Abstract Discriminating the argillaceous sandstone reservoirs into several hydraulic flow units (HFUs) is a useful reservoir zonation technique. This study introduces a statistical method for analyzing petrophysical data sets, including borehole-logs and core data, to discriminate the main Triassic gas-producing argillaceous sandstone reservoirs in Hassi R'Mel Northern Field in Algeria into some HFUs. These Triassic Formations consist mainly of argillaceous sandstone, sandy shales, dolostones, and evaporite intercalations. Integration between the X-Y plot of porosity and permeability data, and their frequency distribution histograms introduced a diagnostic reservoir mathematical model for predicting both parameters. On the other side, the petrophysical model framework that based on log responses indicates the ability to cluster log responses of the Triassic Hassi R'Mel formations into many clusters and components. The reservoir characterization workflow of Hassi R'Mel formations started with processing the log responses of eight logged boreholes, and some high reliable mathematical models (R2 = 0.943) were introduced to estimate permeability in the un-cored intervals. Besides, applying a fuzzy logic technique enabled a reservoir zonation of the Southern Hassi R'Mel Gas Field into several HFUs with various reservoir properties. Predicted permeability values of each flow unit indicate high reliable relationships established between the measured and calculated permeability using the fuzzy logic technique.

中文翻译：

---

使用模糊逻辑分析对泥质砂岩储层进行渗透率预测：以阿尔及利亚南部 Hassi R'Mel 气田三叠系层序为例

摘要 将泥质砂岩储层区分为几个水力流动单元 (HFU) 是一种有用的储层分区技术。本研究引入了一种用于分析岩石物理数据集（包括钻孔测井数据和岩心数据）的统计方法，以将阿尔及利亚 Hassi R'Mel 北部油田的主要三叠纪产气泥质砂岩储层区分为一些 HFU。这些三叠系地层主要由泥质砂岩、砂质页岩、白云岩和蒸发岩夹层组成。孔隙度和渗透率数据的 XY 图与其频率分布直方图之间的整合引入了用于预测这两个参数的诊断性储层数学模型。另一方面，基于测井响应的岩石物理模型框架表明能够将三叠纪 Hassi R'Mel 地层的测井响应聚类为许多集群和组件。Hassi R'Mel 地层的储层表征工作流程从处理八个测井钻孔的测井响应开始，并引入了一些高度可靠的数学模型 (R2 = 0.943) 来估计未取芯层段的渗透率。此外，应用模糊逻辑技术可以将南哈西 R'Mel 气田的储层分区为具有不同储层特性的多个 HFU。每个流动单元的预测渗透率值表明使用模糊逻辑技术在测量渗透率和计算渗透率之间建立的高度可靠的关系。Mel 形成许多簇和组件。Hassi R'Mel 地层的储层表征工作流程从处理八个测井钻孔的测井响应开始，并引入了一些高度可靠的数学模型 (R2 = 0.943) 来估计未取芯层段的渗透率。此外，应用模糊逻辑技术可以将南哈西 R'Mel 气田的储层分区为具有不同储层特性的多个 HFU。每个流动单元的预测渗透率值表明使用模糊逻辑技术在测量渗透率和计算渗透率之间建立的高度可靠的关系。Mel 形成许多簇和组件。Hassi R'Mel 地层的储层表征工作流程从处理八个测井钻孔的测井响应开始，并引入了一些高度可靠的数学模型 (R2 = 0.943) 来估计未取芯层段的渗透率。此外，应用模糊逻辑技术可以将南哈西 R'Mel 气田的储层分区为具有不同储层特性的多个 HFU。每个流动单元的预测渗透率值表明使用模糊逻辑技术在测量渗透率和计算渗透率之间建立的高度可靠的关系。943) 被引入来估计未取芯层段的渗透率。此外，应用模糊逻辑技术可以将南哈西 R'Mel 气田的储层分区为具有不同储层特性的多个 HFU。每个流动单元的预测渗透率值表明使用模糊逻辑技术在测量渗透率和计算渗透率之间建立的高度可靠的关系。943) 被引入来估计未取芯层段的渗透率。此外，应用模糊逻辑技术可以将南哈西 R'Mel 气田的储层分区为具有不同储层特性的多个 HFU。每个流动单元的预测渗透率值表明使用模糊逻辑技术在测量渗透率和计算渗透率之间建立的高度可靠的关系。