Бесплатный автореферат и диссертация по наукам о земле на тему

Технология структурной обработки и интерпретации данных геофизических исследований нефтегазовых скважин

ВАК РФ 25.00.10, Геофизика, геофизические методы поисков полезных ископаемых

Автореферат диссертации по теме "Технология структурной обработки и интерпретации данных геофизических исследований нефтегазовых скважин"

На правах рукописи УДК 550 34 01+550 34 064 519 6

Алтухов Евгений Евгеньевич

ТЕХНОЛОГИЯ СТРУКТУРНОЙ ОБРАБОТКИ И ИНТЕРПРЕТАЦИИ ДАННЫХ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ НЕФТЕГАЗОВЫХ

СКВАЖИН

специальность 25.00.10 - «Геофизика, геофизические методы поисков полезных ископаемых»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

003 160448

Москва 2007 год

003160448

Работа выполнена в Российском Государственном Университете нефти и газа им. И М Губкина на кафедре геофизических информационных систем

Научный руководитель: Официальные оппоненты:

Ведущая организация:

кандидат геолого-минералогических наук, профессор В Н Широков

доктор технических наук, профессор АС Моисеенко

кандидат геолого-минералогических наук, З.Н Жемжурова

ОАО Всероссийский нефтегазовый научно-исследовательский институт имени акад А.П.Крылова

Защита состоится «30» октября 2007г. в ауд 523 в 15 часов на заседании диссертационного совета Д 212 200 05 при Российском Государственном Университете нефти и газа им И.М Губкина по адресу Москва, В-296, ГСП-1, 119991, Ленинский пр., д.65.

С диссертацией можно ознакомиться в библиотеке РГУ нефти и газа Автореферат разослан «28» сентября 2007 г

Ученый секретарь специализированного совета, доцент

Л.П.Петров

Общая характеристика работы Актуальность темы

Усложнение объектов разведки и рост объемов обработки промыслово-геофизической информации требуют создания высокоэффективных и технологичных интерпретирующих систем экспрессной массовой обработки данных

Передовые технологии геологического и гидродинамического моделирования создали предпосылки к использованию данных ГИС на качественно новом уровне благодаря применению системного структурного анализа Последний включает в себя факторный анализ, метод главных компонент, СВАН и вейвлет преобразован^-которые позволяют исследовать различные структуры исследуемых элементов {исходные данные, геологические разрезы, структурно-формационные зоны залежей) на единой методологической основе.

СВАН и вейвлет-преобразования позволяют более обоснованно интегрировать данные разведочной и промысловой геофизики на основе закономерностей, выявляемых при изучении структурно-формационных зон в межскважин-ном пространстве.

Цель работы. Разработка технологии структурной обработки и интерпретации данных ГИС

Основные задачи исследований.

1 Анализ и обобщение приемов, методов и алгоритмов структурного анализа с целью развития технологии массовой и оперативной интерпретации данных ГИС.

2 Разработка технологии интерпретации данных ГИС как совокупности последовательно применяемых методов и алгоритмов структурного анализа, обеспечивающих подавление шумов ("стабилизация" данных), выявление геологических закономерностей формирования разрезов (фациально-формационный анализ), классификацию типов коллекторов, структуру емкостного пространства и других, используемых в последующих процедурах.

3 Разработка программного обеспечения, реализующего разработанную технологию как автономно, так и в существующих автоматизированных системах

4. Апробация разработанной технологии и соответствующего программного обеспечения в различных геологических условиях

Научная новизна

1. Разработана технология структурной обработки и интерпретации данных ГИС для изучения геологического строения залежей углеводородов

2 Разработан метод структурного сжатия информации при обработке данных геофизических исследований скважин

ГИС

3 Разработана методика и соответствующие алгоритмы классификации геологических объектов по данным ГИС.

