GeoSoft > Дополнительно ИНПРЕС

Содержание:

Применение сейсморазведки для поиска залежей углеводородов в кристаллическом фундаменте.
Методика прогноза коллекторских свойств в межскважинном пространстве.
Нейрокомпьютерные способы прогноза состава и свойств пород в системе ИНПРЕС.

Применение сейсморазведки для поиска залежей углеводородов в кристаллическом фундаменте.

Методика прогноза ловушек углеводородов в кристаллическом фундаменте по сейсмическим данным 3D

Данная методика реализована в программном комплексе ИНПРЕС.

Резюме

Излагаются особенности обработки и интерпретации сейсмических данных 3Д, проведенные в Центральной Геофизической Экспедиции на базе собственных разработок в системе ИНПРЕС, включающие глубинную миграцию до суммирования, интерпретационную дообработку сейсмического куба с целью подавления остаточных волн помех в интервале фундамента и нейрокомпьютерный анализ сейсмических атрибутов. Примененная технология позволила получить картину разломов и положение коллекторских зон внутри кристаллического фундамента. Достоверность результатов геологической интерпретации подтверждена последующим бурением.

Введение

Проблема нефтегазоносности фундамента становится все более актуальной. К настоящему времени подобные месторождения установлены в Ливии, Марокко, Египте, Аргентине, Венесуэле, Индонезии, бассейне Альберта на территории Канады. Особое значение имеют открытия в пределах Вьетнамского шельфа.

Углеводородные залежи обычно приурочены к выступам фундамента и содержатся в массивных гранито-гнейсовых резервуарах, неравномерно насыщенных по объему.

Продуктивные трещинные зоны чередуются с интервалами развития монолитных пород. Общая пустотность продуктивных зон составляет до 1,5 - 2,5 %. Примерно половина этой величины связана с трещинами тектонического генезиса, остальная часть обусловлена кавернами и порами, возникшими за счет сопроповождающих разломы гидротермальных процессов и других причин. Вследствии повышения трещиноватости и пустотности вдоль разломов образуются узкие зоны понижения скорости и плотности пород, с которыми связано образование отраженных волн (рис.1). Достаточно часто высокими коллекторскими свойствами обладает кора выветривания у поверхности фундамента.

Рис.1. Отображение приуроченной к разлому зоны разуплотнения по данным каротажа, сейсморазведки 3D и сейсмического моделирования.

Таким образом, при нефтегазопоисковых работах первоочередной задачей сейсмических исследований является изучение рельефа поверхности фундамента и прогноз местоположения разломов и сопровождающих их зон трещиноватости внутри фундамента.

Методические приемы обработки

Для получения сейсмического изображения кровли и внутреннего строения фундамента необходимо применять трехмерную сейсморазведку и использовать разработанную в ЦГЭ процедуру миграции в наиболее прогрессивной форме - до суммирования и с учетом преломления на кровле фундамента и на других резких границах (рис.2,3). Преимущество такой миграции состоит как в более уверенном выявлении важных деталей строения поверхности фундамента, включая узкие выступы и прогибы, связанные с эрозией и дизъюнктивными нарушениями, так и в создании оптимальных условий для обнаружения и прослеживания отражений изнутри толщи кристаллических пород.

Рис.2. Скоростная модель для PrSDM.

Применение больших апертур необходимо (рис.3), т.к. границы внутри фундамента, а нередко и его поверхность имеют большие углы наклона.

Рис.3. Зависимость результатов PrSDM от апертуры.

Несмотря на использование при стандартной обработке сейсмотрасс разнообразных способов подавления кратных волн, на сейсмических разрезах в интервале фундамента нередко сохраняются устойчивые низкочастотные волны-помехи, субпараллельные поверхности фундамента. Для их подавления используется специализированная пространственная фильтрация, учитывающая конфигурацию кровли фундамента (рис. 4).

