NO334012B1 - Multi-egenskap seismisk bølgeformklassifisering - Google Patents
Multi-egenskap seismisk bølgeformklassifisering Download PDFInfo
- Publication number
- NO334012B1 NO334012B1 NO20021882A NO20021882A NO334012B1 NO 334012 B1 NO334012 B1 NO 334012B1 NO 20021882 A NO20021882 A NO 20021882A NO 20021882 A NO20021882 A NO 20021882A NO 334012 B1 NO334012 B1 NO 334012B1
- Authority
- NO
- Norway
- Prior art keywords
- subset
- traces
- trace
- seismic
- volume
- Prior art date
Links
- 238000000034 method Methods 0.000 claims description 34
- 239000002131 composite material Substances 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 6
- 102000020232 neurotensin type 1 receptor Human genes 0.000 claims 3
- 108010016501 neurotensin type 1 receptor Proteins 0.000 claims 3
- 101000591385 Homo sapiens Neurotensin receptor type 1 Proteins 0.000 claims 1
- 102100033986 Neurotensin receptor type 1 Human genes 0.000 claims 1
- 230000000644 propagated effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 239000004215 Carbon black (E152) Substances 0.000 description 4
- 229930195733 hydrocarbon Natural products 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000001615 p wave Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
Oppfinnelsen angår seismisk leting etter olje- og gassreservoarer, og mer spesielt angår den behandling av seismisk data i en høyhastighets digital datamaskin ved å bruke behandlingsteknikker som omfatter å klassifisere fulle bølgeformformer gjennom et datavolum, og kartlegging av arealtrender for multiegenskaper avslørt av bølgeformklassifiseringen, hvor disse trendene kan være representative for like litologi- og/eller hydrokarboneffekter.
I mange år har seismisk utforsking for olje og gass omfattet bruk av en kilde for seismisk energi og mottagelsen av denne ved et gitter av seismiske detektorer, generelt referert til som geofoner. Når den brukes på land, kan kilden for seismisk energi være en høyeksplosiv ladning elektrisk detonert i et borehull plassert i et valgt punkt i et terreng, eller en annen energikilde som har kapasitet for å levere en serie støt (eng: impacts) eller mekaniske vibrasjoner til jordens overflate. Offshore blir luftkanonkilder og hydrofonmottagere ofte brukt. De akustiske bølgene som genereres i jorden av disse kildene blir transmittert tilbake fra laggrenser og/eller andre diskontinuiteter og når jordens flate ved varierende tidsintervaller, avhengig av avstanden som er krysset og karakteristikkene til lagene som er krysset under overflaten. På land blir disse returnerende bølger detektert av geofonene, som virker ved å overføre slike akustiske bølger til representative elektriske analoge signaler som generelt er referert til som traser. Ved bruk på land blir et gitter av geofoner lagt ut langs et rutenett som dekker et interessant område, for å danne en gruppe av adskilte observasjonsstasjoner innenfor en ønsket lokalitet for å muliggjøre konstruksjon av tredimensjonale (3D) oversikter av reflektorposisjoner over store områder. Kilden, som er forskjøvet en ønsket avstand fra geofonene, injiserer akustiske signaler inn i jorden, og de detekterte signalene ved hver geofon i matrisen registreres for senere behandling ved å bruke digitale datamaskiner, hvor de analoge dataene generelt kvantiseres som digitale samplingspunkter, f.eks. én sampling hvert andre millisekund, slik at hvert samplingspunkt kan bli individuelt behandlet. Tilsvarende blir kontinuerlig registrerte seismiske felttraser redusert til vertikale tverrsnitt, eller volumrepresentasjoner, eller horisontale kartoversikter som tilnærmer underjordiske strukturer. Geofongitteret blir så flyttet til en ny posisjon og prosessen blir repetert for å gi en seismisk undersøkelse. En 3D seismisk undersøkelse er data samlet ved overflaten og presentert som volumrepresentasjon av en del av den underjordiske flate.
Etter utforskingen av et område er fullført, vil data som angår energi detektert ved flere geofoner bli registrert, hvor geofonene er lokalisert ved varierende avstander fra skuddpunktet. Dataene blir så reorganisert for å samle traser fra data transmittert ved forskjellige skuddpunkt og registrert ved forskjellige geofonplasseringer, hvor trasene blir gruppert slik at refleksjonene kan antas å ha blitt reflektert fra et bestemt punkt innenfor jorden, dvs. et felles midtpunkt. De individuelle registreringene eller «traser» blir så korrigert for forskjellen i avstand den seismiske energien reiser gjennom jorden fra de tilsvarende skuddpunktene, til det felles midtpunktet, og oppover til de forskjellige geofonene. Dette trinnet omfatter å korrigere for de forskjellige hastigheter gjennom berglag av forskjellige typer og endringer i kilde- og mottagerdybder. Korreksjon for forskjellig avstand for skuddpunkt/geofonpar er referert til som «normal move out». Etter at dette er gjort blir gruppen av signaler fra de forskjellige midtpunktene summert. Fordi de seismiske signalene har en sinusnatur, reduserer summeringsprosessen støyen i den seismiske registreringen, og øker dermed dens signal-til-støyforhold. Denne prosessen er vist til som «stakking» av felles midtpunktdata, og er velkjent for fagmannen. Tilsvarende gjennomgår seismiske feltdata de ovenfornevnte korreksjoner, og kan også gjennomgå migrering, som er en operasjon på utolkede data og som omfatter å rearrangere seismisk informasjon slik at fallende horisonter blir plottet i deres virkelige plasseringer. Andre mer eksotiske kjente prosesseringsteknikker kan også anvendes, som f.eks. forbedre visningen av forkastninger, strategrafiske trekk, amplitude versus offsett (AVO) eller noen egenskaper slik som toppamplitude, instantan frekvens eller fase, polaritet etc, før de kontinuerlig registrerte trasene blir redusert til vertikale eller horisontale tverrsnitt eller horisontale kartoversikter.
