بخشی از مقاله
شناسايي نوع کاني هاي رسي با استفاده از ظرفيت تبادل کاتيوني در مخزن ماسه سنگي شوريجه (به سن کرتاسه آغازين )، ميدان گنبدلي ، خاور کپه داغ ، شمال خاور ايران
چکيده
در بررسي کيفيت مخزني رخساره هاي ماسه سنگي معمولا وجود رس اثر آشکاري در کاهش تخلخل مؤثر و تراوايي و دقت محاسبه درجه اشباع سيال هاي سازند دارد. در اين راستا شناسايي نوع و مقدار رس به روش هاي مختلف انجام مي شود. در مخازن ماسه سنگي ، رس ها ضمن آنکه منبع ايجاد ظرفيت تبادل کاتيوني (CEC) هستند، گوناگوني کاني شناسي آنها، موجب تغيير ميزان ظرفيت تبادل کاتيوني در مخزن خواهد شد. اين مهم مي تواند به عنوان معياري براي پهنه بندي مخزن بر پايه نوع کاني هاي رسي باشد. اندازه گيري CEC
به عنوان يکي از روش هاي فرعي شناسايي کاني هاي رسي ، در کنار ديگر روش ها به کار مي رود. اين متغير که توانايي رس ها را در جذب و آزادسازي کاتيون ها در محلول مجاور نشان مي دهد، براي انواع کاني هاي رسي داراي محدوده مشخصي است . در مواردي که چند نوع کاني رسي وجود دارد، مقدار CEC به سوي محدوده عددي نوع رس چيره نزديک مي شود. در اين مطالعه ظرفيت تبادل کاتيوني کاني هاي رسي دو حلقه چاه مخزن شوريجه در ميدان گازي گنبدلي محاسبه شده است . ابتدا CEC براي ٢٠ نمونه مغزه از دو چاه با استفاده از روش باور (Bower) اندازه گيري شد. در ادامه بر پايه داده هاي لاگ هاي پتروفيزيکي و نتايج آزمايشگاهي و به کمک برآوردگر شبکه عصبي مصنوعي ، مقادير CEC در طول هر چاه برآورد شد. در پايان با توجه به مقادير CEC کاني هاي رسي ، داده هاي موجود به ٥ دسته شامل پهنه عاري از رس و پهنه هاي داراي کائولينيت ، ايليت - کلريت ، هالويزيت با دو مولکول آب و پهنه مونت موريلونيت تقسيم شد. براي اين منظور از رده بندي کننده هاي بيزين ، پارزن و K- نزديک ترين همسايگي (KNN) استفاده شد. در پايان نتايج به دست آمده با نتايج حاصل از آزمايش پراش پرتو ايکس (XRD) مقايسه شد که تطابق خوبي نشان داد.
کليدواژه ها: کاني هاي رسي ، ظرفيت تبادل کاتيوني ، سازند شوريجه ، ميدان گازي گنبدلي ، کپه داغ .
١- پيش نوشتار
مطالعه و شناخت کاني هاي رسي در ارزيابي کيفيت مخازن هيدروکربوري اهميت بالايي دارد. وجود رس و چگونگي توزيع آنها در مخازن موجب کاهش تخلخل مؤثر و تراوايي و همچنين مشکلاتي در برآورد درست درجه اشباع آب مي شود.
افزون اين وجود رس در عمليات حفاري تکميل چاه بروز مشکلاتي مي شود. براي نمونه وجود کاني هاي گروه اسمکتيت سبب ناپايداري چاه ، هدر رفتن گل حفاري و بالا رفتن هزينه هاي حفاري مي شود. همچنين کاني هاي گروه کلريت در هنگام اسيدکاري چاه با تشکيل رسوب اکسيد و هيدروکسيد آهن سبب کاهش کارايي حفاري مي شوند. از اين رو شناسايي ميزان و نوع رس اهميت زيادي دارد.
