CN102272631A - 用被动地震数据的烃探测 - Google Patents
用被动地震数据的烃探测 Download PDFInfo
- Publication number
- CN102272631A CN102272631A CN2009801542387A CN200980154238A CN102272631A CN 102272631 A CN102272631 A CN 102272631A CN 2009801542387 A CN2009801542387 A CN 2009801542387A CN 200980154238 A CN200980154238 A CN 200980154238A CN 102272631 A CN102272631 A CN 102272631A
- Authority
- CN
- China
- Prior art keywords
- data
- earthquake
- subterranean zone
- seismoreceiver
- seismic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229930195733 hydrocarbon Natural products 0.000 title claims abstract description 56
- 150000002430 hydrocarbons Chemical class 0.000 title claims abstract description 56
- 239000004215 Carbon black (E152) Substances 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims description 4
- 238000000034 method Methods 0.000 claims abstract description 115
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims description 30
- 230000000704 physical effect Effects 0.000 claims description 30
- 239000011435 rock Substances 0.000 claims description 30
- 230000005484 gravity Effects 0.000 claims description 22
- 230000035939 shock Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000005305 interferometry Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 2
- 150000003839 salts Chemical class 0.000 claims 2
- 238000007788 roughening Methods 0.000 claims 1
- 241001484259 Lacuna Species 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 42
- 238000003384 imaging method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 20
- 238000005457 optimization Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 12
- 238000013461 design Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 241001269238 Data Species 0.000 description 8
- 230000008034 disappearance Effects 0.000 description 8
- 238000003325 tomography Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000003208 petroleum Substances 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004587 chromatography analysis Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 208000035126 Facies Diseases 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010561 standard procedure Methods 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000009021 linear effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000005480 shot peening Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Acoustics & Sound (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
使用来自地震的地震数据以解决传统的烃勘探方法中的低频缺失问题的方法。在目标地下区域上以适合于烃勘探的间距的阵列放置具有下至大约1Hz的频率响应的地震检波器(21)。在长的(数周或者数月)时间段内收集数据(22)。用来自地震目录的已知事件(43)鉴定数据片段(44)。使用技术诸如走时延迟测量(307)或者接收函数计算(46)分析那些数据片段,并且然后与从目标区域获得的一种或更多种其他类型的地球物理数据结合,使用本方法一些实施方式中的联合反演(308-310),以推断表示其油气远景或缺乏的地下的物理特征(26)。
Description
相关申请的交叉引用
本申请要求2009年1月9日提交的美国临时申请61/143,695和2009年12月8日提交的美国临时申请61/267,695二者的权益。
技术领域
本发明一般地涉及烃勘探,和更加具体地涉及推断地下中烃的存在或者不存在。特定地,本发明是使用由被动震源(passive seismicsource)诸如地震活动产生的地震数据连同其他地球物理数据进行石油勘探的方法。
背景技术
当前的烃地震勘探方法主要依靠主动震源(active seismic source),即由测量操作者控制的源,以产生地震能量。从这类源记录的地震信号用于形成反射体位置的图像并且得出地下的物理性质。但是,当前的主动源(有源源,active source)地震采集技术在大约6-8Hz以下的低频范围内不能提供可靠且有用的数据。(由于环境和社会影响,对产生较低频率所必需的更强力的爆炸是不可接受的地震测量活动。)该数据中缺失的较低频率包含关于岩石性质中的本底趋势的信息。另外,该信息对稳定和操纵叠前地震反演得到正确的解和对得出地下中绝对的岩石性质是重要的。该技术难点(被称为低频缺失(low frequency lacuna))使高级(advanced)的基于梯度的地震数据进行反演/成像算法在传统的地震数据处理方法众所周知地失败的问题数据区中无用。
解决低频缺失的当前实践涉及估计地球模型的缺失谱的一些部分(通常在非常底部的0-2Hz的信息),并且可以包括基于时差的速度分析(Liu,“An analytical approach to migration velocity analysis”,Geophysics 62,1238-1249(1997)),或者反射层析方法(Foss,等人,“Depth-consistent reflection tomography using PP and PS seismic data”Geophysics 70,U51-U65(2005)),或者由在2D或者3D地震反射数据中观察的主要反射体的地震解释构造地下模型。不幸地是,如果在叠前数据中不能找到满意的成像速度,那么该方法失败。
需要的是填补低频缺失的数据来源,以及利用这种数据补充由在石油勘探和生产中非常有用的地震数据进行的预测和分析的方法。
发明内容
在一个实施方式中,本发明是使用被动源(无源源,passive-source)地震数据连同至少一种其他类型的地球物理数据在地下区域中进行烃探测的方法,包括:
(a)获得地下区域的被动源地震测量数据,其中测量的接收器是通常位于所述地下区域之上并且被间隔开用于烃勘测的地震检波器,所述地震检波器适合全球的地震学地震探测,并且其中所述被动源地震数据包括至少一个事件,该事件在地震表中鉴定并且基于所述至少一种事件的震级和距离地下区域的距离,估计在地下区域具有在范围0至8Hz的主频;
(b)获得地下区域的至少一种其他类型的地球物理数据,选自主动源地震的、控制源电磁的、大地电磁的、磁的和重力;
(c)通过同时使用至少一部分被动源地震数据和至少一种其他类型的地球物理数据,得出物理性质模型,该该模型给出在地下区域中的不同位置处的至少一种物理性质的值;和
(d)使用物理性质模型预测地下区域的油气远景(烃潜能)。在地球物理数据处理领域中工作的人容易理解,对于本发明方法的实际应用,至少上述步骤(c)必须借助于根据下列的本发明描述编程的计算机即数据处理机进行。
附图说明
通过参考下列详细描述和附图将更好地理解本发明,在附图中:
图1是图解不同类型数据的频率含量(frequency content)的示意图;
图2是流程图,其表示使用被动地震数据和其他地球物理数据得出用于烃勘探的地下岩石物理性质模型;
图3表示本发明的联合反演实施的流程图,其中被动地震数据的走时层析分析(traveltime tomography analysis)与来自其他类型(一种或多种)的地球物理数据的信息结合;
图4表示本发明的联合反演实施的流程图,其中通过互相关由被动地震数据产生的反射地震数据是地球物理数据的联合反演的其他类型(一种或多种);
图5是使用互相关技术由被动地震数据合成反射地震数据的方法的示意图;
图6是表示联合反演的问题陈列(problem layout)的示意图;
图7是示意图,其图解如何使用梯度可以更新联合反演计算网格(computational grid);
图8表示合成的接收函数波形,其为针对插图中所示的简单速度模型从水平分量地震波曲线对垂直分量的地震波曲线去卷积的结果;
图9A-D表示接收函数波形上预期的典型地震震相的示意图;
图10是表示本发明方法的一个实施方式中的基本步骤的流程图;
图11是表示从美国西部生产现场处的区域和远震事件计算的射线覆盖的图表;
图12是地震震级对由主频表达的地震频率含量的图;
图13是相对于1D地球模型走时异常的图示显示;和
图14表示接收函数结果,其揭示在进入的P-波转变为S-波的浅地壳部分中的反射体。
本发明将连同实例实施方式描述。但是,就下列描述是针对本发明具体的实施方式或者具体的用途而言,这旨在仅是为说明性的并且不理解为限制本发明的范围。相反,其旨在包括落入所附权利要求限定的、包括在本发明的范围内的所有可选方案、改进和等同物。
实例实施方式详述
其他类型的地球物理数据帮助有限程度地填补主动源地震下的频隙。图1近似地表示各种类型的地球物理数据拟合入图中的位置。实线曲线11表现主动地震数据。由曲线12表现控制源的电磁(“CSEM”)数据的近似有用的频率范围,并且曲线13表示重力和NMO(正常时差)速度数据的频率范围。即使用这些已知数据类型在非常低的频率进行补充,仍存在频隙10。本发明使用被动源地震数据——主要是地震数据——填补该空隙,并且教导如何使用这些数据。
被动地震数据具有填补该空隙的潜力,因为这类数据可以含有丰富的低频信息。包括所有量级的震颤、火山和扰动的地震和潮汐波是被动震源的实例,其可被定义为由自然源或者由在地震数据获得程序中非有意应用的人造源产生的地震信号。人造扰动可作为噪音存在,因为不可能从期望的地震数据完全地排除偶然事件诸如来道路建筑混响。图1中的曲线14指出地震可以提供的近似频率范围。相对于空隙10,曲线14明显有利地定位。从图1尤其明显可见,被动源地震数据如何就频率带宽方面补充主动源地震数据。但是,结合地震数据与例如CSEM(或者大地电磁的或者重力)数据以产生深度偏移的优良速度模型也可以是有利的,尤其在复杂的浅地质区域诸如地下玄武岩、基性盐和褶皱以及逆冲断层带——在这里标准的速度评估方法不良好地起作用。因为震源不在所关注区域直接上方的地表处,所以被动地震数据由声波穿过大地至地表探测器的传送产生,而不是由为主动源地震测量基础的所关注区域的直接上方和下方的分界面处地震波的反射产生。
对本发明最关注的地震是可能在远离关注区域(数百至数千千米远)发生的大事件(通常大于震级3.0)。图12表示地震频率含量的计算对地震震级。地震越大,越趋于发出更多的低频能量。而且,大地作为滤波器,这意味着地震发生距离越远,高频越强烈地衰减。因此,与更靠近记录测站发生的相似或者更小震级的地震相比,在远处发生的大的地震到达记录测站具有更低的频率含量,即更低的主频。大于震级3.0或者4.0的地震可能包含本发明期望的频率范围内的能量,即在频隙10内的能量,尽管应力降是最终决定发出能量的量的。应当指出,在本发明中提供低频信息需要的地震不同于用于监控气和油生产的微震。微震是由于在极小的断层上滑动并且因此具有10′s至100′s Hz的典型频率含量,其可能有助于更好的结果但是不能帮助填补图1中所指出的低频空隙。
因为扰动量级,地震比人操作的震源提供更低频率振动,这增加低频含量。例如,震级1.0的地震大约等于由大约70磅TNT爆炸释放的能量(中等大小的建筑现场爆炸),这大于为地震测量目的引爆的大多数爆炸。震级2.0的地震近似于1公吨TNT的爆炸,震级4.0的地震大约等于从1,000吨TNT爆炸释放的能量(小的核爆炸)。其他实例包括1980圣海伦斯火山(Mount St.Helens)喷发,其释放相当于震级7.8的地震的能量(或者刚好超过500兆吨TNT),以及1883喀拉喀托火山喷发,其释放相当于震级8.5的地震的能量(或者大约56亿吨TNT)。可以从美国地质调查局(US Geologic Survey)获得关于自然源的更多信息,例如在:http://hvo.wr.usgs.gov/volcanowatch/2008/08 02 21.html。
数十年来,全球地震学家已使用从自然发生的地震记录的数据来大规模地成像地球内部。从这些数据提取信息的典型技术包括测量延迟走时和进行走时层析。见,例如,Dziewonski和Romanowicz,“Overview of Volume I:Seismology and Structure of the Earth”,Treatiseof Geophysics Vol.1,由Elsevier出版(2007);Ritsema和van Heijst,“Seismic Imaging of Structural Heterogeneity in Earth′s Mantle:Evidencefor Large-Scale Mantle Flow”,Science Progress 83,243-259(2000);Dziewonski和Anderson,“Preliminary Reference Earth Model(PREM)”,Phys.Earth Planet.Inter.25,297-356(1981);Romanowicz,“The 3DStructure of the Lower Mantle”,Comptes Rendus Acad.Sciences 335,23-36(2003);Montelli等人,“Finite-Frequency Tomography Reveals aVariety of Plumes in the Mantle”,Science 303,338-343(2004)。其他技术涉及通过接收函数分析转变的相(converted phase),并且获得间断面结构和/或离散波场的估计值;见,例如,Langston,“Structure UnderMount Rainier,Washington,Inferred from Teleseismic Body Waves”,J.Geophys.Res.84,4749-4762(1979);和Phinney“Structure of the Earth′sCrust from Spectral Behaviour of Long-Period Body Waves”,J.Geophys.Res.69,2997-3017(1964)。Shen等人从地震取得被动地震数据并且使用接收函数以成像某一深度处的地球间断面结构(例如,通过分析已经历相转变的地震波(即P至S转变的相),670Km间断面或者410Km间断面或者甚至壳幔(莫霍间断面)(Shen等人,“Mantle DiscontinuityStructure Beneath the Southern East Pacific Rise from P-to-S ConvertedPhase”,Science 280,1232-1235(1998))。
