ESTIMATION OF ACOUSTIC VELOCITIES AND ROCK MECHANICAL PARAMETERS USING ARTIFICIAL INTELLIGENCE TOOLS. Masters thesis, King Fahd University of Petroleum and Minerals.
|
PDF (Thesis)
THESIS_DRAFT_ZEESHAN_TARIQ_.pdf - Draft Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (14MB) | Preview |
Arabic Abstract
تلعب العوامل الميكانيكية للصخور دور مهم في تقليل المخاطر الناتجة أثناء عمليات الحفر و عمليات زيادة إنتاجية المكامن. هذه العوامل يمكن إستخدمها في الامور التالية : تحديد أفضل موقع لبئر الإنتاج, تحديد إستقرارية قاع البئر, تصميم عملية إكمال البئر, تجنب انتاج الرمل من البئر وتصميم عمليات التكسير الهيدروليكي. يعتبر التقدير المناسب لهذه العوامل أمر أساسي في تطوير و انتاج الهيدروكربون ( النفط والغاز), كما أن التقدير الخاطئ للعوامل الميكانيكية قد يؤدي الى إتخاذ قرارت هامة بصورة خاطئه ومن ثم تطوير حقل الإنتاج بصورة غير ملائمة. قبل تنفيذ اي عملية على المكمن; يجب أن تتم دراسة عوامل الصخور الميكانيكية بصورة دقيقة و عمل مخطط مستمر لتغير هذه العوامل. تعتبر عمليات أخذ عينات صخرية من جميع أعماق المكمن و إجراء إختبارات معملية عليها تعتبر عمليات مكلفة للغاية و تأخذ وقت طويلا. و بالتالي; يتم تقدير هذه العوامل عند طريقة دراسة الموجات الصوتية و الموجات الانضغاطية التي يتم التحصل عليها من عمليات قياس البئر. تسمى العوامل التي يتم قياسها في المعمل بالعوامل الساكنة, كما تسمى تلك التي يتحصل عليها في عمليات قياس البئر بالعوامل المتحركة او الديناميكية, كل هذه العوامل يجب قياسها في ظروف مماثل للظروف المكمنية من حيث درجة الحرارة و الضغط. لذلك يتم فحص و معايرة كل القياسات الناتجة من عمليات قياس البئر مع تلك المتحصل عليها في المعمل للتأكد من صحة و دقة هذه القياسات. تتغير العوامل الصخرية مع العمق, لذلك يعتبر التقدير الحقيقي و الدقيق لقيم هذه العوامل يعتبر تحدي في غاية الصعوبة. يزداد هذه التحدي صعوبة في حالة الصخور الكربونة بسبب عدم تجانس هذه الصخور مقارنة بالصخور الرملية. بإلاضافة الى ذلك, فإن موجات القص والضغط تكون غير متوفرة في الغالب و لا يمكن التحصل عليها من عمليات قياس البئر, الامر الذي يجعل التحدي أكثر صعوبة. في هذا البحث يتم تطوير نماذج جديدة للذكاء الاصطناعي من أجل تقدير الموجات الصوتية و عوامل الصخور الميكانيكية. هذه النماذج المقترحة سوف تستخدام قياسات مختلفة من عمليات قياس البئر كمدخلات لهذه النماذج. سوف يتم تطبيق ثلاثة من تقنيات الذكاء الاصطناعي, و بعد ذلك سوف يتم إختيار أفضل نموذج بناءا على اقل قيمة لمتوسط الخطاء النسبي و اقصى قيمة لمعامل الإرتباط.
English Abstract
Rock Mechanical parameters are critical in alleviating the risks associated with the drilling and maximizing the reservoir productivity. These parameters are used in the optimization of the well placement, well bore instability, completion design, draw-down limits to avoid sanding, hydraulic fracturing, and many more. The appropriate estimation of these parameters is very essential for the development and production phases of hydrocarbon recovery. Incorrect estimation of rock mechanical parameters may wrongly lead to heavy investment decisions and inappropriate field development plans. To carry out any operation, a continuous profile of rock mechanical parameters is needed. Retrieving reservoir rock samples throughout the depth of the reservoir and performing laboratory tests are extremely expensive and time consuming. Therefore, these parameters are estimated from the sonic and compressional wave velocities obtained from Well-logs. Parameters obtained from laboratory tests are termed as static parameters while those obtained from Well-logs are dynamic parameters. The former case represents closely the condition in the reservoir. Since the Well-logs provide a continuous profile of parameters, they have to be calibrated with respect to the static parameters. Since rock properties change with the depth, a realistic estimation of static values remains a big challenge. In carbonate rocks because of heterogeneity the problem is more critical compared to sandstone. In addition to that shear and compressional wave velocity data is not always available from Well logs that makes the problem more challenging. This research deals with the development of new artificial intelligence models to predict both the acoustic waves and the rock mechanical parameters. The proposed models will use different wire-line logs as an input. Three different AI techniques will be implemented and the one with the optimal performance on the basis of maximum coefficient of determination and minimum average absolute percentage error will be selected.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Engineering Petroleum |
| Department: | College of Petroleum Engineering and Geosciences > Petroleum Engineering |
| Committee Advisor: | Abdulraheem, Abdulazeez |
| Committee Co-Advisor: | Elkatatny, Salaheldin |
| Committee Members: | Mahmoud, Mohammed and Al-Shehri, Dhafer Abdullah and Hasan, Rafi ul |
| Depositing User: | ZEESHAN TARIQ (g201406240) |
| Date Deposited: | 11 Jan 2017 12:53 |
| Last Modified: | 01 Nov 2019 16:36 |
| URI: | http://eprints.kfupm.edu.sa/id/eprint/140150 |