نشریه علوم زمین خوارزمی

نشریه علوم زمین خوارزمی

تخمین تخلخل با استفاده از روش وارون‌سازی لرزه‌ای پس از برانبارش در بخشی از سازند قم در تاقدیس آران، ایران مرکزی

نویسندگان
نوشین شریفی 1
جمال شیخ ذکریایی 1
رضا حیدری 2
مرضیه میرزاخانیان 3
1 دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، دانشکدۀ نفت و مهندسی شیمی،
2 دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، دانشکدۀ علوم پایه
3 مدیریت اکتشاف شرکت ملی نفت ایران
10.52547/gnf.6.2.359
چکیده
ویژگی‌های پتروفیزیکی مخزن (از جمله تخلخل، تراوایی و میزان اشباع آب) از مهم‌ترین خصوصیات مخازن هیدروکربنی به‌شمار می‌روند که در ارزیابی اقتصادی، برنامه‌ریزی برای ‏تولید و مدیریت توسعه آن‌ها استفاده می‌‌شود. اندازه‌‏گیری دقیق این ویژگی‌ها، تنها با حفر چاه و یا بررسی مغزه‌های حفاری امکان‌پذیر است ولی می‌توان با بررسی داده‌های زیرسطحی (شامل نگارهای پتروفیزیکی چاه‌های حفاری شده و اطلاعات لرزه‌نگاری بازتابی) روابطی را پیدا کرد که بر پایه آن‌ها در نقاط دور از چاه نیز به برآورد این ویژگی‌های مخزنی دست یافت. در پژوهش حاضر، میزان تخلخل در بخش مخزنی لایه f تا لایه c4 سازند قم در تاقدیس زیرسطحی آران در پهنه ساختاری ایران مرکزی با استفاده از داده‌های لرزه‌نگاری سه‌بعدی و نگاره‌های تخلخل[1]، چگالی[2] و سرعت موج تراکمی[3] در سه چاه اکتشافی و بهره‌گیری از روش وارون‌سازی لرزه‌ای پس از برانبارش بر پایه مدل[4] و استفاده از چند نشانگر[5] تخمین زده شده است. یافته‌ها نشان می‌دهند که نشانگر مقاومت صوتی[6] در بین پنج نشانگر استفاده شده، دارای کم‌ترین خطا بوده است. افزون بر این، میزان تخلخل در بخش مخزنی نامبرده از چاه 01-A به‌سمت چاه 02- Aبیش‌تر از این چاه به‌سمت چاه 03 A-است.

[1]. Porosity log

[2]. Density log

[3]. P-wave Sonic log

[4]. Model based post-stack seismic inversion

[5]. Multi-attribute

[6]. Acoustic Impedance
کلیدواژه‌ها
تفسیر لرزه‌ای
وارون‌سازی لرزه‌ای پس از برانبارش
تخمین تخلخل
وارون‌سازی بر پایه مدل
مقاومت صوتی

عنوان مقاله English

Porosity estimation using post-stack seismic inversion method in part of the Qom Formation in the Aran Anticline, Central Iran

نویسندگان English

Noshin Sharifi 1
Jamal Sheikh Zakaria 1
Reza Heidari 2
Marzieh Mirzakhanian 3
چکیده English

Reservoir petrophysical properties (including porosity, permeability and water saturation) are the most important characteristics of a hydrocarbon reservoirs that are used in economic evaluation, production planning and their development management. Accurate measurement of these properties is possible only by drilling wells and/or studying drilling cores, but by studying subsurface data (including petrophysical diagrams of drilled wells and reflective seismic information); we can find relations and based on them, estimate these reservoir properties for areas far from wells. In present study, the porosity of a part of the Qom Formation in the Aran anticline, located in Central Iran, is estimated using three-dimensional seismic data and porosity, density and P-wave sonic logs in three exploratory wells based on Model-based post-stack seismic inversion and using multi-attributes. The results show that the acoustic impedance indicator have the lowest error among the five used indicators. In addition, the amount of porosity in reservoir parts of the Qom Formation, between f and c₄ members,” from well A-01 toward well A-02 is more than well A-01 to well A-03.

