RU2718135C1 - Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых - Google Patents
Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых Download PDFInfo
- Publication number
- RU2718135C1 RU2718135C1 RU2019128334A RU2019128334A RU2718135C1 RU 2718135 C1 RU2718135 C1 RU 2718135C1 RU 2019128334 A RU2019128334 A RU 2019128334A RU 2019128334 A RU2019128334 A RU 2019128334A RU 2718135 C1 RU2718135 C1 RU 2718135C1
- Authority
- RU
- Russia
- Prior art keywords
- thicknesses
- effective
- cube
- seismic
- formation
- Prior art date
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010276 construction Methods 0.000 title abstract 2
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 56
- 238000005553 drilling Methods 0.000 claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 230000003247 decreasing effect Effects 0.000 claims description 10
- 230000009189 diving Effects 0.000 claims description 6
- LNYQYQFDAYWLAM-UHFFFAOYSA-N BSCC Chemical compound BSCC LNYQYQFDAYWLAM-UHFFFAOYSA-N 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000001373 regressive effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 238000005755 formation reaction Methods 0.000 description 43
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- 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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
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)
Abstract
Изобретение относится к сейсмической разведке нефтяных и газовых коллекторов и, более конкретно, относится к обработке сейсмических данных на высокоскоростном цифровом компьютере с использованием технологии обработки. Способ и система прогнозирования эффективных толщин в межскважинном пространстве заключается в кластеризации спектральных кривые куба спектральных кривых по подобию формы с определением центров кластеров, сортировке центров кластеров по убыванию энергии в первой трети части спектра, определении регрессионной зависимости эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих им географическому положению центров кластеров и построении карты эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости. Технический результат – повышение эффективности и достоверности прогноза эффективных толщин геологического пласта, а также формирование более точных карт эффективных толщин пласта в межскважинном пространстве. 2 н. и 13 з.п. ф-лы, 9 ил.
Description
Данное изобретение относится к сейсмической разведке нефтяных и газовых коллекторов и, более конкретно, относится к обработке сейсмических данных, например на высокоскоростном цифровом компьютере с использованием технологии обработки. Изобретение может быть использовано для определения эффективных толщин изучаемого пласта в межскважинном пространстве из данных сейсморазведки и учете полученной информации при прогнозировании геологических свойств. Предложенный способ может быть использован для анализа изменения эффективных толщин геологических пластов на основании изменения энергии спектральных характеристик.
Геологической основой заявленного предложения является то обстоятельство, что изменение эффективных толщин пласта оказывает влияние на распределение энергии полезного сигнала по частотам. Вследствие этого кластеризация распределения энергии спектральных характеристик по площади позволяет связать полученные центры кластеров с изменением эффективных толщин.
Известен способ кластеризации формы сейсмической записи с последующей сортировкой центров классов по патенту США US 6223126 «Мультитрибутная классификация сейсмических сигналов» (дата публикации: 24.04.2001, МПК G01V 1/28). Сущность способа заключается в кластеризации трасс суммарного волнового поля и дальнейшей пересортировкой центров кластеров по коэффициенту корреляции первой и последующей трассы центра кластеров. Способ использования одного или нескольких объемов сейсмических трасс для идентификации реальных трендов множества сейсмических особенностей вдоль подземного горизонта включает:
- выбор характерного подмножества трасс из указанного объема сейсмических трасс, причем указанное подмножество трасс пересекает указанный горизонт;
- сравнение полной формы волны каждой трассы в каждом упомянутом подмножестве каждого объема трассы с каждой другой трассой в упомянутом подмножестве над предварительно определенными зонами выше и ниже указанного подповерхностного горизонта, чтобы определить коэффициент сходства для каждой трассы с каждой другой трассой в упомянутом подмножестве трасс;
- разделение трасс в указанном подмножестве на ряд классов сигналов на основе дисперсии указанного коэффициента подобия для трасс в указанном подмножестве; а также
- группировка трасс в указанном подмножестве в соответствии с указанными классами сигналов, отображение трасс в соответствии с упомянутыми классами сигналов, что выявляет реальные тренды множества сейсмических особенностей.
Общими признаками способов является выбор объема сейсмических данных в горизонте (выбор исследуемой области), выбор трасс (определение амплитудных значений по меньшей мере в одной выбранной исследуемой области), которые пересекают горизонт, определение подобия и кластеризация трасс (спектральных кривых).
Недостатком данного способа является использование менее эффективного способа кластеризации спектральных кривых и отсутствие сравнения эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров, что в целом снижает точность прогнозирования эффективных толщин пласта.
