Reservoir Rock Type Characterization and Prediction of the Lower Trias Argillaceous - Sandstone Reservoirs (Trias Argileux Greseux Inferieur: TAGI): Case Study of the Algerian Hassi Berkine Oil Fields

Abstract

Reservoir characterization is a set of parameters that describe the behaviour of the solid in relation to the porous medium. In the oil and gas industry, accurate reservoir characterization is a critical aspect of reservoir development and management. A strong understanding of reservoir characteristics should be required. Rock typing and petrophysical property prediction in uncored boreholes are two important reservoir characterization processes. Uncertainties in determining these characteristics can affect the expectationsin different topics: well performance, reservoir potential, and reservoir behaviour. Overall, it has an impact on the quality of studies presented for field development and optimization, as well as increasing technical and economic risks. The aim of the endorsed research, for the case study, is focusing on improving the characterization of the Lower Triassic argillaceous sandstone reservoirs (TAGI). The investigation focuses mainly on the application of different approaches to rock typing for the determination of the optimal number of reservoir rock types (RRT). The concerned method was based on determining lithofacies and petrofacies. Among logging tools, the gamma-ray logging device was utilized. Its role was to identify and classify lithofacies based on core descriptions and cuttings. As outcomes, four lithofacies have been identified: shale (argillaceous), shaly sandstone, sandstone, and clean sandstone. The petrofacies were determined using a variety of approaches, including the flow zone indicator (FZI), discrete rock type (DRT), pore throat radius (R35), discrete pore throat (DRT-R35), and global hydraulic element (GHE) methods. The FZI approach has been revealed to be the most effective and reliable mode for determining reservoir rock types in TAGI formations. Capillary pressure profiles (Pc), relative permeability curves (Kr), and water saturation (Sw) profiles have constituted a particulair and further classification methodologies for this investigation. These techniques yielded the same categorization results as the FZI-applied method. Depending on the simulation objectives, the DRT method was chosen to have a minimum number of reservoir rock types. RRT in the TAGI formation for the Hassi Berkine oil field has been classified into four lithofacies and eight petrofacies, with no compatibility between lithofacies and petrofacies. Therefore, the development of a mathematical model has become more than necessary to find out a technique permitting the determination of petrophysical properties in non-corezones. The main rock properties are porosity, permeability, and water saturation. The use of conventional well logs can be an efficient tool for porosity and permeability expectations. While, the use of deep and shallow resistivity logs combined with porosity logs, may be more suitable for water saturation prediction. The porosity is computed using a variety of approaches, including conventional methods, regression methods, and neural network techniques. Regression and machine learning approaches are also being developedwith the intent to describe the relationship between FZI and conventional well logs. The radial basis neural network was found to be the best solution for predicting porosity and FZI and, consequently, the permeability of TAGI sandstone formations. Therefore, and additionally and as a result, this procedure can be extended to predict water saturation.

توصيف المكمن عبارة عن مجموعة منالخصائص التي تصف سلوك المادة الصلبة فيما يتعلق بالوسط المسامي. في صناعة النفط والغاز، يعد الوصف الدقيق للمكامن جانبًا هامًا من جوانب تطوير المكامن وإدارتها. يجب أن تكون هناك حاجة إلى فهم قوي لخصائص المكمن.يعدتعريف انواع الصخور والتنبؤ بخصائصها البتروفيزيائية في الآبار غير المختبرةعمليتينمهمتين في توصيف المكامن. يمكن أن تؤثر حالات عدم اليقين في تحديد هذه الخصائص على التوقعات في موضوعات مختلفة: أداء البئر ، وإمكانات المكمنوسلوكه.بشكلعام,لها تأثير على جودة الدراسات المقدمة لتطوير الحقول وتحسينها ،فضلاعنزيادة المخاطر التقنية والاقتصادية. يهدفهذا البحث الى تحسين توصيف مكمن الحجر الرملي الطيني السفلي (TAGI) لحوض حاسي بركين. يركز البحث بشكل أساسي على تطبيق الأساليب المختلفة لتعريفالصخور لتحديد العدد الأمثل لأنواع صخور المكمن .RRTاعتمدتهذهالطريقة على تحديد الليثوفاسيات والبتروفاسيات.يمكناستخدامالعديدمنأدوات التسجيلمن بينها استخدام أشعة جاماالتيتعتمدوظيفتهاعلى وصف العينات و القطع الصخرية.نتيجة لذلك، تم تحديد أربعة انواع من الصخور: الصخر الطيني ، الحجر الرملي الطيني ، الحجر الرملي ، والحجر الرملي النقي.أمابالنسبةللبتروفاسيات, فقدتمتحديدهاباستخدامطرقمختلفةمنبينها: مؤشر منطقة التدفق (FZI) ، نوع الصخور المنفصلة (DRT) ، نصف قطرالمسام (R35) ، القطر المسامي المنفصل (DRT_R35), والوحدة الهيدروليكية العامة(GHE).تمالكشفأن نهج FZI هو الطريقة الأكثر فعالية وموثوقية لتحديد أنواع صخور المكمن في تكوينات TAGI. يمكن اعتبار ملامح الضغط الشعري (Pc) ،منحنيات النفاذية النسبية (Kr) ، وملامح تشبع الماء (Sw) كمنهجيات تصنيف اضافيةلكونهاتعطينفسنتائجطريقة FZI المطبقة. اعتمادًا على أهداف المحاكاة، تم اختيار طريقة DRT للحصول على الحد الأدنى من أنواع صخور المكمن. تم تصنيف RRT في حقل حاسي بركين إلى أربعة ليثوفاسيات وثمانية بتروفاسيات ، مع عدم وجود توافق بين الليثوفاسيات والبتروفاسيات.لذلك صارلزاما تطوير نموذج رياضي لإيجاد تقنية تسمح بتحديد الخصائص البتروفيزيائية في المناطق الغير المستكشفة.تعتبرالمسامية والنفاذية وتشبع الماءهي الخصائص الرئيسية للصخور. يمكن أن يكون استخدام سجلات الآبار التقليدية أداة قوية لتقدير المسامية والنفاذية،فيحين أن استخدام سجلات المقاومة العميقة والقريبة جنبًا إلى جنب مع سجلات المسامية قد يكون أكثر ملاءمة للتنبؤ بالتشبع بالمياه. تم حساب المسامية باستخدام مجموعة من الطرقمنبينها: الطرق التقليدية وطرق رياضية وتقنيات الشبكة العصبية. يليها تطوير نماذج رياضية والتعلم الآلي لوصف العلاقة بين FZI وسجلات الآبار التقليدية. أثبتت الشبكة العصبية ذات الأساس الشعاعي أنها الحل الأفضل للتنبؤ بالمسامية و FZI ، وبالتالي النفاذية في تكوينات الحجر الرملي. لذلك يمكن استخدام هذه الطريقة للتنبؤ بتشبع الماءفي المناطق الغير المستكشفة.