JP5396589B2 - マルチアトリビュート地震探査データによるガスハイドレートの特徴付け - Google Patents

Description

本願は、ガスハイドレート（ガス水和物）を検出および定量化するシステムおよび方法に関する。より具体的には、本願は、地震探査データからガスハイドレートの濃度および分布を検出および定量化するシステムおよび方法に関する。さらに具体的には、本願は、多変量解析において複数の地震探査アトリビュート（属性）を利用して、地震探査データからガスハイドレートの濃度および分布を検出および定量化する方法、機器、およびコンピュータで使用可能なプログラムコードに関する。

【０００２】
ガスハイドレートは、水分子に囲まれたガス分子から成る結晶性固体である。その構造は、ガス分子の存在により結晶構造が安定している点を除き、氷構造に類似している。水とガスの２種の分子は化学的に結合しておらず、真の化学結合なしで機械的に混ざり合っている。ガスハイドレートは、二酸化炭素、硫化水素、およびメタンなど炭素数の少ない炭化水素をいくつか含む適切な分子サイズを有する数種類のガスで形成される可能性がある。天然ガスハイドレートは、修飾された氷構造がメタンおよび可能性として他の天然ガス分子を取り囲んだものである。
ガスハイドレートは、海底下の堆積層の孔隙に形成される傾向がある。ただし、これらのハイドレートは、純粋なハイドレートのモジュールまたは鉱床として見られることもある。ガスハイドレートは、低温および高圧で安定し、通常、水深が約５００メートルを超える深海域などの浅部で見られ、海底下の浅い堆積物中に生じる。ガスハイドレートが安定する実際の深さは、特定の場所における特定の条件に応じて異なる。また、ガスハイドレートの安定性は、海岸および沖合における永久凍土層と関連している場合もある。天然ガスハイドレートは、ガス濃縮体として作用する。例えば、単位体積のハイドレートは、標準的な条件下ではその約１６４倍の体積のメタンガスと等価である。ただし、ハイドレート自体は堆積物中において低濃度であり、平均で数パーセントの体積しか占めないことが多い。
そのため、代替燃料源を模索する者の間では、高濃度のガスハイドレートの存在する可能性の高い領域の所在位置を特定することに関心が高まっている。ガスハイドレートを検出し、特徴付ける上で、地震リモートセンシング法が役立つことがこれまで実証されている。ＢＳＲ（海底疑似反射面：ｂｏｔｔｏｍ−ｓｉｍｕｌａｔｉｎｇ ｒｅｆｌｅｃｔｏｒ）の有無によってガスハイドレートの検出が容易になる。ＢＳＲは、海底にほぼ平行な高振幅反射体であり、この反射体の上層のガスハイドレートを含有する堆積物と、その下層の自由ガスを含有する堆積物との間で音響インピーダンスが大きく異なることにより生じる。ＢＳＲは構造的または層序学的な界面より温度圧力構造上の面に従うため、通常、従来の地震探査記録断面（震探断面）では、他の反射体と交差する形で観測される。また、ＢＳＲが存在しても、その上層に確実にガスハイドレートが存在するわけではなく、ＢＳＲによりハイドレートの定量化が容易になるわけではないことも知られている。
この出願の発明に関連する先行技術文献情報としては、以下のものがある（国際出願日以降国際段階で引用された文献及び他国に国内移行した際に引用された文献を含む）。
【先行技術文献】
【特許文献】

【０００３】
【特許文献１】 米国特許出願公開第２００８／０１６２０４９号明細書
【特許文献２】 米国特許出願公開第２００６／０１２２０７９号明細書
【特許文献３】 国際公開第２００５／０５２６３９号
【非特許文献】

【０００４】
【非特許文献１】 ＤＡＩ，ｅｔ ａｌ．；"Ｄｅｔｅｃｔｉｏｎ ａｎｄ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｇａｓ ｈｙｄｒａｔｅｓ ｕｓｉｎｇ ｒｏｃｋ ｐｈｙｓｉｃｓ ａｎｄ ｓｅｉｓｍｉｃ ｉｎｖｅｒｓｉｏｎ：Ｅｘａｍｐｌｅｓ ｆｒｏｍ ｔｈｅ ｎｏｒｔｈｅｒｎ ｄｅｅｐｗａｔｅｒ Ｇｕｌｆ ｏｆ Ｍｅｘｉｃｏ"；Ｌｅａｄｉｎｇ Ｅｄｇｅ（Ｔｕｌｓａ， ＯＫ）Ｊａｎｕａｒｙ ２００４ Ｓｏｃｉｅｔｙ ｏｆ Ｅｘｐｌｏｒａｔｉｏｎ Ｇｅｏｐｈｙｓｉｃｉｓｔｓ ＵＳ，Ｖｏｌ．２３，Ｎｏ．１，Ｊａｎｕａｒｙ ２００４，ｐａｇｅｓ ６０−６６；ＸＰ００２５２４３３１
【発明の概要】
【課題を解決するための手段】

ガスハイドレートの所在位置を特定することは、地下の岩石堆積物中におけるガスハイドレートの相対濃度を決定することと比べて容易である。ガスハイドレートの検出およびその感度は、掘削データを使った海底の数学モデル化、および地震探査データにより改善されてきている。しかしながら、疎密波（Ｐ波）および剪断波（Ｓ波）を個々に利用して得られた結果の食い違いから、ガスハイドレートの検出に不確実性が生じることが多い。

上記の問題を鑑み、本発明は、多変量解析において同時に複数の地震探査アトリビュート（属性）を利用して、地震探査データからガスハイドレートの濃度および分布を検出および定量化するシステムおよび方法を提供することを目的とする。適切な岩石物理モデルは、当該領域の坑井検層データおよび／または適切な岩石物理データベースから選択する。次に、その岩石物理モデルを使って、種々の孔隙率およびガスハイドレート飽和度に関する疎密波および剪断波の速度を含む属性値が生成される。ガスハイドレートは、属性集団に基づき、種々の範囲の孔隙率およびハイドレート飽和度に分類され、個々のガスハイドレート分類ごとに確率密度関数が作成される。個々の属性分類に関する確率密度分布関数と、結合条件付き確率密度関数とがベイズの定理を使って作成される。各ガスハイドレート分類が発生する条件付き確率に、地震探査地の逆解析（インバージョン解析）または坑井測定値から得られた属性値の値セットを与え、逆解析する。最後に、最大事後確率（ＭＡＰ）則を使って、最適な孔隙率およびハイドレート飽和度が推定される。その結果から、孔隙率およびガスハイドレート飽和度の定量的な推定値が得られる。この情報を使用して地下のハイドレート蓄積量および特定の場所の掘削に関する決定を行うことができる。