Система по патенту США US 6223126 включает последовательно соединенные блоки: выбора объема сейсмических данных; выбора подмножества трасс, которые пересекают горизонт; определения коэффициента подобия для каждой трассы в подмножестве; разделения трасс в указанном подмножестве на ряд классов сигналов на основе дисперсии указанного коэффициента подобия для трасс в указанном подмножестве; группировки трасс в указанном подмножестве в соответствии с указанными классами сигналов и выявления реальных трендов множества сейсмических особенностей.
Общими признаками систем является наличие блоков: блок выбора объема сейсмических данных (блок выбора исследуемой области), блок разделения трасс в указанном подмножестве на ряд классов (блок кластеризации); блок группировки трасс в указанном подмножестве (блок сортировки центров кластеров).
Недостатками устройства является невысокая точность прогнозирования эффективных толщин пласта за счет отсутствия блока для определения регрессивной зависимости эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров, а также набора блоков, которые позволяют более точно сформировать центры кластеров спектральных кривых.
Наиболее близкий к способу создания куба спектральных характеристик является способ создания «куба настройки», известный из патента РФ RU 2187828 «Спектральное разложение для сейсмической интерпретации» (дата публикации: 20.08.2002, МПК G01V 1/30). В данном патентном документе преобразование сейсмических трасс в «куб настройки» обеспечивается с помощью преобразования Фурье.
В заявленном способе прогнозирования эффективных толщин использован метод непрерывного вейвлет преобразования, что также является операцией по созданию частотной характеристики. Однако вейвлет преобразование, в отличие от преобразования Фурье, обеспечивает более четкое выявление особенностей спектральных кривых при удалении шума из временных рядов. Таким образом, в результате вейвлет преобразования точность анализа остается постоянной на всех участках спектральных кривых в частотно-временной плоскости.
Способ по патентному документу RU 2187828 включает этапы, при котором:
- получают набор сейсмических трасс, распределенных по заранее определенному объему земли, причем упомянутые сейсмические трассы содержат цифровые выборки, которые характеризуются, по меньшей мере, временем, положением и амплитудой;
- выбирают часть указанного объема и содержащиеся в нем сейсмические трассы для определения зоны интереса в указанном объеме;
- выполняют дискретное преобразование Фурье части указанных сейсмических трасс в пределах указанной зоны интереса;
- из выходного объема спектрального разложения формируют «куб настройки» для использования в сейсмической разведке;
- формируют карту для разведки нефти и газа.
Общими признаками является наличие следующих этапов: получение набора сейсмических трасс, распределенных по заранее определенному объему земли (регистрация упругих волн в зоне интереса); выбор части указанного объема и содержащиеся в нем сейсмических трасс для определения зоны интереса в указанном объеме (выбор по меньшей мере одной исследуемой области в исходном суммарном кубе сейсмических данных); выполнение дискретного преобразования части указанных сейсмических трасс в пределах указанной зоны интереса (выполнения непрерывного вейвлет преобразования), формирование карты для разведки нефти и газа (построение карты эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости).
Недостатком известного способа является невысокая точность преобразования полученных сейсмических данных и отсутствие способа для построения высокоточных карт прогнозирования эффективных толщин пласта.
Система по патентному документу RU 2187828 включает последовательно соединенные блоки:
- преобразования, по меньшей мере, части сейсмических трасс в зоне интереса, используя преобразование Фурье для создания множества связанных коэффициентов преобразования;
- организации упомянутых коэффициентов преобразования в объем спектрального разложения;
- масштабирования к упомянутым коэффициентам преобразования для формирования масштабированного объема разложения;
- отображения указанного масштабированного объема разложения. Общими признаками систем является наличие блока преобразования
(блок раскладки), блока организации упомянутых коэффициенты преобразования в объем спектрального разложения (блок формирования куба спектральных кривых).
Недостатком системы является отсутствие возможности построения высокоточных карт для прогнозирования эффективных толщин пласта.
Основной задачей является повышение надежности выявления и картирования областей с разными геологическими свойствами, оказывающими влияние на частотный состав энергии упругих колебаний, что позволяет осуществить более надежное заложение разведочных и эксплуатационных скважин.
Технический результат заключается в повышении эффективности и достоверности прогноза эффективных толщин геологического пласта, а также формирование более точных карт эффективных толщин пласта в межскважинном пространстве.