ظرفيت تبادل کاتيوني (CEC) نشان دهنده ميزان توانايي کاني هاي رسي در جذب و آزاد سازي کاتيون هاست . شارژ الکتريکي منفي سطح کاني هاي رسي سبب مي شود که کاني هاي رسي از محلول هاي مجاور خود کاتيون هايي مانند +Na،K+ و +Ca2 را جذب کنند (٢٠٠٥ ,Kurniawan). مقدار اين کاتيون ها، ظرفيت تبادل کاتيوني (CEC) نام دارد ميلي اکي والان کاتيون در ١٠٠ گرم خاک خشک (100g.meq) يا در واحد حجم (meq.L) بيان مي شود (Qv). اين متغير به طور خاص سازندهاي ماسه سنگي رس دار نسبت سازندهاي کربناتي بيشتر است (١٩٩٦ ,.Murphy et al). افزون موارد يادشده ، کارايي مته ها حفاري در سازندهاي رسي با گل هاي پايه آبي ، شناخت نوع کاني هاي رسي و شناسايي پهنه هاي ريزشي در مخزن از ديگر کاربردهاي CEC است . مثلا CEC در رس هاي آماسي مانند اسمکتيت نسبت به رس هاي غير آماسي مانند کائولينيت بالاتر است . همچنين در شيل هاي گازي که درجه بلوغ و مقدار ايليت بيشتري دارند مقدار CEC متوسط است (٢٠١٢ ,.Josh et al). اين متغير را مي توان با روش هاي مختلف آزمايشگاهي اندازه گيري کرد و از روي لاگ هاي پتروفيزيکي نيز به دست مي آيد. روش هاي آزمايشگاهي مختلفي براي اندازه گيري CEC وجود دارد. براي نمونه باور و همکارانش (به نقل از ١٩٥٤ ,.Richards et al) روشي براي اندازه گيري آزمايشگاهي اين متغير در ٧=PH ارائه کرده اند. (2002) Ipek روشي تجربي با عنوان LSU جديد براي مدل سازي ويژگي هاي الکتريکي سازندهاي ماسه اي رس دار و محاسبه CEC به کمک لاگ ارائه داد که پايه آن نظريه هاي آب دوگانه و واکسمن اسميت است .
هدف از اين پژوهش ، شناسايي کاني هاي رسي با استفاده از داده هاي پتروفيزيکي و به کارگيري الگوريتم احتمالاتي تصميم گيري بيزين است .
٢- روش شناسي
در اين پژوهش با استفاده از داده هاي پتروفيزيکي مرتبط با دو چاه از ميدان گازي گنبدلي ، متغير CEC به کمک برآوردگر شبکه عصبي (٢٠٠٢ ,Beale &Demuth )
پس انتشار خطا، برآورد و نتايج آن با داده هاي به دست آمده از آزمايشگاه به روش باور (١٩٥٤ ,Richards) اعتبارسنجي شده است . در ادامه بر پايه مقادير اين متغير براي کاني هاي رسي مختلف ، داده هاي موجود با روش هاي رده بندي بيزين ، پارزن و KNN به ٥ دسته تقسيم شدند (;٢٠٠٢ ,Koutroumbos &Theodoridis ١٩٧٣ ,Hart &Duda ;٢٠٠٥ ,.Aster et al). به اين منظور از لاگ هاي پتروفيزيکي به عنوان ورودي و از CEC هاي به دست آمده از شبکه عصبي مصنوعي به عنوان خروجي يا هدف استفاده شد. مقايسه نتايج نشان مي دهد که انطباق قابل قبولي از CEC برآورد شده با استفاده از شبکه عصبي و نتايج آزمايشگاهي به روش باور وجود دارد.
