Помощь в написании студенческих работ
Антистрессовый сервис

Исследование способов повышения эффективности прогноза коллекторских свойств на основе атрибутного анализа

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Статистические данные по многим месторождениям показывают, что есть довольно тесные корреляционные связи между проницаемостью и пористостью. В общих чертах, чем выше пористость, тем относительно больше проницаемость. С другой стороны, проницаемость часто повышается при повышении пористости. Действительно мы можем создать оптимальную математическую модель связи между проницаемостью и пористостью… Читать ещё >

Исследование способов повышения эффективности прогноза коллекторских свойств на основе атрибутного анализа (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Обзор наиболее известных атрибутов
    • 1. 1. Анализ амплитуд
    • 1. 2. Комплексные атрибуты
    • 1. 3. Спектральные атрибуты
    • 1. 4. Корреляционные атрибуты
    • 1. 5. Автокорреляционные атрибуты
  • Глава 2. Основы многомерного атрибутного анализа
  • Глава 3. Анализ сейсмических атрибутов с целью прогноза коллекторских свойств
    • 3. 1. Общие сведения о пласте ТЗ на Молчановском месторождении
    • 3. 2. Акустическое моделирование с использованием уравнения Гассмана
    • 3. 3. Сейсмогеологическое моделирование
  • Глава 4. Прогноз коллекторских свойств на основе оптимизации комплекса сейсмических атрибутов
    • 4. 1. Примеры расчета сейсмических атрибутов
    • 4. 2. Прогноз коллекторских свойств

Прогноз коллекторских свойств на основе оптимизированного комплекса сейсмических атрибутов является современной важной темой исследования. Она включает в себя разные сферы наук, включая петрофизику, работу с банками данных, экспертные системы, статистику, идентификацию форм, методы математической оптимизации, обработку сейсмических данных.

Задача оптимизации сейсмических атрибутов стоит в том, чтобы обосновать выбор некоторого количества, желательно физически осмысленных и связанных с коллекторскими свойствами, атрибутов сейсмической записи.

Методы прогноза коллекторских свойств, в том числе и с помощью сейсмических атрибутов, являются важными средствами разведки и добычи углеводородов. Проблема, которая стоит весьма остро в настоящее время, состоит в том, как повысить надежность и точность прогноза коллекторских свойств. За последние десятилетия многое было сделано в этой области разными исследователями, но результаты этих исследований еще далеко не удовлетворяют потребности разведки и добычи нефти и газа. Главные методы прогноза коллекторских свойств основаны на использовании сейсмических атрибутов. Исследования синтетических сейсмограмм и практических сейсмических данных показают, что связи между коллекторских свойствами и сейсмическими атрибутами очен сложны. Для разных месторождений и коллекторов разных типов набор сейсмических атрибутов, чувствительных к коллекторским свойствам в каждом конкретном случае будет разным. Кроме того, даже в пределах одного месторождения и одного типа коллектора для прогнозирования его разных свойств оптимальными оказываются разные атрибуты. Пока еще не найден столь необходимый единый подход к выбору оптимального комплекса атрибутов для конкретных ситуаций. Актуальность проблемы.

Развитие методики прогноза коллекторских свойств при поиске и разведке, а также эксплуатации нефте-газовых месторождений с использованием атрибутного анализа и повышение её геологической эффективности является актуальной народно-хозяйственной задачей.

Решение этой задачи в значительной степени зависит от совершенствования существующих и создания новых, более надежных математических методов обработки и интерпретации наблюдаемых данных.

Существуют многие подходы к прогнозу коллекторских свойств с помощью атрибутного анализа. Вследствие этого, необходимо рассмотреть основные положения каждого из подходов и оценить качество прогноза, чтобы выбрать направление развития способа анализа атрибутов для повышения эффективности прогноза коллекторских свойств.

В настоящее время, несмотря на широкое применение атрибутного анализа для прогноза коллекторских свойств, качество прогноза невысоко. В тоже время, этот способ прогноза представляется весьма перспективным. Ряд проблем, связанных с повышением качества прогноза требует максимально быстрого разрешения.

