ПРОГНОЗ ГЕОЛОГИЧЕСКОГО РАЗРЕЗА НА ОСНОВЕ ДЕТАЛЬНОЙ ОБРАБОТКИ СЕЙСМИЧЕСКИХ МАТЕРИАЛОВ В ПРОГРАММНО'АЛГОРИТМИЧЕСКОМ КОМПЛЕКСЕ "ГЕОСЕЙФ"
←
→
Транскрипция содержимого страницы
Если ваш браузер не отображает страницу правильно, пожалуйста, читайте содержимое страницы ниже
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
УДК 550.834
ПРОГНОЗ ГЕОЛОГИЧЕСКОГО РАЗРЕЗА НА ОСНОВЕ ДЕТАЛЬНОЙ ОБРАБОТКИ СЕЙСМИЧЕСКИХ
МАТЕРИАЛОВ В ПРОГРАММНО`АЛГОРИТМИЧЕСКОМ КОМПЛЕКСЕ «ГЕОСЕЙФ»
Кочегуров Александр Иванович1,
kaicc@tpu.ru
Иванченков Виктор Павлович 1,
am@am.tpu.ru
Орлов Олег Викторович1,
orloff.oleg@mail.ru
1
Национальный исследовательский Томский политехнический университет,
Россия, 634050, г. Томск, пр. Ленина, 30.
Актуальность. Хорошо известно, что основными целями прогнозирования геологического разреза являются: определение ве/
щественного состава осадконакопления, выделение продуктивных толщ и оценки их нефтегазоносности. Эти цели достигаются
в том числе на основе детальной обработки и интерпретации сейсморазведочных данных с привязкой их к результатам геофи/
зического исследования скважин. В современных программно/алгоритмических комплексах обработки и интерпретации сейс/
мической информации для прогноза геологического разреза в качестве диагностических признаков в основном применяются
амплитудные и энергетические характеристики отраженных волн. Фазочастотные характеристики для этих целей прогноза прак/
тически не используются. Все это приводит к тому, что при решении задач прогноза геологического разреза процент ошибочных
решений достаточно велик и выделение ложных аномалий динамических и кинематических параметров отражений встречает/
ся достаточно часто.
Цель: на основе детальной обработки сейсмических материалов в программно/алгоритмическом комплексе «Геосейф» полу/
чить прогноз геологического разреза по новым информативным параметрам, извлекаемым из мгновенных фазовых спектров
отраженных сейсмических волн.
Методы и средства исследования: цифровая обработка сигналов и пространственно/временных полей, дискретное преобра/
зование Фурье, методы математического моделирования, вычислительный эксперимент.
Результаты. Подробно рассмотрен состав программно/алгоритмического комплекса «Геосейф» и перечень решаемых на нем
задач. Показано, что общий подход к решению задач на комплексе «Геосейф» связан с формированием выбранного маршрута
в соответствии с принятым графом обработки от имеющихся исходных данных к нужным результатам. Приведена структура де/
тальной обработки сейсмических материалов при реализации алгоритмов фазочастотной деконволюции с целью прогноза гео/
логического разреза. В результате применения рассмотренной методики проведен фазовременной анализ территории Двуре/
ченско–Карандашовской зоны и построена карта районирования по выделенным типам геологического разреза. При этом вы/
явленные корреляционные связи значений фазочастотной характеристики с зональными и локальными литологическими и тек/
тоническими неоднородностями разреза интерполируются и экстраполируются в межскважинное пространство.
Ключевые слова:
Прогноз геологического разреза, фазочастотная деконволюция, фазовременный анализ,
детальная обработка, программно/алгоритмический комплекс.
Введение рационноемкостных свойств. Решение этой про
Одна из основных особенностей современного блемы не в последнюю очередь связано с развитием
этапа нефтегазопоисковых работ в Томской обла новых, более эффективных методов решения задач
сти состоит в необходимости более активного во прогнозирования геологического разреза [1–4].
влечения в разведочный процесс слабо исследован Поэтому потребности создания новых, более эф
ных территорий. К таковым, в полной мере, отно фективных методов решения задач прогнозирова
сится правобережная часть реки Оби, заключаю ния геологического разреза (ПГР) с привлечением
щая в себе большой объем потенциально нефтега наиболее информативных параметров регистриру
зоносных юрских, а в зонах наиболее глубокого емых сейсмических волн определяют методологи
прогибания, возможно, и триассовых осадочных ческий аспект постановки задачи [5–8].
отложений. Полученные к настоящему времени Исходя из решаемых задач при прогнозе, все ме
материалы геологоразведочных работ не дают ос тоды ПГР можно разделить условно на два класса: 1)
нований для полной и однозначной оценки перс методы изучения структурных особенностей геоло
пектив нефтегазоносности этого комплекса. Кроме гического разреза для более детального расчленения
того, даже в районах промышленного освоения ме слоистых осадочных толщ; 2) методы определения
сторождений, и в пределах самих месторождений, петрофизических характеристик осадочных толщ,
исключительно актуальной остается проблема выделение на их основе коллекторских особенно
определения пространственной модели природно стей отложений и оценки их нефтегазоносности.
