Wyznaczanie przepuszczalności skał klastycznych czerwonego spągowca z wykorzystaniem sztucznych sieci neuronowych

• Autorzy: Jarzyna J. , Ujma M.

Warianty tytułu

EN

Determining the permeability of Rotliegend clastic rocks using Artificial Neural Networks

• Języki publikacji: PL

Abstrakty

PL

Celem badań było opracowanie efektywnej metody wyznaczania przepuszczalności w jednostkach skalnych o jednakowych zdolnościach przepływu mediów z wykorzystaniem sztucznych sieci neuronowych (SSN). Technika SSN pozwoliła na obliczenie przepuszczalności w interwałach lub otworach, w których laboratoryjne pomiary przepuszczalności nie są dostępne. Pracę z SSN rozpoczęto od wybrania reprezentatywnego zbioru danych. Obejmował on wyniki różnorodnych badań laboratoryjnych na próbkach skał oraz wartości parametrów mierzonych podczas profilowań geofizyki otworowej, a także wyniki kompleksowej interpretacji profilowań. Zbiór został wykorzystany do uczenia sieci. Optymalne sieci mogą być zastosowane do przewidywania przepuszczalności w innych interwałach tego samego otworu lub innych otworach. W pracy przedstawiono wyniki testów wykonanych w celu utworzenia dobrej jakości SNN. Wykorzystano wyniki badań porowatości i przepuszczalności na próbkach piaskowców czerwonego spągowca z niżu polskiego oraz wyniki profilowań geofizyki otworowej. Do obliczeń zastosowano programy Statistica (StatSoft) i Techlog (Schlumberger).

EN

The aim of the studies, was to construct an effective permeability model in rocks, of similar ability to media flow, using artificial neural networks (ANN). This methodology enables calculating permeability in uncored intervals and wells. At first a representative dataset was selected for training purposes, using laboratory data, well logs and well logging interpretation results. The best quality artificial neural networks created in this study can be used to predict permeability in the same well at different uncored intervals or in other wells. The results of a few tests performed during this study in order to create a good quality ANN are presented. Porosity and permeability data from the Rotliegend sandstone cores of the Polish Lowland and well logging data were used. All calculations were done using Statistica (StatSoft) and Techlog (Schlumberger) applications.

Słowa kluczowe

PL

czerwony spągowiec; przepuszczalność skał; sieci neuronowe; skały klastyczne; wskaźnik przepływu

EN

clastic rocks; Flow Zone Index; neuronal nets; permeability of rocks; Rotliegendes

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2012
• Tom: R. 68, nr 2
• Strony: 85--96
• Opis fizyczny: Bibliogr. 25 poz.,Rys., tab., wykr.,

Twórcy

autor

Jarzyna J.

autor

Ujma M.

• Katedra Geofizyki, Wydział Geologii Geofizyki i Ochrony Środowiska, Akademia Górniczo-Hutnicza, Kraków,

