رابطه تصادفی چگونه محاسبه می شود؟

Jinkai Wang 1 ، 3 * ، Kai Zhao 2 ، Zhaoxun Yan 4 ، Yuxiang Fu 1 و Jun Xie 1 ، 3

1 دانشکده علوم و مهندسی زمین ، دانشگاه علوم و فناوری شاندونگ ، 266590 چینگدائو ، PR China 2 پژوهشگاه اکتشاف و توسعه نفت ، 100083 پکن ، PR China 3 آزمایشگاه منابع معدنی دریایی ، آزمایشگاه ملی چینگدائو برای علوم و فناوری دریایی ،266237 Qingdao ، PR China 4 کارخانه تولید گاز چهارم ، شعبه نفت Changqing ، Petrochina ، 710021 Xi'an ، PR China

دریافت: 28 مه 2020 پذیرفته شده: 15 سپتامبر 2020

برای مدل سازی زمین شناسی سه بعدی مخازن نفت و گاز ، چگالی الگوی چاه به طور مستقیم با تعداد نمونه های درگیر در محاسبه ارتباط دارد ، که عملکرد تنوع مدل سازی تصادفی را تعیین می کند و تأثیرات زیادی در نتایج مدل سازی مخزن دارد. در این مقاله به رابطه بین چگالی الگوی چاه و واریوگرام مدل سازی تصادفی می پردازیم ، میدان گازی بزرگ سلیژ را با انواع الگوی چاه به عنوان شیء تحقیق انتخاب می کند و یک پایگاه داده واریوگرام از مدل های تصادفی را برای تراکم الگوی مختلف ایجاد می کند. اول ، الگوی چاه در منطقه مورد مطالعه با توجه به فضای چاه و ردیف به سه نوع مختلف (الگوی چاه A ، B و C) تقسیم می شود. چندین بلوک کوچک مختلف (نمونه های مدل) از هر نوع الگوی چاه برای ایجاد مدل انتخاب شده اند و مقادیر واریوگرام معقول آنها (دامنه اصلی ، دامنه جزئی و دامنه عمودی) به دست می آید. سپس ، مقادیر واریوگرام همه نمونه های مدل با چگالی الگوی چاه مشابه مورد تجزیه و تحلیل و شمارش قرار می گیرند و پایگاه داده واریوگرام مربوط به هر نوع الگوی چاه ایجاد می شود. سرانجام ، نتایج آماری برای آزمایش صحت آنها به فرآیند مدل سازی بلوک های دیگر با چگالی الگوی چاه مشابه اعمال می شود. نتایج نشان می دهد که مدل مخزن با استفاده از عملکرد تنوع ارائه شده در این مقاله با شرایط زمین شناسی واقعی به خوبی موافق است و مدل تصادفی دارای درجه بالایی از همگرایی است. این پایگاه داده سازگاری بالایی دارد و مدل ایجاد شده قابل اعتماد است.

© J. Wang et al. ، منتشر شده توسط IFP Energies Nouvelles ، 2020

این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons (https://creativeecommons.org/licenses/by/4. 0) توزیع شده است ، که امکان استفاده ، توزیع و تولید مثل بدون محدودیت را در هر رسانه ای فراهم می کند ، مشروط بر اینکه کار اصلی باشد. به درستی استناد شده

1. معرفی

مدل سازی تصادفی یک روش مدل سازی زمین شناسی است که معمولاً مورد استفاده قرار می گیرد. ایده اصلی آن تولید یک سری مدل های زمین شناسی با احتمال اختیاری و مساوی بر اساس تجزیه و تحلیل نقاط شناخته شده است ، که می تواند برای پیش بینی مقادیر ویژگی های مناطق ناشناخته بین نقاط کنترل (نقاط شناخته شده) استفاده شود [1 - 3]. مدل سازی تصادفی عدم اطمینان نتایج پیش بینی را تشخیص می دهد. یعنی هر مدل جدید تصادفی است [4 ، 5]. بنابراین ، یک مدل زمین شناسی تصادفی باید دارای بسیاری از مدل های خواهر (تحقق تصادفی) باشد که در همان زمان وجود دارد. تحقق تصادفی از همان مدل تولید شده در همان شرایط ممکن است به دلیل عملکرد تنوع ، تفاوت زیادی با یکدیگر داشته باشد ، و این تفاوت ها صرفاً منعکس کننده عدم اطمینان زمین شناسی موجود در مدل تصادفی است [6 - 8]. علاوه بر این ، از نظر پیش بینی بهره وری الگوی چاه ، تجزیه و تحلیل مدل عدم اطمینان می تواند به مهندسان کمک کند تا استراتژی های تولید بهتری را انتخاب کنند [9 ، 10]. شکل 1 چهار پیاده سازی تصادفی مختلف از همان مدل را نشان می دهد. از این شکل می توان نتیجه گرفت که تفاوت بین مدلهای تصادفی به دلیل مقدار چاه و عملکرد تنوع نسبتاً زیاد است ، که نشان می دهد نتایج پیش بینی مخزن دارای چندین راه حل است [11].

تفاوت بین تحقق مدل سازی تصادفی.