I gangen til seismisk utforskning, kan kontrollpunkter bli etablert ved borehull som penetrerer et interessant lag. Imidlertid er ofte borehullene mye adskilt, og bare ved slike spredte kontrollpunkter kan de seismiske observasjonene bli kalibrert ved sammenligning av de valgte seismiske egenskapene med tekstur og sammensetting av mållag. Den seismiske undersøkelsen, som har relativt nært adskilte observasjonspunkter som er distribuert mellom de spredte kontrollpunktene, har potensial for å gi data for å estimere reservoarbetingelser ettersom de strekker seg vekk fra brønnboringen.
I US 4479183 beskrives en fremgangsmåte for å redigere seismiske traser som er samlet fra en bred samling av flerkanalsystemer som bruker mønsteranalyse for støyspektrum av hver trase.
US 4926394 beskriver en Monte Carlo statistisk metode for å kombinere diskrete geologiske målinger av bergegenskaper med kontinuerlige målinger av seismiske attributter, og for konvertering av disse kombinerte målingene til en fremvisning av det beste estimatet av underjordiske bergklasser.
Resonant seismisk analyse bruker ofte trender for vanlige seismiske bølgeformer for å identifisere mulige (eng: prospective) geologiske trekk. Mange av de nåværende prosessene bruker enkle egenskaper slik som toppamplitude, middelfrekvens, etc. for å vise arealtrender, hvor toppamplitude er mest vanlig brukt siden den kan representere et «lyst punkt» (eng: bright-spot) som kan være en direkte indikasjon på hydrokarbon. Nyere metoder har brukt en aktuell bølgeform til å vise arealtrender vekk fra brønnboringen. Imidlertid gjenstår et behov for å inkludere bølgeformformanalyse som bruker vidt spredt trase-til-trase likhet som sammenligner multiegenskaper for de seismiske bølgeformene, for å estimere en variasjon i bergtype eller tekstur, dvs. en endring i litologi langs et gitt lag og/eller hydrokarboneffekter slik som olje eller gass i porerommet.
Tilsvarende er det ønskelig å tillate en tolker å undersøke variasjoner av multiegenskaper langs en tolket horisont.
Igjen er det ønskelig å analysere bølgeformformer for traser i multiple seismiske stakker (f.eks. stakker med nær og fjern offsett) og å klassifisere bølgeformer og kartlegge enhver seismisk bølgeformtrend som oppdages.
Igjen er det ønskelig å tillate at en tolker velger fra antallet bølgeformklasser som er tilegnet for å klassifisere traser i et seismisk datavolum.
Igjen er det ønskelig å benytte en robust metode for å sammenligne trase-til-trase likheter som betrakter både absolutt amplitude og form for bølgeformen som sammenlignes.
Igjen er det ønskelig å ekstrahere ekstra litologisk informasjon, som er tilgjengelig fra det seismiske datavolumet.
I henhold til den foreliggende oppfinnelsen oppnås de foregående og andre hensikter og fordeler i en fremgangsmåte og apparat for å bruke et subsett av seismiske traser valgt fra et trasevolum for å identifisere trender for multiple seismiske egenskaper langs en underjordisk horisont. Fremgangsmåten omfatter å sammenligne hele bølgeformen for hver trase i subsettet med alle andre traser i subsettet over en forhåndsdefinert sone (eller tidsintervall) som strekker seg både over og under den underjordiske horisonten som betraktes, for å bestemme en likhetsfaktor for hver trase i subsettet. Trasene i subsettet er delt i et antall bølgeformklasser basert på variansområdet for likhetsfaktorene for de individuelle trasene i subsettet. Til slutt blir trasene gruppert i henhold til bølgeformklassene for å vise arealtrender for multiple seismiske egenskaper i den underjordiske flaten.
I en foretrukket utførelse velger fremgangsmåten først et samlet, stakket og migrert seismisk trasevolum, hvor den tolkede horisonten er identifisert, og videre velger fremgangsmåten ett eller flere alternativt prosesserte volum (f.eks. nærstakk, fjernstakk, AVO-skjæring eller gradient, koherens, p-bølgeseksjon, s-bølgeseksjon, etc.) som har den identifiserte samme horisont. Det tilsvarende subsett for representative traser blir så valgt fra hvert volum til å prosesseres i henhold til oppfinnelsen. En robust algoritme, som betrakter både form og absolutt amplitude for to bølgeformer som sammenlignes, anvendes for å sammenligne par av traser i subsettet hvor hver trase i subsettet blir sammenlignet med hver andre trase i subsettet. Traser i tilsvarende subsett for alle volumene som skal produseres blir på samme måte sammenlignet. En likhetsfaktor blir bestemt for hver trase i subsettet basert på dens sammenligning med hver andre trase i subsettet, og et sammensatt subsett blir så dannet ved å midle tilsvarende likhetsfaktor fra subsettet for hvert volum. Valgfritt kan vekting for faktorene som skal midles bli brukt.
