Dự đoán độ rỗng sử dụng phân cụm mờ và giải ngược đồng thời đa số liệu giếng khoan: Trường hợp nghiên cứu tại bể Nam Côn Sơn, ngoài khơi Việt Nam

  • Kiều Duy Thông Trường Đại học Mỏ - Địa chất
  • Phạm Quý Ngọc Viện Dầu khí Việt Nam
  • Hà Quang Mẫn Tổng Công Ty Thăm Dò Khai Thác Dầu Khí
  • Phạm Huy Giao Viện Dầu khí Việt Nam
  • Đoàn Huy Hiên Viện Dầu khí Việt Nam
  • Bùi Việt Dũng Viện Dầu khí Việt Nam
  • Phạm Hồng Trang Viện Địa chất
Keywords: Phân cụm mờ trung bình, địa vật lý giếng khoan, vật lý thạch học, giải ngược đồng thời, bể Nam Côn Sơn

Tóm tắt

Các tính chất vật lý thạch học như độ rỗng, độ thấm và độ bão hòa nước là các thông số quan trọng để xác định đặc tính vỉa. Các tính chất này có thể được xác định bằng các phương trình thực nghiệm. Tuy nhiên các số liệu địa vật lý giếng khoan giống nhau có thể cho kết quả tính toán tham số vật lý thạch học khác nhau, tùy thuộc vào số liệu đầu vào và phương trình được sử dụng. Ví dụ, cùng tính độ rỗng thì việc quyết định các tham số thực nghiệm trong các trong các công thức cần được thay đổi tùy thuộc vào loại đá,  ngoài ra số liệu đầu vào là đường điện trở hay đường vận tốc sóng âm sẽ cho kết quả khác nhau. Do vậy, chúng tôi sử dụng phân cụm mờ để phân loại số liệu địa vật lý giếng khoan và dữ liệu mẫu lõi thành các cụm, mỗi cụm có những đặc trưng về vật lý thạch học khác nhau; mỗi cụm này có thể là một loại đất đá, do vậy sẽ có những tham số thực nghiệm khác nhau cho từng cụm. Bước tiếp theo là xác định các tham số thực nghiệm cho các phương trình với mỗi cụm, các phương trình này được đưa vào quá trình giải ngược. Trong nghiên cứu này chúng tôi sử dụng kỹ thuật giải ngược đồng thời đa dữ liệu từ tài liệu địa vật lý giếng khoan sang độ rỗng để giảm tính đa trị trong bài toán giải ngược. Chúng tôi sử dụng đường gamma để tính toán hàm lượng sét. Độ rỗng được thiết lập các phương trình quan hệ từ số liệu của đường điện trở và đường vận sóng siêu âm. Dữ liệu thử nghiệm áp dụng cho bể Nam Côn Sơn cho thấy hệ số tương quan bình phương giữa độ rỗng dự đoán và đo mẫu lõi là 0,66, cho thấy sự phù hợp của tập dữ liệu thử nghiệm.

Các tài liệu tham khảo

Paolo Dell’Aversana, Giancarlo Bernasconi, Fabio Marco Miotti, and Diego Rovetta, “Joint inversion of rock properties from sonic, resistivity and density well‐log measurements”, Geophysical Prospecting, Vol. 59, No. 6, pp. 1144 - 1154, 2011. DOI: 10.1111/j.1365-2478.2011.00996.x.

Wenting Wu and Dario Grana, “Integrated petrophysics and rock physics modeling for well log interpretation of elastic, electrical, and petrophysical properties”, Journal of Applied Geophysics, Vol. 146, pp. 54 - 66, 2017. DOI: 10.1016/j.jappgeo.2017.09.007.

Per Avseth, Ivan Lehocki, Øyvind Kjøsnes, and Odd Sandstad, "Data‐driven rock physics analysis of North Sea tertiary reservoir sands", Geophysical Prospecting, Vol. 69, No. 3, pp. 608 - 621, 2021. DOI: 10.1111/1365-2478.12986.