4 Разработаны способ оценки коэффициентов отражения по данным ГИС и методика определения цикличности структурно-формационных объектов, слагающих разрез, с использованием СВАН по данным ГИС и сейсморазведки

Защищаемые научные положения

1 Технология структурной обработки и интерпретации данных ГИС позволяет выполнять сквозную обработку геофизической информации о различных структурных объектах исходных первичных, пластовых, структурно-формационных зонах залежей углеводородов, т е на всех этапах обработки и интерпретации- а) сбора первичных данных, стандартизации и контроля качества комплекса ГИС, б) комплексной интерпретации, в частности выделения зон с вторичной пористостью и настройки интерпретационной модели, в) выделения структурно-формационных зон залежи, построения литофациальной модели и наполнения ее параметрами

Данная технология может использоваться как автономно, так и применяться в существующих технологиях построения модели и мониторинга жизни залежи

2. Метод структурного сжатия (МСС) выполняет сжатие исходной первичной информации, устранение ее дублирования и формирование рабочего набора данных из разнородных данных ГИС. МСС обеспечивает быстродействие рбработки данных ГИС МСС позволяет сформировать комплексные параметры, каковыми являются главные компоненты, отображающие главные основные характеристики структурных объектов.

3 Методика и соответствующие алгоритмы классификации геологических объектов обеспечивают устойчивость решения задачи при оптимальной размерности данных Обоснована вычислительная процедура кластерного анализа, позволяющая выделять объекты без масштабирования данных ГИС Программная реализация работает с любым объемом данных Прием классификации с обучением может быть использован для разнородных комплексов данных

4 Восполнение недостающей информации достигается за счет выявления общих свойств, присущих данным различных геофизических методов. В частности методика восполнения недостающей информации позволяет оценивать коэффициенты отражения сейсмических волн по данным ГИС, тем самым реализовать методику определения цикличности структурно-формационных объектов, слагающих разрез, с использованием СВАН по данным ГИС и сейсморазведки

' Практическая ценность.

1 Разработанная соискателем технология структурной обработки и интерпретации данных ГИС позволила повысить экспрессность, точность и достоверность определения подсчетных параметров, более эффективно изучать структурно-формационные зоны залежей углеводородов по картам, геологическим или гидродинамическим моделям, построенным с помощью комплексных структурных параметров

2 Комплекс программ, реализующий разработанную соискателем технологию структурной обработки и интерпретации данных ГИС для изучения залежей углеводородов (классификации геологических объектов по данным ГИС, стандартизации комплекса данных ГИС, сжатия исходной первичной информации и др ) может быть применен в производственном режиме как автономно, так и в существующих системах автоматизированной обработки и интерпретации данных ГИС, например при построении геологической или гидродинамической моделей и мониторинге жизни залежи.

Апробация работы.

Основные положения диссертации докладывались на XV Губкинских чтениях (Москва, 1999), на конференциях. «Актуальные проблемы состояния и развития нефтегазового комплекса России» (Москва 1999, 2001), «Геофизика-99» (Санкт-Петербург, 1999), «Севергеотех-2000» (Ухта 2000), «Нефтегазовое образование и наука: итоги, состояние и перспективы» (Москва, 2000), «300 лет горно-геологической службе России» (Санкт-Петребург, 2000), «Нефтегазонос-ность фундамента осадочных бассейнов» (Москва, 2001), «Инновационные технологии 6 области поисков, разведки и детального изучения месторождений нефти и газа» (Москва, 2002).

Методические разработки технологии структурного анализа используются в учебном процессе в дисциплине «Компьютерные технологии в геофизике» для студентов-геофизиков РГУ нефти и газа им И М.Губкина

Разработанный с участием соискателя комплекс программ «ДОГТИ-2»-программы типизации разрезов, факторного и корреляционного анализа геолого-геофизических данных и программы совместной визуализации данных пет-рофизики, ГИС и сейсморазведки - внедрен в ПО «Арктикморнефтегазразвед-ка»

Объем работы

Диссертация состоит из введения, четырех глав и заключения Общий объем составляет 138 страниц, включая 15 таблиц, 42 рисунка, список литературы 98 наименований В основу диссертационной работы положены результаты экспериментальных и практических исследований, выполненных соискателем в период 1986 - 2007 г г во время работы на кафедре ГИС РГУ нефти и газа им И.М Губкина

Для решения поставленных задач в диссертационной работе использованы первичные материалы по ряду скважин одного из нефтяных месторождений шельфа южного Вьетнама, Ленингадского и Староминского газоконденсатных месторождений, а также отдельных скважин месторождений Волго-Урала, шельфа Баренцева моря, Юрубчена, включающие в себя данные методов ГИС, результаты петрофизических исследований керна, петрографическое описание образцов и шлифов, результаты испытаний скважин, данные по эксплуатации

Личный вклад автора состоит в анализе первичных материалов ГИС, анализе состояния и перспектив применения структурных методов обработки и интерпретации геофизических данных, разработке технологии, методов структурного сжатия, восстановления недостающей информации, алгоритмов и программ структурных методов обработки, а также в практической обработке на ЭВМ данных ГИС, перечисленных выше месторождений нефти и газа.