го резервуара, характеризующегося, как правило, В настоящее время для детального расчленения
контрастной латеральной изменчивостью фильт слоистых толщ широко применяются методы де
134 DOI 10.18799/24131830/2019/6/2135
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
конволюции [9–12]. Эти методы становятся весьма повторяя рассуждений рассмотренных ранее, при
актуальными при поиске месторождений нефти и ведем только математические соотношения и по
газа в тонкослоистых геологических средах. В этих яснения к ним, необходимые для понимания
средах волны, отраженные от границ раздела гео структуры и содержания программноалгоритми
логических сред, интерферируют между собой и ческого комплекса «Геосейф». Сразу отметим, что
выделить границы их раздела становится практи алгоритмы фазочастотной деконволюции могут
чески невозможно. Кроме того, интерференцион применяться как для оценки времени прихода це
ная картина осложняется наложением нерегуляр левых волн (алгоритмы фазочастотного прослежи
ных помех. Поэтому для отождествления границ в вания), так и для детального расчленения слоис
тонкослоистых средах, как правило, применяются тых неоднородных осадочных толщ и определения
алгоритмы сжатия сигналов, которые основаны на формы геологических объектов (алгоритмы фазо
методах деконволюции. Однако в традиционных временного анализа).
методах деконволюции фазовые спектры не оцени Для решения первой задачи в [21] предложен
ваются, их принимают либо минимально фазовы алгоритм, в основе которого лежат численные рас
ми, либо нульфазовыми [13–20]. В то же время четы мгновенных фазовых спектров и построение
именно в сложный закон поведения фазовых спек на их основе функции правдоподобия. При этом
тров сейсмических волн и заложена информация о вычисления спектров осуществляются путем дис
местоположении отражающих границ, а следова кретного преобразования Фурье участка сейсмо
тельно, разрешающая способность алгоритмов де трассы в окне анализа, которое перемещается по
конволюции во многом связана с корректным ис трассе с шагом, равным шагу дискретизации сейс
пользованием информации о фазе сигнала. Кроме мической трассы. Сформированная функция пра
того, фазовые спектры содержат информацию о ха вдоподобия позволяет оценить временное положе
рактере напластования, акустических свойствах и ние сейсмических сигналов [21] и имеет следую
толщине слоев, а также неоднородности поглоще щий вид:
ния геологических сред. Таким образом, характер n
ное поведение фазовых спектров может служить L( ) W ( f k ) cos( ( fk ) 2 fk ), (1)
эффективными признаками обнаружения углево k 1
дородов (УВ). Поэтому разработка, исследование и где (fk) – фазовый спектр в текущем окне; W(fk) –
применение методов фазочастотной деконволюции частотная весовая функция.
при ПГР имеет важное значение и является весьма Выбор частотной весовой функции определяет
актуальной задачей. вид алгоритма обработки: равновесная (единичная
Однако практическое применение фазочастот весовая функция) и неравновесная (весовая функ
ных характеристик (ФЧХ) отраженных сейсмиче ция может задаваться искусственным образом, на
ских волн для прогноза геологического разреза пример, быть треугольной функцией).
встречает определенные трудности. Это, в частно В основу решения второй задачи были положе
сти, связано с недостаточной изученностью фазо ны выделенные ранее характерные особенности
вых спектров отраженных волн, их взаимосвязи с поведения фазовых спектров в зависимости от из
конфигурацией границ и параметрами геологиче менения акустических, поглощающих и дисперси
ского разреза, а также особенностями их измене онных свойств геологических сред [6]. На основе
ния в области залежей нефти и газа. Кроме того, выделенных особенностей фазовых спектров были
необходимо совершенствование существующих и сформированы диагностические признаки, кото
создание новых фазочастотных алгоритмов обра рые далее использовались в качестве информатив
ботки сейсмической информации, а также изуче ных прогнозных параметров фазовременного ана
ние возможности привлечения наряду с ФЧХ дру лиза (ФАНанализа) сейсмических полей [8].
гих динамических характеристик отраженных Как ранее было показано [8], ФАНанализ яв
волн для комплексного решения задач ПГР. ляется инструментом построения картины волно
вого поля, на которой удается выделить даже са
Детализация волнового поля на основе методов мые слабые амплитудные отражения. Высокая
деконволюции разрешающая способность ФАНанализа дает воз
В настоящее время при анализе волновых сейс можность получать изображения, отличные по
мических полей, как уже отмечалось выше, широ структуре рисунка и интенсивности колебаний,
ко применяются методы деконволюции. Они по что позволяет сформировать различные типы раз
зволяют существенно повысить разрешенность реза на исследуемой площади. Сама процедура
сейсмических записей, что в свою очередь дает воз анализа достаточно проста [8] и заключается в по
можность увидеть мелкие детали (нарушение осей строении набора функций вида (1) для каждой
синфазности, прогибы, поднятия и т. п.), не види сейсмической трассы в исследуемой области:
мые на исходных разрезах. В работе [21] подробно n 1
рассмотрены вопросы построения алгоритмов фа Li ( ) Wi ( fk ) cos( ( fk ) 2 fk ), (2)
зочастотной деконволюции сейсмических волн и k 0
приведены первые результаты прослеживания где i – номер синтезированного фильтра (i=1,…,l);
волн на моделях и реальных данных. Поэтому, не l – число фильтров, используемых при обработке.
