NO20121473A1 - System for modellering av geologiske strukturer - Google Patents
System for modellering av geologiske strukturer Download PDFInfo
- Publication number
- NO20121473A1 NO20121473A1 NO20121473A NO20121473A NO20121473A1 NO 20121473 A1 NO20121473 A1 NO 20121473A1 NO 20121473 A NO20121473 A NO 20121473A NO 20121473 A NO20121473 A NO 20121473A NO 20121473 A1 NO20121473 A1 NO 20121473A1
- Authority
- NO
- Norway
- Prior art keywords
- data
- model
- geological
- structural model
- structural
- Prior art date
Links
- 230000000007 visual effect Effects 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 239000004215 Carbon black (E152) Substances 0.000 claims description 2
- 229930195733 hydrocarbon Natural products 0.000 claims description 2
- 150000002430 hydrocarbons Chemical class 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 241001415846 Procellariidae Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- RXZBMPWDPOLZGW-HEWSMUCTSA-N (Z)-roxithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=N\OCOCCOC)/[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 RXZBMPWDPOLZGW-HEWSMUCTSA-N 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 208000012514 Cumulative Trauma disease Diseases 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
-
- 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
- G01V20/00—Geomodelling in general
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Den foreliggende oppfinnelsen angår et system for å modellere geologiske strukturer omfattende midler for å motta geofysiske data som representerer de geologiske strukturene og analysemidler for, basert på minst deler av dataene, å beregne en strukturell modell av strukturen, der systemet også omfatter fremvisningsmidler for å frembringe en visuell presentasjon av modellen og grensesnittmidler for å motta inndata fra en bruker, der systemet er tilpasset til å beregne en oppdatert strukturell modell basert på inndataene.
Description
System for modellering av geologiske strukturer
Den foreliggende oppfinnelsen angår et system for å modellere geologiske strukturer omfattende midler for å analysere data som representerer de geologiske strukturene.
Målet med tolkning er å utvikle en geologisk plausibel representasjon av undergrunnen til bruk i utvinningsbransjer, for eksempel olje- og gassindustrien. Tolkningen baseres typisk på geofysiske data, for eksempel seismiske data. Konvensjonelle arbeidsflyter krever tolkere for å bygge en representasjon som en samling av mange punkt som representerer topper i seismisk amplitude som tolkes som geologisk meningsfulle grensesnitt. Disse løsningene er typisk svært arbeidskrevende (med tidmessige og ergonomiske effekter). Et andre trinn kreves for bruke de samlede punktene for å generere en geologisk plausibel modell. Dette krever typisk ytterligere tid, anstrengelser og ekspertise.
Vi presenterer en ny fremgangsmåte for underjordisk tolkning hvor en geologisk konsistent delflatemodell opprettes i løpet av tolkningstrinnet. Dette fører til betydelige produktivitetsgevinster på flere fronter. For det første kreves færre punkt i avbildningsfasen, hvilket fører til raskere avbildning og redusert ergonomisk belastning. For det andre blir tolkningen kvalitetskontrollert (QCet) gjennom umiddelbar tilbakemelding fra en geologisk konsistent strukturell modell.
Bakgrunn - Tolkning utføres generelt på seismiske data, og denne oppfinnelsen vedrører hovedsakelig tolkning av seismiske data. Denne oppfinnelsen er imidlertid generelt anvendelig til tolkning av alle data eller kart av undergrunnen.
I konvensjonell seismisk tolkning tar brukeren sikte på å avbilde horisonter og forkastninger i undergrunnen. Et eksempel er angitt av Quay m fl (US3899768), hvor seismiske egenskaper fremvises for for å utvikle en geologisk modell. Geologiske modeller er representasjoner av undergrunnen som kan brukes til å ta avgjørelser av betydning for utvinningsbransjer, for eksempel hvor det er best å bore en brønn. Geologiske modeller som representasjoner av undergrunnen har en lang historie i teknikkens stilling (se for eksempel Barringer, US 477633). Senere er disse modellene utviklet basert på en brukers tolkning av seismiske data (se for eksempel Antsey US3931609;Swanson US4991095).