Ha Quang Man, Doan Huy Hien, Kieu Duy Thong, Bui Viet Dung, Nguyen Minh Hoa, Truong Khac Hoa, Nguyen Van Kieu, and Pham Quy Ngoc, "Hydraulic flow unit classification and prediction using machine learning techniques: A case study from the Nam Con Son basin, offshore Vietnam", Energies, Vol. 14, No. 22, 2021. DOI: 10.3390/en14227714.

S. J. Cuddy and Paul Glover, "The application of fuzzy logic and genetic algorithms to reservoir characterization and modeling", in Soft Computing for Reservoir Characterization and Modeling. Springer-Verlag Berlin Heidelberg, 2022. DOI: 10.1007/978-3-7908-1807-9_10.

Mohammad-Ali Ahmadi, Mohammad Reza Ahmadi, Seyed Moein Hosseini, and Mohammad Ebadi, "Connectionist model predicts the porosity and permeability of petroleum reservoirs by means of petro-physical logs: application of artificial intelligence", Journal of Petroleum Science and Engineering, Vol. 123, pp. 183 - 200, 2014. DOI: 10.1016/j.petrol.2014.08.026.

Janmenjoy Nayak, Bighnaraj Naik, and H. S. Behera. "Fuzzy C-means (FCM) clustering algorithm: a decade review from 2000 to 2014", Computational Intelligence in Data Mining, Vol. 2, pp. 133 - 149, 2014. DOI: 10.1007/978-81-322-2208-8_14.

Kristofer Hellman, Thomas Günther, and Torleif Dahlin, "Application of joint inversion and fuzzy c-means cluster analysis for road pre-investigations", EAGE Near Surface Geoscience 2012 - 18th European Meeting of Environmental and Engineering Geophysics, Paris, France, 3 - 5 September 2012. DOI: 10.3997/2214-4609.20143417.

James C. Bezdek, Robert Ehrlich, and William Full, "FCM: The fuzzy C-means clustering algorithm", Computers & Geosciences, Vol. 10, No. 2 - 3, pp. 191 - 203. 1984. DOI: 10.1016/0098-3004(84)90020-7.

Kieu Duy Thong and Anton Kepic, "Seismic‐impedance inversion with fuzzy clustering constraints: An example from the Carlin Gold district, Nevada, USA", Geophysical Prospecting, Vol. 68, No. 1, pp. 103 - 128, 2019. DOI: 10.1111/1365-2478.12891.

Kieu Duy Thong, Anton Kepic, and Cornelia Kitzig, "Classification of geochemical and petrophysical data by using fuzzy clustering", 24th International Geophysical Conference and Exhibition, Perth, Australia, 15 - 18 February 2015. DOI: 10.1071/ASEG2015ab215.

Pham Huy Giao, Pham Hong Trang, Doan Huy Hien, Pham Quy Ngoc, "Construction and application of an adapted rock physics template (ARPT) for characterizing a deep and strongly cemented gas sand in the Nam Con Son basin, Vietnam", Journal of Natural Gas Science and Engineering, Vol. 94, 2021. DOI: 10.1016/j.jngse.2021.104117.

Đã đăng
2022-07-18
How to Cite
Kiều, D. T., Phạm, Q. N., Hà, Q. M., Phạm, H. G., Đoàn, H. H., Bùi, V. D., & Phạm, H. T. (2022). Dự đoán độ rỗng sử dụng phân cụm mờ và giải ngược đồng thời đa số liệu giếng khoan: Trường hợp nghiên cứu tại bể Nam Côn Sơn, ngoài khơi Việt Nam. Tạp Chí Dầu Khí, 6, 4 - 10. https://doi.org/10.47800/PVJ.2022.06-01
Số tạp chí
Chuyên mục
Bài báo khoa học

Most read articles by the same author(s)