بخشی از مقاله
چکیده
محاسبهی پارامترهای ژئومکانیکی مخزن همانند سرعت موج برشی و سرعت موج فشارشی از جمله مسائل مهمی است که مهندسین مخازن نفت و گاز همواره در پی آن بودهاند چراکه با محاسبهی این عناصر میتوان به پارامترهای الاستیک مخزن که نقش مهمی در درک علل شکستگیهای مخزنی و مسائلی نظیر پایداری دیوارهی چاه و عملیات شکافت هیدرولیکی مخزن دارد دست یافت. در این مطالعه به ساخت نمودار سرعت موج برشی از طریق تکنیک الگوریتم ژنتیک و بررسی عملکرد آن از طریق مقایسه نتایج حاصل با نتایج به دست آمده از شبکههای عصبی مصنوعی پرداخته شده است. نمودارهای NPHI, RHOB, Vp به عنوان ورودیهای مدل ساخته شده مورد استفاده قرارگرفته و برای ساخت مدل و بررسی عملکرد آن دادههای موجود به دو گروه شامل دادههای آموزشی و دادههای تست تقسیم شد. نتایج نشانگر عملکرد بسیار بالای الگوریتم ژنتیک در تخمین پارامترهای ژئومکانیکی مخزن است.
واژههای کلیدی: ژئومکانیک، سرعت موج برشی، الگوریتم ژنتیک، شبکه عصبی مصنوعی
-1 مقدمه
سرعت موج فشارشی و سرعت موج برشی را میتوان از جمله پارامترهای اساسی در محاسبات مخازن هیدرو کربنی به حساب آورد که با ترکیب نمودار حاصل از این دو موج و لاگ چگالی تراکمی میتوان به محاسبه ی ثابتهای الاستیک پرداخت. همچنین میتوان با استفاده از اطلاعات حاصل از نمودارهای سرعت امواج برشی و فشارشی به مطالعات پتروفیزیکی، ژئو فیزیکی و ژئو مکانیکی در مخزن پرداخت.لذا با توجه به استفاده ی روز افزون ژئومکانیک در صنعت نفت و استفاده از آن در شناسایی ساختمان زمین و تعیین خواص مکانیکی مخازن هیدرو کربنی و همچنین با توجه به اهمیت بسیار بالای مطالعات پتروفیزیکی و ژئوفیزیکی مخزن و نقش آن در اکتشاف، تولید و بهره برداری ذخایر هیدروکربنی شناخت کامل سرعت امواج تراکمی و برشی سنگها از اهمیت ویژه ای برخوردار است.
سرعت موج تراکمی را میتوان با توجه به رابطه ی آن با نمودار صوتی محاسبه کرد ولیکن به دست آوردن سرعت موج برشی فقط از طریق آزمایش مغزه و یا استفاده از ابزار DSI ممکن میباشد که هردو روش بسیار هزینه بربوده و از این رو در این مقاله سعی شده است تا در جهت صرفه جویی در زمان و هزینه به تخمین نمودار سرعت موج برشی از طریق ارتباط آن با سرعت موج فشارشی و همچنین نمودارهای NPHI, RHOB و بهره گیری از تکنیک الگوریتم ژنتیک که روشی بسیار مفید در زمینه ی هوش مصنوعی میباشد پرداخته شود. از جمله مزایای این مطالعه میتوان به مواردی همچون به دست آوردن یک نمودار پیوسته از سرعت موج برشی در تمام عمق چاه و همچنین ساده، سریع و ارزان بودن روش مذکور اشاره کرد.
-2 الگوریتم ژنتیک
روشهای هوش مصنوعی را میتوان ابزاری بسیار کار آمد در حل مسائل بهینه سازی در حوضه ی علوم مهندسی و علوم تجربی به شمار آورد. پیش از این، این تکنیکها در موارد بسیاری توانایی خود در حل مسائل بسیار پیچیده را به اثبات رسانده اند. الگوریتم ژنتیک یکی از روشهای ابتکاری است که در سال 1975 توسط جان هالند ابداع شد و بهبود تدریجی آن، این تکنیک را به یکی از قدرتمند ترین روش های بهینه سازی ابتکاری تبدیل کرد. این تکنیک را میتوان نوعی الگوریتم جستجوی تصادفی بر پایه ی نظریه ی انتخاب طبیعی داروین دانست که بیان کننده ی بقای بهترین نمونهها از بین نمونههای موجود است.
در الگوریتم ژنتیک یک سری از پاسخهای مساله ی مورد نظر به صورت یک رشته به نام کروموزوم کد میشوند. این کروموزوم ها جمعیت اولیه را تشکیل میدهند و هرکدام پاسخی برای مساله ی موردنظر می باشند که پس از بررسی میزان مناسب بودن این پاسخها بر اساس تابع هزینه بهترین کروموزومها برای تشکیل دادن نسل بعدی به کار گرفته میشوند. در این امر از عملگرهایی اعم از تقاطع و جهش استفاده خواهد شد. عملگر جهش به تولید نسل جدید از طریق جابه جایی اجزای کروزوم والد میپردازد در حالیکه عملگر جهش به تغییراتی جزئی و تصادفی در نسل والد میپردازد. فرآیند تولید نسل های جدید و در واقع تولید پاسخهای مناسبتر به همین شکل ادامه مییابد تا پاسخ مطرح شده توسط الگوریتم به مقداری از دقت برسد که برای ما قابل قبول باشد.
-3 روش، بحث و بررسی
دراین مطالعه سه نمودار NPHI,RHOB و Vp به عنوان ورودی و به منظور تخمین نمودار Vs انتخاب و از بین 592 داده چاه 329 داده به منظور ساخت مدل و 263 داده جهت آزمایش آن استفاده شد. در نهایت مقادیر پیش بینی شده و مقادیر واقعی سرعت موج برشی در دادههای آزمایش - چاه آزمون - با یکدیگر مقایسه و مقادیر MSE و ضریب همبستگی محاسبه گردید. همچنین به منظور بررسی عملکرد الگوریتم ژنتیک و مقایسهی آن با روشهای پیشین هوش مصنوعی، از شبکههای عصبی مصنوعی نیز به منظور تخمین سرعت موج برشی استفاده شد. به صورتی که دادههای مورد استفاده همان داده های قبلی و با همان آرایش استفاده شده در الگوریتم ژنتیک بوده اند.
در این مطالعه برای تخمین مقادیر سرعت موج برشی از دادههای پتروفیزیکی از معادلهی زیر استفاده شد.
که در این معادله A,B,C به ترتیب مقادیر نمودارهای NPHI,RHOB,Vp و x1 تا x6 مربوط به ضرایب وزنی و نمایی و x7 مقدار ثابت معادله است.همچنین تابع هدف نیز طبق فرمول زیر مینیمم میگردد:
که MSE میانگین مربع خطا، VsMeasured مقدار سرعت موج برشی واقعی، VsPr edicted مقدار سرعت موج برشی تخمین زده شده و n تعداد نمونهها میباشند.
