Серра Оберто Восстановление условий осадконакопления по данным геофизических исследований скважин

Подождите немного. Документ загружается.

141

Рис.5-16. Представление этой же электрофации

с помощью гистограмм (из Serra, Schlumberger

Well Evaluation Conference, Algeria, 1979).

Рис.5-17. Диаграммы-«паутины» для (a) из-

вестняка и (b) песчаника (из Serra и Abbott,

1980).

На рис.5-17 показаны формы двух

электрофаций. Для того чтобы можно

было отличить одну электрофацию

от другой, формы должны различать-

ся только по одной оси. В сущности,

сравнивая формы, аналитик может

разбивать интер-

вална электрофации числом от 10 до 15 (рис.5-18). На этом последнем рисунке

можно видеть постепенное изменение форм от одной электрофации к следую-

щей. Охваченный интервал показан на рис.5-19. Самая малая глубина – в ле-

вом верхнем углу, и рисунки расположены в колонках, с возрастанием глубины

вниз. Проведена также корреляция с фациями, определенными по результатам

анализа керна.

Рис.5-18. Сопоставление электрофаций (из Serra и Abbott, 1980).

Используя эту методику, можно также выполнить корреляцию между электро-

фациями из различных скважин (рис.5-19).

142

Для определения электрофаций в тонких пластах требуется предварительный

шаг: коррекция результатов различных измерений за влияние окружающих пластов. С

этой целью применяются схемы поправки за обстановку осадконакопления (environ-

mental correction charts). Однако введение такой поправки представляет собой долгую

и весьма утомительную операцию. Следовательно, может оказаться предпочтитель-

ным следующий эмпирический метод. Строится представление электрофаций тонкого

пласта, и для каждого измерения стрелкой указывается направление, в котором по-

правка должна сместить фигуративную точку. Выполняя сравнение с предварительно

определенными фациями, и используя кривые сопротивления наклономера, можно

оценить ближайшие электрофации(рис.5-21 и 5-22).

В случае рампов или электрокомплексов, определяются электрофации на на-

чальной и конечной глубинах, или в окружающих электропластах.

Этот анализ, выполняемый вручную, часто утомителен и занимает много вре-

мени, и для некоторых геологов, приверженных традициям, он может не представлять

интереса. В этой связи, мы напоминаем этим геологам, что данный метод использует-

ся некоторыми нефтяными компаниями мира (возможно, метод отличается от упомя-

нутого выше, но идеология сохраняется). Например, этот метод позволил группе ELF-

Aquitaine исследовать более 1000 скважин и, таким образом, синтезировать представ-

ление о фациях и об обстановке осадконакопления для каждой скважины. Появилась

возможность построения карт фаций, причем при меньшей стоимости и в весьма сжа-

тые сроки. В противном случае, было бы невозможно получить эту информацию, по-

скольку керн извлекался редко, и результаты его анализа часто отсутствовали. Данный

метод позволил более точно охватить сейсмические профили и выполнить более на-

дежную интерпретацию в терминах сейсмофаций. Результатом стало лучшее из всех

возможных представление о бассейнах и, следовательно, обоснованный выбор пло-

щадей работ.

Тем не менее, данный анализ субъективен, поскольку результаты могут час-

тично зависеть от аналитика, выполняющего исследование. Поэтому мечтой специа-

листов был автоматический процесс, где применяются компьютеры. Метод компью-

терной обработки (Serra и Abbott, 1980), описанный далее, был разработан фирмой

Schlumberger и появился на рынке под маркой FACIOLOG. В его описании объясняют-

ся различные шаги обработки данных. Могут быть задуманы и другие подходы, кото-

рые, несомненно, будут разработаны на основе этой же общей философии.

143

Рис.5-19. Корреляция электрофаций с фациями, определенными по керну (из Serra и Abbott, 1980).

5.3.2. Автоматическая идентификация электрофаций: FACIOLOG

При применении ручного метода используются, по существу, те же ша-

ги. Мы просто пытаемся преобразовать подход аналитика в математические

функции или статистическую обработку.

Множество из n кривых ГИС, который характеризует электропласт, мо-

жет рассматриваться как определение координат электрофации, представлен-

ной здесь точкой, в n-мерном пространстве. Поскольку одинаковые причины

вызывают одинаковые эффекты, мы можем полагать, что другой пласт с такими

же геологическими фациями и содержащий такие же флюиды, будет иметь та-

кие же электрофации. Следовательно, его фигуративная точка в n-мерном про-

странстве должна располагаться очень близко к предыдущей точке. Таким об-

разом, электрофация должна соответствовать группе или скоплению точек,

расположенных весьма близко одна к другой в этом пространстве. Напротив,

различные электрофации должны соответствовать различным и отдельным

группам. Возможно, они могут перекрываться по одному или нескольким изме-

рениям n-мерного пространства.