Технический результат достигается за счет того, что при осуществлении способа прогнозирования эффективных толщин:
- формируют по методу общей глубинной точки (ОГТ) суммарный куб сейсмических данных из упругих волн, зарегистрированных в зоне интереса с использованием расположенных на поверхности сейсмодатчиков, при этом суммарный куб сейсмических данных характеризуется по меньшей мере временем, географическим положением и амплитудой;
- выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования отражающего горизонта;
- раскладывают суммарный куб сейсмических данных на несколько кубов сейсмических спектральных данных, с использованием алгоритма непрерывного вейвлет преобразования и с заданным спектральным шагом, сохраняя выбранную по меньшей мере одну исследуемую область;
- определяют амплитудные значения по меньшей мере в одной выбранной исследуемой области;
- по полученным амплитудным значениям для каждой выбранной исследуемой области формируют куб спектральных кривых, по вертикальной оси которого расположена частота;
- кластеризуют спектральные кривые по подобию формы с определением центров кластеров;
- сортируют центры кластеров по убыванию энергии в первой трети части спектра;
- определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров;
- строят карту эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости.
При осуществлении способа могут выбирать по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования горизонта по оси синфазности.
Исследуемая область может иметь временной объем, а заданный спектральный шаг может быть равен 2 Гц. Кластеризацию спектральных кривых куба спектральных кривых по подобию формы с определением центров кластеров могут выполнять с помощью алгоритма к-средних.
При осуществлении способа могут определять не менее 10 центров кластеров. Эффективные толщины пласта могут соответствовать пористости пласта от 13% и более.
Технический результат достигается за счет того, что система прогнозирования эффективных толщин в межскважинном пространстве включает компьютер, запрограммированный для выполнения способа, при котором:
- формируют по методу общей глубинной точки (ОГТ) суммарный куб сейсмических данных из упругих волн, зарегистрированных в зоне интереса с использованием расположенных на поверхности сейсмодатчиков, при этом суммарный куб сейсмических данных характеризуется по меньшей мере временем, географическим положением и амплитудой;
- выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования отражающего горизонта;
- раскладывают суммарный куб сейсмических данных на несколько кубов сейсмических спектральных данных, с использованием алгоритма непрерывного вейвлет преобразования и с заданным спектральным шагом, сохраняя выбранную по меньшей мере одну исследуемую область;
- определяют амплитудные значения по меньшей мере в одной выбранной исследуемой области;
- по полученным амплитудным значениям для каждой выбранной исследуемой области формируют куб спектральных кривых, по вертикальной оси которого расположена частота;
- кластеризуют спектральные кривые по подобию формы с определением центров кластеров;
- сортируют центры кластеров по убыванию энергии в первой трети части спектра;
- определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров;
- строят карту эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости.
Компьютер системы прогнозирования эффективных толщин в межскважинном пространстве может быть запрограммирован на осуществление способа, при котором выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования горизонта по оси синфазности. Исследуемая область может иметь временной объем, а заданный спектральный шаг может быть равен 2 Гц. Кластеризацию спектральных кривых куба спектральных кривых по подобию формы с определением центров кластеров могут выполнять с помощью алгоритма к-средних. При осуществлении способа, на осуществление которого запрограммирован компьютер, могут быть определены не менее 10 центров кластеров. Эффективные толщины пласта при этом могут соответствовать пористости пласта от 13% и более.
Компьютер может быть выполнен с возможностью регистрации упругих волн с использованием расположенных на поверхности сейсмодатчиков.
Компьютер может быть выполнен с возможностью выбора суммарного куба сейсмических данных из ранее сформированного множества суммарных кубов сейсмических данных.
Компьютер может быть выполнен с возможностью предоставления рекомендаций оператору.
Компьютер может содержать по меньшей мере последовательно соединенные блоки:
- блок формирования суммарного куба (БФСК), в котором формируют по методу общей глубинной точки (ОГТ) суммарный куб сейсмических данных из упругих волн, зарегистрированных в зоне интереса с использованием расположенных на поверхности сейсмодатчиков, при этом суммарный куб сейсмических данных характеризуется по меньшей мере временем, географическим положением и амплитудой, а БФСК содержит вход для ввода объема данных;
- блок выбора исследуемой области (БВИО), в котором выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования отражающего горизонта;
- блок раскладки суммарного куба (БРСК), в котором раскладывают суммарный куб сейсмических данных на несколько кубов сейсмических спектральных данных, с использованием алгоритма непрерывного вейвлет преобразования и с заданным спектральным шагом, сохраняя выбранную, по меньшей мере одну исследуемую область;
- блок определения амплитудных значений (БОАЗ), в котором определяют амплитудные значения по меньшей мере в одной выбранной исследуемой области;
- блок формирования куба спектральных кривых (БФКСК), по полученным амплитудным значениям для каждой выбранной исследуемой области формируют куб спектральных кривых, по вертикальной оси которого расположена частота;
- блок кластеризации (БК), в котором кластеризуют спектральные кривые по подобию формы с определением центров кластеров;
- блок сортировки центров кластеров (БСЦК), в котором сортируют центры кластеров по убыванию энергии в первой трети части спектра;
- блок определения регрессивной зависимости (БОРЗ), в котором определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров;
- блок построения карты эффективных толщин пласта (БПК), в котором строят карту эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости.