在“Joint Inversion of Active and Passive Seismic Data in CentralJava”,Geophysical Journal International 170,923-932(2007)中,Wagner等人描述在默拉皮火山周围在10-20km间距的网格中布置120个地震检波器的被动地震网络。以水中的9个海洋底部地震检波器补充该网络。地震检波器连续地记录18至21周。另外,使用气枪和光柱(streamers)在海上进行3-D主动地震实验。联合反演两个数据集以获得具有5km节点间距的速度模型。将来自三个主动地震反射轮廓(profile)的第一波至走时与292个局部地震的波至时间联合反演以便于改进单独地仅由被动数据获得的速度模型。同样见Buske等人,“Active and PassiveSeismic Imaging of the San-Andreas-Fault System”,EuropeanGeosciences Union Abstract(2007)。
通过包括地震道(trace)互相关的技术或者干涉测量技术,该技术将传送地震数据转变为反射地震数据,被动地震数据已被用于烃勘探和储层监控以及表征;见,例如,Claerbout,“Synthesis of a LayeredMedium From its Acoustic Transmission Response”,Geophys.33,264(1968);和Wapenaar“Retrieving the Elastodynamic Green′s Function of anArbitrary Inhomogeneous Medium by Cross Correlation”,Phys.Rev.Lett.93,254301(2004)。在近期的出版物中可以找到尝试用被动地震数据成像地下进行烃勘探的努力,Artman,“Imaging Passive Seismic Data”,Geophys.,71,no.4,SI177-SI187(2006);Hohl等人,“Passive SeismicReflectivity Imaging with Ocean-Bottom Cable Data”,SEG ExtendedAbstract,1560-1564(2006);Duncan等人,“Passive Seismic:SomethingOld,Something New,”,Search and Discovery,Article #40154(2005);和Dragonov等人,“Migration Methods for Passive Seismic Data”,SEGTechnical Program Expanded Abstracts 23,1560-1564。但是,由于数据频率含量和差的源以及接收器覆盖的限制,被动地震数据没有证明可用于烃勘探,这除了在具有微震的生产环境中的储层监控以及表征的区域中(S.A.Shapiro等人,Geophysics 70,F27-F33;S.Sarkar等人,“Eight Years of Passive Seismic Monitoring at a Petroleum Field in Oman:A case study”,SEG Extended Abstract,(2008))。如在此所用,术语微震(或者微地震或者微震颤)指的是在测量地震检波器之下——即在测量目标区域内或者以下——发生的低震级、自然发生的地震事件(地震波)。这类事件太小以至于不能在地震目录中或者相似的全球地震位置的表格中被鉴别。本段中列出的所有石油应用从非常局部的、微震活动或者局部的人工噪声(钻井、船、钻机等等)获得其被动地震数据。通过测量波至时间并且反演那些时间以确定地震位置来定位微震的地震。
少数出版物已讨论使用地震数据或者技术进行烃勘测,包括下文中总结的那些。所有这些文件公开使用附近的微地震(不是远震的地震)进行层析成象反演以获得更好的Vp和/或VpIVs模型。与此相比,本发明方法与至少一种其他地球物理数据类型(例如主动地震数据)联合地(同时地)使用包括至少一个大震级事件的地震数据,以获得更好的速度模型或者偏移图像或者岩石性质的预测或者油气远景的估计。主动地震数据和这种被动地震数据组的联合反演帮助减小困扰主动地震反演的频隙或者频率缺失。被动地震数据集与潜在的现场数据——诸如重力、磁的或者CSEM数据——的联合反演将一起带来不同岩石性质(例如,速度、电阻率、密度)的观测,即使各种测量的频率带相似。
在Earthquake Seismology,Exploration Seismology,and EngineeringSeismology:How Sweet it is-Listening to the Earth,SEG Annual Meeting(2007)中,Yilmaz描述了三种带宽、三种深度宽度(depth-widths)和对每一个的案例研究:
1.测震学。具有上至10Hz的带宽。案例研究描述地震折射测量,在16个位置记录,挑选第一波至时间,并且通过反演那些走时估计P和S波速度结构(下至30m深度)。
2.勘探地震学。具有上至100Hz的带宽,但是低频截止是大约4Hz。案例研究描述使用散点(喷丸,shots)和接收器多通道大偏移量的2-D地震测量。
3.工程地震学。具有上至1000Hz的带宽。案例研究描述使用10Hz地震检波器和爆炸源以获得进行反射和折射处理的散点记录。瑞利波反演被用于得出深度中的S-速度轮廓。
在“Integrated Passive Seismic Acquisition and Methodology,CaseStudies”,Geophysical Prospecting 54,829-847(2006)中,Martakis等人描述使用自然的微震作为震源。通常认为微震Mw<0。(以对数尺度表达地震震级,并且因此非常小的地震具有负的震级)。烃勘探案例研究描述覆盖3000km2面积的40个测站,其记录持续10个月(即,至少10km的测站间距)。记录总共900个地震,其中一半(450个)用于层析成象反演,因为那450个事件(1)位于地震网络内,和(2)具有至少20个P-和S-波波至,以及(3)具有小于1km的估计位置误差。反演网格是2km乘4km。第二案例研究涉及记录震级在-0.5和3.0之间的200个微地震、定位震源、以及通过层析成象反演确定速度结构。在该实例中,测站间距是500m。作者建议被动地震数据可被用作(1)勘测工具以便于使3D传统的地震测量的成本最优化,和(2)作为通过使用由被动地震数据得出的速度模型重新解释2D区域的地震数据或者重新处理2D地震数据的补充方法。
在“Local High-Resolution Passive Seismic Tomography andKohonen Neural Networks-Application at the Rio-Antirio Strait,CentralGreece”,Geophysics 72,B93-B106(2007)中,Tselentis等人描述以500m间距的70个测站的微震网络,其记录220个局部微地震事件。这些事件用于确定1D速度模型。模型然后用作3D P-和S-速度地壳结构的非线性反演的最初模型,这样重新定位地震并且同时以迭代形式求解速度结构。重新得到的Vp和Vp/Vs图像用作至中枢网络以鉴定区域中的显著岩性的输入。
在“Application Seismic Interferometry to Natural EarthquakesMeasured by Small-Scale Array”,SEG Annual Meeting(2007)中,Torii等人描述使用具有被动地震数据(微地震)的干涉测量方法以成像地下。其技术类似于由Artman(op.cit.)或者Schragge等人描述的,“TeleseismicShot-Profile Migration”,Geophysics 71,SI221-SI229(2006)),但是具体地讨论使用微地震。
在PCT专利申请公开WO2008/087505(“Time Reverse ReservoirLocalization”)中,Saenger等人公开获得(采集)被动地震数据,反演该数据或者以其他方式“时间反转(time reversing)”该数据,以从输出显示中的高振幅区域确定地下烃储层的位置。但是,Saenger依靠当在一些特殊的频率下机械地施加压力时,烃储层具有的作为低频波的谐振器的性质。Saenger不使用具体的地震事件,并且事实上其将地震看作应当被除去的噪声,因此可以观察由烃储层发出的信号。通过处理数据以确定谐振器的位置,Saenger等人因此假设其已定位烃储层。一幅附图(8C)——其表示被应用于实际现场数据的发明,解释起来有些困难,可能是因为其是彩色显示的黑白复制品。出版物简要地提及由于例如“人工和工业噪声”产生的地震信号可能产生了不必要的噪声,其可通过数据处理技术去除。
在“The Leap to Passive Seismic Imaging,Is It Time?”,SEG AnnualMeeting(2004)中,Kapotas等人描述层析成象反演的目标是:(1)3D Vp(结构的)和(2)Vp/Vs(岩性的)信息,这通过反演来自自然微地震的P和S-波走时获得。论文得出结论,通过建议聚焦机理(描述地震断裂)、应力张量和矩张量(描述能量如何释放)、和来自被动数据的体积b-值可以使我们更好理解裂缝分布和生产区域特征。
在本发明的一些实施方式中,本发明是使用被动源地震数据连同至少一种其他地球物理数据类型进行烃勘探的方法。必须以密集的测量设计即适合于烃勘探的接收器间距获得被动数据。烃勘探的接收器间距典型地小于1km,优选地小于250m。改进测震学界内开发的技术以探索小于这种大规模的目标如地壳的目标。在本发明的另一方面中,通过联合地一起使用被动地震数据与至少一种其他类型的非地震地球物理数据诸如主动源地震反射数据、控制源电磁的(CSEM)、大地电磁的(MT)、磁的和重力或者重力梯度数据,本发明得出地球岩石性质模型(一个或多个)。本发明提供填充困扰当前可用的主动源地震技术的低频空隙或者缺失(0和约5至8Hz之间),并且改进多重地球物理数据的联合反演的方法。
远震地震数据已被用于成像大规模、地球深处的速度结构,但是不用于成像局部(烃勘探)规模上的地下结构。通常认为地震数据——尤其是远震事件,不适合用于烃应用中的成像,因为其源不可以被控制(即,不在工作人员可能希望的地点或者时间发生)并且因为在探测器这种射线的波至角是几乎垂直的,使得走向一个接收器的射线与走向另一接收器的射线交叉发生的点很深。射线交叉的地方是工作人员可以预期分辨(resolve)结构并且因此具有可接受的层析成像的分辨率的地方。相关的异议是对于这种低频,菲涅耳区半径如此大并且因此分辨率如此差,以至于成像是不成功的。本发明人计算在美国西部的生产现场处六个月期间的交叉射线的分布,在该处可靠地知晓地下的速度模型。图11表示对于在2007年1月1日至10月1日的时间期间发生的已知的远震加区域性事件,在250m的接收器间距的那个现场可预期的射线覆盖。以黑色表示远震射线和以灰色表示区域性事件。图11表示与传统的信念相反,地震数据具有希望用于成像石油勘探规模上的地下结构,因为其不像如已假设的几乎垂直地传播,并且比已假设的具有更好的覆盖,尤其是如果经过延长的时期收集这些数据,例如,六个月。
发明人在美国西部中的生产现场上,在大约6个月的时间使用一批地震检波器(大约250m间距)并且以每秒100个样品的速度连续地记录地震数据。这些数据的初步分析发现:实际可以进行相对的走时测量(图13),和测量的相对延迟(或者提前)可能与浅的速度结构相关。在图中,131指出相对于1D地球模型晚的走时,和132指出早的走时。对这些数据的一些进行接收函数分析。经过该分析,浅的反射体诸如1km厚的碳酸盐外壳的基层(被认为是该区域中的山基)以及通过主动反射方法推断的主要的冲断层是可探测的,如图14中所示,其中在进入的P-波转变为S-波的浅地壳部分中反射体是可辨别的。在P-波之后大约0.8s到达的转变的相表现碎屑沉积物和花岗岩基底之间的边界。也可见与该区域中绘制的冲断层一致的倾斜反射体(dipping reflector)。由于专利限制,图13和14二者是彩色图画或者数据显示的黑白复制品。该工作表明地震数据能够改进用于偏移地震数据并且因此也用于多重地球物理数据的联合反演的速度模型。
在本发明的一些实施方式中,第一步骤(图2的流程图中的步骤21)包括为烃勘探具体设计的被动地震测量。该设计优选地包括比在测震学工作中典型使用的(通常是数十千米)小得多(例如,<1千米)的测站间距。较小的间距和在长时间期间内的连续的或者触发式的记录(步骤22)意欲允许浅目标的分辨(resolution)。本发明方法可以充分利用该数据集,包括所有距离(局部的、区域性的、远震的)、所有源(自然发生的或者并非有目的应用的人造源)和波(体波和表面波)类型、和所有震级(包括微震规模)的地震。在测震学工作中使用的标准技术然后可以被应用(步骤23)于诸如但不限于层析成象方法、接收函数、或者干涉测量技术,在有必要的话对其进行改进以瞄准适合于烃勘探的较小规模。
在进行本发明方法的步骤22中在一段时间诸如几个月直到几年内进行连续记录是优选的,以便于收集足够数量的“源”。典型地,记录通过测量地震仪可探测的所有事件,从微震(在接收器的周围区域中的非常小的地震)至数千千米之外的较大的地震。在地震报告中有“模糊”的分类,其中通过其源-接收器距离对地震分类:局部(记录位置的附近内)、区域性的(源和接收器之间的距离上至3000km)、和远震(30-90度距离)。在后面的情况中,地震射线穿过地幔。表1表示由USGS出版的信息,该信息展示地震的发生的频率(http://neic.usgs.gov/neis/eqlists/eqstats.html)。
表1
1基于自从1900以来的观测。
2基于自从1900以来的观测。
在任何特定的时间在一些地方有地震发生。每年有无数的小的事件——有时被称为微震颤(震级2或者甚至更小)上至大约1次具有震级8或者更高。大约4.5震级的地震理论上可以在全世界被记录。
由其起源时间和震源(即,事件的x、y、z位置)限定地震。由国家科学基金会资助的科学家维持发生在世界任何位置的震级Mw>5.5的地震的目录,并且该目录被制成公共可得的(每年出版在地球与行星内部的物理学(Physics of the Earth and Planetary)中并且在因特网上公布)。描述用于定位和描述地震的地震矩张量(CMT)方法学的出版论文包括:Dziewonski和Woodhouse,“An Experiment in the SystematicStudy of Global Seismicity:Centroid Moment Tensor Solutions for 201Moderate and Large Earthquakes of 1981”,J.Geophysi.Res 88,3247-3271(1983);Dziewonski等人,“Determination of EarthquakeSource Parameters from Waveform Data for Studies of Global andRegional Seismicity”,J.Geophys.Res.86,2825-2852(1981);以及Woodhouse和Dziewonski,“Mapping the Upper Mantle:ThreeDimensional Modeling of Earth Structure by Inversion of SeismicWaveforms”,J.Geophys.Res.89,5953-5986(1984)。