Количество вовлеченных в анализ атрибутов сейсмической записи достигло двух сотен. Одновременно повышаются плотность сейсмической съемки, количество скважин с прямыми определениями коллекторских свойств, требования к качеству прогноза при все возрастающей сложности геологических условий нефте-газовых месторождений, где используется атрибутный анализ.

Научная новизна состоит в том, что разработан подход к совместному применению методик поиска оптимальных атрибутов и использования искусственных нейронных сетей с анализом эффективности для прогноза коллекторских свойств на основе многомерного атрибутного анализа.

Практическая ценность:

В рамках данной работы обсуждены точности каждого метода прогноза коллекторских свойств на основе сейсмических атрибутов. Результат исследования может помочь использовать сейсмические атрибуты более обоснованно, более логично и более эффективно. Разработанная комбинированная технология оптимизации комплекса атрибутов призвана помочь повысить качество прогноза и получить, в конечном счете, экономический и общественный эффект.

Для выбора оптимального комплекса сейсмических атрибутов, часто используются корреляционные подходы. Рассчитывая коэффициент корреляции между каждым атрибутом и объектом прогноза, выбирают атрибуты, имеющие наиболее высокий коэффициент, и таким образом получают комплекс сейсмических атрибутов, используемый в прогнозе коллекторских свойств [17,36−43]. Однако, в результате такого подхода может образоваться не только не оптимальный комплекс сейсмических атрибутов, но даже и весьма плохой для прогноза свойств [41].

В работах китайских ученых (Wu dakui, 1995) [44], (Ni xiunbi и другие, 1997) [45], (Не zhenghua и другие, 1999) [46] изложен подход с использованием преобразования K-L для того, чтобы проводить компрессию сейсмических атрибутов. С помощью этого подхода образуются немногочисленные новые действительные атрибуты из оригинальных атрибутов и новые атрибуты являются линейными комбинациями оригинальных атрибутов. Этот подход представляется подходящим для того, чтобы контролировать когерентность сейсмических атрибутов. Cynthia Т. Kolkomey [15] в 1997 г. показал, что может проявиться свойство ложной когерентности и это может привести к снижению надежности прогноза.

В России, Ампилов Ю. П. и Драница Ю. [2] одними из первых использовали нейроноподобные алгоритмы многомерного анализа атрибутов. В настоящее время эти идеи получили развитие и определенное признание.

Развитие и обсуждение методов оптимизации сейсмических атрибутов, которые в минимальной степени зависели бы от опыта интерпретатора, представляются необходимыми.

Исходя из вышеизложенного была сформулирована цель проведенного исследования.

Цель диссертационной работы.

Основная цель данной диссертационной работы заключается в усовершенствовании и развитии методики прогнозирования коллекторских свойств на основе оптимизированного комплекса сейсмических атрибутов и повышение её геологической эффективности.

Для достижения поставленной цели предстояло решить следующие задачи:

1. Рассмотреть смысл сейсмических атрибутов и порядок их расчета.

2. Рассмотреть основные положения каждого из наиболее известных подходов к прогнозу коллекторских свойств на основе атрибутного анализа и оценить качество прогноза. Обсудить и развить методы оптимизации комплекса сейсмических атрибутов, которые не зависит от опыта интерпретатора.

3. Разработать схему построения оптимального комплекса атрибутов с использованием наиболее надежных существующих математических методов анализа информации.

4. Опробовать предлагаемый подход к оптимизации комплекса атрибутов на реальных сейсмических данных.

Основные защищаемые положения.

1.Дана общая оценка многомерного атрибутного анализа по критерию эффективности прогноза коллекторских свойств.

2.Исследованы связи между атрибутами сейсмической записи и коллекторскими свойствами на примере Молчановского месторождения.

3.Показано и проанализировано применение наиболее распространенных приемов прогноза коллекторских свойств на реальных материалах.

4.Разработана схема оптимизации комплекса атрибутов для прогноза коллекторских свойств.

5.Намечены возможные направления дальнейших исследований для прогноза коллекторских свойств на основе сравнения методов оптимизации комплекса сейсмических атрибутов.