135
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
На основе сформированных функций (2) стро • Track Builder – программа узкополосной пере
ятся ФАНобразы для всех анализируемых трасс, страиваемой фильтрации по направлению;
которые в результате их объединения вдоль про • Changer – программа преобразования форматов
филя образуют ФАНразрез. В качестве эталонных сейсмических данных;
ФАНобразов принимаются образы на пикетах на • Contour – программа преобразования внутрен
блюдения, соответствующих положению скважин. них форматов комплекса в форматы системы
На этом этапе используются данные геофизическо Golden Software Surfer;
го исследования скважин (ГИС). Для отнесения • NewMedium – программа для моделирования
полученных типов геологического разреза к тому волновых сейсмических полей отраженных
или иному классу используются процедуры авто волн и геологических сред с дисперсией и по
матической классификации, в основу которых по глощением.
ложены нейросетевые технологии распознавания
образов.
Как видно из вышеизложенного, для прогнози
рования нефтегазоносности продуктивных ком
плексов используются методы фазочастотной де
конволюции, которые базируются на принципи
ально новых информационных признаках сейсми
ческого волнового поля, заложенных в фазочастот
ные характеристики отраженных волн. Это потре
бовало создания нового программноалгоритмиче
ского комплекса, получившего название «Гео
сейф».
Описание программно`алгоритмического
комплекса «Геосейф»
Комплекс «Геосейф» предназначен для деталь
ной обработки и интерпретации сейсмических дан
ных, получаемых при поиске месторождений неф Рис. 1. Состав программного комплекса «Геосейф»
ти и газа. Исходными данными для него являются
временные разрезы общей глубинной точки (ОГТ), Fig. 1. Composition of the software package «Geosef»
а также данные ГИС. Приведенные выше программы поддерживают
Перечень задач, решаемых на комплексе: согласованные между собой форматы входных дан
1) предварительный анализ и детализация волно ных и дают возможность менять граф обработки.
вых сейсмических полей; Для организации обработки сейсмических профи
2) построение отражающих границ по результа лей и объединения информации в комплекс введена
там фазочастотного прослеживания (ФЧП) и реализована в формате PARADOX база данных,
волн и узкополосной перестраиваемой фильт структурная схема которой приведена на рис. 2.
рации по направлению с использованием дан Администрирование базой данных осуществля
ных ГИС; ется с помощью программы AdmSIDB, а доступ к
3) выделение дизъюнктивных нарушений и ло данным возможен непосредственно из других про
кальных геологических тел на основе анализа грамм. К важным характеристикам использованной
объектноориентированных разрезов ФЧП; структуры базы данных и схемы взаимодействия
4) построение разрезов ФАНГ по результатам фа программных модулей можно отнести следующие:
зовременного анализа и картирование распро • возможность сохранения в базе промежуточ
странения выделенных типов по площади; ных результатов обработки;
5) комплексная интерпретация полученных ре • автоматическое взаимное увязывание различ
зультатов. ных полей всех таблиц базы;
В состав комплекса входят следующие про • использование перекрестных ссылок, позво
граммы (рис. 1): ляющее максимально снизить дублирование
• MainPrg – программа администрирования про информации.
цессами вычислений; Общий подход к решению задач на комплексе
• AdmSIDB – программа администрирования ба «Геосейф» связан с формированием выбранного
зой данных; маршрута в соответствии с принятым графом обра
• LitoAnalys – программа для исследования и ботки от имеющихся исходных данных к нужным
оценки дисперсионных и поглощающих результатам. Возможности построения маршрутов
свойств геологических сред; обеспечиваются как средствами меню, так и путем
• PhaseAnalys – программа, реализующая алго составления последовательности выполняемых
ритмы фазочастотного прослеживания волн и программ. Примеры таких маршрутов представле
фазовременного анализа волнового поля; ны на рис. 3–5.
136
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
Рис. 2. Структура базы данных комплекса «Геосейф»
Fig. 2. Structure of the database of «Geoseif» complex
полняется с использованием дополнительных про
граммных продуктов (в данном случае – Golden
Software Surfer 7.0).
Рис. 3. Общая последовательность построения карт изохрон
отражающего горизонта
Fig. 3. General sequence of mapping isochrones of the reflecting ho
rizon
Рис. 4. Последовательность решения задачи прослеживания
Так, например, задача картопостроения реша Fig. 4. Sequence of solving the tracking problem
ется на начальном этапе с помощью программы
Track Builder, в которой на основании данных При решении задачи прослеживания с неравно
ГИС, результатов автоматического прослежива весной обработкой на начальном этапе с помощью
ния осей синфазности и увязки горизонта в пересе программы PhaseAnalys выполняется выборочный
чениях профилей решается задача выделения и ФАНанализ нескольких суммотрасс во временном
отождествления целевого отражающего горизон интервале исследуемых отложений. По результа
та. Затем средствами программы Track Builder там изучения ФАНобразов принимается решение
устраняются систематические и линейные невяз о выборе фильтра ФАН, который будет использо
ки положения горизонта в пересечениях профи ваться в качестве весовой функции при выполне
лей. Конечный этап – построение изолиний, вы нии прослеживания. Затем с помощью той же про
137
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
граммы PhaseAnalys выполняется прослеживание 1. Предварительное изучение, анализ структуры
для выбранного временного разреза. Результат и динамических свойств обрабатываемых вре
прослеживания записывается в базу данных и с по менных разрезов ОГТ. В результате выполне
мощью программы MainPrg выводится объектно ния этого этапа устанавливается исследуемый
ориентированный разрез ФЧП. временной интервал, соответствующий выде
ляемому продуктивному горизонту, определя
ется полоса частот, в которой сосредоточена ос
новная энергия сейсмических сигналов, ра
спределение волн по кажущимся скоростям,
изучаются особенности формы выделяемых
отражений, определяются их спектры. Дан
ные, полученные на этом этапе, используются
далее для выбора параметров процедур фазоча
стотного анализа.