مبنای نظری مدل سازی زمین شناسی زمین شناسی است که شامل سه جنبه است: الگوریتم های کریگینگ ، واریوگرام و شبیه سازی های تصادفی [12 ، 13]. زمین شناسی مبتنی بر تئوری متغیرهای منطقه ای و واریوگرام به عنوان ابزار اصلی برای مطالعه توزیع نقاط نمونه با خصوصیات تصادفی در توزیع مکانی است [14]. در میان آنها ، واریوگرام یک پارامتر مهم است که بر مدل سازی تصادفی تأثیر می گذارد. این یک ابزار آماری برای توصیف کمی تنوع مکانی است و برای توصیف ماهیت چگونگی تغییر یک متغیر با موقعیت های مختلف مکانی استفاده می شود [15 - 17]. واریوگرام از سه پارامتر اصلی ، یعنی مقدار دامنه ، مقدار آستانه و مقدار ناگت استفاده می کند تا ویژگی های مختلف تنوع مکانی متغیرهای منطقه ای را نشان دهد [18 - 21]. در فرآیند مدل سازی ، شیب در انتهای اولیه منحنی واریوگرام نشان دهنده پایداری متغیر است. هرچه شیب بزرگتر باشد ، متغیر ناپایدار تر و شیب کوچکتر است ، متغیر نرم تر است [22]. علاوه بر این ، برخی از تکنیک ها و روش های جدید به تدریج در فرآیند مدل سازی زمین شناسی ، مانند مدل پیاده روی تصادفی مغناطیسی ، که به خوبی می تواند توزیع بدنهای ماسه را پیش بینی کرده و نتایج دقیقی را بدست آورد ، که به درک محققان زمین شناسی نزدیکتر است ، توسعه یافته است.[23].

مدل سازی مخزن کاربردی از مدل سازی زمین شناسی است ، که نشان دهنده توزیع و تغییر ویژگی های ساختار مخزن و پارامترهای مخزن در فضای سه بعدی و رابطه اتصال همه پارامترهای مدل است [24]. مشکل اصلی مدل سازی مخزن پیش بینی مخزن بین چاه ها است. در مقایسه با سایر بدن های زمین شناسی ، مخازن نفت و گاز توسط پارامترهای مختلفی مانند ساختارهای سنگی پیچیده ، تنظیمات مکانی و تغییرات مکانی در پارامترهای مخزن کنترل می شوند ، که منجر به راه حل های متعدد مدل سازی تصادفی می شود [25 - 28]. صحت مدل سازی تصادفی مخزن بستگی به تعداد نقاط چاه درگیر در درون یابی دارد. هرچه نقاط خوبتر وجود داشته باشد ، عملکرد واریوگرام نماینده تر است و مدل تعیین شده بیشتر مطابق با وضعیت زمین شناسی واقعی است. در مقابل ، هرچه نقاط چاه کمتری وجود داشته باشد ، سازگاری مقدار واریوگرام به دست آمده از تجزیه و تحلیل داده ها ضعیف تر است و مدل تصادفی که می تواند ایجاد شود ، کمتر نماینده است [29 ، 30].

برای مخازن نفتی و گاز توسعه نیافته ، چگالی الگوی چاه اندک است ، نقاط داده درگیر در محاسبه درون یابی اندک است و دقت پیش بینی مدل تعیین شده کم است. برای محدود کردن فرایند مدل سازی ، مانند تفسیر داده های لرزه ای سه بعدی ، حجم داده وارونگی لرزه ای و داده های ورود به سیستم ، برای بهبود دقت مدل استفاده می شود. تحت محدودیت این شرایط اضافی ، دقت پیش بینی ویژگی ها بین نقاط کنترل مدل تصادفی می تواند تا حد زیادی بهبود یافته و به وضعیت زمین شناسی واقعی نزدیکتر شود [34 ، 35]. با این حال ، برای مخازن نفت و گاز در مرحله بعدی توسعه ، چگالی الگوی چاه به طور کلی بزرگ است ، و نقاط داده زیادی در مدل سازی وجود دارد ، که برای به دست آوردن یک عملکرد تنوع با قابلیت اطمینان بالا در فرآیند آمار داده ها مساعد استو ایجاد یک مدل زمین شناسی سه بعدی با دقت پیش بینی بالا [36]. علاوه بر این ، مخازن با تراکم الگوی بزرگ همیشه بسیار مورد بررسی قرار گرفته اند ، و پارامترهای مختلف مخزن مانند ریزگردها ، لیتوفاسی ها و انواع مخزن به خوبی شناخته شده اند ، که می تواند برای محدود کردن پیش بینی درون یابی بین چاه در مدل سازی نیز مورد استفاده قرار گیرد. روند. در حال حاضر ، مدل سازی کنترل شده متداول نوعی روش مدل سازی تصادفی تحت محدودیت پارامترهای مخزن با دقت بالا است. هسته اصلی آن استفاده از قانون توزیع هواپیما و روند تکامل عمودی رخساره های رسوبی برای محدود کردن فرآیند مدل سازی است و به فناوری و روش پیشرو مدل سازی تصادفی فیزیکی تبدیل شده است [37]. برخی از روشهای جدید ، مانند الگوریتم StoSAG ، می توانند متغیرهای بهینه سازی را به طور مداوم تنظیم کنند تا مقدار متغیر بهینه عملکرد هدف را بدست آورند و نتایج شبیه سازی را دقیق تر کنند [38].