Работа выполнена на кафедре сейсмометрии и геоакустики. За время обучения в очной аспирантуре с 2003 по 2006 год. Работа выполнена под научным руководством профессора ВЛАДОВА Михаила Львовича, которому автор выражает глубокую благодарность за внимательное руководство и постоянную поддержку.

Автор приносит глубокую благодарность компании «ДЕКО-Геофизика» в лице ее руководителя Токарева Михаила Юрьевича за предоставленные для работы над диссертацией данные и материалы по Молчановскому месторождению.

Заключение

.

В настоящее время методы прогноза коллекторских свойств на основе оптимизированных комплексов атрибутов находятся в процессе развития. Их необходимо улучшать и совершенствовать. Тогда можно будет расширять сферу использования атрибутов и повышать их роль в прогнозировании коллекторских свойств.

В данном разделе обсуждаются возможные техника и направления исследования возможностей прогноза коллекторских свойств на основе оптимизированного комплекса сейсмических атрибутов. Выводы из проделанной работы.

1. Выбор комплекса сейсмических атрибутов для дальнейшего прогноза коллекторских свойств на основе экспертных оценок является наиболее распространенным подходом.

Однако, оптимизацию этого комплекса, выбор оптимального количества независимых атрибутов можно производить автоматизированным способом с помощью аппарата искусственных нейронных сетей.

Такое сочетание конкретных знаний по данному району и оптимизация с помощью нейронных сетей могут существенно повысить качество прогноза. 2. Оптимизация комплекса атрибутов на основе последовательного применения метода факторного анализа и аппарата искусственных нейронных сетей существенно повышает качество прогноза.

Тем не менее, автоматическое «понижение мерности атрибутного пространства» [2] позволяет получить лишь набор атрибутов линейно связанных с оригинальными. При этом не исследованы связи каждого из атрибутов с прогнозируемыми коллекторскими свойствами.

3. Предлагается следующая последовательность действий для повышения эффективности прогноза. Перед его осуществлением необходимо:

1. На основе акустического и сейсмогеологического моделирования выбрать комплекс атрибутов, наиболее связанный с прогнозируемыми коллекторскими свойствами для данного месторождения;

2. Уменьшить число атрибутов в полученном комплексе с помощью факторного анализа, исключив из него линейно зависимые атрибуты.

3. Оптимизировать полученный комплекс с помощью аппарата искусственных нейронных сетей.

4. Критерием для оценки правильности сделанного выбора на каждом этапе — выбор каждого оригинального атрибута, формирование комплекса атрибутов, количество атрибутов и т. д. — является оценка эффективности прогноза.

Перспективы развития атрибутного анализа.

Прогноз коллекторских свойств на основе анализа сейсмических данных одна из самых актуальных и востребованных тем исследования в нефтегазовой отрасли. При этом, прежде всего, желательно уметь прогнозировать пористость, проницаемость, степень насыщенности флюидом и свойства флюида. Однако, несмотря на большой прогресс в решении проблем атрибутного анализа, сделанного недостаточно, чтобы удовлетворить насущные потребности прогноза. Так, наиболее уверенно можно прогнозировать пористость, но проницаемость, степень насыщенности флюидом и свойства флюида, либо не поддаются прогнозу, либо прогноз на основании сейсмических данных можно осуществить в весьма локализованной области залежи. 1. Прогноз проницаемости.

Известно, что проницаемость представляет собой способность пропускать через себя вязкий флюид, и эта способность зависит от наличия, формы, размеров и характера связей пор между собой.

Параметр проницаемости измеряется при движении флюида. Проницаемость породы может меняться по трем координатам, представлять собой анизотропный и (или) неоднородный параметр.

Распределение проницаемости в коллекторских пластах имеет непосредственное влияние на расположение и движение флюида.

Прогноз распределения проницаемости в пласте очень важен для описания коллекторских свойств пластов при добыче нефти и газа.

Параметр проницаемости может быть измерен специальным аппаратом непосредственно в скважине в пластовых условиях, или в лаборатории. Эти два метода имеют относительно высокую точность, но дают только локальные данные при одновременно высоких затратах.