2. Проводится фазовременной анализ отдельных
суммотрасс для временного интервала, соответ
ствующего анализируемой части разреза. По
лученные результаты, с одной стороны, исполь
зуются для выбора параметров фазочастотного
прослеживания, а с другой стороны, применя
ются для последующих построений разрезов
ФАНГ.
3. Методами фазочастотного прослеживания для
целевых толщ выполняется построение объект
ноориентированных фазовых разрезов. С ис
пользованием результатов ФАНанализа и ма
териалов вертикального сейсмического профи
лирования, акустического каротажа и ГИС на
построенных разрезах проводится стратигра
фическая привязка отражающих горизонтов,
изучение структурных особенностей продук
тивных пластов, выделение дизъюнктивных
нарушений. Для отражений, приуроченных к
Рис. 5. Исследование эффективности работы алгоритмов на
модельных волновых полях
границам выделяемых объектов, по результа
там прослеживания оцениваются их кинемати
Fig. 5. Investigation of the algorithms performance on model wave ческие параметры, которые могут быть исполь
fields зованы в дальнейшем для проведения прогно
При исследовании эффективности разрабаты за, структурных и палеопостроений.
ваемых алгоритмов на модельных волновых 4. В зонах интенсивной интерференции волн от
полях, в соответствии с выбранной геологической дельные отражения, приуроченные к границам
моделью, с помощью программы NewMedium стро изучаемых толщ, дополнительно прослежива
ится синтетический временной разрез, который ются методом узкополосной перестраиваемой
записывается в базу данных с помощью програм фильтрации по направлению (кажущейся ско
мы AdmSIDB. Затем этот разрез обрабатывается по рости). При этом осуществляется восстановле
соответствующему алгоритму с помощью програм ние формы отдельных отражений для после
мы PhaseAnalys. дующей оценки их динамических характери
стик. По результатам прослеживания основ
Методика детальной обработки временных разрезов ных отражающих границ при достаточно плот
ОГТ и ВСП на основе разработанных алгоритмов ной сети используемых профилей строятся со
фазочастотного анализа сейсмических сигналов ответствующие карты изохрон или структур
На основе установленных свойств ФЧХ отра ные карты по заданным горизонтам.
женных волн и реализованных в комплексе «Гео 5. Строятся ФАНобразы для суммотрасс, отне
сейф» фазочастотных алгоритмов анализа сейсми сенных к положению скважин на профилях.
ческих волновых полей в рамках данной работы Затем полученные образы объединяются в
была предложена методика и реализована техно классы в зависимости от типов геологического
логия решения различных задач прогноза нефте разреза, выделенных на основании ГИС, ре
газоносности по результатам обработки времен зультатов бурения и испытания скважин. Это
ных разрезов ОГТ с привлечением данных ГИС и позволяет сформировать набор эталонных
результатов испытаний скважин. ФАНобразов, для которых определяются
В основных чертах эта методика включает сле признаки для последующей автоматической
дующие этапы: классификации.
138
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
6. Строятся разрезы ФАНГ, составленные из ции, полученной непосредственно на территории
ФАНобразов суммотрасс, выбранных с задан исследований, позволил выделить лишь три типа
ной дискретностью вдоль временного разреза. геологического разреза (I, II, и III). При этом ФАН
При сопоставлении полученных ФАНобразов образы I типа характеризуют зоны с высокодебит
для изучаемых продуктивных отложений с эта ным притоком нефти, а ФАНобразы II и III типов
лонными на разрезах ФАНГ выделяются одно – зоны с невысоким притоком нефти. ФАНобразы
родные зоны, соответствующие определенному IV, V и VI типов геологического разреза (неперс
типу геологического разреза. На этом этапе для пективные с позиций наличия углеводородов)
выделения типов разрезов могут также приме определены путем экстраполяции с соседней Кра
няться алгоритмы автоматической классифи пивинской площадью.