Автор выражает искреннюю благодарность научному руководителю профессору В Н.Широкову На разных этапах выполнения работы оказывалась помощь и высказывались объективные критические замечания профессорами В В Стрельченко, Д А Кожевниковым, Т Ф Дьяконовой и С Б.Денисовым Особо хочется отметить участие в становлении работы доцента М Д.Шварцмана, а так же выразить глубокую признательность профессору Г.М.Золоевой за многолетнюю совместную работу и предоставленные материалы Значительным было участие доцента Т Ф Соколовой, а также помощь всего коллектива кафедры ГИС

Содержание работы

Во введении обоснована актуальность темы диссертации, сформулированы цели и задачи исследований, научная новизна и защищаемые положения

Глава 1 Состояние и перспективы применения структурных методов обработки геофизических исследований нефтегазовых скважин

За последнее десятилетие, работы А А Никитина, И.А.Мушина, Е Н Черемисиной, посвященные применению факторного, спектрально-временного и вейвлет анализа показали их эффективность во многих областях геофизики, приведены теоретические обоснования, математический аппарат, алгоритмы преобразования.

Целью обзора структурных методов обработки и методов анализа структуры экспериментальных данных, выполненного соискателем, является определение перспектив для создания комплексной технологии обработки и интерпретации данных ГИС на их основе

Факторный анализ (ФА) — раздел статистического многомерного анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляцион-

ных матриц Основное предположение ФА заключается в том, что корреляционные связи между большим числом наблюдаемых переменных определяются существенно меньшим числом гипотетических ненаблюдаемых переменных или факторов

Сущность метода и математический аппарат описаны во многих работах [Г Харман, К.Г.Йереског, Д И Клован, Р А Реймент] Основное применение ФА в геологии и геофизике - анализ геолого-геофизических данных, для районирования территории и оценки перспектив различных участков

Метод главных компонент (МГК) является достаточно часто применяемой модификацией факторного анализа Метод состоит в переходе от исходных признаков к новой системе признаков, которые обладают следующими свойствами: 1) каждая главная компонента (ГК) является линейной комбинацией исходных признаков, 2) все ГК статистически независимы друг от друга, 3) ГК упорядочиваются по их дисперсии в изучаемой выборке, причем первая ГК обладает наибольшей возможной дисперсией При этом предполагается, что признаки с наибольшей дисперсией (энергией) обладают и наибольшей информативностью, т.е наиболее подходят для принятия решения о принадлежности объекта к той или иной группе

Указанные свойства и особенности ГК позволяют выполнять сжатие данных и классификацию исследуемых объектов В геологии и геофизике МГК, так же как и ФА, используется для снижения размерности исходного признакового пространства и для перехода к новым, линейно-независимым признакам [С А Айвазян, 3 И Бежаева, О В.Староверов, В В Ломтадзе]

Кластер-анализ (методы классификации) представляет собой методы разбиения объектов исходной выборки на классы (кластеры), лежащие друг от друга на некотором расстоянии в многомерном пространстве описания Наиболее часто в задачах кластер-анализа в качестве меры близости используются расстояния между отдельными объектами. Евклида, Хэмминга, Махаланобиса, или расстояния между целыми группами объектов, «ближний сосед», («дальний сосед»), («центры тяжести»)

Кластер-анализ применяется при обработке промыслово-геофизических материалов, например при расчленении на классы пород, пересеченных скважиной. Для объемной кластеризации использовался иерархический способ сортировки по евклидовому расстоянию между кластерами (по методу ближайшего соседа) На основе использования объемного сейсмофациального анализа предлагается комплексный путь решения сложных задач пространственного картирования объектов поиска и разработки углеводородного сырья [Р М.Гатаулин и др.].

