INTEGRATIVE CHARACTERIZATION AND MODELING OF THE PERMO-TRIASSIC CARBONATES, SOUTHCENTRAL SAUDI ARABIA. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF INTEGRATIVE CHARACTERIZATION AND MODELING OF THE PERMO-TRIASSIC CARBONATES, SOUTHCENTRAL SAUDI ARABIA.pdf - Draft Version Restricted to Repository staff only until 3 June 2025. Download (6MB)

Arabic Abstract

أصبحت موارد الغاز الطبيعي هد ف ا مرغوب ا في عملية تحول الطاقة وذلك بسبب مساهمتها في تقليل الإنبعاثات الكربونية. تُعَدُّ تتابعات السحنات الكربوناتية البيرمية المتأخرة - الترياسية المبكرة )البيرمية-الترياسية( واحدة من أكثر النطاقات المحتوية على الغاز في المملكة العربية السعودية ومنطقة الخليج بشكل عام. يهدف هذا البحث إلى توصيف ونمذجة هذه السحنات في جنوب وسط السعودية باستخدام العينات الصخرية وسجلات الآبار. في منطقة الدراسة، هذه التتابعات وُجدت على أعمق سحيقة وتتميز بمسامية بين-بلورية دقيقة ومتفاوتة، ونفاذية منخفضة للغاية، مما يشير إلى أنها تمثل خزان نفطي ضيق وغير تقليدي. تم التعرف على عشر سحنات كربوناتية بأنسجة رسوبية متفاوته. أظهر تحليل المعادن بالأشعة السينية أن الجزء العلوي غني بالدولوميت مع توفر أفضل مسامية، والتي تتعلق بتوفر المسامية الدقيقة والتكسرات، بينما يسيطر الكالسيت على الجزء السفلي من العينات الصخرية. وُجد الكوارتز والإيليت بشكل طفيف وارتبطا بشكل خاص بالسحنات الطينية الغنية بالمواد العضوية. توافقت نتائج التركيب العنصري للأشعة السينية مع نتائج تحليل المعادن، مما يوفر مؤش را جي دا للتكوين المعدني. أظهر البحث أنه وفي جميع السحنات المدروسة، يقلل وجود التكسرات، الاستيلوليت، الفرز الحبيبي، والمواد العضوية من سرعات الموجات الصوتية لنفس المسامية، بغض النظر عن سحنة الكربونات. أظهرت نتائج تحليل العينات الصخرية توافق ا جي دا مع سجلات اللآبار فيما يتعلق بنطاقات الكالسيت والدولوميت، التركيب العنصري، والتباين في سرعة الموجات الصوتية بشكل عام. فيما يتعلق بنمذجة الكربونات البيرمية-الترياسية ، تم إستخدام النمذجة الجيوإحصائية والشبكات العصبية الإصطناعية للتحقيق في التباين المكاني، التكوين العنصري، والمضاهاة في أعضاء البيرمي-الترياسي المختلفة في منطقة الدراسة. تهدف نتائج النمذجة إلى توفير إجراءات فع الة من حيث التكلفة والوقت في مراحل الإستكشاف المب ك رة. يساهم تكامل جيومورفولوجيا وخصائص المنصات القار ي ة مع النمذجة الجيوإحصائية في تحسين دقة التنبؤ الجانبي للخزانات النفطية، مما يحسن تخطيط الآبار واستراتيجيات الإستكشاف على مستوى الحقل. في هذا السياق، أظهرت الرسوم التباينية الإتجاهية استمرارية مكانية في التكوين العنصري مع تباين طفيف. وبذا فقد توافقت نتائج النمذجة الجيوإحصائية لأي نموذج مع البيانات المعطاة. تهدف نمذجة الشبكات العصبية الإصطناعية إلى تقييم أداء عدة هياكل نموذجية للتنبؤ بالتكوين العنصري وتوزيع أعضاء البيرمي-الترياسي المدروسة، وذلك بإستخدام بيانات التركيب العنصري، المعادن، وبيانات سجلات الآبار الأخرى. في هذا الصدد، تم تصميم وتقييم ثلاثة هياكل للشبكة العصبية الإصطناعية و بخصائص مختلفة. ) أظهر تحليل المكونات الرئيسية أن بيانات التدريب يمكن تجميعها في ثلاثة مكونات رئيسية. النموذج الأبسط )نموذج_ ١ ق د م أفضل أداء من حيث التوازن بين تعقيد النموذج والدقة التنبؤية. كذلك سجل النموذجين الآخرين أدا ء جي دا، ولكن بدقة أقل وحسابات ومواصفات شبكية أكثر تعقيدا . تؤكد هذه النتائج على أهمية إختيار النموذج المناسب في التطبيقات الجيولوجية وأخذ النماذج المب سطة بعين الإعتبار، لا سيما في مرحلة الإستكشاف النفطي، حيث يمكن لمثل هذه النماذج أن توفر نتائج فع الة مع بيانات محدودة، في وقت وجيز وبحسابات أبسط.

