امیر حاتم پور، دانشجوی دکتری مهندسی نفت دانشگاه شهید باهنر به عنوان اولین فارغ التحصیل رشته مهندسی نفت در مقطع دکتری دانشگاه شهید باهنر کرمان، روز چهارشنبه 22 اردیبهشت ماه 95، از رساله دکتری خود دفاع کرد.

  به گزارش روابط عمومی دانشگاه، امیر حاتم پور، دانشجوی دکتری مهندسی نفت دانشگاه شهید باهنر به عنوان اولین فارغ التحصیل رشته مهندسی نفت در مقطع دکتری دانشگاه شهید باهنر کرمان، روز چهارشنبه 22 اردیبهشت ماه 95، در محل تالار سینایی دانشکده فنی و مهندسی از رساله دکتری خود با عنوان «توصیف هوشمند و مدلسازی خواص مخزن با بکارگیری نشانگرهای لرزه ای و داده های چاه» دفاع کرد.

دکتر مهین شفیعی به عنوان استاد راهنما و دکتر سعید جعفری به عنوان استاد مشاور، این رساله را همراهی کردند. همچنین دکتر آیت اللهی، استاد دانشگاه صنعتی شریف، دکتر محمد رنجبر و دکتر جلالی فر داوری این رساله را برعهده داشتند.  

در چکیده این رساله می خوانیم: امروزه با توجه به چالش های بیشتر و ریسک و هزینه های بالاتر در پروژه های اکتشاف و تولید نسبت به گذشته، به منظور طراحی برنامه های بهینه توسعه و ازدیاد برداشت میادین هیدروکربنی، توصیف و مدل سازی هرچه بهتر خواص مخزن امری ضروری است. در این راستا تخلخل موثر، تخلخل کل نگار تشدید مغناطیس هسته ای (NMR) و تخلخل سیال آزاد NMR و واحدهای هیدرولیکی جریان از جمله خصوصیات مخزنی مهم و ذیقیمت می باشند که مدل سازی سه بعدی آن ها می تواند پاسخگوی بسیاری از سوالات و ناشناخته های یک مخزن هیدروکربنی باشد. لذا در این مطالعه تلاش شد تا مدل سه بعدی این پارامترها، از روی داده های چاه و لرزه مربوط به یک میدان کربناته گازی، پیش بینی شود. در این راستا ابتدا تخلخل موثر از طریق ارزیابی پتروفیزیکی در 8 حلقه چاه در محدوده ی مورد مطالعه تعیین شد. همچنین پارامترهای نگار NMR نیز در 5 حلقه چاه از طریق پردازش داده ها تعیین و در بخشی از یکی از چاه ها با کمک سیستم استنتاج فازی پیش بینی شد. در ادامه واحدهای جریانی از طریق خوشه بندی سلسله مراتبی از روی تخلخل و تراوایی مغزه چاه های دارای این داده تعیین شد. سپس وارون سازی بر پایه مدل روی داده های لرزه ای 3 بعدی میدان به منظور دستیابی به حجم مقاومت صوتی با کیفیت بالا انجام شد. در نهایت تلاش شد تا با ادغام داده های لرزه ای 3 بعدی و داده های چاه تطابق کمی بین پارامترهای اصلی تحقیق و نشانگرهای لرزه ای با روش رگرسیون خطی (تک نشانگری و چند نشانگری) و سیستم های هوشمند مصنوعی (شامل شبکه عصبی احتمالاتی (PNN) و شبکه پیشخور چند لایه (MLFN) و شبکه تابع پایه شعاعی (RBFN)) ایجاد شود تا از این طریق بتوان پارامتر مورد نظر را از منبعی از اطلاعات، که در کل گستره ی میدان پراکنده و در همان مراحل اولیه از توسعه میدان در دسترس هستند، پیش بینی نمود و در نهایت مدلی از پارامتر مورد نظر ارائه داد. در این مطالعه به منظور انتخاب بهترین ترکیب نشانگرها از روش رگرسیون خطی مرحله ای استفاده شد. نتایج این تحقیق نشان داد که روش PNN ابزاری قدرتمند در تخمین پارامترهای این مطالعه از روی نشانگرهای لرزه ای می باشد و ضرایب همبستگی بین پارامترهای واقعی و تخمینی با PNN شامل تخلخل موثر، تخلخل کل NMR ، تخلخل سیال آزاد NMR و واحدهای جریانی در تست کور به ترتیب77.76 و 79.22 و 77.39 و 79.04 درصد و خطای متناظر با آن ها به ترتیب3.13 و 2.17 و 1.65 درصد و 4.46 میکرومتر مشاهده شد. در نهایت مدل 3 بعدی از پارامترهای مختلف با استفاده از روش PNN که دارای کمترین میزان خطا و بیشترین همبستگی بین مقادیر واقعی و تخمینی بود، در محدوده مورد مطالعه ساخته شد.

خبرنگار: وطن خواه

کد خبر: 03-950222