全球的地震检波器的永久阵列用于定位发生在全世界的地震。定位地震的步骤是观察波阵面经过每一个地震测站的时间。典型地通过反演观察的走时推断地震的位置、深度和起源时间。该方法通常始于震源的最初猜测,然后迭代地更新震源位置直到找到最终的位置,该位置最好地预测在地震网络的测站处观察的波至时间。表2中给出来自地震目录的数据的实例,其表示一系列地震的震级、时间和位置。而且,地震目录提供关于破裂的断层的更多信息,例如其长度、角度和滑动方向。
表2
因此,作为步骤23的一部分,检查来自步骤22的地震检波器数据,并且鉴定可能的地震事件。收集来自对应于这些选择的地震事件的地震检波器记录的时间片段,并且在本发明的一些实施方式中,忽略包括微地震数据的剩余被动数据。然后检索地震目录以鉴定对应于每一个选择的数据片段的具体地震。可以从地震目录或者如上所解释的类似的来源获得源信息,尤其是地理位置、深度和时间。可选地,标准的源定位技术可以用于对事件定位或者重新定位,其通过研究连续地记录世界各处的地震数据的永久地震测站处的波至时间进行。如果干涉测量和/或其他环境噪声技术用于处理被动地震数据,那么震源定位不是必需的。
在这些初步处理之后,同时地处理被动数据(步骤26)和其他地球物理数据(诸如主动地震反射数据、重力、磁的、CSEM、MT等),以获得比通过单独地反演单独的地球物理数据类型的任一个获得的答案更好的答案。(图2表示从同一地下区域获得(采集)至少一种其他类型的地球物理数据(步骤24),以及这种数据的初步处理(步骤25),通过已知的方法熟练的技术人员能够进行二者)。同时处理意味着从两组或者更多组地球物理数据得出信息,其通过建立方程系统并且或者作为单一的、数学优化问题对其求解,或者通过改变固定的参数以及所求的解连续地求解每一个方程进行。
例如,步骤26的同时处理可以是联合反演。如在此限定的反演指用于获得地球模型的自动步骤,所述地球模型与测量的数据一致并且典型地作为优化问题实施,在该优化问题中使测量的数据和向前合成的数据之间的失配最小化。在手工向前建模迭代方法中,使用者更新模型以减小预测数据和测量数据之间的失配。对被动地震数据以及至少一种其他数据类型同时进行的这类手工向前建模是进行步骤26的可选方式。石油工业已使用对单独数据类型的反演技术许多年。其通常用于根据主动地震反射数据得出地下岩石性质(Jin等人,“Shear-WaveVelocity and Density Estimation from PS-Wave AVO Analysis:Application to an OBC Data Set from North Sea”,Geophysics,65,1446-1454(2000)),以及用于从电磁数据估计地下电导率(Carazzone等人,SEG Expanded Abstract 24,P575(2005);G.A.Newman和D.L.Alumbaugh,“Three-Dimensional Massively Parallel ElectromagneticInversion-I.Theory”,Geophys.J.Int.,128,345-354(1997))。多重数据的联合反演在石油工业中是相对新的概念,但是在全球地震学中是常见的,其中通常一起分析不同类型的地震波(即,体波和表面波)。在联合反演中,理想地,使用相关物理性质诸如P-波速度和传导率之间的假设的关系使多重数据类型的数据失配(data misfit)同时最优化。反演使用的一个地球物理数据中的任何缺失的信息内容可以潜在地用来自不同地球物理数据类型的信息填补,以便于减小预测的岩石性质模型中的不确定性。
结合多重地球物理数据的标准方法典型地依靠人主导(human-directed)解释方法,在该方法中基于一种数据类型(通常是地震反射数据)人开发出地球结构的假设,并且然后确定从其他地球物理数据(例如,重力、CSEM、MT等)推断的结构是否与最初的猜测一致。接着进行各种数据类型之间的人工迭代直到以达到一些种类的折衷(compromise)。这种方法是非常地耗时的并且当考虑另外的数据类型时进行该方法变得更加困难。实际上,至多比较两种数据类型(例如,地震和CSEM),仅考虑少数模型,并且简单地忽略包含在仅那两种数据类型中的许多可用的信息(例如,相、AVO、影响、离线影响等)。如果第三个数据类型是可用的(例如,重力),其典型地仅与其他可用的数据类型之一(例如,地震)进行比较,并且通过在那两种数据之间迭代产生的最终模型可能与在地震和CSEM数据之间迭代产生的最终模型具有很少的关系。因此,反演比手工向前建模是优选的,尽管如前所述本发明方法的步骤26中包括同时人工向前建模被动地震数据和至少一种其他数据类型。
Strack等人在美国专利号7,328,107中示意性地描述时域控制源电磁数据和(主动源)地震数据的联合反演类型。未提供实例或者实验结果。在专利申请公开US 2007/0294036中,Strack和Allegar公开获得和解释电震动和震电数据的方法,在该方法中两种数据类型的联合反演被提议。用电磁数据联合反演也被提议。未提供实验结果。在先前的论文中没有公开联合反演算法的方法中的任何内容,但是在其论文“Joint Inversion of MT,Gravity and Seismic Data Applied to Sub-BasaltImaging”,(SEG New Orleans 2006 Annual Meeting)中,Heincke,Jegen和Hobbs公开联合反演算法,其据说能够反演重力、地震折射和MT数据成为一种共同的地球模型。其目标是玄武岩地层下的烃勘探。
如先前所提及,在Central Java in Geophys.J.Int.170,923-932(2007)中Wagner等人描述主动和被动地震数据的联合反演。其目标是上地壳更好的分辨率而不是烃勘探。他们提供了反演算法和实验数据。因为被动数据单独地由所关注区域附近的小的、局部的地震组成,所以地震时间和位置是未知的。因此,由于速度和震源位置之间的权衡(折衷,trade-off),必定推断他们在反演过程期间引入速度误差。因为主动数据的位置和时间是已知的,所以那些走时加入到被动走时反演帮助减少该权衡并且因此改进地壳速度估计。相反,本发明方法使用位置已知的较大的地震(包含在地震目录中),所以上述提及的权衡不是问题。在本发明中,主动和被动地震数据集的联合反演用于完全不同的目标,即帮助减少困扰主动地震反演的频隙,如对于填补0-8hz频率范围的地震的需要所反应的。
在Hou等人,“Reservoir-Parameter Identification Using MinimumRelative Entropy-Based Bayesian Inversion of Seismic AVA and MarineCSEM Data”,Geophysics 71,077-088(2006);以及Chen和Dickens,“Effects of Uncertainty in Rock-Physics Models on Reservoir ParameterEstimation Using Marine Seismic AVA and CSEM Data”,第77界年会摘要,Society of Exploration Geophysicists,457-461(2007)中描述电磁和地震数据的联合反演。同样见Jupp和Vozoff,“Resolving Anisotropy inLayered Media by Joint Inversion”,Geophysical Prospecting 25,460-470(1977)。
可以以多种方式,与其他数据类型一起联合使用被动地震数据(步骤26)。图3表示流程图,其中在本发明的联合反演实施中通过走时层析使用来自被动地震数据的走时信息。在步骤301,处理被动地震数据。在步骤302,鉴定期望的波至。在步骤303,选出鉴定波至的波至时间。在步骤304,建立最初的地下模型,其包括地震速度模型(一个或多个)和其它参数(例如传导率)的模型,该参数的值影响剩余的数据类型。在步骤305,使用最初的模型预测在联合反演中使用的其他地球物理数据。在步骤306,使用最初的地震速度模型(一个或多个)估计被动地震数据中源的位置和发生时间。在步骤307,基于当前的地震速度模型(一个或多个)预测步骤306中那些源的波至走时。在步骤308,计算预测的和测量的地球物理数据之间的总数据失配。被动地震的数据失配是基于当前速度模型(一个或多个)计算的波至时间和从被动地震数据选出的走时之间的走时差的量度。在步骤309,总数据失配与预置值比较。如果总数据失配小于预置值(或者达到其他停止条件),那么停止反演过程,并且当前地下模型(一个或多个)是反演的最终结果。如果总数据失配大于预置值,那么在步骤310更新地下模型,并且反演过程返回至步骤305和306进行另一循环。当被动地震信号来自地震时,使用被动数据的联合反演的这种实施是优选的,在该地震中可以选出期望的地震模式波至。
图4是流程图,其表示本发明的另一实施包括步骤26中的使用被动地震数据进行联合反演。在本发明的该实施中,被动地震数据记录的互相关(见Claerbout(1968)op.cit.或者Wapenaar(2004)op.cit.)用于产生反射地震数据。在步骤401,处理被动地震数据。在步骤402,将互相关技术应用于被动地震数据以产生准散点道集(quasi-shotgathers)。可以处理或者被动噪声(Artman,op.cit.(2006))或者来自远的源的不同地震波至(Shragge等人,“Teleseismic Shot-ProfileMigration”,Geophysics 71,SI221-SI229(2006))以产生包括来自局部地下界面的反射的地震道(轨迹)。来自接收器对的数据的互相关消除直接波至并且产生由反射组成的地震道。对于一对接收器情况的该过程在图5中示意性地图解。两个接收器R1和R2的互相关,有效地表现从位于接收器R1的虚源(virtual source)传播至地下反射体并且返回至位于R2的接收器的反射信号。使用在长期测声时间内获得的数据可以有效地消除随机噪声并且仅留下由实际的反射事件引起的相干波至。该方法将被动数据转变为许多“准散点道集”,其中每一个接收器位置成为有效的“散点”。
在步骤403,建立包括地震速度模型(一个或多个)在内的最初地下模型。在步骤404,使用最初的模型,预测在联合反演中待使用的被动地震数据以外的地球物理数据。在步骤405,使用当前速度模型(一个或多个)预测对应于来自步骤402的准散点道集的被动地震数据。在步骤406,计算预测的和测量的地球物理数据之间的总数据失配。在步骤407,总数据失配与预置值比较。如果总数据失配小于预置值(或者达到其他停止条件),那么停止反演过程,并且当前地下模型是反演的最终结果。如果总数据失配大于预置值,那么在步骤408更新地下模型,并且从步骤404和405开始重复反演过程。
接下来更详细地描述可用于本发明优选的实施方式作为步骤26部分的联合反演技术。但是,重要地应该理解可以在本发明中使用任何联合反演技术以同时地反演地震数据和一种或者更多种其他类型的地球物理数据——如在步骤26中。
联合反演
在此描述的联合反演技术的优势不限于地震数据是一种被联合反演的数据类型的情况,尽管该应用是本专利申请的核心。例如,工作人员可以希望利用主动源地震数据的高频和低频部分与地震/CSEM/MT/重力和/或其他地球物理测量联合反演。本联合反演技术的基本的方面是承认岩石是包含在基岩(基质,matrix)中的颗粒和孔的系统(干的或者流体填充的)。该系统连接那些岩石的物理性质(例如,速度、电阻率和密度)与其结构复合材料性质(例如,多孔性、岩性和水/烃饱和度)。该连接提供用来自另一组测量的信息(即,尤其是CSEM/MT/重力)补充一组测量缺失的信息(即,主动源地震)的手段。其也提供构造在有效的有限差分计算中必需的网格变换的中间平均数的手段。接下来描述本发明联合反演技术的一个实施方式。图6和7是示意图,其概述发明的联合反演方法(engine)的下列讨论。
通过使用非线性梯度技术或者涉及使用基于梯度的混合方案以及无导数方法,可以完成这些不同数据类型的联合反演(Audet等,“MeshAdaptive Direct Search Algorithms for Constrained Optimization”,SIAMJournal on Optimization,17,188-217(2006))。可以用公式表示一般逆问题为求误差泛函(ψ)的最小值,该泛函包含数据误差项和一种或更多阻尼和/或平滑项以及另外的约束:
其中m是模型向量,dobs是数据测量,D是对那些测量加权的加权矩阵,dpred是使用模型预测的数据值,dobs是观测的数据,W是减小三维中的模型曲率(或者扰动尺寸)的平滑(或者阻尼)矩阵,λ是相对于数据误差平衡模型平滑/粗糙的换算参数(scaling parameter),和T表示矩阵转置。在联合反演的情况中,为每一个数据类型分别地限定误差泛函诸如由方程式(1)所描述的,随后限定联合反演问题的多目标公式。多目标优化工具提供求解数个目标函数同时优化的问题的能力(Steuer,“Multiple Criteria Optimization,Theory,Computations andApplications”,John Wiley & Sons(1986);Das等人,“Normal-BoundaryIntersection:A New Method for Generating the Pareto Surface inNonlinear Multicriteria Optimization Problems”,SIAM Journal onOptimization 8,631-657(1998))。总联合误差泛函可被限定为向量泛函:
ψ总=[ψ1(m)ψ2(m)…ψn(m)]T (2)
其中n是在联合反演公式中涉及的数据类型的数量。求解该问题的可能的方法包括使向量函数的分量的加权的线性或者非线性组合最小化,或者使任何一个向量最小化并且约束剩余的在一定的界限内。后面的方法使得逆问题成为约束的优化问题,其中约束限定在反演搜索空间内被允许的一组或者几组模型参数的组合。可以赋予模型参数的其他约束以保证反演结果在物理上是有意义的,或者本质上可以是数学的-以使得反演数字上稳定。
模型参数是岩性(例如,碎屑岩石或者白云石中的页岩体积含量或者碳酸盐岩石中的碳酸钙含量),空隙流体的水饱和度(Sw)、多孔性(φ)、和根据需要的第二岩性参数(Vlith)分别限定在精密标度网格上。岩石物理方程用于变换模型性质为传导率弹性模量和密度(ρ)的物理性质,然后这些物理性质用于解麦克斯韦方程、作为高频近似的弹性(或者声)波方程或者基尔霍夫方程、和重力势能方程。已建立一定范围的近似关系以连接岩层和/或储层性质与岩石物理性质,诸如弹性和电学性质。(Xu等人,“A New Velocity Model for Clay-Sand Mixtures”,Geophysical Prospecting 43,91-118(1995);Archie,“The ElectricalResistivity Log as an Aid in Determining Some Reservoir Characteristics”,Transactions of the AIME 146,54-62(1942)。PCT国际专利申请号US2008/075920,发明人Deffenbaugh等人,公开方法用于确定烃勘探中的使用的地下岩层的地震性质、电性质和储层性质之间的关系。方法允许使用少至一个岩石样品确定这些关系。在交错的有限差分网格上求解向前问题。为加速计算,根据相应数据的频率向上换算(up-scale)物理性质至较大的网格。
每一个数据类型的预测的数据dpred和观测的数据dobs之间的差异形成方程式(1)的误差泛函中的误差项。通过中间平均数算法以及链式法则向后传播这些误差至岩石性质微网格(从向前模拟使用的较大的网格向下换算至较小的网格):