تجزیه و تحلیل جامع نشان می دهد که برای مدل سازی مخزن مخزن پراکنده یا متراکم ، به دست آوردن یک مدل زمین شناسی سه بعدی با دقت بالا فقط با تجزیه و تحلیل داده های معقول از مقادیر چاه در منطقه و انتخاب یک شرایط محدودیت مناسب می تواند تحقق یابد. با این حال ، اگر یک مخزن با یک منطقه بزرگ و یک الگوی چاه نامنظم (برخی از مناطق دارای چگالی الگوی چاهی بزرگ هستند و سایر مناطق دارای چگالی الگوی چاه کوچک هستند) ، ایجاد یک مدل زمین شناسی سه بعدی با دقت بالا با استفاده از معمولی دشوار استروشها به دلیل بدست آوردن یک عملکرد تنوع منطقی مناسب برای همه الگوهای چاه با تجزیه و تحلیل داده ها غیر واقعی است. میدان گازی سلیژ چنین منطقه ای است که دارای منطقه بزرگی (بیش از 20 000 کیلومتر 2) ، الگوی چاه پیچیده و تفاوت های زیادی در چگالی الگوی چاه است. برای چنین مخزن ، آیا یک راه حل مؤثر برای ساختن یک مدل پیش بینی با دقت بالا وجود دارد؟جواب البته که مثبته. در این مقاله ، یک راه حل ویژه برای ایجاد یک مدل زمین شناسی سه بعدی با دقت بالا از این نوع مخزن و ساخت یک پایگاه داده واریوگرام مخازن با الگوهای چاه های مختلف طراحی شده است ، که این نوع مدل سازی مخزن را ساده می کند.

2 ماده و روش

حوزه تحقیقاتی که در این مقاله انتخاب شده است ، میدان گازی سلیژ است. داده های مورد استفاده در فرآیند تحقیق ، همه داده های چاه گاز طبیعی واقعی است که از شرکت Changqing نفت ، از جمله داده های اصلی ، تجزیه و تحلیل سنگ و آزمایش داده ها و داده های ورود به سیستم برای این چاه ها جمع آوری شده است. این داده ها مبنای تحقیق این مقاله را ارائه می دهند و از توسعه صاف کارهای مختلف تحقیقاتی اطمینان می دهند. پس از به دست آوردن این داده ها ، ما یک طرح تحقیقاتی منحصر به فرد برای حل مسئله دقت پایین مدل مخزن گاز با دامنه و تفاوت های زیادی در چگالی الگوی چاه ایجاد می کنیم. ایده تحقیق برای الگوی چاه موجود طراحی شده است. اول ، تجزیه و تحلیل خوشه ای با توجه به شباهت ها در چگالی الگوی چاه انجام می شود ، و ترکیب پارامترهای واریوگرام ماسه سنگ و گل سنگ در شرایط الگوی چاه های مختلف شمارش می شود. سپس ، ترکیبی از چگالی الگوی چاه و پارامترهای واریوگرام با القاء ریاضی و سایر روشها مورد تجزیه و تحلیل قرار می گیرد. سرانجام ، پایگاه داده واریوگرام مدل سازی مخزن گاز سلیژ به دست می آید. ایده های اصلی فنی به شرح زیر است (شکل 2):

منطقه مورد مطالعه بزرگ با توجه به چگالی الگوی چاه به سه نوع تقسیم می شود و سپس چندین نمونه مدل مختلف در هر نوع ایجاد می شود تا اطمینان حاصل شود که چگالی الگوی چاه در هر نمونه مدل تقریباً یکسان است.

از روشهای مختلف مدل سازی برای ساخت مدل زمین شناسی هر نمونه مدل استفاده می شود. به عنوان مثال ، از روش کنترل شده در رخساره در مناطقی با چگالی الگوی چاه بالا استفاده می شود و روش محدودیت حجم داده لرزه ای و ورود به سیستم در مناطقی با چگالی الگوی چاه کم استفاده می شود.

صحت هر مدل مورد آزمایش قرار می گیرد تا اطمینان حاصل شود که مدل ایجاد شده توسط الگوی چاه یکنواخت با وضعیت زمین شناسی واقعی سازگار است.

مدل های تراکم الگوی چاه مشابه به همان دسته طبقه بندی می شوند و همبستگی واریوگرام مورد استفاده در هر مدل از نظر آماری مورد تجزیه و تحلیل قرار می گیرد. فرمول رگرسیون ایجاد می شود و دامنه واریوگرام مناسب در زیر چگالی الگوی چاه به دست می آید.

واریوگرام به دست آمده در منطقه مدل سازی جدید چگالی الگوی چاه مشابه اعمال می شود و از دقت پیش بینی این مدل ها برای آزمایش قابلیت اطمینان پایگاه داده استفاده می شود.

با توجه به نتایج تأیید برای تعداد زیادی از مدل های بلوک تست ، پایگاه داده واریوگرام اولیه تنظیم می شود ، رابطه بین چگالی الگوی چاه و واریوگرام بهینه می شود و صحت بانک اطلاعاتی بهبود می یابد.

نمودار جریان برای رابطه بین چگالی الگوی چاه و واریوگرام.