Методы и математический аппарат задач классификации описаны достаточно широко [Л.Х Гитис, Н Н Апраушев] Наиболее распространены методики,

требующие задания граничных значений или статистических характеристик изучаемых объектов, определяемых на основе изучения характерных (эталонных) выборок. Примером постановки и решения подобной задачи является алгоритм расчленения по комплексным кодам [Г Н.Зверев, М М Элланский], используемый в ряде программ интерпретации Реже, но с большей эффективностью используются статистические методы классификации Алгоритм решения задачи для ранней стадии поисково-разведочного бурения при отсутствии четких представлений о свойствах вскрываемых объектов предлагается на основе аппарата теории нечетких, или размытых, множеств

Методы идентификации, т.е методы определения структуры модели и оценки её параметров, разработаны значительно слабее В основном решение задачи идентификации базируется на соображениях теории нечетких множеств Идентификация (типизация) применяется при литологическом расчленении разреза, анализе различных карт геологических и геофизических параметров, например при выделении зон с невыработанными запасами залежей углеводородов

Опробовались методы идентификации, основанные на использовании программ распознавания образов [Ю И Журавлев и др ] Частные задачи идентификации решает разработанный в ЦГЭ метод построения моделей в классе полиномов [А.С Кашик, И.М Чуринова, Б Н Еникеев]

Спектрально-временной анализ (СВАН) основан на определении параметров, характеризующих энергетические частотный (по оси частот) и временной (по оси времен) спектры. СВАН-колонки представляют собой отношение энергии высоких частот и больших времен к энергии низких частот и меньших времен, а также произведение удельных спектральных плотностей на средневзвешенную частоту и время [Е А Копилевич и др ]

История создания процедур СВАН - связана с именем проф ЛАРябинкина, которому было свойственно глубочайшее понимание роли фильтрации в сейсморазведке, которая и сегодня остается главной процедурой анализа сейсмических данных

СВАН-колонки являются наилучшим материалом для выявления подобия, увязки, а, следовательно, и интеграции данных сейсморазведки, ГИС и других геофизических методов, позволяющий извлекать информацию о типах разреза, типах его слоистости, ее направленности, цикличности и т п Увязка прокоррелированных горизонтов по данным сейсморазведки и ГИС, выполняемая по СВАН-колонкам синтетических или реальных трасс, обеспечивает более высокую точность определения глубины и времени чем в традиционной технологии- глубины - по ГИС, а времени — по сейсмике Одним из важнейших результатов увязки ГИС и сейсморазведки является уточненная скоростная характеристика разреза [И А Мушин и др.].

Методика структурно-формационной интерпретации данных сейсморазведки 20 - ЗБ и других геофизических методов, предложенная И А.Мушиным и развитая Е А.Копилевичем и Е А Давыдовой, уже вошла в действующие руководства, инструкции и регламенты на проведение существующих стадий ГРР, включая и завершающие стадии доразведки и ввода в эксплуатацию месторождений УВ И А Мушиным предложена идея построения единой технологии сейсморазведки с использованием СВАН

Вейвлет-преобразование как частотно-временной или частотно-пространственный анализ данных, представляет собой разложение сигнала (аномалии) по системе вейвлетов, т е таких функций, каждая из которых является смещенной и масштабируемой (сжатой или растянутой) копией одной и той же заданной по форме функции, иначе, порождающего вейвлета Вейвлет-преобразование является аналогом технологии СВАН в геофизике, представляет собой аналог оптимальной согласованной фильтрации, для реализации которой задается сигнал известной формы По существу непрерывное вейвлет-преобразование вплотную смыкается с спектрально-временным анализом, отличаясь от него только набором используемых функций [Б С Свегов, П.В Пискун ]

Нейронные сети являются непосредственными аналогами статистических алгоритмов распознавания образов Здесь новая терминология, по существу, ничего принципиально нового в решении задач прогноза не привносит

Алгоритмической основой применения нейронных сетей является, с одной стороны, корреляционно-регрессионный анализ, с другой, байесовский подход с расчетами апостериорных вероятностей наличия прогнозируемого объекта по формуле Байеса [Е Федер]

Вероятностные нейронные сети получили применение при прогнозе фильтрационно-емкостных свойств пород по комплексу сейсмических атрибутов и данных геофизических исследований скважин, при построении карт сейсмофаций по нейронной классификации форм записи сейсмических трасс [Р М Гатаулин и др ]

