л
РОСНЕФТЬ
УДК 550.8.072
ГЕОЛОГИЯ И ГЕОЛОГО-РАЗВЕДОЧНЫЕ РАБОТЫ
© А.Н. Грязнов, О.М. Гречнева, 2013
Создание геологической модели пласта Ач лицензионного участка Н с применением 3Р сейсмического тренда
А.Н. Грязнов, О.М. Гречнева
(ООО «ТННЦ»)
Адреса для связи: angryaznov@severneftegaz.ru, omgrechneva@rosneft.ru
Ключевые слова: геология, моделирование, турбидиты, 3D сейсмический тренд.
Geological modeling of Achimov formation Ach3-4 of N license area with application of 3D seismic trend
A.N. Gryaznov, O.M. Grechneva (TNNC LLC, RF, Tyumen) E-mail: angryaznov@severneftegaz.ru, omgrechneva@rosneft.ru Key words: geology, static modeling, turbidites, 3D seismic trend.
The goal of this work is to increase a forecast ability of geological model of Achmov formation at N license area. For this purpose all available data was analyzed and modern sequence stratigraphical approaches as well as 3D seismic information are used. The method for net sand volume computation from 3D seismic data utilizing "Genetic inversion algorithm" is implemented. The created net sand volume is used as 3D trend during further geological modeling for N. license area.
Адекватное прогнозирование свойств по данным 3D сейсморазведки наряду с их применением при моделировании является главным условием создания геологических моделей, пригодных для планирования бурения и геолого-технических мероприятий (ГТМ). Точность сейсмического прогноза особенно важна для слабоизученных частей месторождений, где при отсутствии скважинных данных только 3D сейсморазведка может дать представление о геометрии песчаных тел. Большое значение имеют качество сейсмической съемки и наличие мощных контрастных песчаных тел в пределах разрешающей способности.
Рассматриваемая модель пласта Ачз_4 лицензионного участка Н построена в 2012 г. в ТННЦ с целью детализации геологического строения. Пласт представляет собой отложения турбидитных конусов выноса и разделен на три гидродинамически не связанные линзы, сложенные мелкозернистым газонасыщенным песчаником. Пласт находится на стадии промышленной эксплуатации, в настоящее время пробурено 47 разведочных и добывающих скважин.
Применение алгоритма генетической инверсии
Был проведен большой объем работы, направленной на получение 3D трендов фильтрационно-емкостных свойств (ФЕС) и куба фаций на лицензионном участке Н по пласту Ачз_4. Проработаны две методики:
1) выделение геологических тел (geobodies), т.е. объектов по интенсивности амплитуды с применением отсечки по неколлектору; методика не показала приемлемой сходимости со скважинными данными по разрезу, что не позволяет корректно перенести результаты на сетку геологической модели;
2) генетическая инверсия, показавшая высокую сходимость с данными по скважинам, что позволяет создать трехмерный
тренд песчанистости из куба 3D сейсморазведки, который может использоваться в дальнейшей работе [1].
Преимущество второго метода по сравнению с первым состоит в высококачественной привязке данных сейсморазведки к скважинным. Выделение геологических тел, ориентированное только на значения сейсмической амплитуды и не учитывающее скважинную информацию, дает распределение, значительно отличающееся от фактического положения коллектора в скважинах, что не позволяет перенести данные на 3D сетку. Как видно из рис. 1, прогнозные эффективные толщины по генетической инверсии, даже с исключением из обучения нейронных сетей ряда скважин (см. рис. 1, б), близки в объеме к интервалам коллектора по результатам геофизических исследований скважин (ГИС), в то время как куб сейсмической амплитуды имеет максимумы отрицательной фазы (следовательно, максимум прогноза объема коллектора по первому методу) в интервалах, слабо соответствующих данным ГИС (см. рис. 1, в).
В отличие от стандартных нейронных сетей, в которых в качестве обучающего алгоритма используется алгоритм метода обратного распространения ошибки, в предлагаемом методе применяется генетический алгоритм обучения, который основывается на компьютерной имитации эволюционного развития с помощью естественного отбора, выдвинутого Ч. Дарвином, и широко используется в разных областях науки [1]. Генетическая инверсия позволяет, используя на входе скважинные данные (каротаж песчанистости, где 0 -неколлектор, 1 - коллектор), а также 3D сейсмический куб, получить на выходе с помощью нейросетевых алгоритмов генетической инверсии куб песчанистости, который может быть перемасштабирован в существующую 3D сетку. На основе куба песчанистости создан куб фаций.