对于物理性质之一其包括数据拟合误差和平滑部分中的斜率(梯度),和将物理性质从大网格变换为微网格,以及使用适当的岩石物理模型诸如Xu-White模型,关于岩石性质之一(Vsh、Sw、φ或者Vlith),计算导数(Xu和White,“A Physical Model forShear-Wave Velocity Prediction”,Geophysical Prospecting 44,687-717(1996)。
因为主动源地震数据具有三种类型的未知量:
1.平滑背景(宏模型)层速度(Vp,Vs等等);
2.源子波(小波)谱内的弹性变化;和
3.源子波
其以高度非线性的方式相关,有一些风险,即子波换算中的误差在随后的走时计算中引起非线性影响,这样最终使反演不稳定。因此,在本发明的该实施方式中,这两部分(piece)是分开的。在粗糙的(平滑的)网格上计算走时。在更精密标度网格上计算产生反射振幅和子波的弹性参数变化。
对于宏模型层速度(macro-model interval velocity),使用“未处理的”道集(没有速度修正的数据)的最小二乘方的叠前主动源地震反演的主要问题是陷入多重最小值中。如果最初的模型距离正确的答案太远,那么出现该问题,这是因为在长于Vo/2fmin的垂直的空间波长处,最小二乘方梯度不包含可辨别的能量,其中Vo是上覆岩层地震波层速度,和fmin是最小子波频率。为减小多重最小值问题,可以采用两个策略:(1)改进初始模型,和(2)修改优化方法。
通过联合地反演地震/CSEM/MT/重力信息连同低频地震走时信息(NMO速度)可以改进初始模型的质量。地震/CSEM/MT/重力反演产生宏模型P-波和S-波速度体(velocity volume),其不仅依靠走时信息,而且包括通过岩石物理关系由非地震数据(CSEM/MT/重力)提取的信息。为进一步减小多重最小值问题,各种优化技术诸如微分相似度优化可被使用。见,例如,Leeuwen和Mulder,“Data-Correlation forVelocity Inversion”,77th Annual International Meeting,SEG,ExpandedAbstracts 26,1800-1804(2007);以及Symes和Carazzone“VelocityInversion by Differential Semblance Optimization”,Geophysics 56,654-663(1991)。通过增加空间变量——其随后被强制消失——该方法有效地松弛(relax)误差函数。但是,该方法的假设是多重反射不会遮蔽主要的波至时间信息。如果在数据中重数(multiple)没有被足够地删减(suppress),那么方法不太可能成功。用地震道集反演更好的初始模型将进一步调整宏模型层地震波速度以完全地预测主要的时差并且恢复地震通带内的弹性参数中的变化。
可以如下进行主动源地震向前计算。第一,通过追踪经过宏模型层速度模型的射线计算走时。第二,使用卷积或者其他适当的近似反演叠前地震道集的偏移-依赖的反射率以找到弹性参数变化。第三,应用DSO补偿(罚)以便于找到使得道集中的所有数据变平的速度模型。第四,更新子波换算参数(如果在数据中有可以用于约束该信息的重数)。该组计算在联合反演的较大的框架内形成内环,其可被重复许多次直到获得收敛。
主动源地震部分已被分开成两部分,即分为非线性地依赖于控制走时信息的宏模型速度信息的地震数据,和或多或少线性地依赖于控制反射振幅的弹性性质变化的地震数据。因为该分开,有两种单独的误差梯度待计算并且传播至岩石物理网格。第一组涉及宏模型Vp(或者Vp和Vs二者)参数。其可从计算的走时部分得出,并且类似于方程式3中对于CSEM/MT/重力数据拟合计算的误差梯度。第二组误差梯度关于AVO块:
因为AVO部分的模拟网格处于与反演网格相同的精密标度,二者之间不需要向上换算/向下换算。
在本发明的该实施方式中,从地震的走时部分分离来自地震的振幅信息。振幅信息不包括在联合反演目标函数内,直到模型的低频部分已收敛之后。一旦模型的低频分量收敛,那么所暗含的速度模型被固定(用于射线追踪)并且仅将来自地震的振幅信息与其他数据类型(例如,重力、CSEM、MT、地震)一起反演,直到改进数据类型组的解已收敛。
再次回顾图2的流程图中的步骤,步骤21涉及被动地震监控测量的设计,设计该步骤以符合烃勘探的规模。先前的典型的被动的震源实验的目标是地球的地壳和地幔的规模,具有千米量级的接收器间距。本发明的测量瞄准烃勘探情况,并且测量设计因此不仅考虑较浅的目标,也考虑可被预期的源及其相关的方位和距离。尽管接收器间距适合于烃勘测,即与主动源地震烃测量中可使用的相同,但是接收器必须是地震检波器(earthquake seismometer)或者类似的声学探测器,其具有延伸下至大约1Hz的频率响应,而不是在主动源地震工作中使用的具有下至仅5-6Hz的频率响应的典型水中检波器或者地震检波器(geophone)。
在步骤21,根据需要被记录的被动地震信号的频率范围选择用于数据获得(采集)的地震检波器(一种或多种)的类型。频率范围与源接收器距离相关,即通常地事件和记录测站之间的较大距离的事件具有较低的频率含量。发生在远震距离的地震(距离记录测站,在地球的中心对向的角=30°至90°)包含最低的频率含量,在1-3Hz的量级,区域性事件(距离小于30°或者约3000km)和局部地震(记录测站的100km之内)产生最高的频率含量的信号(因为高频不被长的传播路径过滤掉),该频率可以与主动地震频率带交叠。
可以使用具有不同频率响应特性的多种地震检波器类型以记录期望的频率带。根据频率范围和要覆盖的地下区域优选地设计接收器表面覆盖区域和间距。例如,与高频响应的接收器相比,可以更稀疏地放置低频响应的接收器。作为最大期望频率、到达波阵面的最大倾斜和地下速度的函数,以对主动源地震数据采集(获得)的技术领域熟悉的技术人员所知的方式,可确定需要的接收器间距。例如,典型地使接收器间距与频率的倒数成比例。被动地震采集的接收器间距(除非常局部的微地震外)通常大于标准的主动地震测量,这是由于人设法获得的被动地震数据的较低频率含量。
在步骤22,在连续的或者触发式的基础上,使用该被动的监控系统以记录来自所主动——诸如地震和非有意作为震源的人造活动——的波至。例如,在海上环境中,可以在测量区域中使用海洋底部电缆系统或者具有能够记录下至0.5Hz的信号的地震检波器的独立的传感器组件持续延长的时间段。在陆上环境中,宽频带接收器的密集阵列将连续地或者触发式地在预定的时间段内进行记录。长的连续的使用时间允许从更多源记录更多数据,这在处理的被动地震数据中提供较大的信噪比,然而触发机制可被用于仅当探测到事件时使记录开始;这减少存储数据需要的存储器的量。
在步骤23,处理数据以从连续的或者触发式的记录提取信号。处理根据将在步骤26中使用被动地震数据的方式。本发明的一些实施方式使用所有被动源的信号,即自然的和在地震采集程序中并非有目的地采用的人造的(诸如来自采矿活动的源,等等),所有震级(至小到微震)、所有距离范围(包括但不限于局部的、区域性的和远震)、和所有波类型(体波和表面波)的源。所有这些源提供信息片段,所述片段共同允许频率范围被扩展至0Hz和10Hz之间的宽频带。使用这些独立的信号连同已知的处理技术,诸如走时层析(包括体波和表面波层析成象)、有限频率层析成象、环境噪声层析成象、表面波散射分析、接收函数分析、干涉量度学和部分或者全部波形反演。
在步骤26,提取的地震信号可以与其他类型(一种或多种)的地球物理数据联合使用以获得地下结构和岩石性质。这里,联合地使用被动地震数据和另外的地球物理数据二者以得出地下图像和岩石性质模型,其或者通过使用联合反演技术或者通过对单独的数据集顺续地应用反演和/或成像方法进行。优选地,在联合或者同时反演内实施该步骤,在该反演中通过使预测的和测量的数据之间的差最小化获得地下模型。可选的实施也是可能的。例如,工作人员可以首先从被动地震数据得出地下岩石性质和/或结构图像,并且然后使用其他的地球物理数据以改善结果。被动地震数据以外的地球物理数据可以例如是主动地震数据、CSEM、MT、重力、磁的和测井数据之一或者组合。
对包括联合反演作为处理步骤的本发明的实施方式,可以在时域或者频域进行联合反演。用适当的技术可以在联合反演过程中使用被动地震数据的不同方面。例如,通过走时层析,被动地震数据中的波至时间可被用于在联合反演中约束地下地震波速度模型;或者可以使用互相关技术从被动地震数据产生类似于主动地震数据的反射地震数据(见Artman,op.cit.(2006))。
类似于上述的被动地震数据和其他类型(一种或多种)的地球物理数据的联合反演,其他技术也可被用于这种反演中的被动地震数据。一些实例包括:1)接收函数方法(Shen等人,“Mantle DiscontinuityStructure Beneath the Southern East Pacific Rise from P-to-S ConvertedPhases”,Science 280,1232-1235(1998)),其使用从一些间断面的转变模式以成像地下结构,和2)使用来自地震的表面波至及其速度离差特征以得出地下模型。表面波速度的离差对频率提供地下中波速度的深度分辨率。水平方向中表面波速度变化提供横向分辨率。接下来讨论步骤26中的接收函数方法的使用。
接收函数
接下来延伸被动源、接收函数技术(例如,Langston and Phinney,op.cit.)至对烃勘探有意义的较小规模。除了对被动地震数据使用接收函数的论文之外,具有至少一个出版物,其关于对多组元、主动源数据集计算的接收函数。参考文献是“Receiver Function Method in ReflectionSeismology”,Edme和Singh,Geophysical Prospecting 56,327-340(2008)。该论文讨论对广角多组元主动地震数据应用接收函数技术,试图使P-至-S转变的相显著,然后其可以被用于振幅对慢度分析或者偏移分析。如先前所述,本发明使用如此测量设计,其中接收器之间的间距显著小于在全球地震学中通常采用的。设计提高密度的接收器以允许烃勘探的典型目标深度被分辨。具有连续记录的长期部署通常是必需的,并且将补充来自所有距离范围的事件的数据,其将在被动源地震数据的处理和成像中提供增加的信噪比。
接收函数技术消除源和传播的影响;其结果是反射邻近记录测站的介质的波形。通过从水平分量地震波曲线对垂直分量地震波曲线去卷积(或者互相关)计算接收函数。典型地,远震距离范围中的事件用于该频域部分(division),因为地震射线以接近于垂直的角度到达记录测站。远震事件的垂直分量地震波曲线主要具有记录的P-波能量,然而,水平分量地震波曲线包括P-和S-波能量。在最简单的情况中,去卷积消除来自水平分量地震波曲线的源-时间函数的影响,并且因此使另外遮蔽的转变的S-波能量显著。所得的接收函数波形(图8)包含关于接收器附近的结构的信息。预期的地震相是P-至-S转变的相,和其混响(reverberation)PpPs和PsPs+PpSs;但是,也可以改进技术以使S至P转变的相显著。图9A-D表示P-至-S转变的相(9A)的地震相的简化图解,及其从接收函数分析可预期的混响(9B中的PpPs、9C中的PsPs和9D中的PpSs)。
根据波形(图8)可预期的差别波至时间在直接的P-波至和在所关注反射体处的S-转变的相之间(在最简单的情况中)以及其混响和差别波至时间可被用于构造所关注反射体的深度,并且可以与其他地球物理数据集——诸如主动源地震数据集、重力、CSEM、MT等等——结合。如果来自多组元的主动源数据集的走时信息是可得的,那么来自接收函数方法的差别波至时间可以连同主动源数据集一起使用。除独立地使用走时信息之外,还可以利用来自接收函数的振幅信息,这可以通过全部波形反演完成。在该方法中,大地和源的最初模型被假设,这样通过用足够的宽频带源谱解适当的波方程允许最初数据的计算。而且,在反演算法中可以改进这些最初模型,反演算法针对地球介质和源参数二者进行调整。该过程可以在时域或者频域中完成。频域中的误差函数实现的主要优势是特定的缺失频率值或者低信噪比频率值不会影响良好的数据值,因为他们在时域中与误差函数在一起。
除计算远震接收函数的传统方式之外,本发明方法可以使用来自局部的和区域性距离范围的事件进行去卷积。包括这些更接近记录测站的事件的优势是增加频率带至大约1Hz上至与主动地震勘探的这些频率相当的频率的宽范围的机会,并且因此减小图1中所示和在此先前讨论的频隙10。增加这些事件的难点在于有利于远震接收函数的假设不再有效,这是因为去卷积不能完全地消除源-时间函数的影响。通过(1)用具有简单的或者已知的源-时间函数的一些人造源(诸如采矿活动或者其他主动源)校准大地响应,和(2)进行全部波形反演方法——这将能够测定剩余源影响,本发明可以处理该问题。
接下来更详细地描述适合本发明方法中使用的波形反演接收函数技术。
目标是如此技术,其基于多重-分量(多组元)的表面(或者表面附近)向量(即三个分量)的宽频带测量,声(或者粘声性的)或者弹性(或者粘弹性的)位移、速度、以及加速度和表面(或者表面附近)弹性(或者粘弹性)张量(即九个分量)张力(统称为宽频带多组元地震数据),恢复地下地球物理参数诸如P-和S-波速度、密度、弹性各向异性系数(ε和δ)、P-和S-波衰减品质因素等等,并且形成宽频带多组元地震数据的多通道比例(本着接收函数的精神)以减少宽频带地震源、大地接近探测器的方面、以及探测系统本身的一些固有方面的未知影响。所得的宽频带多组元地震数据的多通道比例服从从适当的声、弹性、粘声性、粘弹性、波方程获得的方程。选择的特定方程的复杂性取决于测量目标、数据覆盖和许多其他因素。具体地,模型可以是一、二、二点五或者三维的,并且可以涉及声、弹性或者粘弹性波传播,以及是各向同性的、VTI或者完全地包含通常二十一个(复杂的)模量加上在所有三维中变化的密度。但是,宽频带多组元地震数据的多通道比例优选地满足至少以下四个条件:
1)应当证明对于所有重要的地震数据分量是可信赖的(至少在适当长度的可预测时窗内)单一地震源的近似为用于测量目标的合理近似量级。
2)测量应当充分地是宽频带,即测量应当包含下至非常小频率的有用信号含量,并且没有显著空隙地上至一些所关注的最大频率。
3)每一个时窗内的单一地震源距离观察应当充分地远以证明处理也位于三维空间中的地震源是有道理的,因此用适当数量的未知参数(诸如三维位置、方向、剩余的源-时间函数、辐射方式、张量耦合(tensor couple)等等)可有效地使在多通道比例中存在的地震震源相关性参数化。
4)完整组的有用观察的数量、质量、向量或者张量分量和空间分布应有效地能够确定期望水平的介质性质和多通道比例中存在的描述地震源相关性的未知参数。明显地,来自单一距离的地震源的比例数据最多确定地震源和观察点之间沿着通过声学近似中的P-波、或者弹性或者粘弹性近似中的P-波和S-波射线或者qP-波、qSV-波和qSH-波(一维VTI模型中的准压缩波、准剪切垂直波和准剪切水平波)等等取的路径的地球体积的仅某一个平均值。同样注意,信息也原则上沿着由P至S转化等等产生的射线路径、反射和多重反射获得,条件是数据分析能够包括相关的物理学。
然后,本发明该实施方式中的数据分析或者反演涉及基于误差或者目标函数(包括可能的平滑和罚项)的最小二乘方反演,所述误差或者目标函数包含来自适当地时窗化的真实和计算数据构造的测量的和计算的比例之间的加权的和平方的差。已提及误差函数的频域表达的优势:在存在缺失频率的情况下,频域误差函数是更有力的。再次,优选时窗过程以保证仅一个显著的地震(或者其他被动)源负责窗口化数据中观察的事件的重要部分。因为假设地震数据是宽频带的,所以基于最小二乘方梯度的算法族的收敛至错误的局部最小值没有预见为问题(不同于主动源反射地震反演问题,在缺乏几乎完美的最初速度模型时,其不可避免地经历局部错误最小值的污染)。计算上,假设最初的地球模型和最初的源模型,并且使用具有任意振幅的充分地宽频带的源谱计算最初的数据,如选择的数字方法期望的使用时域或者频域中的有限差分或者其他方法。另外,获得计算的数据的导数以便于允许反演算法调整地球介质参数(速度、密度等等)和地震源参数以减小最初的拟合误差。可采用地球介质和地震源参数之间的替代的方法,其在具有非齐次(non-homogeneous)参数的基于梯度的优化方法被广泛使用。一个可选方案是子空间迭代方法,该方法分组反演未知量为物理上非异质的种类(non-heterogeneous classes)以避免刚性优化的缺陷,在刚性优化中很大差别的数量规模的变量出现在正常的方程中。迭代反演过程继续调整介质和源参数直到达到对测量的和窗口化的数据的满意拟合。后来的模型检验可被用于帮助确定良好约束参数的对较差约束的参数。