После этого (рис. 4, 5) проявляются отраженные волны от границ, расположенных в толще фундамента. Такие волны логично связывать с акустическими границами, возникшими на контактах пород разного состава или разной степени монолитности. Судя по конфигурации поверхности фундамента в местах примыкания к ней рассматриваемых отражений, они часто соответствуют продолжению в глубь фундамента разломов, существующих в осадочном чехле. В отличие от осадочной толщи, поверхности разломов внутри фундамента отображаются достаточно интенсивными отражениями, а не разрывами и нарушениями корреляции волн, как это имеет место для седиментационных границ.

Рис.4. Дополнительное подавление помех (пространственная фильтрация).

Возникновение отражений от разломов внутри фундамента указывает на заметное изменение упругих свойств кристаллических пород. Следовательно, отражения изнутри фундамента информируют о местоположении внутри него зон с возможно повышенными коллекторскими свойствами.

Рис.5. Демонстрация неоднородностей (линеаментов) внутри фундамента на горизонтальных слайсах.

Интерпретация результатов обработки сейсмических полей в интервале фундамента

Для пространственного картирования разломов в толще фундамента используют разрезы и слайсы сейсмического куба. На них четко видны (рис. 6) протяженные линейные элементы волнового поля, имеющие закономерные простирания. Нанесение на слайсы точек пересечения с разломами, выявленными на разрезах, показывает, что эти точки располагаются на линейных элементах (линеаментах) слайсов, которые, следовательно, соответствуют горизонтальным сечениям поверхностей разломов. Совместный анализ разрезов и слайсов повышает надежность пространственного картирования дизъюнктивных дислокаций в толще фундамента на фоне дифракционных и иных помех.

Рис.6. Трассирование разломов вдоль линеаментов.

В соответствии со временем возникновения и стратиграфическим диапазоном проявления разломы делятся на группы. На участках сочленения разломов разных групп и разных направлений следует ожидать наибольшего развития деформации в породах фундамента, возникших и сохранявшихся за счет разнонаправленных и разновременных тектонических подвижек.

Для картирования зон с повышенной трещиноватости реализован количественный подход, использующий нейрокомпьютерный анализ сейсмических атрибутов. К числу атрибутов, потенциально информативных в отношении разуплотнения пород, принадлежат значения преобладающего периода и когерентности колебаний, соотношения энергий высоких и низких частот. Нейронная сеть, запрограммированная по алгоритму Кохонена, делит пространство фундамента на кластеры, отличающиеся друг от друга по соотношениям атрибутов. Кластеры, соответствующие разуплотненным породам, выявляются по их положению внутри фундамента по отношению к поведению разломов разных групп (рис.7).

Рис.7. Нейрокомпьютерный анализ сейсмических атрибутов для выявления неоднородности пород фундамента.

На заключительном этапе интерпретации строятся пространственные и профильные модели отображающие положения поверхности фундамента, распространение в нем разломов и вероятных коллекторских (трещиноватых) зон.

Геологические результаты апробации на реальном объекте и подтверждение результатов

Изложенные методы исследования внутреннего строения массива кристаллических пород были апробированы на реальных объектах разведки.

В результате проведенных исследований выявлены особенности внутреннего строения фундамента:

протрассирована сложная система разломов, позволившая разделить массив на ряд блоков;
Выделен в верхней, доступной для бурения части фундамента ряд локальных зон улучшения коллекторских свойств за счет повышения трещиноватости.

По результатам интерпретации выбрано местоположение поисковых скважин. Две пробуренные скважины подтвердили наличие коллекторских зон в фундаменте, дав фонтаны флюидов дебитом сотни кубических метров в день.

Рис.8. Сейсмический прогноз, подтвержденный последующим бурением.