Tolkning oppnås ved at brukeren ser på seismiske data og markerer et punkt ("plukk") hvor en refleksjon av seismisk energi indikerer nærvær av en impedanskontrast ("horisont") i jorden. Diskontinuiteter i horisonter kan gjenspeile strukturelle deformasjoner og kan tolkes som forkastninger. Forkastninger plukkes tilsvarende som horisonter, hvor et punkt markeres der tolkeren mener forkastningen krysser en horisont. Denne typen tolkning er svært arbeidsintensiv ettersom den krever at tolkeren tar en avgjørelse vedrørende nærvær (eller fravær) av et geologisk signal overalt i domenet hvor det finnes data. Videre er den svært ergonomisk belastende, og fører ofte til alvorlige repetitive belastningsskader selv i nærvær av en ordentlig vurdert arbeidsplass.
Teknologien er utviklet til punktet hvor sofistikerte algoritmer brukes til å hjelpe til med å strømlinjeforme prosessen med å plukke horisonter og forkastninger ("autosporing", eng. "auto/ant trackers"), primært med mål å øke farten og redusere ergonomisk belastning. En programvareplattform som kombinerer brukerinnvirkning og evne til autosporing er den konvensjonelle løsningen brukt av bransjen til å løse tolkningsproblemet. For eksempel har Chittineni (US4499598) og Chittineni (US4648120) utviklet algoritmer for å detektere brå endringer i bilder med mye støy. Denne fremgangsmåten kan brukes til å identifisere forkastninger i seismiske data, hvor det er en hurtig sideveis endring i seismisk impedans.
Som beskrevet bidrar autosporingsalgoritmer til å øke farten i tolkingsprosessen. Dette gjøres ved å identifisere et trekk av interesse (f eks en topp, et trau eller nullkryssing av seismisk amplitude) på ett punkt i datavolumet og søke i de nærliggende volumene etter tilsvarende strukturer. Teknikkens stilling inneholder mange eksempler på hvordan dette utføres. For eksempel beskriver Flinchbaugh (US4633402) en fremgangsmåte for automatisk å frembringe representasjoner av horisonter i seismiske data. Denne fremgangsmåten følger minima og maksima i seismiske spor for å bestemme utstrekningen av en seismisk hendelse sideveis. Andre eksempler på forskjellige fremgangsmåter for å nå de samme målene er frembrakt av Howard (US5056066), Hildebrand (US5153858), Hildebrand m fl (US5251184), Hildebrand (US5432751) og mange flere.
Uheldigvis er disse fremgangsmåtene utilstrekkelige for komplekse reservoarer (for eksempel der geologisk struktur endres raskt i forhold til datasampling). Videre krever unøyaktigheter og artefakter generert av disse fremgangsmåtene et betydelig QC-trinn, hvor alle feil korrigeres før en strukturell modell bygges. I tillegg respekterer ikke disse fremgangsmåtene geologiske regler, og det kan derfor være vanskelig å bestemme hvor tolkningen er uriktig.
Konvensjonell strukturell modellering begynner med en eksisterende tolkning (avbildning) av relevante geologiske objekter (forkastninger/horisonter). Disse avbildningene blir så QCet for feil, og et stratigrafisk rammeverk utvikles for å forbinde de avbildede objektene med en geologisk struktur. Det konstrueres overflater som følger geologiske regler, for eksempel forkastningstype, horisont-forkastnings-kryssinger, erosjonsflater og avknipinger (pinch-outs) og pålapping (on-lapping) (for eksempel Neave US7512529). Uheldigvis er dette et tidkrevende trinn som krever ekspertise; videre krever den opprinnelige tolkningen ofte modifikasjon fra den strukturelle modellereren for å bygge en geologisk konsistent modell. Dette fører til nye "omgjøringstrinn" (additional "remapping" steps) som reduserer produktiviteten.
