Integration of Adaptive Neuro-Fuzzy Inference System, Neural Networks and Geostatistical Methods for Fracture Density Modeling

Intégration de système d’inférence adaptative de neurone flou (ANFIS), de réseaux de neurones (NN) et de méthodes géostatistiques pour la modélisation de la densité de fractures

¹ Mining Engineering Department, Sahand University of Technology, Tabriz – Iran
² Geology Department, Tabriz University, Tabriz – Iran
³ Chemical Engineering Department, Sharif University of Technology, Tehran – Iran
e-mail: a_jafari@sut.ac.ir – kadkhodaie_ali@tabrizu.ac.ir – ysharghi@sut.ac.ir – m_ghaedi@che.sharif.ir

^* Corresponding author

Abstract

Image logs provide useful information for fracture study in naturally fractured reservoir. Fracture dip, azimuth, aperture and fracture density can be obtained from image logs and have great importance in naturally fractured reservoir characterization. Imaging all fractured parts of hydrocarbon reservoirs and interpreting the results is expensive and time consuming. In this study, an improved method to make a quantitative correlation between fracture densities obtained from image logs and conventional well log data by integration of different artificial intelligence systems was proposed. The proposed method combines the results of Adaptive Neuro-Fuzzy Inference System (ANFIS) and Neural Networks (NN) algorithms for overall estimation of fracture density from conventional well log data. A simple averaging method was used to obtain a better result by combining results of ANFIS and NN. The algorithm applied on other wells of the field to obtain fracture density. In order to model the fracture density in the reservoir, we used variography and sequential simulation algorithms like Sequential Indicator Simulation (SIS) and Truncated Gaussian Simulation (TGS). The overall algorithm applied to Asmari reservoir one of the SW Iranian oil fields. Histogram analysis applied to control the quality of the obtained models. Results of this study show that for higher number of fracture facies the TGS algorithm works better than SIS but in small number of fracture facies both algorithms provide approximately same results.

Résumé

Les images de diagraphies fournissent des informations utiles pour l’étude de fractures dans des réservoirs naturellement fracturés. L’inclinaison, l’azimut, l’ouverture et la densité de fractures peuvent être obtenus à partir des images de diagraphies et ces éléments ont une grande importance dans la caractérisation des réservoirs naturellement fracturés. L’imagerie de toutes les parties fracturées des réservoirs d’hydrocarbures et l’interprétation des résultats sont des processus longs et coûteux. Dans cette étude, une méthode améliorée pour faire une corrélation quantitative entre les densités de fractures obtenues à partir des images de diagraphies et de données conventionnelles, a été proposée par l’intégration des différents systèmes d’intelligence artificielle. Pour l’estimation globale de la densité de fractures à partir de données de diagraphies conventionnelles, la méthode proposée combine les résultats obtenus à partir d’algorithmes du système d’inférence adaptative flou de neurones (ANFIS) et du réseau de neurones (NN). Une méthode simple de moyenne a été utilisée pour obtenir un meilleur résultat en combinant les résultats de l’ANFIS et NN. L’algorithme a été appliqué à d’autres puits du champ pour obtenir la densité de fracture. Afin de modéliser la densité de fractures dans le réservoir, nous avons utilisé des algorithmes de simulation et de variographie séquentiels comme la Simulation à Indicateurs Séquentiels (SIS) et la Simulation Gaussienne Tronquée (TGS). L’algorithme global a été appliqué au réservoir d’Asmari de l’un des champs pétroliers du sud-ouest iranien. L’analyse de l’histogramme a été appliquée au contrôle de la qualité des modèles obtenus. Les résultats de cette étude montrent que pour nombre plus élevé de fractures, l’algorithme de faciès TGS fonctionne mieux que le SIS, mais que pour un petit nombre de faciès de fractures les deux algorithmes fournissent des résultats à peu près identiques.