Một phương pháp mới để xác định phân bố thấmchứa cho mô hình mô phỏng mỏ móng nứt nẻ45045

MỘT PHƯƠNG PHÁP MỚI ĐỂ XÁC ĐỊNH PHÂN BỐ THẤM/CHỨA CHO MƠ HÌNH MƠ PHỎNG MỎ MĨNG NỨT NẺ PGS TS Nguyễn Thế Đức(a), TS Phan Ngọc Trung(b), PGS TS Đặng Thế Ba(c) (a) Viện Dầu khí Việt Nam, Tel.: 0913014228, Email: ducnt@vpi.pvn.vn (b) Tập đồn Dầu khí Việt Nam (c) Đại học Công nghệ (Đại học Quốc gia Hà Nội) Tóm tắt: Theo cách làm thơng dụng nay, phân bố thấm/chứa mơ hình mơ vỉa xác định qua hai bước rời rạc: Trong bước thứ nhất, quan hệ hồi quy mạng thần kinh nhân tạo (ANN) thấm/chứa với thuộc tính địa chấn xây dựng sử dụng để thu nhận phân bố thấm/chứa cho toàn mỏ; Trong bước tiếp theo, phân bố thấm/chứa hiệu chỉnh dựa liệu khai thác (phục hồi lịch sử) Tuy nhiên, với đối tượng móng nứt nẻ, liệu thấm/chứa mẫu dọc giếng (dùng để xây dựng quan hệ ANN) liệu đo trực tiếp nên quan hệ ANN mang tính xấp xỉ cao cần hiệu chỉnh Thêm vào đó, đặc tính địa học mong đợi có quan hệ với mức độ nứt nẻ mỏ móng nứt nẻ, vậy, nên bổ xung phân tích quan hệ ANN với thấm chứa Với nhận xét nói trên, chúng tơi phát triển phương pháp để xác định phân bố thấm / rỗng cho mỏ móng nứt nẻ Trong phương pháp này, quan hệ ANN độ thấm/rỗng với thuộc tính địa chấn thơng số địa học xây dựng sau hiệu chỉnh dựa số liệu khai thác Hiệu chỉnh quan hệ ANN thực cách sử dụng thuật toán tối ưu để hiệu chỉnh hệ số truyền mạng ANN nhằm giảm thiểu sai khác đo đạc tính tốn.Phương pháp áp dụng thử nghiệm để xác định phân bố thấm cho mơ hình mơ khai thác móng Bạch Hổ Kết thử nghiệm cho thấy ưu điểm khả áp dụng phương pháp GIỚI THIỆU Thực tế cho thấy mơ hình mơ khai thác xây dựng cho đối tượng mỏ móng nứt nẻ Việt Nam phần lớn có mức độ tái lặp lịch sử chất lượng dự báo thấp Tình trạng lặp lặp lại trình độ sử dụng phần mềm chuyên gia mô hình, mơ ngày nâng cao Nhiệm vụ xác hóa thơng số mơ hình mơ khai thác mỏ dầu khí dạng đá móng granit nứt nẻ Việt Nam rõ ràng cần phải đặt lúc trở nên quan trọng hết kỹ thuật khai thác dầu khí tăng cường tốn cần sử dụng, đòi hỏi dự báo khai thác cần đảm bảo độ tin cậy cao nhằm giảm thiểu rủi ro đầu tư Phân bố thấm/chứa dạng thông số quan trọng mơ hình mơ khai thác xem khó xác định đối tượng móng nứt nẻ tình trạng khơng thể thu mẫu lõi có tính đại diện cho dạng mỏ Theo cách làm phổ biến nay, phân bố thấm/chứa mơ hình mơ vỉa xác định qua hai bước rời rạc:Trong bước thứ nhất, quan hệ hồi quy mạng thần kinh nhân tạo (ANN) thấm/chứa với thuộc tính địa chấn xây dựng sử dụng để thu nhận phân bố thấm/chứa ban đầu cho tồn mỏ (ví dụ xem[1], [2], [3]; Trong bước thứ hai, phân bố thấm/chứa hiệu chỉnh dựa liệu khai thác (phục hồi lịch sử) Xem xét cách làm nói trên, thấy số vấn đề tồn