Integración de diagénesis, datos geoquímicos y técnicas de machine learning para abordar la calidad del reservorio en la formación brae, mar del norte, uk
No Thumbnail Available
Date
2021
Authors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
El South Brae Field ha sido un campo petrolífero prolífico desde 1979. Hay dos formaciones productoras, la Formación de Kimmeridge Clay y la Formación Brae. Sin embargo, el principal reservorio en el campo es la Formación Brae, que ha sido interpretada como un sistema de turbiditas depositado en aguas profundas durante un low stand system tract (LST). Específicamente el objetivo son los complejos de channelleve y las arenas laminadas. Estos depósitos de flujo por gravedad ricos en arena se han estudiado extensamente. La calidad del reservorio (RQ) en cada sistema está controlada por diferentes factores. El objetivo del estudio es explicar cómo influye la diagénesis en la calidad de reservorio en la Formación Brae. Para identificar el papel de la compactación y cementación en la evolución de la porosidad de la Formación Brae, para esto se utilizará un núcleo de perforación del Brae Oil field (A19) de 410 ft. Un análisis petrográfico será usado para comprender la evolución de la porosidad. Adicionalmente, conteo de puntos en 20 muestras para cuantificar el rol de la compactación y cementación, Difracción de rayos X (XRD), así como Fluorescencia de rayos X (XRF) que será utilizado para medir la composición elemental a una resolución de 1 pie. Los datos de XRF refinarán la estructura de la secuencia estratigráfica y definirá los intervalos con mayor RQ mediante la integración de técnicas no supervisadas de aprendizaje automatizado (Machine Learning). Primero, el método de análisis de componentes principales (PCA) ayudará a reducir las variables en los datos XRF, luego, se aplica el algoritmo K- Means de agrupamiento, para definir clústeres o quimiofacies que resalten los intervalos con RQ alto y bajo, y así generar una tabla quimiostratigráfica. Este análisis exhaustivo usando análisis petrográfico, XRD, XRF y técnicas de machine Learning ayudo a visualizar intervalos con alto y bajo RQ
Description
Keywords
Formación Brae, Diagénesis, Calidad de Reservorio, Quimioestratigrafía, XRD, XRF, Machine Learning, KMeans.