кации. Результаты классификации выносятся В результате проведенного ФАНанализа тер
на карты. ритория ДвуреченскоКарандашовской зоны была
7. Проводится комплексная интерпретация всех районирована по выделенным типам геологиче
материалов обработки с учетом имеющихся ского разреза следующим образом (рис. 6). Из рас
данных ГИС, результатов испытания скважин, смотрения карты районирования (рис. 6) видно,
структурных построений. На этой основе стро что в целом для всей зоны характерна пестрота гео
ится прогноз нефтегазоносности продуктивных логического разреза. Наибольшим развитием
отложений на исследуемой площади и даются пользуется III тип разреза. Наиболее перспектив
рекомендации на заложение скважин. ный I тип разреза распространен в зоне весьма
Результаты применения данной методики к об ограниченно, занимая приблизительно одну пя
работке материалов сейсмических исследований в тую часть Двуреченского л.п. Второй, менее перс
пределах ДвуреченскоКарандашовской зоны об пективный, тип разреза развит главным образом в
суждаются в следующем разделе. пределах Двуреченской площади. Участки с этим
типом разреза встречаются как внутри Двуречен
Прогноз типов геологического разреза ского л.п., так и в его периферийных частях. Тре
и выделение нефтеперспективных объектов тий тип разреза, характеризующийся как тип с
в Двуреченско`Карандашовской зоне низкими перспективами, распространен исключи
На программноалгоритмическом комплексе тельно широко, особенно в Карандашовской части
«Геосейф» была проведена опытная обработка вре рассматриваемой зоны. IV, V и, особенно, VI типы
менных разрезов ОГТ по сети выборочных профи разреза имеют небольшое распространение и часто
лей в пределах ДвуреченскоКарандашовской зо приурочены к зонам погружения или переферий
ны. Целевым объектом исследований являлись ным частям поднятий, заходя в редких случаях в
продуктивные отложения верхней юры, имеющие пределы самих поднятий.
тонкослоистую структуру. В связи с этим обработ Проведенный анализ разрезов ФАНГ показал,
ка материалов ОГТ была направлена на достиже что типизация геологического разреза продуктив
ние максимально возможной разрешенности сейс ного интервала принципиально возможна в усло
мической записи с сохранением когерентности ре виях слабой разбуренности территории. Для этало
гистрируемых отражающих горизонтов. В резуль нирования ФАНобразов по типам разреза в этом
тате детальной обработки исходных временных случае используется информация единичных
разрезов ОГТ по программам комплекса «Геосейф» скважин, пробуренных непосредственно на терри
были получены разрезы фазочастотного прослежи тории исследований и привлекаются данные сква
вания (ФЧП) и разрезы ФАН–Г фазовременного жин по соседним площадям.
анализа. Построение разрезов осуществлялось для
временного интервала 1,900–2,300 с., т. е. для ин Заключение
тервала, в котором регистрируются отражения от Предлагаемая методика прогнозирования ти
границ баженовской, георгиевской, васюганской и пов геологического разреза (с выделением отдель
тюменской свит, несущие информацию о геологи ных объектов) основана на изучении фазочастот
ческом строении целевого объекта исследований. ных характеристик (ФЧХ) отраженных волн, за
Слабая изученность территории исследований фиксированных на временных сейсмических раз
бурением (на исследуемых площадях пробурено резах общей глубинной точки. Высокая эффектив
всего лишь четыре разведочных скважины), бли ность геологической интерпретации с применени
зость к Крапивинскому месторождению и ограни ем этой методики достигается за счет детального
ченный объем обработанных профилей определи расчленения разреза тонкослоистой продуктивной
ли специфику применения предложенной автора толщи, установления связей значений ФЧХ с зо
ми статьи методики прогноза на территории Дву нальными и локальными литологическими и тек
реченскоКарандашовской зоны. Так, особенно тоническими неоднородностями разреза, выявлен
стью проведенной типизации в этих зонах явилось ными по данным бурения. При этом выявленные
то, что она осуществлялась с опорой на результа корреляционные связи, благодаря сохранению об
ты, ранее полученные на соседней, достаточно хо щих закономерностей геологического строения,
рошо изученной бурением Крапивинской площа интерполируются и экстраполируются в межсква
ди. Ограниченный объем скважинной информа жинное и заскважинное пространство. Для реали
1390
140
-----------------
97.04.35 40320
-----------------
15840 463
----------------- 18360
97.04.08 97.04.07 -----------------
0
-----------------
85.04.56
0
-----------------
0
95.04.29
97.04.33
58
-2
344 0
-----------------
95.04.30
P-11 36000
-----------------
97.04.05
-2580
0 P-13
0
-----------------
85.04.26
-254
0
80
----------------- P-10
95.04.34
-25
27404
-----------------
97.04.10 345
0
343 P-12
-248
-2480
120
-----------------
14400
-----------------
89.04.45 97.04.35
11520
-----------------
95.04.30
0
----------------- -2
242 243 97.04.07 58 14520
ɚ 243ɛ 0 -----------------
243 97.04.33
-2560
0 0
-----------------
----------------- 346
97.04.22 -2480 85.04.56
-2560
621 18720
-----------------
95.04.29
242
-2480
14400
-----------------
95.04.34
17520
-----------------
85.04.26
342
0
----------------- 0
97.04.18 54 214
-2
0 239 342ɚ
-----------------
97.04.17 0
-256
239ɚ
239ɛ
-2560
480
-----------------
3476
-----------------
14400
-----------------
97.04.10 97.04.05 97.04.22
0
-----------------
97.04.08 7140
-----------------
97.04.17
11520
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
-----------------
97.04.18
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
Рис. 6. Карта типов геологического разреза по данным ФАНГ. МеждуреченскоКарандашовская зона
Fig. 6. Map of types of geological section according to FANG. MezhdurechenskoKarandashovskaya zone
зации предложенной методики использован про методики проведен фазовременной анализ терри
граммноалгоритмический комплекс «Геосейф», тории ДвуреченскоКарандашовской зоны и по
позволяющий организовать детальную обработку строена карта районирования по выделенным ти
и интерпретацию сейсмических данных в соответ пам геологического разреза.
