بخشی از مقاله
چکیده
آگاهی دقیق از تخلخل هر مخزن جهت پیش بینی عملکرد آینده میدان نفتی لازم است. بنابراین جهت افزایش دقت در تخمین تخلخل نیاز به بهبود روشهای مدلسازی آن است. در رویکردی شناخته شده از متغیرهای مختلف جهت شرطیسازی مدلسازی تخلخل استفاده میشود. به عنوان مثال میتوان ابتدا لیتولوژی را مدل کرده و در هر بلوک تخلخل را با توجه به لیتولوژی تخمین زد. انتخاب متغیرهای موثر از بین انواع متغیرهای مخزنی برای برآورد تخلخل سنگ مخزن اهمیت خواهد داشت. هدف اصلی این پژوهش تعیین متغیرهای موثر در برآورد تخلخل با بکارگیری روشهای تحلیل چند متغیره و روش شبکه بیزی است. شبکه بیزی مدلی گرافیکی است که وابستگی شرطی میان مجموعهای از متغیرها را نشان میدهد که سبب تبدیل مدلهای موضعی بسیاری شده و باعث کاهش بعد میشود و تصمیمگیری را در شرایطی که ابعاد فضای ویژگی بزرگ باشد آسان می سازد. این پژوهش بر روی ده متغیر پتروفیزیکی شامل:CALCITE، PHIE، SWE، GR، DT، NPHI، DRHO، RHOB، LLD، CALI و از هفت چاه از یکی ازمیادین نفتی جنوب ایران در محدوده عمقی مخزن سروک انجام شدهاست و در نهایت پارامترهای CALCITE، GR، NPHI، RHOB و DT باتوجه به شبکه بیزی مربوط به داده همه چاهها و روش های تحلیل چندمتغیره موثرترین پارامترها در محدوده مورد مطالعه شناسایی شدند.
-1 مقدمه
مفهوم شبکه بیزی ابتدا در علوم برق و کامپیوتر مورد استفاده قرار گرفتهاست . پیرل در سال1986 ، کوپر و هرسویت در سال 1992 از جمله اولین کسانی بودند که از روش شبکه بیزی استفادهکرده و آن را به صورت روشن و کاربردی معرفی کردهاند [1] ، . [2] مدتی بعد این روش در گستره وسیعی از علوم مورد استفاده قرار گرفت. مارکز و همکاران در سال 2009 از شبکه بیزی در برآورد قابلیت اطمینان سیستمها استفاده کردهاند .[3] خور و همکاران در سال 2009، سه نوع شبکه بیزی مختلف برای تشخیص حملات شبکهای ساختهاند که پس از مقایسه نتایج به این نتیجه رسیدند که هر سه نوع از این شبکهها دارای عملکرد یکسان میباشند .[4] شبکه بیزی همچنین در برخی زمینههای دیگر مانند پیشبینی قیمت در بازار سهام مورد استفاده قرار گرفتهاست .[5] چند سالی است که شبکه بیزی در مطالعات علوم زمین وارد شدهاست. براساس اطلاعات به دست آمده از سایت اسکاپوس، از بین تمامی رشتههای علوم زمین، رشته سنجش از راه دور بیشتر از بقیه رشتهها از روش شبکه بیزی بهره بردهاست. در صنعت نفت شبکه بیزی برای شرایط و وضعیتهای احتمالاتی مورد استفاده قرار گرفته است. به عنوان مثال در پژوهشهای پاییندستی نفت از آن برای مانیتورکردن سیستم استفاده شدهاست[6] .کنان در سال2006از این روش در افزایش ایمنی ابزار دقیق و کاهش ریسک در انتخاب محل چاهها استفاده کردهاست .[7]