Таким образом, в настоящее время прогноз проницаемости коллекторских пластов на основе анализа сейсмических данных является одним из перспективных направлений исследований.

Статистические данные по многим месторождениям показывают, что есть довольно тесные корреляционные связи между проницаемостью и пористостью. В общих чертах, чем выше пористость, тем относительно больше проницаемость. С другой стороны, проницаемость часто повышается при повышении пористости. Действительно мы можем создать оптимальную математическую модель связи между проницаемостью и пористостью на основе регрессионного анализа. Обычно оптимальная математическая модель связи между проницаемостью и пористостью выражается следующим образом:

К = Аехр (Вф) (зл), где К — проницаемость ф — пористость А, В — константы.

В выражении (3.1) константы, А и В могут быть получены путем построения регрессии.

К (3.1) применим логарифмическое преобразование и получаем следующее выражение:

1 п К = В ф+1 n, А (3.2).

То есть, если строить кросс-плот между пористостью и проницаемостью в половинном логарифмическом масштабе, то между проницаемостью в логарифмическом масштабе и пористостью в линейном масштабе мы должны увидеть линейную зависимость.

Ошибка прогноза проницаемости в таком варианте зависит от ошибки прогноза пористости. Причем, малые ошибки в прогнозе пористости приведут к большим ошибкам в прогнозе проницаемости.

Из теории распространения упругой волны в двухфазной среде следует, что между сейсмическими данными и проницаемостью есть формальная связь. Между проницаемостью К, пористостью ф, коэффициентом вязкости флюида fj и коэффициентом поглощения сейсмической энергии Р существуют следующая зависимость:

Р = Лф2/К (3.3).

Таким образом, составляя оптимальный комплекс атрибутов сейсмической записи необходимо включать туда характеристики поглощения упругой энергии с целью прогнозирования проницаемости коллектора. 2. Прогноз нефте-газонасыщенности.

Прямые измерения насыщаемости породы коллектора проводятся либо непосредственно в скважине, либо на образцах керна. До сегодняшнего дня не разработано действенного метода для прогноза насыщаемости или степени насыщенности коллектора на основании сейсмических данных. На пути таких разработок встречается много трудностей.

Тем не менее, опираясь на теорию распространения волн и некоторый практический опыт, можно пытаться прогнозировать степень насыщения конкретного коллектора.

В главе 3 показано, что у степени насыщенности есть тесные связи со скоростью, плотностью и пористостью. Более высокой скорости соответствует более высокая насыщенность и наоборот.

Таким образом, используя данные в опорных скважинах можно найти коэффициенты регрессии между скоростью и насыщенностью, пористостью и насыщенностью и т. д. После этого, соответствующий опосредованный атрибут сейсмической записи можно включить в общий комплекс, который затем можно оптимизировать так, как это описано в главе 4 и повысить общее качество прогноза коллекторских свойств.

3. Создание банка данных оптимальных атрибутов .

Из приведенной выше работы следует, что за вычетом собственно метода факторного анализа, все способы прогноза коллекторских свойств на основе сейсмических данных используют результаты комплексного геолого-геофизического исследования скважин. Поэтому, отдавая себе отчет в ограничениях формального подхода факторного анализа, необходимо поставить вопрос о том, как использовать сейсмические данные для прогноза коллекторских свойств на новых площадях и там, где мало скважин ?

В этой ситуации может помочь заранее созданный банк данных оптимальных атрибутов для разных месторождений, типов залежей, типов коллекторов, флюидов и т. д. Тогда, понимая, что целиком проблему в отсутствие скважин решить нельзя, можно строить прогноз по сейсмическим данным, опираясь на уже наработанные связи между атрибутами и коллекторскими свойствами для сходных условий залежи.

4. Оптимизация сейсмических атрибутов в процессе обработки сейсмических данных.

В настоящее время стали обычными трехмерные сейсмические наблюдения с большой плотностью профилей. Цель таких наблюденийвысокая плотность сейсмической информации для дальнейшего перехода к параметрам коллектора, структурным построениям, моделированию месторождения и т. д.

