Помощь в написании студенческих работ
Антистрессовый сервис

Технология интерпретации результатов вейвлет-преобразования сейсмической записи

Диссертация: Технология интерпретации результатов вейвлет-преобразования сейсмической записи
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Учитывая сложность геологического строения залежей, недостаточный объем геолого-промысловой информации, ухудшенные фильтрационно и емкостные свойства, требуется применение современных подходов к извлечению дополнительной информации из геофизических данных, что и определяет актуальность цели применения предложенного алгоритма спектрального разложения (вейвлет-преобразования) данных… Читать ещё >

Технология интерпретации результатов вейвлет-преобразования сейсмической записи (реферат, курсовая, диплом, контрольная)

Содержание

  • Благодарности
  • Список иллюстраций
  • Список сокращений
  • 1. Теоретические основы вейвлет-анализа
    • 1. 1. История возникновения и обзор существующих технологий вейвлет-преобразования
    • 1. 2. Преобразование Фурье в фиксированном окне (вТРТ)
    • 1. 3. Частотно-временное непрерывное вейвлет-преобразование (ТРС?Т)
    • 1. 4. Выводы
  • 2. Анализ и интерпретация результатов вейвлет-преобразования
    • 2. 1. Расчет временной мощности тонкого пласта
    • 2. 2. Визуализация и анализ результатов спектральной декомпозиции с помощью ЫСВ-смешивания
    • 2. 3. Типизация коллекторов с использованием результатов вейвлет-преобразования
    • 2. 4. Выводы
  • 3. Статистический анализ атрибутов сейсмической записи
    • 3. 1. Одномерный статистический анализ и его применение
    • 3. 2. Двумерный статистический анализ
    • 3. 3. Многомерный статистический анализ
    • 3. 4. Выводы

В настоящее время запасы углеводородов уникальных и крупных месторождений на территории Российской Федерации и стран СНГ выработаны уже более чем на 50%. В этих условиях все большую роль приобретает освоение небольших залежей с трудно извлекаемыми запасами.

Развитие методики прогноза флюидонасыщенности нефте-газовых месторождений с использованием атрибутного анализа сейсмических данных для повышения геологической эффективности сейсмических методов являются актуальными задачами геологоразведочных работ. Их решение в значительной степени зависит от совершенствования существующих и создания новых, более надежных математических методов обработки и интерпретации сейсмических данных.

Прогноз коллекторских свойств на основе оптимизированного комплекса сейсмических атрибутов является современной важной темой исследования. Задача оптимизации сейсмических атрибутов стоит в том, чтобы обосновать выбор некоторого количества, желательно физически осмысленных и связанных с коллекторскими свойствами, атрибутов сейсмической записи. Главные методы прогноза коллекторских свойств основаны на использовании сейсмических атрибутов. Развитие методики прогноза флюидонасыщенности при поиске и разведке, а также эксплуатации нефте-газовых месторождений с использованием атрибутного анализа и повышение его геологической эффективности является актуальной задачей. Ее решение 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. В настоящее время, несмотря на широкое применение атрибутного анализа для прогноза коллекторских свойств, качество прогноза невысоко. В то же время, этот способ представляется наиболее 8 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 более возрастающей сложности геологических условий нефте-газовых месторождений, где используется атрибутный анализ. Разработанные в последние годы технологии вейвлет-анализа позволяют изучать спектральные характеристики сейсмической записи, сохраняя при этом детальную привязку исследуемых объектов во времени.

Учитывая сложность геологического строения залежей, недостаточный объем геолого-промысловой информации, ухудшенные фильтрационно и емкостные свойства, требуется применение современных подходов к извлечению дополнительной информации из геофизических данных, что и определяет актуальность цели применения предложенного алгоритма спектрального разложения (вейвлет-преобразования) данных сейсморазведки ЗБ. Существующие методы спектрального разложения, основанные на преобразовании Фурье, вследствие алгоритмических особенностей их выполнения имеют некоторые ограничения. Поэтому использование алгоритма вейвлет-преобразования является ключевым моментов повешения эффективности и информативности спектрального разложения сейсмического сигнала. Так же, немаловажную роль играют новые методы интерпретации полученных результатов.

3.4. Выводы.

Применение статистического анализа является важным моментом при интерпретации данных атрибутного анализа. Одномерный статистический анализ на начальном этапе позволяет корректировать исходные выборки с целью получения более устойчивого решения. В свою очередь двумерный анализ предоставляет возможность предсказания свойств горной породы в межскважинном пространстве исходя из их статистических зависимостей с данными динамической интерпретации сейсморазведки и ГИС. Немаловажную роль играет возможность выбора из всего многообразия наиболее надежных и интерпретируемых атрибутов. Эту задачу возможно выполнить с применением алгоритмов многомерного статистического анализа, в частности методом главных компонент.

Заключение

.

Автором предложена методика прогнозирования свойств залежей углеводородов, базирующаяся на применении спектральной декомпозиции сейсмических данных и ГИС.

