16RPTC_russian_ButorinKrasnov

SPE-182079-RU
Подходы к анализу результатов
спектральной декомпозиции с целью
детальной геологической интерпретации
Буторин А.В., Краснов Ф.В., ООО «Газпромнефть НТЦ»

Актуальность исследования – «конец эпохи простой нефти»
Slide 2
• Большое количество месторождений на последних стадиях
разработки;
• Необходимость вовлечения сложных литологических залежей –
ачимовский комплекс;
• Отсутствие детальных геологических моделей залежей ачимовской
свиты.
Распределение месторождений по степени разработанности
SPE-182079-RU • Подходы к анализу результатов спектральной декомпозиции с целью детальной
геологической интерпретации • Буторин А.В., Краснов Ф.В.
I II III IV
t
Добычанефти
Количество
месторождений
I II III IV

Сложные литологические залежи – будущее нефтяной геологии
• Изменчивость отложений по латерали;
• Локальный характер коллектора;
• Приуроченность к зонам лавинной седиментации;
Актуальная задача:
Выбор наиболее оптимального подхода для прогнозирования
локальных геологических тел по сейсмическим данным.
Slide 3
Современный «аналог»

Пример месторождения – постановка геологической задачи
• Резкая изменчивость литологического строения;
• Наличие следов активной динамики среды;
• Градационная слоистость;
Необходимо обеспечить максимальную
информативность прогноза для целей разработки
Slide 4
Распределение амплитуд Распределение импеданса

Спектральная декомпозиция – основные алгоритмы
Спектральная декомпозиция – разложение поля на
частотные составляющие
Slide 5
Преобразование
Фурье
Фурье
Вейвлет
преобразование
Вейвлет
преобразование
Спектральная
инверсия
Спектральная
инверсия
Результат применения – кубы спектральных
характеристик.
• Преобразование Гэбора;
• Преобразование
Винера-Вилля;
• S-преобразование.
• Множество возможных
вейвлетов.
• Множество методов
оптимизации.

Реализация программного модуля – быстрое решение
вычислительных задач
Slide 6
С использованием Python разработан программный модуль для реализации спектральной
декомпозиции с использованием различных алгоритмов.
Реализованные функции:
•Импорт/экспорт/визуализация SEG-Y;
•Оценка спектра трассы по БПФ;
•Спектральная декомпозиция Винера-Вилля (WVD);
•Непрерывное вейвлет-преобразование (CWT) по различным
вейвлетам;
•Спектральная инверсия с L0, L1, L2-оптимизацией;
•Визуализация спектра трассы;
•Выгрузка амплитудных характеристик по заданным частотам.
Блок вводаБлок ввода
Блок расчетаБлок расчета
Блок выводаБлок вывода
Блок QCБлок QC
Преимущества:
•Возможности «тонкой» настройки алгоритмов;
•Решение научных задач;
•Отсутствие ограничений;
•Новые возможности.

Реализация программного модуля – «классические» подходы к
получению спектра трассы
Slide 7
Сейсмическая
трасса
Вейвлет
Входные данные
Расчетный блок I
Определение
уравнения
пересчета
Гильберта
Выбор трассы
по частоте
Расчетный блок II
Скалограмма
Сжатие/растяжение
вейвлета
Сжатие/растяжение
вейвлета
Сдвиг вейвлета вдоль трассыСдвиг вейвлета вдоль трассы
Оценка коэффициента
корреляции
Спектрограмма
Выбор трассы
по частоте
Непрерывное
вейвлет-преобразование
Преобразование Фурье
Выбор окна
Расчетный блок

Реализация программного модуля – спектральная инверсия
(OMP)
Slide 8
Сейсмическая
трасса
Библиотека
вейвлетов
Расчетный блок I
Выбор вейвлета с
наибольшим коэффициентом
Выбор вейвлета с
наибольшим коэффициентом
Вычитание вейвлета из
сейсмической трассы
Вычитание вейвлета из
сейсмической трассы
Аппроксимация трассы библиотекой
вейвлетов
Распределение
Виннера-Виля
Расчетный блок II
Аппроксимация трассы Определение спектра вейвлетов
Спектр трассы

Реализация программного модуля – проверка качества
решения
Slide 9
Оценка корректности работы
алгоритма выполнена на примере
синтетической модели сейсмической
трассы, полученной сочетанием
разночастотных вейвлетов Риккера.
Спектральная инверсия
обеспечивает наиболее локальное
решение задачи восстановления
спектра, однако не отражает влияния
интерференции.