Deretter blir antall bølgeformklasser og antall bølgeformer som skal tilegnes til hver klasse valgt av tolkeren basert på det tidligere bestemte variansområdet for likhetsfaktorene for det sammensatte subsettet. En matrise blir dannet av det sammensatt subsettets likhetsfaktorer, med den mest vanlige klasse og etterfølgende klasser av likhetsfaktorer blir bestemt i en midlingsprosess, som iterativt eliminerer likhetsfaktorer fra matrisen, ved å begynne med eliminering av faktorene for de mest vanlige klasser av bølgeformer.
En likhetsfaktor blir så bestemt for hver trase i hvert fulle volum som blir prosessert med disse mest vanlige bølgeformene, og sammensatte likhetsfaktorer for volumene blir bestemt ved å midle tilsvarende faktorer, igjen med valgfri vekting. Til slutt blir hver trase i hvert volum tilegnet en bølgeformklasse basert på den høyeste sammensatte likhetsfaktoren, hvis ikke den høyeste faktoren er under en ønsket terskel. I dette tilfellet blir trasen tilegnet en nullklasse. For observasjon blir et kart eller seismisk terning lagt over bølgeformklassene gitt ut for hele volumet.
I et annet aspekt av oppfinnelsen omfatter apparatet en datamaskin programmert for å utføre fremgangsmåten for å identifisere trender for multiple seismiske egenskaper langs en underjordisk horisont. For storskala 3D utforskningsdata, er datamaskinen fortrinnsvis en massiv parallellmaskin.
Fremgangsmåten og apparatet for denne oppfinnelsen sammenligner den fulle bølgeformen for traser for et tids- (eller dybde) intervall som strekker seg over og under en tolket horisont, og gjør videre sammenligninger som omfatter alle trasene i 3D-volumet hvor horisonten blir tolket. Hver av trasene blir så klassifisert slik at like traser kan grupperes sammen for visning, f.eks. etter kvalitet for likhet til den første trasen valgt for klassen. Dermed vektlegger de viste trasene trender for seismiske egenskaper som kan være representative for trender for like litologiske og/eller hydrokarboneffekter. Andre hensikter og fordeler med den foreliggende oppfinnelsen vil selvfølgelig bli tydelig for fagmannen fra den følgende detaljerte beskrivelsen og tegningene, hvor det er vist og beskrevet bare én foretrukket utførelse av oppfinnelsen. Fig. 1 er et perspektivriss av et seismisk trasevolum som viser en tolket horisont valgt fra traser som strekker seg fra et flategitter og som krysser horisonten. Fig. 2(a)-2(b) er et datamaskinprogramvareflytdiagram for
hoveddataprosesseringstrinnene i denne oppfinnelsen.
Fig. 2(c)-2(d) er illustrasjoner som viser bølgeformklassifikasjonstråder i underjordiske formasjoner i henhold til denne oppfinnelsen. Fig. 3 er et flytdiagram som illustrerer dataprosesseringstrinn for å bestemme bølgeformklassifikasjon i henhold til trinn 52 i fig. 2. Fig. 4 illustrerer et subsett av ti seismiske traser gruppert i to klasser og vist ordnet etter kvalitet på tilpasning til den første trasen i klassen. Fig. 1 representerer et seismisk trasevolum som viser traser 20 arrangert i et overflatenettverksgitter over området som skal undersøkes. Typisk vil området som skal undersøkes omfatte et område dekket av tusen eller flere traser. Trasene 20, som har blitt vertikalt stakket, strekker seg nedover fra jordoverflaten 22 til å krysse en underjordisk horisont 24. Horisonten reflekterer delvis seismiske bølger tilbake til overflaten hvor de blir detektert. Som illustrert er trasene arrangert i et rektangulært rutenett som delvis dekker området som skal undersøkes. Imidlertid, som tidligere nevnt, blir gittermatrisen flyttet til en ny posisjon og prosessen blir repetert for å oppnå en full undersøkelse. Den underjordiske horisonten 24 som illustrert i fig. 1 vil ha blitt valgt av en tolker eller automatisk valgt ved å bruke datamaskinprogramvare som er velkjent i faget.
Ved referanse til fig. 2 som illustrerer hovedprosesseringstrinnet i denne oppfinnelsen, er et første trinn 30 å velge et seismisk trasevolum som har en tolket horisont. Flere typer trasevolumer som kan omfatte en tolket horisont er velkjent i faget. Trasevolum kan være forskjellige i noen innsamlingstrekk, f.eks. kan volum bli samlet som et felles midtpunkt, felles offsett eller felles refleksjonsvinkelområde. Trasevolum kan også være forskjellig i noen dataprosesseringstrekk, f.eks. AVO-gradient eller AVO-skjæringspunkt. Andre trekk kan skille volumer fra hverandre slik som trykkbølge eller skjærbølge. I henhold til denne oppfinnelsen blir multiple volumer for seismiske traser slik som nevnt over prosessert.
