SciELO - Scientific Electronic Library Online

 
vol.17 issue2Groundwater potential zonation by Remote Sensing and GIS techniques and its relation to the Groundwater level in the Coastal part of the Arani and Koratalai River Basin, Southern India author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Earth Sciences Research Journal

Print version ISSN 1794-6190

Abstract

DEZFOOLIAN, Mohammad Amin; RIAHI, Mohammad Ali  and  KADKHODAIE-ILKHCHI, Ali. Conversion of 3D seismic attributes to reservoir hydraulic flow units using a neural network approach: An example from the Kangan and Dalan carbonate reservoirs, the world's largest non-associated gas reservoirs, near the Persian Gulf. Earth Sci. Res. J. [online]. 2013, vol.17, n.2, pp.75-85. ISSN 1794-6190.

Este estudio presenta un modelo inteligente basado en redes neuronales probabilísticas (PNN) para producir una formulación cuantitativa entre atributos sísmicos y unidades de flujo hidráulico (HFU). Las redes neuronales han sido utilizadas durante los últimos años para estimar las propiedades de reserva. Sin embargo, su aplicación para estimación de unidades de flujo hidráulico en un cubo de datos sísmicos es un tema importante de investigación. La metodología para esta aplicación está ilustrada a partir de datos tridimensionales y datos petrofísicos y de núcleo tomados en 6 pozos de las reservas de Kangan y Dalan, de la cuenca del Golfo Pérsico. La metodología introducida en este estudio estima las HFU de un gran volúmen de datos sísmicos tridimensionales. Esto podría incrementar los índices positivos de exploración y reducir los costos a través de una aplicación más confiable en resultados de producción para los programas de exploración en hidrocarbonos. Cuatro atributos sísmicos, obstrucción acústica, frecuencia dominante, fase de amplitud media y fase instantánea, son considerados en este trabajo como aportes claves para predecir los datos sísmicos de las HFU. La técnica propuesta ha sido evaluada exitosamente en una secuencia carbonada de rocas del Pérmicotriásico tomadas del área de estudio. Los resultados de este trabajo demuestran que hay concordancia entre la base de las PNN y las unidades derivadas de flujo. Las PNN utilizadas en este estudio son capaces de modelar unidades de flujo de datos sísmicos tridimensionales para los cuales no hay un centro de datos o una secuencia de datos disponible.

Keywords : atributos sísmicos; inversión sísmica; indicador de zona de flujo; índice de calidad de depósito; unidad de flujo hidráulico; redes neuronales probabilísticas.

        · abstract in English     · text in English     · English ( pdf )