ảnh hưởng đến hiệu công việc dự báo phân bố thấm chứa, cụ thể là: + Với đối tượng móng nứt nẻ, thông thường liệu thấm/chứa mẫu dọc giếng dùng để xây dựng quan hệ ANN liệu đo trực tiếp khó lấy mẫu lõi có tình thấm chứa đại diện cho tồn mỏ Vì vậy, quan hệ ANN nhận mang tính xấp xỉ cao cần hiệu chỉnh + Mức độ quan hệ thuộc tính địa chấn với độ thấm/rỗng khơng cao với dạng mỏ móng nứt nẻ Trong đó, đặc tính địa học mong đợi có quan hệ với mức độ nứt nẻ liên quan trực tiếp đến đặc tính thấm/chứa.Vì vậy, nên bổ xung thơng số địa học vào phân tích quan hệ ANN với thấm chứa Với nhận xét nói trên, chúng tơi phát triển phương pháp để xác định phân bố thấm / rỗng cho mỏ móng nứt nẻ Trong phương pháp này, hàm quan hệ ANN độ thấm/rỗng mẫu với thuộc tính địa chấn thơng số địa học xây dựng Tiếp theo hàm quan hệ ANN hiệu chỉnh dựa số liệu khai thác Hiệu chỉnh quan hệ ANN thực cách sử dụng thuật toán tối ưu để hiệu chỉnh hệ số truyền mạng ANN nhằm giảm thiểu sai khác đo đạc tính tốn Phương pháp đề xuất thử nghiệm áp dụng để xác định để xác định phân bố thấm cho mơ hình mơ khai thác móng Bạch Hổ với số liệu cập nhật đến năm 2012 Kết thử nghiệm, so sánh cho thấy ưu điểm khả áp dụng phương pháp Các mục báo cáo trình bày ngắn gọn sở phương pháp kết thử nghiệm MÔ TẢ PHƯƠNG PHÁP 2.1 Thuật toán xây dựng quan hệ ANN độ thấm/rỗng với thuộc tính địa chấn thông số địa học Nghiên cứu phương pháp mô hình hóa phân bố thấm chứa cách tìm quan hệ với thơng số mơ hình tĩnh thực Việt Nam nhiều tác Hoàng Văn Quý et al.[1], Nguyen Lam Anh nnk[2] Tran Duc Lan [3] Các nghiên cứu theo hướng xây dựng quan hệ thấm chứa với thuộc tính địa chấn Trong bước phương pháp trình bày đây, việc xây dựng quan hệ thấm chứa với thơng số mơ hình tĩnh thực Điểm thông số địa học bổ xung vào liệu phân tích với thuộc tính địa chấn Theo cách làm này, hàm quan hệ thể phụ thuộc giá trị thấm chứa vào giá trị thuộc tính địa chấn thơng số địa học xác lập: (1.1) y = f ( x1 , x2 , , xn ) y độ thấm (hoặc rỗng), x1 , x2 , , xn n thuộc tính địa chấn thơng số địa học khác Mối quan hệ (1.1) xấp xỉ từ phân tích hồi quy liệu mẫu bao gồm tập hợp m giá trị y với giá trị x1 , x2 , , xn tương ứng kèm: (y ,x ,x i i i , , xn i ) i = 1, , m (1.2) Một công cụ phổ biến sử dụng để xây dựng mối quan hệ (2.1) sử dụng mạng thần kinh nhân tạo (ANN – Artificial Neutral Network) Mơ tả kỹ thuật phân tích sử dụng ANN tham khảo nhiều tài liệu sở học máy (ví dụ xem [4], [5] [6]) với nhiều dạng khác Dạng mạng thần kinh nhân tạo lan truyền ngược (Back-Propagation Neural Network) sử dụng nghiên cứu 2.2 Thuật toán hiệu chỉnh quan hệ ANN dựa phân tích số liệu khai thác Về nguyên lý chung, phương pháp tích hợp số liệu khai thác