3 وضعیت کلی منطقه مورد مطالعه

حوضه Ordos در مناطق مرکزی و غربی چین با روند تقریباً شمال و جنوب واقع شده است. می توان آن را به شش واحد ساختاری مرتبه اول تقسیم کرد: yimeng uplift ، uplift weibei ، کمربند تاشو Jinxi ، شیب شانبی ، افسردگی تیانان و کمربند رانش حاشیه غربی. حوزه تحقیقاتی برای این مدل سازی ، میدان گازی سلیژ است که در حوضه شمالی Ordos واقع شده است. شکل ساختاری آن یک مونوکلین غرب غرب است و نوسان کلی اقشار اندک است. این یک میدان گاز فوق العاده بزرگ است که اخیراً در چین کشف شده است. برای ایجاد بانک اطلاعاتی رابطه بین الگوی چاه و واریوگرام ، دو منطقه الگوی چاه نماینده ، بلوک XA و بلوک GU ، از میدان گازی سلیژ انتخاب می شوند. Xu و GU دو بلوک با درجه توسعه مشابه و تقریباً مساوی چاه هستند. این دو بلوک در مراحل مختلف توسعه دارای الگوهای خوبی هستند که با فضای چاه از 400 متر تا 1200 متر بسیار نماینده هستند. این الگوهای چاه مطابق با الزامات این مقاله است و هر نوع الگوی چاه می تواند نمونه های مدل سازی کافی را ارائه دهد. بانک اطلاعاتی واریوگرام اولیه با استفاده از داده های منطقه GU و سپس انتخاب مناطق مختلف الگوی چاه از منطقه XA برای تأیید و تنظیم و در نهایت ایجاد پایگاه داده متغیر با دقت بالا از الگوهای چاه های مختلف ایجاد می شود (شکل 3).

نقشه موقعیت مکانی منطقه مورد مطالعه.

4 پارتیشن الگوی چاه و مدل سازی نمونه

4. 1 پارتیشن الگوی خوب

میدان گازی سلیژ دارای ویژگی های توزیع مخزن گسترده ، ساختار ساده و ملایم و پس زمینه رسوبی سازگار است. در چارچوب این شرایط مطلوب ، میزان حفاری ماسه سنگ چاه های گاز زیاد است. بنابراین ، توصیف کمی رابطه بین تراکم الگوی چاه و واریوگرام توسط زمین شناسی امکان پذیر است. الگوی چاه در منطقه مورد مطالعه نامنظم است و فضای چاه بین 500 متر تا 1500 متر است ، بنابراین به نظر می رسد هیچ شرط طبقه بندی وجود ندارد. با این حال ، از منظر مرحله توسعه این چاه ها ، برخی از پدیده های منظم یافت می شود ، زیرا چگالی الگوی چاه نسبتاً متناسب با درجه توسعه است ، یعنی با افزایش زمان توسعه ، چگالی الگوی چاه استبه تدریج افزایش یافته است. می توان نتیجه گرفت که بین این چاه ها سه نوع فاصله وجود دارد: 500 متر (الگوی چاه چاه) ، 700 متر (الگوی چاه معمولی) و 1000 متر (الگوی چاه اولیه). با توجه به ویژگی های توزیع الگوی چاه در منطقه GU ، سه نوع از مناطق چگالی الگوی چاه شناسایی می شوند ، یعنی منطقه الگوی چاه A ، منطقه الگوی چاه B و منطقه چاه. به تعداد مختلفی از مناطق نمونه مدل ، از جمله 6 در منطقه A ، 12 در منطقه B و 15 در منطقه C. به جدول 1 برای داده های فضای چاه و ردیف از نقاط چاه در هر نمونه مدل مراجعه کنید.

تعداد نمونه و ویژگی های سه مدل الگوی چاه.

تقسیم به بلوک ها باعث کاهش عدم اطمینان از شبیه سازی تصادفی ناشی از تفاوت در توزیع الگوی چاه می شود. حداقل چگالی الگوی چاه منطقه GU 0. 8 چاه در کیلومتر 2 و حداکثر چگالی الگوی چاه 3. 5 چاه در کیلومتر 2 است. بیشتر نمونه های مدل با چگالی الگوی بزرگ در وسط منطقه مورد مطالعه قرار دارند و چگالی الگوی چاه محیطی نسبتاً کم است. در مجموع 33 نمونه مدل ایجاد شده است که با یکدیگر تلاقی می کنند و در کل بلوک پخش می شوند (شکل 4).

توزیع انواع مختلف نمونه های مدل در منطقه GU.

4. 2 مدل سازی پارتیشن (گرفتن مدل نمونه منطقه A به عنوان نمونه)

یک نمونه مدل از منطقه A انتخاب شده و A1 نامگذاری شده است. ابتدا ، مدل ساختاری A1 ایجاد می شود ، و سپس مدل سازی تصادفی سنگ ماسه سنگ سنگ ماسه سنگ برای به دست آوردن مقدار دامنه عملکرد تغییر و ایجاد بانک اطلاعاتی انجام می شود. اندازه شبکه هواپیما از مدل ساختاری A1 20 متر × 20 متر ، ضخامت مدل سازی طولی 1 متر ، اندازه شبکه هواپیما 219 350 350 ، جهت عمودی دارای 108 لایه و تعداد شبکه ها در کل مدل زمین شناسی است8278200 است.

