بهبود برآورد توزيع تخلخل با استفاده از نشانگرهاي لرزه‌اي مولفه‌هاي تك‌‌بسامد،‌ پهناي نوار لحظه‌اي و افزايش زمانtime gain) ): بررسي موردي بر روي يكي از ميادين هيدروكربوري خليج فارس

Improving the prediction of reservoir porosity through a combination of iso-frequency component, instantaneous bandwidth and time gain seismic attributes: A case study on an oil field at Persian Gulf

معمولا دو مجموعه از اطلاعات براي مدل سازي ساختار زمين‌شناسي و ويژگي هاي مخزن موجود است. 1- داده هاي حاصل از چاه‌نگاري كه داراي دقت عمقي مناسب و توزيع مكاني كمي در محدوده ميدان هستند و 2- داده‌هاي لرزه اي كه داراي توزيع مكاني مناسب و دقت عمقي كمي هستند. لذا استفاده هم‌زمان از اين دو سري داده براي توصيف پارامترهاي مخزن مي‌تواند نتايج بهتري نسبت به استفاده جداگانه از اين اطلاعات توليد كند. براي استفاده هم‌زمان نياز به همسان‌سازي آنها است كه معمولا كار مشكلي است . ازآنجاكه نرم‌افزار‌‌هاي گوناگون توانايي‌‌هاي متفاوتي دارند و هركدام براي وظيفه مشخصي توسعه يافته‌‌اند، بنابراين نشانگر‌‌هايي را هم كه در بر مي‌گيرند، متفاوت است. بررسي‌‌هاي اين تحقيق نشان داد كه نشانگر‌‌هايي از قبيل مولفه‌هاي تك‌‌بسامد، پهناي نوار لحظه‌اي و افزايش زمان (time gain) ميزان همبستگي بزرگي را با پارامتر تخلخل به‌دست مي‌‌دهد. نشانگر‌‌هاي ياد شده از نرم‌افزار پترل استخراج شده‌اند. بنابراين هدف اصلي اين تحقيق را مي‌‌توان تركيب نشانگرهاي لرزه‌‌اي، مولفه‌هاي تك‌‌بسامد،‌ پهناي نوار لحظه‌اي و افزايش زمان با داده‌‌هاي چاه‌نگاري براي برآورد توزيع پارامترهاي مخزني بيان كرد. اين تحقيق براي برآورد توزيع تخلخل موثر لايه مخزني سروك در يكي از ميادين هيدروكربوري واقع در خليج فارس صورت گرفت. در ابتدا از نشانگر هاي موجود در نرم افزار همپسون-راسل به كمك داده‌هاي چاه نگاري براي برآورد تخلخل استفاده شد، توزيع تخلخل برآورد‌ شده دقت قابل‌‌قبولي داشت. در اين حالت ميزان متوسط همبستگي بين لاگ‌‌هاي تخلخل واقع در چاه‌‌ها و لاگ‌‌هاي برآورد شده برابر 68 درصد براي روش شبكه عصبي احتمال‌پذير به‌دست آمد. در ادامه براي بهبود برآورد ويژگي پتروفيزيكي مخزن، نشانگرهاي ديگري از نرم افزار پترل (Petrel) كه در ارتباط با ويژگي هاي پتروفيزيكي مخزن بودند، استخراج شدند و به همراه نشانگرهاي موجود در نرم افزار همپسون-راسل براي برآورد توزيع تخلخل مورد استفاده قرار گرفتند. اين حالت باعث بهبود چشمگيري دربرآورد توزيع تخلخل شد؛ به‌‌طوري‌‌كه در اين حالت ميزان متوسط همبستگي بين لاگ‌‌هاي تخلخل واقع در چاه‌‌ها و لاگ‌‌هاي برآورد شده برابر 79 درصد براي روش شبكه عصبي احتمال‌‌پذير به‌دست آمد.