Сборник - Тезисы конференции Геомодель - 2011
Подождите немного. Документ загружается.
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
Наиболее наглядно результаты работы можно рассмотреть на примере осинского горизонта. Этот
горизонт отличается достаточно большим изменением толщин – от 17 до 78 метров (средние
толщины – около 45 метров) в пределах района исследований. По сейсмическим данным и на
основании результатов бурения скважин была выделена органогенная постройка. На сейсмических
профилях, пересекающих постройку, видно клиноформное строение осинского комплекса
.
Клиноформы падают на северо-запад (рисунок 2), что говорит о том, что рост органогенной
постройки происходил в этом направлении.
На карте толщин (рисунок 3), отражающей палеорельеф территории на момент формирования
осинского горизонта, к юго-востоку от органогенной постройки выделяется крупное палеоподнятие.
Контуры палеоподнятия на карте на рисунке 3 показаны пунктирной линией. На карте
толщин
осинского горизонта этому палеоподнятию соответствуют небольшие толщины. Зона же
максимальных толщин расположена вокруг него.
Анализ каротажных кривых в скважинах, находящихся в зоне постройки и в зоне палеоподнятия
показал, что на палеоподнятии отсутствует верхняя часть осинского горизонта, которая в зоне
постройки представлена органогенными известняками.
Рисунок 2. Клиноформное строение осинского комплекса
На основании имеющихся данных был сделан вывод, что органогенная постройка развивалась не
непосредственно на поднятии, а вокруг него. Это связано, предположительно, с тем, что глубина
воды на поднятии была слишком мала.
В пределах участка работ отмечено несколько таких зон увеличенных толщин осинского горизонта
вокруг палеоподнятий
, связанных предположительно с органогенными постройками.
Атрибутный анализ. В пределах района исследований пробурено достаточно большое число
скважин, часть из них в последние годы. Новые скважины характеризуются хорошим комплексом
ГИС, что позволило провести сейсмогеологическое моделирование изменений пористости,
эффективной мощности коллектора, типа флюида с целью определить поисковые критерии зон
улучшенных коллекторских свойств.
На основании результатов моделирования были определены
информативные сейсмические атрибуты и окна их расчета. Анализ сейсмических атрибутов выявил
наличие зависимостей между амплитудами отражения и пористостью в скважинах с высоким
коэффициентом корреляции, что позволило пересчитать карты сейсмических атрибутов в карты
25 мс
Клиноформы
СЗ ЮВ
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
прогнозных значений пористости. Анализ этих карт показал, что зоны повышенной пористости
расположены вокруг зон увеличенных толщин, т.е. вокруг зон распространения органогенных
построек. На основании этого можно предположить, что улучшенные коллекторские свойства (в
данном случае пористость) связаны не с самими органогенными постройками, а с продуктами их
разрушения. Это согласуется с результатами
анализа притоков в пробуренных скважинах.
Рисунок 3. Карта толщин осинского горизонта с наложенным контуром палеоподнятия,
существовавшего на момент начала формирования горизонта
Выводы. В результате проведенных работ были сделаны следующие выводы:
• Формирование карбонатных пластов происходило в условиях мелководья. На
палеоподнятиях либо вокруг них выделяется большое количество небольших по размерам
органогенных построек.
• Анализ имеющихся данных
показал, что наилучшие коллекторские свойства связаны с
продуктами разрушения органогенных построек. Этот критерий будет использован в числе
прочих в дальнейшем для постановки буровых работ.
Благодарности. Авторы благодарны администрации компании ОАО «НК «Роснефть» за
возможность использования материалов.
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
АНАЛИЗ И СРАВНЕНИЕ ТОЧНОСТИ ПОСТРОЕНИЯ ГЛУБИННО-СКОРОСТНОЙ
МОДЕЛИ МЕТОДAМИ КОГЕРЕНТНОЙ ИНВЕРСИИ И СЕТОЧНОЙ ТОМОГРАФИИ
Цветухин И.В., Гурвич Л.А, Горбачев С.В., Шулико Ю.В., Музыченко В.М. (ООО «ЛАРГЕО»)
Построение корректной глубинно-скоростной модели (ГСМ) является важнейшим фактором,
влияющим на точность сейсмических изображений. Чем сложнее конфигурация среды, тем тяжелее
становится построить корректную модель и тем выше требования к точности ГСМ. В нашем докладе
мы рассмотрим два способа построения ГСМ со сложной соляно-купольной тектоникой: когерентная
инверсия и гибридно-сеточная томография.