4. 2. 1 منبع داده

در این مقاله ، داده های مدل سازی Lithofacies ضخامت ماسه سنگ و گل سنگ در هر نقطه چاه در منطقه است که توسط دو عدد: 0 (ماسه سنگ) و 1 (گل سنگ) نشان داده شده است. در این مقاله ، داده های مدل سازی Lithofacies ضخامت ماسه سنگ و گل سنگ در هر نقطه چاه در منطقه است که توسط دو عدد: 0 (ماسه سنگ) و 1 (گل سنگ) نشان داده شده است. این داده های سنگ شناسی با ورود به سیستم تفسیر داده ها بدست می آیند. اگر چندین منحنی ورود به سیستم (مانند پرتوهای گاما ؛ آکوستیک ؛ مقاومت و غیره) ویژگی های ماسه سنگ را نشان می دهد ، پس کد سنگ شناسی آن به عنوان 0 تعریف می شود ، در غیر این صورت گل سنگ (کد 1) است. در جهت عمودی ، این داده ها مداوم هستند و در فواصل ظاهر می شوند. در هواپیما با چگالی چاه محدود می شود. داده های سنگ شناسی داده های اصلی مدل Lithofacies است. شکل 5 داده های Lithofacies به دست آمده از دو چاه منفرد را نشان می دهد.

داده های Lithofacies از چاه مجرد.

45 چاه در بلوک A1 وجود دارد. یعنی 45 نقطه داده در هواپیما وجود دارد که می تواند در فرآیند مدل سازی در تجزیه و تحلیل عددی گنجانده شود. ضخامت لایه ریز در جهت طولی 1 متر است ، 15-20 لایه ها یک منطقه را تشکیل می دهند و 7 منطقه در مدل وجود دارد. نقاط داده موجود در این لایه ها برای تجزیه و تحلیل عددی در جهت عمودی استفاده می شود (شکل 6).

نقاط داده اصلی مدل سازی سنگهای سنگ ماسه سنگ سنگ ماسه سنگ.

4. 2. 2 قانون توزیع سنگ شناسی

ماسه سنگ موجود در منطقه مورد مطالعه که توسط رسوب رودخانه ای تشکیل شده است ، با خصوصیات ریتمیک مثبت آشکار ، و اجسام ماسه ای ضخیم که همگی توسط رسوبات فوق العاده چند مرحله ای تشکیل شده اند (شکل 7A). قبل از ایجاد مدل ، لازم است که اطلاعات سنگ شناسی (ماسه سنگ و گل سنگ)) را از چاه به مدل تقسیم کرده و همبستگی بین چاه و مدل ایجاد شود. با توجه به توزیع بدن ماسه پس از گسسته ، تفاوت کمی با یک چاه واحد ندارد و اساساً وضعیت اصلی بدن ماسه را حفظ می کند (شکل 7B). این نتیجه نشان می دهد که داده های واقعی پس از مراحل مختلف پردازش وارد مدل می شوند و تا زمان مدل سازی به طور قابل توجهی تغییر نمی کنند ، که این امر منجر به بهبود صحت تجزیه و تحلیل داده ها و قابلیت اطمینان مدل می شود.

مقایسه توزیع ماسه سنگ بین مشخصات عمودی و مدل گسسته.

4. 2. 3 تنظیم عملکرد تنوع

تنظیم و تنظیم عملکرد تغییر عمدتاً برای به دست آوردن مقدار دامنه مناسب برای نشان دادن همبستگی های مکانی متغیرهای منطقه انجام می شود. فراتر از این محدوده ، متغیرهای منطقه ای دیگر همبستگی مکانی ندارند. یعنی مشاهدات فراتر از محدوده بر نتایج تخمین برای نقاط برآورد شده تأثیر نمی گذارد. دامنه نسبتاً بزرگ به این معنی است که داده های مشاهده ای در این جهت در یک محدوده بزرگ با هم ارتباط دارند. در غیر این صورت ، همبستگی متغیرها در طول این جهت کم است (شکل 8). تنظیم عمدتا از اصول زیر پیروی می کند:

برای تنظیم اندازه مرحله ، فضای متوسط چاه و همچنین حداکثر و حداقل مقادیر آن باید در نظر گرفته شود.

دامنه مراحل جستجو باید در 60 ٪ از مرز بلوک محدود باشد و باید با اندازه مرحله هماهنگ شود تا اطمینان حاصل شود که نقاط داده کافی در محدوده جستجو وجود دارد.

فاصله جستجوی عمودی باید در ضخامت متوسط یک بدنه ماسه ای منفرد محدود باشد و بهتر است معادل ضخامت لایه زیربخش عمودی در طول مدل سازی باشد.

منحنی های مناسب برای واریوگرام ماسه سنگ در یک منطقه.

بر اساس اصول فوق ، واریوگرام ماسه سنگ و گل سنگ در هر منطقه از مدل نصب شده و واریوگرام های معقول به دست می آیند. برای یک لایه مداوم ضخیم ماسه سنگ ، نقاط داده به طور مساوی توزیع می شوند ، همبستگی خوب است و اثر مناسب واریوگرام خوب است. با این حال ، برای لایه های نازک با ضخامت ماسه سنگ کوچک و ضخامت گل سنگ بزرگ ، همبستگی نقاط کنترل ضعیف است و درجه اتصالات واریوگرام کمی ضعیف است. بر اساس اتصالات واریوگرام ، یک مدل زمین شناسی سه بعدی با دقت بالا ایجاد شده است.