در پژوهشهای بالادستی، یامی و همکاران در سالهای 2010 و 2012 از این روش در صنعت حفاری استفاده کردهاند [8] ، . [9] در سال 2011تعداد زیادی از محققان از شبکه بیزی در بحث تولید و تطبیق تاریخ استفاده کردهاند [10] ، [11] ، .[12] ظرافت و همکاران در سال 2011 برای افزایش بازیافت نفت - EOR - از چاههای نفتی از این روش استفاده کرده اند .[13] تعدادی از پژوهشها در مورد استفاده از شبکه بیزی در مطالعات بالادستی نفت وجود دارد که به طور خاص به استفاده از شبکه بیزی در مطالعه روابط و وابستگی بین ویژگیهای زمین شناسی پرداختهاست [15] ، [16] ، .[17] علاوه برآن دو پژوهش در استفاده از شبکه بیزی وجود دارد که از این روش برای شناسایی نگارهای پتروفیزیکی مهم در تعیین زون تولید در بین چاهها استفاده شدهاست. که براساس نتایج مطالعه اول، نسبت LLD/LLS و نگارLLD به عنوان موثرترین پارامترها شناخته شدهاند. براساس نتایج حاصل از مطالعه دوم متغیرهای تخلخل و اشباع آب، مهمترین ویژگیها برای ارزیابی زون تولید شناخته شدهاند . [18] شایان ذکر است که انتخاب ویژگی یکی از مراحل اساسی و مهم در فرآیند شناسایی است . [19] ایده خوبی نخواهد بود که تمامی اطلاعات در دسترس را به عنوان پارامترهای ورودی درنظر بگیریم. به عبارت دیگر، اطلاعات زائد و تکراری باید شناسایی شده و از مجموعه دادهها حذف گردند تا تصمیمگیری در زمانی که ابعاد فضای ویژگی بزرگ میباشد آسانتر گردد. مرور مطالعات انجام شده نشان میدهد که استفاده از شبکه بیزی در صنعت نفت در حال توسعه است و به عنوان یک ابزار مطالعاتی در تحقیقات اکتشافی مورد استفاده قرار میگیرد. شبکه بیزی یک ابزار قدرتمند برای شناسایی رابطه علت و معلولی بین ویژگیها و پدیدههای مختلف است. با توجه به ضعیف بودن رویکرد انتخاب متغیرهای موثر در برآورد پارامترهای پتروفیزیکی به خصوص تخلخل در پژوهشهایی که برای تخمین و مدل-سازی صورت گرفتهاست، در این مقاله از روش شبکه بیزی و روشهای تحلیل چند متغیره که وابستگی متغیرها را نشان میدهند، برای تعیین متغیرهای موثر در برآورد تخلخل استفاده خواهدشد و درنهایت متغیرهایی که بیشترین تاثیر را در برآورد تخلخل دارند مشخص خواهند شد.
-2 روش تحقیق ×
همانطور که گفته شد، روشهایی که دراین مطالعه برای انتخاب پارامترهای موثر در برآورد تخلخل مورد بررسی قرار گرفتهاند، روشهای تحلیل چندمتغیره شامل: ماتریس ضریب همبستگی دو متغیره، تحلیل خوشهای و تحلیل فاکتوری و روش شبکه بیزی با الگوریتم K2 است که توضیح هریک از این روشها در ادامه آمدهاست.