I trinn 32, blir et representativt subsett av adskilte traser valgt som avskjærer horisonten 24. Subsettet kan ha 100 traser som omfatter utstrekningen av horisontflaten som er interessant. F.eks. kan subsettet omfatte uniform avstand slik som hver femte linje og femte trase i gittermatrisen, som blir valgt fra et trasevolum som har tusen eller flere traser.
I trinn 34 blir likhetsfaktoren for hver trase i subsettet med hver av de andre trasene i subsettet bestemt. Den mest vanlige målingen av bølgeformlikhet er normalisert korrelasjonskoeffisient som er et mål på et lineært forhold mellom to bølgeformer. Hovedbegrensningen for dette målet er at det bare betrakter bølgeformformen og ikke absolutt amplitude (dvs. to bølgeformer kan ha dramatisk forskjellig absolutte amplituder men kan ha en høy korrelasjonskoeffisient). I tilfeller hvor absolutt amplitude også skulle bli tatt i betraktning som en egenskap i en likhetstest, kan den normaliserte prøveforskj ellen bli kombinert med den normaliserte korrelasjonskoeffisienten for å danne et nytt mål, her referert til som RB-faktor.
Den normaliserte korrelasjonskoeffisienten er ganske velkjent mål. Gitt to tidsserier (A, og Bi) med lengde N, blir den normaliserte korrelasjonskoeffisienten (X(a,t,)) beregnet som:
hvor lengden N er et sammenligningsvindu som tilsvarer den valgte tiden, eller dybdeintervallet som omfatter horisonten 24.
Den normaliserte prøveforskjellen (D(a,t,)) er definert som følger:
Dette gir en forskjellskoeffisient som er i lik form til korrelasjonskoeffisienten i at to identiske bølgeformer vil gi en koeffisient på 1,0.
RB-faktoren blir så definert som vektet middel av de to målene som følger:
RB(a>b)<=>wX(a>b)+(l -w)D(a>b)
hvor w er en vektfaktor mellom 0 og 1 (vanligvis er w satt til 0,5 for lik vekting).
Tilsvarende blir en RB-faktor beregnet for hver trase for hvert subsett basert på sammenligninger med hver av de andre trasene i subsettet.
Den programmerte fremgangsmåten spør i trinn 36 om alle trasevolumene har blitt prosessert. Når resultatet er «nei» som indikerer at det er flere trasevolumer tilgjengelig, blir trinn 30 repetert via blokk 38, som aksesserer det neste volumet, og et tilsvarende subsett blir dannet i trinn 32. Når resultatet er «ja», som indikerer at alle tilgjengelige volumer har blitt produsert, blir sammensatte RB-faktorer beregnet i trinn 40 ved å midle RB-faktoren for tilsvarende traser i subsettet for hvert trasevolum som er prosessert. Dette indikerer i trinnet illustrert ved referanse nr. 40, hvor det også er notert at vekting av faktorene kan anvendes hvis ønskelig. Deretter fortsetter programmet til trinn 42 som ber om definering av et antall bølgeformklasser for å dele inn det sammensatte subsettet, og som typisk vil bli bestemt av tolkeren basert på variansen til de multiple sammensatte RB-faktorene beregnet i trinn 40.
I forberedelse for å dele den kompositte RB-faktoren i bølgeformklasser, blir RB-faktorene arrangert i en kvadratmatrise som spurt etter i trinn 44.
I trinn 46 blir de sammensatte RB-faktorene til det sammensatte subsettet delt i et ønsket antall klasser ved å bruke en iterativ prosedyre som er mer fullt forklart med referanse til fig. 3. Deretter, i trinn 48, blir en RB-faktor (likhet) beregnet for hver trase i et fullt volum, og i trinn 50 blir tilsvarende individuelle faktor fra hvert volum midlet (valgfritt og med tidligere brukt vekting) for å danne den sammensatte RB-faktoren for en individuell trase. Trasen blir så sammenlignet med den respektive diagnostiske bølgeformformen (tidligere bestemt i trinn 46) ved å bruke den sammensatte RB-faktor. I trinn 52 blir trasen tilknyttet til en av de tidligere bestemte bølgeformklassene basert på dens høyeste sammensatte RB-faktor. Hvis den høyeste sammensatte RB-faktoren for trasen er under en brukerdefinert terskel (f.eks. 0,75) blir trasen tilordnet en nullverdi. Til slutt i trinn 54 blir et kart eller seismisk terning lagt over bølgeformklassene gitt ut for hele volumet.
Fig. 2(c) er en kartoversikt som illustrerer seks bølgeformklasser som er kodet i henhold til stolpen (eng.: bar) på tegningen. Fig. 2(d) er et snittriss som tilsvarer linjen AB i fig. 2(c) som viser de kodede bølgeformklassene langs en tolket horisont.