để hiệu chỉnh phân bố thấm chứa phát triển sở sử dụng thuật tốn tối ưu để tìm phân bố thấm chứa cho độ lệch trung bình đo đạc tính tốn đạt cực tiểu Thơng thường, độ lệch trung bình đo đạc tính tốn lấy trung bình chuẩn tất độ lệch giá trị đo với giá trị tính theo mơ hình số dạng liệu động lựa chọn thời điểm có số liệu đo Biểu diễn tốn học độ lệch trung bình viết sau:  (z − z   l m n E= N obs   obs lmn ) sim lmn      (1.3) đó: z z tương ứng giá trị đo đạc giá trị tính theo mơ hình thơng số khai thác có giá trị đo đạc áp suất đáy giếng, lưu lượng khai thác, độ ngập nước sản phẩm, … Ví dụ hai dạng thơng số đo đạc thường lựa chọn áp suất đáy độ ngập nước giếng; l số dạng liệu đo đạc, m số giếng, n số cho lần đo đạc khác cho giếng; Nobs tổng số số liệu đo đạc quan trắc Nhiệm vụ tích hợp liệu động để hiệu chỉnh phân bố thấm chứa đưa đến tìm cực tiểu hàm biểu diễn quan hệ độ lệch trung bình với phân bố thấm chứa: E = f ( (i, j , k )) (1.4) E độ lệch trung bình tính theo cơng thức (1.4);  (i, j , k ) giá trị độ thấm (hoặc độ rỗng) ô lưới (i, j , k ) Với phân bố n thuộc tính địa chấn thơng số địa học x1 , x2 , , xn không thay đổi, sau hoàn thành lựa chọn cấu trúc ANN Hàm quan hệ ANN xác định phân bố thấm chứa  ( i, j , k ) phụ thuộc vào số hệ số định, cụ thể hệ số lệch trọng số nối nút ANN Ký hiệu hệ số X1 , X ,…, X N với N số hệ số ANN Giá trị thấm chứa  ( i, j , k ) biểu diễn dạng hàm hệ số hồi quy: (1.5)  (i, j, k ) = F ( X1, X , , X N ) Từ Phương trình (1.4) Phương trình (1.5), thấy trung bình độ lệch chuẩn E lúc phụ thuộc vào hệ số hồi quy X1 , X ,…, X N : (1.6) E = f ( X1 , X , , X N ) Thuật tốn tối ưu hóa cần sử dụng để tìm vị trí đạt cực tiểu hàm (1.6) Tương ứng với hệ số hồi quy ứng với vị trí cực tiểu, ta có hàm ANN phân obs lmn sim lmn bố thấm chứa ứng với độ lệch đo đạc tính tốn nhỏ Để thuận tiện có nhiều lựa chọn, số thuật tốn tối ưu thơng dụng mạnh khác mã hóa đưa vào thử nghiệm nghiên cứu đây, cụ thể là:Thuật toán độ dốc lớn nhất; Thuật toán Gauss-Newton; Thuật toán xấp xỉ ngẫu nhiên xáo trộn đồng thời; Thuật toán đơn hình; Thuật tốn tập hợp chiều; Thuật tốn gradient liên hợp; Thuật toán định cỡ biến đổi Để ngắn gọn, mơ tả thuật tốn nói khơng trình bày Mơ tả ngắn gọn thuật tốn trình bày [7] Mơ tả chi tiết thuật tốn tham khảo tài liệu gốc (ví dụ xem [8], [9]) ỨNG DỤNG THỬ NGHIỆM CHO MÓNG BẠCH HỔ 3.1 Đối tượng áp dụng Phương pháp phát triển thử nghiệm áp dụng để hiệu chỉnh phân bố thấm chứa cho mô hình mơ khai thác khối móng Bạch Hổ Mơ hình mơ xây dựng để phục vụ sơ đồ cơng nghệ năm 2012.Kích thước lưới mơ hình mơ 125x125x50m Hệ lưới mơ bao gồm 88 x 232 x 44 ô lưới theo chiều x, y z tương ứng Trong số đó, có 134470 tham gia vào