Estimation of Reservoir Properties from Seismic Attributes and Well Log Data using Artificial Intelligence

Abstract

ملخص الرسالة الإسم الكامل : محمد ستواح عنوان الرسالة: تقدير خصائص المكامن من المعطيات السيزمية و بيانات الآبار باستخدام الذكاء الصناعي التخصص: جيزفيزياء تاريخ الشهادة: جوان 2009 المسامية، النفاذية والسحن الصخري هي عوامل رئيسية في تحديد خصائص المكمن. النفاذية ، أو تدفق القدرة ، هو قدرة الصغور لنقل السوائل ، المسامية ، تمثل قدرة الصخر لتخزين السوائل ، بينما السحن الصخري فهو وصف الخصائص الفيزيائية للصخور من الملمس حجم الحبوب والمعادن. توجد الكثير من الطرق التجربية للتنبأ بالنفاذية، المسامية و السحن الصخري ، مثل الانحدار الخطي و الانحدار اللاخطي و كذا الطرق البيانية. هذه الطرق أثبتت محدويتها في هذا المجال عندما يتعلق الأمر بتنبأ خصائص المكامن الغير متجانسة حيث أن التغيرات في خصائص المكمن تجعل من الصعوبة بمكان التنبأ بخصائصه. مؤخرا ، استخدم أداة أخرى للبحوث اسمها الشبكات العصبية الاصطناعية (ANNs) لتحقيق مستوى أفضل من التوقعات. لإثبات جدوى تقنية الذكاء الاصطناعي في مجال علوم الأرض ، قمنا بإجراء مقارنة بين نوعين من الشبكات العصبية النوع الأول يسمى ( GRNN) و الثاني ( MLP ).و ذلك باستعمال المعطيات السيزمية و تسجبل بيانات المكامن. في هذا البحث تم تناول قدرة كلتا الشبكتين العصبيتين على تنبأ بعض خصائص المكامن البترولية كالمسامية، النفاذية و السحن الصخري. عموما نتائج هذه الدراسة أثبتت نجاعت و قدرة الشبكة العصبية المسماة ( GRNN )على تنبأ خصائص المكمن و بدقة عالية تفوق تلك التي تم تقديرها باستعمال الشبكة الثانية المسماة ( MLP ). بالاضافة الى أن الشبكة العصبية ( GRNN ) أكثر سرعة و أكثر قوة. لهذا نعتقد أن استعمال هذه التقنيات المتطورة سيساعد أكثر في تطوير المكامن البترولية و يعطي نظرة أوضح للجيولوجيين و الجيوفيزيائين في تقدير حركة السوائل داخل المكمن.