Flere bidragsytere har utviklet fremgangsmåter som kombinerer noen elementer av tolkning og geologisk modellering. For eksempel beskriver Pepper m fl (US2012/0029827) en fremgangsmåte hvor en innledende tolkning brukes til å opprette en innledende strukturell modell, hvoretter de seismiske data og tolkningen modifiseres for å ta hensyn til geologisk deformasjon av underjordiske strata. Etterfølgende tolkninger utføres, og modellen justeres til den nye informasjonen. Uheldigvis avhenger nøyaktigheten til denne fremgangsmåten av nøyaktigheten til den strukturelle restaureringen for å forbedre den synlige korrelasjonen i dataene. Videre krever denne fremgangsmåten å modifisere inngående seismiske data, hvilket øker kompleksiteten i prosessen ytterligere.
Kommersielt tilgjengelige produkter hevder å kombinere modellerings- og tolkningstrinn. For eksempel frembringer Petrel (Schlumberger)
http://www.slb.com/services/software/geo/petrel/seismic/seismic_interpretation.aspx en arbeidsflyt for forkastningsanalyse med samtidig modellering og tolkning. Uheldigvis leverer denne arbeidsflyten geometriske overflaterepresentasjoner av forkastninger i tolkningsfasen, ikke en geologisk konsistent strukturell modell som kan brukes til beslutningstaking. Videre frembringes overhode ingen modell basert på horisonter i denne arbeidsflyten, hvilket gjør disse samlingene dårlig egnet til en kombinert tolkning-geomodelleringsarbeidsflyt rettet mot beslutningstaking.
Et annet eksempel frembringes av Dommisse m fl (US7986319, US2011/0320182). Her frembringes et system for tolkning hvor en tredimensjonal utvikes som representerer korrelasjon mellom brønnlogger. Mens denne fremgangsmåten deler mange av fordelene beskrevet i den foreliggende oppfinnelsen, inkludert fart og enkel bruk, har den også flere begrensninger. For eksempel krever fremgangsmåten korrelasjon av brønnlogger for å utvikle tolkningsoverflaten i 3D og tillater ikke en generalisert tolkningssamling inkludert noen eller alle tilgjengelige geofysiske data. Videre erkjenner forfatterne at tolkningsoverflaten i 3D som genereres av deres system ikke er en geologisk konsistent strukturell modell, det vil si at et etterfølgende, tidkrevende trinn kreves for å utvikle en geologisk konsistent strukturell modell som kan brukes til forretningsbeslutninger.
Fremgangsmåten beskrevet her tar sikte på å øke produktiviteten ved å kombinere tolknings-og modelleringstrinnene på en ny måte. I vår fremgangsmåte konstrueres et geologisk konsistent rammeverk i løpet av tolkningsfasen; tolkeren avbilder derfor bare punkter hvor det kreves av den strukturelle modellen. Oppfinnelsen erkarakterisertsom fremsatt i de vedføyde patentkravene.
For å løse de arbeidsintensive og ergonomiske utfordringene knyttet til konvensjonelle løsninger, velger vi å representere geologiske overflater (f eks forkastninger, horisonter) med glisne datastrukturer. Overflaten representerer derfor en interpolerende funksjon mellom kontrollpunkter valgt av tolkeren. Tolkeren bestemmer i løpet av avbildningsfasen hvorvidt den eksisterende mengden av kontrollpunkt nøyaktig representerer trekket av interesse, hvis ikke, legger tolkeren til et nytt kontrollpunkt eller modifiserer plasseringen av et eksisterende kontrollpunkt.
Brukeren trenger nær sanntids tilbakemelding under tolkingen for å bestemme hvorvidt de digitaliserte kontrollpunktene adekvat representerer den geologiske overflaten indikert av dataene eller ikke. I prinsipp kan dette tilbys av enhver interpoleringsfunksjon (for eksempel stykkevis lineære b-splines osv). Uheldigvis adlyder ikke disse representasjonene geologiske regler, og er derfor upassende i mange vanlige geologiske situasjoner (for eksempel nær forkastninger).
Vi løser dette problemet ved å konstruere en full, geologisk konsistent strukturell modell basert på (enten helt eller delvis) de digitaliserte kontrollpunktene. Denne modellen tjener deretter som interpoleringsfunksjonen mellom de digitaliserte kontrollpunktene.
