CN110998369A - 检测地下结构 - Google Patents
检测地下结构 Download PDFInfo
- Publication number
- CN110998369A CN110998369A CN201880050486.6A CN201880050486A CN110998369A CN 110998369 A CN110998369 A CN 110998369A CN 201880050486 A CN201880050486 A CN 201880050486A CN 110998369 A CN110998369 A CN 110998369A
- Authority
- CN
- China
- Prior art keywords
- acoustic
- reflected acoustic
- depth
- geological
- subsurface
- 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
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 31
- 230000003068 static effect Effects 0.000 claims description 74
- 238000012937 correction Methods 0.000 claims description 65
- 239000000835 fiber Substances 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 54
- 238000003384 imaging method Methods 0.000 claims description 48
- 230000002123 temporal effect Effects 0.000 claims description 20
- 238000013508 migration Methods 0.000 claims description 15
- 230000005012 migration Effects 0.000 claims description 15
- 238000005553 drilling Methods 0.000 claims description 11
- 238000000926 separation method Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000002238 attenuated effect Effects 0.000 claims description 6
- 238000005755 formation reaction Methods 0.000 description 17
- 230000015654 memory Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000003325 tomography Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000013307 optical fiber Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 230000001902 propagating effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000001881 scanning electron acoustic microscopy Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 229910000278 bentonite Inorganic materials 0.000 description 1
- 239000000440 bentonite Substances 0.000 description 1
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000005297 pyrex Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 102000030938 small GTPase Human genes 0.000 description 1
- 108060007624 small GTPase Proteins 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
- E21B47/14—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling using acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/003—Seismic data acquisition in general, e.g. survey design
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/42—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators in one well and receivers elsewhere or vice versa
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/46—Data acquisition
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/09—Locating or determining the position of objects in boreholes or wells, e.g. the position of an extending arm; Identifying the free or blocked portions of pipes
- E21B47/095—Locating or determining the position of objects in boreholes or wells, e.g. the position of an extending arm; Identifying the free or blocked portions of pipes by detecting an acoustic anomalies, e.g. using mud-pressure pulses
-
- 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
- G01V1/284—Application of the shear wave component and/or several components of the seismic signal
-
- 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
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- General Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
地质勘测系统包括在地表的目标区域上以一定间隔间隔开的多个声源。多个声传感器中的每一个声传感器被配置为产生地震能量波。该系统还包括定位在形成在地质地层中的多个井眼中的多个声传感器,其中井眼的深度足以到达地质基准。该系统还包括控制系统,该控制系统可通信地耦接到多个声传感器,并且被配置为执行包括如下项的操作:从多个声传感器接收与由多个声源产生的并由多个声传感器接收的反射的声信号相关联的数据;基于所接收的数据,确定地质地层的地下拓扑;以及基于所确定的地下拓扑产生地质地层的地下模型。
Description
优先权声明
本申请要求于2017年6月1日提交的题为“Detecting Sub-TerraneanStructures”的美国临时专利申请No.62/513,822的优先权,其全部内容通过引用并入本文中。
技术领域
本说明书涉及检测地下结构,更具体地,涉及通过地震数据获取和处理来检测低起伏地下结构。
背景技术
近地表的复杂性(例如,恶劣地形、沙丘、干枯的河床和喀斯特地貌)可能严重损坏在某些环境中获取的地震数据。通常可以通过引起垂直旅行时(travel time)变化并将记录的地震道(trace)移位到参考水平的时间成像来对这种复杂性进行考虑。所施加的时移对于每个道都是恒定的,称为静态校正。通过使用近地表深度速度模型的深度成像还可以更准确地处理复杂的近地表部分。可以利用折射层析成像或其他类似技术根据地表地震数据对既可以用于对静态校正的计算,也可以用于深度成像的模型进行估计。然而,这些方法通常不能处理某些环境的典型的所有近地表复杂性,特别是地震波速度随深度的反演(inversion)。
发明内容
在根据本公开的总的实现方式中,地质勘测系统包括在地表的目标区域上以一定间隔间隔开的多个声源。多个声传感器中的每个声传感器被配置为产生地震能量波。该系统还包括定位在地质地层中形成的多个井眼中的多个声传感器,其中井眼的深度足以到达地质基准。系统还包括控制系统,该控制系统能够通信地耦接到多个声传感器,并且被配置为执行操作,操作包括:从多个声传感器接收与由多个声源产生并由多个声传感器接收的反射的声信号相关联的数据;基于所接收的数据,确定地质地层的地下拓扑;以及基于所确定的地下拓扑生成地质地层的地下模型。
在可与总的实现方式组合的一方面中,多个井眼以与地震能量波的期望样本波长相对应的规则间隔形成。
在可与任何前述方面组合的另一方面中,每个声传感器包括光纤声传感器。
在可与任何前述方面组合的另一方面中,每个光纤声传感器是光纤往返组件。
在可与任何前述方面组合的另一方面中,所述多个光纤往返组件利用单根光纤电缆耦接在一起。
在可与任何前述方面组合的另一方面中,确定地下拓扑的操作包括,利用控制系统以时间成像模型处理与反射的声信号相关联的数据;以及利用控制系统以深度成像模型处理与反射的声信号相关联的数据。
可与任何前述方面组合的另一方面还包括,估计与反射的声信号相关联的数据的静态校正。
可与任何前述方面组合的另一方面还包括,将估计的静态校正划分为短波长和长波长。
可与任何前述方面组合的另一方面还包括,从与反射的声信号相关联的数据的估计的静态校正中衰减噪声。
可与任何前述方面组合的另一方面还包括,基于从多个井眼测量的垂直时移,将与反射的声信号相关联的数据的估计的静态校正移位到多个预定义的中间深度水平。
可与任何前述方面组合的另一方面还包括,将来自多个声传感器中的每个声传感器的共点道集叠加以生成多个超级点道集,每个超级点道集具有改进的信噪比。
可与任何前述方面组合的另一方面还包括,在多个预定义的中间深度水平中的每个中间深度水平处,将超级点道集排序为共深度点,应用短波长静态校正,以及估计正常时差速度并应用正常时差校正和叠加。
可与任何前述方面组合的另一方面还包括,对地质基准应用长波长静态位移。