mơ dịng (active cell) Mơ hình mơ tái lặp lịch sử khai thác cán Vietsovpetro, chủ yếu hiệu chỉnh phân bố thấm ban đầu theo cách làm thủ cơng Trong thử nghiệm áp dụng trình bày đây, phân bố độ thấm xác định theo phương pháp trình bày Mục Tồn thơng số khác mơ hình mơ giữ nguyên 3.2 Chuẩn bị liệu 3.2.1 Thu thập liệu lịch sử khai thác Dữ liệu khai thác thu thập từ nguồn Vietsovpetro Bộ liệu liệu thức Vietsovpetro sử dụng q trình tái lặp lịch sử mơ hình mơ mỏ xây dựng cho sơ đồ công nghệ 2013 Bộ liệu bao gồm giá trị đo đạc lịch sử hàng tháng áp suất đáy lưu lượng chất lưu khai thác (dầu, khí, nước) cho tất giếng có số đo (khoảng gần 150 giếng) 3.2.2 Trích xuất phân bố thuộc tính địa chấn Phân bố thuộc tính địa chấn trích xuất từ cube minh giải cung cấp Trung tâm Nghiên cứu Thăm dị Khai thác Dầu khí (Viện Dầu khí Việt Nam) Các thuộc tính địa chấn trích xuất xem xét sử dụng bao gồm thuộc tính: Sweetness, Relative Acounstic Impedance, 3D Curvature, Cosin of phase, Gradient Magnitude, Reflection Intensity, Variance, RMS Amplitude Envelope Để minh họa, hình ảnh phân bố ba chiều thuộc tính Sweetness thuộc tính Gradient Magnitude thấy hình 3.1 3.2 tương ứng: Hình 3.1: Phân bố thuộc tính địa chấn Sweetness Hình 3.2: Phân bố thuộc tính địa chấn Gradient magnitude 3.2.3 Dự báo phân bố thông số địa học Các thông số địa học dự báo bao gồm: Ứng suất thẳng đứng (SV – Vertical Stress); Ứng suất ngang nhỏ (SHMIN – Minimum Horizontal Stress); Ứng suất ngang lớn (SHMAX – Maximum Horizontal Stress); Áp suất lỗ rỗng (PP – Porous Press); Hệ số Poisson (PR - Poisson’s Ratio); Mô đun đàn hồi Young (YM - Young’s Module); Độ bền nén đơn trục (UCS – Uniaxial Compressive Strength) Hệ số ma sát (IF – Internal Friction) Do liệu đo đạc thông số địa học khơng có Vì vậy, phương pháp dự báo thông số địa học chủ yếu sử dụng công thức nửa thực nghiệm tính tốn từ liệu log giếng Tính tốn thực để nhận phân bố dọc giếng thơng số địa học nói cho 47 giếng tầng móng Bạch Hổ có đủ liệu log đầu vào cần thiết Sau thực tính tốn phân bố dọc giếng cho tất thông số địa học cho tất giếng,dữ liệu nhận được nội suy để nhận phân bố thơng số địa học cho tồn mỏ Mơ tả cho tiết quy trình phương pháp dự báo thơng số địa học trình bày [10].Ví dụ minh họa hình ảnh phân bố chiều thông số địa học (UCS)được thấy Hình 3.4 tương ứng Từ phân bố thông số đặc trưng trạng thái ứng suất đặc tính đất đá, tính tốn thơng số đặc trưng cho khả phá hủy theo tiêu chuẩn phá hủy khác Ví dụ Hình 3.5 minh họa hình ảnh chiều phân bố thơng số đặc trưng phá hủy tính theo tiêu chuẩn Mohr-Coulomb Hình 3.4: Phân bố độ bền nén đơn trục (UCS – Uniaxial Compressive Strength) Hình 3.5: Phân bố thơng số đặc trưng khả phá hủy