Заключение

Применение ряда специальных методических приемов обработки и интерпретации данных 3Д таких как:

глубинная миграция по сейсмограммам до суммирования с большой апертурой и дискриминацией преломленных волн;
подавление кратных волн, субпараллельных поверхностей фундамента;
пространственное картирование поверхностей внутри фундаментных нарушений с выделением участков пересечений разломов разных генераций;
пространственная кластеризация сейсмических атрибутов, с выделением зон разуплотнения пород.
позволило проследить систему внутри фундаментных разломов и выявить трещиновато-кавернозные зоны с благоприятными коллекторскими свойствами.

Эффективность предложенных способов исследования внутренней структуры массива кристаллического фундамента подтверждена положительными результатами глубокого бурения.

Поддержка - контакты

Авторы методики

Гогоненков Г.Н., Авербух А.Г., Арапова А.И., Оберемченко И.С.

Контакты: тел. (495)-192-6528, (495)-192-8132 факс (495)-192-8088
e-mail: reklama@cge.ru; inpres@cge.ru

Методика прогноза коллекторских свойств в межскважинном пространстве

Данная методика реализована в программном комплексе ИНПРЕС.

Введение

Методика разработана специалистами отделения ЦГЭ, занимающимся развитием системы ИНПРЕС.

В основе методики прогноза коллекторских свойств лежит решение обратной динамической задачи методом стохастической инверсии (аннилинга).

Рис.1. Блок-схема методики прогноза коллекторских свойств

Методика состоит из 3 этапов:

1-й этап - Формирование исходной модели. Систематизация промыслово-геофизической и сейсмической информации.

2-й этап - Расчет эффективной акустической 3D модели способом стохастической инверсии.

3-й этап - Прогноз коллекторских свойств.

Поддержка - контакты

1-й этап. Формирование исходной модели. Систематизация промыслово-геофизической и сейсмической информации

Межскважинная корреляция - первый шаг построения априорной модели для решения задачи инверсии.

Рис.2. Показана корреляция между скважинами А1 и А3, через которые проходит интерпретируемый профиль.

Рис.3. Стратиграфическая привязка по скважинам А1 и А3.

Рис.4. Интерпретированный сейсмический разрез через скважины А1 и А3. Скважина А2 - прогнозная.

2-й этап. Расчет эффективной акустической 3D модели способом стохастической инверсии

Этап включает построение начальной акустической модели, затем, применяя аннилинг получают уточненную модель разреза.

Начальная (априорная) тонкослоистая акустическая 3D модель среды строится методом интерполяции и экстраполяции одномерных акустических моделей, построенных на скважинах с использованием интерпретированных сейсмических разрезов (кубов) и карт изохрон.

Рис.5. Эффективная акустическая модель геологического разреза, полученная способом стохастической инверсии.

Рис.6. Сопоставление найденных параметров по ГИС и предсказанных по аннилингу.

3-й этап. Прогноз коллекторских свойств

Результаты применения метода аннилинга для прогноза пористости и проницаемости в скважине А2.

Рис.7. Разрез нормированных значений акустических импедансов. Уменьшение акустической жесткости пород соответствует улучшению коллекторских свойств.

Рис.8. Прогнозный разрез коэффициентов пористости, рассчитанный по уравнениям регрессии.

Рис.9. Прогнозный разрез проницаемости, рассчитанный на основе прогнозного разреза коэффициентов пористости и связей пористости и проницаемости, найденных по керну.

Рис.10. Результат применения метода аннилинга. Успешность прогноза - 85%

Поддержка - контакты

Контакты:
тел. (495)-192-6528, (495)-192-8132 факс: (495)-192-8088
e-mail: reklama@cge.ru; inpres@cge.ru

Нейрокомпьютерные способы прогноза состава и свойств пород.

Методика разработана специалистами отделения ЦГЭ, занимающимся развитием системы ИНПРЕС.

Применяются способ искусственной многослойной нейронной сети, представляющий собой многослойный сейсмический персептрон (МСП), и способ сетей Кохонена.