5 مطالعه رابطه عملکرد تنوع الگوهای چاه های مختلف

5. 1 الگوی چاه A (700 600 600 متر)

پس از تنظیم اصل تنظیم واریوگرام ، همان روند کار انجام می شود. واریوگرام با توجه به ویژگی های الگوی چاه بلوک های مختلف تنظیم می شود و مدل های Lithofacies از پنج نمونه باقیمانده ایجاد می شود. توزیع ماسه سنگ و گل سنگ در مدل ها مشابه وضعیت زمین شناسی واقعی است ، که نشان می دهد مقدار واریوگرام به دست آمده از سازگاری بالایی برخوردار است. جدول 2 مقادیر واریوگرام مورد استفاده در مدلهای مختلف را نشان می دهد.

دامنه مقادیر برای نمونه های مدل در منطقه A

داده های جدول 2 با استفاده از روشهای آماری و نمودار فرکانس توزیع آنها مورد تجزیه و تحلیل قرار می گیرند و رابطه بین دامنه اصلی و جزئی برقرار می شود (شکل 9). از این شکل می توان مشاهده کرد که فرکانس اصلی توزیع متغیر اصلی تقریباً 750 است ، فرکانس اصلی متغیر ثانویه تقریباً 620 است و بین آنها رابطه خطی خوبی وجود دارد. این نتایج نشان می دهد که بدنهای ماسه ای که توسط رسوب رخساره های رودخانه ای تشکیل شده است به خوبی (با نسبت خاصی) در جهت جریان و جهت جریان عمودی مطابقت دارد ، و نسبت طول/عرض بانک داخلی و ساحل جانبی کانال رودخانهتوزیع عادی ترکیب. علاوه بر این ، فرکانس غالب تغییرات عمودی تقریباً 5. 0 است که اساساً معادل ضخامت یک بدنه ماسه ای منفرد در اکثر چاه ها است. این نتیجه نشان می دهد که همبستگی عمودی نقاط نمونه مربوط به الگوی چاه نیست بلکه فقط با ضخامت یک بدنه ماسه ای منفرد و قانون توزیع عادی کامپوزیت کنترل می شود.

تجزیه و تحلیل آماری و همبستگی مقادیر دامنه در منطقه A.

5. 2 مناطق خوب الگوی B و C (700 600 متر)

با استفاده از همان روش مدل سازی ، مقادیر واریوگرام هر نمونه مدل در مناطق B و C محاسبه می شود و از نظر آماری مورد تجزیه و تحلیل قرار می گیرند. می توان نتیجه گرفت که مقادیر اصلی و جزئی از نمونه های مدل در این دو منطقه چاه دارای ویژگی های توزیع عادی کامپوزیت هستند و هر دو با کاهش چگالی الگوی چاه ، با افزایش 20-30 ٪ در هر بار افزایش می یابد. ترانسفورماتور اصلی در منطقه B 961 و ترانسفورماتور ثانویه 749 است (شکل 10A). ترانسفورماتور اصلی در منطقه C 1180 و ترانسفورماتور ثانویه 968 است (شکل 10B).

نمودار تجزیه و تحلیل آماری مقادیر محدوده متغیر مناطق B و C.

همچنین می توان از همبستگی دامنه های اصلی و جزئی مناطق B و C نتیجه گرفت که همبستگی بین آنها نسبتاً خوب است و یک رابطه خطی آشکار را نشان می دهد. این نتیجه همچنین نشان می دهد که مقیاس کانال رودخانه نسبتاً بزرگ است ، و حتی الگوی چاه با بزرگترین فضای چاه از مرز کانال رودخانه فراتر نمی رود (شکل 11).

همبستگی بین دامنه های اولیه و ثانویه مناطق B و C

5. 3 رابطه بین واریوگرام و الگوهای چاه

با مقایسه مقادیر واریوگرام همه نمونه های مدل در مناطق A ، B و C ، می توان دریافت که با افزایش فضای چاه ، مقدار محدوده واریوگرام معقول نیز افزایش می یابد (هر دو محدوده اصلی و جزئی). هنگامی که فضای چاه از 600 متر به 1100 متر افزایش می یابد ، دامنه اصلی 55 ٪ افزایش می یابد و دامنه جزئی تقریباً 50 ٪ افزایش می یابد. این نتایج نشان می دهد که با افزایش فاصله بین دو چاه مجاور ، اندازه بدن شن و ماسه که توسط مدل محاسبه می شود نیز افزایش می یابد ، اما هنوز از مرز واقعی بدن ماسه ای تجاوز نمی کند (شکل 12).

قانون تنوع دامنه های اصلی و جزئی با چگالی الگوی چاه.

مقدار دامنه عمودی که عمدتاً تحت تأثیر محتوای شن و ماسه سنگ در شکل گیری قرار می گیرد ، همبستگی عمودی و نتیجه درون یابی متغیرها را کنترل می کند. اگر نسبت ماسه سنگ زیاد باشد ، ضخامت بدن ماسه در جهت عمودی مدل نسل جدید با استمرار خوب بزرگ خواهد بود. با این حال ، به نظر می رسد مقدار دامنه عمودی با چگالی الگوی چاه در هواپیما ارتباط ضعیفی دارد. با تغییر در فضای چاه ، تغییر عمودی زیاد تغییر نمی کند. مقدار فرکانس اصلی آن بین 4. 5 تا 5. 6 حفظ می شود و دامنه تنوع کوچک است ، که نشان می دهد ضخامت بدن ماسه در جهت عمودی نسبتاً پایدار است و با فضای چاه ارتباط کمی دارد (شکل 13).

قانون تنوع مقدار محدوده عمودی با چگالی الگوی چاه.