可与任何前述方面组合的另一方面还包括,将从多个预定义的中间深度水平生成的多个叠加叠加成最终叠加。
可与任何前述方面组合的另一方面还包括,执行叠后时间偏移。
可与任何前述方面组合的另一方面还包括,对与反射的声信号相关联的数据的经噪声衰减的估计的静态校正执行上下分离。
可与任何前述方面组合的另一方面还包括,通过内插反射的声信号的测量的速度来在地表和地质基准之间生成近地表速度模型。
可与任何前述方面组合的另一方面还包括,在低于地质基准的深度处生成深速度模型。
可与任何前述方面组合的另一方面还包括,基于包括近地表速度模型的整体速度模型从地表开始叠前深度偏移。
在可与任何前述方面组合的另一方面中,多个声源在地表的目标区域上以规则且重复的间隔间隔开,多个声源包括定位在地表上的源铺设区。
在可与任何前述方面组合的另一方面中,规则且重复的间隔在100米至1000米之间。
在可与任何前述方面组合的另一方面中,地质地层包括复杂的地质结构和低起伏的地质结构。
在另一总的实现方式中,一种方法包括,将多个声传感器定位到多个井眼中;在地表上或地表附近定位多个声源;通过多个声源发射定向到地下地质地层中的声信号;通过多个声传感器从地下地质地层接收反射的声信号;基于通过多个声传感器接收反射的声信号来确定地质地层的地下拓扑;以及基于所确定的拓扑来创建地质地层的地下模型。
可与总的实现方式组合的一方面还包括,在地质地层中钻多个井眼,所述井眼的至少一部分具有足以到达地质基准的深度。
可与任何前述方面组合的另一方面还包括,利用能够通信地耦接到声传感器的控制系统以时间成像模型处理反射的声信号。
可与任何前述方面组合的另一方面还包括,利用控制系统以深度成像模型处理反射的声信号。
可与任何前述方面组合的另一方面还包括,估计反射的声信号的静态校正。
可与任何前述方面组合的另一方面还包括,将估计的静态校正划分为短波长和长波长。
可与任何前述方面组合的另一方面还包括,从反射的声信号的估计的静态校正中衰减噪声。
可与任何前述方面组合的另一方面还包括,基于从多个井眼测量的垂直时移,将反射的声信号的估计的静态校正移位到多个预定义的中间深度水平。
可与任何前述方面组合的另一方面还包括,将来自多个声传感器中的每个声传感器的共点道集叠加以生成多个超级点道集,每个超级点道集具有改进的信噪比。
可与任何前述方面组合的另一方面还包括,在多个预定义的中间深度水平中的每个中间深度水平处,将超级点道集排序为共深度点,应用短波长静态校正,以及估计正常时差速度并应用正常时差校正和叠加。
可与任何前述方面组合的另一方面还包括,对地质基准应用长波长静态位移。
可与任何前述方面组合的另一方面还包括,将从多个预定义的中间深度水平生成的多个叠加叠加成最终叠加。
可与任何前述方面组合的另一方面还包括,执行叠后时间偏移。
可与任何前述方面组合的另一方面还包括,对反射的声信号的经噪声衰减的估计的静态校正执行上下分离。
可与任何前述方面组合的另一方面还包括,通过内插反射的声信号的测量的速度来在地表和地质基准之间生成近地表速度模型。
可与任何前述方面组合的另一方面还包括,在低于地质基准的深度处生成深速度模型。
可与任何前述方面组合的另一方面还包括,基于包括近地表速度模型的整体速度模型从地表开始叠前深度偏移。
在可与任何前述方面组合的一方面中,在地表上或地表附近定位多个声源包括,在地表的目标区域上以规则且重复的间隔定位多个声源,所述多个声源包括定位在地表上的源铺设区。
在可与任何前述方面组合的一方面中,规则且重复的间隔在100米至1000米之间。
在另一总的实现方式中,一种用于生成地下模型的计算机实现的方法包括,利用硬件处理器识别与由多个声源生成并由多个声传感器接收的反射的声信号相关联的数据;利用所述硬件处理器,基于所识别的数据来确定地质地层的地下拓扑;以及利用所述硬件处理器,基于所确定的地下拓扑生成地质地层的地下模型。
在与总的实现方式组合的一方面中,确定地下拓扑包括,利用所述硬件处理器以时间成像模型处理与反射的声信号相关联的数据;以及利用所述硬件处理器以深度成像模型处理与反射的声信号相关联的数据。
在可与任何前述方面组合的一方面中,以时间成像模型处理与反射的声信号相关联的数据包括,估计与反射的声信号相关联的数据的静态校正;将估计的静态校正划分为短波长和长波长;从与反射的声信号相关联的数据的估计的静态校正中衰减噪声;基于从多个井眼测量的垂直时移,将与反射的声信号相关联的数据的估计的静态校正移位到多个预定义的中间深度水平;将来自多个声传感器中的每个声传感器的共点道集叠加以生成多个超级点道集,其中,每个超级点道集具有改进的信噪比。
在可与任何前述方面组合的一方面中,以时间成像模型处理与反射的声信号相关联的数据还包括,在多个预定义的中间深度水平中的每个中间深度水平处,执行以下操作,将超级点道集排序为共深度点,应用短波长静态校正,并且估计正常时差速度并应用正常时差校正和叠加;对地质基准应用长波长静态位移;将从多个预定义的中间深度水平生成的多个叠加叠加成最终叠加;以及执行叠后时间偏移。
在可与任何前述方面组合的一方面中,以深度成像模型处理与反射的声信号相关联的数据包括,对与反射的声信号相关联的数据的经噪声衰减的估计的静态校正执行上下分离;通过内插反射的声信号的测量的速度来在地表和地质基准之间生成近地表速度模型;在低于地质基准的深度处生成深速度模型;以及基于包括近地表速度模型的整体速度模型,从地表开始叠前深度偏移。
根据本公开的地震数据获取系统的实现方式可以包括以下特征中的一个、一些或全部。例如,实现方式可以促进对近地表速度的直接测量,以适当地对长波长近地表速度变化进行采样并将该测量内插到低起伏目标的集中区域中的地震网格中,在这些集中区域中近地表相关的不确定性的减少起到重要作用。
可以以计算机实现的方法、硬件计算系统和有形的计算机可读介质实现根据本公开的实现方式。例如,一个或多个计算机的系统可以被配置为通过软件、固件、硬件或者软件、固件或硬件的组合来执行特定动作,这些软件、固件、硬件或者软件、固件或硬件的组合安装在系统上,并在操作时使得系统执行动作。一个或多个计算机程序可以被配置为通过包括指令来执行特定动作,其中所述指令在被数据处理装置执行时使该装置执行动作。
在附图和描述中阐述了本公开中所述的主题的一个或多个实现方式的细节。通过说明书、附图和权利要求书,所述主题的其他特征、方面和优点将变得显而易见。
附图说明
图1A至图1C是根据本公开的地震数据获取和处理系统的示例实施例的示意图。
图2至图5是示出根据本公开的地震数据获取和处理系统的输出的合成模型的图。
图6示出了根据本公开的用于生成低起伏地下结构的地震图像的示例方法。
图7示出了根据本公开的地震数据获取和处理系统的时间成像处理流程的示例实现方式。
图8示出了根据本公开的地震数据获取和处理系统的深度成像处理流程的示例实现方式。
图9是示例光纤往返组件(turnaround assembly)的示意图。
图10A示出了分布式声感测(DAS)系统的实例实现方式的示意图。
图10B示出了在多个井中用铺设的声源同时获取DAS记录的示例现场几何形状的示意图。
图11A至图11C是示出针对包括声源和声传感器的不同井眼而记录的波形的图。
图12A示出了使用常规DAS系统比较相邻井的拾取(pick)时间和深度的图。
图12B示出了使用DAS系统和可控震源声源比较相邻井的拾取时间和深度的图。
图13示出了图示合成的和真实的共检波点道集(common-receiver gather)的比较的图。
图14示出了图示利用地表地震检波器和DAS系统获得的叠前共检波点道集之间的比较的若干个图。
图15示出了图示利用DAS系统和常规地震系统获得的图像之间的比较的图。
图16示出了图示针对弹性建模的垂直分量、水平分量和用于DAS系统的现场点道集的合成数据和现场数据之间的比较的图。
图17是根据本公开的地震数据获取和处理系统的示例控制系统的示意图。
具体实施方式
本公开描述了检测和确定地下结构(例如,低起伏烃储层结构)的地震数据获取和处理系统、方法和计算机可读介质的实现方式。在一些方面中,地震数据获取和处理系统包括定位在地表上的一个或多个声源和定位在从地表到一个或多个地下区域形成的井眼中的一个或多个声传感器。在一些方面中,声传感器用于或包括井眼内的分布式声感测(DAS)系统,井眼可以以指定的间隔在感兴趣的区域上形成。在一些方面中,井眼的深度可以足以(并且被选择为)到达特定参考地震基准(reference seismic datum),该特定参考地震基准位于低于地表的深度和低于例如任何复杂的近地表地层的深度处。
在示例实现方式中,利用声源在地表处产生一个或多个地震信号。例如,可以利用源以相对细小的间隔在地表位置处产生信号,并且同时在所有(或大多数)井眼中对该信号进行记录。沿井眼的垂直声旅行时可以用于估计近地表速度模型,以及对井眼附近的参考基准进行静态校正。在相邻井眼之间内插速度和静态校正,以产生用于感兴趣区域的近地表深度速度模型和长波长静态模型。
在一些方面中,使用处理流程对在井眼中记录的地震数据进行处理,以获得深度域和时域中的地下图像。例如,在一些方面中,时间处理流程包括对共检波点域(例如,从多个源接收地震信号的检波器)中的数据进行噪声去除和衰减。时间处理流程还可以包括在若干个深度水平处对所检测的地震数据进行分箱(binning),以及在每个深度水平处对地震数据进行速度估计和叠加。在一些方面中,时间处理流程还可以包括所有初始叠加的最终位移和叠加。
深度处理流程可以在对所检测的地震数据进行噪声衰减和短波长静态校正之后由地震数据获取和处理系统实现。在深度处理流程期间,会发生上行/下行波场分离,其中上行波场用作从平滑拓扑水平开始进行叠前深度偏移的输入。深度上的速度模型可以生成为从井眼的较浅部分(例如,井眼)获得的近地表模型的组合,而较深的深度速度模型可以利用深度模型构建技术(例如,层析成像或其他方法)获得。
因此,地震数据获取和处理系统的所示示例实现方式可以通过内插由声传感器生成的地震数据的井眼测量来构建近地表速度模型。地震数据获取和处理系统还可以利用来自定位在井眼中的声传感器的地震数据来生成地下的一个或多个图像。
图1A至图1C是地震数据获取和处理系统100的示例实施例的示意图。图1A示出了系统100的等距图,图1B示出了系统100的平面图,图1C示出了系统100的侧视图或深度图。如图所示,地震数据获取和处理系统包括由感兴趣地带(或感兴趣区域)104内的地表102形成的多个井眼106。多个声源108(例如,地震振动器、振动锤、气枪、等离子声源、重击车或炸药)定位在感兴趣区域104内的地表102上。尽管每个井眼106和每个声源108被示出为源于感兴趣区域104内或定位在感兴趣区域104内(在地表102上),但是井眼106中的一个或多个井眼可以由感兴趣区域104外(或者在感兴趣区域104外低于地表102的深度处延伸)的地表102形成。此外,一个或多个声源108可以定位在感兴趣区域104外部的地表102上或附近。
在图1A至图1C所示的示例系统100中,声传感器122(图1C中所示)定位在每个井眼106中。在该示例中,每个声传感器122包括光纤地震感测电缆,其通过电缆的弯曲来感测由于来自一个或多个声源108的声波132而引起的声学声音。每个井眼106内的光纤地震感测电缆可以通过近地表电缆124(例如,位于近地表地沟中的光纤电缆)耦接在一起,并且连接到控制系统150(稍后更详细地说明)。在备选实现方式中,声传感器122可以包括一个或多个地震检波器,其定位在井眼106内并且通过近地表电缆124耦接在一起。
