к ГЕОЛОГИЯ И ГЕОЛОГО-РАЗВЕДОЧНЫЕ РАБОТЫ i
L. Л
УДК 550.834.017
© И.С. Путилов, В.И. Галкин, 2015
Исследование особенностей геологического строения локальных структур по результатам сейсморазведки 30 (на примере территории Пермского края)
И.С. Путилов, к.т.н.
(Филиал ООО «ЛУКОЙЛ-Инжиниринг» «ПермНИПИнефть» в г. Перми), В.И. Галкин, д.г.-м.н., (Пермский национальный исследовательский политехнический университет)
Адреса для связи: putilov@permnipineft.com gng@pstu.ru
Ключевые слова: нефтяное месторождение, тектоническая структура, сейсморазведка 2D, сейсморазведка 3D.
The investigations of modified subsurface geology on the basis of seismic exploration 3D of the Perm territory
I.S. Putilov (PermNIPIneft Branch of LUKOIL-Engineering LLC in Perm, RF, Perm),
V.I. Galkin (Perm National Research Polytechnic University, RF, Perm)
E-mail: putilov@permnipineft.com, gng@pstu.ru
Key words: oil field, tectonic structure, seismic exploration 2D, seismic exploration 3D.
The article presents the results of seismic exploration 3D of oil fields of the Perm territory. The different tectonic structure discriminating by changed seismic exploration 3D.
Сейсморазведочные работы с целью подготовки структур к глубокому нефтепоисковому бурению на территории Пермского края выполняются с 1960 г. Изученность территории региона сейсморазведкой 2D превышает 140 тыс. км. Плотность профилей изменяется от 0,1 до 3,97 км/км2. Сейсморазведкой 3D исследована территория общей площадью более 6000 км2.
В настоящее время можно оценить эффективность сейсморазведки 3D по площадям 51 месторождения.
Это позволит выбирать наиболее перспективные площади для проведения данных работ с учетом влияния изменения геологического строения на нефтегазонос-ность. Уточнение морфологического строения по результатам сейсморазведки 3D может изменить величину запасов углеводородов даже на открытых месторождениях. Пример уточнения морфологического строения по данным сейсморазведки 3D на одной из площадей (159 км2) Пермского края приведен на рис. 1. Плотность работ 2D составляла более 3 км/км2,
Рис. 1. Отражающий горизонт II" одной из площадей юга Пермского края по результатам по 20 (а) и 30 (б) сейсморазведки:
1 - изолинии отражающего горизонта; 2 - локализуемый объект; 3 - профиль сейсморазведки 2D; 4 - скважина
при этом из рис. 1 видно значительное изменение морфологического строения территории после проведения сейсморазведки 3D. Изменяются формы, амплитуды, площади локальных структур, появляются новые локальные объекты.
Для оценки влияния уточнения морфологического строения по данным сейсморазведки 3D разработаны критерии [2], с помощью которых предлагается оценивать влияние изменения геологического строения на нефтегазоносность. На первом этапе исследований с помощью вероятностно-статистических методов по данным 40 площадей выполнена оценка взаимосвязи критериев изменения морфологического строения по результатам сейсморазведки 3D с параметрами, известными до ее проведения. Возможности применения этих методов для решения аналогичных задач рассмотрены в работах [1-9]. В качестве параметров, известных до проведения сейсморазведки 3D, использованы плотность профилей сейсморазведки 2D q (км/км2), число выявленных структур по данным сейсморазведки 2D Р120 на 1 км2, кратность планируемых работ 3D сейсморазведки k. Эти показатели наиболее доступны и понятны для первого этапа исследований. В результате сопоставления указанных параметров с морфологическими характеристиками структур, выявленных по данным сейсморазведки 3D, вычислены коэффициенты корреляции г (табл. 1). Статистически значимые корреляции наблюдаются для 8 из 15 морфологических показателей.
Рассмотрим параметры, известные до проведения сейсморазведки 3D. Параметр q характеризует изученность территории. При его увеличении число морфологических изменений, выявляемых по данным сейсморазведки 3D, должно снижаться, что подтверждено статистически значимой корреляцией между q и Ыа- (г=-0,44) (см. табл. 1). Параметр PL2D количественно отражает фактически установленное геологическое строение территории. Анализ показывает, что чем выше плотность структур по данным сейсморазведки 2D, тем большее число малоразмерных объектов она содержит, поэтому выше вероятность обнаружения пропущенных малоразмерных объектов при проведении 3D сейсморазведки. Это подтверждается наличием статистически значимых корреляций: PL2D и PL3D (г=0,55), PL2D и Ып (г=0,61), PL2D и Ыг (г=0,55) (см. табл. 1). Показатель k является доступной и хорошо известной характеристикой сейсморазведки 3Б. С увеличением кратности по данным сейсморазведки 3Б повышается ее информативность, поэтому можно ожидать увеличения числа выявленных морфологических особенностей. Наблюдаются пять статистически значимых корреляций: между k и PL3D (г=0,47), k и Ыр (г=0,60), k и Ы5-(г=0,41), k и So (г=0,48), k и Sc (г=0,47) (см. табл. 1).