theo tiêu chuẩn Mohr-Coulomb 3.3 Lựa chọn thuộc tính địa chấn, thơng số địa học 3.3.1 Đánh giá hệ số tương liên Pearson với độ thấm Với số lượng phân bố thuộc tính địa chấn trích xuất 12 phân bố thơng số địa học dự báo (sau gọi chung thuộc tính), cơng việc mong muốn lựa chọn thuộc tính có quan hệ cao với độ thấm Vì cần thiết phải so sánh quan hệ với độ thấm thuộc tính So sánh quan hệ với độ thấm thuộc tính thực sở đánh giá hệ số tương liên Pearson (Pearson correlation coefficient) thuộc tính với độ thấm mẫu Hệ số tương liên Pearson (ký hiệu r ) tập liệu ( x1 , x2 , , xn ) chứa n giá trị tập liệu ( y1 , y2 , , yn ) chứa n giá trị tính theo cơng thức: n r=  ( x − x )( y − y ) i i =1 i n i i (3.1) n ( x − x ) ( y − y ) i =1 i i i =1 i i Trong x y tương ứng trung bình số học liệu ( x1 , x2 , , xn ) ( y1 , y2 , , yn ) tương ứng Một vấn đề quan trọng để so sánh quan hệ tương liên với độ thấm thuộc tính độ tin cậy (gần cao) phân bố thấm mẫu Tuy nhiên, việc lựa chọn liệu thấm mẫu khó khăn móng Bạch Hổ nói riêng đối tượng móng nứt nẻ Việt Nam nói chung Phương án lựa chọn sử dụng phân bố thấm tính từ phân bố rỗng dự báo phần mềm Basrock Vietsovpetro (gọi tắt phân bố thấm Basrock) Dữ liệu phân bố thấm Basrock cung cấp Vietsovpetro Phân bố thấm tích tốn qua phân bố rỗng sử dụng phần mềm Basrock Như biết, việc phát triển phương pháp xây dựng phần mềm Basrock (xem [11], [12]) kết nghiên cứu đánh giá cao Việt Nam Rất nhiều công việc mơ hình mơ vỉa chứa đối tượng móng nứt nẻ Việt Nam thực tính tốn phân bố thấm sở sử dụng phần mềm Kết tính tốn hệ số tương liên độ thấm mẫu nói thuộc tính địa chấn 12 thông số địa học (sau gọi chung thuộc tính) thấy Bảng 3.1 Thứ tự xếp 21 thuộc tính bảng theo giá trị tuyệt đối hệ số tương liên từ cao đến thấp Có thể thấy từ Bảng 3.1 11 vị trí dẫn đầu bảng thông số địa học; thuộc tính địa chấn có mức tương liên cao với độ thấm thuộc tính Gradient Magnitude đứng vị trí thứ 12 So sánh cho thấy việc đưa thông số địa học vào phân tích quan hệ với độ thấm hồn tồn hợp lý 3.3.2 Lựa chọn thuộc tính Ngồi việc lựa chọn thơng số đầu vào có quan hệ tốt với thông số cần dự báo, để thuật tốn phân tích hồi quy nhiều biến làm việc có hiệu quả, số lượng thơng số đầu vào cần phải mức hợp lý Chúng thử nghiệm lựa chọn thuộc tính số 21 thuộc tính nói theo luật lựa chọn sau: 1) Xem xét đưa thuộc tính vào danh sách lựa chọn vào thứ tự xếp theo hệ số tương liên từ cao đến thấp; 2) Tuy nhiên, thuộc tính định lựa chọn có hệ số tương liên cao (định lượng lớn 0,9) với thuộc tính lựa chọn khơng lựa chọn mà xem xét lựa chọn thuộc tính Với nguyên tắc lựa chọn nói trên, thuộc tính lựa chọn để sử dụng áp dụng thử nghiệm, bao gồm thông số địa học thuộc