Описание МСП
Пример применения МСП
Примеры применения сети Кохонена
Поддержка - контакты

Описание МСП

Многослойный сейсмический персептрон (МСП) - это искусственная многослойная нейронная сеть, основу которой составляют однотипные элементы (искусственные нейроны), обладающие группой синапсов - однонаправленных входных связей и единственной выходной связью, с которой сигнал поступает на синапсы нейронов следующего слоя. Каждый синапс характеризуется весовым коэффициентом.

В INPRES возможно свободно задавать архитектуру сети, то есть изменять количество слоёв и нейронов..

Рис. 1

Процесс нахождения оптимальных значений весовых коэффициентов при заданной архитектуре нейронной сети называется обучением нейронной сети. Для МСП обучение ведется с учителем, так как известны пары векторов (X,Y), например, в точках скважин нам известны значения как сейсмических атрибутов, так и петрофизических параметров. Для обучения МСП применяется алгоритм обратного распространения.

В INPRES имеется возможность выбрать метод обучения:

метод градиентного спуска (поиск локального минимума функции ошибок);
метод градиентного спуска, дополненный методом имитационного аннилинга (увеличивается вероятность нахождения глобального минимума функции ошибок).

Описание сетей Кохонена

Сеть Кохонена состоит из входного слоя (например, значений сейсмических атрибутов), одного промежуточного слоя (слоя Кохонена) и выходного слоя. Входной слой содержит количество нейронов, равное количеству сейсмических атрибутов. Слой Кохонена содержит столько нейронов, сколько классов предполагается выделить. Выходной слой состоит из одного нейрона.

Алгоритм обучения Кохонена есть алгоритм обучения без учителя. Процесс обучения, как и в случае обучения с учителем (МСП), заключается в подстраивании весовых коэффициентов синапсов. Обучение сводится к минимизации разности между входными сигналами нейрона и весовыми коэффициентами его синапсов.

Подобные входные векторы активизируют подобные нейроны, т.е. Сеть Кохонена оказывается способной обобщать схожие векторы, относя их к одному классу.

После того, как каждой группе (классу) входных векторов поставлен в соответствие определённый нейрон слоя Кохонена, на выходе сети происходит классификация исходных данных.

Пример применения МСП

Прогноз петрофизических свойств

I этап - обучение

Рис. 2

В точках скважин известны значения эффективной толщины и сейсмических атрибутов (a). Для прогноза подобрана МСП с двумя скрытыми слоями, с пятью нейронами на одном скрытом слое и с тремя нейронами на втором. После обучения получена сеть с приведенными синаптическими весами (b).

II этап - прогнозирование

Рис. 3

На входе карты сейсмических атрибутов: интенсивности (a), импедансов (b) и мгновенных фаз (c). На выходе нейрокомпьютерного прогнозирования карта эффективной толщины (d).

Прогноз пористости по акустическим параметрам, определенным по данным сейсмической инверсии

Рис. 4

Сопоставление значений коэффициентов пористости Кп, рассчитанных по каротажу с прогнозными значениями, полученными с использованием нейрокомпьютерного моделирования. Обучение нейронной сети велось по акустическим параметрам только одной из двух скважин раздельно для карбонатных и терригенных отложений.

Примеры применения сети Кохонена

1. Сейсмофациальный анализ 3D

Рис.5. Карта фаций (b), полученная в результате классификации сейсмических трасс куба, полученных в заданном окне вдоль горизонта. (а - сейсмический разрез куба, каждая трасса отнесена к определенной фации по форме колебаний; b - карта фаций; c - трассы, характеризующие каждую фацию.)

2. Результаты классификации исходных сейсмических атрибутов

Рис.6. Карта обобщенного (интегрального) атрибута с нанесенными разломами.

Поддержка - контакты

Контакты:
тел. (495)-192-6528, (495)-192-8132 факс: (495)-192-8088
e-mail: reklama@cge.ru; inpres@cge.ru