ساخت نمودار سرعت موج برشي با بهره‌گيري از الگوريتم كلوني مورچه و استفاده از داده‌هاي چاه‌پيمايي در ميدان نفتي چشمه خوش

Shear Wave Velocity Synthesis Using Conventional Well Log Data and Ant Colony Algorithm in Cheshmeh–Khosh Oilfield

محاسبه پارامترهای ژئومكانیكی مخزن همانند سرعت موج برشی و سرعت موج فشاری از جمله پارامترهای مهمی است كه مهندسین مخازن نفت و گاز همواره درصدد محاسبه آن بوده‌اند. با محاسبه این فاكتورها، می‌توان به پارامترهای الاستیك مخزن كه نقش مهمی در شناخت علل شكستگی‌های مخزنی و مسائلی نظیر پایداری دیواره چاه و عملیات شكافت هیدرولیكی مخزن دارد، دست یافت. در این مطالعه به ساخت نمودار سرعت موج برشی از طریق الگوریتم كلونی مورچه كه روشی نوین و فوق‌العاده قدرتمند در عرصه هوش مصنوعی و بهینه‌سازی است، پرداخته شده و نتایج به‌دست آمده با نتایج حاصل از روش‌های پیشین مورد مقایسه قرار گرفته است. پس از بررسی نمودارهای مختلف، نمودارهای RHOB ،Vp ووNPHI به‌‌عنوان ورودی‌های مدل ساخته شده مورد استفاده قرارگرفته است. برای ساخت مدل و بررسی عملكرد آن، داده‌های موجود به دو گروه داده‌های آموزشی و داده‌های آزمایش تقسیم گردید. نتایج نشان‌دهنده عملكرد بسیار مناسب الگوریتم كلونی مورچه در تخمین پارامترهای ژئومكانیكی مخزن است و پیشرفت قابل ملاحظه‌ای در زمینه بهینه‌سازی فراابتكاری حاصل شده است.  

The prediction of geomechanical parameters of a reservoir such as compressional and shear waves velocities is an important subject for the gas and oil reservoir engineers to understand the reasons of reservoir fracturing, well stability, and hydraulic fracturing process through the characterization of these elements. In the present study, we tried to predict the compressional wave velocity by a new and powerful technical method of ant colony algorithm. The results were then compared with other artificial intelligence methods. The input data of the model were selected logs of NPHI, RHOB, and Vp. To provide the model and its validity, all the data were divided into two parts: education and testing. The results revealed that ant colony algorithm had a high potential to estimate the geomechanical parameters of the reservoir, which has made considerable advances in improving data.