English Abstract

Due to its contribution to the low carbon budget, natural gas resources became a desired target for the energy transition. The Permo-Triassic succession is one of the most prolific gas intervals in Saudi Arabia and the Gulf region. This research aims to characterize and model late Permain-Early Triassic carbonate reservoir microfacies in Southcentral Saudi Arabia, incorporating core and well-log data. In the study area, core samples were deeply buried and characterized by dominant SEM intercrystalline microporosity (3-18%) and extremely low permeability, indicating a tight, unconventional reservoir setting. Ten carbonate microfacies were identified, covering various carbonate textures ranging from mudstone to grainstone and floatstone. XRD mineralogy analysis exhibited dolomite-rich at the upper part, where best reservoir quality was recorded in terms of intercrystalline microporosity and fractures, while calcite dominates at the lower part of the core section. Quartz and illite were slightly noted and were particularly associated with organic-rich mudstone microfacies. XRF elemental geochemistry agreed with mineralogy results, representing a good proxy for mineral composition. In all microfacies, the occurrence of fractures, stylolites, poor sorting, and organic matter reduces and distorts acoustic velocities for given microporosity, regardless of carbonate texture. The core analysis results showed decent agreement with the wireline logs concerning calcite-dolomite segregation, elemental geochemistry, and general acoustic variation. Geostatistical and artificial neural network (ANN) modeling were used to investigate spatial variability and correlation in different Permo-Triassic members in the study area. The modeling results intend to substrate for costefficient procedures in early exploration stages. Incorporating the basic geomorphology of the epicontinental platforms with geostatistics provides better certainty for lateral reservoir prediction, which optimizes well planning and exploration strategies on the field scale. In this context, directional variograms showed spatial continuity in geochemical composition with minimal variation and negligible nugget effects. Thus, all studied Permo-Triassic members exhibited long major ranges in Ca and S as dominant elemental capture spectroscopy (ECS). Minor ranges were comparable to the major ones, indicating clear zonal anisotropy. Vertical variograms showed variable ranges as they were influenced by member thickness. Model outputs honored the geological input data in all modeled properties. The ANN modeling aims to utilize and evaluate the performance of several model architectures to predict the elemental composition and Permo-Triassic members, using an integration of ECS, mineralogy, and other well-log data, including acoustic transit-time (DT), neutronporosity (NPHI), bulk density (RHOB) and gamma ray (GR). Principal component analysis (PCA) shows that the input training data could be grouped into three major components that capture more than 80% of the variance. Three ANN architectures with different properties were designed and evaluated to address the regression and classification. The simplest model (Architecture_1) steadily performed best, balancing model complexity with predictive accuracy. Architecture_2 and _3 have also shown comparable results but with less accuracy. This finding emphasizes the importance of model selection in geological applications, where simpler models can often yield time-effective results for reservoir prediction, especially during exploration, with limited data and less computational burden.

Item Type:	Thesis (PhD)
Subjects:	Earth Sciences
Department:	College of Petroleum Engineering and Geosciences > Geosciences
Committee Advisor:	Humphrey, John
Committee Members:	Al-Ramadan, Khalid Abdulsamad and Kaminiski, Michael and Soupios, Panteleimon and Makkawi, Mohammad Houssain
Depositing User:	ABDALLAH ABDELKARIM HASSAN (g201203980)
Date Deposited:	03 Jun 2024 08:03
Last Modified:	03 Jun 2024 08:03
URI:	http://eprints.kfupm.edu.sa/id/eprint/142924