کلیدواژه‌ها English

Seismic Interpretation
Seismic reversal
porosity estimation
channel systems
sound resistance
1. Lines, L.R., and Tritel, S.," A review of least – squares inversion and its application to geo physical problems," geo physical prospecting, 32 (1984) 159-186
2. Todorove, T., Stewart, R., Hampson, D., Russell ,B.,"Well log prediction using attributes from 3C-3D Seismic data", SEG LIBRARY,17 (1998) 1574-1577
3. Tonn, R.,"Neural network Seismic reservoir characterization in a heavy oil reservoir", The Leading Edge, 21 (2002) 309-312
4. Hampson, D.P., Schuelke, J.S., Quirein,J.A "Use of multiattribute transforms to predict log properties from seismic data ", Geophysics,66 (2001) 220-236
5. Batzle, M., and Wang, Z.," Seismic properties of fluids", Geophysics, 57 (1992) 1396-1408.
7- Russell, B., et al. "Combining geostatistics and multi-attribute transforms: A channel sand case study, Blackfoot oilfield (Alberta)." Journal of Petroleum Geology 25.1 (2002) 97-117.
8-cook, D. A., and Schneider, W. A.,"Generalized linear inversion of reflection seismic data", Geophysics, 48(1983) 665-676
9-Misra, s., Chopra, s," Neural network analysis and impedance inversion-case study”, Arcis Corporation, Calgary, Alberta, (2011)
10-Waldne, A. T., and Hosken, J. W .J, "An investigation of the spectral properties of primary reflection coefficients", Geophysical prospecting, 33(1985)
11. Oldenburg, D.W., Scheuer, T. and Levy, S," Recovery of the acoustic impedance from reflection Seismograms", Geophysics, 48 (1983).
12. Russell, B.," Introduction to Seismic inversion method: Society of Exploration", Geophysicists, (Course notes from SEG Continuing Education Course) (1988)
13. Huss, M. and Feary, D. A., "Seismic inversion for acoustic impedance and porosity of Cenozoic cool-water carbonate on the upper continental slope of the great Australian bight", Marine Geology, 215) 2005(123-134
14. Balch, A. H.,"Color Sonograms: A new dimension in Seismic data interpretation", Geophysics, 36 (1971) 1071-1098.
15. White, R.E., 1991," Properties of instantaneous Seismic attributes", The Leading Edge, 10 (1991). (Discussion and reply in TLE- 1146-45-8- and TLE-11-10-12-10).
16. Brown, A. R"Interpretation of three-dimensional seismic data”, AAPG Memoir, 42 (1996)
17. Partyka, G., Gridley, J. and Lopez, J., "Interpretational applications of spectral decomposition in reservoir characterization", The Leading Edge, 18 (1999) 353-360.
18. Taner, M.T., koehler, F., and Sheriff, R. E., "Complex Seismic analysis", Geophysics, 44 (1979) 1041-1063.
19. Chen, Q., and Sidney, S., 1997," Seismic attribute technology for reservoir forecasting and monitoring", The Leading Edge, 16(1997) 445-448
20. Chopra, S., and Marfurt, k. J., “Seismic attributes for reservoir characterization ", SEG, (2007)
21. Barns, A., "Too many Seismic attributes,"CSEG Recorder, 31 (2006) 40-45.
22. Russell, B. H., K. Hedlin, F. Hilterman and L. R. Lines, "Fluid-property discrimination with AVO: A Biot-Gassmann perspective", Geophysics, 68 (2003).
23. Marroquin, I.D," Automated Seismic facies for data integration: an example from Fort Worth Basin", first break, 33 (2015).
24. Othman, A.A.A., Ewida, H.F., Fathi, M. M. Ali, Embody, M. M. A. A.," Seismic Inversion for Reservoir characterization in Komombo Basin, Upper Egypt, (Case study). IJISET"-,
International Journal of Innovative Science, Engineering & Technology, 2 (2015).
25. Doyen, P.M," porosity from seismic data: A geostatistical approach", Geophysics, 53 (1988).
29. Yulong, H., and Zhiyong, L.," Interpretation of two – dimensional/ three- dimensional seismic data of Aran structural belt in Kashan block Tehran", National Iranian oil company (NIOC) K-53 (2005) 30-40.
30. Morley C., Kongwung B., Julapour A. A., Abdolghafourian M., Hajian M., Waples D., Warren J.,Otterdoom H., Srisuriyon H., Kazemi H.,"Structural development of a major late Cenozoic basin and transpressional belt in Central Iran: The Central Basin in the Qom-Saveh area", Geosphere, 5 (2009) 1-38
31. Hampson, D., Galbraith, M., “Wavelet extraction by sonic log correlation”, Journal of the CSEG, 17 (1981) 24-42.
32. Brown R.L., MCELhattan, W., and Santiago, D.j "Wavelet estimation: An interpretive approach Geophysics ", The Leading Edge of Exploration, (1988) 16-19.