Кроме того, компьютер может включать блок отображения информации, соединенный с блоком построения карты эффективных толщин пласта.
Компьютер может включать блок базы данных, выполненный с возможностью хранения по меньшей мере одного суммарного куба сейсмических данных, при этом блок базы данных подключен к блоку выбора исследуемой области (БВИО).
Компьютер может включать блок записи карт эффективных толщин пласта, соединенный с блоком построения карты эффективных толщин пласта.
Все блоки могут быть выполнены в одном общем корпусе или разделены на несколько конструктивных блоков.
В результате разработан способ и система, обеспечивающие обработку сейсмических данных и кластеризацию спектральных кривых для прогнозирования эффективных толщин в межскважинном пространстве при построении высокоточной геологической модели (карт пласта и/или пластов).
Заявленный способ и система прогнозирования эффективных толщин в межскважинном пространстве за счет преобразования всего объема полученных сейсмических данных в исследуемой области с применением непрерывного вейвлет преобразования (НВП) и предложенной методики кластеризации центров кластеров, которые географически связаны с ранее полученными реальными результатами интерпретаций геофизических исследований скважин, позволяют повысить точность прогнозирования расположения эффективных толщин пласта в зонах незатронутых бурением.
Сущность методики заключается в разложении исходного суммарного куба сейсмических данных на отдельные спектральные характеристики с помощью алгоритма непрерывного вейвлет преобразования по формуле:
где
σ,τ - параметры масштабирования,
ƒ(f) - сейсмический сигнал,
ψ(t) - импульс,
t - время.
По полученным амплитудным значениям для каждой выбранной исследуемой области формируют куб спектральных кривых, по вертикальной оси которого расположена частота, при этом каждая спектральная кривая такого куба представляет собой трассу.
Трассы (спектральные кривые) сформированного куба спектральных кривых кластеризуют, например с помощью алгоритма к-средних, который минимизирует среднеквадратичную ошибку по формуле:
где
μ - среднее значение выборок в кластере,
ji - значение точки,
С - выборка точек в датасете;
n - число кластеров.
Полученные центры кластеров сортируют по убыванию энергии в первой трети части спектральной кривой. Центрам кластеров могут быть присвоены порядковые номера по убыванию энергии в первой трети части спектра. Номера центров кластеров присваиваются итоговой карте, вычисляют регрессивную зависимость карты центров кластеров спектральных кривых и эффективных толщин по скважинным данным, которые сравнивают с априорной информацией об эффективных значениях пласта. В результате осуществляют прогноз эффективных толщин в межскважинном пространстве и зонах незатронутых бурением. Полученный прогноз эффективных толщин используют при построении геологической модели для определения уровня запасов углеводородов по пласту. В результате прогноз выполняют путем совместного статистического анализа значений центров кластеров и целевых геологических параметров (эффективной толщины). По результатам статистического анализа делают суждение о связи спектральных кривых с параметром геологической среды (эффективной толщиной). Степень эффективности толщины пласта, а также возможность отнесения толщины пласта к эффективной может быть обеспечена для способа и системы отдельно. Например эффективность может быть установлена при пористости пласта 13%.
Изобретение поясняется следующими фигурами:
на фиг. 1 - схема формирования куба спектральных кривых;
на фиг. 2 - пример волнового поля, полученного с использованием сейсмодатчиков, расположенных на поверхности;
на фиг. 3 - пример вейвлет преобразование трасс исходного суммарного куба сейсмических данных для частот 20, 30, 40 Гц;
на фиг. 4 - разрез куба спектральных кривых вдоль вертикальной оси частот;
на фиг. 5 - центры кластеров спектральных кривых до сортировки;
на фиг. 6 - центры кластеров спектральных кривых после сортировки;
на фиг. 7 - зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров;
на фиг. 8 - карта прогнозного значения эффективных толщин пласта с обозначенными скважинами, по которым были получены результаты интерпретации геофизических исследований;
на фиг. 9 - пример системы прогнозирования эффективных толщин в межскважинном пространстве.