٣- زمين شناسي ميدان مورد مطالعه
حوضه رسوبي کپه داغ با راستاي شمال باختر - جنوب خاور در شمال خاور ايران ، ترکمنستان و شمال افغانستان گسترش دارد. در هر سه کشور ميدان هاي گازي عظيمي در اين حوضه کشف شده است . ميدان هاي گازي سترگ خانگيران ، گنبدلي و به تازگي ميدان طوس در ايران ، دولت آباد- دونمز، شاتليک ، گازلي ، بايران علي و مهري در ترکمنستان و گوگر در افغانستان ، در اين حوضه کشف شده اند. ميدان گنبدلي در ناحيه سرخس در منطقه کپه داغ خاوري جاي گرفته است (افشارحرب ، ١٣٧٣).
در اواخر کوهزايي آلپين طي ميوسن - پليوسن بيشتر تاقديس ها و ناوديس هاي منطقه در اثر چين خوردگي شکل گرفته اند که تاقديس هاي گنبدلي و خانگيران از آن دسته هستند. تاقديس گنبدلي ساختماني با شيب به نسبت ملايم به سوي شمال باختر - جنوب خاور است . اين ساختمان در شمال باختر توسط يک فرورفتگي زيني شکل از تاقديس خانگيران جدا شده و در جنوب خاور توسط گسل هربرود از ساختمان دولت آباد- دونمز جدا مي شود (افشارحرب ، ١٣٧٣).
٣- ١. موقعيت و تاريخچه ميدان
ميدان گنبدلي در فاصل ٢٥ کيلومتري جنوب باختري شهرستان سرخس و در نزديکي مرز ترکمنستــان جاي دارد. اوليـن چاه اکتشافي حفر شده در سـال ١٣٤٨ نتيجــه اي نداشت . حفاري دوباره در سال ١٣٦٠ سبب کشف ذخاير گازي اين مخزن شد و بهره برداري از اين مخزن در سال ١٣٦٥ آغاز شد. مهم ترين سازند مخزني در اين ميدان سازند ماسه سنگي شوريجه است . موقعيت اين ميدان در شکل ١ نشان داده شده است .
٣- ٢. سنگ شناسي سازند شوريجه
سازند شوريجه ، بخش مخزني ميدان گنبدلي است . به طور عمده سازند شوريجه از رس هاي سرخ ، رس سنگ ها، انواع ماسه سنگ ، فلدسپار، انيدريت ، کنگلومرا و به طور جزيي سنگ هاي آهکي تشکيل شده است . شکل ٢ توالي سنگ شناسي بخشي از چاه ١ را نشان مي دهد که با استفاده از اطلاعات پتروفيزيکي به دست آمده است .
سنگ شناسي اين چاه به ويژه حضور رس ها و سيمان هاي رسي به وسيله مطالعه مقاطع نازک در چند نقطه ژرفي از چاه هاي مورد نظر، بررسي و ارزيابي شده است که انطباق خوبي با اطلاعات پتروفيزيکي دارد. در شکل هاي ٣- الف و ب نتيجه مطالعه مقطع نازک از ژرفاي ٣٢١٠ متري چاه ١ نشان داده شده است . حضور رس و سيمان هاي رسي در فضاي ميان دانه هاي کوارتز و فلدسپار در اين شکل ديده مي شود.