在一些方面中,每个声传感器122可以是如图9所示的光纤往返组件900。例如,光纤往返组件900可以包括延伸到帽罩904(例如,Pyrex帽罩)中并在帽罩904中形成回路的光纤电缆902。例如,光纤往返组件900包括还延伸穿过多个其他组件900的连续光纤电缆902。因此,在系统100中使用多个光纤往返组件900可以允许同时对地震数据进行记录(使用一个询问器),从而增加生产率并降低成本。在一些方面中,组件900可以被预先制造,并且具有相对较小的直径以及由帽盖904很好地保护,从而解决或帮助解决维持光纤的最小弯曲半径的挑战。这种限制通常导致需要大直径的井眼和特殊的往返组件,特殊的往返组件通常是系统中的薄弱点。
此外,在包括通过多个井眼安装的连续光纤电缆902的系统100中,链接这种井眼的水平光纤电缆部分通常被埋设在浅(例如,1m)沟槽中,以用于保护和更好的耦接。因此,可以使用利用电缆犁沟技术(cable ploughing technology)的自动挖沟和安装来降低成本和安装时间。通过记录在地表处埋设的光纤电缆的水平段中的地震信号,可以获取适合于近地表相关研究的地震数据。此外,连续的光纤电缆可以允许以相对密集的声传感器间距输出数据。这样,可以实现对面波(ground-roll)进行良好的采样记录,从而能够在速度频率面板上拾取色散曲线(dispersion curve)和其他近地表模式,将它们反演为局部一维模型,并在不同的位置连接此类模型。同时,可以记录来自浅界面的反射,从而能够进行类似于常规地震的正常时差(normal-moveout)速度分析和成像。也可以用地表光纤电缆记录折射波,以提供用于全波形反演、初至波层析成像(first-arrival tomography)和其他基于折射的反演技术的输入。
此外,使用连续的光纤电缆可以允许利用使用相同的源激发的单个测量光纤进行多尺度地震勘测。在常规获取系统中,必须对地震检波器采样和一组地震检波器的数量进行提前决策。这些参数影响数据质量、不同记录事件的强度以及地震数据用于解析不同地下目标的进一步可用性。例如,对于较浅的区域或近地表区域,需要使用较小的检波器之间的间隔和较小的检波器组来记录地震波场的细微特点。对于较深的目标,通常使用大型阵列进行更稀疏的获取,目的是衰减地表相关噪声并增强周目标反射(week targetreflection)。在DAS获取中,感测电缆始终相同,而所有获取的参数均在记录盒(询问器)中设置。这允许用户使用单个记录来产生不同的地震数据集。例如,通过改变输出采样间隔和标距长度(gauge-length)(G)(将反向散射光平均化以形成输出地震信号的光纤电缆长度),用户可以获得此类地震数据集如下:(1)以较小的G和超稠密的间距进行的“浅”获取,用于表征对陆地地震至关重要的近地表;以及(2)以较大的G和中等间距进行的“深”获取,这将替代针对深反射的常规数据,并且对于弱信号需要良好的信噪比。
在其他方面中,光纤电缆902可以是全向电缆。例如,某些光纤电缆具有很强的方向性,这意味着它们对沿光纤电缆的信号/应变最敏感,而对垂直于光纤电缆的信号/应变不敏感。因此,平行和垂直方向之间的灵敏度会逐渐降低。尽管垂直井眼中的光纤电缆对垂直传播的P波反射敏感,但水平电缆却不记录此类信号,从而限制电缆的地表部分用于例如P波层析成像或速度分析。为了减轻这种情况,需要使用全向光纤电缆,这样的光纤电缆对所有方向的信号/应变都敏感(或者至少对与平行于光纤电缆的方向成较大角度的信号具有增加的敏感度)。
如该示例中所示,井眼106和声源108分别形成并定位在从地表102处开始或在地表102处的重复网格阵列中。例如,每个井眼106在第一方向上与相邻的井眼106隔开距离110,同时每个井眼106在第二方向上与相邻的井眼106隔开距离112。在一些方面中,距离110和112可以相等或实质上相等(例如,在5%至10%内)。在一些方面中,距离110和112可以在几米和1000米(m)之间。在一些方面中,距离110和112可以取决于例如井眼106的相对深度。例如,对于在感兴趣区域104内的长达100m的井眼106,距离110和112可以在100m和300m之间。对于在感兴趣区域104内的长达300m的井眼106,距离110和112可以在300m和600m之间。对于在感兴趣区域104内的超过300m的井眼106,距离110和112可以高达1000m。
在一些示例中,如图1A至图1C所示,井眼106或声源108或两者可以不形成在或不定位在重复网格阵列中。例如,井眼106可以在感兴趣区域104中更随机地从地表102开始形成,或者也可以在感兴趣区域104内以不同的(例如,非正方形的)重复图案形成。此外,源108可以在感兴趣区域104中更随机地定位在地表102上,或者也可以在感兴趣区域104内以不同的(例如,非正方形的)重复图案定位。如图1B所示,每个声源108可以在第一维度上与相邻的声源108隔开距离114。此外,每个源108在第二方向上与相邻的源108隔开距离116。在一些方面中,距离114和116可以相等或实质上相等(例如,在5%至10%内)。在一些方面中,距离114和116可以在几米和1000m之间。在一些方面中,距离114和116可以取决于例如井眼106的相对深度。
在图1A至图1C的示例系统100中,感兴趣区域104包括地表102的一部分,并且包括或限定其中定位有声源108的“源铺设区(carpet)”。在一些方面中,该源铺设区覆盖或延伸以覆盖地表102中的所有井眼106从其形成的区域。在该系统100中,声源108的分布(以及源108的数量)可以提供对波场的良好采样和目标土层处的高褶曲(fold)。在一些方面中,可以存在多个声源的组,以增加信噪比。
如图1C所示,井眼106被形成为使得每个井眼106的底部延伸至低于地震参考基准126的深度。在该示例中,地震参考基准126可以比地表102深大约50m至100m,但是在备选实现方式中可以更浅或更深。此外,在一些方面中,地震参考基准126可以沿着特定的极性方向(例如,东西向)取向。例如,地震参考基准126定义一参考的(例如,任意的)平坦表面,对其进行校正并且假定源和检波器定位在其上以最小化拓扑和低速近地表区域的影响。在一些方面中,如图1C所示,地震参考基准126被限定在低于地表的深度处。在一些方面中(例如,基于海洋的地震数据获取和处理系统),地震参考基准可以在海平面处。如图1C进一步所示,表面层128驻留在地表之下,并且其深度比包括低起伏结构在内的复杂近地表结构130浅。
在操作中,可以通过形成井眼106(例如,通过钻井)并如前所述地以网格图案定位声源108来实现系统100。声传感器122(例如,光纤声传感器)定位在井眼106中。控制系统150可以操作声源108(通过控制电缆120)从地表102开始生成一个或多个地震能量波132,地震能量波132通过表面层128并进入复杂近地表结构130,并且通过该复杂近地表结构130以到达井眼106内的各种深度处的一个或多个声传感器122。在一些示例中,地震能量132的波长可以是长波长(例如,大约2千米(km))。在这种示例中,井眼可以以1km的间隔间隔开,使得每个空间波长至少有两个井眼106。这允许由声传感器122进行的采样适当地对近地表模型和静校正(statics)进行采样,以实现在井眼106之间的可靠内插。井眼106的最小深度可以被选择为足以到达位于比所示的近地表复杂结构低的深度处的地震参考基准126。
在系统100的操作期间,控制系统150可以在所有深度水平处的所有井眼106中同时记录地震信号,从而利用声传感器122获取(通过地下区域的地震能量波132的)近地表速度以及地震勘测。系统100因此确保了声传感器122沿着井眼106的网格对感兴趣的地表地震反射器具有连续的角度/偏移距覆盖。在一些情况下,可以允许较深的井眼106减小它们之间的水平距离(例如,距离110和112),这在不复杂的浅钻井的情况下会是优选的。在复杂钻井以形成井眼106的情况下,较浅的井眼会是优选的,但要以细小的空间间隔间隔开。常规的声源(例如,可控震源技术源)可以用于从深目标土层提供可靠的地震信号132。
在一些方面中,所有这些都是控制系统150的一部分,可以位于一个或多个井眼106附近或与一个或多个井眼106相邻,并且能够与控制系统150(或另一计算系统)中的远离井眼106的另一部分通信(通过无线或有线通信)通信。因此,控制系统150可以表示位于井眼106处或远离井眼106(例如,在数据处理实验室中)的计算系统或系统。
图2至图5是示出了根据本公开的地震数据获取和处理系统的输出的合成模型的图。例如,图2示出了基于低于地表的深度的二维长波长静态模型200。图3示出了真实的低起伏结构的二维图形表示300。图4示出了基于低于地表的深度的二维井眼内插静态模型400。图5示出了估计的低起伏结构的二维图形表示500。为了说明井眼网格如何通过解析长波长静校正并提供精确的近地表模型来辅助地震勘探,使用SEAM II Arid模型(Oristaglio,2015年)模拟了合成示例。考虑在10km×10km的感兴趣区域中的两个低起伏结构(如图3所示)。图2示出了假设地震基准位于100m深度处,使用SEAM干旱速度模型计算的真实长波长静校正。最大的结构不确定性来自长波长静校正方面的误差,这些误差会使得所勘探的结构的几何形状和体积失真。获取1km×1km网格上的一小片井眼需要81口井(如图4所示)。假设可以从地震中估计短波长静校正,则可以将长波长静校正从井眼内插到整个体积中,并获得可靠的静校正以用于整个勘测。图5证实了具有基于井眼的静校正的10米和20米低起伏结构的可靠映射。考虑到与低起伏结构相关联的更大的勘探风险、以及钻井勘探井的巨大成本,这种靶向的井眼网格可以成为地球物理工具箱中的有用工具。基于DAS的井眼(稍后描述)不仅可以为时间成像提供直接且可靠的静态估计,而且还可以为深度成像提供,以避免在具有复杂的近地表条件的区域中经常遇到的深度闭合差(mis-ties)。
图6示出了用于生成低起伏地下结构的地震图像的示例方法600。在一些方面中,方法600可以由或利用图1A至图1C所示的系统100的至少一部分实现。方法600可以在步骤602开始,其包括将多个声传感器定位在多个井眼中。方法600可以继续到步骤604,其包括在地表上或附近定位多个声源。方法600可以继续到步骤606,其包括通过多个声源发射定向到地下地质地层中的声信号。方法600可以继续到步骤608,其包括通过多个声传感器从地下地质地层接收反射的声信号。方法600可以继续到步骤610,其包括基于由多个声传感器接收反射的声信号来确定地质地层的地下拓扑(subsurface topology)。方法600可以继续到步骤612,其包括基于所确定的拓扑来创建地质地层的地下模型。
在一些方面中,步骤610可以包括实现时间成像模型和深度成像模型。图7示出了步骤610的用于实现时间成像模型(例如,通过控制系统150)的示例子方法。所示出的用于实现时间成像模型的方法可以在步骤702处开始,其包括估计反射的声信号的静态校正。子方法可以继续到步骤704,其包括将估计的静态校正划分为短波长和长波长。方法700可以继续到步骤706,其包括从反射的声信号的估计的静态校正中衰减噪声。子方法可以继续到步骤708,其包括基于从多个井眼测量的垂直时移将反射的声信号的估计的静态校正移位到多个预定义的中间深度水平。该子方法可以继续到步骤710,其包括将来自多个声传感器中的每个声传感器的共点道集叠加以生成多个超级点道集,每个超级点道集具有改进的信噪比。该子方法可以继续到步骤712,其包括针对多个预定义的中间深度水平中的每个中间深度水平执行以下操作:将超级点道集排序为共深度点,应用短波长静态校正,并且估计正常时差速度并应用正常时差校正和叠加。子方法可以继续到步骤714,其包括对地质基准应用长波长静态位移。子方法可以继续到步骤716,其包括将从多个预定义的中间深度水平生成的多个叠加叠加成最终叠加。子方法可以继续到步骤718,其包括执行叠后时间偏移。
