کاربرد شبکه های عصبی مصنوعی و نشانگرهای لرزه ای در مطالعه مخازن هیدروکربنی

عنوان دوره: هجدهمین کنفرانس ژئوفیزیک ایران
کد مقاله : 1206-NIGS
نویسندگان
چکیده
معمولاً برای تعیین لیتولوژی از دو روش مستقیم (آنالیز مغزه) و غیر مستقیم (ارزیابی داده‌های نمودارهای چاه‌پیمایی) استفاده می‌شود. این روش‌ها مستلزم صرف هزینه و وقت زیادی می-باشند. بنابراین به دلایل اقتصادی فقط تعداد کمی از چاه‌های یک میدان دارای مغزه می‌باشند، ولی نمودارهای چاه‌پیمایی برای اکثر چاه‌ها در دسترس‌اند. در این مطالعه داده‌های لرزه-ای یکی از میادین نفتی جنوب غربی ایران به همراه نگارهای موجود از چاه‌ها به کار گرفته شد تا پس از استخراج روابط موجود بین نشانگرهای لرزه‌ای و مقادیر حجم انیدریت در محل چاه‌ها، از این روابط برای مدل‌سازی حجم انیدریت با استفاده از روش شبکه‌های عصبی مصنوعی، در فواصل چاه‌ها استفاده شود.
کلیدواژه ها
 
Title
Artificial neural networks and seismic attributes application in the study of hydrocarbon reservoir
Authors
Abstract
Commonly two methods including direct (core analysis) and indirect (evaluation of well logging data) used to determine lithology. These methods require a lot of time and cost. Therefore, for economic reasons, only cores of a few wells of a field are available, but well logging data are available for most wells. In this study, the seismic data of one of the Southwestern oil fields of Iran were used along with the available logs of wells of this field in order to use the extracted relationships between seismic attributes and values of the anhydrite volume in the wells to estimate the anhydrite volume in wells intervals using artificial neural networks method.
Keywords
Artificial Neural Network, Seismic Attribute, Seismic inversion, Hydrocarbon reservoir, Well logging, Lithology