Работа проводилась в несколько этапов:
1) Анализ реальных данных на нескольких площадях Прикаспийского региона;
2) Построение обобщенной модели среды;
3) Полноволновое моделирование в программном комплексе Tesseral;
4) Предобработка модельных данных с анализом скоростей суммирования;
5) Оценка скоростей миграции во временной области до суммирования;
6) Построение ГСМ двумя способами (когерентной инверсии и сеточной томографии);
7) Анализ точности построения ГСМ;
8) Глубинная миграция до суммирования в различных программных продуктах;
9) Анализ полученных результатов.
Анализ реальных данных северной части Прикаспийского региона показал, что район
характеризуется сложным геологическим строением, наличием соляных тел, c круто залегающими
границами и разрывными нарушениями различной мощности. Все эти факторы обуславливают
сложную волновую картину, связанную с наличием различных типов волн (рассеянных,
дифрагированых, кратных и дуплексных), усложняющих выделение однократных волн. Целевыми
зонами, являющимися перспективными для скопления нефти и газа, являются области подсолевых
карбонатных отложений на глубинах ниже 3000 м, а также зоны прилегания терригенных пластов к
сводам соляных тел. В таких тяжелых условиях корректное изображение целевых объектов возможно
только при правильном учете преломления лучей в вышележащей толще, что ставит высокие
требования к точности ГСМ. Фрагменты суммарного куба в глубинной области и куба интервальных
скоростей с одной из площадей этого региона представлены на рисунке 1.
Рисунок 1. Сечение куба после глубинной миграции до суммирования и построенная глубинно-
скоростная модель.
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
Для проведения исследований по оценке точности восстановления ГСМ было решено
провести полноволновое моделирование в пакете Tesseral. На основании анализа геолого-
геофизических данных нескольких площадей северного Прикаспия была построена обобщенная
геологическая модель, характеризующаяся наличием солевых объектов и присолевых разломов, а
также наличием карбонатных объектов в подсолевых толщах. По построенной модели были
рассчитаны синтетические сейсмограммы с шагом по ПВ — 50 м, по ПП — 12.5 м и максимальным
удалением 6000 м. Модель была рассчитана с разными частотными диапазонами импульсов Рикера с
доминирующей частотой 10-20-30-40-50 Гц. Модель среды и одна из синтетических сейсмограмм
ОПВ представлены на рис. 2.
Рисунок 2. Построенная обобщенная модель среды и синтетическая сейсмограмма ОПВ.
Для проведения оценки возможностей получения корректного изображения среды и получения
максимально приближенной ГСМ к истинной, к выполнению работ подошли как к выполнению
производственного проекта, полностью абстрагировавшись от первоначальной (имеющейся) ГСК
(что такое ГСК).
По модельным данным было выполнено несколько анализов скоростей суммирования, для
получения лучшего разреза (изображения среды) . На рис. 3а представлен фрагмент скоростей
суммирования и временной разрез после суммирования. По разрезу была выполнена временная
миграция до суммирования с полученными в результате анализа скоростями суммирования.
Мигрированный разрез во временной области представлен на рис. 3в.Как и предполагалось, такой
подход не смог построить корректное изображение среды.
Следующим этапом работ было построение ГСМ методом когерентной инверсии, то есть
определению скоростей по горизонтам сверху-вниз по разрезу. При этом для реализации такого
подхода необходимо, чтобы сейсмические границы, по которым производится построение глубинно-
скоростной модели, были акустически выраженными. После построения ГСМ была выполнена
глубинная миграция до суммирования, результат которой представлен на рис. 3в. Глубинная
миграция до суммирования существенно улучшила изображение среды (рис. 3г), при этом до конца
не удалось учесть влияние солевых объектов на нижележащие горизонтальные объекты, что не
позволяет также адекватно трактовать изменение форм горизонтов как перспективные ловушки
углеводородов.
а
б
а
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
Рисунок 3. а – скорости суммирования, б – суммарный разрез, в – результат временной миграции до
суммирования, г – результат глубинной миграции до суммирования.