图8示出了从步骤706开始的用于实现步骤610中的深度成像模型(例如,通过控制系统150)的扩展。从步骤706开始的子方法可以在步骤720处开始,其包括对反射的声信号的经噪声衰减的估计的静态校正进行上下分离。从步骤706开始的子方法可以继续到步骤722,其包括通过内插测量的反射的声信号的速度来在地表和地质基准之间生成近地表速度模型。从步骤706开始的子方法可以继续到步骤724,其包括在低于地质基准的深度处生成深速度模型。从步骤706开始的子方法可以继续到步骤726,其包括基于包括近地表速度模型的整体速度模型从地表开始叠前深度偏移。
本公开描述了一种集成的陆地地震成像系统,提出了一种在浅井眼网格(“智能DAS井眼”)中使用分布式声感测(DAS)的系统。该系统允许以经济高效的方式同时进行陆地近地表特征和地下成像。使用该系统,由于可以同时记录所有深度水平,因此可以在任何时候利用单个炮点获取井眼速度勘测。智能DAS井眼的密集网格可以准确地表征长波长静校正,并减少低起伏结构勘探的不确定性。此外,用单根光纤电缆连接多个井眼可以通过埋入垂直阵列实现对地震勘测的有效获取,这可以提供比地表地震更深的地下的超级图像,但由于它们绕过了大部分近地表复杂性,因此准确度更高。智能DAS井眼可以提供按需勘测,这种按需勘测同时表征近地表并对油气目标进行深反射成像,以进行勘探、开发或储层监测。
如所描述的,本公开的实现方式可以包括地震获取方案,该地震获取方案具有比地表地震少得多的通道,其通过将传感器埋入地下来解决数据质量和近地表挑战两者。在该系统的特定实现方式中,一个组件是智能分布式声感测(DAS)井眼,该浅井眼(深50m至500m)装有成本有效的DAS光纤作为地震传感器。
智能DAS井眼可以提供对浅层速度变化的直接测量,并减少由间接方法(例如,折射层析成像)引起的表征不佳的近地表模型造成的假结构的创建。使用通过单根光纤连接的智能DAS井眼的网络(例如,图1C中所示),可以允许所提出的光纤系统利用埋入的垂直DAS阵列执行新的地震获取。如图1C所示,通过在DAS井眼之间布置连接光纤电缆,以相对较小的增量成本实现这种获取。与通过常规水平地震检波器记录的情况类似,埋设的连接电缆也记录有用的地表地震数据。如果使用了全向DAS电缆(如特定实现方式中所述),还记录类似于通过常规垂直地震检波器检测到的地震数据。所得到的地球物理勘测可以用于低起伏结构的勘探、详细的储层地球物理或永久性监测。
直接测量可以提供对近地表特性的更可靠和准确的表征。过去,浅井眼(称为井眼)用于产生近地表速度剖面(profile),以计算用于减少近地表对地震深度图像的影响所需的静态校正。常规的地震井眼需要沿着井眼将单个地震检波器向上移动,并且使用振动锤或重物坠落源来获得初至波(first breaks)。数据质量通常由于以下若干个原因而值得怀疑。首先,在裸眼井中使用壁锁地震检波器获取数据导致检波器耦接变化。需要在每个检波器水平处重复炮点(shot)还导致源签名变化。由于人工操作和较大深度,难以实现准确的深度控制;需要多次激发弱的源才能实现良好的初至波。在操作上,井眼工作队必须在钻井期间连续在现场,以在井眼完成后就进入井眼并进行勘测,以避免可能的井眼塌陷。这使得井眼测量困难且造价高,从而限制了其使用。
所提出的智能DAS井眼设置可以使用成本相对较低的光纤DAS电缆来获取井眼地震数据。DAS电缆在钻井后被立即部署在井眼中,由于成本低廉,其可以永久留在原地。每米DAS电缆都可以充当地震传感器,从而实现从顶部到底部覆盖整个井眼长度的多层阵列。低成本井眼的网格允许直接估计对低起伏结构进行可靠成像所需的长波长静校正。
如可以在系统100的特定实现方式中使用的那样,使用一次性的DAS传感器可以允许利用埋入的检波器来记录更高质量的地震反射数据。在智能DAS井眼的情况下,类似于地震陆上勘测,可以使用整个垂直天线获得反射记录。因此,智能DAS井眼系统允许同时进行近地表特征和目标深层成像这两者。
在沙特阿拉伯已经对智能DAS井眼进行了现场试验。安装了智能DAS井眼阵列,该阵列包括二维井眼行列线,井眼使用穿过多个井的单根连续光纤电缆记录反射勘测。接下来,评估DAS井眼的数据质量,并将其与使用常规夹紧式(clamped)地震检波器的标准井眼获取进行比较。该测试表明:使用垂直DAS阵列进行的二维勘测可以为地下成像提供鲁棒的地震数据。此外,对使用DAS系统以及利用地震检波器的传统地表地震获得的叠前数据和图像进行直接比较。
在沙特阿拉伯陆上区域中进行现场测试,以验证近地表特征和较深的地下成像两者。现场测试的第一部分是图10A中示意性示出的井眼获取。将短程紧密缓冲(tacticaltight-buffered)的DAS光纤电缆安装在裸眼井中,然后回填适当的材料,以在光纤和地层之间提供良好的耦接。为了将DAS通道映射到它们各自的地表和井眼位置,使用了一种称为距离校准的处理,该处理将已知物理位置的点与沿光纤的测量的光学距离进行比较。光纤连接到移动询问器单元,地震源定位在靠近井的地表处。若干个源用于测试,包括加速重物坠落(AWD)、振动器脉冲和常规振动器扫描。随DAS获取一起,还使用单检波器地震检波器仪器在若干井中执行常规井眼测量,以进行比较和验证。
现场测试的第二阶段是使用相同的智能DAS井眼获取反射勘测。尽管在每个井眼中定位单独的DAS光纤适合于专门的井眼勘测,但可能需要多个询问器来进行反射勘测,这既昂贵又不切实际。为了提高效率,使用单个连续光纤(与图1C中所示的系统100非常相似)连接多个井眼,这需要在每个井眼中向上和向下布置光纤,并在底部具有回路。电缆的地表部分被埋设在1m的深度处。通过在井眼和沟槽中安装连续光纤,可以使用单个询问器单元同时获取所有DAS通道。使用振动器在10m纵线方向和横测线间距的感兴趣区域内对若干条二维炮点线进行获取。这实现了2850个源位置和大约1200个DAS通道(使用4m采样),它们中的四分之一位于井下。测试的实际检波器几何形状在图10B中示出,在图10B中虚线指示用于成像的连接的DAS井眼,实线指示隔离的井眼。由于光纤主要对沿轴向的应变敏感,因此井下通道最适合于记录反射的近垂直传播的P波(用于成像)。地表通道对反射的敏感度较低,但会记录采样良好的地滚波以用于地表波反演,并捕获层析成像所需的强折射至波(arrivals)。光纤仍安装在现场,允许进行重复的井眼测量和/或反射勘测,以应对季节变化或进行地震监测。
经过测试的获取系统的一个目标是更好地表征近地表,以用于更准确的成像。首先,将使用常规和智能DAS井眼进行直接近地表速度测量而获得的数据进行比较。在图11A中提供了使用AWD源和壁锁地震检波器获取的常规井眼点道集。在此示例中,常规井眼配置使用地震检波器和AWD(在每个深度位置处叠加10个源),并且在50m深度以上和4m以下使用2m的通道间距。源偏移距为5m。在每个深度处,源重复若干次,并叠加数据以产生所示的输出。这可以部分地解释数据中观察到的早至波波形和初至波拾取变化中的一些。在深度超过100m处,观察到初至波的频率含量和表观速度发生了实质性改变,这很可能是由岩性变化引起的。
智能DAS井眼点道集示出在图11B和图11C中,以用于比较。图11B中所示的早至波波形是通过叠加AWD源的10次重复而获取的。由于DAS光纤可以同时记录所有深度水平,因此获取速度更快,并且所得到的波形在通道之间更加一致,从地表到总深度110m都可以观察到高质量的波形。请注意,在图11A和图11B中所示的点道集来自不同的位置,因此无法直接比较拾取时间。然而,与常规井眼相比,DAS波形通常具有相似或更好的质量。
图11C中所示的DAS井眼是使用10次可控震源扫描(8Hz–80Hz)在常规井眼(图11A)的相邻井(大约相距300m)中获取的。如在图11B中那样,观察到了适合于拾取的一致的早至波波形。在图12A中比较了来自这些相邻井的常规和DAS拾取参数的旅行时曲线。考虑到相对于井眼的实际的源位置,已经应用了几何校正以将拾取参数转换为等效的垂直旅行时。通常,尽管在40m以下观测到的速度略有偏差,但拾取参数显示出良好的一致性,考虑到干旱环境中近地表的性质,这并不是不合理的。
使用可控震源扫描数据获取的10个DAS井眼的所有初至波拾取参数都绘制在图12B中。尽管井之间的拾取参数的总趋势相似,但即使在几千米的小范围内,也显而易见到明显的横向速度变化。例如,在大约80m的深度处,在单向旅行时方面观察到30ms的变化。这些变化表示中长波长的静校正,需要对其进行准确估计,以可靠地对低起伏油气结构进行成像。
第一智能DAS井眼地震实验表明:对于详细的近地表估计,可以获得出色的数据质量,即使与使用常规方法获得的数据质量相比没有改善但也相当。常规的井眼获取需要在地表上对多个源进行激励,并重新定位地震检波器,而智能DAS井眼勘测利用单个炮点进行获取,从而实现了更高效的获取和稳定的波形。除了改进的数据质量外,DAS井眼还呈现优于常规方法的其他若干个优势。在获取常规井眼数据期间,井眼的任何塌陷都会引起工具丢失,从而导致延迟。对于DAS井眼,由于安装了光纤并立即进行了回填,因此大大降低了风险。事实证明,钻井后立即使用DAS电缆进入大多数井眼非常简单,流体或固体回填、胶结或膨润土填充代表一种提供良好声耦接的实用解决方案。此外,将来可以重复进行井眼勘测,也可以将其合并为使用多个井眼的地震反射勘测的一部分。
智能DAS井眼概念为对深层地下进行反射成像提供了另一可能。在干旱环境中获取的地震数据通常会被近地表波和地表波的多次散射所引起的非常强烈的噪声所污染。埋入的检波器可以部分克服此问题,并且可以提供比常规地表地震更好的质量数据。埋入的DAS数据也有类似的发现,其中随着传感器深度的增加,我们观察到越来越多的反射信号,并且被近地表中水平传播的能量污染得更少。在图13中比较了深度为130m的合成数据和真实数据,图13示出了场数据具有足够的质量以允许观察原始点道集上的目标反射信号。
感兴趣的是将DAS数据与传统的3维地震进行基准比较。图14示出了使用浅井眼中的单个DAS通道获得的共检波器点道集以及使用地表地震检波器阵列的传统数据。在两个数据集的反射信号之间观察到极好的运动学一致性。DAS数据显示了更多细节,因为与用于传统数据的60m相比,10m的源采样更精细。通过在现场使用72个地震检波器和5个振动器阵列来说明传统数据上较低的线性噪声水平,这可以有效抑制具有低视速度的地滚波和其他至波。在对DAS数据应用线性噪声去除并减小到相同的间距之后,我们看到DAS与传统地震检波器数据之间的一致性更高,特别是对于被地滚波严重遮挡的浅反射器(如图14中的“c”部分所示)。由于两次获取都使用线性8Hz至80Hz扫描,因此也可以直接比较DAS和地震检波器点道集的频谱(如图14的“d”和“e”部分所示)。它们看起来非常相似,证实了DAS检波器的宽带特性以及与地震检波器的一般等效性。