或者通过反演方法诸如上述的或者通过人工迭代向前建模的标准方法获得的接收函数结果然后可用于为主动源地震反射数据的AVO反演创造低频或者背景模型,以便获得P和S-阻抗的估计或者甚至地下岩石的岩石性质诸如多孔性、岩性和流体含量(例如,Saltzer,LeadingEdge 24,732-736(2005))。可选地,离差的波结果可被用于改进用于主动源地震反射数据的深度偏移的速度模型。最后,联合反演被动记录的地震数据与其他地球物理数据诸如主动源地震反射数据、CSEM、MT、重力和重力梯度测量,以便于获得弹性和/或岩石性质的更加有力的估计。
在图10的流程图中图解使用优选的接收函数技术的本发明的实例实施方式的基本步骤。在步骤41,为适合于烃目标的目的设计测量。这考虑(1)预期的地震源分布,(2)目标深度和结构类型以确定测量持续时间、规划、探测器间距和其他方面。在步骤42记录数据,和在步骤43从标准的目录诸如CMT、USGS或者局部/区域性事件的独立的重新定位(三维空间中的源时间和位置)收集事件信息(例如,Waldhauser和Ellsworth,“A Double-Difference Earthquake Location Algorithm:Method and Application to the Northern Hayward Fault”,Bull.Seism.Soc.Am.90,1353-1368(2000))。在步骤44,从在前步骤收集的事件信息用于在时窗中切割记录,每个窗口一个事件。对每一个鉴定的事件,收集所有接收器数据,并且创造“事件收集(event gather)”,并且通过过滤和叠加抑制(删减)噪声(步骤45)。收集所有事件收集,并且在步骤46计算接收比率(“接收函数”)。使用接收函数计算层析成象反演(步骤47),该层析成象反演必须包括由另一数据源(诸如主动地震源实验)确定的P-波初始模型。在步骤48,基于层析成象反演和可能的其他数据建立最初的速度模型,并且进行最初模型和源参数的全部波形反演直到达到最大的分辨率结果,即直到反演带宽被延伸至频率上限,该频率上限足够高被认为是可接受的。针对地质学合理性,检验结果,并且在调整速度模型和/或源参数之后,根据需要重复步骤48。
出于阐明本发明的目的,前述应用涉及本发明的具体实施方式。但是,对本领域技术人员明显的,对在此描述的实施方式的许多改进和变型是可能的。所有这些改进和变型意欲在本发明的范围内,如所附权利要求所限定的。
Claims (24)
1.一种用于地下区域中的烃探测的方法,其使用被动源地震数据连同至少一种其他类型的地球物理数据,包括:
(a)获得所述地下区域的被动源地震测量数据,其中测量的接收器是通常位于所述地下区域上并且被间隔开用于烃勘测的地震检波器,所述地震检波器适合于全球地震学地震探测,并且其中所述被动源地震数据包括至少一个事件,其在地震表中被鉴定并且基于所述至少一个事件的震级和距离所述地下区域的距离,估计其在所述地下区域具有在范围0至8Hz的主频;
(b)获得所述地下区域的至少一种其他类型的地球物理数据,其选自主动源地震、控制源电磁的、大地电磁的、磁的和重力;
(c)通过同时使用至少部分所述被动源地震数据和所述至少一种其他类型的地球物理数据,得出物理性质模型,所述物理性质模型给出在所述地下区域中的不同位置处的至少一种物理性质的值;和
(d)使用所述物理性质模型预测所述地下区域的油气远景。
2.根据权利要求1所述的方法,其中所述地震检波器具有覆盖至少1-6Hz的频率带宽。
3.根据权利要求1所述的方法,其中所述被动源地震测量数据包括来自至少一个区域性地震的数据或者来自至少一个局部地震的数据,其中区域性指其震源在距离所关注的所述地下区域的10度至30度的范围内的地震,和局部指其震源在距离所关注的所述地下区域的1度至10度的范围内的地震。
4.根据权利要求1所述的方法,其中所述被动源地震测量数据包括来自至少一个远震地震的数据,其中远震指其震源距离所关注的所述地下区域大于30度的地震。
5.根据权利要求1所述的方法,其中“被间隔开用于烃勘测”意味着小于大约1千米的接收器间距。
6.根据权利要求1所述的方法,还包括:
鉴定所述被动源地震数据中的一个或者更多时间片段,被称为“时窗化事件”,并且将每一个与地震目录中所列出的地震或者其他来源的地震信息相关联,并且从所述目录或者其他信息来源获得这种地震的源位置信息;和
包括所述一个或者更多时窗化事件和步骤(c)中的至少部分所述被动源地震数据中的关联的源位置。
7.根据权利要求1所述的方法,其中物理性质模型是选自多孔性、岩性、孔流体类型、烃体积分数、P-波速度、S-波速度、密度和声学阻抗的至少一种地下物理性质的模型;其中岩性包括选自页岩体积分数VSH、盐体积分数V盐、玄武岩体积分数V玄武岩、石灰岩体积分数V石灰 岩和白云石体积分数V白云石的至少一个参数。
8.根据权利要求1所述的方法,其中同时地使用所述被动源地震测量数据和所述至少一种其他类型的地球物理数据以得出物理性质模型包括同时地联合地向前建模所述被动源地震测量数据和所述至少一种其他类型的地球物理数据,然后手工地更新所述模型,然后迭代以优化所述地下区域的所述物理性质模型。
9.根据权利要求1所述的方法,其中同时地使用至少部分的所述被动源地震测量数据和所述至少一种其他类型的地球物理数据以得出物理性质模型包括联合地自动反演所述至少部分的所述被动源地震测量数据和所述至少一种其他类型的地球物理数据以获得所述地下区域的所述物理性质模型。
10.根据权利要求9所述的方法,其中使用非线性的、多目标、约束的或者未约束的梯度技术、或者涉及梯度的混合技术或者无导数方法进行自动联合反演。
11.根据权利要求10所述的方法,其中所述联合反演是或者可以被表示为约束的或者未约束的多目标问题,其中待被最小化的向量或者多目标误差泛函可被表示为(ψ总):
ψ总=[ψ1(m)ψ2(m)…ψn(m)]T (1)
其中在上述泛函中的每一项是或者可以使用矩阵方程表示为:
其中m是模型向量,dobs是被反演的测量数据,dpred是使用所述模型预测的相应的数据值,D是对所述测量数据加权的加权矩阵,W是减小三维中的模型曲率或者扰动尺寸的糙化或者阻尼矩阵,和λ是相对于数据误差平衡所述模型的平滑或者粗糙的换算参数,所述数据误差是dobs和dpred之间的差。
12.根据权利要求9所述的方法,其中所述至少一种其他类型的地球物理数据选自控制源电磁的、大地电磁的、磁的和重力,并且其中下面的岩石物理关系用于使密度性质与电学性质或者弹性性质或者二者相关联,因此实现联合地进行所述反演。
13.根据权利要求12所述的方法,其中所述下面的岩石物理关系是使岩石性质彼此相关的经验或者基于模型的方程。
14.根据权利要求11所述的方法,其中与用于向前建模相比,岩石物理模型的参数即向量m的分量在更精密标度计算的网格上表达,以获得预测的数据值,并且从向前建模网格向下换算所述数据误差返回至所述岩石性质微网格。
15.根据权利要求11所述的方法,其中所述数据误差包含作为观察的接收函数和预测的接收函数之间的减法差的失配,其从至少一个测量地震检波器的所述被动源地震测量数据计算。
16.根据权利要求15所述的方法,其中计算接收函数和使用所述接收函数确定一个或者更多个地下反射体的所述数据误差失配包括:
(i)旋转来自垂直的和水平坐标系统的多组元地震数据,在该系统中将数据记录入径向域和横向域,其中径向分量指向所述被动地震数据的来源和横向分量与其垂直;
(ii)根据运动的垂直分量对所述径向分量去卷积;
(iii)使用去卷积的分量并且鉴定所述地下区域中的一个或者更多个反射体,在所述地下区域P-波能量已转变为S-波能量及其倍数或者倒数;
(iv)确定鉴定的反射体的差别波至时间;和
(v)计算预测的接收函数和观察的函数之间的差。
17.根据权利要求9所述的方法,其中(d)包括根据所述被动源地震测量数据和所述至少一种其他类型的地球物理数据的所述联合反演获得地下地震波传播速度,和使用所述速度用于从所述地下区域获得的主动源地震反射数据的深度偏移。
18.根据权利要求11所述的方法,其中所述数据误差包括通过测量走时延迟和计算在选择的地震检波器处选择的地震的波至相的测量的走时延迟和预测的走时延迟之间的数学减法差,从所述被动源地震测量数据计算的失配。
19.根据权利要求11所述的方法,其中所述数据误差包括通过测量至少两个测量地震检波器之间的离差以及计算测量的离差和预测的离差之间的数学差,从所述被动源地震测量数据计算的失配。
20.根据权利要求11所述的方法,其中所述数据误差包括通过计算观察的干涉测量的计算和预测的干涉测量的计算之间的所述数学减法差,从至少一个测量地震检波器的所述被动源地震测量数据计算的失配。
21.根据权利要求11所述的方法,其中所述数据误差包括通过计算在至少一个测量地震检波器记录的部分的或者全部波形和预测的、合成的部分或者全部波形之间的所述数学减法差,从至少一个测量地震检波器的所述被动源地震测量数据计算的失配。
22.一种用于地下区域中的烃探测的方法,其使用被动源地震数据,包括:
(a)获得所述地下区域的被动源地震测量数据,其中测量的接收器是通常位于所述地下区域上并且被间隔开用于烃勘测的地震检波器,所述地震检波器适合于全球地震学地震探测;
(b)从表格或者其他的地震信息来源确定在所述地震检波器数据中可被鉴定的一个或者更多个地震,并且从所述表格或者其他来源取得这种地震的源位置信息,并且其中所述一个或者更多个地震包括在地震表中鉴定的、震级足以包含0至8Hz范围内的主频的至少一个事件;
(c)从对应于每一个所述鉴定的地震的记录的所述地震检波器数据重新得到时间片段;
(d)反演地震检波器数据和地震源位置信息的片段以推断物理性质模型,所述物理性质模型给出在所述地下区域中的不同位置处的至少一种物理性质的值;和
(e)使用所述物理性质模型预测所述地下区域的油气远景。
23.一种从地下区域开采烃的方法,包括:
(a)获得所述地下区域的被动源地震测量数据,其中测量的接收器是通常位于所述地下区域上并且被间隔开用于烃勘测的地震检波器,所述地震检波器适合于全球地震学地震探测;
(b)从表格或者其他的地震信息来源确定在所述地震检波器数据中可被鉴定的一个或者更多个地震,并且从所述表格或者其他来源取得这种地震的源位置信息,并且其中所述一个或者更多个地震包括在地震表中鉴定的、震级足够包含0至8Hz范围内的主频的至少一个事件;
(c)从对应于每一个所述鉴定的地震的记录的所述地震检波器数据重新得到时间片段;
(d)获得所述地下区域的至少一个其他类型的地球物理数据,其选自主动源地震、控制源电磁的、大地电磁的、磁的和重力;
(e)通过同时使用地震检波器数据和地震源位置信息的片段和所述至少一个其他类型的地球物理数据,得出物理性质模型,所述物理性质模型给出在所述地下区域中的不同位置处的至少一种物理性质的值;
(f)使用所述物理性质模型预测所述地下区域的油气远景;和
(g)响应积极的预测,钻井进入所述地下区域并且开采烃。
24.一种用于地下区域中的烃探测的方法,其使用震源地震数据连同主动源地震数据,包括:
(a)获得所述地下区域的震源地震测量数据,其中测量的接收器是通常位于所述地下区域上并且被间隔开用于烃勘测的地震检波器,所述地震检波器适合于全球地震学地震探测,并且其中所述震源地震数据包括在地震表中鉴定的、震级足够包含0至8Hz范围内的主频的至少一个事件;
(b)获得所述地下区域的主动源地震测量数据;
(c)联合反演所述震源地震测量数据和所述主动源地震测量数据以得出所述地下区域的速度模型;和
(d)使用所述速度模型预测所述地下区域的油气远景。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14369509P | 2009-01-09 | 2009-01-09 | |
US61/143,695 | 2009-01-09 | ||
US26769509P | 2009-12-08 | 2009-12-08 | |
US61/267,695 | 2009-12-08 | ||
PCT/US2009/067913 WO2010080366A1 (en) | 2009-01-09 | 2009-12-14 | Hydrocarbon detection with passive seismic data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102272631A true CN102272631A (zh) | 2011-12-07 |
CN102272631B CN102272631B (zh) | 2015-03-25 |
Family
ID=42316710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980154238.7A Active CN102272631B (zh) | 2009-01-09 | 2009-12-14 | 用被动地震数据的烃探测 |
Country Status (8)
Country | Link |
---|---|
US (1) | US8923094B2 (zh) |
EP (1) | EP2386065A4 (zh) |
CN (1) | CN102272631B (zh) |
AU (1) | AU2009335964B2 (zh) |
BR (1) | BRPI0923960B1 (zh) |
CA (1) | CA2747426C (zh) |
EA (1) | EA026650B1 (zh) |
WO (1) | WO2010080366A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886047A (zh) * | 2017-02-28 | 2017-06-23 | 中国地质大学(北京) | 一种接收函数和重力联合反演地壳厚度和波速比的方法 |
CN107548457A (zh) * | 2015-04-30 | 2018-01-05 | 斯伦贝谢技术有限公司 | 在电磁测量中估计水分饱和度的方法 |
CN111650669A (zh) * | 2020-05-27 | 2020-09-11 | 吉林大学 | 一种水力压裂震电信号联合处理方法 |
CN111971586A (zh) * | 2018-03-30 | 2020-11-20 | Bp北美公司 | 地震速度衍生的烃指示 |
CN113049202A (zh) * | 2021-03-08 | 2021-06-29 | 中国地震局工程力学研究所 | 一种加速度积分位移的局部加权回归校正方法及系统 |
CN113219532A (zh) * | 2021-04-26 | 2021-08-06 | 中国石油大学(华东) | 基于低频数据补偿的全波形反演速度建模方法 |
Families Citing this family (97)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9285502B2 (en) * | 2009-12-08 | 2016-03-15 | Chevron U.S.A. Inc. | System and method for lacunarity analysis |
US20110218735A1 (en) * | 2010-03-05 | 2011-09-08 | Baker Hughes Incorporated | Real-Time Lithology and Mineralogy Interpretation |
GB2479172B (en) * | 2010-03-31 | 2016-02-10 | Statoil Petroleum As | Estimating interval velocities |
US8358561B2 (en) * | 2010-04-13 | 2013-01-22 | Spectraseis Ag | Bayesian DHI for seismic data |
US8498845B2 (en) * | 2010-04-21 | 2013-07-30 | Exxonmobil Upstream Research Company | Method for geophysical imaging |