ствии с выбранным маршрутом обработки от Работа выполнена при поддержке гранта РФФИ
имеющихся исходных данных к нужным резуль (№ 18–07–01007).
татам. В результате применения рассмотренной
СПИСОК ЛИТЕРАТУРЫ 4. Istekova S.A., Umirova G.K. Characteristics of Seismic Data Us
1. Крылов Д.Н. Детальный прогноз геологического разреза в ed To Study the Reservoir of South Torgay Oil and Gas Basin //
сейсморазведке. – М.: Недра, 2007. – 195 с. International Journal of Innovative Research in Science, Engine
2. Немова В.Д., Бордюг М.А., Ревяко А.В. Сейсмогеологическое ering and Technology. – 2014. – V. 3. – Iss. 11. –
моделирование изменений свойств отложений баженовской P. 17382–17394.
свиты в межскважинном пространстве // Технологии сейсмо 5. Комплексное спектральноскоростное прогнозирование типов
разведки. – 2013. – № 2. – С. 72–97. геологического разреза и фильтрационноемкостных свойств
3. Самаркин М.А. Теоретическое и модельное обоснование мето коллекторов / Е.А. Копилевич, И.А. Мушин, Е.А. Давыдова,
дики определения типов геологического разреза переменной М.Л. Афанасьев. – Ижевск: Институт компьютерных исследо
толщины в межскважинном пространстве //Журнал Геофизи ваний, 2010. – 248 с.
ка. – 2003. – Специальный выпуск. – С. 85–89. 6. Иванченков В.П., Кочегуров А.И., Нгуен Суан Хунг. Прогноз
коллекторских свойств пород на основе взаимных фазовых
141Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 6. 134–144
Кочегуров А.И., Иванченков В.П., Орлов О.В. Прогноз геологического разреза на основе детальной обработки сейсмических ...
спектров отраженных сейсмических волн // Нефтяное хозяй 15. Lindberg D.V., More H. Blind Categorical Deconvolution in Two
ство. – 2016. – № 5. – С. 24–28. Level Hidden Markov Models // IEEE Transactions on Geoscience
7. Новая методика регионального прогноза высокопродуктивных and Remote Sensing. – 2014. – V. 52. – P. 7435–7447.
баженовских коллекторов Западной Сибири / Е.А. Копилевич, 16. Idan Ram, Israel Cohen. Multichannel Deconvolution of Seismic
М.Б. Скворцов, Н.Д. Сурова, Г.В. Кузнецов // Геология нефти Signals Using Statistical MCMC Methods // IEEE Transactions
и газа. – 2016. – № 4. – С. 58–63. on signal processing. – 2010. – V. 58. – № 5. – P. 2757–2770.
8. Прогноз типов геологического разреза на основе фазовремен 17. Deconvolution of Seismic Signals in Time and Frequency Domain /
ного анализа данных сейсмических / В.П. Иванченков, Kedarnath Senapati, Aurobinda Routray, Santosh Dhubia, Willi
А.И. Кочегуров, Нгуен Суан Хунг, О.В. Орлов // Известия am Kumar Mohanty // International Journal of Signal Proces
Томского политехнического университета. Инжиниринг гео sing, Image Processing and Pattern Recognition processing and
ресурсов. – 2017. – Т. 328. – № 4. – С. 55–66. Pattern Recognition. – 2011. – V. 4. – № 1. – P. 29–47.
9. Сильвиа М.Т., Робинсон Э.А. Обратная фильтрация геофизи 18. Optimal Seismic Deconvolution: Distributed Algorithms /
ческих временных рядов при разведке на нефть и газ. – М.: Не K.N. Plataniotis, S.K. Katsikas, D.G. Lainiotis, A.N. Venetsano
дра, 1983. – 382 с. poulos // IEEE Transactions on Geoscience and Remote Sen
10. Mohamed Mhmod, Feng Xuan, Xu Cong. Parameters effects on sing. – 1998. – V. 36. – P. 779–792.
spiking deconvolution of land seismic data // Global Geology. – 19. Veeken P.C.H., Da Silva M. Seismic inversion methods and some
2015. – V. 18 (4). – P. 226–231. of their constraints // First break. – 2004. – V. 22. – P. 47–70.
11. Романов В.В. Возможности повышения разрешенности сейс 20. Kazemi N., Bongajum E., Sacchi M. SurfaceConsistent Sparse
мограмм метода преломленных волн (MПB) // Технологии Multichannel Blind Deconvolution of Seismic Signals // IEEE
сейсморазведки. – 2013. – № 4. – С. 67–73. Transactions on geoscience and remote sensing. – 2016. –
12. Станкевич Л.С. Обработка сейсмических разрезов методом ди V. 54. – P. 3200–3207.