尽管如前所述,DAS现场数据集仅包含具有不规则且较大间距的6个垂直阵列,但仍获得了可以与传统地表地震图像进行比较的鲁棒的二维图像。为了使比较合理,从传统三维数据中选择等效的二维子集,该子集包含一条检波器线和一条平行的高密度炮点线,两者的间距均为60m。将相同的时间处理应用于这两个数据集以及所使用的相同的传统速度,并且没有静校正。为了补偿DAS获取期间源/检波器阵列的不足,对光纤数据应用线性噪声去除,而现场阵列是用于传统数据的。DAS数据处理的一个非标准步骤是将所有检波器置于相同的深度水平以用于时间处理和叠加。这可以通过若干种方式来完成,包括使用直达波旅行时、经由波动方程重置基准(re-datuming)或通过干涉法。在这项工作中,基于井眼数据拾取垂直旅行时,并使用所得到的静校正将所有道重置基准到地表。利用这种方法,与来自单个深度的单个叠加相比,可以将所有深度水平合并以形成具有显著改进的信噪比的最终叠加。
图15比较了利用DAS获得的直接地震叠加和传统地震检波器数据。类似于地表地震,浅层反射器和深层反射器二者都可以在DAS数据上鲁棒地成像。DAS和传统的线以45度相交,因此DAS图像显示在左侧,而传统的图像显示在右侧。对于目标反射器以及其他反射器两者来说,在交会点处始终能够看到长达3秒的两个图像的完美结合。这证实了DAS垂直阵列对反射能量的出色灵敏度,并且尽管浅井眼之间的间距较大但也能够获得与地表地震等效的图像的能力。对速度模型的进一步处理和细化可以改进图像。同样,可以使用已对利用DAS井眼获得的近地表速度进行了校准的模型执行深度成像。
智能DAS井眼概念为复杂探区(例如,低起伏结构)的油气勘探提供了更多机会。如果近地表模型中存在很大的不确定性,这种近地表模型会影响勘探,则可以请求对新的按需智能DAS井眼进行获取。钻井工作队会预先钻探所有井眼并安装DAS光纤。然后,记录工作队利用每井眼单个炮点/扫描(或者用于叠加的若干个炮点)记录所有井眼勘探。将钻井/部署阶段与井眼获取分离,可以最大程度地降低风险、成本和获取时间。使用强大的能源(例如,可控震源)进行有效获取将允许利用单次扫描即可对井眼进行完全获取。这会带来附加好处,例如获取浅层垂直地震剖面(VSP),以帮助识别由于浅层数据质量差而通常被常规VSP勘测遗漏的近地表中的多个生成器(generator)。如果采用按需概念,则在感兴趣的探区上执行规则的井眼网格将变得可行。这样的井眼勘测可以是在存在近地表挑战的区域中的专用解决方案。
理由包括:智能DAS井眼网格可以完全解决长波长静校正,并提供具有低起伏结构所需准确度的近地表模型;与地表反射数据相比,埋入的数据具有更高的信噪比,并且可以提供与地表地震相当的角度覆盖和图像;结合使用智能DAS井眼和地表地震勘测(换句话说,使用相同的源)提供了一种独特的装置,其用于通过单向层析成像反演来表征近地表;并且组合勘测是自包含式程序包,其可以降低感兴趣的探区的风险。
沿地表埋设的光纤看上去也能记录极好的数据,该数据可以与建模的弹性响应进行容易比较(如图16所示)。如所预料的,光纤的主要轴向指向性表明它与水平地震检波器更加相似。与垂直地震检波器不同,DAS和水平地震检波器两者都几乎没有反射迹象。采样良好的折射至波和地滚波可以很容易地用于折射层析成像和地表波反演。浅层埋设的DAS数据的出色质量表明:如果使用了全向DAS电缆,则可以实现P波地表地震成像。
在描述的智能DAS井眼的另一测试中,在CO2-EOR示范项目中成功演示了使用埋入的传感器进行永久地震监测。这里,由于常规传感器成本高,在每个70m的井眼中安装一个多分量地震检波器。尽管用于深井的DAS电缆会需要昂贵的保护,但对于浅层近地表应用,需要的保护要少得多,并且成本要低几个数量级。借助这种具有成本效益的DAS感测,可以用每隔几米的传感器从地表上对整个井眼进行仪器检测,而成本仅为常规的单个地震检波器的一小部分。与利用常规传感器能够实现的相比,每个井中有多个传感器会引起更高的褶曲和更多的可重复延时图像。当对整个井眼进行仪器测量时,可以增加浅井眼之间的间距,从而使监测系统更具成本效益,这表明所提出的光纤DAS系统对陆地地震获取和监测具有很大的影响。
地球物理方法必须提供更高的准确度和保真度,才能用于低起伏结构的勘探、储层地球物理以及在充满挑战的干旱地区进行监测。尽管大多数公司都采用通过增加通道数来改善地表地震的方法,但我们还是选择了一种新颖的方法,即利用装有DAS光纤电缆的浅井眼作为地震传感器。经由浅井眼中的DAS电缆实现的具有成本效益的传感器允许直接估计近地表速度,从而在划定重要勘探目标的低起伏结构时消除了结构不确定性的主要来源。在开发和生产中,此类埋入系统可以提供新的高保真储层特征,并实现具有成本效益的储层监测,从而提高采收率。与陆地地震相比,这是一个变化:替代在地表上定位更多通道且收益率递减,而是在埋入的浅井眼中使用少得多且质量更高的通道,可以实现更显著的数据质量改进。
如所描述的,进行了证实组件和整个系统100的有效性的二维现场实验。人们发现,智能DAS井眼能够实现更简单、更安全和更具成本效益的操作,可为近地表表征提供出色的数据质量。对于从地平面到总深度存在的传感器,需要单源激励,因此与常规井眼相比,所有检波器都具有相同的源签名,由此可以提供出色的波形质量。
利用单个光纤电缆将这些井眼连接(对于特定的实现可以如此)使得能够使用埋入的垂直阵列有效地获取目标反射勘测。通过消除通常使用的成千上万的地震检波器和电缆带来的巨大负担,这可以显著降低获取陆地地震数据的成本。埋入的DAS阵列可以提供对较小的探区区域成像的备选方法,并且可以用作用于局部地震勘测的有效替代方法。将获取的DAS数据与传统地震进行比较后,发现DAS与地震检波器数据在叠前点道集、振幅谱和最终叠加上都具有良好的一致性。
图17是根据本公开的用于地震数据获取和处理系统(例如,系统100)的示例控制器1700(或控制系统)的示意图。例如,控制器1700可以包括图1C所示的控制系统150或可以是其一部分。控制器1700旨在包括各种形式的数字计算机,例如印刷电路板(PCB)、处理器、或作为地震数据获取和处理系统的一部分的数字电路。附加地,系统可以包括便携式存储介质,例如通用串行总线(USB)闪存驱动器。例如,USB闪存驱动器可以存储操作系统和其他应用。USB闪存驱动器可以包括输入/输出组件,例如可以插入到另一计算设备的USB端口中的无线发射器或USB连接器。
控制器1700包括处理器1710、存储器1720、存储设备1730以及输入/输出设备1740。组件1710、1720、1730和1740中的每一个使用系统总线1750来互连。处理器1710能够处理用于在控制器1700内执行的指令。可以使用多种架构中的任何一种来设计处理器。例如,处理器1710可以是CISC(复杂指令集计算机)处理器、RISC(精简指令集计算机)处理器或MISC(最小指令集计算机)处理器。
在一个实现中,处理器1710是单线程处理器。在另一个实现中,处理器1710是多线程处理器。处理器1710能够处理存储在存储器1720中或存储设备1730上的指令,以在输入/输出设备1740上显示用户界面的图形信息。
存储器1720存储控制器1700内的信息。在一个实现中,存储器1720是计算机可读介质。在一个实现中,存储器1720是易失性存储单元。在另一个实现中,存储器1720是非易失性存储单元。
存储设备1730能够为控制器1700提供大容量存储。在一个实现中,存储设备1730是计算机可读介质。在各种不同的实现中,存储设备1730可以是软盘设备、硬盘设备、光盘设备或磁带设备。
输入/输出设备1740提供控制器1700的输入/输出操作。在一个实现中,输入/输出设备1740包括键盘或指向设备。在另一个实现中,输入/输出设备1740包括用于显示图形用户界面的显示单元。
所描述的特征可以在数字电子电路中实现,或者在计算机硬件、固件、软件或其组合中实现。该装置可以以有形地体现在信息载体中的计算机程序产品(例如,机器可读存储设备中的由可编程处理器执行的)实现;以及方法步骤可以通过可编程处理器执行指令程序来执行,以通过操作输入数据并产生输出来执行所述实现的功能。所描述的特征可以通过在可编程系统上可执行的一个或多个计算机程序来有利地实现,其中,所述可编程系统包括至少一个可编程处理器,该可编程处理器耦接为从数据存储系统、至少一个输入设备以及至少一个输出设备接收数据和指令,以及向其发送数据和指令。计算机程序是一组指令,可以直接或间接地用于计算机中,以执行某种活动或产生某种结果。可以以任何形式的编程语言来编写计算机程序,该编程语言包括:编译或解释语言,并且可以以任何形式来部署计算机程序,包括部署为独立的程序或者部署为适合于用于计算环境的模块、组件、子例程,或者其它单元。
例如,用于执行指令程序的合适的处理器包括通用和专用微处理器以及任何种类的计算机的单一处理器或多个处理器之一。通常,处理器将从只读存储器或随机存取存储器或者这二者接收指令和数据。计算机的必不可少的元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器。通常,计算机还将包括用于存储数据文件的一个或多个大容量存储设备,或者可操作地耦接以与一个或多个大容量存储设备通信。这种设备包括磁盘(例如,内部硬盘和可移动盘);磁光盘;以及光盘。适合于有形地体现计算机程序指令和数据的存储设备包括所有形式的非易失性存储器,包括例如半导体存储器设备(比如,EPROM、EEPROM和闪存设备);磁盘(例如,内部硬盘和可移动盘);磁光盘;以及CD ROM和DVD-ROM磁盘。处理器和存储器可以由ASIC(专用集成电路)来补充或者并入到ASIC(专用集成电路)中。
为了提供与用户的交互,可以在具有显示设备和键盘以及指向设备的计算机上实现这些特征,显示设备例如是用于向用户显示信息的诸如CRT(阴极射线管)或LCD(液晶显示器)监视器,指向设备例如是用户可以通过其向计算机提供输入的鼠标或轨迹球。附加地,可以经由触摸屏平板显示器和其他适当的机制来实现这样的活动。
这些特征可以在包括后端组件(例如,数据服务器)的控制系统中实现,或在包括中间件组件(例如应用服务器或互联网服务器)的控制系统中实现,或在包括前端组件(例如,具有图形用户界面或互联网浏览器的客户端计算机)的计算机系统中实现,或者上述的任何组合。系统的组件可以通过数字数据通信的任何形式或介质(例如通信网络)来连接。通信网络的示例包括局域网(LAN)、广域网(WAN)、对等网络(具有自组织网或静态成员)、网格计算基础结构和互联网。
尽管本说明书包含许多具体实现细节,但是这些细节不应被解释为对可被要求保护的范围的限制,而是对具体实现特有的特征的描述。在单个实现中,还可以组合实现本说明书中在独立实现的上下文中描述的某些特征。相反的,单个实现上下文描述的不同特征也可在多个实现中各自实现,或以适当的子组合来实现。此外,尽管特征可以被描述为在某些组合中起作用并且甚至最初如此要求保护,但是来自所要求保护的组合的一个或多个特征在一些情况下可以从组合中删除,并且所要求保护的组合可以针对子组合或子组合的变体。
类似地,尽管在附图中以特定顺序描绘了操作,但是这不应被理解为要求这些操作以示出的特定顺序或以顺序次序执行,或者需要执行所有示出的操作来实现期望的结果。在特定情境下,多任务处理和并行处理可能是有利的。此外,实现中的各种系统组件的分离不应被理解为在所有实现中需要这样的分离,并且应当理解,所描述的程序组件和系统通常可以集成在单个软件产品中或被打包成多个软件产品。
