خوشه بندی رخساره های الکتریکی مخزن با استفاده از الگوریتم MRGC

عنوان دوره: هجدهمین کنفرانس ژئوفیزیک ایران
کد مقاله : 1357-NIGS
نویسندگان
چکیده
امروزه تعیین رخساره های الکتریکی در سازندهای مخزنی یکی از مطالعات رایج در زمینه توصیف خصوصیات مخازن است. کاربرد فراوان این رخساره ها و قابلیت آن ها برای تعیین پارامترهای مخزنی خاص با توجه به نوع داده های ورودی، این روش را به یکی از توانمندترین ابزارها در مطالعات مخزنی تبدیل کرده است. از رخساره ها در مواردی مانند تفکیک بخش های مخزنی از غیر مخزنی، جایگزین گروه های سنگی در مدل های مخزنی و تطابق سازندی در سطح میدان استفاده می گردد. روش خوشه بندی چند تفکیکی برپایه گراف یا همان MRGC مؤثرترین خروجی ها را در شناسایی رخساره های الکتریکی در مخازن کربناته نتیجه می دهد. در این روش، معایب دیگر روش های خوشه بندی مانند آگاهی قبلی در مورد تعداد خوشه ها و پارامترهای اولیه حذف شده است. در این تحقیق که مربوط به یکی از مخازن گازی کربناته در خلیج فارس می باشد با استفاده از نگارهای DT، NPHI، RHOB و PEF مربوط به چاه های میدان، تعداد چهار رخساره الکتریکی در میدان مورد نظر شناسایی شده است.
کلیدواژه ها
 
Title
Reservoir electro-facies clustering using MRGC algorithm
Authors
Abstract
Nowadays, the determination of electro facies in reservoir formations is one of the common studies in describing reservoir properties. The abundant use of these facies and their ability to determine specific reservoir parameters according to the type of input data, has made this method one of the most powerful tools in reservoir studies. The application of these facies are in some cases such as the separation of reservoir segments from non-reservoirs, alternative rock groups used in reservoir models and formation matching at field level. Multi Resolution Graph-based Clustering (MRGC) has the mo st effective results in identifying electrical facies in carbonate reservoirs. In this method, other disadvantages of clustering methods such as previous knowledge about the number of clusters and early parameters have been eliminated. In this research, which is related to one of the carbonate gas reservoirs in the Persian Gulf, four electric facies have been identified by using DT, NPHI, RHOB and PEF well logs of the field.
Keywords
Electro facies, Clustering, Reservoir parameters, Rock groups, Formation matching