1کارشناسی ارشد،دانشکده مهندسی معدن، دانشگاه تهران، تهران،ایران
2استاد، دانشکده مهندسی معدن، دانشگاه تهران، تهران،ایران
3دانشجوی دکترا، دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران
4دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایران
5دانشیار، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
6دانشجوی دکترا، انستیتو مهندسی نفت، دانشگاه تهران، تهران، ایران
چکیده
شکستگیها در مخازن نفتی حوزه زاگرس نقش بنیادین در مهاجرت و تولید هیدروکربورها دارند. یکی از ابزارهای بسیار قوی برای مطالعه و شناسایی شکستگیها در پیرامونچاه‌ها، نمودارهای تصویریاست. این نمودارها اطلاعات مهمی درباره جهت‌گیری، ژرفا و نوع شکستگی‌های طبیعی فراهم می‌کنند. امروزه روش دقیقی برای شناسایی خودکار شکستگیها از روی این نمودارها در مخازن کربناتی ایرانوجود ندارد و تفسیر این نمودارها بیشتر بهصورت دستی انجام می‌گیرد. بر این اساس در صورت نبود تجربه کافی، تفسیر با خطا روبه‌رو خواهد شد. هدف از مطالعه حاضر، معرفی و به‌کارگیری روش‌های پردازش تصویر و الگوریتم کلونی مصنوعی زنبور عسل، برای پیدا کردن خودکار شکستگیها در نمودارهای تصویری است. در این روش ابتدا با استفاده از یک روش رده‌بندی، محل مربوط به شکستگی از درون تصویر استخراج می‌شود. سپس با استفاده از الگوریتم کلونی مصنوعی زنبورعسل، شیب، آزیموت و موقعیت ژرفی شکستگیها از روی محل استخراج شده تعیین می‌شود. این روش روی نمودار تصویریFMSمربوط به یک چاه از میادین جنوب ایران پیاده‌سازی شده است.نتایج بهصورت نمودار تراکم ژرفی، نمودار گل‌سرخی و استریونت شکستگی‌های شناسایی شده، نمایش داده شده است. نتایج حاصل کارایی راهکار پیشنهاد شده را نشان می‌دهد. شکستگیها در مخازن نفتی حوزه زاگرس نقش بنیادین در مهاجرت و تولید هیدروکربورها دارند. یکی از ابزارهای بسیار قوی برای مطالعه و شناسایی شکستگیها در پیرامونچاه‌ها، نمودارهای تصویریاست. این نمودارها اطلاعات مهمی درباره جهت‌گیری، ژرفا و نوع شکستگی‌های طبیعی فراهم می‌کنند. امروزه روش دقیقی برای شناسایی خودکار شکستگیها از روی این نمودارها در مخازن کربناتی ایرانوجود ندارد و تفسیر این نمودارها بیشتر بهصورت دستی انجام می‌گیرد. بر این اساس در صورت نبود تجربه کافی، تفسیر با خطا روبه‌رو خواهد شد. هدف از مطالعه حاضر، معرفی و به‌کارگیری روش‌های پردازش تصویر و الگوریتم کلونی مصنوعی زنبور عسل، برای پیدا کردن خودکار شکستگیها در نمودارهای تصویری است. در این روش ابتدا با استفاده از یک روش رده‌بندی، محل مربوط به شکستگی از درون تصویر استخراج می‌شود. سپس با استفاده از الگوریتم کلونی مصنوعی زنبورعسل، شیب، آزیموت و موقعیت ژرفی شکستگیها از روی محل استخراج شده تعیین می‌شود. این روش روی نمودار تصویریFMSمربوط به یک چاه از میادین جنوب ایران پیاده‌سازی شده است.نتایج بهصورت نمودار تراکم ژرفی، نمودار گل‌سرخی و استریونت شکستگی‌های شناسایی شده، نمایش داده شده است. نتایج حاصل کارایی راهکار پیشنهاد شده را نشان می‌دهد.
Hybrid Artificial Bee Colony Algorithm and Image Processing-Based
Approach for Fracture Identification in Image Log
نویسندگان [English]
M Javid1؛ H Memarian2؛ S.M Mazhari3؛ R Zorofi4؛ B Tokhmechi5؛ F Khoshbakht6
1M.Sc., School of Mining Engineering, University of Tehran, Tehran, Iran
2Professor, School of Mining Engineering, University of Tehran, Tehran, Iran
3Ph.D. Student, School of Electrical Engineering, Amirkabir University of Technology, Tehran, Iran
4AssociateProfessor, School of Electrical & Computer Engineering, University of Tehran, Tehran, Iran
5AssociateProfessor, Faculty of Mining Engineering, Geophysics and Petroleum Engineering, Shahrood University of Technology, Shahrood, Iran
6Ph.D. Student, Institute of Petroleum Engineering, University of Tehran, Tehran, Iran
چکیده [English]
In the oilreservoirsof the ZagrosBasin, fractures play a major role in hydrocarbon migration and production. Borehole image log is a powerful tool to study and identify fractures around the wells. These logs provide critical information about orientation, depth and type of natural fractures. Since thereis noaccuratealgorithmfor automaticidentification of fracture parametersonimage logs of the carbonatereservoirsin Iran, interpretation of theselogsisoftendone manually. This process may become erroneous if the interpreter is not sufficiently experienced. Aimed at automatic detecting of fractures in image logs, this paper presents a new implemented method, which is based upon image processingandoptimization techniques,as well as Artificial Bee Colony Algorithm. According to this approach, points related to fractures arefirst extracted from images using classification methods. Then, the Artificial Bee Colony Algorithmis used to determine the number, depth, dip and dip directionof fractureson extracted points. The proposed method is performed on FMS image log ofonewell located in an oilfield in southernIran. Results areshownindensity log, rose diagramandstereogramfor the identified fractures, and the obtained resultsshow efficiency of the proposedmethod.
ابتدای صفحه