Способ осуществляют следующим образом:
Осуществляют регистрацию (запись) сейсмических колебаний путем установки сейсмологических датчиков на поверхность земли. Максимальное время одновременной записи не ограничено. В качестве примера использовано месторождение М. Целевым объектом для оценки запасов нефти выступает пласт L.
На месторождении получены 3D-данные сейсморазведки МОГТ (метод общей глубинной точки) на площади 382 кв.км путем возбуждения и приема упругих волн в зоне интереса. Получены данные по 79 скважинам (измерения эффективной толщины целевого интервала), расположенным на площади исследования.
Проведена обработка сейсморазведочных данных МОГТ с получением суммарного куба сейсмических данных 1 (суммарного волнового поля) (фиг. 1). На фиг. 1. Представлен суммарный куб 1 сейсмических данных, который характеризуется временем (t), географическим положением (х; у) и амплитудой (А).
Выбирают исследуемую область 2 в суммарном кубе 1 сейсмических данных с помощью пикирования отражающего горизонта (фиг. 1, фиг. 2). Исследуемая область 2 может быть плоской или иметь временной объем, например 5 мсек.
Выполняют непрерывное вейвлет преобразование (НВП) всех трасс суммарного куба 1 сейсмических данных с использованием импульса Риккера, с выбранным шагом частот 2 Гц (фиг. 1). Раскладывают суммарный куб 1 сейсмических данных на несколько кубов сейсмических спектральных данных с использованием алгоритма непрерывного вейвлет преобразования и с заданным спектральным шагом (2 Гц), сохраняя выбранную исследуемую область 2.
На фиг. 3 представлен пример вейвлет преобразования (с шагом 10 Гц) трасс куба 1 для частот 20, 30, 40 Гц.
После разложения суммарного куба 1 определяют амплитудные значения в выбранной исследуемой области 2. По полученным амплитудным значениям для каждой выбранной исследуемой области 2 формируют куб 3 спектральных кривых, по вертикальной оси которого расположена частота (фиг. 1).
На фиг. 4 представлен разрез куба 3 спектральных кривых, интенсивность цвета на котором указывает на значения энергии (частоты).
На фиг. 5 представлен набор спектральных кривых, полученных из куба 3 спектральных кривых.
Кластеризуют спектральные кривые 4, например с использованием алгоритма к-средних, основанного на использовании мини выборок датасета по формуле (2).
Сортируют центры кластеров по убыванию энергии в первой трети части спектра. В результате сортировки центров кластеров на фиг. 6 представлены центры кластеров после сортировки. Центрам кластеров присвоены номера от 1 до 20 в порядке убывания энергии в первой трети части спектра.
Определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров (фиг. 7), где К - порядковый номер центра кластера после сортировки (от 1 до 20), Н - карта эффективных толщин пласта, сформированная по полученным результатам интерпретации геофизических исследований скважин. При этом каждый центр кластера несет информацию о географическом положении, сохраненную на стадии формирования суммарного сейсмических данных, и соответствует географическому положению ранее исследованной скважины.
Совместный анализ карты центров кластеров спектральных кривых и эффективной мощности скважин позволил установить функциональную связь между этими параметрами с коэффициентом корреляции выше 0,7 (фиг. 7).
Формула пересчета по линейной зависимости из номеров кластеров в эффективные толщины в этом случае будет:
где К - порядковый номер центра кластера после сортировки (от 1 до 20), Н - карта эффективных толщин пласта, сформированная по полученным результатам интерпретации геофизических исследований скважин.
Полученная функциональная связь позволила построить карту прогнозного значения эффективных толщин (фиг. 8) из карты центров кластеров спектральных кривых, которая в дальнейшем позволяет формировать геологическую модель распространения насыщенных коллекторов по площади исследования.
Для данного примера порода считается коллектором (эффективная толщина пласта) при пористости породы выше 13%. Таким образом, зоны на карте (фиг. 8), окрашенные от светло-зеленного до красного цвета, являются эффективными толщинами пласта.
В результате по данным множества карт эффективных толщин пласта можно построить трехмерную геологическую модель недр земли.
Система прогнозирования эффективных толщин в межскважинном пространстве включает компьютер, который выполнен с возможностью регистрации упругих волн с использованием расположенных на поверхности сейсмодатчиков.