tính địa chấn, cụ thể theo thứ tự hệ số tương liên từ cao đến thấp là:Ứng suất đứng (SV); Mô đun Young (YM); Thuộc tính địa chấn Gradient magnitude; Thuộc tính địa chấn Envelope; Hệ số Poisson (PR); Thuộc tính địa chấn 3D Curvature; Thông số đặc trưng khả phá hủy Mogi-Coulomb (RFC_MG) Bảng 3.1: Giá trị tuyệt đối hệ số tương liên thuộc tính địa chấn địa học với phân bố thấm Basrock Giá trị tuyệt đối hệ số tương TT Tên thuộc tính địa chấn, địa học liên Pearson SV 0,2128147 YM 0,2082747 SHMIN 0,1966034 UCS 0,1928071 SHMAX 0,1879143 IF 0,1715738 PP 0,1489562 RFC_MG 0,1215693 PR 0,1034609 10 RFC_MC 0,0946513 11 RFC_DP 0,0935604 12 Gradient magnitude 0,0704928 13 3D Curvature 0,0526779 14 RFC_ML 0,0492522 15 Cosin of phase 0,0425631 16 Variance 0,0182206 17 Envelope 0,0132329 18 Sweetness 0,0088215 19 RMS_Amplitude 0,0044794 20 RAI 0,0014853 21 Reflection intensity 0,0000606 3.4 Kết hiệu chỉnh đánh giá 3.4.1 Kết hiệu chỉnh phân bố thấm chứa Công việc hiệu chỉnh thực cho độ thấm theo chiều Chương trình tính tốn chạy máy tính PC Core Intel I5, CPU 3,1 GHz, RAM GB Với thực tế thuật toán tối ưu tốc độ giảm thiểu hàm mục tiêu thường nhanh giai đoạn đầu, định dành ngày tính tốn cho phân bố độ thấm theo chiều Để minh họa, hình ảnh phân bố độ thấm theo chiều x z nhận được thấy Hình 3.6 Hình 3.7 tương ứng Hình 3.6: Phân bố độ thấm theo chiều x hiệu chỉnh 3.4.2 Đánh giá hiệu tái lặp lịch sử Hình 3.7: Phân bố độ thấm theo chiều z hiệu chỉnh Để đánh giá hiệu áp dụng, nhóm tác giả thực so sánh kết mơ hình sử dụng phân bố thấm (sau gọi mơ hình NEW) với mơ hình sử dụng phân bố thấm cũ Vietsovpetro (sau gọi mơ hình OLD) nhận từ tái lặp lịch sử theo cách làm thủ công để phục vụ cho Sơ đồ công nghệ năm 2013 Chất lượng mơ hình NEW phần đánh giá cách so sánh với mơ hình OLD qua mức khớp kết tính tốn với liệu đo đạc So sánh thực với số thống kê trung bình chuẩn độ lệch đo đạc mô Bảng 3.2 biểu thị so sánh trung bình chuẩn độ lệch lưu lượng nước ER trung bình chuẩn độ lệch áp suất EP tổng hợp (tương ứng trung bình chuẩn trung bình chuẩn độ lệch tất số liệu đo đạc hàng tháng kết mô giếng) mô hình NEW mơ hình OLD Có thể thấy trung bình chuẩn độ lệch áp suất độ lệch lưu lượng nước tổng hợp mơ hình NEW thấp so với mơ hình OLD Bảng 3.2:Các giá trị trung bình chuẩn độ lệch tổng hợp mơ hình OLD mơ hình NEW Đại lượng Mơ hình OLD Mơ hình NEW Trung bình chuẩn độ lệch lưu lượng 134,04 122,74 nước tổng hợp ER ( m day ) Trung bình chuẩn độ lệch áp suất tổng hợp EP ( kg 175,52 173,12 cm ) So sánh trung bình chuẩn độ lệch lưu lượng nướccủa giếng hai mơ hình OLD NEW thực Kết so sánh cho thấy mơ hình OLD cho trung bình chuẩn độ lệch lưu lượng nước nhỏ với 35 giếng mơ hình NEW