намического сжатия // Геофизика, геофизическое приборо 21. Фазочастотная деконволюция сейсмических волн / А.И. Коче
строение. – 2015. – № 1 (21). – С. 78–85. гуров, Е.А. Кочегурова, И.Э. Ильясова, V. Geringer, K. Reif //
13. Митрофанов Г.М. Гомоморфная фильтрация и слепая деконво Известия Томского политехнического университета. Инжини
люция // Технологии сейсморазведки. – 2015. – № 1. – ринг георесурсов. – 2017. – Т. 328. – № 12. – С. 84–93.
С. 46–56.
14. Egbai J.C., Atakpo E., Aigbogun C.O. Predictive deconvolution
Поступила 09.05.2019 г.
in seismic data processing in Atala prospect of rivers State, Nige
ria // Advances in Applied Science Research. – 2012. – V. 3 (1). –
P. 520–529.
Информация об авторах
Кочегуров А.И., кандидат технических наук, доцент отделения информационных технологий Инженерной
школы информационных технологий и робототехники Национального исследовательского Томского политех
нического университета.
Иванченков В.П. , кандидат технических наук, доцент отделения информационных технологий Инженерной
школы информационных технологий и робототехники Национального исследовательского Томского политех
нического университета.
Орлов О.В., кандидат технических наук, доцент отделения информационных технологий Инженерной школы
информационных технологий и робототехники Национального исследовательского Томского политехниче
ского университета.
142Kochegurov A.I. et al. / Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2019. V. 330. 6. 134–144
UDC 550.834
FORECAST OF GEOLOGICAL PROFILE BASED ON DETAILED PROCESSING OF SEISMIC MATERIALS
IN THE SOFTWARE`ALGORITHMIC COMPLEX «GEOSEIF»
Alexander I. Kochegurov1,
kaicc@tpu.ru
Viktor P. Ivanchenkov1 ,
am@am.tpu.ru
Oleg V. Orlov1,
orloff.oleg@mail.ru
1
National Research Tomsk Polytechnic University,
30, Lenin Avenue, Tomsk, 634050, Russia.
Relevance. It is well known that the main objectives of forecasting a geological section are to determine the material composition of se/
dimentation, to select the productive strata and to assess their petroleum potential. These goals are achieved, among other things, on
the basis of detailed processing and interpretation of seismic data with reference to the results of well logging. In modern software and
algorithmic complexes for processing and interpreting seismic information, the amplitude and energy characteristics of the reflected wa/
ves are mainly used as diagnostic signs for prediction of a geological profile. Phase frequency characteristics for this purpose of the fo/
recast are practically not used. All this leads to the fact that when solving the problems of forecasting a geological profile, the percentage
of erroneous decisions is quite large and the allocation of false anomalies of dynamic and kinematic parameters of reflections occurs qu/
ite often.
The aim of the research is to obtain a forecast of the geological section using new informative parameters extracted from the instan/
taneous phase spectra of the reflected seismic waves on the basis of the detailed processing of seismic materials in the software and al/
gorithmic complex «Geoseif».
Methods and means of research: digital signal processing and space/time fields, discrete Fourier transform, mathematical modeling
methods, computational experiment.
Results. The composition of the software and algorithmic complex «Geoseif» and the list of tasks solved on it are considered in detail.
It is shown that the general approach to solving the problems on the «Geoseif» complex is associated with the formation of the selected
route in accordance with the accepted processing graph from the available source data to the desired results. The paper presents the
structure of the detailed processing of seismic materials during the implementation of phase/frequency deconvolution algorithms for
predicting a geological section. As a result of application of the considered methodology, a phase/time analysis of the territory of the
Dvurechensko/Karandashovskaya zone was conducted and a zoning map was drawn for the selected types of geological section. At the
same time, the identified correlation links between the values of the phase response and the zonal and local lithological and tectonic
inhomogeneities of the section are interpolated and extrapolated into the interwell space.
Key words:
Geological profile forecast, phase/frequency deconvolution, phase/time analysis,
detailed processing, software and algorithmic complex.
The work was funded by the Russian Foundation for Basic Research Grants under grant No. 18–07–01007.
REFERENCES gicheskogo razreza i filtratsionnoemkostnykh svoystv kollektorov
1. Krylov D.N. Detalny prognoz geologicheskogo razreza v seysmora [Complex spectralspeed forecasting of types of geological section
zvedke [The detailed forecast of a geological section in seismic ex and reservoir properties of reservoirs]. Izhevsk, Institut kompy
ploration]. Moscow, Nedra publ., 2007. 195 p. ukh issledovaniy Publ., 2010. 248 p.