Мультифрактальный анализ является разновидностью статистического анализа и нацелен на выявление закономерностей иерархической организации рядов данных, которые проявляются в статистическом самоподобии их структуры в разных пространственных масштабах Подробное изложение мультиф-рактального подхода к анализу рядов данных дана в обзорных работах Е Федера, С В Божокина и Д А Паршина. Серьезное внимание данной проблематике длительное время уделяют канадские геофизики МЛилкингтон, Дж Тодоещук, М Греготски, О.Йенсен и др В целом ряде работ [Н Ю.Бобров, С С Крылов, Ю И.Блох и др.] было показано, что данные ГИС часто имеют иерархическую структуру и оценка их мультифрактальных свойств может оказаться полезной при изучении геологических разрезов

Самоподобная иерархическая упорядоченная структура, или, как говорят, скейлинг геологических сред, повсеместно прослеживается и в данных петро-физики, и в аномальных полях, поэтому традиционные интерпретационные модели, не учитывающие самоподобия, представляются чрезмерно упрощенными.

С позиций мультифрактального подхода, иерархического представления геологических объектов как системы было предложено характеризовать структуры геологических объектов понятием неоднородность.

На прямую зависимость продуктивности отложений от степени геологической неоднородности указывали в своих работах В И Азаматов, Л.Ф Дементьев, Г М.Золоева и многие другие исследователи На примере различных месторождений ими было показано уменьшение продуктивности по мере увеличения неоднородности пород-коллекторов

На основе обзора научно-технической литературы соискателем были сформулированы следующие выводы.

1. Некоторые методы структурного анализа, такие как ФА и МГК, СВАН и вейвлет-преобразования, КА и нейронные сети в какой то степени дублируют возможности друг друга. Анализ преимуществ тех или других аналогов структурного анализа является наиболее сложной частью методической работы, которую необходимо было выполнить соискателю.

2. Методы структурного анализа позволяют достоверно судить о литоло-гическом составе горных пород, характере их насыщения, работе отдельно взятой скважины, могут быть использованы для изучения структурно-формационных зон залежей углеводородов.

3 Анализ возможностей структурных методов обеспечивает получение качественно нового знания и, как следствие, повышение достоверности и уменьшение времени принятия решения.

4. В практике ГИС структурные методы не внедрены в процессы обработки производственных организаций, а обобщающие работы отсутствуют.

5 Назрела необходимость по обобщению методических приемов структурного анализа с соответствующей разработкой программного математического обеспечения всех этапов комплексной технологии применения структурных методов обработки и интерпретации

Глава 2 технология структурного анализа для обработки и интерпретации данных гис месторождений нефти и газа

Во введении к главе 2 соискатель обращает внимание на то, что структурные методы обработки, изложенные различными авторами, не носят системный характер. Для обобщения методов обработки необходимо пользоваться общими закономерностями присущими структурным объектам, над которыми выполняются соответствующие преобразования

На основании обобщения опыта предыдущих исследователей и собственного опыта работ соискателем предложена следующая технология, которая представляет собой упорядоченную совокупность технологических процедур (методов, способов, приемов), выполняемых последовательно над следующими видами структурных объектов- структурами цифровых данных обрабатываемой информации, структурами моделей пластов горных пород в геологическом разрезе скважин, структурно-формационными залежами углеводородов. Отличительной особенностью разработанной технологии является применение в ее составе в качестве основного стержня метода структурного сжатия (МСС) для каждого из перечисленных выше структурных объектов Далее изложены основные технологические процедуры, разработанной технологии

Метод структурного сжатия (МСС) реализуется с помощью факторного анализа (ФА) или метода главных компонент (МПС), кластерного анализа (КА), интерпретации (диагностики Д) результатов факторного и кластерного анализов с помощью процедур обратного преобразования совокупности главных компонент в исходные данные, анализа погрешностей преобразований и избыточности данных Структурная схема МСС представлена на следующем

На первом шаге выполняется преобразование комплекса данных ГИС в главные компоненты, т е. переход от данных X к г с использованием оператора А проецирования на главные компоненты. У=А*Х Проекции на главные компоненты здесь и далее будем называть главными компонентами или факторами.

