برآورد توان هیدروکربن زایی سازندهای پابده و گورپی در چاههای A و B ، با استفاده از روش LogR ∆ و شبکه عصبی در یکی از میدانهای نفتی جنوب باختری ایران
برآورد توان هیدروکربن زایی سازندهای پابده و گورپی در چاههای A و B ، با استفاده از روش ∆LogR و شبکه عصبی در یکی از میدانهای نفتی جنوب باختری ایران
نوشته:مهدی پاریاب*
تاریخ دریافت: 17/04/1385
تاریخ پذیرش: 01/07/1385
چکیده
سنگهای منشأ هیدروکربن به عنوان منبع تولید و استخراج هیدروکربن، همواره مورد توجه بوده و با آزمایشهای گوناگون، بررسی میشوند. در این مقاله نیز سعی شده از روشی با هزینه و زمان کمتر یکی از ویژگیهای آنها مطالعه گردد. به منظور تعیین توان هیدروکربنزایی سنگ منشأ هیدروکربن، در آزمایشگاه ژئوشیمی با استفاده از دستگاه Rock-Eval تعداد محدودی نمونه آزمایش شد و گازهای هیدروکربن متساعد شده از نمونهها در دمایC° 350 به عنوان توان حال حاضر تولید هیدروکربن از سنگ منشأ هیدروکربن تحت واحدmgHy/gr rock و یاKgHy/Ton rock در نظر گرفته شد. از آنجا که این نوع برآورد توان هیدروکربنزایی، زمان و هزینه نسبتاً بالایی دارد و در کل میدان یا بازه سازند اعمال نمیشود، در روشی که در این مطالعه استفاده گردیده، با کالیبره کردن اطلاعات حاصل از نمونهها که محدود به نقاط خاصی از چاهها بوده، میتوان در نقاط دیگر فاقد اطلاعات نمونه، نیز این ویژگی را تعیین کرد. پس از مشخص نمودن اطلاعاتی همانند S2،Tmax وTOC در آزمایشگاه به منظور برآورد توان هیدروکربنزایی (S2) در دو سازند پابده و گورپی، از روش LogR ∆ و برهمنهی نگارهای چاهنگاری مقاومت- صوتی، مقاومت- چگالی و مقاومت- نوترون، مقادیر TOC در دو سازند مذکور در چاههای A و B یکی از میدانهای نفتی در جنوب باختر ایران محاسبه گردید. سپس با تعمیم رابطهای که از مقایسه اطلاعات حاصل از مغزهها بین S2 و TOC در این دو چاه به دست آمد، در کل بازه سازندها مقدار S2 از این رابطه و مقادیر TOC حاصل از روش LogR ∆ محاسبه شد و توان این دو سازند در تولید هیدروکربن ارزیابی گردید. در نهایت نیز مقادیر به دست آمده در هر چاه توسط شبکه عصبی پیشخور با قابلیت آموزش برگشتپذیر طراحی شده توسط روش آزمون و خطا در نرمافزار Matlab، مورد بررسی قرار گرفته و نتایج مناسبی از شبکه به دست آمد.
کلید واژهها: سنگ منشأ، توان هیدروکربنزایی، کل کربن آلی، پیرولیز راک- اوال، Tmax ، نگار مقاومت، نگار صوتی، نگار چگالی، نگار نوترون، شبکه عصبی پیشخور، آموزش برگشتپذیر.
*گروه مهندسی اکتشاف نفت، دانشکده مهندسی معدن، دانشکده فنی دانشگاه تهران