Improvement in facies discrimination using multiple seismic attributes for permeability modelling of the Athabasca Oil Sands, Canada

Kashihara, Koji; Tsuji, Takashi

추천

검색

자료유형: 학술저널

저자정보: Kashihara, Koji ([주] 석유자원개발) Tsuji, Takashi ([주] 석유자원개발)

저널정보: 한국지구물리.물리탐사학회 지구물리와 물리탐사 지구물리와 물리탐사 제13권 제1호

발행연도: 2010.1

수록면: 80 - 87 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 Athabasca 오일샌드광구의 역청 생산방법인, SAGD 수행에 영향을 주는 불균질한 유효투수도의 분포도를 만드는 저류층 모델링 작업 공정을 개발하기 위한 것이다. 암석학적 상 분포는 연구 지역 역청 저류층 내의 불균질성의 주요 원인이다. 대상 매질은 사암과 이암으로 구성된 하천에서 바다로 이어지는 채널로서 이암이 유체의 흐름을 방해해 유효 투수도를 감소시키고 있다. 본 연구에서는 암석학적 상등을 이암의 모양에 따라 마른 특성의 유효투수도를 갖는 세 종류로 분류하였다. 본 연구의 저류층 모델링 작업과정은 상 모델과 투수도 모델링, 두 가지 주요 모듈로 구성되어 있다. 상 모델링은 확률적인 접근을 이용하여 유효투수도 결정에 중요한, 세가지 상등 중에 어떤 종류에 속하는지를 알려준다. 투수도 모델링은 먼저 이암의 체적율을 구하고 그것을 유효투수도로 변환시킨다. 암석상들의 소형 모델에 대한 일련의 시뮬레이션 적용을 통해 이암 체적율을 유효투수도로 변환시키는 변환함수를 얻는다. 탄성파 자료는 지구통계학적 방법으로 상 모델링에 입력되는 상등의 우선 확률을 제공함으로써 상 모델링에 기여한다. 특히, 본 연구에서는 상들의 우선 확률을 개선하기 위해 상등의 예측 시 다양한 탄성파 속성들을 복합적으로 사용하는 신경망 방법을 이용하였다. 상 구분에 있어서의 얼마만큼 개선되었는지를 보여주기 위해 상 모델링 시 개선된 우선 확률을 사용한 결과를 단일 탄성파 속성을 이용하는 기존 방법의 결과와 비교하였다. 다중 탄성파 속성들의 복합적인 사용에서 밀도와 P파 속도를 조합해서 이용하는 것이 상구분을 향상시키는데 필수적이다. 또한 본 연구에서는 검층으로부터 얻은 공극률과 P파 속도, 사진찍은 것 같이 예측된 이암의 부피를 이용하여 sand matrix의 공극률이 정확하게 평가원 연구지역에서, 다른 상등 사이에서 P파 속도가 달라지게 하는 sand matrix의 공극률에 대해서도 논의하였다.

This study was conducted to develop a reservoir modelling workflow to reproduce the heterogeneous distribution of effective permeability that impacts on the performance of SAGD (Steam Assisted Gravity Drainage), the in-situ bitumen recovery technique in the Athabasca Oil Sands. Lithologic facies distribution is the main cause of the heterogeneity in bitumen reservoirs in the study area. The target formation consists of sand with mudstone facies in a fluvial-to-estuary channel system, where the mudstone interrupts fluid flow and reduces effective permeability. In this study, the lithologic facies is classified into three classes having different characteristics of effective permeability, depending on the shapes of mudstones. The reservoir modelling workflow of this study consists of two main modules; facies modelling and permeability modelling. The facies modelling provides an identification of the three lithologic facies, using a stochastic approach, which mainly control the effective permeability. The permeability modelling populates mudstone volume fraction first, then transforms it into effective permeability. A series of flow simulations applied to mini-models of the lithologic facies obtains the transformation functions of the mudstone volume fraction into the effective permeability. Seismic data contribute to the facies modelling via providing prior probability of facies, which is incorporated in the facies models by geostatistical techniques. In particular, this study employs a probabilistic neural network utilising multiple seismic attributes in facies prediction that improves the prior probability of facies. The result of using the improved prior probability in facies modelling is compared to the conventional method using a single seismic attribute to demonstrate the improvement in the facies discrimination. Using P-wave velocity in combination with density in the multiple seismic attributes is the essence of the improved facies discrimination. This paper also discusses sand matrix porosity that makes P-wave velocity differ between the different facies in the study area, where the sand matrix porosity is uniquely evaluated using log-derived porosity, P-wave velocity and photographically-predicted mudstone volume.

#지구통계학 #초중질유 #확률 신경망 #저류층 모델링 #탄성파 속성

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Kashihara, Koji

소속기관 [주] 석유자원개발

주요연구분야 자연과학 > 지구과학 > 지구과학 일반

논문수 1 이용수 2

Tsuji, Takashi

소속기관 [주] 석유자원개발

주요연구분야 자연과학 > 지구과학 > 지구과학 일반

논문수 1 이용수 2

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)