SIMULATING POROSITY AND PERMEABILITY OF THE NUCLEAR MAGNETIC RESONANCE (NMR) LOG IN CARBONATE RESERVOIRS OF CAMPOS BASIN, SOUTHEASTERN BRAZIL, USING CONVENTIONAL LOGS AND ARTIFICIAL INTELLIGENCE APPROACHES

Antonio Abel González Carrasquilla, Victor Hugo Tapia Briones

Abstract


ABSTRACT. We examined, in this study, the artificial intelligence techniques ability in deriving parameters of the Nuclear Magnetic Resonance log, starting from conventional logs. To perform this, it was applied Fuzzy Logic and Artificial Neural Network techniques separately, forming independent schemes. On the other hand, Simple Average and Genetic Algorithm approaches were used to assign weighting factors to Fuzzy Logic and Artificial Neural Network estimates, with the objective to optimize the individual contributions of each one. To do this, the methodology used conventional well logs, that is, gamma ray, resistivity, neutron porosity, density and sonic logs. The wells are in an Albian carbonate reservoir in Campos Basin, Southeastern Brazil. The responses were compared with the Schlumberger free fluid porosity and the lateral permeability, both derived from Nuclear Magnetic Resonance log in the same wells. The results indicate that Artificial Neural Network performed better when compared with Fuzzy Logic, but this last was essential in the success of Simple Average and Genetic Algorithm estimates, which presented better results than these techniques individually. However, each approach showed a good fit with the parameters of the Nuclear Magnetic Resonance log, confirming the utility of the present methodology, in the case when there are only conventional logs, in the studied wells.

Keywords: geophysical well logging, Nuclear Magnetic Resonance, intelligent systems, Fuzzy Logic, Artificial Neural Network, Genetic Algorithm.

RESUMO. Examinamos, neste estudo, a habilidade das técnicas de inteligência artificial na determinação de parâmetros do perfil da Ressonância Magnética Nuclear, a partir de perfis convencionais. Para tanto, foram aplicadas, separadamente, as técnicas da Lógica Fuzzy e da Rede Neural Artificial formando esquemas independentes. Por outro lado, as abordagens da Média Simples e do Algoritmo Genético foram utilizadas para atribuir os fatores de ponderação às estimativas de Lógica Fuzzy e Rede Neural Artificial, com o objetivo de otimizar as contribuições individuais de cada uma. Com esse objetivo, a metodologia utilizou os perfis convencionais de dois poços, ou seja, raios gama, resistividade, porosidade neutrônica, densidade e sônico. Os poços pertencem a um reservatório carbonático Albiano na Bacia de Campos, Sudeste do Brasil. As respostas foram comparadas com a porosidade do fluido livre e a permeabilidade lateral da Schlumberger, ambas derivadas do perfil da Ressonância Magnética Nuclear, nos mesmos poços. Os resultados indicam que a Rede Neural Artificial apresentou melhor desempenho, quando comparada com a Lógica Fuzzy, mas esta última foi essencial para o sucesso das estimativas da Média Simples e do Algoritmo Genético, os quais apresentaram melhores resultados que essas técnicas individualmente. No entanto, cada abordagem apresentou um bom ajuste com os parâmetros do perfil da Ressonância Magnética Nuclear, confirmando a utilidade dessa metodologia, no caso em que existem apenas perfis convencionais nos poços estudados.

Palavras-chave: perfis geofísicos de poços, Ressonância Magnética Nuclear, sistemas inteligentes, Lógica Fuzzy, Rede Neural Artificial, Algoritmo Genético.


Keywords


geophysical well logging, Nuclear Magnetic Resonance, intelligent systems, Fuzzy Logic, Artificial Neural Network, Genetic Algorithm

Full Text:

PDF


DOI: http://dx.doi.org/10.22564/rbgf.v37i2.173







 

>> Brazilian Journal of Geophysics - BrJG (online version): ISSN 2764-8044
a partir do v.37n.4 (2019) até o presente

Revista Brasileira de Geofísica - RBGf (online version): ISSN 1809-4511
v.15n.1 (1997) até v.37n.3 (2019)

Revista Brasileira de Geofísica - RBGf (printed version): ISSN 0102-261X
v.1n.1 (1982) até v.33n.1 (2015)

 

Brazilian Journal of Geophysics - BrJG
Sociedade Brasileira de Geofísica - SBGf
Av. Rio Branco 156 sala 2509
Rio de Janeiro, RJ, Brazil
Phone/Fax: +55 21 2533-0064
E-mail: editor@sbgf.org.br

Since 2022, the BrJG publishes all content under Creative Commons CC BY license. All copyrights are reserved to authors.

Creative Commons