Prediction of Flow Zone Indicators in Carbonate Reservoirs Using Hybrid Modeling. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF Ahmed_Y_Alsahaf_(201001800)_-_‫Thesis_Report.pdf Download (5MB) | Preview

Arabic Abstract

مع التزايد المستمر في حجم البيانات الجيولوجية والبتروفيزيائية المتاحة في صناعة النفط والغاز، أصبحت الحاجة المستمرة لتعزيز نماذج المحاكاة للمكامن بارزة. نظرا لطبيعتها المكانية المتغيرة ، تواجه عملية المحاكاة للمكامن الكربونيه تحديات كبيرة. الطرق الأكثر دقة لتقييم المعلمات الحرجة مثل النفاذية تتم من خلال الحفر ومختبر التجارب، ولكن هذه الطرق تتطلب العمل المكثف وارتفاع التكاليف. تقدم هذه الدراسة استخدام الهجين في الذكاء الاصطناعي لمعالجة هذه التحديات والتنبؤ بمؤشر مناطق التدفق في المكامن الكربونيه. النموذج المقترح سوف يستخدم سجلات تقليدية و سجلات للرنين المغناطيسي النووي كبيانات إدخال. عدد البيانات لكل سجل تتكون من 487 نقطة. أولا، سيتم وضع خمسة أنظمة غير مهجنه باستخدام تقنيات ذكاء اصطناعي مختلفة. التقنيات الخمسة المستخدمة هي: الشبكات العصبية مسبقة التغذية ، الشبكات العصبية ذات الوظيفة شعاعية الأساس ، الشبكات العصبية ذات الانحدار العام ، آليات المتجهات المدعمة ، ونوع-2 للمنطق الضبابي. بعد ذلك، سيتم النظر في آليات المتجهات المدعمة ، نوع-2 للمنطق الضبابي، والنموذج صاحب أفضل أداء من تقنيات الشبكات العصبية الثلاثة الغير مهجنه. سيتم بعد ذلك وضع تسعة أنظمة هجينة، وسيتم اختيار النموذج ذو الاداء الأفضل. جميع النظم الهجينة ستتكون من مرحلتين في التسلسل. ستبدأ المرحلة الأولى بإختيار السجلات المميزة من بيانات الادخال عبر استخدام ثلاثة خوارزميات مختلفة هي: الشبكات الوظيفية ، شجرة القرار ، ومعلومات ضبابية الانتروبيا. ستبدأ المرحلة الثانية بتوظيف التقنيات الثلاث المختارة ، والتي تستخدم المعلمات المحددة، للتنبؤ القيم المستهدفة لمؤشر منطقة التدفق. وسوف يتم إجراء مقارنة معيارية للتسعة الأنظمة الهجينة المتقدمة مع نماذجها غير الهجينه. ايضاو سيتم استخدام مدخلات إضافية لزيادة تحسين نماذج التنبؤ. لتحديد أفضل نموذج، سيتم مقارنة أداء جميع النماذج المطورة باستخدام كل من الخطأ الإحصائي والتحليل البياني. وأخيرا، سيتم بناء نموذج التنبؤ الهجين المتطور للتنبؤ بالنفاذيه وبإستخدام القيم المتوقعة لمؤشر مناطق التدفق. أظهرت النتائج أن نماذج التنبؤ بمؤشر مناطق التدفق يمكن زيادة تحسينها بواسطة التهجين و إضافة مدخلات البيانات الإضافيه. أدى هذا التحسن في التنبؤ بمؤشر مناطق التدفق إلى التحسن في التنبؤ بالنفاذية. يوفر هذا العمل نماذج تنبؤ أكثر دقة لوصف للمكامن الكربونيه.

English Abstract

The oil and gas industry has an increasing volume of geological and petrophysical data that can be utilized to enhance reservoirs simulation models. Due to their inherent spatial heterogeneities, the description of carbonate reservoirs poses great challenges. The most accurate way for evaluating their critical parameters such as permeability is through coring and laboratory experiments, but this process requires extensive labor and high costs. This study presents the utilization of hybrid Artificial Intelligence (AI) to address heterogeneity challenges and predict flow zone indicator (FZI) in carbonate reservoirs. The proposed model will use eight conventional and 20 nuclear magnetic resonance (NMR) logs data as input. The input datasets have 487 data points for each log. First, five non-hybrid systems were developed using different AI techniques. The five AI techniques are Feedforward Neural Networks (FFNN), Radial Basis Function Neural Networks (RBFNN), Generalized Regression Neural Networks (GRNN), Support Vector Machines (SVM), and Type-2 Fuzzy Logic (T2FL). Next, SVM, T2FL, and the best performer of the three neural networks techniques, FFNN, were considered for hybridization. Nine hybrid systems were then developed, and the one with the best performance were selected. All the hybrid systems consisted of two stages in sequence. The first stage acts as feature selection from input data. Three different algorithms were used and compared for performance, namely Functional Networks, Decision Tree, and Fuzzy Information Entropy. The second stage employed the three selected techniques, which used the selected parameters, to predict the target values for flow zone indicator. All nine developed hybrid systems were benchmarked with their respective non-hybrid models. Fusion of additional inputs was utilized to further improve the FZI prediction models. To select the best model, the performance of all developed models was compared using both statistical error and graphical analysis. Finally, super hybrid prediction models for permeability were built utilizing predicted values of FZI. Results showed that flow zone indicator prediction models can be further improved by hybridization and Data Fusion. This improvement in FZI prediction also led to improvement in permeability prediction. This work provides more accurate prediction models for flow zone indicators and permeability in carbonate reservoirs.

Item Type:	Thesis (Masters)
Subjects:	Computer Petroleum > Reservoir Characterization Petroleum > Well Logging
Department:	College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor:	Abdulraheem, Abdulazeez
Committee Members:	Mahmoud, Mohamed and Gabor, Korvin
Depositing User:	ALSAHAF AH YOUSIF (g201001800)
Date Deposited:	22 Jun 2015 08:54
Last Modified:	01 Nov 2019 16:29
URI:	http://eprints.kfupm.edu.sa/id/eprint/139648