Contribution à la caractérisation des réservoirs fissurés du champ de Hassi Messaoud par classement flou, réseaux de neurones artificiels et magnétisme des roches - INSU - Institut national des sciences de l'Univers Access content directly
Theses Year : 2015

non renseigné

Contribution à la caractérisation des réservoirs fissurés du champ de Hassi Messaoud par classement flou, réseaux de neurones artificiels et magnétisme des roches

Abstract

Fractured reservoirs form a particular kind of reservoirs, due to porosity and permeability fracture effects. Optimizing exploitation of hydrocarbons in this type of reservoir requires a specific study compared to other conventional reservoirs. Our study consists in using the maximum available data to better characterize its petrophysical characteristics, despite the lack of the sonic log in the studied wells. The log data are used to estimate natural fracture porosity which is considered to be a key parameter to evaluate and model a fractured reservoir. The prediction of this parameter is addressed using fuzzy logic and neural networks. The Hamra quartzites fractured reservoir situated in the southwest of Hassi Messaoud oilfield is studied using data imaging logs and well cores. The combination of different techniques (X-ray diffraction, scanning electron microscope and rock magnetism) is used to better investigate the nature of magnetic minerals in the studied reservoir. The aim of our study is to look for a linear or a non-linear relationship between magnetic susceptibility and petrophysical parameters by applying principal component analysis and neural networks. The results obtained show that the correlation coefficient (R2) between values of the natural fracture porosity estimated by neural network and those calculated by logs is equal to 0.878. The combined techniques used to identify magnetic mineralogy show that pyrrhotite, hematite and magnetite are the main magnetic minerals responsible of the high magnetic susceptibility intervals in Hamra quartzites reservoir. The prediction of magnetic susceptibility is estimated from log data, using fuzzy logic and neural networks. The results found with a neural network composed of 25 neurons in the hidden layer prove a good performance in the test phase, with a mean square error, a mean relative error and a correlation coefficient (R) equal to 0.0142, 0.0743 and 0.907, respectively. These results confirm a non-linear relationship between magnetic susceptibility and these parameters.
Les réservoirs fissurés naturels forment une catégorie des réservoirs tout à fait particulière, à cause de l’effet de la porosité et la perméabilité de fractures. L’optimisation de l’exploitation des réserves d’hydrocarbures dans ce type de réservoirs nécessite une étude spécifique par rapport aux autres réservoirs conventionnels. Notre étude consiste à exploiter au maximum les données disponibles pour mieux caractériser ce type de réservoirs, malgré le manque d’enregistrement de diagraphie sonique dans les puits étudiés. Les données des diagraphies sont utilisées pour estimer la porosité de fractures naturelles qui est considérée comme un paramètre essentiel pour évaluer et modéliser un réservoir fracturé. La prédiction de ce paramètre est faite, en se basant sur la logique floue et les réseaux de neurones. La fracturation du réservoir des quartzites de Hamra au sud-ouest du champ de Hassi Messaoud est étudiée, en exploitant les données des diagraphies d’imagerie et les carottes de puits. La combinaison des différentes techniques (diffraction des rayons X, microscopie électronique à balayage et magnétisme des roches) est utilisée pour mieux caractériser la nature des porteurs magnétiques dans le réservoir étudié. La recherche d’une relation linéaire ou non linéaire entre la susceptibilité magnétique et les paramètres pétrophysiques a fait l’objet de notre étude, en appliquant l’analyse des composantes principales et les réseaux de neurones. Les résultats trouvés montrent que le coefficient de corrélation (R2) entre les valeurs de la porosité de fractures estimées par le réseau de neurones et celles calculées par diagraphies est égale à 0.878. Les techniques combinées utilisées pour identifier la minéralogie magnétique ont montré que la pyrrhotite, l’hématite et la magnétite sont les minéraux magnétiques responsables de la forte susceptibilité magnétique dans le réservoir des quartzites de Hamra des puits étudiés. La prédiction de la susceptibilité magnétique est estimée à partir des données de diagraphies, en utilisant la logique floue et les réseaux de neurones. Les résultats trouvés, avec un réseau de 25 neurones dans la couche cachée, montrent une bonne performance dans la phase de test, avec une erreur quadratique moyenne, erreur relative moyenne et un coefficient de corrélation (R) égaux à 0.0142, 0.0743 et 0.907 respectivement. Ces résultats prouvent l’existence d’une relation non linéaire entre la susceptibilité magnétique et ces paramètres.
Fichier principal
Vignette du fichier
These_ALI ZERROUKI_Ahmed_soutenue-26.2.2015.pdf (14.73 Mo) Télécharger le fichier
Loading...

Dates and versions

tel-01139127 , version 1 (03-04-2015)

Identifiers

  • HAL Id : tel-01139127 , version 1

Cite

Ahmed Ali Zerrouki. Contribution à la caractérisation des réservoirs fissurés du champ de Hassi Messaoud par classement flou, réseaux de neurones artificiels et magnétisme des roches. Sciences de la Terre. Université M'Hamed Bougara-Boumerdès, 2015. Français. ⟨NNT : ⟩. ⟨tel-01139127⟩
605 View
3510 Download

Share

Gmail Mastodon Facebook X LinkedIn More