Если мы начинаем с необработанных, не зонированных данных, мы бу-

дем наблюдать определенное рассеяние точек, соответствующих одной элек-

трофации, причем при увеличении количества скважинных замеров степень

рассеяния повышается. Это рассеяние связано с «помехами», обусловленными

работой прибора, скважинными условиями и даже слабыми вариациями геоло-

гических параметров. Предварительное зонирование и анализ основных компо-

нентов, с одной стороны, уменьшит это рассеяние, а с другой стороны, понизит

степень многомерности пространства. Автоматическое разбиение на группы

может быть выполнено только после этого шага.

В определенных случаях (например, при отсутствии рампов и тонких

пластов), мы можем немедленно начать анализ основных компонентов и вы-

полнить разбиение на группы. По результатам обработки можно выполнить ав-

томатическое зонирование (рис.5-23).

При использовании автоматического зонирования происходит концен-

трация группы за счет устранения ошибок измерения. Если создается n-мерная

гистограмма, и анализируется повторяемость каждой ячейки, мы получаем та-

кие же результаты, как на рис.5-24a. Результаты по этому интервалу после зо-

нирования показаны на рис.4-23b. Вполне очевидно, что распределением дан-

ных, которое показано на рис.5-24b, оперировать проще. На рис.5-25a и 5-25b

показаны соответствующие частотные графики (диаграммы) по двум выбран-

ным осям интервала.

144

145

Рис.5-20. Идентификация электрофаций и корреляции между различными скважинами

(из Serra, Schlumberger Well Evaluation Conference, Algeria, 1979).

Рис.5-21. Сводная диаграмма.

Рис.5-22. (a) Электрофации угольного пласта в интервале 1241-1243 м. (b) электрофации тонкого

пласта в интервале 1238-1238.5 м, который, согласно кривым сопротивления наклономера, соот-

ветствует углю.

5.3.2.1. Автоматическое зонирование кривых

Программа зонирования должна разделить исследуемый интервал на

электропласты и электрокомплексы (рампы). Электропласт может быть опре-

делен как последовательность уровней со смежными показаниями, согласно

используемому шагу выборки (6 или 1.2 дюйма). Эти уровни представляют, в

сущности, одинаковые величины, т.е. отклонения их характеристик не превы-

146

шает определенных пределов (допустимых отклонений). Отклонения соответ-

ствуют ошибке измерения прибора, и второстепенным приемлемым изменени-

ям геологических параметров (рис.5-26).

Последние могут быть выражены в единицах ошибки измерения, или

следовать более сложному закону.

Электрокомплекс может быть определен как последовательность смеж-

ных показаний. Уровень, имеющий порядок n, показывает величину, которая

больше величины уровня с порядком n-1, но меньше, чем величина уровня с

порядком n+1 (или наоборот). Данная эволюция должна продолжаться в интер-

вале глубин, который больше разрешающей способности прибора. Это необхо-

димо для того, чтобы интервал можно было рассматривать как представляю-

щий электрокомплекс. В противном случае, он соответствует искусственному

рампу, вследствие недостатка разрешающей способности измеряющего прибо-

ра (рис.5-26).

Рис.5-24. Электрофации различаются с помо-

щью данных, сформированных программой

кластеризации (разбиения на группы): (a) до

зонирования; (b) после зонирования (из Serra и

Abbott, 1980).

(1- количество ячеек, имеющих один элемент; 2-

общее количество точек)

Рис.5-23. Пример автоматического зонирова-

ния кривых, полученных с помощью методи-

ки разбиения на группы и сравнения с необ-

работанными кривыми (из Serra, Schlumber-

ger Well Evaluation Conference, India, 1983).

147

Рис.5-25. Частотные графики данных, пред-

ставленных на рис.5-24: (a) до зонирования;

(b) после зонирования (из Serra и Abbott,

1980).

(1- незонированные данные; 2- количество точек;

3- зонированные данные)

Рис.5-26. Принцип автоматического зонирова-

ния на электропласты и электрокомплексы.