已经描述了多个实现。然而,应理解,可以在不脱离本公开的精神和范围的情况下作出各种修改。例如,所描述的示例操作、方法或处理可以包括比所描述的更多的步骤或更少的步骤。此外,可以以与图中所描述或示出的顺序不同的顺序来执行这种示例操作、方法或处理中的步骤。因此,其他实现在所附权利要求的范围内。
Claims (22)
1.一种地质勘测系统,包括:
多个声源,在地表的目标区域上以一定间隔间隔开,多个声传感器中的每个声传感器被配置为生成地震能量波;
多个声传感器,定位在形成在地质地层中的多个井眼中,所述井眼的深度足以到达地质基准;以及
控制系统,能够通信地耦接到所述多个声传感器,并且被配置为执行操作,所述操作包括:
从所述多个声传感器接收与由所述多个声源生成并由所述多个声传感器接收的反射的声信号相关联的数据;
基于所接收的数据,确定所述地质地层的地下拓扑;以及
基于所确定的地下拓扑来生成所述地质地层的地下模型。
2.根据权利要求1所述的系统,其中,所述多个井眼以与所述地震能量波的期望样本波长相对应的规则间隔形成。
3.根据权利要求1所述的系统,其中,每个声传感器包括光纤声传感器。
4.根据权利要求3所述的系统,其中,每个光纤声传感器包括光纤往返组件。
5.根据权利要求4所述的系统,其中,所述多个光纤往返组件利用单根光纤电缆耦接在一起。
6.根据权利要求1所述的系统,其中,确定地下拓扑的操作包括:
利用所述控制系统以时间成像模型处理与反射的声信号相关联的数据;以及
利用所述控制系统以深度成像模型处理与反射的声信号相关联的数据。
7.根据权利要求6所述的系统,其中,以时间成像模型处理与反射的声信号相关联的数据包括:
估计与反射的声信号相关联的所述数据的静态校正;
将估计的静态校正划分为短波长和长波长;
从与反射的声信号相关联的所述数据的估计的静态校正中衰减噪声;
基于从所述多个井眼测量的垂直时移,将与反射的声信号相关联的所述数据的估计的静态校正移位到多个预定义的中间深度水平;
叠加来自所述多个声传感器中的每个声传感器的共点道集,以生成多个超级点道集,每个超级点道集具有改进的信噪比;
在所述多个预定义的中间深度水平中的每个中间深度水平处,执行以下操作:
将所述超级点道集排序为共深度点,
应用短波长静态校正,并且
估计正常时差速度并应用正常时差校正和叠加;
对所述地质基准应用长波长静态位移;
将从所述多个预定义的中间深度水平生成的多个叠加叠加成最终叠加;以及
执行叠后时间偏移。
8.根据权利要求7所述的系统,其中,以深度成像模型处理与反射的声信号相关联的数据包括:
对与反射的声信号相关联的数据的经噪声衰减的估计的静态校正执行上下分离;
通过内插测量的反射的声信号的速度,在所述地表和所述地质基准之间生成近地表速度模型;
在低于所述地质基准的深度处生成深速度模型;以及
基于包括所述近地表速度模型的整体速度模型,从所述地表开始叠前深度偏移。
9.根据权利要求1所述的系统,其中,所述多个声源在所述地表的目标区域上以规则且重复的间隔间隔开,所述多个声源包括定位在所述地表上的源铺设区。
10.根据权利要求1所述的系统,其中,所述规则且重复的间隔在100米至1000米之间。
11.根据权利要求1所述的系统,其中,所述地质地层包括复杂地质结构和低起伏地质结构。
12.一种方法,包括:
将多个声传感器定位到多个井眼中;
在地表上或地表附近定位多个声源;
通过所述多个声源发射定向到地下地质地层中的声信号;
通过所述多个声传感器从所述地下地质地层接收反射的声信号;
基于通过所述多个声传感器接收反射的声信号来确定所述地质地层的地下拓扑;以及
基于所确定的拓扑来创建所述地质地层的地下模型。
13.根据权利要求12所述的方法,还包括在地质地层中钻多个井眼,所述井眼的至少一部分具有足以到达地质基准的深度。
14.根据权利要求12所述的方法,其中,确定地下拓扑包括:
利用能够通信地耦接到所述声传感器的控制系统,以时间成像模型处理反射的声信号;以及
利用所述控制系统以深度成像模型处理所述反射的声信号。
15.根据权利要求14所述的方法,其中,以时间成像模型处理反射的声信号包括:
估计所述反射的声信号的静态校正;
将估计的静态校正划分为短波长和长波长;
从反射的声信号的估计的静态校正中衰减噪声;
基于从所述多个井眼测量的垂直时移,来将所述反射的声信号的估计的静态校正移位到多个预定义的中间深度水平;
叠加来自所述多个声传感器中的每个声传感器的共点道集,以生成多个超级点道集,每个超级点道集具有改进的信噪比;
在所述多个预定义的中间深度水平中的每个中间深度水平处,执行以下操作:
将所述超级点道集排序为共深度点,
应用短波长静态校正,并且
估计正常时差速度并应用正常时差校正和叠加;
对所述地质基准应用长波长静态位移;
将从所述多个预定义的中间深度水平生成的多个叠加叠加成最终叠加;以及
执行叠后时间偏移。
16.根据权利要求15所述的方法,其中,以深度成像模型处理所述反射的声信号包括:
对所述反射的声信号的经噪声衰减的估计的静态校正执行上下分离;
通过内插测量的反射的声信号的速度,在所述地表和所述地质基准之间生成近地表速度模型;
在低于所述地质基准的深度处生成深速度模型;以及
基于包括所述近地表速度模型的整体速度模型,从所述地表开始叠前深度偏移。
17.根据权利要求12所述的方法,其中,在地表上或地表附近定位多个声源包括:在所述地表的目标区域上以规则且重复的间隔定位所述多个声源,所述多个声源包括定位在所述地表上的源铺设区。
18.根据权利要求17所述的方法,其中,所述规则且重复的间隔在100米至1000米之间。
19.一种用于生成地下模型的计算机实现的方法,包括:
利用硬件处理器识别与由多个声源生成并由多个声传感器接收的反射的声信号相关联的数据;
利用所述硬件处理器,基于所识别的数据来确定地质地层的地下拓扑;以及
利用所述硬件处理器,基于所确定的地下拓扑来生成所述地质地层的地下模型。
20.根据权利要求19所述的计算机实现的方法,其中,确定地下拓扑包括:
利用所述硬件处理器以时间成像模型处理与反射的声信号相关联的数据;以及
利用所述硬件处理器以深度成像模型处理与反射的声信号相关联的数据。
21.根据权利要求20所述的计算机实现的方法,其中,以时间成像模型处理与反射的声信号相关联的数据包括:
估计与反射的声信号相关联的所述数据的静态校正;
将估计的静态校正划分为短波长和长波长;
从与反射的声信号相关联的所述数据的估计的静态校正中衰减噪声;
基于从所述多个井眼测量的垂直时移,将与反射的声信号相关联的所述数据的估计的静态校正移位到多个预定义的中间深度水平;叠加来自所述多个声传感器中的每个声传感器的共点道集,以生成多个超级点道集,每个超级点道集具有改进的信噪比;
在所述多个预定义的中间深度水平中的每个中间深度水平处,执行以下操作:
将所述超级点道集排序为共深度点,
应用短波长静态校正,并且
估计正常时差速度并应用正常时差校正和叠加;
对所述地质基准应用长波长静态位移;
将从所述多个预定义的中间深度水平生成的多个叠加叠加成最终叠加;以及
执行叠后时间偏移。
22.根据权利要求21所述的计算机实现的方法,其中,以深度成像模型处理与反射的声信号相关联的数据包括:
对与反射的声信号相关联的数据的经噪声衰减的估计的静态校正执行上下分离;
通过内插测量的反射的声信号的速度,在所述地表和所述地质基准之间生成近地表速度模型;
在低于所述地质基准的深度处生成深速度模型;以及
基于包括所述近地表速度模型的整体速度模型,从所述地表开始叠前深度偏移。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762513822P | 2017-06-01 | 2017-06-01 | |
US62/513,822 | 2017-06-01 | ||
PCT/US2018/035114 WO2018222704A2 (en) | 2017-06-01 | 2018-05-30 | Detecting sub-terranean structures |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110998369A true CN110998369A (zh) | 2020-04-10 |
CN110998369B CN110998369B (zh) | 2021-09-24 |
Family
ID=62685177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880050486.6A Active CN110998369B (zh) | 2017-06-01 | 2018-05-30 | 检测地下结构 |
Country Status (9)
Country | Link |
---|---|
US (2) | US10436024B2 (zh) |
EP (1) | EP3635445B1 (zh) |
JP (1) | JP6982103B2 (zh) |
KR (1) | KR102369752B1 (zh) |
CN (1) | CN110998369B (zh) |
EA (1) | EA201992827A1 (zh) |
SA (1) | SA519410654B1 (zh) |
SG (1) | SG10201914000VA (zh) |
WO (1) | WO2018222704A2 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL2014518B1 (en) * | 2015-03-25 | 2017-01-17 | Fugro Tech Bv | A device for measuring fluid parameters, a method for measuring fluid parameters and a computer program product. |
SG10201914000VA (en) | 2017-06-01 | 2020-03-30 | Saudi Arabian Oil Co | Detecting sub-terranean structures |
JP7354268B2 (ja) * | 2019-02-20 | 2023-10-02 | サウジ アラビアン オイル カンパニー | 人工知能を使った地震属性の高速算出のための方法 |
US11880010B2 (en) | 2019-05-13 | 2024-01-23 | Saudi Arabian Oil Company | Providing seismic images of the subsurface using enhancement of pre-stack seismic data |
CN109991662A (zh) * | 2019-05-15 | 2019-07-09 | 中油奥博(成都)科技有限公司 | 浅部地层二维或三维弹性参数测量和计算的装置及方法 |
WO2021013829A1 (en) * | 2019-07-22 | 2021-01-28 | Tore Kjos | Method and system for seismic surveying |
US11561312B2 (en) | 2019-12-16 | 2023-01-24 | Saudi Arabian Oil Company | Mapping near-surface heterogeneities in a subterranean formation |
