Revista de Geografía y Desastres Naturales
Acceso abierto

abstracto

Predicción del Flujo Hidráulico en el Nuevo Reservorio de Carbonato Zohr: Este Mediterráneo usando Redes Neuronales Artificiales

Amir Maher Sayed Lala

Un nuevo yacimiento de gas incluye los carbonatos de la Formación del Cretácico Superior en el campo petrolífero de Zohr en el Mar Mediterráneo oriental en Egipto. El objetivo principal de este estudio es evaluar el nuevo yacimiento de carbonato mediante un estudio de sección delgada y estimar las unidades de flujo hidráulico HFU mediante un sistema inteligente. Esta formación de carbonato ahora se considera el depósito de gas más importante en el norte de Egipto. En este trabajo se identificaron cinco microfacies con base en el análisis petrográfico al microscopio. Las rocas examinadas se formaron en lagunas, bajíos y ambientes de depósito marinos abiertos. Las relaciones entre microfacies y unidades de flujo se evalúan más en este estudio. La determinación de tales relaciones ha demostrado ser un desafío debido a las complicaciones petrográficas que surgen de los procesos diagenéticos. La correlación detrás del porcentaje de espacio poroso y la permeabilidad es importante para reconocer el flujo hidráulico en el yacimiento bajo consideración en este estudio. Se aplicó el enfoque del indicador de zona de flujo (FZI) para estimar las zonas de flujo a partir de los datos del núcleo del pozo. Para lograr el objetivo de este trabajo, se implementó la técnica de Red Neural Artificial (ANN) para predecir HFU en pozos sin núcleo. Los parámetros de entrada compensaron la porosidad de neutrones (NPHI), el tiempo transitorio sónico (DT), los rayos gamma espectrales (SGR), la porosidad total (PHIT) y la densidad de formación (RHOB) en la ventana de entrada, cinco celdas en la ventana oscura y un celda como ventana de resultados se utilizaron para ANN. Las muestras de roca y la información de registro de los pozos Aa y Bb se utilizaron para la construcción del modelo ANN.

Después de validar los datos obtenidos del pozo (Cc) como entrada del modelo, se ejecutó con el pozo (Dd) que solo estaban disponibles los datos de registro del pozo. La correlación de los resultados obtenidos del modelo ANN con datos reales demostró la confiabilidad de la técnica inteligente para inferir HFU en intervalos sin núcleo en todo el campo. En consecuencia, la técnica de redes neuronales crea la relación real entre las zonas hidráulicas y la información de registro en pozos sin núcleo.