ارائه روشی نوین جهت تخمین سرعت برشی از روی روابط فیزیک سنگ با اعمال اثر لیتولوژی و سیال
عنوان دوره: نوزدهمین کنفرانس ژئوفیزیک ایران
نویسندگان
1دانشگاه صنعتی سهند
2دانشگاه صنعتی سهند تبریز
چکیده
سرعت موج برشی دارای کاربردهای متعددی از قبیل تشخیص سیالات مخزنی، مطالعات لرزه‌نگاری چهاربعدی، تخمین لیتولوژی، تخلخل و تعیین پارامتر های ژئومکانیکی می باشد. برداشت سرعت برشی به دلیل هزینه نسبتا بالای آن، لزوما در تمامی چاه‌های نفت و گاز انجام نمی‌گیرد. بر همین اساس روش های مختلفی برای تخمین آن به کار گرفته شده است که می‌توان به روش‌هایی از قبیل روابط تجربی، رگرسیون های خطی و چند متغییره، شبکه های هوشمند و مدلسازی فیزیک سنگ اشاره کرد. در این پروژه، در مرحله اول، اقدام به تخمین سرعت برشی از روشهای متعددی گردیده است. در گروه روش‌های تجربی از روابط کاستاگنا (1985) و پیکت (1963) استفاده شده است. در بخش رگرسیون چند متغییره، برآورد سرعت برشی توسط چهار پارامتر ورودی موج تراکمی، چگالی، تخلخل و نوترون مد نظر بوده است. در قسمت شبکه های هوشمند، آموزش توسط الگوریتم لونبرگ-مارکوارت با چهار لایه ورودی، ده لایه میانی و یک لایه هدف انجام گرفته است. در مرحله بعدی، رابطه جدیدی از روی روابط فیزیک سنگ برای تخمین موج برشی استخراج گردید که از نگاره‌های سرعت تراکمی و چگالی استفاده می‌کند. این روش، اثر لیتولوژی و سیال را با اعمال مدول حجمی کانی‌های تشکیل دهنده سنگ و همچنین سیال های پر کننده منافذ را در نظر می‌گیرد. با مقایسه نتایج حاصل از روشهای متعدد، رابطه ارائه شده در این پروژه توانسته است نگاره سرعت برشی را با خطای قابل قبولی تخمین بزند.
کلیدواژه ها
 
Title
Providing a New Method to Estimate the Shear Wave Velocity from Rock Physics Equations by Considering Lithology and Fluid Effect
Authors
mohammad dalvand, Reza Falahat
Abstract
Shear wave velocity is widely used during seismic reservoir characterization such as lithology, porosity and fluid estimation, four-dimensional seismic studies and Geomechanical studies. Shear velocity logs are not necessarily acquired in all wells due to the costs. Therefore, different methods have been developed to estimate it using other logs. Methods such as empirical relations, multi-regression analysis, artificial neural networks, and rock physic modeling have been widely used for this purpose. In this study, Castagna et al (1993) and pickets (1963) relations were employed as empirical relations. Empirical relations could estimate the shear velocity log with significant error. Multi-regression was carried out employing four logs: Compressional velocity, density, neutron and porosity. In the artificial neural network step, the training is performed by the Levenberg-Marquardt algorithm with four input layers, ten middle layers and one target layer. Subsequently, a new equation is developed that estimates the shear velocity log using compressional velocity and density logs. This equation considers the impact of rock forming minerals and pore filling fluids using its modulus. Comparison of the results using different methods proved the accuracy of this method in a real case study.
Keywords
shear wave Velocity, Rock Physic, Empirical relations, Multi-regression, Neural network