Med referanse til fig. 3 er prosesseringstrinnet for å bestemme bølgeformklassifikasjonen illustrert. I et første trinn 60 er numrene M og N definert henholdsvis som nummer for RB-faktorene i matrisen og nummeret for bølgeformklassene som skal tilveiebringes. Tilsvarende tilsvarer M antall traser valgt for subsettet og N er som tidligere nevnt valgt av tolkeren basert på variansområdet for RB-faktorer i subsettet. Deretter, i trinn 62, blir antall traser som skal tilordnes til hver klasse beregnet i NTR=M/N. Hvis det f.eks. er hundre traser i subsettet og ti klasser er ønsket, vil det være ti traser i hver klasse.
Den programmerte fremgangsmåten fortsetter så til trinn 64, hvor for hver av M traser i subsettet, de (NTR-1) andre trasene som har den høyeste RB-faktoren (dvs. beste tilpasninger) til trasen som betraktes blir valgt og midlet. Deretter, som spurt etter i trinn 66, blir trasen med den høyeste gjennomsnittlige RB-faktoren beregnet i det foregående trinnet, valgt som formen for den første trasen i den første klassen. Fremgangsmåten fortsetter så til trinn 68 for trinnet å fjerne RB-faktorene for den første trasen valgt i det foregående trinnet fra matrisen sammen med de (NTR-1) beste tilpasningene. Så i trinn 70 blir trinnene 64-68 over repetert for å bestemme de gjenværende klassene.
Formklassifiseringseksempel
Dette eksemplet illustrerer numerisk den foreliggende fremgangsmåte for å klassifisere bølgeformer slik at trender for multiple egenskaper kan bli vist bedre. Gitt at den sammensatte likhetsmatrisen RB(,j) utviklet i trinn 40 i fig. 2 er likheten mellom trase i og trase j, og hvor i og j er i området fra 1 til M, er prosedyren for å finne den mest vanlige bølgeformformen som følger:
For dette eksempelet anta: M = 10 traser og N = 2 klasser.
Beregn først antall traser (NTR) i hver klasse som: 10/2 lik 5 traser i hver klasse: Med referanse nå til tabell 1, som nummerisk illustrerer de sammensatte RB-faktorene for de ti trasene sammenlignet med hverandre, og vist i et matriseformat, ønsker vi å separere de ti trasene i to klasser.
Beregn deretter gjennomsnitt av den største (NTR-1) (dvs. 4) RB-faktor for trase som følgende:
a. Gjennomsnittslikhet for trase
1 = (0,91 + 0,86 + 0,86 + 0,77)/4 = 0,85
b. Gjennomsnittslikhet for trase
2 = (0,90 + 0,86 + 0,86 + 0,75)/4 = 0,8425
c. Gjennomsnittslikhet for trase
3 = (0,91 + 0,87 + 0,86 + 0,83)/4 = 0,8675
d. Gjennomsnittslikhet for trase
4 = (0,90 + 0,87 + 0,86 + 0,79)/4 = 0,855
e. Gjennomsnittslikhet for trase
5 = (0,83 + 0,79 + 0,77 + 0,77)/4 = 0,79
f. Gjennomsnittslikhet for trase
6 = (0,78 + 0,77 + 0,63 + 0,63)/4 = 0,7025
g. Gjennomsnittslikhet for trase
7 = (0,83 + 0,78 + 0,67 + 0,65)/4 = 0,7325
h. Gjennomsnittslikhet for trase
8 = (0,86 + 0,83 + 0,80 + 0,63)/4 = 0,78
i. Gjennomsnittslikhet for trase
9 = (0,91 + 0,86 + 0,67 + 0,61)/4 = 0,7625
j. Gjennomsnittslikhet for trase
10 = (0,91 + 0,80 + 0,66 + 0,65)/4 = 0,755
Velg trasen med den høyeste gjennomsnittlige RB-faktor som i dette eksemplet er trase nr. 3 og de andre (NTR-1) trasene i denne klassen er 1, 2, 4 og 5. Ved å fjerne disse trasene fra likhetsmatrisen har vi den følgende tabell II.
Nå for den andre klassen, beregner vi igjen gjennomsnittet av de største fire RB-faktorene for hver gjenværende trase som følger:
a. Gjennomsnittslikhet for trase
6 = (0,78 + 0,63 +0,48 + 0,46)/4 = 0,5875
Gjennomsnittslikhet for trase
7 = (0,83 + 0,78 + 0,67 + 0,65)/4 = 0,7325
Gjennomsnittslikhet for trase
8 = (0,86 + 0,83 + 0,80 + 0,63)/4 = 0,78
Gjennomsnittslikhet for trase
9 = (0,91 + 0,86 + 0,67 + 0,48)/4 = 0,73
Gjennomsnittslikhet for trase
10 = (0,91 + 0,80 + 0,65 + 0,46)/4 = 0,705
Velg trase 8 som trasen med den høyeste RB-faktoren, de andre (NTR-1) trasene er 6, 7, 9 og 10.
Fig. 4 viser en visning av de ti eksempeltrasene med en tidsakse i sekunder. Trasene er vist i henhold til de respektive klassene, og hvor trasene er gruppert i deres respektive klasser ordnet etter kvalitet på tilpasning til den første trasen i klassen, dvs. den første klassen er ordnet som 3, 1, 4, 2, 5 og den andre klassen er ordnet som 8, 9, 7, 10, 6. Et kart eller seismisk terning som ligger over bølgeformklassene kan bli gitt ut for hele volumet for å hjelpe og identifisere trendene for reservoarbetingelser ettersom de strekker seg vekk fra brønnboringen.