Наличие значимых корреляционных связей позволяет разработать многомерные статистические модели для прогноза морфологических изменений по результатам сейсморазведки 3Б. Эти модели построены с помощью пошагового регрессионного анализа. При реализации данного метода получены уравнения, приведенные в табл. 2. Статистическую значимость моделей
Таблица 1
Показатели, полученные по данным сейсморазведки 3D Коэффициент корреляции r
PL2D к q
Плотность структур PLзD 0,55* 0,47* 0,31
Число структур на 1 км2: появившихся Ыр -0,07 0,60* 0,23
неподтвердившихся Ып 0,61* 0,14 0,17
объединившихся No 0,07 0,31 0,14
разъединившихся Ыг 0,55* 0,20 0,15
с увеличившейся площадью Ы5+ 0,15 -0,01 -0,15
с уменьшившейся площадью 0,09 0,41* 0,14
с увеличившейся амплитудой Ыа+ 0,26 0,32 0,21
с уменьшившейся амплитудой Ыа - 0,03 0,14 -0,44*
Число куполов на 1 км2: неподтвердившихся Ыпк 0,31 0,19 0,24
появившихся Ырк 0,31 0,27 -0,02
Изменение направления длинной оси структуры на 1 км2 So 0,05 0,48* 0,23
Смещение структуры на 1 км2 Sc 0,33 0,47* 0,05
Изменение формы границ структуры на 1 км2 Sf 0,24 0,15 0,22
Изменение числа и формы разломов на 1 км2 0,18 0,26 0,05
*Значимые корреляционные связи.
характеризуют уровни значимости p, коэффициенты множественной корреляции R и значения отношений расчетного коэффициента Фишера к теоретическому Fp/Fr По этим оценкам все модели являются статистически значимыми.
Для анализа устойчивости полученных решений применен метод Jackknife [10]. Случайным образом исключались 12 площадей, которые составляли экзаменационную (эталонную) выборку, оставшиеся 28 -составили обучающую выборку, по которой были получены многомерные уравнения. Выполнено 10 вариантов расчетов с формированием каждый раз случайным образом нового набора экзаменационной и обучающей выборок.
Анализ результатов расчетов при пошаговом регрессионном анализе показал, что генерируемые по обучающим выборкам уравнения имеют коэффициенты, схожие с коэффициентами приведенных в табл. 2 уравнений. Кроме того, погрешности прогноза обучающей, эталонной и общей выборок (см. табл. 2) имеют близкие значения. В большинстве случаев погрешность прогноза по эталонной выборке незначительно превышает погрешность по обучающей выборке. Для контроля также анализировались корреляционные поля прогнозных и фактических значений параметров по эталонной и обучающей выборкам. Для примера рассмотрим корреляционные поля PL 3D по 10 итерациям расчетов (рис. 2, а). Из рис. 2, а видно, что поле точек эталонной выборки находится в пределах поля точек обучающей выборки, также наблюдается перекрытие полей разных выборок. Следовательно, все статистические модели, построенные с помощью пошагового регрессионного анализа, являются устойчивыми. Наилучшее прогнозирование наблюдается по параметру PL3D (R=0,82), поэтому данную модель можно рекомендовать для
Таблица 2
Уравнения Я Р< Fp ^ Погрешность выборок
обучающей эталонной общей
Модели на основе пошагового регрессионного анализа (линейные)
Р^зр= 0,00787ч + 1,07Р£20- 0,0033к+0,199 0,82 10-9 7,8 0,063 0,070 0,065
Np= 0,0024ч + 0,1192Р^2р- 0,0037к + 0,253 0,54 0,007 1,4 0,076 0,079 0,081
Nn = -0,0012ч + 0,145Р^2С+ 0,0001к - 0,005 0,56 0,003 1,6 0,014 0,019 0,015
0,00 19д + 0,16Р^2С- 0,0008к + 0,044 0,53 0,007 1,4 0,025 0,026 0,025
= 0,0089ч + 0,07Р£2С- 0,001к + 0,045 0,57 0,002 1,7 0,028 0,019 0,026
Модели на основе ПМНР (нелинейные)
РЦ0= 0,002ч2 + 17,774 Р^2С3 - 0,0507к + 0,0007к2- 10-10^® + 0,9501 0,88 10-10 4,4 0,053 0,060 0,056
Np= 155,75Р£2С5 - 0,019к + 0,0002к2 + 0,526 0,74 10-7 4,5 0,068 0,069 0,063
Nn = 0,123Р^2с+0,0039к - Ю^к4 + 10-,0к5 - 0,07 0,73 10-6 2,3 0,008 0,021 0,013
= -0,008к+0,00008к2+0,0017ч2+0,193 0,68 10-5 3,3 0,026 0,013 0,023
дальнейшего практического использования. По остальным показателям Я варьируется от 0,53 до 0,57, что ограничивает их дальнейшее практическое использование и свидетельствует о необходимости совершенствования моделей. Вероятно, что невысокие значения Я обусловлены недостаточной информацией о входящих в них показателях, и, возможно, более сложными нелинейными типами взаимосвязи с уже использованными параметрами.
Рис. 2. Корреляционные поля между плотностями структур по сейсморазведке 30, вычисленными по линейным (а) и нелинейным (б) моделям, и фактическими плотностями структур
Далее выполнена оптимизация этих моделей за счет учета нелинейности связей. С использованием пошаговой многомерной нелинейной регрессии (ПМНР) были получены более достоверные модели прогноза (см. табл. 2). Все модели статистически значимы, содержат не менее одного значимого коррелируемого параметра, выявленного ранее в табл. 1. Устойчивость прогнозов на основе полученных уравнений определялась по методу Jackknife. Погрешности различных выборок изменяются незначительно, следовательно, все модели являются стабильными.
Анализ корреляционных полей, приведенных на рис. 2, б, показывает более полное перекрытие полей разных выборок и снижение статистической погрешности, что соответствует более высокому значению Я=0,88 (см. табл. 2). Из анализа корреляционных полей и уравнений следует, что нели
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.