Рис. 1. Внешний вид куба песчанистости, рассчитанного методом генетической инверсии (интервалы коллектора по ГИС отмечены красным цветом):
а - финальный вариант с включением в расчет всех скважин; б - один из расчетов теста «вслепую» с исключением скв. х31, х49, х-09-0,1; в - куб сейсмической амплитуды
Анализ опыта отечественных и зарубежных специалистов в области применения метода генетической инверсии
Методика использования алгоритма генетической инверсии была в прошлом неоднократно успешно применена одним из авторов (А.Н. Грязновым) при создании геологических моделей месторождений с различным геологическим строением. Так, при разработке модели трещиноватых карбонатных коллекторов фундамента Западно-Сибирской плиты месторождения Ч генетическая инверсия применялась для создания 3D трендов акустического импеданса и трещинной пористости, что позволило создать корректную модель, успешно прошедшую историю адаптации [2]. Автор также применял генетическую инверсию для создания прогнозного 3D тренда пористости верхнеюрских коллекторов месторождения К, где процесс конвертации осложнялся наличием исходного 3D сейсмического куба, образованного из нескольких кубов разных лет съемки. Для учета данных сложностей была разработана специальная методика, позволившая в итоге получить прогноз пористости приемлемого качества [2]. Таким образом, генетическая инверсия представляется довольно гибким алгоритмом, который может быть эффективно интегрирован в процесс создания геологических моделей с повышением их прогнозной способности.
Контроль качества генетической инверсии -корреляция с данными ГИС и методика теста «вслепую»
Вследствие наличия в пласте Ачз^ мощных контрастных газонасыщенных линз, разделенных непроницаемыми глинистыми перемычками, использование генетической инверсии имеет большие прогнозные возможности. Для контроля качества сходимости эффективных толщин, построенных с помощью генетической инверсии, с данными ГИС были построены зависимости по пласту Ачз_4 и отдельно по каждой линзе. Установлена достаточно хорошая корреляция эффективных толщин.
Для проверки прогнозной способности алгоритма генетической инверсии построены десять кубов песчанистости, при этом из процесса обучения нейронных сетей было исключено несколько скважин в различных частях месторождения, далее проведены генетическая инверсия и проверка сходимости полученных эффективных толщин с толщинами по ГИС. На рис. 1 приведена карта выборки скважин, участвующих в данном тесте. Для повышения достоверности оценки точности прогноза предпочтение отдавалось скважинам, расположенным на окраинных участках месторождения.
При оценке прогнозной способности генетической инверсии в рамках новой модели 2012 г. важным является сравнение эффективных толщин, полученных при применении теста «вслепую» с исключением из выборки новой, пробуренной в
Рис. 2. Карта эффективных толщин в линзе 3 по моделям 2011 (а) и 2012 г. (б)
2012 г. скв. х31 с прогнозными толщинами по предыдущей модели 2011 г., построенный на основе 2D сейсмических трендов, в которой скважина также не учитывалась. Данная скважина является определяющей для корректной оценки эффективного объема линзы 3 на северо-западе лицензионного участка. Если по модели 2011 г. эффективные толщины в скв. х31 составляют 6 м, то по рассматриваемому тесту генетической инверсии без учета скв. х31 - 16,8 м, в то время как толщины по ГИС равны 31,7 м, т.е. новый 3D тренд модели 2012 г. дает большую точность прогноза. Аналогичным образом точность прогноза генетической инверсией толщин подтверждает новая скв. х-09-01, также не учтенная в модели 2011 г.: прогноз по тесту толщин составляет 30,6 м, по ГИС - 33,8 м. В то же время в модели 2011 г. по 2D трендам толщины завышены и равняются 43 м. Из рис. 2 также видно значительное различие в распределении прогнозных толщин коллектора в линзе 3 в новой модели по сравнению с предыдущей моделью.
Важно также обратить внимание на стабильность прогноза толщин методом генетической инверсии: даже при исключении 15 % скважин из обучения нейронных сетей коэффициент корреляции эффективных толщин, полученных методом генетической инверсии, с данными ГИС стабильно высокий и составляет не менее 65 %. В проксимальной части коэффициент корреляции толщин существенно выше, при исключении скважин его минимальное значение равно 75 %.
Таким образом, генетическая инверсия дает высокий коэффициент корреляции со скважинными данными, а также показывает высокую стабильность прогноза по тесту «вслепую».
3D сейсмический тренд песчанистости, полученный с помощью генетической инверсии, ремасштабирован на сетку модели с помощью функции Seismic resampling, далее экстраполирован на неохваченный сейсморазведкой объем модели с учетом геологических предпосылок развития линз и скорректирован в соответствии с эффектами влияния верхней части разреза.
Сейсмический тренд песчанистости для более детального и корректного отображения свойств в геологической модели был разделен на дистальную и проксимальную части. Разделение выполнено по отсечке, обоснованной, во-первых, по графикам изменения доли коллектора в зависимости от отсечки, во-вторых, на основе сходимости с фациальным разбиением по данным исследования керна и каротажа. На основе анализа седиментоло-гической интерпретации данных керна были выделены дисталь-ная и проксимальная части турбидитных лопастей. Выделенные части лопасти с высокой точностью совпадают с аналогичными границами, установленными по 3D сейсмическому тренду пес-чанистости с принятой от
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.