I denne beskrivelsen er det vist og beskrevet bare den foretrukne utførelsen av denne oppfinnelsen. Det er inneforstått at modifikasjoner av og alternativer til disse utførelsene, hvor slike modifikasjoner og alternativer oppnår fordeler med oppfinnelsen, vil være åpenbare for fagmannen med referanse til denne spesifikasjonen og tegningene. Det skal forstås at slike modifikasjoner og alternativer er innenfor omfanget av denne oppfinnelsen som den er krevd heretter.
Claims (10)
1. Fremgangsmåte for å bruke én eller flere seismiske trasevolumer for å identifisere arealtrender for multiple seismiske egenskaper langs en underjordisk horisont,
karakterisert vedat fremgangsmåten omfatter: a) å velge et representativt subsett av traser fra nevnte seismiske trasevolum, hvor nevte subsett av traser gjennomskjærer nevnte horisont; b) å sammenligne hele bølgeformen til hver trase i hvert subsett av hvert trasevolum med enhver annen trase i nevnte subsett over forhåndsdefinerte soner over og under nevnte underjordiske horisont for å bestemme en likhetsfaktor for hver trase med hver annen trase i nevnte subsett av traser, c) å dele traser i subsettet i et antall bølgeformklasser basert på varians for nevnte likhetsfaktor for traser i nevnte subsett; og d) å gruppere traser i nevnte subsett i henhold til nevnte bølgeformklasser, hvor visning av traser i henhold til nevnte bølgeformklasser viser arealtrender for multiple seismiske egenskaper.
2. Fremgangsmåte i henhold til krav 1,
karakterisert vedat nevnte én eller flere seismiske trasevolumer er valgt fra gruppen av seismiske trasevolumer som er forskjellig i et innsamlingstrekk, der den nevnte gruppe består av: et felles midtpunktvolum; et felles offsettvolum; et felles refleksjons vinke lvolum; et nærstakkvolum; og et fjernstakkvolum.
3. Fremgangsmåte i henhold til krav 1,
karakterisert vedat nevnte én eller flere seismiske trasevolum er valgt fra gruppen av volumer som er forskjellig i noen dataprosesseringstrekk, hvor nevnte gruppe volumer består av: et amplitude vs. offsett (AVO) gradientvolum; og et AVO-skjæringsvolum.
4. Fremgangsmåte i henhold til krav 1,
karakterisert vedat nevnte én eller flere seismiske trasevolum blir valgt fra gruppen av volum som er forskjellig i type seismisk bølge forplantet, hvor nevnte gruppe av volumer består av: et trykkbølgegenerert volum; og et skjærbølgegenerert volum.
5. Fremgangsmåte i henhold til krav 1,
karakterisert vedat nevnte representative subsett av traser omfatter en gruppe av uniformt adskilte traser i en gittermatrise.
6. Fremgangsmåte i henhold til krav 1,
karakterisert vedat nevnte likhetsfaktorer blir bestemt ved å bruke en algoritme som betrakter både form og absolutt amplitudeforskjell for bølgeformsegmentene som sammenlignes.
7. Fremgangsmåte i henhold til krav 6,
karakterisert vedat nevnte algoritme bruker det følgende uttrykk for å bestemme den bestemte absolutte amplitudeforskjellen:
og hvor sammensatte likhetsfaktorer for nevnte subsett oppnås ved å midle tilsvarende faktorer i subsett for alle volumer som prosesseres.
8. Fremgangsmåte i henhold til krav 1,
karakterisert vedat nevnte trinn for å gruppere traser i nevnte subsett i henhold til bølgeformklasser omfatter: (a) å arrangere nevnte likhetsfaktorer for nevnte subsett i en kvadratmatrise; (b) å definere et antall utpekte M, som er lik antallet likhetsfaktorer i nevnte matrise; (c) å definere et antall utpekte N, som er lik det ønskede antall klasser; (d) å beregne antallet M/N utpekte NTR som er lik antall traser som skal tilordnes til hver klasse; (e) for hver av M traser, å velge (NTR-1) andre traser som har de høyeste likhetsfaktorer og å midle de (NTR-1) likhetsfaktorer; (f) å velge trasen som har den høyeste gjennomsnittlige likhetsfaktor som formen til den første klassen; (g) å fjerne trasen som har den høyeste likhetsfaktoren og de andre (NTR-1) traser fra nevnte matrise; og (h) å repetere trinnene (e), (f) og (g) for å bestemme trasene i de gjenværende klassene.
