تخمین شاخص بلوغ از نگارهای چاه‌پیمایی و داده‌های لرزه‌ای با بکارگیری روش بهینه‌سازی کلونی مورچگان در میدان نفتی منصوری

• Main Authors: هدی عبدی زاده, علی احمدی, علی کدخدائی, محمد حسین حیدری فرد
• Format: Article
• Language: fas
• Published: Research Institute of Petroleum Industry 2018-02-01
• Series: Pizhūhish-i Naft
• Subjects: شاخص بلوغ; نگارهای چاه‌پیمایی; وارون‌سازی لرزه‌ای; شبکه عصبی احتمالاتی; بهینه‌سازی کلونی مورچگان
• Online Access: https://pr.ripi.ir/article_720_fabe30c2f9f2598a26cabf34c4c7d602.pdf
• ISSN: 2345-2900; 2383-4528

بلوغ حرارتی فاکتور مهم ژئوشیمیایی در اکتشاف هیدروکربن و ارزیابی سنگ منشأ می‌باشد. بلوغ حرارتی شاخصی جهت تعیین حداکثر دما می‌باشد که سنگ منشأ طی مراحل مختلف ارزیابی هیدروکربن متحمل شده است. اندازه‌گیری این پارامتر مستلزم انجام آزمایشات ژئوشیمی بر روی کنده‌های حفاری می‌باشد که پرهزینه و وقت‌گیر است، بنابراین هدف اصلی تحقیق توسعه یک روش نوین برای تخمین مستقیم این پارامتر از نگارهای چاه‌پیمایی و داده‌های لرزه‌ای با استفاده از الگوریتم فراابتکاری به نام الگوریتم کلونی مورچگان است. در این پژوهش، داده‌های لرزه‌ای 2 بعدی و داده‌های پتروفیزیکی سازند پابده از 3 چاه میدان نفتی منصوری مورد استفاده قرار گرفت. همچنین معادله شاخص بلوغ در محل چاه‌ها جهت پیشگویی شاخص بلوغ از نگارهای چاه‌پیمایی مانند نوترون، مقاومت، صوتی و چگالی استفاده گردید. این مقادیر محاسبه شده به‌عنوان ورودی آنالیز چند نشانگری به کار گرفته شد. وارون‌سازی لرزه‌ای براساس الگوریتم شبکه عصبی به دلیل دقت بالا اجرا شد و امپدانس صوتی حاصله به‌عنوان نشانگر بیرونی به‌کار برده شد. سپس شبکه عصبی احتمالاتی با استفاده از نشانگرهای پیشگویی شده حاصل از رگرسیون چندگانه آموزش داده شد. متعاقباً شاخص بلوغ با ضریب تطابق 87% توسط نشانگرهای لرزه‌ای تخمین زده شد. در مرحله بعد، روش بهینه‌سازی کلونی مورچگان غیر‌خطی به‌عنوان ابزاری هوشمند جهت تخمین و تولید مقطع لرزه‌ای شاخص بلوغ استفاده گردید. کلونی مورچگان غیر‌خطی ضرایب وزنی را برای هر یک از نشان‌گرهای لرزه‌ای محاسبه نمود. ضریب تطابق بین داده‌های ورودی و خروجی توسط الگوریتم ژنتیک غیر‌خطی 91% تخمین زده شد. در انتها، مقطع لرزه‌ای شاخص بلوغ تولید شد. مقایسه نتایج حاصل از روش‌های  شبکه عصبی احتمالاتی و بهینه‌سازی کلونی مورچگان نشان داد که صحت مدل کلونی مورچگان بیشتر از شبکه عصبی احتمالاتی است.