بدست اوردن رخساره مخزنی باداده ی لرزه ای وشبکه عصبی مصنوعی
عنوان دوره: هجدهمین کنفرانس ژئوفیزیک ایران
نویسندگان
دانشگاه صنعت نفت
چکیده
یکی از اهداف در تفسیر لرزه نگاری و مدل سازی مخزن این است که تغییرات ناهمسانگردی در لایه های زیر سطحی را نشان می دهد.در این مطالعه با آنالیز نشانگرهای لرزه‌ای، شبکه‌های عصبی مصنوعی و داده‌های چاه تغییرات رخساره‌ی مخزنی در مخزن غار از میدان هندیجان بدست آورده می‌شود.مدل سازی رخساره به وسیله‌ی الگوریتم کریجینگ شاخص و الگوریتم( SIS (Sequential Indicator Simulation می‌باشد.مقایسه‌ی این دو روش با رخساره مغزه نشان داد که دقت الگوریتم SIS با کمک روند احتمالی حدود95% و دقت کریجینگ شاخص حدود 92%, است. نتایج این پروژه نشان داد که کیفیت مخزن غار متوسط رو به بالا می‌باشد که دارای میانگین تخلخل حدود 0.18 و گامای حدود 29 است.
کلیدواژه ها
 
Title
Determination of Reservoir Facies with Seismic Data and Artificial Neural Networks
Authors
asieh zare, Seyed Reza Shadizadeh, amir shadram
Abstract
One of the purposes in seismic interpretation and reservoir modeling is mapping the changes of anisotropy in the subsurface layers. In this study, multi-attribute analyses were applied based on ANN methods and well logs data to determine the reservoir facies alteration and heterogeneity in the Ghar reservoir of the Hendijan oil field. The Sequential Indicator Simulation (SIS) algorithm coupled with the possible trend and indicator kriging was performed for each facies. Comparison of the mentioned models with core facies shows that the accuracy of SIS algorithm coupled with the possible trend and accuracy of indicator kriging are about 95% and 92%, respectively. The results showed reservoir quality with an average porosity of 0.18 and average gamma of 29 is from moderate to high.
Keywords
Reservoir Facies, Log Data, Seismic Attribute, Artificial Neural Network