9. Apparat for å bruke ett eller flere seismiske trasevolumer for å identifisere arealtrender for multiple seismiske egenskaper langs en underjordisk horisont,karakterisert vedat nevnte apparat omfatter: en datamaskin programmert for å utføre følgende fremgangsmåtetrinn: (a) å velge et representativt subsett av traser fra nevnte seismiske trasevolumer, hvor nevnte subsett av traser avskjærer nevnte horisont; (b) å sammenligne hele bølgeformen for hver trase i hvert subsett av hvert trasevolum med hver annen trase i nevnte subsett over forhåndsdefinerte soner over og under nevnte underjordiske horisont for å bestemme en likhetsfaktor for hver trase med hver andre trase i nevnte subsett av traser; (c) å separere traser i nevnte subsett i et antall bølgeformklasser basert på variansen til nevnte likhetsfaktorer for traser i nevnte subsett; og (d) å gruppere traser i nevnte subsett i henhold til nevnte bølgeformklasser, hvor visning av traser i henhold til nevnte bølgeformklasser synliggjør arealtrender for multiple seismiske egenskaper.
10. Apparat i henhold til krav 9,
karakterisert vedat nevnte fremgangsmåtetrinn ytterligere er definert slik som i kravene 2-5 og 8.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/420,725 US6223126B1 (en) | 1999-10-20 | 1999-10-20 | Multi-attribute seismic waveform classification |
PCT/US2000/028039 WO2001029579A1 (en) | 1999-10-20 | 2000-10-11 | Multi-attribute seismic waveform classification |
Publications (3)
Publication Number | Publication Date |
---|---|
NO20021882D0 NO20021882D0 (no) | 2002-04-19 |
NO20021882L NO20021882L (no) | 2002-06-20 |
NO334012B1 true NO334012B1 (no) | 2013-11-18 |
Family
ID=23667599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20021882A NO334012B1 (no) | 1999-10-20 | 2002-04-19 | Multi-egenskap seismisk bølgeformklassifisering |
Country Status (8)
Country | Link |
---|---|
US (1) | US6223126B1 (no) |
CN (1) | CN1167957C (no) |
AU (1) | AU767062B2 (no) |
CA (1) | CA2384312C (no) |
GB (1) | GB2371904B (no) |
GC (1) | GC0000348A (no) |
NO (1) | NO334012B1 (no) |
WO (1) | WO2001029579A1 (no) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8147419B2 (en) * | 2000-12-07 | 2012-04-03 | Baruch Shlomo Krauss | Automated interpretive medical care system and methodology |
WO2003003051A1 (en) * | 2001-06-29 | 2003-01-09 | Exxonmobil Upstream Research Company | Method for analyzing reflection curvature in seismic data volumes |
US6807486B2 (en) | 2002-09-27 | 2004-10-19 | Weatherford/Lamb | Method of using underbalanced well data for seismic attribute analysis |
US7280952B2 (en) * | 2003-01-28 | 2007-10-09 | Conocophillips Company | Well planning using seismic coherence |
FR2850759B1 (fr) * | 2003-02-04 | 2005-03-11 | Inst Francais Du Petrole | Methode pour mesurer les similarites locales entre plusieurs cubes de traces sismiques |
US7113869B2 (en) * | 2003-05-22 | 2006-09-26 | Schlumberger Technology Corporation | Method for prospect identification in asset evaluation |
CA2577128C (en) * | 2003-08-19 | 2014-10-21 | Tetra Seis Inc. | Method for interpreting seismic data using duplex waves |
US20050171700A1 (en) * | 2004-01-30 | 2005-08-04 | Chroma Energy, Inc. | Device and system for calculating 3D seismic classification features and process for geoprospecting material seams |
FR2869693B1 (fr) * | 2004-04-30 | 2006-06-02 | Total France Sa | Procede et programme de propagation d'un marqueur sismique dans un ensemble de traces sismiques |
US20100228486A1 (en) * | 2009-03-06 | 2010-09-09 | Wu Renchu | Method and system for seismic data processing |
CN102508294B (zh) * | 2011-10-20 | 2013-11-27 | 西北大学 | 一种利用时移地震勘探资料进行差异avo分析的方法 |
US9618639B2 (en) | 2012-03-01 | 2017-04-11 | Drilling Info, Inc. | Method and system for image-guided fault extraction from a fault-enhanced seismic image |
US20140222347A1 (en) * | 2012-11-03 | 2014-08-07 | Drilling Info, Inc. | Seismic Waveform Classification System And Method |
US9182511B2 (en) * | 2012-11-04 | 2015-11-10 | Drilling Info, Inc. | System and method for reproducibly extracting consistent horizons from seismic images |
CN102928878B (zh) * | 2012-11-05 | 2015-07-15 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 三维地震观测系统振幅均衡性定量评估方法 |
US10577895B2 (en) | 2012-11-20 | 2020-03-03 | Drilling Info, Inc. | Energy deposit discovery system and method |
US10853893B2 (en) | 2013-04-17 | 2020-12-01 | Drilling Info, Inc. | System and method for automatically correlating geologic tops |
US10459098B2 (en) | 2013-04-17 | 2019-10-29 | Drilling Info, Inc. | System and method for automatically correlating geologic tops |