На фиг. 9 представлена система, в которой компьютер (на фиг. не показан) содержит последовательно соединенные блоки: блок 5 формирования суммарного куба (БФСК), в котором формируют по методу общей глубинной точки (ОГТ) суммарный куб 1 сейсмических данных из упругих волн, зарегистрированных в зоне интереса с использованием расположенных на поверхности сейсмодатчиков, при этом суммарный куб 1 сейсмических данных характеризуется по меньшей мере временем (t), географическим положением (х; у) и амплитудой (А), а БФСК содержит вход для ввода объема данных; блок 6 выбора исследуемой области (БВИО), в котором выбирают исследуемую область 2 в суммарном кубе 1 сейсмических данных с помощью пикирования отражающего горизонта; блок 7 раскладки суммарного куба (БРСК), в котором раскладывают суммарный куб 1 сейсмических данных на несколько кубов сейсмических спектральных данных, с использованием алгоритма непрерывного вейвлет преобразования и с заданным спектральным шагом, сохраняя выбранную исследуемую область 2; блок 8 определения амплитудных значений (БОАЗ), в котором определяют амплитудные значения п выбранной исследуемой области 2; блок 9 формирования куба спектральных кривых (БФКСК), по полученным амплитудным значениям для каждой выбранной исследуемой области 2 формируют куб 3 спектральных кривых, по вертикальной оси которого расположена частота (А); блок 10 кластеризации (БК), в котором кластеризуют спектральные кривые 4 по подобию формы с определением центров кластеров; блок 11 сортировки центров кластеров (БСЦК), в котором сортируют центры кластеров по убыванию энергии в первой трети части спектра; блок 12 определения регрессивной зависимости (БОРЗ), в котором определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров; блок 13 построения карты эффективных толщин пласта (БПК), в котором строят карту эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости.
Таким образом, при осуществлении заявленного способа и применении системы обеспечивается повышение эффективности и достоверности прогноза эффективных толщин пластов за счет учета информации, полученной при геофизических исследованиях скважин о поглощающих свойствах среды при построении геологической модели.
Claims (33)
1. Способ прогнозирования эффективных толщин в межскважинном пространстве, при котором:
- формируют по методу общей глубинной точки (ОГТ) суммарный куб сейсмических данных из упругих волн, зарегистрированных в зоне интереса с использованием расположенных на поверхности сейсмодатчиков, при этом суммарный куб сейсмических данных характеризуется по меньшей мере временем, географическим положением и амплитудой;
- выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования отражающего горизонта;
- раскладывают суммарный куб сейсмических данных на несколько кубов сейсмических спектральных данных, с использованием алгоритма непрерывного вейвлет-преобразования и с заданным спектральным шагом, сохраняя выбранную по меньшей мере одну исследуемую область;
- определяют амплитудные значения по меньшей мере в одной выбранной исследуемой области;
- по полученным амплитудным значениям для каждой выбранной исследуемой области формируют куб спектральных кривых, по вертикальной оси которого расположена частота;
- кластеризуют спектральные кривые по подобию формы с определением центров кластеров;
- сортируют центры кластеров по убыванию энергии в первой трети части спектра;
- определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров;
- строят карту эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости.
2. Способ прогнозирования эффективных толщин в межскважинном пространстве по п. 1, при котором выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования горизонта по оси синфазности.
3. Способ прогнозирования эффективных толщин в межскважинном пространстве по п. 1, при котором исследуемая область имеет временной объем.
4. Способ прогнозирования эффективных толщин в межскважинном пространстве по п. 1, при котором заданный спектральный шаг равен 2 Гц.
5. Способ прогнозирования эффективных толщин в межскважинном пространстве по п. 1, при котором кластеризуют спектральные кривые по подобию формы с определением центров кластеров с помощью алгоритма к-средних.
6. Способ прогнозирования эффективных толщин в межскважинном пространстве по п. 1, при котором определяют не менее 10 центров кластеров.
7. Способ прогнозирования эффективных толщин в межскважинном пространстве по п. 1, при котором эффективные толщины пласта соответствуют пористости пласта от 13% и более.
8. Система прогнозирования эффективных толщин в межскважинном пространстве, включающая компьютер, запрограммированный для выполнения способа по любому из пп. 1-7.
9. Система прогнозирования эффективных толщин в межскважинном пространстве по п. 8, в которой компьютер выполнен с возможностью регистрации упругих волн с использованием расположенных на поверхности сейсмодатчиков.
10. Система прогнозирования эффективных толщин в межскважинном пространстве по п. 8, в которой компьютер выполнен с возможностью выбора суммарного куба сейсмических данных из ранее сформированного множества суммарных кубов сейсмических данных.
11. Система прогнозирования эффективных толщин в межскважинном пространстве по п. 8, в которой компьютер выполнен с возможностью предоставления рекомендаций оператору.