٤- بحث
٤- ١. برآورد ظرفيت تبادل کاتيوني
براي برآورد ميزان CEC در سازند مورد بررسي ، از برآوردگر شبکه عصبي MLP) Multi-Layer Perceptron) سه لايه استفاده شد. شبکه طراحي شده شامل ٧ مقدار در ورودي بوده و تنها از يک لايه پنهان تشکيل شده است . نرون هاي لايه مياني ١٠ عدد تعيين شد. براي اين منظور از روش سعي و خطا استفاده و خطاي برآورد در برابر شمار نرون هاي مختلف محاسبه شده است . تابع فعال سازي براي نرون هاي لايه ورودي و پنهاني ، تانژانت سيگموييد و براي نرون خروجي ، خطي (Pure line) انتخاب شده است . همچنين براي آموزش شبکه از الگوريتم Levenberg Marquard – استفاده شده است . براي اين منظور از داده هاي ٧ لاگ چگالي (RHOB)، نوترون (NPHI)، مقاومت ژرف (LLD)، موج فشاري (DT)، قطرسنجي (CAL)، پرتو گاما (GR) و سنگ شناسي (PEF) به عنوان ورودي و از داده هاي آزمايشگاه (اندازه گيري CEC به روش باور) به عنوان خروجي مدل استفاده شد (جدول ١). لاگ هاي مورد استفاده پس از انجام آناليز حساسيت نسبت به CEC انتخاب شدند که همبستگي بالايي با اين متغير دارند. گفتني است که براي ساخت مدل پيشنهادي ، از همه داده هاي مربوط به دو چاه شماره ١و ٢ استفاده شده است .
مقادير کمينه و بيشينه متغيرهاي مورد استفاده در مدل ها به همراه نماد آنها در جدول ١ ارائه شده است .
براي آموزش و آزمون مدل با توجه به کمبود داده ها از روش Leave-One-Out Cross-Validation استفاده شد. در اين روش يکي از نمونه ها کنار گذاشته مي شود، سپس مدل با بقيه نمونه ها آموزش داده و از داده کنار گذاشته شده براي آزمون استفاده مي شود. اين کار براي همه نمونه ها تکرار مي شود و بدين ترتيب مجموعه داده هاي آزمون به دست مي آيد.
ارزيابي عملکرد مدل با استفاده از ضريب همبستگي (R٢؛ معادله ١) براي سنجش ميزان درستي مدل بر پايه مقايسه ميان مقادير اندازه گيري شده و برآورد شده و نيز معيار ريشه ميانگين مربعات خطا (RMSE) به عنوان معياري از ميزان خطا استفاده شده است (معادله ٢؛ ١٩٧٣ ,Hart &Duda ):
که درآن به ترتيب iامين مقدار اندازه گيري و برآورد شده است .
همچنين نيز ميانگين مقادير اندازه گيري و برآورد شده هستند و n شمار داده هاي مورد استفاده است . در ادامه روند اجرا و نتايج به دست آمده از هريک از مدل ها توضيح داده مي شود.
٤- ٢. تعيين نوع کاني هاي رسي
پس از محاسبه CEC در دو چاه ، بخش هاي مختلف چاه ها بر حسب مقدار اين متغير به ٥ دسته تقسيم شدند. مقادير ميان ٠ و (پهنه تميز)، ميان ٣ و ١٥ (کائولينيت )، ١٥ و٤٠ (ايليت و کلريت )، ٤٠ و ٧٠ (هالويزيت با دو مولکول آب ) و همچنين براي مقادير CEC بزرگ تر از ٧٠ دسته مونت موريلونيت در نظر گرفته شد (.www.terragis.bees..http: ;١٩٥٩ ,Carroll ;١٩٨٤ ,Serra unsw.edu.au) بدين منظور از روش هاي رده بندي بيزين ، KNN و پارزن استفاده شد. از لاگ هاي پتروفيزيکي (جدول ١) به عنوان داده هاي ورودي و از مقادير ظرفيت تبادل کاتيوني محاسبه شده به عنوان داده هاي هدف استفاده شد.
براي آموزش روش هاي رده بندي ، ابتدا در هر يک از چاه هاي ١ و ٢، ٧٠ درصد داده ها به صورت تصادفي انتخاب شدند و از ٣٠ درصد باقيمانده براي آزمودن عملکرد آنها استفاده شد. سپس براي بررسي قابليت تعميم هر يک از روش ها، از داده هاي يک چاه براي آموزش و از داده هاي چاه ديگر براي آزمون استفاده شد. در هر کدام از حالت هاي يادشده ماتريس درهم ريختگي (Confusion matrix) محاسبه شد. همچنين براي سنجش دقت و درستي هر يک از روش هاي رده بندي مقدار CCR محاسبه شد. اين متغير که نشان دهنده درصد داده هايي است که به درستي دسته بندي شده اند، هم بر پايه شمار داده ها (نسبت شمار داده هايي که درست دسته بندي شده اند به کل داده ها) و هم بر پايه شمار دسته ها (ميانگين قطر اصلي ماتريس درهم ريختگي ) محاسبه شده است .