Bibliografia

• 1. Amaefule J.O., Altunbay M., Tiab D., Kersey D.G., Keelan D.K.: Enhanced reservoir description: Using core and log data to identify hydraulic (flow) units and predict permeability in uncored intervals/wells: SPE Paper 26436, 1993, s. 1–16.
• 2. Aminzadeh F., De Groot P.: Neural networks and other soft computing techniques with applications in the oil industry. EAGE Publications. 2006.
• 3. Bała M., Jarzyna J.: Określanie współczynnika przepuszczalności skał na podstawie czasów interwałowych fali Stoneleya. „Nafta-Gaz” 2004, nr 2, s. 97–103.
• 4. Carman P.C.: Fluid Flow through Granular Beds. Trans. Inst. Chem. Eng, 1937, vol. 15, s. 150–167.
• 5. Corbett P.W.M., Ellabard Y., Mohhammed K.: Global Hydraulic Elements-Elementary Petrophysics for Reduced Reservoir Modeling. EAGE 65th Conference and Exhibition. Stavanger. F-26. 2003.
• 6. Darłak B.: Ocena możliwości wprowadzenia sieci neuronowych w badaniach petrofizycznych. „Nafta-Gaz” 1997, nr 7–8.
• 7. Deutsch C.V.: Geostatistical reservoir modeling. University Press. Oxford 2002.
• 8. Elektroniczny Podręcznik Statistica (2011), EPS (2011) StatSoft Polska, EPS, 2011.
• 9. Górecki W., Papiernik B., Bała M., Jarzyna J., Krawiec J., Puskarczyk E. i in.: Zasoby prognostyczne, nieodkryty potencjał gazu ziemnego w utworach czerwonego spągowca i wapienia cechsztyńskiego w Polsce. Sprawozdanie z projektu finansowanego z NFOŚiGW, umowa nr 562/2005/wn-06/FG-sm-tx/D, 2009.
• 10. Horzyk A.: Nowe metody uczenia sieci neuronowych bez sprzężeń zwrotnych. Praca doktorska napisana pod kierunkiem prof. zw. dr. hab. inż. Ryszarda Tadeusiewicza, AGH. Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki. 2001.
• 11. Jarzyna J., Bała M.: Zależności między parametrami petrofizycznymi klastycznych skał karbońskich w basenie lubelskim na przykładzie obszaru Stężycy. „Kwartalnik AGH Geologia” 2005, t. 31, zesz. 3–4, s. 337–355.
• 12. Jarzyna J., Prętka J.: Zastosowanie sztucznych sieci neuronowych do wyznaczania przepuszczalności skał na podstawie danych otworowych z rejonu Dzików–Wola Obszańska w północno-wschodniej części zapadliska przedkarpackiego. „Biuletyn PIG” 2010, 439: 399–402.
• 13. Jarzyna J., Bała M., Zorski T.: Metody geofizyki otworowej – Pomiary i interpretacja. Wydawnictwo AGH. Kraków 1999.
• 14. Jarzyna J., Ha Quang M.: Podział skały zbiornikowej na jednostki o jednakowych własnościach hydraulicznych dla udokładnienia wyznaczania przepuszczalności przy modelowaniu przepływów w złożu gazu. „Przegląd Geologiczny” 2009, vol. 57, nr 11, s. 996–1003.
• 15. Jarzyna J., Opyrchał A., Mozgowoj D.: Sztuczne sieci neuronowe dla uzupełnienia danych w geofizyce otworowej – wybrane przykłady. „Kwartalnik AGH Geologia” 2007, t. 33, zesz. 4/1, s. 81–102.
• 16. Jarzyna J., Puskarczyk E., Bała M., Papiernik B.: Variability of the Rotliegend sandstones in the Polish part of the Southern Permian Basin – permeability and porosity relationships. „Annales Societatis Geologorum Poloniae” 2009, 79:13–26.
• 17. Kozeny J.: Uber Kapillare Letung des Wassers im Boden, Sitzungsberichte: Royal Academy of Science, Vienna, Proc. Class I (1927) vol. 136, s. 271–306.
• 18. Plewa S., Plewa M.: Petrofizyka. Wydawnictwa Geologiczne. Warszawa 1992.
• 19. Poszytek A.: Sedimentary Processes Diversifying of Reservoir Properties of The Upper Rotliegend Deposits in the Fore-Sudetic Monocline. EAGE 69th Conference & Exhibition – London, UK, 11–14 June 2007.
• 20. Prasad M.: Velocity-permeability relations within hydraulic units. “Geophysics” 2003, vol. 68, No. 1, s. 108–117.
• 21. Such P., Leśniak G.: Warunki konieczne i wystarczające do up-scalingu danych petrofizycznych. „Nafta-Gaz” 2006, nr 11.
• 22. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza. Warszawa 1993.
• 23. Tiab D., Donaldson E.C.: Petrophysics, Theory and Practice of Measuring Reservoir Rock and Fluid Transport Properties. Elsevier, N.Y., 899 s. (sec. ed.), 2000.
• 24. Ujma M.: Wyznaczanie przepuszczalności skał w jednostkach o jednakowych zdolnościach przepływu mediów z wykorzystaniem sztucznych sieci neuronowych. Praca magisterska. Biblioteka Wydziału Geologii, Geofizyki i Ochrony Środowiska AGH, 2011.
• 25. Zawisza L.: Simplified method of absolute permeability estimation of porous beds. „Archives of Mining Sciences” 1993, vol. 38, No. 4, s. 343–352.