WO2015067864A1 - Procede et dispositif de traitement de signaux sismiques - Google Patents

Procede et dispositif de traitement de signaux sismiques Download PDF

Info

Publication number
WO2015067864A1
WO2015067864A1 PCT/FR2014/052395 FR2014052395W WO2015067864A1 WO 2015067864 A1 WO2015067864 A1 WO 2015067864A1 FR 2014052395 W FR2014052395 W FR 2014052395W WO 2015067864 A1 WO2015067864 A1 WO 2015067864A1
Authority
WO
WIPO (PCT)
Prior art keywords
seismic
information
length
sub
signal
Prior art date
Application number
PCT/FR2014/052395
Other languages
English (en)
Inventor
Noomane Keskes
Original Assignee
Total Sa
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Total Sa filed Critical Total Sa
Priority to AU2014345427A priority Critical patent/AU2014345427B2/en
Priority to RU2016122126A priority patent/RU2631407C1/ru
Priority to US15/034,807 priority patent/US10024991B2/en
Priority to BR112016010086-7A priority patent/BR112016010086B1/pt
Publication of WO2015067864A1 publication Critical patent/WO2015067864A1/fr

Links

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
    • 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
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • 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
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G01V2210/6224—Density
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G01V2210/6244—Porosity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G01V2210/6246—Permeability

Definitions

  • the present invention relates to seismic signal processing and in particular to the field of interpretation of seismic waves for the precise construction of images, in particular for carbonated subsoils and for the fine characterization of the reservoirs.
  • the transmitted seismic pellet propagation velocity is an important data for accurate seismic image determination. Most often, a high rate of propagation tends to reduce the vertical resolution of the image constructed from conventional seismic imaging tools.
  • the computational uncertainties may be such in the determined velocity models that a slight error in the time domain can induce large variations in the spatial domain. This problem is reinforced if seismic rondel propagates with a high velocity in the explored subsoil (in particular, if the subsoil includes carbonates, as in some reservoirs of the Middle East).
  • the present invention improves the situation.
  • the present invention proposes to improve the processing of seismic signals in order to extract the maximum of information, and in particular to improve the definition of generated seismic images.
  • the present invention thus aims at a method of processing a first seismic signal.
  • the method comprises the steps:
  • the seismic wavelet is substantially constant (or varies little) throughout the "reservoir” zone (ie consisting of rock capable of capturing gas or hydrocarbons).
  • the at least second seismic may comprise a plurality of seismic signals before summation (or "pre-stack” in English). Indeed, most often the processing methods use seismic signals after summation (or “stack” in English) because the processing complexity is too important with signals before summation. However, these signals before summation include high frequency information which is lost after summation: consequently, the use of signals after summation can reduce the accuracy of the determination of the geological information.
  • Well data is the data from a borehole (eventual correction of borehole geometry) or a well. These data may contain a large amount of information or have been filtered / sorted / calculated beforehand to contain only one type of data (eg reflectivity, porosity, etc.): most often the data of filtered wells "geological information”.
  • the wavelet length can be determined according to an autocorrelation calculation of said at least one part.
  • the autocorrelation calculation makes it possible to estimate the length of the wavelet without having to measure it during the emission of this wavelet (for example, at the level of the vibrator truck).
  • the union of the plurality of subparts may be said at least a portion.
  • the length of the sub-parts can be the length of the wavelet seismic determined.
  • the length of the sub-parts may be between 0.5 to 2 times the length of the determined seismic wavelet.
  • this length can be adjusted according to the uncertainty of the well-seismic rigging
  • the length of the sub-parts it is possible to slightly over-size the length of the sub-parts if the length of the seismic wavelet is not certain (eg the variance of this length is greater than 0 strictly).
  • the length of the sub-parts may be equal to the length of the seismic wavelet multiplied by a multiplying factor.
  • This factor can be equal to 0.5 or 1, 5 or be a function of the variance calculated when determining the length of the seismic wavelet for a plurality of seismic traces.
  • the second geological information may be one of a group including porosity information, reflectivity information, density information, resistivity information and mineralogical composition information, ray measurement information.
  • gamma or "gamma-ray log" in English
  • density information or "gamma-ray log" in English
  • sound propagation velocity information permeability information and saturation information.
  • the second geological information may be filtered information in a given frequency range.
  • the given frequency range may be a single frequency.
  • This filtering makes it possible to limit the amount of information for learning the neural network. Thus, this filtering allows a better convergence of the model and a better accuracy.
  • a device for efficiently processing a seismic signal may be advantageous in itself.
  • the present invention also provides a device for processing a first seismic signal.
  • the device comprises:
  • a circuit for determining at least a first geological information from the first seismic signal using said trained neuron network a circuit for determining at least a first geological information from the first seismic signal using said trained neuron network.
  • a computer program, implementing all or part of the method described above, installed on a pre-existing equipment, is in itself advantageous, since it allows to efficiently treat a seismic signal.
  • the present invention also relates to a computer program comprising instructions for implementing the method described above, when this program is executed by a processor.
  • This program can use any programming language (for example, an object language or other), and be in the form of a source code interpretable, partially compiled code or fully compiled code.
  • Figure 6 described in detail below can form the flow chart of the general algorithm of such a computer program.
  • FIG. 1 illustrates an illustration of seismic reflections in a particular embodiment
  • FIG. 2a illustrates an example of seismic signal received in response to the emission of a seismic wavelet in a reservoir and in an embodiment according to the invention
  • FIG. 2b illustrates an example of autocorrelation of the signal of FIG. 2a in one embodiment according to the invention
  • FIG. 3a illustrates an example of well data in an embodiment according to the invention
  • FIG. 3b illustrates an example of well data filtered in an embodiment according to the invention
  • FIG. 4a illustrates a training of a neural network from seismic signal data and filtered well data in an embodiment according to the invention
  • FIG. 4b illustrates a three-dimensional representation of a geological subsoil
  • FIG. 5a illustrates a seismic image obtained without the neural network described above (that is to say obtained by a "conventional” treatment);
  • FIG. 5b illustrates a seismic image obtained with the use of a neuron network previously described
  • FIG. 6 illustrates a possible flow chart of a method in one embodiment of the invention
  • FIG. 7 is an example of a device making it possible to implement one embodiment of the invention.
  • Figure 1 illustrates an illustration of seismic reflections in a particular embodiment.
  • this wavelet propagates in the basement vertically (arrow 102a, 102b, 102c, 102d) but also in all directions of space (arrow 105a).
  • the seismic pulse or elementary wave train emitted by the shock source is called a "seismic wavelet”.
  • This wavelet is reflected by the propagation index change interfaces (104a, 104b, 104c, 104d) in the subsoil: the reflected wave (103a, 103b, 103c, 103d, 106a) propagates in a symmetrical direction to the direction of incidence relative to a normal to the interface at the area of incidence.
  • the interface 104a is perpendicular to the wave 102a at point 108, then the reflected wave 103a will be in the same direction as the incident wave 102a (but in the opposite direction).
  • the reflected wave 106a can be picked up by the geophone 107b.
  • FIG. 2a illustrates an example of a received seismic signal (or "seismic trace received") in response to the emission of a seismic wavelet in a reservoir and in an embodiment according to the invention.
  • the received seismic signal (possibly after a temporal delimitation as mentioned above) can be represented by the graph 201.
  • the axis t is here a time axis expressed in seconds, in fraction of seconds or in number of samples (the signal then being sampled according to a predetermined frequency).
  • the axis S is representative, for example, of a power or an amplitude of the acoustic signal received.
  • This method is relatively complex to implement and assumes a good knowledge of the temporal position of the interfaces.
  • FIG. 2b illustrates an example of autocorrelation of the signal of FIG. 2a in an embodiment according to the invention. Indeed, it is possible to determine an estimate of the length of the wavelet emitted without having to calculate heavy de-convolutions.
  • An autocorrelation is a correlation of a signal by itself, this second signal being shifted by a given time difference.
  • the autocorrelation of the signal 201 is the curve 202.
  • the abscissa of this curve represents the time difference between the two correlated identical signals and the ordinate shows the correlation of these two curves for the time difference considered.
  • This correlation distance 203 is the distance between the second zeros (204, 205) symmetrical with respect to the maximum peak 206.
  • Figure 3a illustrates an example of well data in an embodiment according to the invention.
  • Well-known data are geological, geophysical, or other data that come from, for example, boreholes. These are, for example, one or more information located along the well for:
  • the curve 300 represents well data for a reservoir zone of the subsoil (relative to the reflexivity of the rocks).
  • the abscissa of this curve represents the depth of the well data and the ordinate represents its value.
  • These data are data with "high frequency" information.
  • FIG. 3b illustrates an example of filtered well data, in one embodiment according to the invention.
  • the processing may comprise a filter making it possible to keep only a fine frequency range (eg 90-100 Hz) or advantageously a wider frequency range (eg from 0 Hz to 200 Hz) comprising the value 0 Hz.
  • a fine frequency range eg 90-100 Hz
  • a wider frequency range eg from 0 Hz to 200 Hz
  • Curve 301 represents the data resulting from a filtering of the data of the curve 300 at a 0-200 Hz frequency band.
  • Fig. 4a illustrates neural network training from seismic signal data and filtered well data in an embodiment according to the invention.
  • This training is actually a "supervised” learning since the correct output values are known for each input value.
  • the nodes of the neural network 404 are modified. Many algorithms are possible for such modifications (i.e. modification of the weights of the different nodes).
  • this set is called a "validation set” (or “validation set”). in English).
  • the training set is often about twice as large as the validation set (eg in a 70% -30% ratio for example).
  • the length of these sub-parts is the length of rondelle determined previously. Nevertheless, it is also possible to choose as a length of these sub-parts a multiple of the length of ringlet determined previously (eg with a multiplying factor of 1, 1 or 1, 5 or 2): indeed, if the sub-part is slightly larger than rondelle, the accuracy of the neural network may be greater (especially in the case of poor evaluation of the length of the ringlet or in case of poor wedging seismic-seismic) even if the convergence of the neural network when learning can be slower.
  • This single output value is the transformed / filtered 405 signal from the well data and limited to the "reservoir" domain.
  • the neural network may make it possible to avoid calculating heavy de-convolutions as discussed in connection with FIG. 2a.
  • the neural network takes into account the entirety of the received signal, including the "high frequency" information previously considered as noise to be eliminated from the calculations.
  • the data returned by the neural network is of the same nature as the well data used for learning: if the well data used for learning is reflectivity information, the neural network returns reflectivity information. etc.
  • Figure 4b illustrates a three-dimensional representation of a geological subsoil.
  • the neural network determine well data along a well.
  • FIG. 5a illustrates a seismic image 501 obtained using state of the art determination methods, without a neural network.
  • FIG. 5b illustrates a seismic image 502 obtained with the use of a neuron network described above.
  • the definition of the seismic image 502 is notably increased by taking into account the "high frequency" information previously ignored during the de-convolutions of the prior art and considered as being noise.
  • Figure 6 illustrates a possible flow chart of a method in one embodiment of the invention.
  • step 602 When receiving seismic signals (601a, 601b, 601c, etc.), it is possible to identify (step 602), in each of them, a portion corresponding to the propagation and the reflection of the puck emitted , in the tank.
  • This wavelet is supposed to be invariant in this domain.
  • the seismic signals correspond, for example, to several wavelet transmissions in the subsoil, at different times and / or locations. Moreover, these signals can correspond to the different signals received when transmitting the same wavelet by several geophones. Corrective treatment of these signals could be done upstream, for example to correct the propagation velocities in the subsoil for each of the signals. For each part of previously identified signals, it is also possible to calculate an autocorrelation (step 603) of this part in order to estimate the length of the seismic ring.
  • this cutting length may be equal to the length of the wavelet but may also be a multiple of the length of the wafer determined. For example, if the length of the ring is relatively certain (eg variance close to zero when determining the length of the ring), the multiplying factor can be close to 1. If the variance is large, then the multiplier can increase.
  • the "slicing" length determined in step 604 can be used to break down each part into a plurality of subparts. These subparts can be juxtaposed without overlapping or they can partially juxtapose.
  • This well data is the data associated with the signals and corresponds substantially to the same locations as these: thus, if a seismic signal is received at a cord (x, y ), then the well data are derived from boreholes whose coordinates of the wellhead are ( ⁇ ⁇ ⁇ , y ⁇ Ay) with Ax and Ay values representative of an uncertainty relating to well-seismic calibration.
  • step 608 It is then possible to perform a training (step 608) of a virgin or partially trained neural network.
  • This training can use the previously determined sub-parts as input variables and the set of processed well data as output variable (or target variable). Only a subset of these subparts (eg 70%) can be used for learning or training this neural network. The other subparts (eg 30%) are then used as validation variables to quantify the accuracy and error rate of the neural network.
  • the process 609 is called "learning”.
  • This "cleaned” signal can then be provided as input to the learned neuron network 609 (step 612).
  • the neural network may return, at the output, well data (or geological information) associated with the "cleaned” input signal.
  • well data or geological information associated with the "cleaned” input signal.
  • These well data are consistent with the well data used for learning (ie the geological information is 0-200 Hz reflectivity information filtered if the well data used for learning is filtered reflectivity information at 0-200Hz, the geological information is porosity information filtered between 0 and 300Hz if the geological information used for learning is porosity information filtered between 0 and 300Hz, etc.)
  • the method 614 is called "generalization" because it makes it possible to know well data (or geological information) at locations in the basement where no drilling has been done.
  • FIG. 7 represents an example of a device for processing a seismic signal in one embodiment of the invention.
  • the device comprises a computer 700, comprising a memory 705 for storing instructions for implementing the method, the received measurement data, and temporary data for performing the various steps of the method as described above. .
  • the computer further comprises a circuit 704.
  • This circuit can be, for example:
  • processors capable of interpreting instructions in the form of a computer program, or an electronic card whose steps of the method of the invention are described in silicon, or
  • a programmable electronic chip such as an FPGA (for "Field Programmable Gate Array”).
  • This computer has an input interface 703 for receiving seismic signal data or well data, and an output interface 706 for providing the well data at any point in space.
  • the computer can include, to allow easy interaction with a user, a screen 701 and a keyboard 702.
  • the keyboard is optional, especially in the context of a computer in the form of a touch pad, for example.
  • FIG. 6 is a typical example of a program whose instructions can be carried out with the equipment described. As such, FIG. 6 may correspond to the flowchart of the general algorithm of a computer program within the meaning of the invention.
  • the methods described can be generalized to the case of deviated wells.
  • the trajectory of the well may be approximated or "discretized” by a plurality of vertical segments and each of these segments is then considered as a separate well in the processes described.
  • the input variables may be the signals received vertically from each segment, each of these signals being associated with the well data for this segment as an output / target variable.

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

La présente invention concerne un procédé de traitement d'un premier signal sismique. Le procédé comprend l'identification d'une partie d'un deuxième signal sismique et la détermination d'une longueur de l'ondelette sismique. En outre, il est possible d'entraîner un réseau de neurones en utilisant comme variables d'entrée une pluralité de sous-parties de ladite partie, les dites sous-parties de la partie étant de longueur fonction la longueur de l'ondelette sismique déterminée, et comme variable cible au moins une deuxième information. Enfin, le procédé comporte la détermination d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.

Description

PROCEDE ET DISPOSITIF DE TRAITEMENT DE SIGNAUX SISMIQUES
La présente invention concerne le traitement de signaux sismique et notamment le domaine de l'interprétation d'ondes sismiques pour la construction précise d'images, notamment pour des sous-sols carbonatés et pour la caractérisation fine des réservoirs.
Lors de la réalisation d'études sismique, la vitesse de propagation de rondelette sismique envoyée est une donnée importante pour une détermination précise d'une image sismique. Le plus souvent, une vitesse de propagation élevée à tendance à réduire la résolution verticale de l'image construite à partir d'outils d'imagerie sismiques classiques.
En particulier, les incertitudes calculatoires peuvent être telles dans les modèles de vitesses déterminés qu'une légère erreur dans le domaine temps peut induire de fortes variations dans le domaine spatial. Ce problème est renforcé si rondelette sismique se propage avec une forte vitesse dans le sous-sol exploré (en particulier, si le sous-sol comprend des carbonates, comme dans certains réservoirs du Moyen- Orient).
La résolution verticale des réservoirs est pourtant utile aux industrielles souhaitant exploiter ces réservoirs. Cette résolution permet notamment :
- une meilleure estimation des volumes d'hydrocarbures ou de gaz présents dans le sous-sol ;
- une meilleure modélisation des réservoirs pour des simulations ultérieures (ex. géo-modélisation) ;
- un meilleur contrôle des opérations de forages ;
- etc. Il y a ainsi un besoin pour traiter de manière améliorée les signaux sismique et ainsi augmenter la résolution des images sismiques.
La présente invention vient améliorer la situation.
A cet effet, la présente invention propose d'améliorer le traitement des signaux sismiques afin d'en extraire le maximum d'information, et notamment d'améliorer la définition des images sismiques générées.
La présente invention vise alors un procédé traitement d'un premier signal sismique. Le procédé comprend les étapes :
- réception d'au moins un deuxième signal sismique issue de l'émission d'une ondelette sismique dans un sous-sol ;
- identification d'au moins une partie dudit au moins un deuxième signal sismique correspondant à des réflexions de l'ondelette sismique dans une zone réservoir dudit sous-sol ;
- détermination d'une longueur de l'ondelette sismique ;
- réception de données de puits correspondant à ladite zone réservoir identifiée ;
- entraînement d'un réseau de neurones en utilisant :
- comme variables d'entrée une pluralité de sous-parties de ladite au moins une partie, les dites sous-parties de la partie étant de longueur fonction la longueur de l'ondelette sismique déterminée,
- et comme variable cible au moins une deuxième information géologique fonction desdites données de puits;
- détermination d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.
En effet, il est possible l'ondelette sismique soit sensiblement constante (ou varie peu) dans toute la zone « réservoir » (i.e. constitué de roche aptes à capturer du gaz ou des hydrocarbures). L'utilisation d'un réseau de neurones peut permettre alors :
- d'ignorer l'ondelette sismique considéré comme constante (décomposition aveugle (sa variation étant très faible dans cette zone) ;
- d'utiliser la connaissance d'un puits pour améliorer la résolution de l'acquisition sismique dans une autre zone du sous-sol (« généralisation »).
Le au moins deuxième sismique peut comporter une pluralité de signaux sismiques avant sommation (ou « pre-stack » en anglais). En effet, le plus souvent les procédés de traitement utilisent des signaux sismiques après sommation (ou « stack » en anglais) car la complexité de traitement est trop importante avec des signaux avant sommation. Pour autant, ces signaux avant sommation comportent des informations hautes fréquences qui sont perdues après sommation : en conséquence, l'utilisation de signaux après sommation peut diminuer la précision de la détermination des informations géologiques.
On appelle « données de puits » les données issues d'un forage (eventuellment corriger géométrie du forage) ou d'un puits. Ces données peuvent contenir un grand nombre d'information ou avoir été filtrées/triées/calculée préalablement pour ne contenir qu'un seul type de donnée (ex. la réflectivité, la porosité, etc.) : le plus souvent on appelle les données de puits filtrées « informations géologiques ».
Par ailleurs, la longueur d'ondelette peut être déterminée en fonction d'un calcul d'autocorrélation de ladite au moins une partie.
Le calcul d'autocorrélation permet l'estimation de la longueur de l'ondelette sans avoir à la mesurer lors de l'émission de cette ondelette (par exemple, au niveau du camion vibrateur).
Dans un mode de réalisation, l'union de la pluralité de sous-parties peut être ladite au moins une partie.
outre, la longueur des sous-parties peut être la longueur de l'ondelette sismique déterminée.
En variante, la longueur des sous-parties peut être comprise entre 0.5 à 2 fois la longueur de l'ondelette sismique déterminée. Bien entendu, cette longueur peut être ajustée en fonction de l'incertitude du calage puits-sismique
Ainsi, il est possible de sur-dimensionner légèrement la longueur des sous-parties si la longueur de l'ondelette sismique n'est pas certaine (ex. la variance de cette longueur est supérieure à 0 strictement).
Ainsi la longueur des sous-parties peut être égale à la longueur de l'ondelette sismique multipliée par un facteur multiplicateur. Ce facteur peut être égal à 0.5 ou 1 ,5 ou encore être fonction de la variance calculée lors de la détermination de la longueur de l'ondelette sismique pour une pluralité de trace sismique.
Dans un mode de réalisation, la deuxième information géologique peut être une information parmi un groupe comportant une information de porosité, une information de réflectivité, une information de densité, une information de résistivité et une information de composition minéralogique, une information de mesure de rayon gamma (ou « gamma-ray log » en anglais), une information de densité, une information de vitesse de propagation sonore, une information de perméabilité et une information de saturation.
La deuxième information géologique peut être une information filtrée dans une gamme de fréquences donnée.
La gamme de fréquences donnée peut être une unique fréquence.
Ce filtrage permet de limiter la quantité d'informations pour l'apprentissage du réseau de neurones. Ainsi, ce filtrage permet une meilleure convergence du modèle et une meilleure précision.
Un dispositif destiné à de traiter de manière performante un signal sismique peut être avantageux, en lui-même. Ainsi, la présente invention vise également un dispositif destiné à traiter un premier signal sismique.
Le dispositif comprend :
- une interface pour la réception d'au moins un deuxième signal sismique issue de l'émission d'une ondelette sismique dans un sous-sol ;
- un circuit pour l'identification d'au moins une partie dudit au moins un deuxième signal sismique correspondant à des réflexions de l'ondelette sismique dans une zone réservoir dudit sous-sol ;
- un circuit pour la détermination d'une longueur de l'ondelette sismique ;
- une interface pour la réception de données de puits correspondant à ladite zone réservoir identifiée ;
- un circuit pour l'entraînement d'un réseau de neurones en utilisant :
- comme variables d'entrée une pluralité de sous-parties de ladite au moins une partie, les dites sous-parties de la partie étant de longueur fonction la longueur de l'ondelette sismique déterminée,
- et comme variable cible au moins une deuxième information géologique fonction desdites données de puits;
- un circuit pour la détermination d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.
Un programme informatique, mettant en œuvre tout ou partie du procédé décrit ci- avant, installé sur un équipement préexistant, est en lui-même avantageux, dès lors qu'il permet de traiter de manière performante un signal sismique.
Ainsi, la présente invention vise également un programme informatique comportant des instructions pour la mise en œuvre du procédé précédemment décrit, lorsque ce programme est exécuté par un processeur.
Ce programme peut utiliser n'importe quel langage de programmation (par exemple, un langage objet ou autre), et être sous la forme d'un code source interprétable, d'un code partiellement compilé ou d'un code totalement compilé.
La figure 6 décrite en détails ci-après, peut former l'organigramme de l'algorithme général d'un tel programme informatique.
D'autres caractéristiques et avantages de l'invention apparaîtront encore à la lecture de la description qui va suivre. Celle-ci est purement illustrative et doit être lue en regard des dessins annexés sur lesquels :
- la figure 1 illustre une illustration de réflexions sismiques dans une réalisation particulière ;
- la figure 2a illustre un exemple de signal sismique reçu en réponse à l'émission d'une ondelette sismique dans un réservoir et dans un mode de réalisation selon l'invention ;
- la figure 2b illustre un exemple d'autocorrélation du signal de la figure 2a dans un mode de réalisation selon l'invention ;
- la figure 3a illustre un exemple de données de puits dans un mode de réalisation selon l'invention ;
- la figure 3b illustre un exemple de données de puits filtrées dans un mode de réalisation selon l'invention ;
- la figure 4a illustre un apprentissage d'un réseau de neurones à partir de données de signal sismique et de données de puits filtrées dans un mode de réalisation selon l'invention ;
- La figure 4b illustre une représentation tridimensionnelle d'un sous-sol géologique ;
- la figure 5a illustre une image sismique obtenue sans réseau de neurones décrit précédemment, (c'est-à-dire obtenue par un traitement « conventionnel ») ;
- la figure 5b illustre une image sismique obtenue avec l'utilisation d'un réseau de neurones décrit précédemment ; - la figure 6 illustre un ordinogramme possible d'un procédé dans un mode de réalisation de l'invention ;
- la figure 7 est un exemple de dispositif permettant de mettre en œuvre un mode de réalisation de l'invention.
La figure 1 illustre une illustration de réflexions sismiques dans une réalisation particulière.
Lors de l'émission d'une ondelette sismique dans le sous-sol, par un camion vibrateur sismique 101 par exemple, cette ondelette se propage dans le sous-sol verticalement (flèche 102a, 102b, 102c, 102d) mais également dans toutes les directions de l'espace (flèche 105a).
On appelle « ondelette sismique » l'impulsion sismique ou train d'onde élémentaire émis par la source d'ébranlement (ex. camion vibrateur).
Cette ondelette est réfléchie par les interfaces (104a, 104b, 104c, 104d) de changement d'indice de propagation dans le sous-sol : l'onde réfléchie (103a, 103b, 103c, 103d, 106a) se propage dans une direction symétrique à la direction d'incidence par rapport à une normale à l'interface au niveau de la zone d'incidence.
Par exemple, si l'interface 104a est perpendiculaire à l'onde 102a au point 108, alors l'onde réfléchie 103a sera dans la même direction que l'onde incidente 102a (mais dans le sens opposé).
Afin de capter les ondes réfléchies dans des directions variées, il est possible de placer différents géophones 107a ou 107b à différentes distances (ou offset) du camion sismique 101 . Ainsi, l'onde réfléchie 106a peut être captée par le géophone 107b.
Il existe de nombreuses méthodes pour déterminer à partir des enregistrements des géophones le trajet des ondelettes (ex. migration sismique). Ces méthodes fournissent le plus souvent des images sismiques à partir de signaux « avant sommation » (ou « pre-stack » en anglais) ou des images à partir de signaux « apès sommation » (ou « stack » en anglais). Lors de la réception du signal sismique, une partie du signal arrivant après une autre partie du signal est le plus souvent représentative d'une réflexion située plus en profondeur. Ainsi, il est possible, connaissant les cotes d'un réservoir 109 dans le sous-sol, de traiter un signal reçu par les différents géophones afin d'en extraire un signal filtré/traité et ne comportant que des informations relatives aux réflexions survenues au sein de ce réservoir (i.e. délimitation temporelle du signal reçu).
La figure 2a illustre un exemple de signal sismique reçu (ou « trace sismique reçue ») en réponse à l'émission d'une ondelette sismique dans un réservoir et dans un mode de réalisation selon l'invention.
Le signal sismique reçu (éventuellement après une délimitation temporelle comme évoqué ci-dessus) peut être représenté par le graphique 201 . L'axe t est ici un axe temporel exprimé en seconde, en fraction de secondes ou en nombre d'échantillons (le signal étant alors échantillonné selon une fréquence prédéterminée). L'axe S est représentatif, par exemple, d'une puissance ou d'une amplitude du signal acoustique reçu.
Bien entendu, il est difficile, à partir de ce signal, de déterminer la forme ou la longueur de rondelette émise. Pour ce faire, il est possible de réaliser une dé- convolution du signal reçu en supposant qu'une interface du sous-sol peut être représentée par une réponse impulsionnel incluant éventuellement un modèle de réflectivité et/ou un modèle d'atténuation.
Ce procédé est relativement complexe à mettre en œuvre et suppose une bonne connaissance de la position temporelle des interfaces.
De plus, le plus souvent cette dé-convolution est incomplète et un signal comportant des informations hautes fréquences (ex. supérieures à 100Hz) peut subsister. Ce signal résiduel est le plus souvent considéré, par l'art antérieur, comme un bruit.
La figure 2b illustre un exemple d'autocorrélation du signal de la figure 2a dans un mode de réalisation selon l'invention. En effet, il est possible de déterminer une estimation de la longueur de l'ondelette émise sans avoir à calculer de lourdes dé-convolutions.
Il est possible de calculer l'autocorrélation du signal reçu après délimitation temporelle de celui-ci dans une fenêtre de temps correspondant au réservoir. Une autocorrélation est une corrélation d'un signal par lui-même, ce deuxième signal étant décalé d'un écart temporel donné.
L'autocorrélation du signal 201 est la courbe 202. L'abscisse de cette courbe représente l'écart temporel entre les deux signaux identiques corrélés et l'ordonnée présente la corrélation de ces deux courbes pour l'écart temporel considéré.
Dans cette figure 2b, la corrélation des deux signaux est tantôt élevée, tantôt faible. La répétition (ou « respiration ») de cette corrélation permet ainsi de déterminer une distance de corrélation représentative de la longueur de l'ondelette ayant généré ce signal. Cette distance de corrélation 203 est la distance entre les deuxièmes zéros (204, 205) symétriques par rapport au pic maximal 206.
Si plusieurs distances sont utilisées pour calculer la longueur de l'ondelette (ex. pour plusieurs traces sismiques différentes), il est possible de déterminer une variance de cette distance afin de connaître la précision de cette détermination.
La figure 3a illustre un exemple de données de puits dans un mode de réalisation selon l'invention.
On appelle « données de puits » des données géologiques, géophysiques, ou autres, issues, par exemple, de forages. Ce sont, par exemple, une ou plusieurs informations localisées le long du puits concernant :
- le faciès du sous-sol ;
- la réflectivité des roches ;
- la porosité des roches ;
- la résistivité des roches ;
- l'élasticité des roches ; - la perméabilité des roches ;
- etc.
Lorsque ces données de puits ne comportent qu'une seul information (ex. la réflectivité), on parle plutôt, par la suite, d' « information géologique ».
La plupart de ces informations sont exprimées sous forme numérique (ex. la réflectivité exprimée en pourcentage, la perméabilité exprimée en Darcy, la porosité exprimée en pourcentage, etc.).
A titre d'illustration, la courbe 300 représente des données de puits pour une zone réservoir du sous-sol (relatives à la réflexivité des roches). L'abscisse de cette courbe représente la profondeur de la donnée de puits et l'ordonnée représente sa valeur. Ces données sont des données comportant de l'information « haute- fréquence ».
La figure 3b illustre un exemple de données de puits filtrées, dans un mode de réalisation selon l'invention.
Il est possible de traiter les données de puits brutes reçues afin d'obtenir des données modifiées/traitées. Par exemple, le traitement peut comprendre un filtre permettant de ne conserver qu'une fine plage de fréquences (ex. 90-100Hz) ou avantageusement qu'une plage de fréquences plus large (ex. de 0Hz à 200Hz) comprenant la valeur 0Hz.
La courbe 301 représente les données issues d'un filtrage des données de la courbe 300 à une bande de fréquence de 0-200Hz.
La figure 4a illustre un apprentissage d'un réseau de neurones à partir de données de signaux sismiques et de données de puits filtrées dans un mode de réalisation selon l'invention.
Afin de réaliser un apprentissage (ou entraînement) d'un réseau de neurones 404 utilisant un principe de rétro propagation (ou « back propagation » en anglais), il est utile de fournir au réseau de neurones 404 de nombreux exemples de valeurs d'entrée associées avec une ou plusieurs valeurs de sortie. On appelle ces valeurs « ensemble d'entraînement » (ou « training set » en anglais).
Cet entraînement est en réalité un apprentissage « supervisé » puisque les valeurs de sorties correctes sont connues pour chaque valeur d'entrée.
Lors de l'apprentissage, les nœuds du réseau de neurones 404 sont modifiés. De nombreux algorithmes sont possibles pour de telles modifications (i.e. modification des pondérations des différents nœuds).
Il est également possible de prévoir un ensemble de valeurs d'entrée et de sorties permettant de valider le réseau de neurones et/ou de calculer l'erreur de ce réseau : on appelle cet ensemble « ensemble de validation » (ou « validation set » en anglais). En pratique, l'ensemble d'entraînement est souvent environ deux fois plus grand que l'ensemble de validation (ex. dans un rapport 70%-30% par exemple).
Dans le mode de réalisation présenté, il est possible de prendre comme valeurs d'entrée, une pluralité de sous-parties (402, 403) du signal reçu (401 a, 401 b, 401 c,...) obtenu avant sommation (i.e. « pre-stack signal » en anglais).
Bien entendu, si le signal est sommé (i.e. « signal stack » en anglais), il est possible de travailler directement avec ce signal plutôt qu'avec chacun des signaux avant sommation. L'utilisation de signaux avant sommation permet d'éviter la perte d'information « haute fréquence » liée à la sommation de signaux non parfaitement « corrigées » (ex. « normal moveout correction » en anglais).
La longueur de ces sous-parties est la longueur de rondelette déterminée précédemment. Néanmoins, il est également possible de choisir comme longueur de ces sous-parties un multiple de la longueur de rondelette déterminée précédemment (ex. avec un facteur multiplicateur de 1 ,1 ou de 1 ,5 ou de 2) : en effet, si la sous- partie est légèrement plus grande que rondelette, la précision du réseau de neurones peut être plus importante (notamment en cas de mauvaise évaluation de la longueur de rondelette ou en cas de mauvais calage puit-sismique) même si la convergence du réseau de neurones lors de l'apprentissage peut être plus lente.
Dans le mode de réalisation présenté, il est possible de prendre une unique valeur de sortie pour toutes les valeurs d'entrée de l'ensemble d'apprentissage. Cette unique valeur de sortie est le signal 405 transformé / filtré issu des données de puits et limité au domaine « réservoir ».
L'apprentissage du réseau de neurones peut permettre d'éviter de calculer de lourdes dé-convolutions comme évoqué en relation avec la figure 2a. De plus, le réseau de neurones prend en compte l'intégralité du signal reçu, y compris l'information « haute fréquence » précédemment considérée comme du bruit devant être éliminé des calculs.
Les données retournées par le réseau de neurones sont de même nature que les données de puits ayant servi à l'apprentissage : si les données de puits ayant servi à l'apprentissage sont des informations de réflectivité, le réseau de neurones retourne des informations de réflectivité, etc.
La figure 4b illustre une représentation tridimensionnelle d'un sous-sol géologique.
Dans cette représentation 450, les données de puits au niveau des puits 451 et 452 sont connues.
Il est ainsi possible de réaliser l'apprentissage du réseau de neurones 404 en utilisant comme données d'entrée des sous-parties du signal avant sommation reçu au niveau de la tête de puits 4511 et associées aux données de puits connues au niveau du puits 451 .
Il est également possible d'ajouter à ces données d'entrée et de sortie d'autres données issues d'autres puits comme le puits 452. Ainsi, l'apprentissage est réalisé en utilisant :
- comme données d'entrée des sous-parties du signal avant sommation reçu au niveau de la tête de puits 4511 et associées aux données de puits connues au niveau du puits 451 (et éventuellement modifiées comme décrit précédemment) ;
- et comme données d'entrée des sous-parties du signal avant sommation reçu au niveau de la tête de puits 452t et associées aux données de puits connues au niveau du puits 452 (et éventuellement modifiées comme décrit précédemment).
Dès lors que l'apprentissage du réseau de neurones est terminé, il est possible de faire déterminer par le réseau de neurones des données de puits le long d'un puits
« virtuel » (i.e. segment vertical selon z de l'espace {x,y, z ) non réellement foré, ex. segment 453) à partir du signal sismique reçu au niveau de la tête de puits (ex. point 453t) de ce puits « virtuel ».
La figure 5a illustre une image sismique 501 obtenue à l'aide de méthodes de détermination de l'état de la technique, sans réseau de neurones. La figure 5b illustre une image sismique 502 obtenue avec l'utilisation d'un réseau de neurones décrit précédemment.
Il est possible de discerner un niveau de détail bien plus élevé sur l'image 502 que sur l'image 501 . En effet, la définition de l'image sismique 502 est notamment augmentée grâce à la prise en compte des informations « hautes fréquences » précédemment ignorées lors des dé-convolutions de l'art antérieur et considérées comme étant du bruit.
La figure 6 illustre un ordinogramme possible d'un procédé dans un mode de réalisation de l'invention.
Lors de la réception de signaux sismiques (601 a, 601 b, 601 c, etc.), il est possible d'identifier (étape 602), dans chacun d'eux, une partie correspondant à la propagation et la réflexion de rondelette émise, dans le réservoir.
Cette ondelette est supposée invariante dans ce domaine.
Les signaux sismiques correspondent, par exemple, à plusieurs émissions d'ondelette dans le sous-sol, à des temps et/ou des localisations différentes. Par ailleurs, ces signaux peuvent correspondre aux différents signaux reçus lors de émission d'une même ondelette par plusieurs géophones. Un traitement correctif de ces signaux a pu être effectué en amont, par exemple pour corriger les vitesses de propagation dans le sous-sol pour chacun des signaux. Pour chaque partie de signaux précédemment identifiées, il est également possible de calculer une autocorrélation (étape 603) de cette partie afin d'estimer la longueur de rondelette sismique.
Une fois la longueur de rondelette déterminée, il est possible de déterminer (étape 604) une longueur de « découpage » de la partie. Cette longueur de découpage peut être égale à la longueur de l'ondelette mais peut également être un multiple de la longueur de rondelette déterminée. Par exemple, si la longueur de rondelette est relativement certaine (ex. variance proche de zéro lors de la détermination de la longueur de rondelette), le facteur multiplicateur peut être proche de 1 . Si la variance est grande, le facteur multiplicateur peut alors augmenter.
La longueur de « découpage » déterminée à l'étape 604 peut permettre de décomposer chaque partie en une pluralité de sous-parties. Ces sous-parties peuvent se juxtaposer sans recouvrement ou elles peuvent partiellement se juxtaposer.
Par ailleurs, il est possible de recevoir des données de puits 605. Ces données de puits sont les données associées aux signaux et correspondant sensiblement aux mêmes localisations que ceux-ci : ainsi, si un signal sismique est reçu à une cordonnée (x,y), alors les données de puits sont issues de forages dont les coordonnées de la tête de puits sont (χ± Δχ , y ± Ay ) avec Ax et Ay des valeurs représentatives d'une incertitude relative au calage puit-sismique.
Ces données de puits sont alors traitées afin de les convertir si besoin en données numérique (filtrage 607, affectation de valeurs numériques 606 à des valeurs qualitatives, etc.).
Il est alors possible de réaliser un apprentissage (étape 608) d'un réseau de neurones vierge ou partiellement entraîné. Cette entraînement peut utiliser les sous- parties déterminées précédemment comme variables d'entrée et l'ensemble des données de puits traitées comme variable de sortie (ou variable cible). Seulement un sous-ensemble de ces sous-parties (ex. 70%) peut être utilisé pour l'apprentissage ou l'entraînement de ce réseau de neurones. Les autres sous-parties (ex. 30%) sont alors utilisées comme variables de validation afin de quantifier la précision et le taux d'erreur du réseau de neurones. Le procédé 609 est appelé « apprentissage ».
Une fois cet apprentissage effectué, il est possible de recevoir un signal sismique (610) dont les données de puits associées sont inconnues. Il est également possible de supprimer de ce signal 610 les parties de celui-ci ne correspondant pas à une réflexion d'une ondelette dans le réservoir (étape 61 1 ) : on parle alors de « nettoyage du signal sismique ».
Ce signal « nettoyé » peut être alors fourni en entrée du réseau de neurone ayant fait l'objet de l'apprentissage 609 (étape 612).
Dès lors, le réseau de neurones peut retourner, en sortie, des données de puits (ou informations géologiques) associées au signal d'entrée « nettoyé ». Ces données de puits sont cohérentes avec les données de puits ayant servi pour l'apprentissage (i.e. les informations géologiques sont des informations de réflectivité filtrées à 0- 200Hz si les données de puits ayant servi pour l'apprentissage sont des informations de réflectivité filtrées à 0-200Hz, les informations géologiques sont des informations de porosité filtrées entre 0 et 300Hz si les informations géologiques ayant servi pour l'apprentissage sont des informations de porosité filtrées entre 0 et 300Hz, etc.)
Le procédé 614 est appelé « généralisation » car il permet de connaître des données de puits (ou informations géologique) à des endroits du sous-sol où aucun forage n'a été effectué.
La figure 7 représente un exemple de dispositif de traitement d'un signal sismique dans un mode de réalisation de l'invention.
Dans ce mode de réalisation, le dispositif comporte un ordinateur 700, comprenant une mémoire 705 pour stocker des instructions permettant la mise en œuvre du procédé, les données de mesures reçues, et des données temporaires pour réaliser les différentes étapes du procédé tel que décrit précédemment.
L'ordinateur comporte en outre un circuit 704. Ce circuit peut être, par exemple :
- un processeur apte à interpréter des instructions sous la forme de programme informatique, ou - une carte électronique dont les étapes du procédé de l'invention sont décrites dans le silicium, ou encore
- une puce électronique programmable comme une puce FPGA (pour « Field- Programmable Gâte Array » en anglais).
Cet ordinateur comporte une interface d'entrée 703 pour la réception de données de signaux sismiques ou de données de puits, et une interface de sortie 706 pour la fourniture des données de puits en tout point de l'espace. Enfin, l'ordinateur peut comporter, pour permettre une interaction aisée avec un utilisateur, un écran 701 et un clavier 702. Bien entendu, le clavier est facultatif, notamment dans le cadre d'un ordinateur ayant la forme d'une tablette tactile, par exemple.
Par ailleurs, le schéma fonctionnel présenté sur la figure 6 est un exemple typique d'un programme dont certaines instructions peuvent être réalisées auprès de l'équipement décrit. A ce titre, la figure 6 peut correspondre à l'organigramme de l'algorithme général d'un programme informatique au sens de l'invention.
Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci-avant à titre d'exemples ; elle s'étend à d'autres variantes.
D'autres réalisations sont possibles.
Par exemple, l'ensemble des figures décrites peuvent sembler indiquer les puits de forages sont verticaux (ou tout du moins linéaire). Néanmoins, les procédés décrits peuvent se généraliser au cas des puits déviés. Dans cette dernière hypothèse, la trajectoire du puits peut être approximée ou « discrétisée » par une pluralité de segments verticaux et chacun de ces segments est alors considéré comme un puits à part entière dans les procédés décrit. Ainsi, lors de l'apprentissage du réseau de neurones, les variables d'entrées peuvent être les signaux reçus à la verticale de chaque segment, chacun de ces signaux étant associé aux données de puits pour ce segment comme variable de sortie/cible.

Claims

REVENDICATIONS
1 . Procédé de traitement d'un premier signal sismique, le procédé comprend les étapes :
- réception d'au moins un deuxième signal sismique (601 a, 601 b, 601 c) issue de émission d'une ondelette sismique (102a) dans un sous-sol ;
- identification (602) d'au moins une partie (401 a, 401 b, 401 c) dudit au moins un deuxième signal sismique correspondant à des réflexions de rondelette sismique dans une zone réservoir dudit sous-sol ;
- détermination d'une longueur de rondelette sismique (603) ;
- réception de données de puits (605) correspondant à ladite zone réservoir identifiée ;
- entraînement (608) d'un réseau de neurones (404) en utilisant :
- comme variables d'entrée une pluralité de sous-parties (402, 403) de ladite au moins une partie (401 a), les dites sous-parties de la partie étant de longueur (604) fonction la longueur de rondelette sismique déterminée,
- et comme variable cible au moins une deuxième information géologique (301 ) fonction desdites données de puits (300) ;
- détermination (612) d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.
2. Procédé selon la revendication 1 , dans lequel la longueur d'ondelette est déterminée en fonction d'un calcul d'auto-corrélation (202) de ladite au moins une partie (201 ).
3. Procédé selon l'une des revendications précédentes, dans lequel l'union de la pluralité de sous-parties est ladite au moins une partie.
4. Procédé selon l'une des revendications précédentes, dans lequel la longueur des sous-parties est la longueur de l'ondelette sismique déterminée.
5. Procédé selon l'une des revendications 1 à 3, dans lequel la longueur des sous- parties est comprise entre 0,5 à deux fois la longueur de rondelette sismique déterminée.
6. Procédé selon l'une des revendications précédentes, dans lequel la deuxième information géologique est une information parmi un groupe comportant une information de porosité, une information de réflectivité, une information de densité, une information de résistivité, une information de composition minéralogique, une information de mesure de rayon gamma, une information de densité, une information de vitesse de propagation sonore, une information de perméabilité et une information de saturation.
7. Procédé selon l'une des revendications précédentes, dans lequel la deuxième information géologique est une information filtrée (607) dans une gamme de fréquence donnée.
8. Dispositif de de traitement d'un premier signal sismique, le dispositif comprend :
- une interface (703) pour la réception d'au moins un deuxième signal sismique issue de l'émission d'une ondelette sismique dans un sous-sol ;
- un circuit (704) pour l'identification d'au moins une partie dudit au moins un deuxième signal sismique correspondant à des réflexions de rondelette sismique dans une zone réservoir dudit sous-sol ;
- un circuit (704) pour la détermination d'une longueur de rondelette sismique ; - une interface (703) pour la réception de données de puits correspondant à ladite zone réservoir identifiée ;
- un circuit (704) pour l'entrainement d'un réseau de neurones en utilisant :
- comme variables d'entrée une pluralité de sous-parties de ladite au moins une partie, les dites sous-parties de la partie étant de longueur fonction la longueur de rondelette sismique déterminée,
- et comme variable cible au moins une deuxième information géologique fonction desdites données de puits;
- un circuit (704) pour la détermination d'au moins une première information géologique à partir du premier signal sismique à l'aide dudit réseau de neurones entraîné.
9. Produit programme informatique comportant des instructions pour la mise en œuvre du procédé selon l'une des revendications 1 à 7, lorsque ce programme est exécuté par un processeur.
PCT/FR2014/052395 2013-11-05 2014-09-24 Procede et dispositif de traitement de signaux sismiques WO2015067864A1 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
AU2014345427A AU2014345427B2 (en) 2013-11-05 2014-09-24 Method and device for processing seismic signals
RU2016122126A RU2631407C1 (ru) 2013-11-05 2014-09-24 Способ и устройство для обработки сейсмических сигналов
US15/034,807 US10024991B2 (en) 2013-11-05 2014-09-24 Method and device for processing seismic signals
BR112016010086-7A BR112016010086B1 (pt) 2013-11-05 2014-09-24 Processo e dispositivo de tratamento de sinais sísmicos

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1360836A FR3012889B1 (fr) 2013-11-05 2013-11-05 Procede et dispositif de traitement de signaux sismiques
FR1360836 2013-11-05

Publications (1)

Publication Number Publication Date
WO2015067864A1 true WO2015067864A1 (fr) 2015-05-14

Family

ID=50069125

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2014/052395 WO2015067864A1 (fr) 2013-11-05 2014-09-24 Procede et dispositif de traitement de signaux sismiques

Country Status (6)

Country Link
US (1) US10024991B2 (fr)
AU (1) AU2014345427B2 (fr)
BR (1) BR112016010086B1 (fr)
FR (1) FR3012889B1 (fr)
RU (1) RU2631407C1 (fr)
WO (1) WO2015067864A1 (fr)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105223612A (zh) * 2015-06-10 2016-01-06 中国矿业大学 一种基于地震信息的煤矿水害预测评价方法
WO2022156899A1 (fr) 2021-01-21 2022-07-28 Totalenergies Onetech Procédé et appareil de traitement de signaux sismiques
WO2022156900A1 (fr) 2021-01-21 2022-07-28 Totalenergies Onetech Procédé et appareil de détermination d'une attache de puits sismique à puits multiples
WO2022156898A1 (fr) 2021-01-21 2022-07-28 Totalenergies Onetech Procédé et appareil d'optimisation d'une stratégie de forage

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012377770B2 (en) 2012-04-24 2017-03-30 Equinor Energy As Processing data representing a physical system
CN110261467B (zh) * 2019-07-01 2021-09-07 西南石油大学 一种识别碳酸盐岩古岩溶储层垂向分带性的方法
CN112363220B (zh) * 2020-10-26 2024-07-26 中国石油天然气集团有限公司 一种缝洞型碳酸盐岩微小储集层甜点预测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090119018A1 (en) * 2007-11-07 2009-05-07 Schlumberger Technology Corporation Subterranean formation properties prediction

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5444619A (en) * 1993-09-27 1995-08-22 Schlumberger Technology Corporation System and method of predicting reservoir properties
US6236942B1 (en) * 1998-09-15 2001-05-22 Scientific Prediction Incorporated System and method for delineating spatially dependent objects, such as hydrocarbon accumulations from seismic data
RU2158939C1 (ru) * 1999-11-02 2000-11-10 Нефтегазодобывающее управление "Альметьевнефть" ОАО "Татнефть" Способ поиска нефтегазоносных залежей с использованием нейрокомпьютерной системы обработки данных сейсморазведки
US7577529B2 (en) * 2007-05-22 2009-08-18 Chevron U.S.A. Inc. Method for determining attributes associated with net-sand thickness
CN101149439B (zh) * 2007-11-13 2010-06-30 符力耘 高分辨率非线性储层物性反演方法
US8743115B1 (en) * 2009-10-23 2014-06-03 Paradigm Sciences Ltd. Systems and methods for coordinated editing of seismic data in dual model
US9268047B2 (en) * 2012-10-12 2016-02-23 Rock Solid Images, Inc Geophysical surveying

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090119018A1 (en) * 2007-11-07 2009-05-07 Schlumberger Technology Corporation Subterranean formation properties prediction

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PAULO JOHANN ET AL: "Reservoir Geophysics: Seismic Pattern Recognition Applied to Ultra-Deepwater Oilfield in Campos Basin, Offshore Brazil", SPE LATIN AMERICAN AND CARIBBEAN PETROLEUM ENGINEERING CONFERENCE HELD IN BUENOS AIRES, ARGENTINA, 25-28 MARCH 2001, 28 March 2001 (2001-03-28), pages 1 - 13, XP055122388, ISBN: 978-1-55-563926-6, DOI: dx.doi.org/10.2118/69483-MS *
RAFAEL E. BANCHS ET AL: "From 3D seismic attributes to pseudo-well-log volumes using neural networks: Practical considerations", GEOPHYSICS, vol. 21, no. 10, 1 October 2002 (2002-10-01), pages 996 - 1001, XP055122504, ISSN: 1070-485X, DOI: 10.1190/1.1518436 *
ZHENGPING LIU ET AL: "Seismic-controlled nonlinear extrapolation of well parameters using neural networks", GEOPHYSICS, vol. 63, no. 6, 1 November 1998 (1998-11-01), pages 2035 - 2041, XP055122511, ISSN: 0016-8033, DOI: 10.1190/1.1444496 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105223612A (zh) * 2015-06-10 2016-01-06 中国矿业大学 一种基于地震信息的煤矿水害预测评价方法
WO2022156899A1 (fr) 2021-01-21 2022-07-28 Totalenergies Onetech Procédé et appareil de traitement de signaux sismiques
WO2022156900A1 (fr) 2021-01-21 2022-07-28 Totalenergies Onetech Procédé et appareil de détermination d'une attache de puits sismique à puits multiples
WO2022156898A1 (fr) 2021-01-21 2022-07-28 Totalenergies Onetech Procédé et appareil d'optimisation d'une stratégie de forage

Also Published As

Publication number Publication date
FR3012889A1 (fr) 2015-05-08
US20160291179A1 (en) 2016-10-06
BR112016010086A2 (fr) 2017-08-01
AU2014345427A1 (en) 2016-06-09
US10024991B2 (en) 2018-07-17
FR3012889B1 (fr) 2017-10-20
AU2014345427B2 (en) 2017-06-29
BR112016010086B1 (pt) 2022-06-21
RU2631407C1 (ru) 2017-09-21

Similar Documents

Publication Publication Date Title
WO2015067864A1 (fr) Procede et dispositif de traitement de signaux sismiques
RU2422856C2 (ru) Способ учета растяжения сейсмического импульса в сейсмических данных
FR3060174A1 (fr) Estimation d'ondelettes pour une caracterisation quadridimensionnelle de proprietes de subsurface sur la base d'une simulation dynamique
EP0354112B1 (fr) Méthode pour obtenir un modèle représentatif d'un milieu hétérogène et notamment du sous-sol
US8923093B2 (en) Determining the quality of a seismic inversion
US8976624B2 (en) System and method for processing seismic data for interpretation
FR2831961A1 (fr) Methode de traitement de donnees sismiques de puits en amplitude preservee absolue
FR3069930A1 (fr) Estimation de la vitesse d'une formation par profilage sismique vertical
US20120140593A1 (en) Time-lapse seismic comparisons using pre-stack imaging and complex wave field comparisons to improve accuracy and detail
FR3049355A1 (fr)
FR3077142A1 (fr) Optimisation d’une longueur de référence à des fins de préservation de signal et traitement d’une longueur de référence à des fins de détection de vibration répartie
AU2018274726A1 (en) System and method for predicting fault seal from seismic data
EP3272119B1 (fr) Procédé et dispositif de reconstruction 3d d'une scene
FR2916540A1 (fr) Procede d'exploration sismique permettant la supression de fantomes dus aux reflexions a la surface de l'eau, et procede de traitement de donnees sismiques pour la supression de ces fantomes
FR3032532A1 (fr)
WO2012071233A2 (fr) Identification de données sismiques invalides
US8547792B2 (en) Processing seismic data
FR2743897A1 (fr) Procede de prospection sismique marine au moyen d'un couple de capteurs hydrophone et geophone
EP0269482A1 (fr) Procédé de détection des hétérogénéités et/ou de détermination de caractéristiques pétrophysiques de couches géologiques d'un milieu à explorer
FR2653900A1 (fr) Procede perfectionne de prospection sismique marine.
FR3076626A1 (fr) Prediction de proprietes de roches sismiques en temps avance sur la base d'une analyse sismique 4d
EP3140677B1 (fr) Procédé de traitement d'images sismiques
FR3061976A1 (fr) Liens de puits sismiques utilisant des schemas de verrouillage
FR3048782A1 (fr) Generateur de donnees sismiques internes
CN113806674A (zh) 古河道纵向尺度的量化方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14793876

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15034807

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112016010086

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 2016122126

Country of ref document: RU

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2014345427

Country of ref document: AU

Date of ref document: 20140924

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 14793876

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 112016010086

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20160504