در اين مطالعه براي بررسي کاني هاي رسي از آزمايش پراش پرتو ايکس (XRD) براي اعتبارسنجي نتايج استفاده شد.
٥- بررسي نتايج
براي برآورد CEC از يک شبکه عصبي MLP سه لايه استفاده شد. شبکه طراحي شده شامل ٧ مقدار در ورودي بوده و تنها از يک لايه پنهان تشکيل شده است .
نرون هاي لايه مياني ١٠ عدد تعيين شد. همچنين از داده هاي آزمايشگاه به عنوان خروجي استفاده شد. براي آزمون مدل همان گونه که پيش از اين بيان شد با توجه به کمبود داده ها از روش LOOCV استفاده شد. بر اين اساس با توجه به شکل ٤ مقدار ضريب تعيين (R2)، براي کل داده ها برابر ٠.٩٦٧ و مقدار RMSE برابر ٣.٩٧ به دست آمده و براي داده هاي آزمون اين مقادير به ترتيب ٠.٩٦٦ و ٣.٨٧ است . همچنين مقايسه اي ميان مقادير برآورد شده و اندازه گيري شده آزمايشگاهي براي نمونه هاي مورد بررسي در شکل ٥ ارائه شده است . همان گونه که ملاحظه مي شود، انطباق خوبي ميان مقادير اندازه گيري شده و برآورد شده به وسيله برآوردگر شبکه عصبي وجود دارد.
پس از محاسبه CEC، داده ها با روش هاي بيزين ، پارزن و KNN، در ٥ دسته رده بندي شدند. ماتريس درهم ريختگي براي داده هاي آزمون به همراه دقت رده بندي براي هر سه روش در جدول ٢ ارائه شده است . براي به دست آوردن ابعاد مناسب پنجره پارزن ، نمودار CCR براي اندازه هاي مختلف رسم (شکل هاي ٦- الف و ب ) و بدين ترتيب ابعاد مناسب ٠.٠٧٢ تعيين شد. به همين صورت تعداد K مناسب در روش KNN، ٣ تعيين شد.
در روش دسته بندي KNN مقادير CCR به مقدار قابل توجهي افزايش پيدا کرده است (جدول ٢- ب ).
دقت ماتريس درهم ريختگي براي روش پارزن تقريبا نزديک به روش بيزين به دست آمد (جدول ٢- ج ).
براي ارزيابي تعميم پذيري هر يک از روش ها، داده هاي يک چاه براي آموزش و چاه ديگر براي آزمون استفاده شد (جدول هاي ٣- الف ، ب و ج ). براي نمونه در روش بيزين ، در حالتي که از چاه ١ براي آموزش و از چاه ٢ براي آزمون استفاده شده ، CCR برابر ٦٠ درصد است . در روش بيزين ، دقت دسته بندي بيش از ٦٠ درصد است که نشان مي دهد اين روش براي ميدان مورد مطالعه کارايي مناسبي دارد.
در روش KNN، دقت رده بندي کمتر از ٥٠ درصد است (جدول ٣- ب ) که نشان مي دهد اين روش قابليت تعميم خوبي ندارد.
در بررسي تعميم پذيري روش پارزن نيز مقادير CCR کمتر از ٥٠ درصد است (جدول ٣ - ج ) که نشان مي دهد اين روش دسته بندي هم قابليت تعميم ندارد.
