CARACTERISATION PETROLIERE DE RESERVOIR SIEGENIEN A L’AIDE DES METHODES MACHINE LEARNING, APPLICATION AU CHAMP DE - WADI EL TEH - BASSIN DE BERKINE OUEST

Abstract

La caractérisation du réservoir est une étape très importante et cruciale dans l'exploration pétrolière ainsi que les activités de production et de commercialisation, car ses résultats fournissent une conclusion décisive sur la rentabilité du réservoir et l'efficacité des puits d'exploration et d’exploitation. Le réservoir de Siegénien est l'un des réservoirs les plus importants dans champ de Berkine en Algérie, où de nombreux puits sont en cours de forage afin d'améliorer sa productivité et d'étendre la phase de production en premier lieu. Cependant, en raison de l'augmentation des profondeurs de forage et d'autres problèmes techniques tels que les Argiles gonflantes , haute pression HP et haute température HT, l'indisponibilité des sources radioactives et le coût élevé de certaines opérations... etc, le Log densité neutron ne peut pas être enregistré et la porosité est donc calculée à partir des diagraphies soniques. Dans de nombreux cas, cette porosité sonique représente la porosité effective car le réservoir n’est pas fracturé. Cependant si une porosité secondaire existe, la porosité obtenue à partir du log sonique sera différente et donc il y aura une surestimation des réserves pétrolières. De plus, les jobs de MDT et carottage ne peuvent pas être traitées en raison des problèmes mentionnés précédemment. D'autre part, les applications de ML ont connu un développement énorme et réussi au cours des dernières années. Il est considéré comme une solution avancée à de nombreux problèmes complexes dans de nombreux domaines, y compris le domaine de l'évaluation des réservoirs. Par conséquent, l'objectif de cette thèse est d'utiliser Machine Learning (ML) afin de calculer la porosité et la perméabilité dans le cas où la mesure de la densité neutron ne peut pas être enregistrée; L'algorithme proposé a été entraîné sur la base des données de porosité carotte et perméabilité carotte de quatre puits du champ de Berkine (Wadi El Teh), puis testé et validé dans un autre puits où seul le log sonique est disponible. L'algorithme ML devrait fournir des résultats plus fiables pour la problématique décrit