За последние 30 лет общее количество сейсмических данных в мире быстро нарастает, увеличиваясь в среднем в 10 раз каждые 8 лет. Происходит это, в том числе, и за счет развития компьютерной базы и программного обеспечения. Приемы обработки сейсмических данных в принципе удовлетворяют увеличениям объемов информации.

Однако в процессе обработки сейсмических данных еще есть звенья, которые не используют преимущество компьютера и требуют ручной работы.

Это — редакция сейсмических трасс, выделение первых вступлений волн и скоростной анализ на стадии построения скоростной модели среды.

Преимущества ручной работы состоят в том, что обработчик может гибко и в полной мере использовать свои знания и опыт. Каждый из процессов может повторяться несколько раз, образуя итерационный цикл и, в конечном счете, повышать эффективность обработки.

Недостатки кроются здесь же — результат работы субъективен, зависит от уровня квалификации обработчика и требует много времени.

Развитие подхода искусственных нейронных сетей открывает возможность движения по пути решения этих проблем.

Создание систематизированной базы данных с шаблонами или образами направлений анализа с использованием скважинных данных и данных сейсморазведки позволит привлечь аппарат искусственных нейронных сетей для автоматического выделения вступлений волн, анализа спектра скоростей и построения скоростной модели среды, а так же оптимизации комплекса выбранных атрибутов. В таком случае сохранится роль эксперта при выборе пути внутри базы данных, но сократится доля ручного труда.

Частично такой подход реализован в разных фирмах и пока качество «автоматического» прогноза проигрывает качеству прогноза, основанного на «ручном труде». Однако, такое направление развития способов анализа сейсмических данных при работах на нефть и газ представляется перспективным.