代替実施形態において、適切な岩石物理モデルは、当該領域の坑井検層データおよび／または適切な岩石物理データベースから選択される。次に、その岩石物理モデルを使って、種々の孔隙率およびガスハイドレート飽和度に関する疎密波および剪断波の速度を含む属性値が生成される。ガスハイドレートは、属性集団に基づき、種々の範囲の孔隙率およびハイドレート飽和度に分類される。ハイドレートの岩石物理モデルから、多変量回帰分析により、孔隙率、ガスハイドレート飽和度、および弾性に関する地震探査アトリビュートの間の関数関係が確立される。基本的な弾性属性は、音速、剪断速度、および密度であり、あるいはこれら３つの基本地震探査アトリビュートのうち２つまたは３つを組み合わせた他の任意のセットである。地震探査アトリビュートは、重合前の地震探査データ逆解析により生成される。アプローチの１つでは、多変量関数的関係を使って、特定の範囲の地震探査アトリビュート値を、統計平均的な孔隙率および飽和度の値にマッピングすることができる。別の例示的な実施形態では、個々のガスハイドレート分類ごとに確率密度関数が作成される。個々の属性分類に関する確率密度分布関数、および結合条件付き確率密度関数がベイズの定理を使って作成される。各ガスハイドレート分類が発生する条件付き確率に、地震探査地の逆解析または坑井測定値から得られた属性値の値セットを与え、逆解析する。最後に、最大事後確率（ＭＡＰ）則を使って、最適な孔隙率およびハイドレート飽和度が推定される。その結果から、孔隙率およびガスハイドレート飽和度の定量的な推定値が得られる。この情報を使用して地下のハイドレート蓄積量および特定の場所の掘削に関する決定を行うことができる。

本発明は、さらに別の例示的実施形態において、多変量解析において同時に複数の地震探査アトリビュートを利用して、地震探査データからガスハイドレートの濃度および分布を検出および定量化するシステムおよび方法を提供する。複数の別個の属性に関する結合条件付き確率関数はベイズの定理を使って作成される。前記複数の別個の属性は、疎密波インピーダンスと、剪断波インピーダンスと、かさ密度と、疎密波速度と、剪断波速度とのうち少なくとも２つを有してよい。

本発明は、さらに別の例示的実施形態において、多変量解析において同時に複数の地震探査アトリビュートを利用して、地震探査データからガスハイドレートの濃度および分布を検出および定量化するシステムおよび方法を提供する。複数の別個の属性に関する結合条件付き確率関数は、ベイズの定理を使って作成される。前記検出および定量化では、モデルに制約されたベイズ法に基づく逆解析を使用し、このモデルに制約されたベイズ法に基づく逆解析は次式で表せる。

本発明は、さらに別の例示的実施形態において、多変量解析において同時に複数の地震探査アトリビュートを利用して、地震探査データからガスハイドレートの濃度および分布を検出および定量化するシステムおよび方法を提供する。岩石物理モデルが選択され、その岩石物理モデルから複数の別個の属性が決定される。確率密度関数は、前記複数の別個の属性ごとに計算される。さらに、複数の確率密度関数から結合条件付き確率関数が計算される。

本発明の特徴と考えられる新規性のある特徴については、添付の請求項に記載する。ただし、本発明自体およびその例示的な使用形態、さらに本発明の目的および利点は、例示的な実施形態に関する以下の詳細な説明を添付の図面と併せて参照することにより、最もよく理解されるであろう。
図１は、本発明の例示的な一実施形態を実施することのできる坑井データ取得システムのネットワークを表した図である。 図２は、本発明の例示的な一実施形態に基づき坑井データが得られる坑井現場を例示した図である。 図３は、本発明の例示的な一実施形態に基づき海洋地震探査からデータを取得する一般的な配置構成を例示した図である。 図４は、前記例示的な実施形態の態様を実施することのできるデータ処理システムのブロック図である。 図５は、本発明の例示的な一実施形態に基づき、１若しくはそれ以上の坑井現場から得られた多次元データを解析するため使用される構成要素を例示した図である。 図６は、本発明の例示的な一実施形態に基づき、多属性（マルチアトリビュート）地震探査解析法を利用して、ガスハイドレートを検出し、ガスハイドレートの飽和度を定量化する工程のフローチャートである。 図７は、本発明の例示的な一実施形態に基づき坑井データをパターン化する際、基にできる岩石物理モデルを例示した図である。 図８は、本発明の例示的な一実施形態に基づき坑井データをパターン化する際、基にできる岩石物理モデルを例示した図である。 図９は、本発明の例示的な一実施形態に基づき坑井データをパターン化する際、基にできる岩石物理モデルを例示した図である。 図１０は、本発明の例示的な一実施形態に基づき坑井データをパターン化する際、基にできる岩石物理モデルを例示した図である。 図１１は、本発明の例示的な一実施形態に基づき坑井データをパターン化する際、基にできる岩石物理モデルを例示した図である。 図１２は、本発明の例示的な一実施形態に基づき坑井データをパターン化する際、基にできる岩石物理モデルを例示した図である。 図１３は、本発明の例示的な一実施形態に基づき、図６〜１１に示した種々の岩石物理モデルの疎密波速度を表したグラフである。 図１４は、本発明の例示的な一実施形態に基づき、図６〜１１に示した種々の岩石物理モデルの剪断波速度を表したグラフである。 図１５は、本発明の例示的な一実施形態に係る例示的な確率密度を示した図である。 図１６は、例示的な制約なしのベイズ法に基づく逆解析を行った場合の孔隙率およびハイドレート飽和度を表したグラフである。 図１７は、例示的なモデルに制約されたベイズ法に基づく逆解析を行った場合の孔隙率およびハイドレート飽和度を表したグラフである。 図１８は、本発明の例示的な一実施形態に基づき、モデルに制約されたベイズ法に基づく逆解析を利用してＭＡＰ関数で推定された例示的な試料の孔隙率である。 図１９は、本発明の例示的な一実施形態に基づき、モデルに制約されたベイズ法に基づく逆解析を利用してＭＡＰ関数で推定された例示的な試料のガスハイドレート飽和度である。