6 ایجاد و تست پایگاه داده واریوگرام از الگوهای چاه های مختلف

6. 1 مقادیر عملکرد تنوع معقول از الگوهای چاه های مختلف

از طریق تجزیه و تحلیل آماری مقادیر محدوده واریوگرام همه نمونه های مدل ، مقادیر محدوده محدود واریوگرام از هر منطقه چگالی الگوی چاه تعیین می شود. بین مقادیر اصلی و جزئی دامنه و چگالی الگوی چاه همبستگی مثبت وجود دارد (دامنه تغییر تقریباً 20-30 ٪ است) ، در حالی که مقدار واریوگرام عمودی رابطه کمی با چگالی الگوی چاه دارد (برگه 3).

مقدار محدوده معقول واریوگرام تحت تراکم الگوی مختلف در میدان گازی سلیژ.

6. 2 تست پایگاه داده واریوگرام (گرفتن منطقه A به عنوان نمونه)

میدان گازی سلیژ یک منطقه بزرگ را در بر می گیرد و از بلوک GU برای ساخت بانک اطلاعاتی واریوگرام استفاده می شود. برای آزمایش قابلیت اطمینان پایگاه داده تعیین شده ، بلوک XA در شمال شرقی بلوک GU برای تأیید انتخاب شده است (شکل 14). شباهت الگوی چاه این دو بلوک بسیار زیاد است. الگوهای چاه متراکم با فضای چاه کوچک و الگوهای چاه پراکنده با فضای چاه بزرگ وجود دارد. بنابراین ، بلوک XA برای تأیید سازگاری عملکرد تنوع الگوهای چاه های مختلف مناسب است.

نمونه های مختلف مدل اعتبار سنجی بلوک XA.

6. 2. 1 ایجاد مدل لیتوفاسی

مقادیر عملکرد تنوع معقول در جدول 3 به طور مستقیم در فرآیند ایجاد مدل Lithofacies با استفاده از نمونه های آزمون با الگوهای چاه مربوطه اعمال می شود و از روش مدل سازی تصادفی برای محاسبه درون یابی استفاده می شود. سرانجام ، مدل های Lithofacies در تمام مناطق آزمایشی ایجاد می شود. شکل 15 یک مدل لیتوفاسی بلوک نماینده منطقه A است.

مدل لیتوفاسی منطقه اعتبار سنجی A.

6. 2. 2 تست مدل

برای اطمینان از قابلیت اطمینان پایگاه داده واریوگرام تعیین شده ، لازم است اعتبار سنجی دقیق مدل Lithofacies از هر نمونه آزمایش انجام شود. روشهای آزمایش مورد استفاده روش نازک شدن چاه و روش همگرایی مدل تصادفی است [39]. دو نوع روش نازک کننده وجود دارد: یکی چاه چاه و دیگری نازک شدن چند چاه است. شکل 15 نتایج تست را برای نازک شدن تک چاه نشان می دهد. در فرآیند مدل سازی ، چاه XA30-M20 از مدل خارج می شود تا در محاسبه درون یابی گنجانده نشود. سپس ، مدل Lithofacies تولید شده توسط مدل با داده های چاه واقعی برای تأیید انطباق آن مقایسه می شود. از طریق مقایسه و تجزیه و تحلیل ، می توان نتیجه گرفت که مشخصات واقعی یک چاه واقعی (شکل 16A) با مشخصات مدل Lithofacies شبیه سازی شده بسیار سازگار است (شکل 16B) ، که نشان می دهد تحت محدودیت عملکرد تنوع معقول ، نوسانات کوچک درفضای خوب تأثیر کمی در نتایج مدل سازی دارد ، و عملکرد تنوع مورد استفاده و مدل ایجاد شده بسیار قابل اعتماد است. اندازه عمودی شبکه مدل Lithofacies 0. 5 متر است که برخی از ریتم تغییرات عمودی خوب را نادیده می گیرد. وضوح عمودی پروفایل لیتوفاسی ها مطابق با منحنی ورود به سیستم است که 0. 125 متر است. بنابراین تداوم عمودی مشخصات لیتوفاسی ها بهتر از مدل Lithofacies است.

نتایج تست نازک شدن چاه.

شکل 16 نتایج تست را برای روش نازک شدن چند چاه نشان می دهد. در فرآیند مدل سازی ، Wells XA30-M7 ، XA30-M20 و XA30-M5 همزمان حذف می شوند و از داده های نقطه چاه باقیمانده برای ساخت مدل Lithofacies استفاده می شود. سپس ، ما سطح مقطع واقعی سنگ شناسی (شکل 17A) را با مدل لیتوفاسی های مستقر مقایسه می کنیم (شکل 17B). نتایج مقایسه نشان می دهد که آنها میزان تصادف بالایی دارند ، که همچنین نشان می دهد که این مدل دارای درجه خاصی از قابلیت اطمینان است.

نتایج آزمون از نازک شدن چند چاه.