Показать весь текст

Список литературы

  1. Н. В., Прогнозирование петрофизических параметров по сейсмическим атрибутам, магистерская работа Москва, МГУ, 2000.
  2. АмпиловЮ.П., Сейсмическая интерпретация: опыт и проблемы 171— 228)
  3. А.Д., Отчет {Пересмотр материалов ГИС, опробования с целью уточнения контактов ГНК, ВНК горизонта Т-3 по скважинам №№ 24, 31, 36 Молчановского месторождения}, 2001. Фонды «ДЕКО-Геофизика»
  4. Колчин Владимир Александрович, Технологии прогноза петрофизических и флюидодинамических параметров осадочного бассейна по данным сейсморазведки, Магистерская работа, МГУ, Москва, 2005 г. Р25—35
  5. Репин Роман Алексеевич, Исследование коллекторских свойств месторождения с помощью атрибутного анализа данных 3D сейсморазведки до суммирования. Магистерская работа, МГУ, Москва, 2004 г с. 14—38.
  6. О. А., Исследование возможностей петрофизической интерпретации результатов АВО анализа, магистерская работа Москва, МГУ, 2000.
  7. Уваров Игорь Борисович, Изучение возможностей кластерного анализа с использованием метода основных компонент в ЗД сейсморазведке, Магистерская работа, МГУ, Москва, 2005 г. Р15—27
  8. Anderson J.k. Limitations of seismic inversion porosition and pore fluid: lessons from chalks reservoir characterization exploration. Expanded Abstracts of 66th SEG Mtg, 1996,309—312
  9. M., Jutten C., 2000, Newral networks in geophysical applications, Geophysics, 65,1032−1047.
  10. O.Barnes Arthur E., Weighted average seismic attributes, GEOPHYSICS, VOL, 65, NO. 1, P. 275−285, January-February 2000- P. 275−285
  11. Brown Alistair R., Seismic attributes and their classification, p. 1090, The Leading Edge October, 1996
  12. Chen Q and Sidney S., Seismic attribute technology for reservoit forecasting and monitoring The leading Edge, 1997,16(5), 445—456
  13. Chi С Y, Mendel J M and Hampson D. A, computationally fast approach to maximum-likelihood deconvolution. Geophysics, 1984, 48(5) 550—565
  14. CookeD A and Schaeider W A., Generalized linear inversior of reflection seismic data. Geophysics 1983,48(6), 665—676
  15. Cynthia T Kolkomey, Potential risks when using seismic attributes as predictors of reservoir properties, the leading EDGE, 1997, 16(3)
  16. DeutschC Vand Journel A G. GSLIB, Geostatistical software library and User"s guide, 1992
  17. Heloise В Lynn et al., Relationship of P-wave seismic attributes, azimuthal anisotropy, and commercial gas pay in 3—D P-wave mutiazimuth data, Rulison Field, Piceance Basin, Colorado, Geophysics, 1999, 64(2)
  18. D.H., 1993, Seismic attribute calibration using newral networks. 63 SEG, Expanded Abstracts, 1993, pp. 250−253.
  19. Lefeuvre F.E. et al., 1995, Sand-shale ratio and sandy reservoir properties estimation from seismic attributes. 65 SEG, Expanded Abstracts, 1995, pp. 108 110
  20. Masters Т., Signal and image processing with netral networks, 1994
  21. MavkoG., Mukerji Т., Chan Christina., Fluid substitution: Estimating changes in -Vp without knowing Vs.- Geophysics, vol. 60, no.6 (November -December, 1995)
  22. Mavko Gary, Tapan Mukerji, Jack Dvorkin, Tools for seismic analysis in porous media, Cambrige University Press, 1998.
  23. McCormick M.D., 1991, Newral Computing in Geophysics. The Leading Edge, № 1, pp. 15−23.
  24. J.D., Fisher D.A., 1988, Complex seismic trace attributes. The Leading Edge, 7, № 6, pp. 22−26.
  25. M.T., Koehler E., Sheriff R.E., 1979, Complex seismic trace analysis. Geophysics, 44, pp. 1041−1063.
  26. Vault В., Multicomponent AVO analysis at Vacuum Field, New Mexico, Part 1- Theory and Data Processing.- SEG Expended Abstracts, 1998.
  27. Wiley John & Schulz P S, Ronen S, Hattori M and Crobett.O., Seismic guided estimations of logpropertics, part 1. The Leading Edge, 1994,13(5), 305—310
  28. Wiley John & Schulz P S, Ronen S, Hattori M and Crobett.O., Seismic guided estimations of logpropertics, part 2. The Leading Edge, 1994,13(6), 674— 678
  29. Wiley John & Schulz P S, Ronen S, Hattori M and Crobett.O., Seismic guided estimations of logproperties, part l. The Leading Edge, 1994,13(7), 770—770
  30. R.E., 1991. Properties of instantaneous seismic attributes. The Leading Edge, 10, № 7, pp. 26−32.31.тшшлзш ьтт&шштшт^ш
  31. Polytechnical University, 21(5)2003.10 574—578)
  32. ШШШШШШ, 5) ЙХЙЖЮ±-, 1995 (Zhu
  33. Chen Quincy et al,, ШШШШШШ^Ш^Ш
  34. Ш З^тё^й!", 1998 (Chen Quincy et al, Progress of seismic attributes technique, Collection of SEG dissertations of 67 annual meeting)
  35. ШШ, , 1994, 7(4) (Yang Guangzheng, et al, a kind of taxonomic approach for cleftstone, pattern recognition and artificial intelligence, 1994, 7 (4))43лшт, штжяттттяшш, ашшшш
  36. ЙЕЯШ^, &-&-ШЧШШ, (ШЙЙ^ЙИШ, , 32 (3) (Nie Xunbi- Shi Jicheng- Wang Shanshan and Chen Yongqiang, Multiparameter hydrocarbon prediction system, Oil Geophysical Prospecting, 1997, 32(3))46ЖФ, nnm, шшш,
  37. ГО, EJJHffiJKtfc, 1999 (He zhenhua, Huang deji, Hu guangming, theory and application of seismic wave field of complex petroleum deposit, Sichuan press 1999)
  38. SPSS J&ffl, , 2003 (Yujianyin,
  39. He xiuhong, Data’s statistic analysis and SPSS application, Beijing, 2003
Заполнить форму текущей работой