(1- Глубина (в футах); 2- один электропласт; 3-

средняя величина; 4- постепенный переход; 5- ис-

тинный геологический «рамп»; 6- один электроком-

плекс; 7- граница пласта; 8- искусственный рамп;

9,12- допустимые отклонения; 10- шаг выборки; 11-

вертикальная разрешающая способность прибора)

Следовательно, необходимо

определить для каждого прибора вер-

тикальную разрешающую способность

и амплитуду допустимых отклонений,

выраженную в процентах. На рис.5-27

показано влияние этого последнего

параметра на подразделение на элек-

тропласты и электрокомплексы для

кривой ГК. Мы можем утверждать, что

это влияние носит второстепенный

характер, если мы не превышаем оп-

ределенную величину. В общем слу-

чае, мы выполняем зонирование по активным кривым, на которые мы полага-

емся при определении границ и типа эволюции. Мы накладываем эти границы

на другие, т.н. пассивные кривые. Тип эволюции между этими границами опре-

деляет, для пассивных кривых, пласт или последовательность. На рис.5-28

приведен пример автоматического зонирования, полученного с помощью трех

активных кривых ГК, нейтронного и плотностного каротажа.

148

5.3.2.2. Обработка данных наклономера

В главах 3 и 4 мы подчеркива-

ли интерес, который представляют

данные наклономера как источник ин-

формации о структуре и текстуре. Эта

информация, весьма важная для оп-

ределения электрофаций и, следова-

тельно, фаций и обстановки осадкона-

копления, не должна быть игнориро-

вана.

Но она, по своему характеру,

качественная: вид кривых сопротив-

ления, природа границ пластов, эво-

люция наклонов с глубиной.… Эту

информацию можно использовать

только путем представления данных

наклономера в количественном виде,

как это делает программа SYNDIP (см.

Главу 4).

Рис.5-27. Влияние допустимого отклонения (в

процентах) на зонирование кривой ГК на

электропласты и электрокомплексы.

5.3.2.3. Методики автоматической кластеризации

Метод, описанный в предыдущем разделе, в сущности, является попыт-

кой разделения n-мерного пространства данных ГИС (n соответствует количе-

ству принимаемых во внимание скважинных данных) на определимые объемы,

соответствующие каждой электрофации (рис.5-29).

Для решения таких задач можно приспособить многие математические

методики, известные как кластеризация. Если количество измерений больше

двух, мы можем думать о точках электрофаций, попадающих в группы (класте-

ры) или скопления. Кластер можно описать как непрерывную область n-мерного

пространства, содержащую относительно плотное множество точек. Она отде-

лена от других областей областями, содержащими относительно неплотное

множество точек. Задача программы кластеризации заключается в том, чтобы

различить каждое скопление. Для этой цели, мы определяем, для каждого

уровня или глубины показаний, расстояние d

k-той ближайшей окрестности.

Оно соответствует радиусу наименьшей окружности с центром на известном

уровне, содержащей k соседних точек. Если какой-либо другой уровень, распо-

ложенный ниже или выше определенного окна глубин (IBAND), не имеет мень-

шую величину d

, и если среди этих соседних k точек ни одна не имеет величи-

ну меньше d

, уровень будет взят как ячейка, или как локализованная мода (lo-

cal mode) (рис.5-30). Каждая ячейка, полученная таким способом, соответствует

элементарной электрофации.

Форму кластеров определить трудно, поскольку нельзя предположить

нормальное распределение внутри каждой фации для каждой кривой. Скопле-

ние рассеяно в любом направлении за счет влияния ошибок измерений (см.

выше) или за счет изменений в самой фации. Рассмотрим, например, измене-

ние размера зерен в песчанике. Результатом этого изменения является рас-

149

сеяние точек песчаника, которое приводит к появлению «облака», характери-

зующегося концентрацией точек в одной его части и наличием хвоста. При по-

степенном переходе от одной фации к другой, картина осложняется тем, что

«облака» (скопления) не разделены. В большинстве случаев, различная верти-

кальная разрешающая способность приборов является причиной появления

некоторого разброса сигналов на границах фаций. Поэтому, для установления

критериев разделения кластеров необходимы статистические методики.

Для того чтобы решить, какой вид методики кластеризации применить,

важно следующее:

- количество уровней, исследуемых в данное время;

- количество рассматриваемых переменных (кривых);

- размер и распределение каждого кластера;

- существование электрофаций с ограниченным представлением;

- эффекты постепенных изменений от одного кластера к другому.

150

Рис.5-28. Пример автоматического зонирования, полученного при использовании трех активных

кривых: ГК, плотностного и нейтронного каротажа (из Schlumberger Well Evaluation Conference, Al-

geria, 1979).