CN105308480B (zh) * | 2013-07-22 | 2019-05-21 | 企业服务发展公司有限责任合伙企业 | 在可伸缩格式中呈现数据 |
US9911210B1 (en) | 2014-12-03 | 2018-03-06 | Drilling Info, Inc. | Raster log digitization system and method |
CN106338767A (zh) * | 2015-07-07 | 2017-01-18 | 中国石油化工股份有限公司 | 多参数地震属性分析方法及系统 |
US10908316B2 (en) | 2015-10-15 | 2021-02-02 | Drilling Info, Inc. | Raster log digitization system and method |
CN106226816B (zh) * | 2016-09-12 | 2018-03-09 | 电子科技大学 | 一种叠前地震信号波形分类方法 |
CN107728230B (zh) * | 2017-09-11 | 2019-06-25 | 中国石油大港油田勘探开发研究院 | 一种基于地球物理三联技术的岩性油藏预测方法 |
CN108051859B (zh) * | 2018-01-09 | 2020-01-07 | 中国石油天然气股份有限公司 | 一种道集记录的处理方法、装置及存储介质 |
CN111856569B (zh) * | 2019-04-30 | 2023-07-25 | 中国石油天然气集团有限公司 | 地层砂体预测方法及装置 |
RU2718135C1 (ru) * | 2019-09-09 | 2020-03-30 | Общество с ограниченной ответственностью "Газпромнефть Научно-Технический Центр" (ООО "Газпромнефть НТЦ") | Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых |
CN111399040B (zh) * | 2020-03-06 | 2021-11-16 | 西南石油大学 | 一种基于地震属性负差异特征的叠置砂体识别模型及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4203161A (en) | 1972-03-01 | 1980-05-13 | Texaco Inc. | Method of enhancing common depth point seismic data |
US4218766A (en) | 1975-01-10 | 1980-08-19 | Texaco Inc. | Method of seismic wave amplitude normalization |
US4479183A (en) * | 1982-09-30 | 1984-10-23 | Chevron Research Company | Method of editing seismic traces, as say gathered by large multichannel collection systems |
US4926394A (en) | 1989-10-27 | 1990-05-15 | Western Atlas International, Inc. | Monte Carlo method for estimating lithology from seismic data |
US5671136A (en) | 1995-12-11 | 1997-09-23 | Willhoit, Jr.; Louis E. | Process for seismic imaging measurement and evaluation of three-dimensional subterranean common-impedance objects |
-
1999
- 1999-10-20 US US09/420,725 patent/US6223126B1/en not_active Expired - Lifetime
-
2000
- 2000-10-11 CN CNB008145636A patent/CN1167957C/zh not_active Expired - Fee Related
- 2000-10-11 GB GB0211124A patent/GB2371904B/en not_active Expired - Fee Related
- 2000-10-11 WO PCT/US2000/028039 patent/WO2001029579A1/en active IP Right Grant
- 2000-10-11 CA CA002384312A patent/CA2384312C/en not_active Expired - Fee Related
- 2000-10-11 AU AU80088/00A patent/AU767062B2/en not_active Ceased
- 2000-10-15 GC GCP2000957 patent/GC0000348A/en active
-
2002
- 2002-04-19 NO NO20021882A patent/NO334012B1/no not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
CN1382262A (zh) | 2002-11-27 |
US6223126B1 (en) | 2001-04-24 |
WO2001029579A1 (en) | 2001-04-26 |
AU8008800A (en) | 2001-04-30 |
AU767062B2 (en) | 2003-10-30 |
GB0211124D0 (en) | 2002-06-26 |
CA2384312A1 (en) | 2001-04-26 |
NO20021882D0 (no) | 2002-04-19 |
GB2371904B (en) | 2003-12-17 |
CN1167957C (zh) | 2004-09-22 |
GB2371904A (en) | 2002-08-07 |
NO20021882L (no) | 2002-06-20 |
GC0000348A (en) | 2007-03-31 |
CA2384312C (en) | 2006-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NO334012B1 (no) | Multi-egenskap seismisk bølgeformklassifisering | |
US6574566B2 (en) | Automated feature identification in data displays | |
US6957146B1 (en) | System for utilizing seismic data to estimate subsurface lithology | |
CA2800127C (en) | Seismic data acquisition using designed non-uniform receiver spacing | |
AU742887B2 (en) | Hydrocarbon edge detection using seismic amplitude | |
US7453767B1 (en) | Method for deriving a 3D GRAZ seismic attribute file | |
CA2341469C (en) | Automated seismic fault detection and picking | |
US7769545B2 (en) | Method for determining geological information related to a subsurface volume of interest | |
NO315824B1 (no) | Ikke-entydig seismisk litologisk inversjon for modellering av undergrunnen | |
US20090204332A1 (en) | Method For Indexing A Subsurface Volume For The Purpose Of Inferring Geologic Information | |
US4967401A (en) | Method of acquiring and interpreting seismic data to obtain lithological parameters | |
US6249746B1 (en) | Automated seismic isochron analysis | |
US20150109887A1 (en) | Sonic adaptor for converting sonic or ultrasonic waveform data for use with a seismic-based computer program | |
AU8008800B2 (no) | ||
Bellezza et al. | Seismic monitoring of CO2 injection: a multidisciplinary processing approach | |
Jaradat | Prediction of reservoir properties of the N-sand, Vermilion Block 50, Gulf of Mexico, from multivariate seismic attributes | |
AU2015201019A1 (en) | Method for indexing a subsurface volume for the purpose of inferring geologic information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM1K | Lapsed by not paying the annual fees |