以下、添付の図面を参照して、本発明の例示的な実施形態および他の実施形態を詳しく説明する。言うまでもなく、当業者であれば、本発明の範囲を逸脱しない範囲で、他の実施形態および変形形態が可能であることが容易に理解できるであろう。

ここで図１を参照すると、本発明の例示的な一実施形態が実施可能なネットワークデータ処理システムが図示されている。この例において、ネットワークデータ処理システム１００は、本発明の種々の実施形態を実施できるコンピュータ装置のネットワークである。ネットワークデータ処理システム１００はネットワーク１０２を含み、当該ネットワーク１０２は、ネットワークデータ処理システム１００内で互いに通信可能な種々の装置およびコンピュータの間で通信リンクを提供するため使用される媒体である。ネットワーク１０２には、有線通信リンク、無線通信リンク、または光ファイバーケーブルなどの接続部を含めることができる。ハードディスクドライブ、ＤＶＤ、またはフラッシュメモリなどの記憶装置にデータを格納することにより手動でもデータを送達可能である。

この図示した例では、坑井現場１０４、１０６、１０８、および１１０に当該坑井現場の坑井に関するデータを生成するコンピュータまたは他のコンピュータ装置が備えられている。これらの例において、坑井現場１０４、１０６、１０８、および１１０は、地理的領域１１２にある。この地理的領域は、これらの例で説明するように単一の貯留層である。言うまでもなく、これらの坑井現場は、実施態様に応じて、多様な地理的領域および／または複数の貯留層にわたり分散したものであってよい。坑井現場１０４および１０６は、ネットワーク１０２と接続した有線通信リンク１１４および１１６を有する。坑井現場１０８および１１０は、ネットワーク１０２と接続した無線通信リンク１１８および１２０を有する。

解析センター１２２は、坑井現場１０４、１０６、１０８、および１１０から収集されたデータおよび地震探査データを処理するサーバーなどのデータ処理システムが所在する場所である。ただし、実施態様に応じ、解析センターが複数あってもよいことは言うまでもない。これらの解析センターは、実施態様に応じて、例えば地理的場所１１２の事業所または現場にあってよい。これらの例示的な実施形態において、解析センター１２２は、本発明の種々の実施形態に対応した工程を用いて坑井現場１０４、１０６、１０８、および１１０からのデータを解析する。

図示した例の場合、ネットワークデータ処理システム１００はネットワークおよびゲートウェイの世界的な集合体を表し、伝送制御プロトコル／インターネットプロトコル（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ／Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ：ＴＣＰ／ＩＰ）の一連のプロトコルを使って相互通信するネットワーク１０２を伴ったインターネットである。インターネットの中核は主要なノードまたはホストコンピュータ間の高速データ通信回線のバックボーン（基幹回線）であり、データおよびメッセージをルーティングする商用、政府用、教育用その他の数千のコンピュータシステムから成る。言うまでもなく、ネットワークデータ処理システム１００は、例えばイントラネット、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）といった複数の異種ネットワークとしても実施できる。図１は、その一例を示すことを目的としたもので、種々の実施形態のアーキテクチャを限定するものではない。この坑井現場からの情報は、坑井現場を管理し、または掘削場所として可能性の高いガスハイドレート源を決定する際に使用することができる。例えば、この情報を使用して坑井現場における掘削作業の方向性を決定することができる。

種々の実施形態では、坑井現場から得られる利用可能な異種データをすべて解析可能な場合、地層を特定する上で有益なことが認められている。特に、坑井現場から得られた異種データを使用することにより当該坑井現場が位置する地層または領域の異質性を特定することができる。

本発明の種々の実施形態では、コンピュータで実行される方法、機器、およびコンピュータで使用可能なプログラムコードを提供し、岩石の異質性を特定する。また、これらの実施形態は、特定された異質性、および種々の油田問題の解に基づいてコアリングの試料採取場所の選択を容易にする。これらの例示的な実施形態では、連続的な坑井データを使って地層の異質性が特定される。この連続的な坑井データには、例えば坑井検層データ、掘削中の測定データ、泥水（マッド）検層データ、掘削くず、および組み合わせにより多次元データセットを形成する他の情報が含まれる。試料採取後、物質特性が測定され、それらの特性は、多次元データに関連付けられる。それらの物質特性としては、例えば貯留層特性、地球化学的特性、岩石学的特性、および機械的特性がある。次に、抗井の長手方向に沿って測定された各特性を拡張適用するモデルが得られる。

また、この情報から他の坑井現場の特性を予測し、その坑井現場に関する決定を行うモデルも得られる。このように、種々の例示的実施形態では、坑井データに基づく従来にない３次元モデルを構築し、これを貯留層管理に使用することができる。この情報を使用して生産用スイートスポット（開発最適領域）の区別と、掘削および生産計画の指針を改善することができる。

ここで図２を参照すると、本発明の例示的な一実施形態に基づきデータを得る坑井現場を例示した図が示されている。坑井現場２００は、図１の坑井現場１０４などの坑井現場の一例である。これらの例において、坑井現場２００から得られるデータは多次元データと呼ばれる。

この例では、坑井現場２００は、地層２０２上に位置する。地層２０２における抗井２０４掘削中には、種々の試料が得られる。例えば、得られる可能性があるのはコア試料２０６や側壁プラグ２０８である。さらに、検層ツール２１０を使用して圧力測定値や要因情報といった他の情報を得ることができる。さらに、抗井２０４を掘削することで掘削くずおよび泥水の検層データが得られる。

地震探査装置２１２を使用して地震探査情報など他の情報も得られる。この情報は、データ処理システム２１４により収集でき、図１の解析センター１２２などの解析センターへ送信されて解析される。例えば、地震探査装置２１２で得られる地震探査測定値は、データ処理システム２１４で収集し、付加的な解析用に送信することができる。

