KFUPM ePrints

LOG POROSITY AND LITHOLOGY PREDICTION FROM SEISMIC DATA: FRONTIER AND TENSLEEP FORMATIONS, WYOMING

l LOG POROSITY AND LITHOLOGY PREDICTION FROM SEISMIC DATA: FRONTIER AND TENSLEEP FORMATIONS, WYOMING. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF (MSc Thesis) - Submitted Version
Restricted to Abstract Only until 01 May 2016.
Available under License Creative Commons Attribution Non-commercial No Derivatives.

3693Kb

Arabic Abstract

في هذه الاطروحة تمت مناقشة إمكانية تحويل المعلومات الاهتزازية الي خصائص صخرية. قدمت هذه الاطروحه علي وجه خاص, تطبيق يسمح بتحويل البيانات الاهتزازيه ثلاثيه الابعاد الي خاصيتي المسامية و نسب المعادن المكونه لصخر. تم استخدام البيانات الاهتزازيه ثلاثية الابعاد بالاضافه الي تسجيلات الآبار لكل من المسامية و الكثافة لمكمنين في حوض تيبوت لتحقيق الغرض من الدراسة. في هذا التطبيق, البيانات الاهتزازيه تم تحويلها الي سمات الاهتزازيه, و من ثم تم تحويل تلك سمات الاهتزازيه الي خاصيتي المساميه و نسب المعادن المكونه للصخر باستخدام نموذج الذكاء الاصطناعي. لتحقق من مصداقية نموذج الذكاء الاصطناعي في عملية تحويل البيانات الاهتزازيه الي خصائص صخريه. تم استخدام تسجيلات الآبار المتوفرة في عمليه التحقق . آلية التحقق في كل مرة تتم بحذف بئر واحدة من تدريب نموذج الذكاء الاصطناعي ثم يتم قياس قدرة النموذج في التنبؤ بمعلومات البئر المحذوفة, تم تكرارعملية التحقق علي كل تسجيلات الابار المتوفرة للتدريب . و من ثم تم عمل مقارنة بين التسجيلات الحقيقية للآبار و التسجيلات التي تم استنتاجها من البيانات الاهتزازيه بواسطة نموذج الذكاء الاصطناعي. اظهرت هذه المقارنة تشابه كبير بين التسجيلين. هذا التشابه يظهر جليآ في قياس الخطأ الناتج عن التدريب و الخطأ الناتج عن التحقق. في مجمل النتائج كانت نسبة الخطأ الناتج عن التدريب و التحقق صغيرة نسبيآ . أظهر تطبيقي المساميه و نسب المعادن المكونة للصخور إمكانية و دقة عالية في إيجاد و التنبؤ بالتغيرات الجانبية للمكامن البترولية في منطقة الدراسة. تطبيق نسبة المكون المعدني للصخرالذي تم استحداثه في هذه الدراسة يمكن استخدامه في عمليه التفسير الآلي وكأدة إضافية لادوات التفسير الموجودة حاليا.ً

English Abstract

In this study, I addressed the problem of converting seismic amplitudes into rock characterization, through integration of petrophysical measurements and 3D seismic data. Particularly, I present an application that allows interpreters to obtain porosity and fractional lithology constituent 2D maps from post-stack 3D seismic data. I used 3D seismic cube, density and neutron logs of two target reservoirs in Teapot basin as input data. In this technique, seismic amplitudes were transformed to attribute combinations by stepwise regression analysis, then attributes transformed into fractional lithology constituent and porosity by training Radial Basis Function Neural Network with available well log. To evaluate the credibility of the attributes to log properties transformation, cross-well validation was performed. In this procedure one well is omitted from the training set and the transformation is re-calculated. The accuracy of the transformation in estimating properties from the omitted well is then evaluated, this is applied to each well in the training set. The comparison between actual and predicted log reveals good matching, which is indicated by small differences between estimation and validation errors. The overall results of two approaches reveal a better illumination of the two reservoir targets. The fractional lithology constituent approach can be used for automated interpretations and can work as an extension of conventional interpretation techniques.



Item Type:Thesis (Masters)
Subjects:Earth Sciences
Divisions:College Of Sciences > Earth Sciences Dept
Committee Advisor: Korvin, Gabor
Committee Members:Abdullatif, Osman and Abdulraheem, Abdulazeez
ID Code:139588
Deposited By:ABUZAR MAMUN ALI FUAD (g201201680)
Deposited On:07 Jun 2015 09:17
Last Modified:07 Jun 2015 09:17

Repository Staff Only: item control page