12. Система прогнозирования эффективных толщин в межскважинном пространстве по любому из пп. 8-11, в которой компьютер содержит по меньшей мере последовательно соединенные блоки:
- блок формирования суммарного куба (БФСК), в котором формируют по методу общей глубинной точки (ОГТ) суммарный куб сейсмических данных из упругих волн, зарегистрированных в зоне интереса с использованием расположенных на поверхности сейсмодатчиков, при этом суммарный куб сейсмических данных характеризуется по меньшей мере временем, географическим положением и амплитудой, а БФСК содержит вход для ввода объема данных;
- блок выбора исследуемой области (БВИО), в котором выбирают по меньшей мере одну исследуемую область в суммарном кубе сейсмических данных с помощью пикирования отражающего горизонта;
- блок раскладки суммарного куба (БРСК), в котором раскладывают суммарный куб сейсмических данных на несколько кубов сейсмических спектральных данных, с использованием алгоритма непрерывного вейвлет-преобразования и с заданным спектральным шагом, сохраняя выбранную по меньшей мере одну исследуемую область;
- блок определения амплитудных значений (БОАЗ), в котором определяют амплитудные значения по меньшей мере в одной выбранной исследуемой области;
- блок формирования куба спектральных кривых (БФКСК), по полученным амплитудным значениям для каждой выбранной исследуемой области формируют куб спектральных кривых, по вертикальной оси которого расположена частота;
- блок кластеризации (БК), в котором кластеризуют спектральные кривые по подобию формы с определением центров кластеров;
- блок сортировки центров кластеров (БСЦК), в котором сортируют центры кластеров по убыванию энергии в первой трети части спектра;
- блок определения регрессивной зависимости (БОРЗ), в котором определяют регрессионную зависимость эффективных толщин пласта, полученных в результате интерпретации геофизических исследований скважин, от соответствующих их географическому положению центров кластеров;
- блок построения карты эффективных толщин пласта (БПК), в котором строят карту эффективных толщин пласта в зонах незатронутых бурением по данным регрессионной зависимости.
13. Система прогнозирования эффективных толщин в межскважинном пространстве по п. 12, включающая блок отображения информации, соединенный с блоком построения карты эффективных толщин пласта.
14. Система прогнозирования эффективных толщин в межскважинном пространстве по п. 12, включающая блок базы данных, выполненный с возможностью хранения по меньшей мере одного суммарного куба сейсмических данных, при этом блок базы данных подключен к блоку выбора исследуемой области (БВИО).
15. Система прогнозирования эффективных толщин в межскважинном пространстве по п. 12, включающая блок записи карт эффективных толщин пласта, соединенный с блоком построения карты эффективных толщин пласта.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019128334A RU2718135C1 (ru) | 2019-09-09 | 2019-09-09 | Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых |
| PCT/RU2020/000333 WO2021049970A1 (ru) | 2019-09-09 | 2020-07-03 | Способ и система для прогнозирования эффективных толщин в межскважинном пространстве |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019128334A RU2718135C1 (ru) | 2019-09-09 | 2019-09-09 | Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2718135C1 true RU2718135C1 (ru) | 2020-03-30 |
Family
ID=70156556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019128334A RU2718135C1 (ru) | 2019-09-09 | 2019-09-09 | Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых |
Country Status (2)
| Country | Link |
|---|---|
| RU (1) | RU2718135C1 (ru) |
| WO (1) | WO2021049970A1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213781A (zh) * | 2020-07-30 | 2021-01-12 | 中国煤炭地质总局地球物理勘探研究院 | 一种大数据下煤层厚度预测方法与系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6223126B1 (en) * | 1999-10-20 | 2001-04-24 | Phillips Petroleum Company | Multi-attribute seismic waveform classification |
| RU2187828C2 (ru) * | 1996-12-06 | 2002-08-20 | Бп Корпорейшн Норт Америка Инк. | Спектральное разложение для сейсмической интерпретации |
| RU2253886C1 (ru) * | 2004-07-30 | 2005-06-10 | Общество с ограниченной ответственностью "Инжиниринговый центр" | Способ геофизической разведки для определения нефтепродуктивности трещинных карбонатных коллекторов в трехмерном межскважинном пространстве |