تحلیل مولفههای اصلی
-1-2 روشهای تحلیل چند متغیره
روش های آماری چند متغیره امکان تحلیل همزمان چند متغیر را فراهم می کنند. در تحلیل داده ها زمانی که تعداد متغیرها به بیش از دو یا سه متغیر افزایش مییابد، مثلا در مسایل اکتشافی با یک فضای 20،10 و یا 50 متغیره مواجه هستیم که بررسی روابط بین آنها صرفا از طریق تحلیلهای چند متغیره میسر می باشد .[20] روش های متعدد و متنوعی در تحلیل چند متغیره دادهها موجود میباشد که از جمله آنها می توان به بررسی میزان وابستگی دو متغیره، تحلیل خوشهای و تحلیل مولفههای اصلی اشاره نمود. در این روشها سعی بر آن است تا بر اساس تحلیل دادهها و ارتباط بین متغیرهای مختلف روابط ژنتیکی بین متغیرها مورد ارزیابی قرار گیرد . [21]
-1-1-2 ماتریس ضریب همبستگی
ضریب همبستگی - correlation coefficient - ، آمارهای است که جهت اندازهگیری قدرت و درجه یک رابطه خطی بین دو متغیر به کار میرود. این ضریب به گونهای تعریف شدهاست که مقادیری بین+ 1 تا-1 را میگیرد. زمانی ضریب همبستگی کامل رخ میدهد که بتوان مقدار یک متغیر را از روی یک متغیر دیگر به طور دقیق پیش بینی کرد. در این حالت ضریب همبستگی پیرسون+1 یا-1 خواهدبود. در سایر موارد، هرچقد ابر بیضی شکل پراکندگی نقاط باریکتر باشد، رابطه قویتر است و مقدار قدر مطلق ضریب همبستگی پیرسون بزرگتراست. هنگامی که رابطهای بین دومتغیر وجود ندارد، نمودار پراکنش آنها تقریبا یک ابر دایرهای شکل میشود. دراین حالت ضریب پیرسون تقریبا صفر خواهدشد .[22] ماتریس ضریب همبستگی، ماتریسی است که شامل همبستگی دو به دوی متغیرها میباشد که دراین پژوهش ماتریس10*10 تشکیل شده است.
2-1-2 تحلیل خوشهای
یکی از روشهای آنالیز روابط ژنتیکی چند متغیره، آنالیز خوشهای است که هدف آن تفسیر ساختار ماتریس واریانس_کوواریانس مجموعهای از دادههای چند متغیره میباشد. در برخی از شیوههای محاسباتی این روش، ماتریس ضرایب همبستگی دو متغیره - فواصل اقلیدوسی تشابه یا عدم تشابه محاسبه شده برای دو به دو متغیرها - مبنای کار قرار می گیرد . [23] طبقهبندی عبارت است از قرار دادن نمونهها در داخل گروههای کم و بیش همگن، به طوری که روابط بین گروهها مشخص باشد. هدف از تحلیل خوشهای دست یافتن به ملاکی برای طبقهبندی هر چه مناسبتر متغیرها و یا نمونهها بر اساس تشابه هر چه بیشتر درون گروهی و اختلاف هر چه بیشتر بین گروهی است. تحلیل خوشه ای با برقراری ارتباط بین مجموعهای از متغیرهای به ظاهر بی ارتباط، به شناخت یک مدل فرضی بین آنها اقدام کرده و به کاهش ابعاد متغیرها میپردازد [21] که نتایج آنالیز خوشهای در این مطالعه به صورت نمودار دندوگرام برای متغیرهای مختلف رسم گردیدهاست.
3-1-2
تحلیل مولفههای اصلی و فاکتوری یکی از روشهای آماری چند متغیره است که هدف اولیه آن تفسیر ساختار ماتریس واریانس_ کوواریانس مجموعهای از دادههای چند متغیره است. ارزیابی همبستگی بین متغیرها و تعیین همبستگی نمونههای مختلف - بر حسب تغییرات متغیرها - در تحلیل مولفههای اصلی مورد بررسی قرار می گیرد. این نوع از تجزیه و تحلیل، مقایسهای به دست میدهد تا با تکیه بر آن، روابط همبستگی پارامتری متغیرها در دادهها مشخص گردد و قادر خواهد بود متغیرهای اصلی موجود در تحلیل دادههای یک پدیده را شناسایی کند و اولویت آنها را در توجیه میزان واریانس کلی - تفسیر کلیه پدیده و رخدادهای تاثیرگذار بر منطقه مورد مطالعه یا نمونه برداری شده - محاسبه کند و در قالب جداول و نمودارها نشان دهد.