بررسي آزمايش پراش پرتو ايکس براي ١٩ نمونه مغزه نشان مي دهد که ظرفيت تبادل کاتيوني نشانگر خوبي براي تشخيص نوع رس است . براي نمونه در ژرفاي ٣٢٠٨ متري متغير CEC، ٣٧.٦٦ g١٠٠.meq است که مربوط به محدوده کاني هاي ايليت و کلريت است . در حالي که درصد نيمه کمي کاني ها که از آزمايش XRD در اين ژرفا به دست آمده است (جدول ٤)، نشان مي دهد که کاني هاي رسي موجود در نمونه ، ايليت ، کلريت و کائولينيت و بيشترين سهم کاني هاي رسي (٤ درصد) مربوط به کاني ايليت و پس از آن کلريت (٢ درصد) است . همچنين طيف هاي پراش پرتو ايکس پس از حذف و کمينه سازي کاني هاي غير رسي براي نمونه يادشده در شکل ٧ نشان داده شده است .
٦- نتيجه گيري
در اين پژوهش روشي جديد براي تعيين کاني هاي رسي بر پايه متغير ظرفيت تبادل کاتيوني )CEC( ارائه شد. ظرفيت تبادل کاتيوني براي ٢٠ نمونه از دو چاه در سازند ماسه رسي شوريجه در ميدان گازي گنبدلي در خاور کپه داغ به روش باور در آزمايشگاه اندازه گيري شد. سپس به کمک برآوردگر شبکه عصبي مصنوعي ، مدلي مناسب براي محاسبه CEC با لاگ هاي پتروفيزيکي به دست آمد.
بدين ترتيب که از لاگ هاي پتروفيزيکي به عنوان ورودي و از نتايج آزمايشگاه به عنوان خروجي مدل استفاده شد. با توجه به کمبود داده هاي آزمايشگاهي ، براي اعتبارسنجي اين مدل ، روش LOOCV به کار برده شد و دقت اين روش با معيارهاي R٢ و RMSE مورد ارزيابي قرار گرفت . ميزان ٠٩٦٧=R٢ و ٣٩٧=RMSE بيانگر دقت بالاي برآورد CEC با اين روش است . پس از محاسبه CEC، براي رده بندي کاني هاي رسي ، ٤ حد برش در نظر گرفته و بر پايه ظرفيت تبادل کاتيوني داده هاي موجود به ٥ دسته رده بندي شد. به منظور دسته بندي از سه روش بيزين ، KNN و پارزن استفاده شد. مقادير CCR هريک از اين روش به ترتيب برابر با ٠.٧٣، ٠.٨٣ و ٠.٧٣ براي چاه ١ و ٠.٧٠، ٠.٨٧ و ٠.٧٤ براي چاه ٢ به دست آمد که نشان مي دهد روش KNN دقت بالاتري در هر دو چاه دارد. همچنين براي ارزيابي قابليت تعميم رده بندي کننده ها هر بار يک چاه براي آموزش و چاه ديگر براي آزمون مورد استفاده قرار گرفت . مقادير CCR تعميم روش هاي مختلف به طور متوسط براي روش هاي بيزين ، KNN و پارزن به ترتيب برابر با ٠.٦٤، ٠.٣٨ و ٠.٤٥ است . نتايج نشان از آن دارد که روش بيزين از کارايي و قابليت تعميم خوبي برخوردار است ، درحالي که روش هاي KNN و پارزن ، قابليت تعميم مناسبي ندارند. در نهايت براي اعتبارسنجي مطالعات انجام شده نتايج با تجزيه XRD مقايسه شد که اين مقايسه نشان مي دهد مي توان از ظرفيت تبادل کاتيوني به عنوان نشانگري مناسب براي تعيين نوع رس بهره برد.
شکل ٢- سنگ شناسي بخشي از چاه ١ با مقايسه لاگ هاي GR،SP ،CAL ،PEF ،PHOB ،NPHI ،DT و LLD.