از آنجا که نتایج مدل سازی تصادفی یک برداشت چندگانه را به همراه دارد ، تحقق مدل های متعدد در همان زمان وجود دارد [40 ، 41]. میزان همگرایی این تحقق ، قابلیت اطمینان مدل را تعیین می کند و منعکس کننده سازگاری عملکرد تنوع مورد استفاده است. اگر درجه همگرایی مدل تصادفی زیاد باشد ، به این معنی است که تفاوت بین بسیاری از تحقق تصادفی کوچک است و ثبات مدل زیاد است. در غیر این صورت ، این بدان معنی است که پایداری مدل کم است و نتیجه پیش بینی دقیق نیست [44- 44]. در این مقاله از روش جدیدی برای آزمایش درجه همگرایی مدل تصادفی استفاده می شود. یعنی برخی از چاه ها در طی فرآیند مدل سازی برداشته می شوند و تعداد خاصی از مدل های تصادفی با تنظیم دانه های تصادفی مختلف به دست می آیند. سپس ، درجه تصادف بین مدل های تصادفی و داده های واقعی برای تعیین تحقق هدف مقایسه می شود. سرانجام ، چندین گروه از تحقق تصادفی برای مقایسه با تحقق هدف انتخاب می شوند و شباهت آنها برای ارزیابی میزان همگرایی کل مدل مورد تجزیه و تحلیل قرار می گیرد. شکل 18 نتایج مقایسه را برای چندین تحقق تصادفی و تحقق هدف نشان می دهد. از تجزیه و تحلیل می توان نتیجه گرفت که توزیع احتمال مدل توزیع عادی به عنوان یک کل را نشان می دهد و مقدار اوج در محدوده 60-70 ٪ ظاهر می شود. یعنی تحقق تصادفی شباهت بالایی دارد و صحت مدل بسیار زیاد است.

نتایج آزمایش بذر تصادفی.

7 بحث

با استفاده از همان روش ، بانکهای اطلاعاتی واریوگرام مناطق B و C مورد آزمایش قرار می گیرند ، و نتایج این روش ها در شکل 19 نشان داده شده است. می توان از مقایسه نتایج آزمون نتیجه گرفت که تمام مدلهای ایجاد شده توسط پایگاه داده واریوگرامسه الگوی چاه با پارامترهای زمین شناسی واقعی مکاتبات خوبی دارند. دقت چاه مجزا و حتی نازک شدن چند چاه 70 ٪ ، تحقق شبیه سازی تصادفی همگرایی خوبی دارد و میزان تصادف با هدف بیش از 60 ٪ است. این مقایسه نشان می دهد که بانک اطلاعاتی تعیین شده دارای کاربرد گسترده ای است و هنوز هم برای الگوهای چاه نامنظم پیش بینی های خوبی را انجام می دهد.

نتایج آزمون برای مقدار محدوده واریوگرام عملکرد واریوگرام از الگوهای چاه های مختلف.

با این حال ، ما همچنین متذکر می شویم که هنوز برخی از نقص در نتایج آزمون که به دست آورده ایم وجود دارد. بالاترین توافق فقط 70 ٪ است و هنوز فضای زیادی برای بهبود وجود دارد. با توجه به عدم وجود داده های نمونه موجود در حال حاضر ، رابطه کمی فقط در این مرحله به صورت آزمایشی مورد تجزیه و تحلیل قرار می گیرد و قابلیت اطمینان نتایج تحلیلی باید با تحقیقات بعدی بهبود یابد.

8 نتیجه گیری

در این مقاله ، روشی برای مدل سازی پارتیشن ارائه شده و برای ساختن یک مدل مخزن در مقیاس بزرگ با انواع الگوی چاه چندگانه استفاده شده است. این روش سازگاری بالایی برای بدن های زمین شناسی با منطقه بزرگ ، تفاوت زیاد چگالی الگوی چاه و تنوع انواع الگوی چاه دارد. مدل ایجاد شده توسط این روش مکاتبات خوبی با داده های واقعی دارد.

میدان گازی سلیژ با توجه به الگوی چاه آن به سه نوع منطقه تقسیم می شود. چندین نمونه مدل از این سه حوزه انتخاب شده است تا پایگاه داده های نمونه مربوط به مدل مربوطه را تشکیل دهند. مدل های لیتوفاسی آنها ایجاد می شود و مقادیر محدوده واریوگرام هر مدل به دست می آید. با توجه به تجزیه و تحلیل آماری این مقادیر محدوده متغیر ، یک بانک اطلاعاتی از مقادیر اصلی و جزئی متناسب با الگوهای چاه های مختلف ایجاد می شود.

در مناطق دیگر میدان گازی سلیژ ، نمونه هایی با الگوهای چاه مشابه برای آزمایش صحت بانک اطلاعاتی دامنه متغیر انتخاب می شوند. نتایج آزمون نشان می دهد که مدل ایجاد شده توسط بانک اطلاعاتی واریوگرام برای هر الگوی چاه مطابق با شرایط زمین شناسی واقعی است و مدل های تصادفی آنها نیز همگرایی بالایی دارند. این نتایج نشان می دهد که بانک اطلاعاتی مستقر از سازگاری بالایی برخوردار است و مدل پیش بینی ایجاد شده با این بانک اطلاعاتی قابل اعتماد است.

تصدیق

این کار توسط بنیاد ملی علوم طبیعی چین پشتیبانی شد (شماره کمک هزینه 51504143 ؛ شماره کمک هزینه 51674156). نویسندگان دوست دارند از کارگران میدان نفتی Sinopec Shengli بخاطر تهیه داده های تحقیق تشکر کنند. نویسندگان دوست دارند از فو یوکسیانگ و یان ژاکسون بخاطر کمک بزرگ در روند تجدید نظر در نسخه خطی تشکر کنند.