Oppfinnelsen vil bli drøftet i større detalj nedenfor med henvisning til de vedføyde tegningene, som illustrerer oppfinnelsen ved hjelp av eksempler. Figur 1 illustrerer en konvensjonell tolkings- og modellerings arbeidsflyt (la) og den nye tolkings- og modelleringsarbeidsflyten (lb) frembrakt av systemet ifølge oppfinnelsen. Figur 2 illustrerer et systemdiagram som demonstrerer hvordan de relevante data
kombineres for å generere modelloppdateringene.
Figurene 3-7 illustrerer sekvensen for å frembringe modellen ifølge oppfinnelsen .
Den foretrukne utførelsesformen av denne fremgangsmåten vil omfatte et utvalg av geologiske regler som implementert i RMS strukturell modellering i dag, men hvilke som helst geologisk relevante rekler kan også brukes. Figur 1 skisserer den nye modelleringsarbeidsflyten beskrevet her.
Figur la beskriver en konvensjonell tolkings- og modelleringsarbeidsflyt. I det første trinnet digitaliseres punkter for å a avgrense et deloverflate geolegeme (horisont, forkastning osv). Dette oppnås enten gjennom direkte manuell innmating (for eksempel ved at brukeren "klikker" på et punkt på skjermen ved å bruke en pekerenhet for å digitalisere et enkelt punkt) eller gjennom en algoritmisk tilnærming ("autosporing"), hvor et såpunkt plasseres og algoritmen bestemmer nabopunkt basert på forhåndsbestemte kriteria (slik som bølgeformkorrelasjon for seismiske data). Deretter avgjør tolkeren om de tolkede/avbildede punktene er representative fi\or inngangsdataene eller ikke. Hvis varet er nei, avbilder brukeren tilleggspunkter og gjentar inntil de avbildede punktene er representative for dataene. Denne prosessen representerer den konvensjonelle tolkingsarbeidsflyten.
Det neste trinnet er begynnelsen på det som typisk betraktes som den geologiske modelleringsarbeidsflyten. Den begynner med et kvalitetskontrolltrinn hvor modellereren gransker alle kilder for inndata (brønner, seismiske tolkninger osv) og bestemmer hvorvidt de tilgjengelige datapunktene gir adekvate beskrankninger på modellbyggingsprosessen. Hyppig forekommende QC-feller for seismiske data omfatter manglende sykluser (cykle skips), manglende forkastninger eller andre svakt eller uriktig avbildede trekk i de geofysiske dataene. Etter en innledende QC-fase kombineres dataene gjennom en strukturell modelleringsalgoritme som utvikler en geologisk representasjon av undergrunnen som tilfredsstiller de tilgjengelige data og tilfredsstiller kjente geologiske regler (som beskrevet ovenfor). Generelt fører modelleringsprosessen til at modellereren blir oppmerksom på trekk i dataene som forårsaker urealistiske trekk i den geologiske modellen. Modellereren repeterer deretter QC-trinnet for å kontrollere eller fjerne artefaktet i modellen. Når modellereren er tilfreds med at den geologiske modellen er representativ for de opprinnelige dataene, brukes den som basis for beslutninger om underjordisk utforsking.
Her foreslår vi en ny arbeidsflyt som kombinerer for tolkings- og modelleringsarbeidsflytene (figur lb). I denne arbeidsflyten digitaliserer brukeren et avbildet punkt og den geologiske modelleringsalgoritmen beregner umiddelbart en strukturell modell som er konsistent med de tolkede dataene og de kjente geologiske reglene. Brukeren avgjør deretter om denne strukturelle modellen er representativ for dataene. Hvis ikke, legges ytterligere data til, og nye representasjoner av den strukturelle modellen genereres. Når modellen dømmes representativ, kan den brukes som basis for beslutninger om underjordisk utforsking.