US8694299B2 (en) * | 2010-05-07 | 2014-04-08 | Exxonmobil Upstream Research Company | Artifact reduction in iterative inversion of geophysical data |
US8584519B2 (en) | 2010-07-19 | 2013-11-19 | Halliburton Energy Services, Inc. | Communication through an enclosure of a line |
EP2606452A4 (en) * | 2010-08-16 | 2017-08-16 | Exxonmobil Upstream Research Company | Reducing the dimensionality of the joint inversion problem |
US9513395B2 (en) | 2010-08-30 | 2016-12-06 | Microseismic, Inc. | Method for detection of subsurface seismic events in vertically transversely isotropic media |
US9134442B2 (en) * | 2010-12-16 | 2015-09-15 | Bp Corporation North America Inc. | Seismic acquisition using narrowband seismic sources |
US8700372B2 (en) * | 2011-03-10 | 2014-04-15 | Schlumberger Technology Corporation | Method for 3-D gravity forward modeling and inversion in the wavenumber domain |
AU2012236679B2 (en) * | 2011-03-30 | 2015-10-01 | Es Xplore, L.L.C. | Method and system for passive electroseismic surveying |
GB2491346A (en) * | 2011-05-23 | 2012-12-05 | Imp Innovations Ltd | Three dimensional full-wavefield seismic tomography for use in mining or in extraction of metalliferous mineral and/or diamond deposits |
EP2715603A4 (en) * | 2011-06-02 | 2016-07-13 | Exxonmobil Upstream Res Co | JOINT INVERSION WITH UNKNOWN LITHOLOGY |
EP2721478A4 (en) * | 2011-06-17 | 2015-12-02 | Exxonmobil Upstream Res Co | FREEZING OF DOMAINS IN A CONNECTION VERSION |
US9213116B2 (en) | 2011-07-19 | 2015-12-15 | Halliburton Energy Services, Inc. | System and method for moment tensor migration imaging |
EP2734866B1 (en) * | 2011-07-21 | 2020-04-08 | Exxonmobil Upstream Research Company | Adaptive weighting of geophysical data types in joint inversion |
DK2737341T3 (da) * | 2011-07-28 | 2024-05-13 | Bp Corp North America Inc | Feltkorrelation for realtids passiv seismisk overvågning |
US20130085731A1 (en) * | 2011-10-04 | 2013-04-04 | Michele De Stefano | Methods and systems for multiple-domain inversion of collected data |
US9075158B2 (en) * | 2011-11-22 | 2015-07-07 | Global Microseismic Services, Inc. | Using a drill bit as a seismic source for SET velocity analysis |
US9194967B2 (en) * | 2011-11-22 | 2015-11-24 | Global Ambient Seismic, Inc. | Tomographic imaging of fracture-fault permeability zones during drilling operations |
US9091787B2 (en) * | 2011-11-28 | 2015-07-28 | Westerngeco L.L.C. | Separation of simultaneous source data |
US8664586B2 (en) * | 2011-12-08 | 2014-03-04 | Saudi Arabian Oil Company | Super-resolution formation fluid imaging |
US8937279B2 (en) | 2011-12-08 | 2015-01-20 | Saudi Arabian Oil Company | Super-resolution formation fluid imaging with contrast fluids |
US20130245954A1 (en) * | 2012-03-13 | 2013-09-19 | Seoul National University R&Db Foundation | Seismic imaging system using cosine transform in logarithmic axis |
CN102819038B (zh) * | 2012-07-27 | 2013-07-10 | 中国石油天然气股份有限公司 | 一种碳酸盐岩内油水识别的方法及系统 |
US9823373B2 (en) | 2012-11-08 | 2017-11-21 | Halliburton Energy Services, Inc. | Acoustic telemetry with distributed acoustic sensing system |
AU2013359562B2 (en) * | 2012-12-14 | 2017-03-16 | Landmark Graphics Corporation | Methods and systems for seismic modeling using multiple seismic source types |
US20140236487A1 (en) * | 2013-02-21 | 2014-08-21 | Westerngeco L.L.C. | Methods and computing systems for processing seismic data |
US8633700B1 (en) | 2013-03-05 | 2014-01-21 | Hunt Energy Enterprises, Llc | Sensors for passive electroseismic and seismoelectric surveying |
US8873334B2 (en) * | 2013-03-05 | 2014-10-28 | Hunt Energy Enterprises, L.L.C. | Correlation techniques for passive electroseismic and seismoelectric surveying |
US20140254321A1 (en) * | 2013-03-08 | 2014-09-11 | Chevron U.S.A. Inc. | Methods and systems for determining clathrate presence and saturation using simulated well logs |
US9121965B2 (en) | 2013-03-11 | 2015-09-01 | Saudi Arabian Oil Company | Low frequency passive seismic data acquisition and processing |
US9952340B2 (en) | 2013-03-15 | 2018-04-24 | General Electric Company | Context based geo-seismic object identification |
CA2886798C (en) * | 2013-03-15 | 2022-08-30 | Chevron U.S.A. Inc. | Beam inversion by monte carlo back projection |
US10261215B2 (en) * | 2013-04-02 | 2019-04-16 | Westerngeco L.L.C. | Joint inversion of geophysical attributes |
EP2992360B1 (en) * | 2013-04-29 | 2019-09-18 | Westerngeco LLC | Deghosting with adaptive operators |
EP3063561B1 (en) * | 2013-10-28 | 2019-06-26 | BP Corporation North America Inc. | Two stage seismic velocity model generation |
CA2931805C (en) * | 2013-12-05 | 2022-07-12 | Cgg Services Sa | Methods and systems of detecting a microseismic event using an iterative non-linear inversion algorithm |
NO336847B1 (no) * | 2014-01-03 | 2015-11-16 | Octio As | System og fremgangsmåte for behandling av mikroseismiske data omfattende en bergfysisk modell |
US10345463B2 (en) * | 2014-02-21 | 2019-07-09 | Ion Geophysical Corporation | Methods and systems for using known source events in seismic data processing |
US11169292B2 (en) | 2014-02-24 | 2021-11-09 | Sercel Sas | Combination of controlled and uncontrolled seismic data |
US9852373B2 (en) * | 2014-06-02 | 2017-12-26 | Westerngeco L.L.C. | Properties link for simultaneous joint inversion |
US20150362623A1 (en) * | 2014-06-12 | 2015-12-17 | Westerngeco, Llc | Joint inversion of attributes |
US10386514B2 (en) | 2014-07-24 | 2019-08-20 | Conocophillips Company | Target-oriented process for estimating fracture attributes from seismic data |
EP3209859B1 (en) * | 2014-10-24 | 2021-04-28 | Schlumberger Technology B.V. | Travel-time objective function for full waveform inversion |
PL230219B1 (pl) * | 2014-10-30 | 2018-10-31 | Inst Technik Innowacyjnych Emag | Sposób i układ do analizy struktury geologicznej i względnych zmian naprężeń w warstwach usytuowanych nad wyrobiskami górniczymi kopalni głębinowej |
EP3234659A1 (en) | 2014-12-18 | 2017-10-25 | Exxonmobil Upstream Research Company | Scalable scheduling of parallel iterative seismic jobs |
TWI541528B (zh) * | 2014-12-24 | 2016-07-11 | 財團法人國家實驗研究院 | 多元觸發之方法 |
CN104536047B (zh) * | 2015-01-04 | 2018-08-21 | 奥菲(北京)石油技术有限公司 | 一种微地震在冲击地压监测上的应用方法 |
MX2017009169A (es) * | 2015-01-14 | 2018-04-20 | Statoil Beijing Business Consulting Service Co Ltd | Metodo, sistema y medio no transitorio susceptible de ser leido por computadora de formacion de imagen sismica de una estructura geologica. |
AU2016220145B2 (en) * | 2015-02-18 | 2021-05-20 | Conocophillips Company | Black hole boundary conditions |
US20160266275A1 (en) * | 2015-03-10 | 2016-09-15 | Schlumberger Technology Corporation | Methods for estimating formation parameters |
US10338242B2 (en) | 2015-05-20 | 2019-07-02 | Conocophillips Company | Surface wave tomography using sparse data acquisition |
US10520643B2 (en) * | 2015-10-20 | 2019-12-31 | Pgs Geophysical As | Geophysical inversion using sparse modeling |
US10677948B2 (en) | 2016-03-04 | 2020-06-09 | General Electric Company | Context based bounded hydrocarbon formation identification |