坑井現場２００で収集される情報は、連続データのグループと不連続（離散）データのグループとに分割できる。前記連続データは、坑井現場データまたは実験室データであってよく、前記不連続データは、これらの例の坑井現場データまたは実験室データであってよい。坑井現場データは、坑井の測定値を通じて得られるデータであり、実験室データは、坑井現場２００の試料から得られる測定値である。例えば、連続的な坑井現場データには、地震探査データ、検層データ・検層データセット、および掘削中の測定データなどがある。連続的な実験室データには、強度プロファイルやコアのガンマ線（γ線）情報などがある。不連続な坑井現場データには、側壁プラグデータ、掘削くずデータ、圧力測定データ、およびガスフロー（ガス流）検出測定データなどがある。不連続な実験室データとしては、坑井現場２００から得られたプラグまたはコアに関する実験室測定データなどがある。これらの例で示した実施形態に加えて、またはその代わりに、種々の例示的実施形態を、任意の連続的な坑井現場データ、連続的な実験室データ、不連続な坑井現場データ、および不連続な実験室データに適用できることは言うまでもない。

コア試料の画像、ならびに坑井現場２００の装置で測定または収集された他のデータは、前記解析センターへ送信するよう、データ処理システム２１４へ送信することができる。より具体的には、前記多次元データを、データ処理システム２１４に入力または送信して、そこから解析センターでの処理用に送信することができる。あるいは実施態様に応じて、坑井現場２００から得られる前記多次元データの処理の一部または全部を、データ処理システム２１４で行うこともできる。例えば、データ処理２１４を使って、データを前処理し、または坑井現場２００からのデータをすべて解析することが可能である。すべての解析がデータ処理システム２１４を使って行われる場合は、その結果を前記解析センターへ送信し、そこで他の坑井現場の結果と組み合わせて付加的な結果を提供することができる。

ここで図３を参照すると、本発明の例示的な一実施形態に基づき海洋地震探査からデータを取得する一般的な配置構成を例示した図が示されている。図３に例示したデータ収集は、図１で説明した坑井での解析データ取得に置き換えることができる。

地震探査船３１０は、湖や海洋といった水域３１２の表面に沿って移動する。海洋地震探査は、水底３１８の種々の地層３１４、３１６の構造および組成に関する地震探査信号を検出および記録することを目的としている。前記地震探査船３１０には、地震波発生源作動機器、データ記録機器、および航海機器が含まれ、これらは全体として３２０で示され、便宜上「記録システム」と呼ぶ。この地震探査船３１０または別の船舶（図示せず）は、１若しくはそれ以上の地震エネルギー発生源３２２、またはそのような発生源のアレイを、水３１２の中で曳航できる。前記システムには、少なくとも１つの地震探査用ストリーマー３２４が含まれ、このストリーマー３２４は、当該地震探査船３１０に動作可能に連結された高強度部材３２６と、当該ストリーマー３２４上に離間して設けられた複数のセンサー３２８またはそのようなセンサーのアレイとを含む。動作中、前記記録システム３２０内の機器（別途図示せず）は、選択された時刻に前記発生源３２２を作動させる。前記発生源３２２が作動されると、一般に当該発生源３２２から外方向へ地震エネルギー３３０が発生する。このエネルギー３３０は、水３１２を通じて下方へ移動し、前記水底３１８の少なくとも一部を通過し、その下の前記地層３１４、３１６に達する。地震エネルギー３３０は、前記水底３１８の下にある１若しくはそれ以上の音響インピーダンス境界３３２で反射され、上方へ移動して前記センサー３２８に検出される。ガスハイドレート飽和レベルを含む前記形成３１４、３１６の構造および組成は、前記エネルギー３３０の移動時間、およびその振幅および位相などの検出された当該エネルギーの特徴により推定できる。

ここで図４を参照すると、本発明の有利な一実施形態に基づき、データ処理システムの図が示されている。データ処理システム４００は、図２のデータ処理システム２１４を実施するため使用できるデータ処理システムの一例である。さらに、他の坑井現場に見られる種々のコンピュータ装置、および図１の解析センター１２２は、データ処理システム４００を使って実施できる。図示したこの例では、データ処理システム４００に、通信ファブリック４０２が含まれており、プロセッサユニット４０４と、メモリ４０６と、固定記憶装置４０８と、通信ユニット４１０と、Ｉ／Ｏユニット４１２と、ディスプレイ（表示装置）４１４との間で通信を提供している。

プロセッサユニット４０４は、メモリ４０６にロードが可能なソフトウェア用の命令を実行する。プロセッサユニット４０４は、実施態様に応じ、１若しくはそれ以上のプロセッサのセットであっても、マルチプロセッサコアであってもよい。さらに、プロセッサユニット４０６は、１若しくはそれ以上の異種プロセッサシステムを使って実施でき、その場合、メインプロセッサは、シングルチップ上で二次プロセッサと混在する。メモリ４０６は、これらの例において、例えばランダムアクセスメモリであってよい。固定記憶装置４０８は、実装に応じて種々の形態をとることができる。例えば、固定記憶装置４０８は、ハードドライブ、フラッシュメモリ、書き換え可能な光ディスク、書き換え可能な磁気テープ、またはこれらの何らかの組み合わせであってよい。

通信ユニット４１０は、これらの例において、他のデータ処理システムまたは装置との通信を提供する。これらの例において、通信ユニット４１０は、ネットワークインターフェースカードである。Ｉ／Ｏユニット４１２は、データ処理システム４００に接続できる他の装置とのデータ入出力を可能にする。例えば、Ｉ／Ｏユニット４１２は、キーボードおよびマウスにより利用者が入力を行うための接続を提供できる。さらに、Ｉ／Ｏユニット４１２は、プリンタへの出力を送信できる。ディスプレイ４１４は、利用者に情報を表示する機構を提供する。

オペレーティングシステムおよびアプリケーション、またはプログラムに対する命令は、固定記憶装置４０８に格納されている。これらの命令は、メモリ４０６にロードして、プロセッサユニット４０４で実行できる。種々の実施形態の工程は、コンピュータで実行される命令を使って、プロセッサユニット４０４で実施でき、前記命令はメモリ４０６などのメモリ内にあってよい。