Det bør være klart for både geomodellerere og tolkere at den foreslåtte arbeidsflyten har flere fordeler fremfor den konvensjonelle tilnærmingen. For det første vil kombinasjonen av de to arbeidsflytene føre til betydelige produktivitetsgevinster. For det andre, ved å generere en strukturell modell umiddelbart i løpet av tolkingsfasen, kan brukeren umiddelbart se konsekvensene av tolkningen (inkludert artefakter) i den strukturelle modellen. For det tredje representerer arbeidsflyten en "additiv" prosess heller enn en "subtraktiv", det vil si at modellen konstrueres ved å legge til punkter når detaljer er nødvendige heller enn å fjerne punkter når de ikke kreves eller fører til feil. Dette gir en forskjellig filosofisk tilnærming til modelleringsprosessen og vil gjøre det mulig for geoviteren å rette oppmerksomheten mot områder i modellen som trenger det.
Figur 2 gir et eksempel på et systemdiagram som demonstrerer hvordan de relevante inngangsdata, brukerutledede data importerte data og geologiske regler kombineres for å generere modelloppdateringen.
Hvis den ikke implementeres med omtanke, kan en glissen representasjon av en overflate gjennom kontrollpunkter føre til geologisk inkonsistens. For eksempel antas generelt at en topp i seismisk amplitude representerer et grensesnitt i jordskorpen; mange analytiske arbeidsflyter følger fra denne antakelsen, inkludert amplitudeanalyse eller inversjon. To alternative utførelsesformer som ivaretar dette hensynet blir derfor foreslått.
I den første utførelsesformen bygges den strukturelle modellen basert på de tolkede kontrollpunktene, og løsningen dempes mot en sekundær mengde av punkter (muligens funnet gjennom autosporingsalgoritmer) gjennom opprettelse av en kost/straff-funksjon. I denne utførelsesformen legger brukeren til en glissen samling kontrollpunkter og en numerisk algoritme brukes til å foreslå en andre mengde av punkter basert på kontrollpunktene. Denne algoritmen kan baseres på kjente autosporingsteknikker for horisonter eller forkastninger, som det er gitt eksempler på fra kjent teknikk ovenfor. Alternativt kan en hvilken som helst tilfeldig valgt interpoleringsflate (for eksempel B-spline osv) som tilfredsstiller kontrollpunktene brukes til å generere punkter. Deretter finnes en geologisk overflate der overflaten tilfredsstiller kontrollpunktene eksakt og tilfredsstiller de sekundære punktene til en grad som minimerer en global kostfunksjon forbundet med en hvilken som helst overflateegenskap, inkludert men ikke begrenset til glatthet, forskjell mellom sekundære punkter og den representative overflaten eller andre slike beskrankninger.
Den andre utførelsesformen angår inkorporering av usikkerhet i tolkningsprosessen (tema i et separat ROXAR dokument P4293NO00 medtatt her som referanse). I dette tilfellet forutsettes at en gitt topp i seismisk amplitude representerer en fordeling av plausible overflater, og høy presisjon er derfor ikke påkrevet i avbilningsfasen.
I prinsipp kan den strukturelle modellen som genereres i løpet av tolkningen beskrankes av hvilke som helst eksisterende delflatedata, for eksempel brønndata, brønnplukk (estimater av horisontplasseringer i brønnlogger) osv. Disse beskrankningene kan brukes til å begrense de mulige formene for de strukturelle overflatene.
Figurene 3-7 viser sekvensielle iterasjoner av brukertilbakemelding i løpet av den kombinerte tolkings- og modelleringsarbeidsflyten. Først visualiseres seismiske data (Fig 3). Deretter plasserer brukeren ett enkelt kontrollpunkt og en geologisk strukturell modell (i dette tilfellet en flat horisont) genereres (Fig. 4). Ytterligere kontrollpunkter forbedrer representasjonen av dataene (Fig. 5). Andre geologiske objekter (for eksempel forkastninger) kan legges til (Fig. 6) Et system av geologiske regler brukes til å bestemme hvordan forkastningsobjektene skjærer horisontobjektene, og hvordan horisont- og forkastningsflatene bør genereres for å tilfredsstille disse reglene basert på den glisne representasjonen av kontrollpunktene. Endelig kan en full overflaterepresentasjon oppnådd (Fig. 7). Som visualisert her, er flere "tårer" synlig i overflaten hvor forkastninger har skåret gjennom de geologiske horisontene.