Методы анализа частотных данных
Slide 10
Технологии качественного
анализа
Технологии количественного
анализа
RGB-визуализация Оценка спектральной
характеристики
Объемная интерпретация Оценка затухания спектральных
характеристик
Методы кластерного анализа Максимальная амплитуда
спектра
Оценка доминантной частоты Метод главных компонент
В связи с результатами спектральной
декомпозиции возникает актуальный вопрос
синхронного анализа множества данных.

Сравнение результатов спектральной декомпозиции на
примере выделения геологического объекта
Slide 11
WVD
CWT
OMP
?
WVD
CWT
OMP
?
2D: 3D:

Объемная интерпретация RGB-кубов – синергия волнового
поля и геологической модели
Slide 12
Использование RGB-кубов в совокупности с пространственным фильтром позволяет получить объемную
визуализацию геологических объектов.

Атрибут «Спектральная кривая» © - новый взгляд на
интерпретацию спектральных данных
Slide 13
• Каждая трасса представляет собой спектральную
кривую по определенной поверхности;
• «Спектральная кривая» обеспечивает синхронный
анализ результатов спектральной декомпозиции по
заданному целевому пласту;

RGB-визуализация результатов различных алгоритмов
декомпозиции
Slide 14
• Синхронный анализ трех частотных компонент;
• Высокая цветовая дифференциация объектов;
• Более высокое отношение сигнал/шум.
CWT STFT OMP

Доминантное значение частоты – как показатель изменения
мощности геологического объекта
Slide 15
• Наличие спектральной кривой в каждой точке
позволяет выполнить площадной анализ
спектрального состава;
• Значение доминантной частоты поля зависит
от мощности интерферирующего объекта;
• Уменьшение мощности приводит к росту
доминантной частоты;
• Использование критерия доминантной частоты
позволяет на качественном уровне определить
зону выклинивания конуса выноса.

Спектральные данные позволяют повысить информативность
динамического анализа
Slide 16
• Использование спектральной
информации значительно
повышает информативность
интерпретации сейсмических
данных.

Переход от качественного анализа к количественному
Slide 17
Частота, Гц Ккор. (Нэф)
10 0.26
15 0.44
20 0.60
25 0.66
30 0.62
Параметр затухания Ккор. (Нэф)
15-10 Гц 0.51
20-10 Гц 0.65
20-15 Гц 0.69
25-10 Гц 0.70
25-15 Гц 0.60
25-20 Гц 0.23
30-10 Гц 0.60
30-15 Гц 0.37
30-20 Гц 0.04
Параметр спектральной
кривой
Ккор. (Нэф)
Максимальная амплитуда
спектральной кривой
0.84
Главная компонента 0.93
Построение SOM карты

Спектральные данные позволяют повысить точность
количественного прогноза
Slide 18
Параметр Ккор. (Нэф)
Амплитуда волнового поля 0.47
Амплитуда спектральной характеристики 25
Гц
0.66
Параметр затухания амплитуд между 25 и 10
Гц
0.70
Максимальная амплитуда спектральной
кривой
0.84
Главная компонента частотного псевдо-куба 0.93
Ошибка от -11 до +6 метров
Std = 4.13 метра
Ошибка от -3 до +2 метров
Std = 1.73 метра
Параметры «спектральной кривой» выступают
дополнительными инструментами количественного
прогноза на ряду с «классическими» подходами.

RGB 15-25-35 Гц PCA0, PCA1, PCA2
Анализ «спектральной кривой»
«Спектральная кривая» является
многомерным массивом – каждая точка
пространства описывается множеством
значений амплитуд по частотам – т.е. в
каждой точке пространства мы имеем
вектор значений по частотам.
Для анализа подобной информации
может применяться метод главных
компонент (PCA) или разложение
Кархунена-Лоэва
Получаемые компоненты могут
использоваться как входные массивы
RGB-визуализации

•Необходимость вовлечения сложных
залежей:
-Ачимовские отложения;
-Тюменская свита;
-Сеноманские «пропущенные интервалы»
•Повышение «стоимости ошибки»
Решение актуальных вопросов
геологии возможно только с
привлечением современных
инструментов анализа волнового поля.
«Конец эпохи простой нефти»

Спасибо за внимание!
Вопросы
Slide 21

16RPTC_russian_ButorinKrasnov

Recommended

Recommended

More Related Content

Similar to 16RPTC_russian_ButorinKrasnov

Similar to 16RPTC_russian_ButorinKrasnov (12)

More from Fedor Krasnov

More from Fedor Krasnov (18)

16RPTC_russian_ButorinKrasnov