تعيين الكتروفاسيس‌هاي مخزن بنگستان با استفاده از شبكه عصبي SOM در يكي از ميادين جنوب غرب ايران

Electrofacies Determination Using SOM Neural Network in Bangestan Reservoir, SW Iran

مطالعه الكتروفسیس‌های مخزن یكی از موضوعات مهم كنونی در ارزیابی نهایی مخازن هیدروكربنی می‌باشد، تعیین زون‌های با كیفیت مخزنی بالا می‌تواند نقش به‌سزایی در مباحث تولید از مخازن هیدروكربنی و توسعه میادین داشته باشد. الكتروفاسیس بر مبنای خوشه‌بندی داده‌ها تعریف می‌شود، مبنای خوشه‌بندی، قرار دادن نمودارهای پتروفیزیكی مشابه در گروه‌های یكسان و تمایز آنها از سایر گروه‌ها می‌باشد. پژوهش حاضر درخصوص سازند بنگستان در یكی از میادین نفتی جنوب غرب ایران صورت پذیرفته است. در ابتدا با استفاده از روش‌های مختلف خوشه‌بندی SOM ،MRGC و DC در تعدادی از چاه‌های میدان، مدل اولیه الكتروفاسیس تعیین گردید. الكتروفسیس‌های تعیین شده با واحدهای جریانی حاصل از تخلخل و تراوایی مغزه چاه‌پیمایی تطابق داده شد و از بین آنها روش خوشه‌بندی SOM كه دارای بیشترین تطابق بود جهت خوشه‌بندی انتخاب گردید. 9 الكتروفاسیس اولیه ایجاد شده كه با توجه به شباهت برخی از پارامترها از قبیل تخلخل موثر و نگار پرتو گاما به 4 الكتروفاسیس تقلیل داده شد. این الكتروفاسیس‌ها به كل میدان بسط داده شد و در نتیجه مدلی ایجاد گردید كه توانایی جدایش بخش‌های مختلف مخزنی را از همدیگر دارا بود. این مدل نشان دهنده كاهش كیفیت مخزنی از بخش‌های بالایی مخزن به سمت بخش‌های پائینی مخزن بود و همچنین بیانگر تغییرات كیفیت مخزنی در طول میدان می‌باشد.  

The reservoir electrofacies study is one of important subjects in hydrocarbon reservoirs scope now. Determination of the high reservoir quality zones can play an important role in production view of the hydrocarbon reservoir and their development. Electrofacies is defined on the basis of clustering which is grouping all similar log data in unique set and distinguished it from other sets.  In the present research at first using SOM, MRGC and DC methods, primary model of electrofacies in a number of field’s wells has been determined. Electrofacies have determined by different methods correlated with identified flow unit’s derived Core storage capacity (phie*h)-flow capacity(K*h) data, and SOM method has been chosen among them for clustering which had the highest accordance. 9 created Initial electrofacies reduced to 4 electrofacies according to the analogy of some parameter; such as, porosity and gamma logs. This electrofacies have been generalized for entire filed resulting in creation of a model with separation capability of the deferent reservoir zones. This model shows a decrease in reservoir quality from the upper part to the bottom of the reservoir also depicts reservoir quality changes whole the studied field.