For å oppsummere, angår oppfinnelsen altså et system og/eller en fremgangsmåte for å modellere geologiske strukturer, hvor systemet omfatter midler for å motta geofysiske data som representerer de geologiske strukturene og analysemidler for, basert på minst deler av dataene, å beregne en strukturell modell av strukturen. De mottakende midlene kan være hvilke som helst innmatingsmidler som frembringer informasjon til systemet enten direkte gjennom sensorer eller lagret informasjon, f eks fra seismiske undersøkelser. Systemet omfatter også fremvisningsmidler for å frembringe en visuell presentasjon av modellen og grensesnittmidler for å motta inndata fra en bruker, der systemet er tilpasset til å beregne en oppdatert strukturell modell basert på inndataene som også tilfredsstiller dataene som fins fra før. Fremgangsmåten ifølge oppfinnelsen frembringer altså underjordisk tolkning hvor en strukturell modell opprettes i løpet av avbildningsfasen.
Ifølge en utførelsesform av oppfinnelsen omfatter de strukturelle modellene informasjon vedrørende usikkerheten til de mottatte dataene og analysen betyr å være tilpasset til å beregne sannsynligheten for den presenterte modellen i forhold til de seismiske data.
De strukturelle modellene kan også omfatte en mengde forhåndsbestemte regler som er konsistente med geologiske beskrankninger slik som horisont-forkastningskryssing, forkastningsfall (fault throw), isochor tykkelse og tar dermed hensyn til de kjente generelle trekkene ved tilsvarende strukturer. Systemet kan også omfatte inndata eller grensesnitts-midler for å justere eller endre disse geologiske reglene, f eks etter at letevirksomhet eller boring har frembrakt ny kunnskap om de geologiske forholdene i området.
Beregning av den strukturelle modellen kan utføres basert på en interpolerings funksjon eller et polynom der det interpolerende polynomet kan bestemmes ved hjelp av ytterligere beskrankninger bestemt algoritmisk i løpet av digitaliseringen, ved å bli dempet mot en sekundær mengde av punkter, f eks oppnådd gjennom autosporingsalgoritmer, gjennom opprettelse av en kost/straff-funksjon. På denne måten kan det oppnås en mer realistisk modell ettersom kjente feil innebygget i beregningsmetoden kan reduseres eller fjernes. Den første modellen kan også omfatte mengder av digitaliserte punkter som definerer geolegemer som representerer geologisk meningsfulle strukturer.
Den sekundære strukturelle modellen kan beregnes basert på brukervekselvirkning med datainnmatingene, inkludert tillegg, fjerning eller flytting av utvalgte kontrollpunkter i den første modellen, gjennom et brukergrensesnitt slik som en datamaskinskjerm og mus eller plate.
Systemets grensesnitt kan også tilpasses til å motta ytterligere inndata for bruk som beskrankninger i bergningen av strukturell modell, f eks forhåndsbestemt informasjon vedrørende eksisterende horisont- eller forkastningsrepresentasjoner, brønnlogger eller brønnplukk eller andre underjordiske data.
Informasjonen tilføres systemet gjennom et hvilket som helst egnet grensesnitt, f eks gjennom internett, et tastatur eller digitale lagringsmidler slik som harddisker eller flashminne.
Det er klart at systemet ifølge oppfinnelsen primært er ment å frembringe en strukturell modell til bruk i beslutninger vedrørende hydrokarbonproduksjon eller letevirksomhet. Andre bruksområder, slik som undersøkelser for vannreservoarer, kan også overveies.
Claims (12)
1. System for å modellere geologiske strukturer omfattende midler for å motta geofysiske data som representerer de geologiske strukturene og analysemidler for, basert på minst deler av dataene, å beregne en strukturell modell av strukturen, der systemet også omfatter fremvisningsmidler for å frembringe en visuell presentasjon av modellen og grensesnittmidler for å motta inndata fra en bruker, der systemet er tilpasset til å beregne en oppdatert strukturell modell basert på inndataene.