1. Спектральная декомпозиция с помощью частотно-временной модификации вейвлет-преобразования является наиболее надежным способом спектрального разложения сейсмической записи.

2. Результаты спектральной декомпозиции позволяют давать количественную характеристику природным резервуарам исходя из представления сейсмической записи в частотно-временной области.

3. Технология ЯОВ-смешивания энергии единичных частот позволяет в значительной степени повысить надёжность определения положения стратиграфических элементов геологической среды в пространстве.

4. Использование результатов спектральной декомпозиции совместно с сейсмическими атрибутами при типизации геологического разреза позволяет надежнее выделять зоны с различными фильтрационно-емкостными свойствами.

5. Применение регрессионного анализа для данных спектрального разложения и сейсмических атрибутов дает возможность получения дополнительной информации в процессе интерпретации для прогноза нефте-газонасыщенности.

В заключение следует отметить, что полученные данные с помощью спектральной декомпозиции, позволяют существенно дополнить картину строения природных резервуаров. Достоинством методики является возможность получения как качественной, так и количественной характеристики изучаемых объектов. Таким образом, комплексный последовательный подход к совместной интерпретации данных.

99 сейсморазведки с использованием последних разработок алгоритма спектральной декомпозиции повышает достоверность прогноза свойств залежей.

Показать весь текст

Список литературы

  1. А. Г. Методика интерпретации данных сейсморазведки при интегрированном изучении нефтегазовых резервуаров. Геофизика, № 1, ЕАГО, М., 1998, с.13−19.
  2. . Ю. П. Сейсмическая интерпретация: опыт и проблемы. М., Геоинформмарк, 2004. 278 с.
  3. . Ю. П. От сейсмической интерпретации к моделированию и оценке месторождений нефти и газа. М., СПЕКТР, 2008, 384 с.
  4. С.А., Бежаева З. И., Староверов О. В. многомерных наблюдений. М, Статистика 1974.
  5. Г. Н., Гурвич И. И. Сейсморазведка. 2006, Тверь, АИС, 743 с.
  6. Г. В., Санников К. Ю., Мочалов А. П. Некоторые элементы структуры резервуара, определяемые по полям интерференционных волн, Технологии сейсморазведки № 4, с. 35 416 2010.
  7. К.А., Сагайдачная О. М., Сальников A.C. Вопросы применения вейвлет-преобразования сейсмических полей с реконструкцией во временную область, Технологии сейсморазведки, 2011, № 3, с. 71−83
  8. В.П. Вейвлеты. От теории к практике. М.: СОЛОН- Р, 2002.
  9. И. Десять лекций по вейвлетам. Пер. с англ. Мищенко Е.В.-М.:РХД, 2001
  10. Дж.С. Статистический анализ данных в геологии. Пер. с англ. В 2 кн./Пер. В. А. Голубевой: Под ред. Д. А. Родионова. Кн. 1. М.: Недра, 1990. -319 с.
  11. ЗемцоваД.П., Никитин A.A., Пискун П. В. Вейвлет-волнового поля при решении детализационных задач сейсморазведки. Тезисы докладов УП-ой международной научно-практической конференции Геомодель-2005, Геленджик, 11−17 сентября 2005 г., стр.68
  12. С. А., Зотова Е. В., Шелавина Е.Ю.и др. Возможности прогноза интегральных емкостных свойств коллектора по данным ГИС и сейсморазведки, Геофизика, 1997, № 5, с. 9−13.
  13. Е.А., «'Модели среды в разведочной сейсмологии». -Тверь: издательство ГЕРС, 2006 г., 480 с.
  14. И. К., Рыжков В. И., Бондаренко М. Т., Лапина Е. В. Эффективность прогнозирования коллекторов способами динамической интерпретации в Восточной Сибири, Технологии сейсморазведки № 4, с. 2634., 2010.
  15. И.К., Бондаренко М. Т., Каменев С. П. Динамическая интерпретация данных сейсморазведки при решении задач нефтегазовой геологии, Геофизика, 1996, № 56, с. 41−47.
  16. A.A., Храмов А. Е. Непрерывный вейвлегный анализ и его приложения. М.: Физматлит, 2003.
  17. Д.Н. К оценке определения литологии и коллекторских свойств по данным сейсморазведки. Геология нефти и газа, № 3, М., Недра, 1992, с.27−32
  18. Н.Я., Кучерук Е. В. Сейсмостратиграфия в решении проблемы поиска и разведки месторождений нефти и газа. — В кн.: Месторождения горючих полезных ископаемых, т. 13, Итоги науки и техники, ВИНИТИ АН СССР, М., 1984, 196с.
  19. Т.Н., Иванова H.A., Современные методы сейсмофациального анализа на реальных примерах /Тезисы докладов VIII международной научно-практической конференции Геомодель-2006, стр. 136.
  20. A.B., Мушин И. А., Погожев В. Н. Обработка динамических параметров сейсморазведки. М., Недра, 1990, с. 250.