Вторым подходом, примененным к восстановлению ГСМ, была гибридно-сеточная
томография, являющаяся мощным инструментом для построения высокоточных ГСМ в сложных
геологических условиях. Этот метод основан на инверсии скоростного поля с помощью поля
остаточных кинематических поправок и поля наклонов отражающих границ рассчитанных по всему
объему данных в автоматическом режиме. Основными преимуществами данного подхода являются:
отсутствие необходимости в корреляции отдельных горизонтов и привязки к ним, а также
равномерное распределение скоростей во всех направлениях. За счет этого значительно сокращаются
трудозатраты на построение ГСМ, в то время как ее точность повышается. При этом, в таких
сложных условиях, необходимо задавать более детальную предварительную модель. Для этих целей
подойдет толсто-слоистая модель, построенная методом когерентной инверсии. Так как сеточная
томография – подход многоитерационный, то применение такого подхода повышает надежность
результатов работ. Суммарный разрез после глубинной миграции до суммирования с наложенной
ГСМ, полученной в результате гибридно-сеточной томографии, представлен на рис. 4.
б
а
г
в
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
Рисунок 4.
Суммарный разрез после глубинной миграции до суммирования с наложенной ГСМ.
В результате проделанных работ были проанализированы трудности восстановления ГСМ в
районах со сложной тектоникой, найдены пути их решения с помощью различных подходов
построения глубинно-скоростных моделей. Проведенный анализ по модельным данным показал
сложности и неточности восстановления ГСМ, позволил создать подход к построению скоростной
модели и последующей миграции.
Литература.
1. Alkhalifah, T., 1997, Velocity analysis using nonhyperbolic moveout in transversely isotropic media:
Geophysics, 62, 1839-1854.
2. Bear, L. K., T. A. Dickens, J. R. Krebs, J. Liu, and P. Traynin, 2005, Integrated velocity model
estimation for improved positioning with anisotropic PSDM: The Leading Edge, 24, 622-626.
3. Etienne Robein, Velocities, Time-imaging and Depth-imaging in Reflection Seismics. Principles and
Methods, EAGE, 2003
4. Grechka, V. and Tsvankin, I. [1998] 3-D description of normal-moveout in anisotropic
inhomogeneous media. Geophysics, 63, 1079-1072.
5. Ian F. Jones 2007, Hybrid Gridded Tomography, First Break, v.25, No4, pp15-21.
6. Sarkar, D., and I. Tsvankin, 2003, Analysis of image gathers in factorized VTI media: Geophysics, 68,
2016-2025.
7. Горбачев С.В., Петров Е.И., Тихонов А.А. О применении моделирования волновых полей для
проектирования многоволновых сейсмических работ и подбора параметров графа обработки. //
Технологии сейсморазведки №1, 2007.
8. Горбачев С.В., Яковлев А.П. Анализ систем наблюдений 3D на соответствие их задачам работ.
// Материалы международной научно-практической конференции «Геомодель-2010»,
Геленджик, 2010.
9.
Козлов Е.А., Модели среды в разведочной сейсмологии. Тверь: ГЕРС, 2006.
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
ТЕХНОЛОГИЯ «НЕЙРОСЕЙСМ» - СЕЙСМОРАЗВЕДКА РЕЗЕРВУАРОВ.
*С.А. Куликов (ТГРУ), Р.С. Хисамов (ОАО «Татнефть»), Н.С. Гатиятуллин (ТГРУ)
АННОТАЦИЯ. Предлагается технология стохастического анализа образов сейсмических сигналов
для их классификации на сейсмофации и изучения резервуаров углеводородов. Метод основан на
примерах и базируется на решении задач методами искусственного интеллекта при использовании
многослойных
нейронных сетей. При обучении нейронной сети используется двоичный образ
сигналов, отраженных от пластов различных сейсмофациальных образований, фациальный состав
которых подтверждается скважинными данными. Важной особенностью технологии
«Нейросейсм» является максимальное использование информации, заключенной в мелких деталях
формы записи сейсмического поля. Здесь в не явном виде анализируется весь комплекс атрибутов
сейсмической записи без
применения аналитических вычислений. При этом система сама решает
задачу выделения полезного сигнала на фоне помех при обучении нейронной сети.
Ключевые слова: сейсморазведка резервуаров, сейсмофации, нейронная сеть, нефтяная залежь.