2. System ifølge krav 1, hvor de strukturelle modellene omfatter informasjon vedrørende usikkerheten til de mottatte dataene og analysen betyr å være tilpasset til å beregne sannsynligheten for den presenterte modellen i forhold til de seismiske data.
3. System ifølge krav 1, hvor de strukturelle modellene omfatter en mengde forhåndsbestemte regler som er konsistente med geologiske beskrankninger slik som horisont-forkastningskryssing, forkastningsfall (fault throw), isochor tykkelse.
4. System ifølge krav 1, hvor den strukturelle modellen opprettes ved hjelp av en interpoleringsfunksjon eller et polynom.
5. System ifølge krav 1, hvor den strukturelle modellen bestemmes ved hjelp av ytterligere beskrankninger, for eksempel ved å bli dempet mot en sekundær mengde av punkter gjennom opprettelse av en kost/straff-funksjon.
6. System ifølge krav , hvor den sekundære mengden av punkter oppnås algoritmisk under digitalisering, for eksempel oppnådd gjennom autosporingsalgoritmer.
6. System ifølge krav 1, hvor den sekundære strukturelle modellen er tilpasset til å bli beregnet basert på brukervekselvirkning med datainnmatingene, inkludert tillegg, fjerning eller flytting av utvalgte kontrollpunkter i den første modellen.
7. System ifølge krav 3, omfattende innmatingsmidler for å justere eller endre de geologiske reglene.
8. System ifølge krav 1, hvor den første modellen omfatter mengder av digitaliserte punkter som definerer geolegemer som representerer geologisk meningsfulle strukturer.
9. System ifølge krav 1, tilpasset til å motta ytterligere inndata for bruk som beskrankninger i bergningen av strukturell modell, f eks forhåndsbestemt informasjon vedrørende eksisterende horisont- eller forkastningsrepresentasjoner, brønnlogger eller brønnplukk eller andre underjordiske data.
10. System ifølge krav 1, hvor den strukturelle modellen representerer geologiske overflater slik som f eks forkastninger, horisonter.
11. System ifølge krav 10, hvor de geologiske overflatene er representert av glisne datastrukturer og bruker en interpoleringsfunksjon mellom utvalgte kontrollpunkter.
12. Bruk av et system ifølge krav 1 til å frembringe en strukturell modell i beslutninger vedrørende hydrokarbonproduksjon eller letevirksomhet.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20121473A NO20121473A1 (no) | 2012-12-06 | 2012-12-06 | System for modellering av geologiske strukturer |
US14/096,631 US20140163943A1 (en) | 2012-12-06 | 2013-12-04 | System for modeling geologic structures |
GB1321605.6A GB2509832B (en) | 2012-12-06 | 2013-12-06 | System for modeling geologic structures |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20121473A NO20121473A1 (no) | 2012-12-06 | 2012-12-06 | System for modellering av geologiske strukturer |
Publications (1)
Publication Number | Publication Date |
---|---|
NO20121473A1 true NO20121473A1 (no) | 2014-06-09 |
Family
ID=50000311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20121473A NO20121473A1 (no) | 2012-12-06 | 2012-12-06 | System for modellering av geologiske strukturer |
Country Status (3)
Country | Link |
---|---|
US (1) | US20140163943A1 (no) |
GB (1) | GB2509832B (no) |
NO (1) | NO20121473A1 (no) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015199727A1 (en) * | 2014-06-27 | 2015-12-30 | Hewlett-Packard Development Company, L.P. | Finding faults in geological data |
FR3043227A1 (no) | 2015-11-04 | 2017-05-05 | Services Petroliers Schlumberger | |
US11249208B2 (en) | 2016-10-14 | 2022-02-15 | Schlumberger Technology Corporation | Geologic structural model generation |
CN110018528B (zh) * | 2019-04-24 | 2021-01-15 | 西安幔源油气勘探开发研究有限公司 | 幔源油气综合地质分析方法 |
CN110196717A (zh) * | 2019-06-22 | 2019-09-03 | 中国地质大学(北京) | 一种Web3D网络交流平台及其建设方法 |