種々の実施形態では、図２の坑井現場２００で得られるデータなど、種々のデータ源からのデータを解析して、地層の各層を特定きる。すなわち、種々の実施形態では、地層の異質性を特定することができる。図示した例では、図２の坑井現場２００から得られた連続的な坑井データなどの坑井データを使ってこの特定を行う。より具体的にいうと、種々の実施形態では、クラスター分析を使ってある地下領域に関する多次元データのパターンを特定し、岩石の異質性を特定する。すなわち、坑井現場からの情報を使用して種々の領域の特定、または地層内のグループ化が可能である。これらの例では、種々の領域の特定を、地層以外のゾーンまたは構造で行うことができる。図示したこれらの例において、ゾーンとは、何らかの選択された地中断面、または何らかの地中３次元ゾーンである。ゾーンとしては、地層全体、地層の一部、または他の構造などがある。すなわち、ゾーンは、地下の土壌の任意の一部をカバーするものであってよい。この種の解析により、類似した、および異なる物質特性によるゾーンの特定が可能である。

地層に異質性が特定された場合は、地層内の種々の領域の特性の特定を行うことができる。この特定は、坑井現場からすでに収集済みの前記多次元データを使って行うことができる。あるいは、特性を解析するため、種々の層の試料採取、またはグループ化を行うことができる。この試料採取は、例えばコアリング、側壁プラグ採取、または掘削くずにより行われる。それら試料の特性を測定して前記多次元データに関連付けて地層内の種々の領域の特性の特定を行うことができる。これらの領域は、種々の実施形態において、クラスター単位とも呼ばれる。さらに、この情報は、坑井現場の管理に関する決定を行う上でも使用される。

ここで図５を参照すると、本発明の例示的な一実施形態に基づき、１若しくはそれ以上の坑井現場から得られた多次元データを解析するため使用される構成要素を例示した図が示されている。多次元解析処理部５００は、図４のデータ処理システム４００などのデータ処理システムで実行を行う。多次元解析処理部５００は、入力データ５０２を受信し、これをデータベース５０４に格納する。これらの図示した例において、入力データ５０２は、図２の坑井現場２００などの坑井現場から得られた多次元データの形態をとる。この入力データは、坑井現場の連続データおよび不連続（離散）データなど、種々の形態をとることができる。データベース５０４は、既存のデータベースシステムを使って実施できる。これらの例において、データベース５０４は、順次照会言語（ｓｅｑｕｅｎｔｉａｌ ｑｕｅｒｙ ｌａｎｇｕａｇｅ：ＳＱＬ）データベースの形態をとることができる。

多次元解析処理部５００では、データベース５０４内のデータを解析して結果５０６を生成する。より具体的にいうと、これらの実施形態では、データベース５０４に格納された入力データ５０２に対してクラスター分析を実行する種々の工程が、多次元解析処理部５００に含まれる。多次元解析処理部５００では、類似特性および異種特性を伴った種々の領域を特定する。このソフトウェア構成要素を使用して種々の領域について測定された特性について関連付けを行い、当該種々の領域の特定を可能にするように前記特性を入力データ５０２と関連付けることもできる。例えば、入力データ５０２は、坑井検層データ、掘削中の測定データ、泥水検層データ、および掘削くずなどの連続的な坑井データを含んでよい。

多次元解析処理部５００では、クラスター分析を使って種々の領域の類似特性および異種特性を特定する際、これら例示的な実施形態の多次元データセットに含まれる連続的な坑井データを使って種々の領域が特定される。すなわち、坑井現場下の抗井に沿って、異種の領域またはクラスター単位があると特定されるが、それら領域またはクラスター単位の特性が特定されるわけではない。これらの例では、この工程部分において、領域を特定するための実際の特性は生成されない。例えば、貯留層特性、地球化学的特性、岩石学的特性、および機械的特性は、この工程により特定されない。これらのタイプの特性は、この後、試料採取または他の坑井現場データを使って特定される。

領域の特定が行われた後、多次元解析処理部５００では、坑井現場から収集された多次元データを使って、前記種々の領域の特性を特定する。それらの特性としては、例えば貯留層特性、地球化学的特性、岩石学的特性、および機械的特性がある。次に、多次元解析処理部５００では、これらの特性を結果５０６に関連付ける。この特性と結果５０６との関連付けにより、坑井現場の下にある、抗井の長手方向に沿った種々の領域のモデルが生成される。それらの結果は、ボアホール内の種々の領域で試料採取を行って確認することができる。これら種々の領域が特定された場合は、コアリング、側壁プラグ採取、または掘削などの技術で当該種々の領域に関するデータのサンプリングを行い、前記結果をさらに確認することができる。これら試料の物質特性は、測定可能である。これら物質特性は、試料が採取された特定領域の特性である。

この関連付けにより、入力データ５０２を取得した坑井の長手方向に沿って、測定された特性を拡張適用するモデルを生成することができる。このモデルを使用して他の坑井特性を予測し、また現在の坑井現場に関する決定を行うことができる。

多次元解析処理部５００の制御および結果５０６の提示は、グラフィカルユーザーインターフェース（ｇｒａｐｈｉｃａｌ ｕｓｅｒ ｉｎｔｅｒｆａｃｅ：ＧＵＩ）５０８を使って行う。グラフィカルユーザーインターフェース５０８により、利用者は、種々の結果を見て解釈することができる。また、グラフィカルユーザーインターフェース５０８を使って、利用者は、入力データ５０２の解析に使用されるパラメータを変更することもできる。結果５０６により、坑井データに基づいた３次元スケールモデルを構築すると、スイートスポットの特定など生産中の区別・判断を改善できる。さらに、結果５０６で生成されるモデルにより、掘削および生産の計画に関する指針も改善できる。

ここで図６を参照すると、本発明の例示的な一実施形態に基づき、多属性（マルチアトリビュート）地震探査解析法を利用して、ガスハイドレートを検出し、ガスハイドレートの飽和度を定量化する工程のフローチャートが示されている。図６に例示した工程は、手動（手作業）および／またはデータ処理システムで実施できる。図３、図４、および図５に例示した前記構成要素は、データ処理システムを使って実施する場合、前記工程の実施に使用できるソフトウェアおよびハードウェアの構成要素である。

前記工程では、まず適切な岩石物理モデルを構築または選択したのち、得られた坑井データに適合するよう前記岩石物理モデルを構築または選択する（工程６１０）。この地震探査データおよび坑井データは、図２の坑井現場２００などの坑井現場、または坑井と関係のない１若しくはそれ以上の地震探査場所から得られたデータであってよい。種々の坑井データおよび地震探査データには、音響データ、剪断データ、および密度データ、またはこれらパラメータの任意の組み合わせで地球物理学的に意味のあるものなどが含まれる。岩石の地震波特性と堆積物中のガスハイドレート飽和度との間には一貫した関係があることが実証されているため、坑井データは、一般に、既知のモデルに正確にモデル化することが可能である。