US11454102B2 (en) * | 2016-05-11 | 2022-09-27 | Baker Hughes, LLC | Methods and systems for optimizing a drilling operation based on multiple formation measurements |
WO2017200692A1 (en) * | 2016-05-20 | 2017-11-23 | Exxonmobil Research And Engineering Company | Shape-based geophysical parameter inversion |
CN106094053A (zh) * | 2016-06-07 | 2016-11-09 | 中国石油天然气股份有限公司 | 一种烃源岩生排烃强度计算方法及装置 |
CN109477904B (zh) * | 2016-06-22 | 2020-04-21 | 休斯敦大学系统 | 地震或声波频散的非线性信号比较和高分辨率度量 |
FR3053125B1 (fr) | 2016-06-23 | 2018-07-27 | Storengy | Procede de caracterisation du sous-sol d'une region utilisant des signaux sismiques passifs, et systeme correspondant |
US10067252B2 (en) | 2016-07-25 | 2018-09-04 | Chevron U.S.A. Inc. | Methods and systems for identifying a clathrate deposit |
CA3036934C (en) | 2016-11-18 | 2022-09-13 | Landmark Graphics Corporation | Boundary adjustment of vertical seismic sections of three-dimensional seismic surveys to remove data gaps |
TWI661214B (zh) * | 2016-11-29 | 2019-06-01 | National Applied Research Laboratories | 自動化校正地盤特性之現地型地震預警系統及相關方法 |
CA3043310C (en) * | 2016-12-02 | 2022-07-26 | Ratnanabha SAIN | Method for estimating petrophysical properties for single or multiple scenarios from several spectrally variable seismic and full wavefield inversion products |
GB201700399D0 (en) * | 2017-01-10 | 2017-02-22 | Reeves Wireline Tech Ltd | Improved method of and apparatus for carrying out acoustic well logging |
US10330815B2 (en) | 2017-03-14 | 2019-06-25 | Saudi Arabian Oil Company | EMU impulse antenna for low frequency radio waves using giant dielectric and ferrite materials |
US10416335B2 (en) | 2017-03-14 | 2019-09-17 | Saudi Arabian Oil Company | EMU impulse antenna with controlled directionality and improved impedance matching |
US10317558B2 (en) | 2017-03-14 | 2019-06-11 | Saudi Arabian Oil Company | EMU impulse antenna |
CN107102355B (zh) * | 2017-04-27 | 2017-12-05 | 吉林大学 | 低频重构并行Marchenko成像方法 |
US10705240B2 (en) * | 2017-05-11 | 2020-07-07 | Saudi Arabian Oil Company | Capacitive electromagnetic formation surveillance using passive source |
EP3413098B1 (en) * | 2017-05-31 | 2021-04-28 | Services Pétroliers Schlumberger | Geologic structural model generation |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
US10365393B2 (en) | 2017-11-07 | 2019-07-30 | Saudi Arabian Oil Company | Giant dielectric nanoparticles as high contrast agents for electromagnetic (EM) fluids imaging in an oil reservoir |
CN108169817B (zh) * | 2017-12-15 | 2019-11-15 | 中国石油集团川庆钻探工程有限公司 | 录井地震联合烃指数反演流体识别方法 |
CN108107478B (zh) * | 2017-12-25 | 2019-06-04 | 湖南科技大学 | 大地电磁同步探测与实时反演方法及系统 |
CL2018001759A1 (es) * | 2018-06-27 | 2018-12-07 | Tecnoexplora Spa | Sistema y método de identificación tridimensional de alteraciones geológicas para la prospección minera y determinación de la calidad de la roca. |
US11041971B2 (en) * | 2018-07-02 | 2021-06-22 | Exxonmobil Upstream Research Company | Full wavefield inversion with an image-gather-flatness constraint |
US20200041692A1 (en) | 2018-07-31 | 2020-02-06 | Jan Schmedes | Detecting Fluid Types Using Petrophysical Inversion |
CN109653725B (zh) * | 2018-09-13 | 2022-03-15 | 山东鼎维石油科技有限公司 | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 |
SG11202100461SA (en) | 2018-09-14 | 2021-04-29 | Exxonmobil Upstream Res Co | Reservoir characterization utilizing inversion of resampled seismic data |
WO2020073048A1 (en) * | 2018-10-05 | 2020-04-09 | Es Xplore, L.L.C. | Passive electroseismic surveying |
GB201818594D0 (en) * | 2018-11-14 | 2018-12-26 | Bp Exploration Operating Co Ltd | Passive seismic imaging |
WO2020172019A1 (en) * | 2019-02-20 | 2020-08-27 | Saudi Arabian Oil Company | Method for fast calculation of seismic attributes using artificial intelligence |
WO2021026545A1 (en) | 2019-08-06 | 2021-02-11 | Exxonmobil Upstream Research Company | Petrophysical inversion with machine learning-based geologic priors |
CN110579804B (zh) * | 2019-10-10 | 2020-12-25 | 中国石油化工股份有限公司 | 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法 |
US11493658B2 (en) * | 2019-12-03 | 2022-11-08 | China Petroleum & Chemical Corporation | Computer-implemented method and system employing nonlinear direct prestack seismic inversion for poisson impedance |
CN111190225B (zh) * | 2020-01-13 | 2021-05-18 | 吉林大学 | 盐间页岩油储层岩石物理机制与地震预测方法 |
KR102528547B1 (ko) * | 2020-02-07 | 2023-05-04 | 포항공과대학교 산학협력단 | 조기 지진 감지 장치 및 방법 |
US11662493B2 (en) * | 2020-04-08 | 2023-05-30 | ExxonMobil Technology and Engineering Comany | Methodology for enhancing properties of geophysical data with deep learning networks |
CN112444891B (zh) * | 2020-11-20 | 2023-11-14 | 核工业北京地质研究院 | 一种火山岩型铀多金属矿深部矿体探测方法 |
US11905818B2 (en) * | 2020-12-08 | 2024-02-20 | Halliburton Energy Services, Inc. | Deep learning methods for wellbore pipe inspection |
US11892590B2 (en) | 2021-02-11 | 2024-02-06 | Saudi Arabian Oil Company | Tight reservoir fluid characterization by using sonic slowness well logs |
CN115327620B (zh) * | 2021-05-11 | 2023-07-28 | 中国石油化工股份有限公司 | 微地震联合时差叠加定位方法 |
CN113391351B (zh) * | 2021-06-10 | 2024-02-13 | 中国地质科学院 | 一种基于被动源地震波场分析提取矿集区结构的方法 |
CN113466939B (zh) * | 2021-07-20 | 2024-03-01 | 北京市水电物探研究所 | 微动勘探方法和微动勘探系统 |
US11965996B2 (en) * | 2022-02-28 | 2024-04-23 | Saudi Arabian Oil Company | Generating low frequency models for seismic waveform inversion in formation regions with limited control wells |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000023821A1 (en) * | 1998-10-16 | 2000-04-27 | Strm, Llc | Method for 4d permeability analysis of geologic fluid reservoirs |
CN1882852A (zh) * | 2003-10-24 | 2006-12-20 | 国际壳牌研究有限公司 | 储层区的延时地震勘测 |
US20080002523A1 (en) * | 2006-06-09 | 2008-01-03 | Spectraseis Ag | VH Reservoir Mapping |
US20080015782A1 (en) * | 2004-05-27 | 2008-01-17 | Saltzer Rebecca L | Method For Predicting Lithology And Porosity From Seismic Reflection Data |
WO2008042081A1 (en) * | 2006-09-28 | 2008-04-10 | Exxonmobil Upstream Research Company | Iterative inversion of data from simultaneous geophysical sources |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5200928A (en) | 1991-11-07 | 1993-04-06 | Chevron Research And Technology Company | Method for using mode converted P- to S- wave data to delineate an anomalous geologic structure |
US6128580A (en) | 1998-04-17 | 2000-10-03 | Bp Amoco Corporation | Converted-wave processing in many-layered anisotropic media |
GB2363653B (en) * | 1999-04-02 | 2004-01-14 | Conoco Inc | A method for gravity and magnetic data inversion using vector and tensor data with seismic imaging and geopressure prediction for oil gas and mineral explorat |
CN1271420C (zh) | 2001-01-25 | 2006-08-23 | 维斯特恩格科地震控股有限公司 | 海洋地震数据处理方法和地震测量方法 |
US6473696B1 (en) | 2001-03-13 | 2002-10-29 | Conoco Inc. | Method and process for prediction of subsurface fluid and rock pressures in the earth |
US7219115B2 (en) | 2002-03-28 | 2007-05-15 | Council Of Scientific & Industrial Research | Method for stable and accurate solution for an ill-conditioned system of normal equations associated with a prediction filter whose output is defined as a time advanced version of the input |