Одной из центральных задач, стоящих перед геофизиками в нефтегазовой отрасли, является
повышение детальности и точности описания резервуаров. Применение не аналитических методов в
области сейсмической разведки позволяет использовать сейсмические данные не только для
построения структурного каркаса резервуаров, но и, во многом, для прогноза литологии, типа
насыщения коллектора, анализа сейсмофаций, оценки геологического риска и др.
Поскольку целью сейсморазведки резервуаров является достижение максимально возможного
извлечения информации из самых мелких деталей сейсмического поля, то в соответствии
с
принципом точности и информативности [1] наиболее оптимальным является отказ от
аналитического представления сейсмического поля.
Как отмечено в работе [2] «...чем тоньше продуктивный пласт, тем меньше оснований для
применения аналитических решений». Известно, что связь между залежью углеводородов,
тектоническими нарушениями и другими геологическими образованиями с сейсмической записью
имеет сложную стохастическую природу и не
может быть описана адекватно, нежели чем в виде
сложной статистической зависимости [3]. Аналитические вычисления атрибутов сейсмической
записи, основанных на преобразованиях Гильберта или Фурье ведут к уменьшению энтропии
сигнала, как в прочем и любые другие преобразования. В теории информации Шеннон и Вивер
назвали энтропией меру непредсказуемости ряда. Количество информации, которую можно извлечь,
увеличивается с ростом энтропии. Кроме того, чем тоньше продуктивный пласт, тем больше
погрешность вычислений динамических атрибутов сейсмической записи. Таким образом, для
решения неформализованных задач к которым относится прогнозирование углеводородов по
материалам сейсморазведки, можно применить два подхода. Первый основан на описании
предметной области в виде набора правил. Например, если наблюдается увеличение амплитуды
сигнала и в то же время уменьшается его частота, что в ряде случаев это приурочивают к залежи
углеводородов. При этом подходе необходимо заранее знать весь набор закономерностей,
описывающих предметную область. Совершенно по- иному обстоит дело при использовании другого
подхода, основанного на примерах [4]. Примерами для обучения сети является двоичный образ
отраженных
волн, регистрируемых от пластов с доказанной нефтегазоносностью или другим
сейсмофациальным образованием. Метод «Нейросейсм», защищенный двумя патентами РФ [5, 6]
представляет собой классический вид технологии, основанной на примерах и базируется на решении
задач методами искусственного интеллекта на основе использования многослойных нейронных
сетей.
В последние годы появилось много работ по применению нейронных сетей для
прогнозирования геологического разреза по сейсмическим данным. Но все они базируются на
использовании сейсмических атрибутов при обучении нейронных сетей. Предварительно эти
атрибуты были аналитическим образом рассчитаны. В технологии «Нейросейсм» никаких
вычислений не проводится, а для обучения сети используется двоичный образ сигналов, отраженных
от пластов различных сейсмофациальных образований, наличие которых подтверждается
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
скважинными данными. Настроенная и обученная таким образом нейронная сеть в дальнейшем
распознает и классифицирует сейсмические сигналы на сейсмофации в продуктивных отложениях.
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
На рис. 1 представлена геологическая модель, типичная для терригенных отложений девона
Татарстана, где скважина № 1вскрыла пяти- метровый пласт водонасыщенного песчаника, скважина
№ 2 вскрыла пяти- метровый пласт нефтенасыщенного песчаника, а скважина № 3 показала, что этот
пласт заглинизирован ( не коллектор). Плотность и скорость распространения волн в
нефтенасыщенном песчанике составляет соответственно ρ =2 .41 г/
см³ и ν = 3900 м/сек; в
водонасыщенном песчанике ρ =2.45 г/см³ и ν = 4000 м/сек; в заглинизированном песчанике ρ =2 .56
г/см³ и ν = 3600 м/сек. Таким образом, различие акустических жесткостей водоносного и
нефтеносного песчаника составляет менее 5%. Используя эти данные был синтезирован
синтетический разрез. Обучение нейронной сети проводилось в окнах отдельно на
трассах 6-9, где
скважина №1 вскрыла водоносный песчаник; на трассах 30-33, где скважина №2 вскрыла
нефтенасыщенный песчаник; на трассах 59-60, где скважина №3 вскрыла не коллектор.
Последующий нейрокомпьютерный анализ синтетического разреза методом «Нейросейсм»
вдоль отражающего горизонта со стопроцентной уверенностью выделил сейсмофации,
представленные водонасыщенным, нефтенасыщенным и заглинизированным песчаниками (см. рис.