| RU2567434C2 (ru) * | 2014-05-08 | 2015-11-10 | Алексей Алексеевич Никитин | Способ обработки и интерпретаций сейсмических данных |
| US20150369935A1 (en) * | 2014-06-23 | 2015-12-24 | Chevron U.S.A. Inc. | Instantaneous Isochron Attribute-based Geobody Identification for Reservoir Modeling |
| RU2598979C1 (ru) * | 2015-04-27 | 2016-10-10 | Общество с ограниченной ответственностью "Газпром геологоразведка" | Способ прогноза параметров газовых залежей |
-
2019
- 2019-09-09 RU RU2019128334A patent/RU2718135C1/ru active
-
2020
- 2020-07-03 WO PCT/RU2020/000333 patent/WO2021049970A1/ru active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2187828C2 (ru) * | 1996-12-06 | 2002-08-20 | Бп Корпорейшн Норт Америка Инк. | Спектральное разложение для сейсмической интерпретации |
| US6223126B1 (en) * | 1999-10-20 | 2001-04-24 | Phillips Petroleum Company | Multi-attribute seismic waveform classification |
| RU2253886C1 (ru) * | 2004-07-30 | 2005-06-10 | Общество с ограниченной ответственностью "Инжиниринговый центр" | Способ геофизической разведки для определения нефтепродуктивности трещинных карбонатных коллекторов в трехмерном межскважинном пространстве |
| RU2567434C2 (ru) * | 2014-05-08 | 2015-11-10 | Алексей Алексеевич Никитин | Способ обработки и интерпретаций сейсмических данных |
| US20150369935A1 (en) * | 2014-06-23 | 2015-12-24 | Chevron U.S.A. Inc. | Instantaneous Isochron Attribute-based Geobody Identification for Reservoir Modeling |
| RU2598979C1 (ru) * | 2015-04-27 | 2016-10-10 | Общество с ограниченной ответственностью "Газпром геологоразведка" | Способ прогноза параметров газовых залежей |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213781A (zh) * | 2020-07-30 | 2021-01-12 | 中国煤炭地质总局地球物理勘探研究院 | 一种大数据下煤层厚度预测方法与系统 |
| CN112213781B (zh) * | 2020-07-30 | 2023-04-25 | 中国煤炭地质总局地球物理勘探研究院 | 一种大数据下煤层厚度预测方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021049970A1 (ru) | 2021-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109061765B (zh) | 非均质薄砂岩互层油藏的圈闭评价方法 | |
| JP3390445B2 (ja) | 地質学的特性を推定するために統計学的較正技術を使用する地震トレース解析方法 | |
| EP2111596B1 (en) | Method for generating reservoir models utilizing synthetic stratigraphic columns | |
| US8255165B2 (en) | Method for predicting differences in subsurface conditions | |
| CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
| CN111460739A (zh) | 一种不同类型储层预测的方法 | |
| CN113050157A (zh) | 一种基于露头资料的碳酸盐岩地震储层反演方法及系统 | |
| Chakravarty et al. | Unsupervised learning from three-component accelerometer data to monitor the spatiotemporal evolution of meso-scale hydraulic fractures | |
| RU2289829C1 (ru) | Способ геофизической разведки для выявления нефтегазовых объектов | |
| US8718992B2 (en) | Method for history matching of a geological model comprising a sub-seismic fault network | |
| RU2718135C1 (ru) | Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых | |
| CN112505754B (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
| Ali et al. | Integration of cluster analysis and rock physics for the identification of potential hydrocarbon reservoir | |
| CN115629417A (zh) | 基于地震沉积学的多尺度融合及相控颗粒滩刻画方法 | |
| CN112415596B (zh) | 一种基于测井资料的白云岩结构类型识别方法 | |
| RU22830U1 (ru) | Автоматизированная система поиска, разведки и оценки эксплуатационных свойств залежей и месторождений полезных ископаемых и прогноза тектонических и литофизических свойств геологических сред | |
| CN113514884A (zh) | 一种致密砂岩储层预测方法 | |
| RU2255358C1 (ru) | Способ геофизической разведки для выявления нефтегазопродуктивных типов геологического разреза в трехмерном межскважинном пространстве | |
| CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
| RU2677981C1 (ru) | Способ выявления нефтегазопродуктивных типов геологического разреза в межскважинном пространстве в высокоуглеродистых отложениях битуминозного типа | |
| RU2314554C1 (ru) | Способ размещения наклонных и горизонтальных нефтегазовых скважин на основе спектральной декомпозиции геофизических данных | |
| Topór et al. | An advanced ensemble modeling approach for predicting carbonate reservoir porosity from seismic attributes | |
| RU2764378C1 (ru) | Способ повышения разрешающей способности данных сейсморазведки и прогнозирования геологического строения в межскважинном пространстве на основе метода спектральной инверсии | |
| CN110568488A (zh) | 一种基于非线性混沌算法的生物礁储层识别方法 | |
| RU2205434C1 (ru) | Способ геофизической разведки для определения нефтегазопродуктивных типов геологического разреза переменной толщины |