  21. И.А., Белоусов Г. А., Городков А. Б. СВАН-сейсморазведка. (спектрально-временной анализ в технологиях сейсморазведки). Геофизика 5/2005, 3−9 с.
  22. А.А. Теоретические основы обработки информации. М.: Недра, 1986.
  23. Г. С., Математические методы моделирования в геологии: Учебник, Санкт-Петербургский государственный горный институт (технический университет). СПб, 2006. 223 с.
  24. С.Н. Анализ волновых полей для прогнозирования геологического разреза. М, Недра, 1989.
  25. О.М., Дунаева К. А., Сальников А. С. Декомпозиция и анализ сейсмических полей на основе слоев вейвлет-разложения. Геофизика 5/2010.
  26. B.C., Копилевич Е. А. Моделирование природных резервуаров нефти и газа на основе структкрно-литологической интерпретации данных сейсморазведки и бурения. — М., ВНИОЭНГ, 1995,167с
  27. Н.А. Методика спектральных вариаций для прогнозирования свойств геологического разреза, Геофизика, 1997, № 2, с. 12−16.
  28. И.Е. Разработка и исследование методов и технологий освоения трудноизвлекаемых запасов газа : диссертация. кандидата технических наук: 25.00.17.- Тюмень, 2008.- 175 е.:
  29. Chakraborty, A., and D. Okaya, Frequency-time decomposition ofseismic data using wavelet-based methods: Geophysics, 60, 1906 -1916., 1995
  30. Castagna, J. P., S. Sun, and R. Seigfried, 2003, Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons: The Leading Edge, 22, 120−132.
  31. Castagna, J., M. Burnett, E. Mendez, G. Rodriguez, L. Garcia, J. Martinez, M. Aviles, and R. Villasenor, 2003, Application of spectral decomposition to gas basins in Mexico: The Leading Edge, 22, 1130−1134.
  32. Castagna, J., and S. Sun, 2006, Comparison of spectral decomposition methods: First Break, 24, 75−79.
  33. Doyen, P., Seismic reservoir characterization: EAGE., 2007
  34. Giroldi, L., and F. Alegria, Using spectral decomposition to identify and characterize glacial valleys and fluvial channels within the Carboniferous section in Bolivia: The Leading Edge, 24, 1152−1159, 2005.
  35. Grana, D. and E. Delia Rossa, 2010, Probabilistic petrophysical prop-erties estimation integrating statistical rock physics with seismic in-version: Geophysics, 75, no. 3, 021−037, doi: 10.1190/1.3 386 676.
  36. Jianlei, L., Spectral decomposition and its application in mapping stratigraphy and hydrocarbons, Faculty of the Department of Geosciences University of Houston, A Dissertation, 2006
  37. Mallat, S., and Z. Zhang, 1993, Matching pursuit with time frequency dictionaries: IEEE Transactions on Signal Processing, 41, 3397−3415.
  38. Maklad, M. S., and J. K. Dirstein, 2007, Spectral detection of attenuation and lithology: CSPG CSEG Convention, 501−505.
  39. Miao, X., and S. Cheadle, 1998, High resolution seismic data analysis by wavelet transform and matching pursuit decomposition: Geo-Triad, CSEG, CSPG and CWLS Joint convention, 31−32.
  40. Partyka, G., J. Gridley, and J. Lopez, 1999, Interpretational applications of spectral decomposition in reservoir characterization: The Leading Edge, v. 18, p. 353−360
  41. Partyka, G., L. Peyton, and R. Bottjer, 1998, Interpretation of incised valleys using new 3-D seismic techniques: A case history using spectral decomposition and coherency: The Leading Edge, 17, 1294−1298.
  42. Peyton, L., R. Bottjer, and G. Partyka, Interpretation of incised valleys using new 3-D seismic techniques: A case history using spectral decomposition and coherency: The Leading Edge, 17, 1294−1298., 1998
  43. Sierra, J., H. Campos, M. Bonilla, W. Marin, D. Joseph, and S. Cardinez, 2008, Seismic multi-attribute integration for well prospect generation: South Main Soldado Field, Gulf of Paria, Trinidad & Tobago: XIV Congreso Venezolano de Geofisica.
  44. Sinha, S. K., P. S. Routh, P. D. Anno, and J. P. Castagna, Time-frequency attribute of seismic data using continuous wavelet transform: 73rd Annual International Meeting, SEG, Expanded Abstracts, 1481−1484., 2003
  45. Steeghs, P., and G. Drijkoningen, 2001, Seismic sequence analysis and attribute extraction using quadratic time-frequency representations: Geophysics, 66, 1947−1959.
  46. Stockwell, R. G., L. Mansinha, and R. P. Lowe, Localization of complex spectrum: The S-transform: IEEE Transactions on Signal Processing, 998−1001., 1996
Заполнить форму текущей работой

Сессия? Спокойно!