Далее -производится количественный и качественный анализ результатов разложения по главным компонёйтам анализируется структура матрицы перехода, выбирается необходимое число главных компонент для последующего МСС. После чего анализируется дендрограмма, блок-диаграмма, а также векторные диаграммы Для перехода от главных компонент к исходным величинам используют преобразование вида: Х=А~1* У

Для выделения оптимального числа главных компонент предложено использовать среднеквадратичную погрешность комплекса ГИС [М Г.Латышова, Т Ф Дьяконова, В П.Цирульников], которую сравнивают с дисперсией набора главных компонент

Опыт практической отбраковки свидетельствует [4, 6], что в большинстве случаев 70% дисперсии комплекса ГИС описываются 2-3 главными компонентами По графикам зависимости накопленной дисперсии от числа главных компонент видно, что с п—Ъ существенного улучшения в описании общей дисперсии не происходит

Скорость работы алгоритма МСС возрастает по экспоненте с уменьшением размерности исследуемого пространства. Отбрасывая незначимые, последние главные компоненты, повышается помехоустойчивость и достоверность результатов МСС, а также происходит существенное увеличение производительности

Для выполнения следующего этапа массовой обработки - кластерного анализа - в случае одинаковых комплексов ГИС производится стандартизация обрабатываемых данных с использованием факторного анализа путем восстановления исходных данных с использованием первых двух-трех компонент (количество подбирается индивидуально)

Если комплексы различны, то производится пересчет исходного комплекса ГИС в эталонный (восполнение недостающей информации) по следующей схеме комплекс, который надо привести к стандартному виду, пересчитывает-ся в факторы и на него воздействуют обратным оператором перехода стандартного комплекса ГИС к факторам с учетом знаков преобразования

Кластерный анализ Объектами кластерного анализа являются физические характеристики пластов или структурно-формационные зоны залежей углеводородов Результатом кластеризации является соответствие выделенных кластеров соответствующих моделям объектов породы одно- и полиминеральным, с разным взаимным расположением компонент и разным типом пустотного пространства Настройка моделей может производиться как по петрофизиче-ским, так и по геофизическим сопоставлениям в первом случае разная геометрия проведения измерения, во втором необходимо выделить границы литологи-ческих интервалов

В качестве прототипа использована программа КОБО, разработанная Е А Нейманом, в течение ряда лет успешно применявшаяся на ЭВМ СМ-4 для небольшого числа таблично задаваемых объектов Программа КОБО реализует стратегию последовательного наращивания числа кластеров от 1 до п (числа объектов) При разработке соискателем алгоритма и программы кластерного анализа были сформулированы задания, которые бы вносили принципиальные усовершенствования в программу КОБО и обеспечивали реализацию разрабатываемой современной технологии структурного анализа на персональных компьютерах В результате была разработана программа кластерного анализа, которая обладает следующими отличиями

1 Выделение кластеров адекватно модельным представлениям об объектах (например, статистические характеристики выделяемых кластеров соответствуют петрофизическим моделям горных пород)

2. Оценка эффективности разделения на кластеры выполняется с помощью дискриминантной гиперплоскости Это многомерный аналог используемого приема для проведения границы коллектор-неколлектор.

3. Поскольку измеренные геофизические параметры имеют различные порядок и диапазон, и, как следствие, результат кластеризации (её путь) зависит от масштабирования, то в качестве критерия разделения на кластеры применяется обобщенное расстояние р Эвклида (Махалонобиса), инвариантное к любому линейному преобразованию изучаемого пространства (сдвиг, масштабирование, поворот) р2 ={а - Ь) £"'(а - Ь)т Данное свойство существенно повышает устойчивость проведения МСС и во многих случаях позволяет использовать для кластерного анализа полевой диаграммный материал

4 Алгоритм построен таким образом, что число объектов не ограничивается архитектурными возможностями и конфигурацией вычислительной техники.

5. Алгоритм применим для изучения геологических разрезов, осложненных геодинамическими неоднородностями, стратиграфическими несогласиями, со сложным минералогическим составом отложений

Устойчивость работы программы кластерного анализа была исследована на материалах скважины СМ-1, пробуренной для проверки гипотезы о наличии ловушки неструктурного типа. В скважине использовался следующий комплекс методов ГИС- БК, ИК, ГК, ПС, АК, НТК.