US11619542B2 (en) * | 2020-04-14 | 2023-04-04 | Nec Corporation | Distributed acoustic sensing based natural frequency measurement of civil infrastructures |
US11543286B2 (en) * | 2020-04-14 | 2023-01-03 | Nec Corporation | Distributed acoustic sensing based acoustic wave speed scanning and mapping of civil infrastructures |
CN112394412A (zh) * | 2020-10-30 | 2021-02-23 | 中国石油天然气集团有限公司 | 一种基于浅层叠加建模的横波静校正方法及装置 |
CN112647931B (zh) * | 2020-12-29 | 2022-08-09 | 中国地质大学(武汉) | 一种地质钻探过程井下事故检测装置及方法 |
CN112817039B (zh) * | 2021-01-22 | 2022-07-15 | 中铁第四勘察设计院集团有限公司 | 一种三维探测方法、装置、设备和存储介质 |
JPWO2022176717A1 (zh) * | 2021-02-17 | 2022-08-25 | ||
US11573346B2 (en) * | 2021-04-15 | 2023-02-07 | Saudi Arabian Oil Company | Determining a seismic quality factor for subsurface formations for marine vertical seismic profiles |
CN113655516B (zh) * | 2021-08-11 | 2022-05-17 | 中国矿业大学 | 一种基于定向随钻相变矢量测震的地质构造精准探测方法 |
JP2024039369A (ja) * | 2022-09-09 | 2024-03-22 | 国立大学法人 東京大学 | 地震探査方法、地下のモニタリング方法、地震探査システムおよび震源装置 |
CN116592987B (zh) * | 2023-07-17 | 2023-09-26 | 中国特种设备检测研究院 | 面内全向波动场矢量探测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120092960A1 (en) * | 2010-10-19 | 2012-04-19 | Graham Gaston | Monitoring using distributed acoustic sensing (das) technology |
CN102466816A (zh) * | 2010-11-04 | 2012-05-23 | 中国石油天然气集团公司 | 一种叠前地震数据地层弹性常数参数反演的方法 |
US20130265851A1 (en) * | 2012-02-06 | 2013-10-10 | Kees Faber | Sensor System of Buried Seismic Array |
CN104335072A (zh) * | 2012-02-06 | 2015-02-04 | 离子地球物理公司 | 利用多个阵列的集成的被动和主动地震勘测 |
CN104570116A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 基于地质标志层的时差分析校正方法 |
CN106255902A (zh) * | 2014-05-08 | 2016-12-21 | 雪佛龙美国公司 | 使用地震数据分析地质特征的系统和方法 |
WO2017035104A1 (en) * | 2015-08-24 | 2017-03-02 | Schlumberger Technology Corporation | Velocity model seismic static correction |
CN107490808A (zh) * | 2017-06-14 | 2017-12-19 | 中国石油化工股份有限公司 | 一种高可靠性地震勘探观测系统的建立方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4706224A (en) | 1986-02-21 | 1987-11-10 | Amoco Corporation | Method of vertical seismic profiling and exploration |
US4970697A (en) | 1989-10-06 | 1990-11-13 | Amoco Corporation | Vertical marine seismic array |
US5544126A (en) | 1993-11-04 | 1996-08-06 | Berryhill; John R. | System and method of seismic shot-record migration |
US5930730A (en) * | 1994-12-12 | 1999-07-27 | Amoco Corporation | Method and apparatus for seismic signal processing and exploration |
US6065538A (en) * | 1995-02-09 | 2000-05-23 | Baker Hughes Corporation | Method of obtaining improved geophysical information about earth formations |
US6088299A (en) | 1998-12-04 | 2000-07-11 | Syntron, Inc. | Vertical hydrophone array |
US6493634B1 (en) | 1999-05-14 | 2002-12-10 | Exxonmobil Upstream Research Company | Method for determining stacking velocity parameters or other reflection geometry information from seismic gather data using multiple attributes and 3-D visualization |
US6728165B1 (en) * | 1999-10-29 | 2004-04-27 | Litton Systems, Inc. | Acoustic sensing system for downhole seismic applications utilizing an array of fiber optic sensors |
US6374185B1 (en) | 2000-02-18 | 2002-04-16 | Rdsp I, L.P. | Method for generating an estimate of lithological characteristics of a region of the earth's subsurface |
US7359284B2 (en) * | 2004-02-06 | 2008-04-15 | Brian Nelson Fuller | Method for processing borehole seismic data |
JP4324126B2 (ja) * | 2005-03-24 | 2009-09-02 | 株式会社地球科学総合研究所 | 地中内観測システムおよび地中内観測方法 |
US8082107B2 (en) | 2008-08-01 | 2011-12-20 | Wave Imaging Technology Inc. | Methods and computer-readable medium to implement computing the propagation velocity of seismic waves |
GB201104423D0 (en) * | 2011-03-16 | 2011-04-27 | Qinetiq Ltd | Subsurface monitoring using distributed accoustic sensors |
WO2016044338A2 (en) | 2014-09-15 | 2016-03-24 | Oasis Diagnostics Corporation | Methods and systems for diagnosing sleep disorders |
US10612368B2 (en) | 2015-01-19 | 2020-04-07 | Weatherford Technology Holdings, Llc | Transducers and acoustic emitters for fiber-optic-based acoustic sensing |
US10132955B2 (en) * | 2015-03-23 | 2018-11-20 | Halliburton Energy Services, Inc. | Fiber optic array apparatus, systems, and methods |
US10365386B2 (en) * | 2015-03-30 | 2019-07-30 | Chevron U.S.A. Inc. | System and method for salt surface updating via wavefield redatuming |
US10782433B2 (en) | 2016-07-29 | 2020-09-22 | Baker Hughes Holdings Llc | Method for an automatic detection of acoustic reflectors and their parameters from borehole acoustic array data |
SG10201914000VA (en) * | 2017-06-01 | 2020-03-30 | Saudi Arabian Oil Co | Detecting sub-terranean structures |
-
2018
- 2018-05-30 SG SG10201914000VA patent/SG10201914000VA/en unknown
- 2018-05-30 WO PCT/US2018/035114 patent/WO2018222704A2/en active Application Filing