cho trung bình chuẩn độ lệch nhỏ với 53 giếng Như số giếng dự báo lưu lượng nước tốt mơ hình NEW lớn Tương tự, từ so sánh trung bình chuẩn độ lệch áp suấtcủa giếng hai mơ hình NEW OLD, thấy số giếng mà mơ hình OLD khớp 30 giếng, số giếng mơ hình NEW khớp 87 giếng Đánh giá mức độ khớp lịch sử phần quan sát đồ thị diễn biến thời gian áp suất đáy giếng lưu lượng nước khai thác Để minh họa, đồ thị số giếng trình bày hình 3.8-3.10 Các giếng minh họa chọn theo tiêu chuẩn khách quan, cụ thể giếng có số liệu đo nhiều (tương đương với thời gian hoạt động lâu nhất) tính đến thời điểm hết số liệu lịch sử (tháng 9/2012) Quan sát đồ thị cho thấy mức khớp lịch sử áp suất mơ hình NEW tốt rõ ràng Về mức độ tái lặp lịch sử khai thác toàn mỏ, so sánh mức độ ngập nước tồn mỏ trình bày hình 3.11 dạng đồ thị diễn biến thời gian lưu lượng nước khai thác cộng dồn tồn mỏ Hình 3.11 cho thấy mức độ khớp ngập nước toàn mỏ mơ hình NEW rõ ràng so với mơ hình OLD Hình 3.8: So sánh lưu lượng nước áp suất tính tốn thực tế - giếng Hình 3.10: So sánh lưu lượng nước áp suất tính tốn thực tế - giếng 401 Hình 3.9: So sánh lưu lượng nước áp suất tính tốn thực tế - giếng Hình 3.11: So sánh lưu lượng nước khai thác cộng dồn tồn mỏ tính tốn thực tế Tổng hợp kết so sánh nói trên, mơ hình NEW cho kết tính tốn gần với thực tế với mơ hình OLD tất số thống kê Điều minh chứng hiệu phương pháp phần mềm tích hợp đồng thời liệu tĩnh động nghiên cứu phát triển đề tài Hiệu tiếp tục cải thiện với thời gian tính tốn lâu và/hoặc với lực máy tính mạnh Hiệu cải thiện thay đổi luật lựa chọn thuộc tính theo cách hợp lý KẾT LUẬN - Nghiên cứu đưa thêm thuộc tính địa học vào phân tích tích hợp liệu tĩnh phục vụ dự báo phân bố thấm móng nứt nẻ (kết hợp với thuộc tính địa chấn sử dụng Vietsovpetro) Các kết đánh giá tương liên với độ thấm mẫu khẳng định việc đưa thêm thuộc tính địa học cần thiết - Nghiên cứu phát triển phương pháp xác định phân bố thấm chứa cho mơ hình mơ khai thác đối tượng móng nứt nẻ dựa phân tích đồng thời liệu thuộc tính địa chấn, thơng số địa học liệu khai thác Phương pháp phát triển dựa kết hợp số thuật tốn trí tuệ nhân tạo bao gồm ANN thuật toán tối ưu hóa Kết thử nghiệm áp dụng phương pháp cho mỏ thực tế minh chứng khả áp dụng TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] Hoang Van Quy et al (2008), Reservoir Parameter Evaluation for Reservoir Study and Modelling of Fractured Basement White Tiger Oil Field, Proceeding of 2nd International Conference "Fractured Basement Reservoir", Vung Tau, 9-10/9, 2008, Vietnam, pp 97-107 Nguyen Lam Anh, Nguyen Tri Minh Chau (2008), Intergration of Well and Seismic Data in Building 3D Geological Model for Fractured Basement