تخمين اشباع آب سازندي با استفاده از رگرسيون قطعه اي غير خطي، آناليز خوشه اي و روش شبيه سازي مونت كارلو در يكي از مخازن هيدروكربوري جنوب غربي ايران

Estimation of formation water saturation using cluster analysis, piecewise nonlinear regression and Monte Carlo simulation in a carbonate reservoir, south-west Iran

تخمين اشباع آب سازندي با استفاده از داده هاي چاه نگاري، يك روش مهم براي اكتشاف نفت و تعيين ويژگي هاي مخزن به حساب مي آيد كه شبيه سازي و تخمين اين پارامتر را امري اجتناب ناپذير مي كند. در اين پژوهش در گام نخست براي ايجاد يك مدل و تخمين اشباع آب سازندي از تركيب آناليز خوشه اي با رگرسيون قطعهاي غيرخطي بهره گرفته شده است. در مرحله ي بعد به كمك مدل ايجاد شده و روش شبيه سازي مونت كارلو، مقادير اشباع آب سازندي شبيه سازي شده است. براي اين كار از بانك اطلاعاتي مجموعه داده هاي تصحيح شده در ميدان نفتي مارون استفاده شده است. نتايج بدست آمده از تركيب آناليز خوشه اي با رگرسيون قطعهاي غيرخطي و شبيه ساري مونت كارلو نشان از دقت و كارايي قابل قبول اين شبيه سازي را مي دهد، به طوري كه ميانگين مقادير اشباع آب سازندي در مدلسازي با مقادير اندازه گيري شده در آزمايشگاه بسيار به هم نزديك مي باشند. بعلاوه در اين تحقيق از آناليز حساسيت جهت تعيين موثرترين پارامتر ورودي، در تعيين اشباع آب سازندي استفاده شده است. بر اساس نتايج بدست آمده تاثيرگذارترين متغير در تخمين درجه اشباع آب لاگ چگالي ميباشد. لازم به ذكر است كه نتايج اين پژوهش تنها براي منطقه مورد مطالعه صادق است و براي ساير مناطق تنها استفاده از متودولوژي اين پژوهش توصيه مي شود.

Estimation of formation water saturation (Sw) using log data is an important approach in the seismic exploration and characterization of a hydrocarbon reservoir. Therefore، it seems that the proper prediction/simulation of Sw is essential. The first objective of this study was to develop a predictive model for Sw estimation based on hybrid cluster analysis with piecewise nonlinear regression، and after that، using the developed model، Sw was simulated by the Monte Carlo simulation (MCS). In order to achieve objectives of this study، a group of 909 data points was used for model construction and 302 data points were employed for assessment of model. The obtained results of MCS modeling indicated that this approach is capable of simulating Sw ranges with a good level of accuracy. The mean of simulated Sw by MCS was obtained as 0.28 m، while this value was achieved as 0.29 m for the measured one. Furthermore، a sensitivity analysis was also conducted to investigate the effects of model inputs on the output of the system. The analysis demonstrated that RHOB is the most influential parameter on Sw among all model inputs. It is noticeable that the proposed hybrid cluster analysis with piecewise nonlinear regression and MCS models should be utilized only in the studied area and the direct use of them in the other conditions is not recommended.