تخمین پارامترهای ژئومکانیکی از روی نگارههای چاه با استفاده از روش هوشمند رگرسیون بردار پشتیبان در یکی از میادین نفتی ایران
General Material Designation
[پایاننامه]
Parallel Title Proper
Estimation of Geomechanical Parameters from Well Logs Using Intelligent Support Vector Regression (SVR) Method in an Iranian Oil Field
First Statement of Responsibility
/محمدحسین گندمگون
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی نفت و گاز
Date of Publication, Distribution, etc.
، ۱۳۹۹
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۳۰ص.
Other Physical Details
:
GENERAL NOTES
Text of Note
زبان: فارسی
Text of Note
زبان چکیده: فارسی
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
NOTES PERTAINING TO PHYSICAL DESCRIPTION
Text of Note
مصور، جدول، نمودار
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی نفت- اکتشاف
Date of degree
۱۳۹۹/۰۵/۰۱
Body granting the degree
صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
مدیریت مخازن نفت و گاز با تخمین پارامترهای مکانیک سنگی رابطه مستقیم دارد .در مطالعات مهندسی نفت، مقاومت فشاری تکمحوری و مدولهای الاستیک از مهمترین فاکتورها در تخمین پارامترهای مکانیک سنگی هستند .دسترسی به این پارامترها در میدان برای تحلیل پایداری دیواره چاه، برنامهریزی حفاری و طراحی شکست هیدرولیکی بسیار مفید است .روش نسبتا دقیق برای تعیین این پارامترها، انجام تستهای آزمایشگاهی بر روی مغزه است که نیازمند هزینه هنگفت و زمان بسیار زیاد است؛ ازاینرو، اندازهگیری غیرمستقیم آنها از نگارهای پتروفیزیکی( که ارزانقیمت هستند و از پیوستگی برخوردارند) امری ضروری به نظر میرسد .بنابراین در این مطالعه، روش رگرسیون بردار پشتیبان برای تخمین پارامترهای ژئومکانیکی شامل مقاومت فشاری تکمحوری، مدول یانگ، نسبت پواسون، زاویه اصطکاک داخلی و فشار منفذی از نگارهای پتروفیزیکی به کار برده شد .برای نیل به این هدف، چاهها( ده حلقه چاه) بر اساس تحلیل حساسیت به دو دسته چاههای مدلسازی و اعتبارسنجی طبقهبندی شدند .بانک اطلاعاتی از دادههای چاههای اعتبارسنجی تشکیل و انتخاب ویژگی با استفاده از تحلیل ضرایب همبستگی بین نگارهای پتروفیزیکی با هر یک از پارامترهای ژئومکانیکی انجام شد .بر این اساس، نگارهای چگالی، تخلخل، سرعت موج فشاری و برشی برای مدلسازی مقاومت فشاری تکمحوری، مدول یانگ، نسبت پواسون و زاویه اصطکاک داخلی و نگارهای عمق، تخلخل، سرعت موج فشاری و برشی برای مدلسازی فشار منفذی انتخاب شدند .نتایج مدلسازی بر روی دادههای آموزش( ۸۰ درصد دادههای مدلسازی) و آزمون( ۲۰ درصد دادههای مدلسازی) نشان داد که مدلها از دقت و قابلیت تعمیم بالایی برخوردارند .بهکارگیری این مدلها در چاههای اعتبارسنجی نیز حاکی از دقت خوب و قابلیت تعمیم بالای مدلهای ساختهشده برای تخمین پارامترهای ژئومکانیکی مورد بررسی بودند .هرچند مدلسازی انجامشده برای فشار منفذی در مقایسه با مدلهای ساختهشده برای سایر پارامترهای ژئومکانیکی ضعیفتر بود، اما با توجه به رابطه اثباتشده ضعیف فشار منفذی با نگارهای پتروفیزیکی در مطالعات قبلی، نتیجه بهدستآمده قابل قبول و منطقی است؛ ازاینرو، با اطمینان میتوان بیان داشت که استفاده از این مدلها با توجه به دقت و قابلیت تعمیم بالا در سایر چاههای میدان مورد بررسی میتواند هزینههای مرتبط با اندازهگیری این پارامترها را به صورت چشمگیری کاهش دهد
Text of Note
A critical issue in reservoir management is the estimation of rock mechanical parameters. In the studies of petroleum engineering, uniaxial compressive strength and elastic modulus are of the most important factors in estimating rock mechanical parameters. Access to these parameters in field is very useful for analyzing stability of well wall, drilling planning and hydraulic fracturing design. Performing laboratory tests on the core is a very accurate method to determine these parameters that requires a great deal of time and cost. Therefore, their indirect measurement from petrophysical logs (which are cheap and have continuty) seems necessary. Therefore, in this study, the support vector regression method was used to estimate geomechanical parameters including uniaxial compressive strength, Young's modulus, Poisson's ratio, internal friction angle and pore pressure of petrophysical logs. The wells (in the well) based on sensitivity analysis were classified into two categories of modeling and validation wells to achieve this goal. The database was formed of validation well data and feature selection was performed using correlation coefficients between petrophysical logs with each geomechanical parameter. Accordingly, density logs, porosity, compressive and shear wave velocity were selected for modeling uniaxial compressive strength, Young's modulus, Poisson's ratio and internal friction angle, and depth logs, porosity, compressive and shear wave velocity were selected for pore pressure modeling. Modeling results on training data (80 modeling data) and test (20 modeling data) showed that the models have high accuracy and generalizability. The application of these models in the validation wells indicated good accuracy and high generalizability of the models constructed to estimate the geomechanical parameters studied. Although the modeling performed for pore pressure was weaker compared to the model made for other geomechanical parameters, but according to the proven weak relationship of pore pressure with petrophysical logs in previous studies, the obtained result is acceptable and reasonable. Therefore, it can be stated that using these models according to their high accuracy and generalizability in other field wells can reduce the costs related to measuring these parameters significantly.
ba
SERIES
Author
ا
PARALLEL TITLE PROPER
Parallel Title
Estimation of Geomechanical Parameters from Well Logs Using Intelligent Support Vector Regression (SVR) Method in an Iranian Oil Field
TOPICAL NAME USED AS SUBJECT
مدل مکانیکی زمین
رگرسیون بردار پشتیبانSVR))
پارامترهای ژئومکانیک
اطلاعات چاهنگاری
میدان نفتی
UNCONTROLLED SUBJECT TERMS
Subject Term
Geo-Mechanical Model, Vector Regression, Support Vector Regression (SVR), Geomechanical Parameters, Well Logging Information, Oil Field
Subject Term
مدل مکانیکی زمین، رگرسیون بردار پشتیبان(SVR)، پارامترهای ژئومکانیک، اطلاعات چاهنگاری، میدان نفتی