Caractérisation de réservoirs à partir des diagraphies par la logique floue

Abstract

La caractérisation des réservoirs de pétrole est le processus de description quantitative des différentes caractéristiques des réservoirs en variance spatiale à l'aide des données disponibles. il joue un rôle crucial dans la gestion moderne des réservoirs, la prise de décision et l’amélioration de la fiabilité de la modélisation des réservoirs. L’argile étant un paramètre très limitant, la répartition des valeurs de porosité et de perméabilité dans les deux puits étudiés démontre une hétérogénéité du réservoir et une forte non-linéarité entre les deux paramètres. Celui qui rend impossible de la prédire ceux qui utilisent les méthodes conventionnelles. Pour cette raison, nous proposons d'introduire une méthode peu coûteuse basée sur la logique floue (FL) du deuxième type, en tant que technique d'IA. Dans une autre partie du travail, nous avons travaillé sur la résolution des problèmes d'identification des roches à partir des enregistrements de puits traditionnels en utilisant une méthode basée sur la logique floue. Dans ce cas, la connaissance de la relation mathématique n’est pas nécessaire. En fait, les architectures de logique floue doivent uniquement être entraînées avec des données d'entrée correspondant à la sortie souhaitée. Cette dernière permet de mesurer des informations qualitatives et de modéliser des relations complexes et non linéaires. il préconise l'utilisation de « vérités partielles » entre les alternatives « complètement fausses » et « complètement vraies » et permet de considérer l'éventail complet des possibilités parmi ces alternatives. Les principaux résultats de cette thèse peuvent être résumés comme suit : 1- De manière générale, les résultats obtenus par la logique floue par rapport aux données de carotte de cette étude montrent que la logique floue est capable d'estimer les paramètres du réservoir Principalement la porosité et la perméabilité, les résultats ont été satisfaisants lors de l'utilisation de la logique floue. 2-La Capacité de la logique floue FL et du réseau neuronal multicouche MLP à déterminer la porosité et la perméabilité à partir des données de Puits . Les résultats ont montré que la technique FL avait un meilleur coefficient de corrélation pour les porosités réelles et prédites dans les puits HR 189 et HR197 avec le coefficient de corrélation R2 = 0,91 et R2 = 0,91, respectivement. D'autre part, les résultats FL ont montré qu'il a un meilleur coefficient de corrélation de perméabilité réelle et de perméabilité prédite dans HR 189 avec R2 = 0,92, contrairement au puits HR197, le modèle MLP a un meilleur coefficient de corrélation de perméabilité prédite R2 = 0,90. 3-L'application de la logique floue a permis de classer les faciès de manière plus précise et montre une grande ressemblance avec les faciès carottés pour les puits HR189 et HR197 avec une épaisseur de 158 mètres à partir du puits HR189 (2135-2293 mètres) et 134 mètres à partir du puits HR197 (2135-2269 mètres). ). Cela fait de cette approche un outil simple et efficace pour prédire les surfaces des puits inexplorés et ainsi obtenir des modèles plus fiables afin de répondre à la demande croissante de pétrole. D’autre part, on peut dire que le modèle flou explique les Petits passages qui existent, notamment ceux liés entre les Faciès argileux et argile gréseuse et les faciès grès argileux et argile Gréseuse