Estimation de la porosité des fractures par l'intelligence artificielle dans le champ de Hassi Messaoud, Algérie - Université de Rennes Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Estimation de la porosité des fractures par l'intelligence artificielle dans le champ de Hassi Messaoud, Algérie

Ahmed Ali Zerrouki
  • Fonction : Auteur
Tahar Aifa
  • Fonction : Auteur
  • PersonId : 840707
Kamel Baddari
  • Fonction : Auteur
Yves Géraud

Résumé

La porosité des fractures (phif) est un paramètre pétrophysique essentiel pour la caractérisation et la modélisation d'un réservoir fracturé. Ce paramètre est calculé par les données de diagraphies à cause de la grande difficulté de l'obtenir en laboratoire. Le calcul de phif par diagraphie nécessite la connaissance des paramètres de la boue de forage (densité et porosité neutron du filtrat et temps de parcours dans le filtrat) et les enregistrements de diagraphie (densité, porosité neutron et temps de parcours dans la formation), le manque de l'un de ces paramètres rend le calcul de la porosité des fractures par diagraphie impossible. Le but de ce travail sert à estimer, pour la première fois, la porosité des fractures dans les puits manquants d'enregistrement du temps de parcours dans le champ de Hassi Messaoud, en se basant sur l'intelligence artificielle. Pour classer l'importance des données de logs d'entrées (résistivité [Rt], densité, porosité neutron et gamma ray) sur la sortie désirée (phif) du réseau de neurones artificiel (RNA) dans le puits#1, on a appliqué le classement flou, telle que phif est calculée par diagraphie. Les résultats obtenus dans le puits#1 montre l'importance de toutes les données d'entrées, l'erreur quadratique moyenne obtenue entre la courbe floue et la densité est 3.67 ×10-3 et dans les autres paramètres, elle varie de 2.58×10-2 à 3.07×10-2. Les données de puits#1 sont utilisées pour l'apprentissage du RNA et les données de puits#2 pour le test. L'architecture du RNA composé par 12 neurones dans la première couche caché et 25 neurones dans la deuxième donne de bons résultats. Le coefficient de corrélation obtenu dans le puits#1 entre phif estimée par RNA et celle calculée par diagraphie dans la phase d'apprentissage est 0.96 et dans la phase de test (puits #2) il est 0.88.
Fichier non déposé

Dates et versions

insu-00990926 , version 1 (14-05-2014)

Identifiants

  • HAL Id : insu-00990926 , version 1

Citer

Ahmed Ali Zerrouki, Tahar Aifa, Kamel Baddari, Yves Géraud. Estimation de la porosité des fractures par l'intelligence artificielle dans le champ de Hassi Messaoud, Algérie. 24ème rencontre des Sciences de la Terre RST, Oct 2014, Pau, France. 1 p. ⟨insu-00990926⟩
438 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More