2. Nemova V.D., Bordyug M.A., Revyako A.V. Seismicgeological 6. Ivanchenkov V.P., Kochegurov A.I., Nguyen X.H. Prognoz kol
modeling for characterization of the Bazhenovka fm. reservoir in lectorskikh svoystv porod na osnove vzaimnykh fazovykh spek
the interwell space. Technologies of seismic exploration, 2013, trov otrazhennykh seysmicheskikh voln [Prediction of reservoir
vol. 2, pp. 72–97. In Rus. properties of rocks based on mutual phase spectrums of reflected
3. Samarkin M.A. Teoreticheskoe i modelnoe obosnovanie metodiki seismic waves]. Neftyanoe khozyaystvo, 2016, no. 5, pp. 24–28.
opredeleniya tipov geologicheskogo razreza peremennoy tolshchi 7. Kopilevich E.A., Skvortsov M.B., Surova N.D., Kuznetsov G.V.
ny v mezhskvazhinnom prostranstve [Theoretical and model rea Novaya metodika regionalnogo prognoza vysokoproduktivnykh
sons for a technique of determination of types of a geological sec bazhenovskikh kollektorov Zapadnoy Sibiri [New technique of the
tion of variable thickness in interborehole space]. Zhurnal geofizi regional forecast highly productive bazhenovskikh of collectors
ka, 2003, Special Issue, pp. 85–89. of Western Siberia]. Geologiya nefti i gaza, 2016, no. 4,
4. Istekova S.A, Umirova G.K. Characteristics of Seismic Data Used pp. 58–63.
to Study the Reservoir of South Torgay Oil and Gas Basin. Inter 8. Ivanchenkov V.P., Kochegurov A.I., Nguyen X.H., Orlov O.V.
national Journal of Innovative Research in Science, Engineering Predicting geological section types based on the phasetemporal
and Technology, 2014, vol. 3, Iss. 11, pp. 17382–17394. analysis of seismic observations data. Bulletin of the Tomsk Poly
5. Kopilevich E.A., Mushin I.A., Davydova E.A., Afanasyev M.L. technic University. Geo Assets Engineering, 2017, vol. 328, no. 4,
Kompleksnoe spektralnoskorostnoe prognozirovanie tipov geolo pp. 55–66. In Rus.
143Kochegurov A.I. et al. / Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2019. V. 330. 6. 134–144
9. Silvia M.T., Robinson E.A. Obratnaya filtratsiya geofizicheskikh 16. Idan Ram, Israel Cohen. Multichannel Deconvolution of Seismic
bremennykh ryadov pri razvedke na neft i gaz [The return filtra Signals Using Statistical MCMC Methods. IEEE Transactions on
tion of geophysical temporary ranks at investigation on oil and signal processing, 2010, vol. 58, no. 5, pp. 2757–2770.
gas]. Moscow, Nedra Publ., 1983. 382 p. 17. Kedarnath Senapati, Aurobinda Routray, Santosh Dhubia, Willi
10. Mohamed Mhmod, Feng Xuan, Xu Cong. Parameters effects on am Kumar Mohanty. Deconvolution of Seismic Signals in Time
spiking deconvolution of land seismic data. Global Geology, 2015, and Frequency Domain. International Journal of Signal Proces
vol. 18 (4), pp. 226–231. sing, Image Processing and Pattern Recognition processing and
11. Romanov V.V. Possibilities of increase in resolution of seismo Pattern Recognition, 2011, vol. 4, no. 1, pp. 29–47.
graphic records of a method of the refracted waves (MPV). 18. Plataniotis K.N., Katsikas S.K., Lainiotis D.G., Venetsanopou
Technologies of seismic exploration, 2013, no. 4, pp. 67–73. los A.N. Optimal Seismic Deconvolution: Distributed Algo
In Rus. rithms. IEEE Transactions on Geoscience and Remote Sensing,
12. Stankevich L.S. Obrabotka seysmicheskikh razrezov metodom di 1998, vol. 36, pp. 779–792.
namicheskogo szhatiya [Processing seismic cuts by the method of 19. Veeken P.C.H., Da Silva M. Seismic inversion methods and some
dynamic compression]. Geofizika, geofizicheskoe priborostroenie, of their constraints. First break, 2004, vol. 22, pp. 47–70.
2015, no. 1 (21), pp. 78–85. 20. Kazemi N., Bongajum E., Sacchi M. SurfaceConsistent Sparse
13. Mitrofanov G.M. Homomorphic filtering and deconvolution. Multichannel Blind Deconvolution of Seismic Signals. IEEE
Technologies of seismic exploration, 2015, no. 1, pp. 46–56. Transactions on geoscience and remote sensing, 2016, vol. 54,
In Rus. pp. 3200–3207.
14. Egbai J.C., Atakpo E., Aigbogun C.O. Predictive deconvolution 21. Kochegurov A.I., Kochegurova E.A., Ilyasova I.E., Geringer V.,
in seismic data processing in Atala prospect of rivers State, Nige Reif K. PhaseFrequency deconvolution of seismic waves. Bulle
ria. Advances in Applied Science Research, 2012, vol. 3 (1), tin of the Tomsk Polytechnic University. Geo Assets Engineering,
pp. 520–529. 2017, vol. 328, no. 12, pp. 84–93. In Rus.
15. Lindberg D.V., More H. Blind Categorical Deconvolution in Two
Level Hidden Markov Models. IEEE Transactions on Geoscience
Received: 9 May 2019.
and Remote Sensing, 2014, vol. 52, pp. 7435–7447.
Information about the authors
Alexander I. Kochegurov, Cand. Sc., associate professor, National Research Tomsk Polytechnic University.
Viktor P. Ivanchenkov , Cand. Sc., associate professor, National Research Tomsk Polytechnic University.
Oleg V. Orlov, Cand. Sc., associate professor, National Research Tomsk Polytechnic University.
144Вы также можете почитать