1(б)). В то
время, как при анализе абсолютных значений амплитуд идентифицировать эти
сейсмофации не представляется возможным (см. рис. 1(в)). Хотя амплитуды отраженных сигналов
наиболее чувствительны к изменению акустической жесткости границы. При добавлении случайного
шума к синтетическому разрезу в соотношении сигнал/шум=3 с последующим переобучением
нейронной сети в тех же окнах на зашумленном материале также
показал хорошую сходимость при
нейрокомпьютерном анализе данных (см. рис. 1(г)). Повышенная помехоустойчивость метода
«Нейросейсм» состоит в результате присущей ей способности видеть образ сквозь шум и искажения.
При этом система сама решает задачу выделения полезного сигнала на фоне помех.
Обработка сейсмических данных для их использования в технологии «Нейросейсм» имеет
принципиальные
отличия от принятого стандартного графа обработки, используемого для
структурных построений. Например, деконволюция подавляет фильтрующее влияние среды, а она
нам как раз и нужна. Это означает, что для сейсморазведки резервуаров необходимо отказаться от
преобразований сейсмического сигнала к его минимально- фазовому или нуль- фазовому
эквиваленту, поскольку при таких преобразованиях теряется наиболее информативная для
сейсмофациального анализа информация. Обязательной процедурой в подготовке данных в
сейсморазведке резервуаров также является выполнение миграции исходных сейсмограмм (Prestack
Migration) и использование для обучения нейронной сети и нейроанализа не суммированных данных.
Суммирование сильно искажает форму сигнала за счет недоучета статических и кинематических
поправок. Сейсмограммы после миграции подвергаются модельно- ориентированному
преобразованию, суть которого заключается
в пересортировке трасс в сейсмограммах таким образом,
что ближние трассы содержат данные с высоким отношением сигнал/шум, а зашумленные данные
перемещаются к дальним трассам в сейсмограмме, которые исключаются из обработки. Кроме того,
работа с данными по суммированию значительно увеличивает количество информации для обучения
нейронной сети и нейроанализа.
Технология «Нейросейсм» давно
и успешно используется в Татарстане для прогнозирования
мелких и очень мелких залежей нефти. По данным нейрокомпьютерных исследований строятся
прогнозные карты нефтеперспективности резервуаров в исследуемых отложениях (см. рис. 2).
ВЫВОДЫ
1. Технология позволяет извлекать максимальную информацию, содержащуюся в сейсмических
волновых полях в результате анализа мелких деталей формы сигнала за счет использования
при
обучении нейронной сети двоичного образа отраженных волн без искажения и потери
части информации, которая наблюдается при различных аналитических вычислениях
атрибутов сейсмической записи.
2. Автоматически устанавливает взаимосвязь формы сигнала с различными сейсмофациями и
использует скважинную информации при обучении нейронной сети.
3. Обладает повышенной помехоустойчивостью в результате внутренне присущей ей
способности видеть образ
сигнала сквозь шум и искажения.
«Геомодель – 2011» - 13ая конференции по проблемам комплексной
интерпретации геолого-геофизических данных.
Россия, г. Геленджик, 11 – 15 сентября, 2011 г.
Рис. 2 Прогнозная карта нефтеперспективности отложений
терригенного девона по данным «Нейросейсм»
ЛИТЕРАТУРА
1. Непомнящий И.А., 1996, Классификация методов разведочной геофизики на основе принципа
дополнительности Бора: Геофизика 5- 6, 28- 32.
2. Авербух А.Г., 1998, Методика интерпретации данных сейсморазведки при интегрированном
изучении нефтегазовых резервуаров: Геофизика 1, 13-19.
3. Куликов С.А., Тарасов Е.А., 1994, Нейрокомпьютерная техника в распознавании
нефтеперспективных объектов по данным сейсмических наблюдений: Геология, геофизика и
разработка нефтяных месторождений 11, 19- 21.
4. Куликов С.А., Тарасов Е.А., 1998, Результаты практического применения нейротехнологии
прогнозирования залежей нефти в Татарстане: Геология, геофизика и разработка нефтяных
месторождений 3, 29- 33.
5. Патент РФ № 2094828.
6. Патент РФ № 2158939.