ここで図７〜１２を参照すると、本発明の例示的な一実施形態に基づき、坑井データのパターン化に利用できる既知の岩石物理モデルがいくつか示されている。これら以外のモデルも使用できる。

図７は、ＤｖｏｒｋｉｎおよびＮｕｒにより初めて記述された膠結（ｃｅｍｅｎｔａｔｉｏｎ）モデルを示したものである。図７の岩石物理モデルでは、岩石堆積物をランダムに圧縮された球体として扱う。ガスハイドレートは、この堆積物内の接触点で生じる。図８の岩石物理モデルでも、岩石堆積物をランダムに圧縮された球体として扱う。ただし、図８のモデルにおけるガスハイドレートは、図７のモデルと異なり、岩石堆積物の外側の被覆物として形成される。低濃度の場合、これらのモデルでは、ガスハイドレートが少量増加すると、地震波特性−具体的には岩石中のＰ波およびＳ波の速度−が大きく増加することが予測される。ただし、これらのモデルでガスハイドレートの濃度がさらに増すと、Ｐ波およびＳ波の速度増加率は小さくなることが予測される。

図７のモデルにおけるＰ波の速度プロファイルは、図１３で１３０２として示した。図７のモデルにおけるＳ波の速度プロファイルは、図１４で１４０２として示した。図８のモデルにおけるＰ波の速度プロファイルは、図１３で１３０４として示した。図８のモデルにおけるＳ波の速度プロファイルは、図１４で１４０４として示した。図９で開示したモデルは、Ｄｖｏｒｋｉｎが初めて提案したもので、ガスハイドレートは、荷重のかかった岩石マトリックス（基質）の構成要素であり、岩石堆積物に組み込またものとして示される。まず、Ｈｅｒｔｚ−Ｍｉｎｄｌｉｎ接触理論を使って、孔隙率が臨界孔隙率に等しい乾燥岩石を通過するＰ波およびＳ波の係数が計算される。孔隙率が臨界孔隙率より大きく若しくは小さい場合には、修正Ｈａｓｈｉｎ−Ｓｈｔｒｉｋｍａｎ（ＨＳ）境界が使用される。次いで複合岩石についてモデル化されたＰ波およびＳ波の速度がＢｉｏｔ−Ｇａｓｓｍａｎｎの式から導出可能になる。図９のモデルにおけるＰ波の速度プロファイルは、図１３で１３０６として示した。図９のモデルにおけるＳ波の速度プロファイルは、図１４で１４０６として示した。

図１０に開示したモデルは、Ｈｅｌｇｅｒｕｄが初めて提案したもので、ガスハイドレートを、岩石マトリックス内の間隙を充填するものとして示している。まず、Ｈｅｒｔｚ−Ｍｉｎｄｌｉｎ接触理論を使って、孔隙率が臨界孔隙率に等しい乾燥岩石を通過するＰ波およびＳ波の係数が計算される。孔隙率が臨界孔隙率より大きく若しくは小さい場合には、修正Ｈａｓｈｉｎ−Ｓｈｔｒｉｋｍａｎ（ＨＳ）境界が使用される。次いで複合岩石についてモデル化されたＰ波およびＳ波の速度が、ガスハイドレート置換に適したＢｉｏｔ−Ｇａｓｓｍａｎｎの式から導出される。図１０のモデルにおけるＰ波の速度プロファイルは、図１３で１３０８として示した。図１０のモデルにおけるＳ波の速度プロファイルは、図１４で１４０８として示した。

図１１に開示したモデルは、ガスハイドレートをマトリックスとして扱い、岩石堆積物を当該マトリックス内の含有物として扱う包含タイプのモデルである。このモデルについて、含有物タイプまたはセルフコンシステント（自己無撞着）タイプの方程式の解を反復法で求めると、この系に関するＰ波およびＳ波の係数が計算できる。図１１のモデルにおけるＰ波の速度プロファイルは、図１３で１３１０として示した。図１１のモデルにおけるＳ波の速度プロファイルは、図１４で１４１０として示した。

図１２に開示したモデルは、モジュール状に、また亀裂部に存在するガスハイドレートを示している。現時点では、この幾何学的モデルを定量的に扱う方法は提供されていない。そのため、図１２のモデルにおけるＰ波およびＳ波のプロファイルは、図１３および図１４に示していない。

坑井現場データは、適切な岩石物理モデルへとモデル化または構築される。例示を目的として、ここでは図１１に開示したモデルを取り上げる。図１１の選択は、単に説明を容易にするための非限定的なものである。実際のモデル選択またはモデル構築は、岩石組成やガスハイドレート飽和度などに応じて異なる。本明細書に開示する方法およびシステムは、これら種々の状況に基づく任意のモデルと併用して利用できる。

再び図６を参照すると、工程６１０において構築されたモデルを使用して種々の孔隙率およびガスハイドレート飽和度における属性（アトリビュート）（Ｉｐ，Ｉｓ，Ｒｈｏｂ）の値が生成される（工程６１２）。すなわち、地震探査アトリビュートは、孔隙率（Φ）およびガスハイドレート飽和度（ｓ_ｇｈ）の関数として表すことができる。これは、一般的に次式で示される。

Ｐ波のインピーダンスは、次式により、測定された物理パラメータに関係する。

ρ_ｂｕｌｋは堆積物のかさ密度、Ｋ_ｓａｔは飽和した岩石の体積弾性率、Ｇは乾燥した岩石の剛性率である。

Ｓ波のインピーダンスは、次式により、測定された物理パラメータに関係する。

ρ_ｂｕｌｋは堆積物のかさ密度、Ｇは岩石の剛性率である。

図１３は、本発明の例示的な一実施形態に基づき、図７〜１２に示した種々の岩石物理モデルの疎密波速度を表したグラフである。

図１４は、本発明の例示的な一実施形態に基づき、図７〜１２に示した種々の岩石物理モデルの剪断波速度を表したグラフである。

再び図６を参照すると、次にガスハイドレートが工程６１２で生成された属性集団に応じて、孔隙率およびハイドレート飽和度の種々の範囲に基づき分類され、各分類ごとに確率密度関数（ｐｒｏｂａｂｉｌｉｔｙ ｄｅｎｓｉｔｙ ｆｕｎｃｔｉｏｎ：ＰＤＦ）が生成される（工程６１４）。（標準的な多変量回帰（分析）には、数学的なトレンド関数を開発する。）個々の属性の確率密度分布関数が作成されたのち、与えられた個々の確率密度関数から、ベイズ関数を使って多変量の結合条件付き確率密度関数が作成される。