CN113379907A (zh) * | 2020-03-10 | 2021-09-10 | 中国石油天然气股份有限公司 | 断块地质模型构建方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5056066A (en) * | 1990-06-25 | 1991-10-08 | Landmark Graphics Corporation | Method for attribute tracking in seismic data |
WO2000048022A1 (en) * | 1999-02-12 | 2000-08-17 | Schlumberger Limited | Uncertainty constrained subsurface modeling |
US7248259B2 (en) * | 2001-12-12 | 2007-07-24 | Technoguide As | Three dimensional geological model construction |
US20080137479A1 (en) * | 2006-10-19 | 2008-06-12 | Oyvind Syljuasen | Method for interpreting seismic data using a digitizing display tablet |
FR2909775A1 (fr) * | 2006-12-11 | 2008-06-13 | Inst Francais Du Petrole | Methode de construction d'un modele geologique d'une formation du sous-sol contraint par des donnees sismiques |
CA2721008A1 (en) * | 2008-04-11 | 2009-10-15 | Terraspark Geosciences, Llc | Visulation of geologic features using data representations thereof |
US8655632B2 (en) * | 2009-09-03 | 2014-02-18 | Schlumberger Technology Corporation | Gridless geological modeling |
-
2012
- 2012-12-06 NO NO20121473A patent/NO20121473A1/no not_active Application Discontinuation
-
2013
- 2013-12-04 US US14/096,631 patent/US20140163943A1/en not_active Abandoned
- 2013-12-06 GB GB1321605.6A patent/GB2509832B/en active Active
Also Published As
Publication number | Publication date |
---|---|
GB201321605D0 (en) | 2014-01-22 |
US20140163943A1 (en) | 2014-06-12 |
GB2509832B (en) | 2016-03-09 |
GB2509832A (en) | 2014-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8639444B2 (en) | Chrono-stratigraphic and tectono-stratigraphic interpretation on seismic volumes | |
US8447525B2 (en) | Interactive structural restoration while interpreting seismic volumes for structure and stratigraphy | |
US8599643B2 (en) | Joint structural dip removal | |
US8793113B2 (en) | Method and apparatus for near well structural modeling based on borehole dips | |
US20160124116A1 (en) | Generation of structural elements for subsurface formation using stratigraphic implicit function | |
Cherpeau et al. | Stochastic structural modelling in sparse data situations | |
EP3253946B1 (en) | Seismic attributes derived from the relative geological age property of a volume-based model | |
CN108139499A (zh) | Q-补偿的全波场反演 | |
NO347906B1 (en) | Stratigraphic function | |
US20150219779A1 (en) | Quality control of 3d horizon auto-tracking in seismic volume | |
AU2009308037B2 (en) | Tracking geologic object and detecting geologic anomalies in exploration seismic data volume | |
AU2012388240B2 (en) | Methods and systems of incorporating pseudo-surface pick locations in seismic velocity models | |
EP3158368B1 (en) | Instantaneous isochron attribute-based geobody identification for reservoir modeling | |
NO20121473A1 (no) | System for modellering av geologiske strukturer | |
Di et al. | Seismic attribute-aided fault detection in petroleum industry: A review | |
Arata et al. | Look ahead geosteering via real time integration of logging while drilling measurements with surface seismic | |
NO20131246A1 (no) | Fremgangsmåte for å tilveiebringe en geologisk modell basert på målte geologiske data | |
US20140156194A1 (en) | Deviated well log curve grids workflow | |
Velásquez et al. | Depth-conversion techniques and challenges in complex sub-Andean provinces | |
EP3999880A1 (en) | System and method for seismic data calibration | |
De Groot et al. | New methods for slicing and dicing seismic volumes | |
WO2024063803A1 (en) | Faulted seismic horizon mapping | |
Thenin et al. | Estimating subsurface uncertainties by combining seismic interpretation with earth modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FC2A | Withdrawal, rejection or dismissal of laid open patent application |