Reservoir of White Tiger Oil Field, Proceeding of 2nd International Conference "Fractured Basement Reservoir", Vung Tau, 9-10/9, 2008, Vietnam, pp 136-140 Tran Duc Lan (2008), Study of the Permeanility Distribution within White Tiger Fractured Basement Reservoir Based on Well Permeability Profile Types Analysis, Proceeding of 2nd International Conference "Fractured Basement Reservoir", Vung Tau, 9-10/9, 2008, Vietnam, pp 165-168 Hagan M T et al (2002), Neutral Network Design, Thomson Learning and China Machine Press, 2002 Negnevitsky, M., (2005) Artificial Intelligence: A Guide to Intelligent Systems 2nd Edition, Addison Wesley Russell S., Norvig P (2010) Artificial Intelligence: A Modern Approach Pearson Education Inc., New Jersey, USA Nguyễn Thế Đức nnk (2016), Nghiên cứu phát triển phương pháp hiệu chỉnh phân bố thấm chứa cho mơ hình mơ khai thác móng nứt nẻ sở tích hợp đồng thời thơng tin địa chấn, địa học liệu khai thác, Báo cáo tổng kết nhiệm vụ nghiên cứu khoa học cấp Tập đồn Dầu khí, Viện Dầu khí Việt Nam, Hà Nội, 2016 Press, WH; Teukolsky, SA; Vetterling, WT; Flannery, BP (2007), Numerical Recipes: The Art of Scientific Computing (3rd ed.), New York: Cambridge University Press Stoer J Bulirsch (1980), Introduction to Numerical Analysis, SpringerVerlag, New York, USA Nguyễn Thế Đức, Đỗ Tiến Dũng, Phan Ngọc Trung (2015), Dự báo phân bố thông số địa học vỉa chứa dầu khí sử dụng mạng thần kinh nhân tạo, Tuyển tập cơng trình Hội nghị Tồn quốc lần thứ IV Ứng dụng Tốn học, Hà Nội, 23-25/12/2015, pp 393-402 Hồng Văn Quý, Phạm Xuân Sơn, Đặng Đức Nhân, Trần Giang Sơn (2002), Bộ phần mềm tối ưu cho công tác xử lý tài liệu địa vật lý giếng khoan xử lý tài liệu địa vật lý khảo sát móng, Tuyển tập Hội nghị Khoa học-kỹ thuật dầu khí kỷ niệm 20 năm thành lập XNLD Vietsovpetro khai thác dầu thứ 100 triệu, Vũng Tàu, 2002 Pham Xuan Son, Hoang Van Quy, Dang Duc Nhan (2006), Basroc 3.0 – A special software for processing wireline logs in fractured basement, Proceeding of 1st International Conference on Fractured Basement Reservoir, Vung Tau, Viet Nam, 2006  ... tối ưu để hiệu chỉnh hệ số truyền mạng ANN nhằm giảm thiểu sai khác đo đạc tính tốn Phương pháp đề xuất thử nghiệm áp dụng để xác định để xác định phân bố thấm cho mơ hình mơ khai thác móng Bạch... quan hệ ANN với thấm chứa Với nhận xét nói trên, phát triển phương pháp để xác định phân bố thấm / rỗng cho mỏ móng nứt nẻ Trong phương pháp này, hàm quan hệ ANN độ thấm/rỗng mẫu với thuộc tính... giai đoạn đầu, định dành ngày tính tốn cho phân bố độ thấm theo chiều Để minh họa, hình ảnh phân bố độ thấm theo chiều x z nhận được thấy Hình 3.6 Hình 3.7 tương ứng Hình 3.6: Phân bố độ thấm theo