各分類に関する例示的な確率密度関数（ＰＤＦ）を図１５に示す。図１５は、すべてのガスハイドレート分類について、地震波速度により定義される種々の岩石学的単位など、各分類に対応する各属性を３次元空間に含めた例示的なＰＤＦを示したものである。

再び図６を参照すると、次に別個の属性について与えられた個々の確率関数から、結合条件付き確率関数が作成される（工程６１６）。孔隙率および飽和度に関する結合確率密度関数を導出するには、モデルに制約されたベイズ法に基づく逆解析（インバージョン解析）を、地震探査アトリビュートに関する条件付き確率密度関数に適用する。

これは、次式で示される。

選択されたモデルに基づき、音響インピーダンス、剪断インピーダンス、および密度の属性を、単一の多変量関数へと組み合わせると、ガスハイドレート密度について、よりロバスト（堅牢）で正確な決定が行える。安定した解セットの１つは、上記で概略説明した関数により得られる。

次に、属性集団に基づき、孔隙率およびハイドレート飽和度の種々の範囲を伴ったガスハイドレートが分類され、個々の分類ごとに確率密度関数（ＰＤＦ）が作成される。個々の属性の確率密度分布関数が作成されたのち、与えられた個々の確率密度関数から、ベイズの定理（ベイズの定理）を使って結合条件付き確率密度関数が作成される。

ここで図１６および図１７を参照すると、ベイズ法に基づく逆解析について、制約なしの場合およびモデルに制約された場合の孔隙率およびハイドレート飽和度が示されている。これら２つのグラフを比較すると、モデルに制約された場合の図１８のグラフは、制約なしのモデルより測定値の変動が少ないことがわかる。これによりグラフの正確さが向上し、その結果、試料のガスハイドレート飽和度をより正確に決定できるようになる。

再び図６を参照すると、最大事後確率（ｍａｘｉｍｕｍ ａ ｐｏｓｔｅｒｉｏｒｉ：ＭＡＰ）則を使って、孔隙率およびハイドレート飽和度が推定される（工程６１８）。このＭＡＰ則では、区間内での正しい値の予測に伴う不確実性が減少するという点で、リスクが最小限に抑えられ、最適な結果を得る上で役立つ。これは次式で表せる。

前記ベイズ関数は、孔隙率および飽和度のＭＡＰ推定に伴う不確実性の測度を提供する。選択されたインラインまたは坑井の軌跡に対する不確実性の解析は高価ではなく、前記逆解析に伴う不確実性について有益な洞察をもたらす。

以上、孔隙率および飽和度のＭＡＰ推定を利用するものとして本発明を説明したが、標準的な回帰ベースの多変量解析の孔隙率および飽和レベルを決定するには、標準的な回帰ベースの解析を利用してもよい。

ここで図１８を参照すると、本発明の例示的な一実施形態に基づき、モデルに制約されたベイズ法に基づく逆解析を利用してＭＡＰ関数で推定された例示的な試料の孔隙率が示されている。

ここで図１９を参照すると、本発明の例示的な一実施形態に基づき、モデルに制約されたベイズ法に基づく逆解析を利用してＭＡＰ関数で推定された例示的な試料のガスハイドレート飽和度が示されている。

このように、本発明の種々の実施形態では、多変量解析で複数の地震探査アトリビュートを利用して、地震探査データからガスハイドレートの濃度および分布を検出および定量化するシステムおよび方法を提供する。適切な岩石物理モデルは、坑井検層データから、および／または経験的に選択される。次に、その岩石物理モデルを使って、種々の孔隙率およびガスハイドレート飽和度に関する疎密波および剪断波の速度を含む属性値を生成する。ガスハイドレートは、属性集団に基づき、孔隙率およびハイドレート飽和度の種々の範囲に分類される。そして、個々のガスハイドレート分類ごとに確率密度関数が作成される。個々の属性に関する確率密度分布関数と、結合条件付き確率密度関数とは、ベイズ関数を使って作成される。各ガスハイドレート分類が発生する条件付き確率に、地震探査値の逆解析または坑井測定値から得られた属性値の値セットを与え、逆解析する。最後に、最大事後確率（ＭＡＰ）則を使って、最適な孔隙率およびハイドレート飽和度が推定される。この情報を使用して坑井現場の管理に関する決定を行うことができる。

図に示した種々の実施形態のフローチャートおよびブロック図では、機器、方法、およびコンピュータプログラム製品として考えられるいくつかの実施態様のアーキテクチャ、機能性、および動作を例示している。この場合、前記フローチャートまたはブロック図の各ブロックは、コードのモジュール、セグメント、または一部を表しており、指定された１若しくは複数の関数を実施する１若しくはそれ以上の実行可能な命令を有する。一部の代替実施態様において、前記ブロックに含まれる１若しくは複数の関数は、図と異なる順番で実行されてもよい。例えば、連続して示した２つのブロックが、関係する機能性に応じて、実質的に同時に実行され、または逆順に実行される場合もある。

本発明は、完全にハードウェアだけの実施形態であっても、完全にソフトウェアだけの実施形態であっても、ハードウェア要素およびソフトウェア要素の双方を含む実施形態であってもよい。例示的な実施形態において、本発明は、ファームウェア、常駐ソフトウェア、マイクロコードなどを含む（これに限定されるものではないが）ソフトウェアで実施される。

さらに、本発明は、コンピュータ使用可能媒体またはコンピュータ可読媒体からアクセス可能なコンピュータプログラム製品の形態であってよく、前記媒体は、コンピュータまたは任意の命令実行システムで若しくはそれに接続して使用するプログラムコードを提供する。この説明のため、コンピュータ使用可能媒体またはコンピュータ可読媒体は、前記命令実行システム、機器、または装置で若しくはそれに接続して使用するプログラムを含み、格納し、通信し、伝播（伝搬）し、または運搬することができる任意の有形の機器であってよい。