US6739165B1 (en) | 2003-02-05 | 2004-05-25 | Kjt Enterprises, Inc. | Combined surface and wellbore electromagnetic measurement system and method for determining formation fluid properties |
GB0319201D0 (en) | 2003-08-15 | 2003-09-17 | Westerngeco Ltd | Multi-component seismic data processing |
EP1718994B1 (en) | 2004-02-24 | 2019-12-18 | KJT Enterprises, Inc. | Combined surface and wellbore electromagnetic method for determining formation fluid properties |
US7486589B2 (en) | 2006-02-09 | 2009-02-03 | Schlumberger Technology Corporation | Methods and apparatus for predicting the hydrocarbon production of a well location |
US7328107B2 (en) | 2006-04-28 | 2008-02-05 | Kjt Enterprises, Inc. | Integrated earth formation evaluation method using controlled source electromagnetic survey data and seismic data |
US7620534B2 (en) | 2006-04-28 | 2009-11-17 | Saudi Aramco | Sound enabling computerized system for real time reservoir model calibration using field surveillance data |
US7340348B2 (en) * | 2006-06-15 | 2008-03-04 | Kjt Enterprises, Inc. | Method for acquiring and interpreting seismoelectric and electroseismic data |
DE602007009938D1 (zh) | 2006-06-30 | 2010-12-02 | Spectraseis Ag | |
US20080075920A1 (en) | 2006-09-21 | 2008-03-27 | Yung-Hung Chih | Aluminum alloy housing structure and method making the same |
US20080162050A1 (en) * | 2006-12-28 | 2008-07-03 | Peter Harris | Method for interpreting seismic data and controlled source electromagnetic data to estimate subsurface reservoir properties |
ATE543109T1 (de) | 2007-01-20 | 2012-02-15 | Spectraseis Ag | Zeitumkehr-reservoir-lokalisierung |
US7724608B2 (en) | 2007-07-20 | 2010-05-25 | Wayne Simon | Passive reflective imaging for visualizing subsurface structures in earth and water |
-
2009
- 2009-12-14 WO PCT/US2009/067913 patent/WO2010080366A1/en active Application Filing
- 2009-12-14 BR BRPI0923960-0A patent/BRPI0923960B1/pt active IP Right Grant
- 2009-12-14 EP EP09837859.9A patent/EP2386065A4/en not_active Withdrawn
- 2009-12-14 CN CN200980154238.7A patent/CN102272631B/zh active Active
- 2009-12-14 AU AU2009335964A patent/AU2009335964B2/en active Active
- 2009-12-14 US US13/140,749 patent/US8923094B2/en active Active
- 2009-12-14 EA EA201170920A patent/EA026650B1/ru not_active IP Right Cessation
- 2009-12-14 CA CA2747426A patent/CA2747426C/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000023821A1 (en) * | 1998-10-16 | 2000-04-27 | Strm, Llc | Method for 4d permeability analysis of geologic fluid reservoirs |
CN1882852A (zh) * | 2003-10-24 | 2006-12-20 | 国际壳牌研究有限公司 | 储层区的延时地震勘测 |
US20080015782A1 (en) * | 2004-05-27 | 2008-01-17 | Saltzer Rebecca L | Method For Predicting Lithology And Porosity From Seismic Reflection Data |
US20080002523A1 (en) * | 2006-06-09 | 2008-01-03 | Spectraseis Ag | VH Reservoir Mapping |
WO2008042081A1 (en) * | 2006-09-28 | 2008-04-10 | Exxonmobil Upstream Research Company | Iterative inversion of data from simultaneous geophysical sources |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107548457A (zh) * | 2015-04-30 | 2018-01-05 | 斯伦贝谢技术有限公司 | 在电磁测量中估计水分饱和度的方法 |
CN106886047A (zh) * | 2017-02-28 | 2017-06-23 | 中国地质大学(北京) | 一种接收函数和重力联合反演地壳厚度和波速比的方法 |
CN111971586A (zh) * | 2018-03-30 | 2020-11-20 | Bp北美公司 | 地震速度衍生的烃指示 |
CN111650669A (zh) * | 2020-05-27 | 2020-09-11 | 吉林大学 | 一种水力压裂震电信号联合处理方法 |
CN111650669B (zh) * | 2020-05-27 | 2022-02-08 | 吉林大学 | 一种水力压裂震电信号联合处理方法 |
CN113049202A (zh) * | 2021-03-08 | 2021-06-29 | 中国地震局工程力学研究所 | 一种加速度积分位移的局部加权回归校正方法及系统 |
CN113219532A (zh) * | 2021-04-26 | 2021-08-06 | 中国石油大学(华东) | 基于低频数据补偿的全波形反演速度建模方法 |
CN113219532B (zh) * | 2021-04-26 | 2022-08-16 | 中国石油大学(华东) | 基于低频数据补偿的全波形反演速度建模方法 |
Also Published As
Publication number | Publication date |
---|---|
BRPI0923960B1 (pt) | 2019-07-30 |
WO2010080366A1 (en) | 2010-07-15 |
CA2747426A1 (en) | 2010-07-15 |
EA201170920A1 (ru) | 2012-02-28 |
EA026650B1 (ru) | 2017-05-31 |
BRPI0923960A2 (pt) | 2016-01-19 |
AU2009335964A1 (en) | 2011-07-28 |
EP2386065A1 (en) | 2011-11-16 |
WO2010080366A8 (en) | 2010-12-16 |
CA2747426C (en) | 2017-05-23 |
CN102272631B (zh) | 2015-03-25 |
EP2386065A4 (en) | 2017-12-06 |
US8923094B2 (en) | 2014-12-30 |
AU2009335964B2 (en) | 2015-05-14 |
US20110255371A1 (en) | 2011-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102272631B (zh) | 用被动地震数据的烃探测 | |
Nakata et al. | Shear wave imaging from traffic noise using seismic interferometry by cross-coherence | |
Veeken | Seismic stratigraphy and depositional facies models | |
Maresh et al. | Seismic attenuation of Atlantic margin basalts: Observations and modeling | |
Lü et al. | The role of rifting in the development of the continental margins of the southwest subbasin, South China Sea: Insights from an OBS experiment | |
Krawczyk et al. | 3-D seismic exploration across the deep geothermal research platform Groß Schönebeck north of Berlin/Germany | |
Kammann et al. | Deep onshore reflection seismic imaging of the chalk group strata using a 45 kg accelerated weight-drop and combined recording systems with dense receiver spacing | |
Miller et al. | Advances in near-surface seismology and ground-penetrating radar | |
Dal Cin et al. | 3D velocity-depth model from multichannel seismic in the Dinaric foredeep of the Gulf of Trieste (Adriatic Sea), at the NE edge of Adria plate | |
Sangster | Dunedin rock and roll: 3D seismic wave velocity modelling for seismic hazard analysis. | |
Mori et al. | Characteristics of isolated hybrid tremor (HBT) during a calm activity period at Aso Volcano | |
Ofoedu | Seismic data analysis of an onshore-offshore transition zone at Ramså Basin, Norway–a modelling study | |
Liberty et al. | Development of land streamer technologies for estimating shear wave velocities in an urban environment | |
Jardin et al. | Depth seismic imaging using reflection and first arrival traveltime tomography: Application to a deep profile across the Northern Emirates Foothills | |
Erichsen | Estimation of Timeshifts and Velocity Changes from 4D Seismic Analysis: A Case Study from the Norne Field | |
Sun | Near Surface High Resolution Seismic Imaging of Glacial Deposits in Sweden at the Heby and Marsta Sites | |
Sæther | Seismic Forward Modeling of Deltaic Sequences | |
Nhantumbo | Application of seismic attributes correlated with logs for reservoir characterization | |
Eide | Influence of frozen ground on seismic data | |
Nakata | Seismic interferometry for temporal monitoring | |
ISLAM et al. | IMPROVEMENT OF QUALITATIVE INTERPRETATION USING POST-STACK MODEL-BASED DETERMINISTIC INVERSION OF 3D KAREWA DATASET, TARANAKI BASIN, OFFSHORE NEW ZEALAND | |
Ata et al. | Exploiting PS converted waves: Part 2, application to a fractured reservoir | |
Tamiru | Lithological relevance of near-surface seismic velocity model | |
Chen et al. | Fast estimation of seismograms for 2-D and 3-D heterogeneous media | |
Schuelke | SEG Technical Program Expanded Abstracts 2013 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |