Применение кластеризации амплитудных спектров в условиях сложнопрогнозируемого геологического разреза по данным сейсморазведки 3d

10.04.2018
Источник: Журнал «PROнефть»

Application of amplitude spectra clustering with 3d seismic data under conditions of difficult to forecast geological section

УДК 550.832

Д.Г. Муртазин, А.В. Пищулева 
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
А.Р. Губаев
ООО «Газпромнефть-Восток»

Электронный адрес: Murtazin.DG@gazpromneft-ntc.ru

Ключевые слова: сейсморазведка 3D, динамическая интерпретация, спектральная декомпозиция, RGB-смешивание, кластеризация амплитудно-частотных спектров, терригенные отложения, литолого-фациальный анализ, прогноз эффективных толщин

D.G. Murtazin, A.V. Pishchuleva
Gazpromneft NTC LLC, RF, Saint-Petersburg
A.R. Gubaev
Gazpromneft East LLC, RF, Tomsk  

In this article describes the main results of applying amplitude spectra clustering for the quantitative evaluation of the prediction of the effective thickness of J 1 layer of Yuzhno-Shinginskoye field. As a result the technique application, it was possible to perform a reasonable quantitative forecast of effective thicknesses and minimize risks in production drilling.

Keywords: 3D seismic, dynamic interpretation, spectral decomposition, amplitude spectra clustering, clastic sedi- ments, lithofacies analysis, effective thickness prediction 

DOI: 10.24887/2587-7399-2018-1-28-32

Введение

Одним из факторов, обусловливающих успешное разбуривание месторождения, является точный прогноз его литолого-фациального строения. В настоящее время основной метод фациального прогноза строения межскважинного пространства – интерпретация данных сейсморазведки. Точность прогноза минимизирует риски при бурении и способствует эффективной разработке месторождения. Однако малая толщина исследуемых интервалов и значительная латеральная изменчивость создают определенные сложности при прогнозе, в связи с чем возникает необходимость применения современных методик анализа сейсмической записи. Один из современных подходов в рамках динамической интерпретации данных сейсморазведки – спектральная декомпозиция. Различные алгоритмы спектрального разложения [1, 2], а также методы анализа результатов декомпозиции [1, 3] позволяют прогнозировать фациальное строение отложений в условиях сильной латеральной изменчивости и малых эффективных толщин. Одной из методик, успешно применяемых на ряде месторождений, является кластеризация амплитудных спектров [4].

В статье рассмотрены основные результаты применения данной методики при количественном прогнозе эффективных толщин пласта Ю 1 Южно-Шингинского месторождения.

Литолого-фациальная характеристика района исследований

На изучаемой территории продуктивными являются отложения объекта Ю1 васюганской свиты верхнего отдела юрской системы. Интервал объекта Ю1 представлен переслаиванием терригенных пластов Ю11, Ю12, Ю1М, Ю13, Ю14 и углисто-глинистыми перемычками между ними.

Южно-Шингинское месторождение, находящееся в Томской области, приурочено к локальному поднятию в юго-западной части Шингинской мезоседловины, ограниченной отрицательными структурами – Нюрольской мегавпадиной и Самлатским мезопрогибом – с юго-запада и северо-востока и положительными структурами – Средневасюганским и Пудинским мегавалами – с северо-запада и юго-востока (рис. 1).

Рис. 1. Выкопировка из тектонической карты юрского структурного яруса Томской области (под редакцией А.Э. Конторовича)

Породы-коллекторы представлены песчаниками средне-мелкозернистыми и мелкозернистыми, алевритистыми и алевритовыми с глинистым цементом, а также алевролитами мелко-крупнозернистыми, песчаными с глинистым цементом. 

Для пласта Ю11 характерно наличие прослоев песчаников скарбонатным цементом (песчано-карбонатные линзы) толщиной до 1,5–2 м.

Пласты, приуроченные к верхней части васюганской свиты, формировались в результате трансгрессивно-регрессивного цикла осадконакопления. Цикличные изменения уровня моря в течение васюганского времени приводили к периодическому обмелению и заболачиванию прибрежной области лагуны. Особенности вертикальных последовательностей выделенных слоев позволяют сделать вывод, что их формирование связано с этапами выдвижения и миграции дельтовых лопастей в изменчивой, но преимущественно низкодинамичной мелководной акватории (лагуне) [5]. Результаты исследования образцов керна пласта Ю11 показали, что он состоит из последовательно сменяющих друг друга песчаных слоев, число которых изменяется от 2 до 6. Можно выделить как минимум два этапа выдвижения дельты, связанных со спецификой функционирования ее седиментационной системы (рис. 2), которая определяется выдвижением и миграцией дельтовых проток при образовании энергетически выгодных путей стока. Это и приводит к появлению в разрезе пласта Ю11 сменяющих друг друга песчаных слоев [6, 7]. 

Рис. 2. Схема седиментационной системы дельты изолированного побережья

Интерпретация данных сейсморазведки

Несмотря на то, что площадь исследуемого района достаточно хорошо изучена сейсморазведочными работами 3D, отсутствует достоверный количественный прогноз распространения эффективных толщин пласта, что осложняет программу бурения и успешное размещение проектного фонда скважин.

Проведенный анализ динамических и кинематических параметров сейсмической записи выявил невозможность обоснованного прогноза эффективных толщин по данным сейсморазведки с использованием стандартных методик. Изучение сходимости сейсмических атрибутов, результатов классификации формы записи, а также результатов инверсии с эффективными толщинами пласта Ю11 показало низкие коэффициенты корреляции (от 0 до 0,5). Сложность прогноза геологического разреза с применением стандартных методик подтверждают данные анализа упругих параметров, полученных по результатам геофизических исследований скважин. Анализ акустического импеданса по ряду скважин месторождения показал практически полное перекрытие литотипов коллектор/неколлектор и невозможность их разделения.

Чтобы найти выход из сложившейся ситуации, была предпринята попытка установить зависимости между отдельными частотными компонентами и эффективными толщинами пласта Ю11. Однако ни одна из частотных характеристик, полученных методом CWT , не дает уверенного прогноза эффективных толщин (см. таблицу).


С учетом всех вышеперечисленных сейсмогеологических факторов данный пласт можно охарактеризовать, как сложнопрогнозируемый по данным сейсморазведки. Именно по этой причине актуальна проверка методики кластеризации амплитудных спектров. Теоретические основы и схемы получения результатов кластеризации амплитудных спектров представлены в работе [4], поэтому в данной статье не рассматриваются. Исходя из толщины пласта было взято окно 15 мс от отражающего горизонта, являющегося кровлей пласта Ю11. При исследовании применялся алгоритм спектрального разложения CWT. Результат кластеризации амплитудных спектров приведен на рис. 3. Анализ центров классов показал, что зоны увеличенных толщин пласта Ю11 характеризуются смещением максимума спектральной кривой в сторону низких частот, зоны пониженных толщин – преобладанием высоких частот в спектре. Сопоставление результатов кластеризации и значениий эффективных толщин в скважинах показало устойчивую связь и высокий коэффициент корреляции R = 0,79 (см. рис. 3). C учетом того, что в анализе участвовали 62 скважины, данный коэффициент корреляции свидетельствует о возможности корректного прогнозирования строения разреза.

Рис. 3. Результаты кластеризации амплитудных спектров (а) и кроссплот эффективных толщин (б)

Были рассчитаны также статистические показатели ошибки в определении эффективных толщин. Средняя ошибка валидации при исключении из решения одной скважины составила 3 м, средняя квадратическая ошибка – 3,89 м, максимальная – 5 м. С учетом изменения толщин от 1 до 22 м данные ошибки являются приемлемыми. Оценена устойчивость прогноза при удалении из решения случайного числа скважин. Был проведен расчет 1000 различных комбинаций «выкалывания» скважин и статистических параметров (рис. 4). Даже при исключении из решения большого числа скважин коэффициент корреляции в среднем уменьшается на 0,15. Средняя квадратическая ошибка увеличивается всего на 0,7 м. Следовательно, прогноз с использованием данной методики для пласта Ю 1 можно считать устойчивым.

Рис. 4. Изменение коэффициента корреляции (а) и средней квадратической ошибки (б) в зависимости от числа исключенных скважин 

Выводы 

1. Для пласта Ю 1 Южно-Шингинского месторождения стандартные методики динамического анализа сейсмической записи не дают возможности прогнозировать эффективные толщины.

2. Методика кластеризации амплитудных спектров позволяет выполнить обоснованный количественный прогноз эффективных толщин. Проведенный статистический анализ показал высокую устойчивость прогноза по предложенной методике.

Список литературы

1. Partyka G.A., Gridley J.M. Interpretational Aspects of Spectral Decomposition // Abstract, Istanbul '97 International Geophysical Conference and Exposition, July 7-10, 1997.

2. Sinha S., Castagna J. Spectral decomposition of seismic data with continuous wavelet transform: Published by the SEG in: extended abstracts of the 2001 exposition and seventy first annual meeting of the society of exploration geophysicists, San Antonio, 2001

3. Буторин А.В. Изучение геологических объектов Ачи¬мовской свиты при помощи спектральной декомпозиции волнового поля // Геофизика. – 2016. –№ 2. – С. 10–18.

4. Муртазин Д.Г., Сиражиев А.А. Кластеринг амплитудно-частотных спектров – новый подход в решении сложных геолого-геофизических задач // Геофизика. – 2017. – № 2. – С. 37–45.

5. Уолкер Р., Джеймс Н. Фациальные модели/ пер. с англ. – М. – Ижевск: Институт компьютерных исследований, 2017. – 902 с.

6. Муромцев В.С. Электрометрическая геология песчаных тел – литологических ловушек нефти и газа. – Л.: Недра, 1984. – 260 с.

7. Обстановки осадконакопления и фации/Х.Г. Рединг, Дж.Д. Коллинсон, Ф.А. Аллен [и др.]. – М.: Мир, 1990. – 352 с.

Reference

1. Partyka G.A., Gridley J.M., Interpretational aspects of spectral decomposition, Proceedings of International Geophysical Conference and Exposition, Istanbul '97, July 7-10, 1997.

2. Sinha S., Castagna J., Spectral decomposition of seismic data with continuous wavelet transform: Published by the SEG in: extended abstracts of the 2001 exposition and seventy first annual meeting of the society of exploration geophysicists, San Antonio, 2001.

3. Butorin A.V., The study of geological objects Achimov formation using a spectral decomposition (In Russ.), Geofizika, 2016, no. 2, pp. 10–18.

4. Murtazin D.G., Sirazhiev A.A., Clustering of local amplitude spectra a new approach in solving complex geological and geophysical problems (In Russ.), Geofizika, 2017, no. 2, pp. 37–45.

5. Walker R.G., James N.P., Facies models: response to sea level change, Geo-logical Association of Canada, 1992, 409 p.

6. Muromtsev V.S., Elektrometricheskaya geologiya peschanykh tel – litologicheskikh lovushek nefti i gaza (Electrometric geology of sand bodies lithological traps of oil and gas), Leningrad: Nedra Publ., 1984, 260 p.

7. Reading H.G., Sedimentary environments: processes, facies and stratigraphy, Blackwell Publishing Limited, Second edition, 1986.


Авторы статьи:  Д.Г. Муртазин, А.В. Пищулева 
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
А.Р. Губаев
ООО «Газпромнефть-Восток»

Источник:  Журнал «PROнефть»

Возврат к списку