- 2018-05-30 KR KR1020197039005A patent/KR102369752B1/ko active IP Right Grant
- 2018-05-30 EA EA201992827A patent/EA201992827A1/ru unknown
- 2018-05-30 JP JP2019566596A patent/JP6982103B2/ja active Active
- 2018-05-30 EP EP18733067.5A patent/EP3635445B1/en active Active
- 2018-05-30 CN CN201880050486.6A patent/CN110998369B/zh active Active
- 2018-05-31 US US15/994,541 patent/US10436024B2/en active Active
-
2019
- 2019-03-04 US US16/291,880 patent/US10577926B2/en active Active
- 2019-11-28 SA SA519410654A patent/SA519410654B1/ar unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120092960A1 (en) * | 2010-10-19 | 2012-04-19 | Graham Gaston | Monitoring using distributed acoustic sensing (das) technology |
CN102466816A (zh) * | 2010-11-04 | 2012-05-23 | 中国石油天然气集团公司 | 一种叠前地震数据地层弹性常数参数反演的方法 |
US20130265851A1 (en) * | 2012-02-06 | 2013-10-10 | Kees Faber | Sensor System of Buried Seismic Array |
CN104335072A (zh) * | 2012-02-06 | 2015-02-04 | 离子地球物理公司 | 利用多个阵列的集成的被动和主动地震勘测 |
CN104570116A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 基于地质标志层的时差分析校正方法 |
CN106255902A (zh) * | 2014-05-08 | 2016-12-21 | 雪佛龙美国公司 | 使用地震数据分析地质特征的系统和方法 |
WO2017035104A1 (en) * | 2015-08-24 | 2017-03-02 | Schlumberger Technology Corporation | Velocity model seismic static correction |
CN107490808A (zh) * | 2017-06-14 | 2017-12-19 | 中国石油化工股份有限公司 | 一种高可靠性地震勘探观测系统的建立方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3635445B1 (en) | 2021-12-22 |
US10436024B2 (en) | 2019-10-08 |
KR102369752B1 (ko) | 2022-03-03 |
EP3635445A2 (en) | 2020-04-15 |
SA519410654B1 (ar) | 2022-09-25 |
US20190195066A1 (en) | 2019-06-27 |
WO2018222704A2 (en) | 2018-12-06 |
SG10201914000VA (en) | 2020-03-30 |
WO2018222704A3 (en) | 2019-01-10 |
EA201992827A1 (ru) | 2020-04-03 |
JP6982103B2 (ja) | 2021-12-17 |
US20180347347A1 (en) | 2018-12-06 |
US10577926B2 (en) | 2020-03-03 |
CN110998369B (zh) | 2021-09-24 |
KR20200014387A (ko) | 2020-02-10 |
JP2020522699A (ja) | 2020-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110998369B (zh) | 检测地下结构 | |
Correa et al. | Analysis of signal to noise and directivity characteristics of DAS VSP at near and far offsets—A CO2CRC Otway Project data example | |
Mateeva et al. | 4D DAS VSP as a tool for frequent seismic monitoring in deep water | |
US11275189B2 (en) | Simulation of geophone data from distributed acoustic sensing data | |
Bakulin et al. | Smart DAS upholes for simultaneous land near-surface characterization and subsurface imaging | |
Yu et al. | Walkaway VSP using multimode optical fibers in a hybrid wireline | |
RU2319982C2 (ru) | Определение характеристик наклонных трещин с помощью обменных отраженных волн в сочетании с процессом последовательного исключения влияния вышележащих слоев | |
US20130215717A1 (en) | Integrated Passive and Active Seismic Surveying Using Multiple Arrays | |
Götz et al. | Vertical seismic profiling using a daisy‐chained deployment of fibre‐optic cables in four wells simultaneously–Case study at the Ketzin carbon dioxide storage site | |
EP2923222B1 (en) | Processing microseismic data | |
Trautz et al. | Geophysical monitoring using active seismic techniques at the Citronelle Alabama CO2 storage demonstration site | |
Abukrat et al. | Distributed acoustic sensing for shallow seismic investigations and void detection | |
CN105093314A (zh) | 一种测定微地震震源的方法 | |
US8391103B2 (en) | Method for accentuating specular and non-specular seismic events from within shallow subsurface rock formations | |
US20120269035A1 (en) | Evaluating Prospects from P-Wave Seismic Data Using S-Wave Vertical Shear Profile Data | |
EP2917857B1 (en) | Fracture characterization from refraction travel time data | |
Greenwood et al. | Characterization and imaging of a hydrothermally active near-vertical fault zone in crystalline rocks based on hydrophone VSP data | |
dos Santos Maia Correa | Distributed acoustic sensing for seismic imaging and reservoir monitoring applied to CO2 geosequestration | |
Yavuz et al. | Assessment of the permanent seismic sources for borehole seismic monitoring applications: CO2CRC Otway Project | |
EA025952B1 (ru) | Извлечение данных о волне сдвигового типа sv из сейсмических данных о волне типа р | |
Al Hasani et al. | Experiences with distributed acoustic sensing using both straight and helically wound fibers in surface-deployed cables—A case history in Groningen, The Netherlands | |
US20220333977A1 (en) | System and method for monitoring subsurface steam chamber development using fiber optic cables | |
Liu | Application of Multicomponent Seismic and Distributed Acoustic Sensing Data to Unconventional Reservoir Development | |
Koedel et al. | Seismic Cross-hole Surveying with Conventional Seismic and Distributed Acoustic Sensing (DAS) at the Svelvik Test-site | |
US20170285204A1 (en) | Method and system for acquisition of seismic data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |