبكه عصبي سه لايه با الگوريتم پس انتشار خطا و الگوريتم آموزش لونبرگ- ماركوآرت، براي تخمين (BP) سنگ شناسي استفاده شده است. نگارهاي نوترون، چگالي، به صورت ورودي شبكه (PEF) پرتو گاما و اثرفتوالكتريك در نظر گرفته شده است. در اين تحقيق، داده هاي مربوط به چهار چاه در ميدان پارس جنوبي مورد استفاده قرار گرفته كه داراي (SPF و 2 SPF است. از داده هاي دو چاه (چاه هاي 1 آناليز مغزه بودند براي آموزش شبكه، اعتبارسنجي و آزمون استفاده شد و سپس شبكه طراحي شده جهت تخمين سنگ مورد استفاده (SPF و 4 SPF شناسي دو چاه ديگر (چاه هاي 3قرار گرفت و با داده هاي مغزه آن ها مقايسه گرديد. سنگ هاي مورد بررسي عبارتند از: دولوميت، آهك، آهك دولوميتي، دولوميت آهكي، انيدريت، شيل، آهك شيلي و دولوميت SPFبراي چاه 3 (MSE) شيلي. مقدار ميانگين مربعات خطا 0 مي باشد. / برابر 098 SPF 0 و براي چاه 4 / برابر 0

Coring from several wells, regardless of the oil field acreage, is an inevitable and necessary task in order to obtain general information of the region. Yet, coring in wells of huge fields is excessively costly. Therefore, finding a solution to avoid this excessive expense seems to be crucial. This work presents a type of artificial neural network modeling in order to use well bore logs in lithology prediction in one of the South Pars gas field reservoirs. Here, a network with three-layer back propagation (BP) method and Levenberg-Marquwardt algorithm has been used for lithology estimation. The network utilized density, neutron, gamma-ray and photoelectric effect (PEF) logs as inputs. Data from four wells in South Pars field has been used. Data from two wells (wells SPF1 and SPF2) having core analysis were used as network training, validation and testing. The network was then utilized to estimate the lithology in the two other wells (wells SPF3 and SPF4) and the results were compared with the core data (real lithology). The interval under investigation consists of Dolostone, Limestone, Dolomitic Limestone, Limy Dolostone, Anhydrite, Shale, Shaly Limestone and Shaly Dolostone. The mean square error (MSE) of rock types were 0.081 and 0.094 for SPF3 and SPF4 wells, respectively.