前記媒体は、電子、磁気、光学、電磁、赤外、または半導体システム（あるいは機器または装置）、あるいは伝播（伝搬）媒体であってよい。コンピュータ可読媒体の例としては、半導体メモリ、固体メモリ、磁気テープ、着脱可能なコンピュータディスケット、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、剛性磁気ディスク、および光学ディスクなどがある。光学ディスクの現行の例としては、読み出し専用メモリコンパクトディスク（ＣＤ−ＲＯＭ）、書き換え可能コンパクトディスク（ＣＤ−Ｒ／Ｗ）、およびＤＶＤなどがある。以上、本発明を例示するため特定の実施形態について特に詳しく説明したが、当業者であれば、説明した方法、システム、および他の実施形態の変更（修正）形態および適応形態が容易に理解され、本発明の要旨を逸脱しない範囲で作製可能であろう。

Claims (15)

1. コンピュータ読取可能なプログラムコードを有する非一時的コンピュータ読取媒体を有し、次の操作命令を実行するコンピュータプログラム製品であって、
   前記操作命令は、
   地層領域に関連付けられたデータに一致する岩石物理モデルを使用して、異なる孔隙率及びガスハイドレート飽和度に対して独立した属性（アトリビュート）を生成し、
   複数の独立した属性に基づいて、異なる孔隙率及びガスハイドレート飽和度に応じたガスハイドレート分類を作成し、
   それぞれのガスハイドレート分類に対する確率密度関数を計算し、
   独立した属性に対する個別のガスハイドレート分類に対する確率密度関数から結合条件付き確率関数を作成し、
   ハイドレート濃度及び地層領域の分布推定を生成する、
   ことを特徴とするコンピュータプログラム製品。
2. 請求項１に記載のコンピュータプログラム製品において、前記複数の独立した属性は、疎密波インピーダンスと、剪断波インピーダンスと、かさ密度と、疎密波速度と、剪断波速度とのうち少なくとも２つを有するものである、コンピュータプログラム製品。
3. 請求項１に記載のコンピュータプログラム製品において、前記結合条件付き確率密度関数は、モデルに制約されたベイズ法に基づく逆解析（インバージョン解析）を使用するものである、コンピュータプログラム製品。
4. 請求項３記載のコンピュータ製品において、前記モデルに制約されたベイズ法に基づく逆解析は、次式の関数である。
   

   

   ここで、pは確率であり、Φは孔隙率であり、S _gh はガスハイドレート飽和度であり、ATRは属性のことであり、MCは制約されたモデルのことである。
5. 請求項１に記載のコンピュータプログラム製品において、
   最大事後確率（ＭＡＰ）則を適用して、ハイドレート濃度及び分布推定を生成する、
   ことを特徴とするコンピュータプログラム製品。
6. 地層領域内のガスハイドレート濃度推定方法であって、
   地層領域内の坑井データを取得する工程と、
   プロセッサによって、坑井データに対応する岩石物理モデルを使用して、異なる孔隙率及びガスハイドレート飽和度に対して独立した属性を生成する工程と、
   複数の独立した属性に基づいて、異なる孔隙率及びガスハイドレート飽和度に応じたガスハイドレート分類を作成する工程と、
   プロセッサによって、それぞれのガスハイドレート分類に対する確率密度関数を計算する工程と、
   プロセッサによって、独立した属性に対する個別のガスハイドレート分類の確率密度関数から結合条件付き確率密度関数を作成する工程と、
   プロセッサによって、ガスハイドレート濃度及び地層領域の分布推定を生成する工程と、
   を備えたことを特徴とするガスハイドレート濃度推定方法。
7. 請求項６に記載の方法において、前記複数の独立した属性は、疎密波インピーダンスと、剪断波インピーダンスと、かさ密度と、疎密波速度と、剪断波速度とのうち少なくとも２つを有するものである、方法。
8. 請求項６に記載の方法において、前記結合条件付き確率密度関数は、モデルに制約されたベイズ法に基づく逆解析を使用するものである、方法。
9. 請求項８記載の方法において、前記モデルに制約されたベイズ法に基づく逆解析は、次式の関数である。
   

   

   ここで、pは確率であり、Φは孔隙率であり、S _gh はガスハイドレート飽和度であり、ATRは属性のことであり、MCは制約されたモデルのことである。
10. 請求項６に記載の方法において、
    最大事後確率（ＭＡＰ）則を適用して、ハイドレート濃度及び分布推定を生成する工程を備えたことを特徴とする方法。
11. ガスハイドレート濃度を推定するデータ処理システムであって、
    メモリと、
    プロセッサと
    を有し、
    前記プロセッサはコンピュータで使用可能なプログラムコードを実行するものであり、
    地層領域に関連付けられたデータに一致する岩石物理モデルを使用して、異なる孔隙率及びガスハイドレート飽和度に対して独立した属性を生成し、
    複数の独立した属性に基づいて、異なる孔隙率及びガスハイドレート飽和度に応じたガスハイドレート分類を作成し、
    それぞれのガスハイドレート分類に対する確率密度関数を計算し、
    独立した属性に対する個別のガスハイドレート分類に対する確率密度関数から結合条件付き確率関数を作成し、
    ハイドレート濃度及び地層領域の分布推定を生成する、
    こと特徴とするデータ処理システム。
12. 請求項１１に記載のデータ処理システムにおいて、前記複数の独立した属性は、疎密波インピーダンスと、剪断波インピーダンスと、かさ密度と、疎密波速度と、剪断波速度とのうち少なくとも２つを有するものである、データ処理システム。
13. 請求項１１に記載のデータ処理システムにおいて、前記結合条件付き確率密度関数は、モデルに制約されたベイズ法に基づく逆解析を使用するものである、データ処理システム。
14. 請求項１３記載のデータ処理システムにおいて、前記モデルに制約されたベイズ法に基づく逆解析は、次式の関数であることを特徴とするデータ処理システム。
    

    

    ここで、pは確率であり、Φは孔隙率であり、S _gh はガスハイドレート飽和度であり、ATRは属性のことであり、MCは制約されたモデルのことである。
15. 請求項１１に記載のデータ処理システムにおいて、最大事後確率（ＭＡＰ）則を適用して、ハイドレート濃度及び分布推定を生成する、データ処理システム。

Images