Процесс разделения на кластеры проиллюстрирован с помощью дендро-грамм, построение которых является эффективным способом представления сложных соотношений между исследуемыми объектами (пластами) Каждый шаг представлен набором разбиений на последовательно увеличиваемое число групп от одной (все пласты) до 8 групп пластов. Набор таких разбиений обусловлен целевой задачей Две дендрограммы (А и Б) отличаются друг от друга тем, что процесс типизации во втором случае был преднамеренно "сбит", т е на четвёртом шаге были изменены индексы у части объектов, однако, начиная с пятого шага результаты адекватны, что ярко подтверждает устойчивость предложенной процедуры

Выбор оптимального числа кластеров осуществляется по сумме внутриклассовых расстояний: )

На зависимости 5Ь =Ап) ДЙя дендрограмм А и Б видно, что при увеличении числа кластеров, для случая и = 4 и п = 6, последующее увеличение числа кластеров существенного улучшения -Я не дает; это также соответствует концу лавинообразного (беспорядочного) увеличения числа кластеров на дендро-

граммах А и Б Отметим, что подобный критерий используется при факторном анализе [2, 7], поскольку характеризует степень хаотичности рассматриваемых кластеров как изнутри, так и по соотношению друг с другом

Анализируя процесс разбиения видно, что принцип разбиения до п = 4 и после, по всей видимости, имеет различную природу. Представив результаты анализа в виде схемы индекса кластеров, совмещенную с диаграммным материалом, можно увидеть, что в отдельную группу сразу выделяются чистые во-донасыщенные коллектора, а с п = 6 разделение на литотипы идет по содержанию дисперсного материала

Построив векторные диаграммы для каждого кластера на всех шагах разбиения, можно судить об эффективности кластерного анализа для решения различных задач технологии структурного метода обработки и интерпретации

Количественная оценка эффективности разделения на кластеры возможна как для каждого из методов, так и для всего комплекса с помощью построения межклассовых дискриминантных функций Уровень значимости (эффективность) можно оценить по распределению Фишера со степенями свободы т и ЛГа + ЛГь-/я-1. г :{Ыа + Ыь-т-\) N. Ыь

1) т Иа+Ыъ

где Л/а, А'ь ~ число элементов в классах а и Ь, т - размерность исследуемого пространства признаков, р(Са, Сь) - расстояние вида между центрами классов а и Ъ

При рассмотрении эффективности разделения по отдельным методам видно, что присутствует некоторая избыточность информации. Например, при разбиении на шесть кластеров, эффективности разделения между первой и шестой группами пластов по методам АК, БК, ИК, ГК, НТК составляют соответственно 55, 95, 96, 100, 53 и 51 %

Технология структурного анализа для обработки и интерпретации данных ГИС на месторождениях нефти и газа, как уже было отмечено выше, реализуется в соответствии с видами структурных объектов в три этапа, на каждом из которых применяется метод структурного сжатия геофизических данных. Схема технологических процедур разработанной и традиционной технологий приведена ниже

На первом этапе сбора и первичной обработки геофизических данных -формируются кондиционные первичные данные ГИС и петрофизики в результате взаимодействия МСС со структурой цифровых данных обрабатываемой информации Формирование рабочего набора данных рутинная процедура, но, тем не менее, требующая квалифицированных исполнителей Изучение структуры избыточности комплекса с помощью факторного анализа формализует процесс уменьшения информационной избыточности и выявление брака В ре-

зультате существенно уменьшается время подготовки рабочего кондиционного набора данных

В процессе первичной обработки производится метрологическая калибровка и увязка данных комплекса ГИС. Применение факторного анализа позволяет нормировать статистический шум комплекса методов ГИС, несоответствие данных которых может быть обусловлено как аппаратурными, так и технологическими (увязка) причинами Результатом этой процедуры является оценка ка-

чества, степени согласованности геофизических данных друг с другом

Традиционная технология обработки и интерпретации геофизических данных Процедуры структурного анализа Виды структурных объектов

Сбор данных (загрузка, отбор) Оценка качества по формальным признакам, стандартизация, уменьшение избыточности Формирование рабочих наборов данных Первичная обработка Метрологическая калибровка. Увязка кривых Привязка результатов измерений на керне к данным ГИС Оценка качества - МСС1 /\ 1^Г Структуры обрабатываемых данных Исходные данные керна и ГИС Кондиционные первичные данные ГИС и петрофизики

Выделение объектов по первичным данным ГИС Индивидуальная интерпретация данных ГИС Оценка качества данных ГИС Построение петрофизических связей Цитологическое расчленение разреза Комплексная интерпретация данных ГИС, керна, гидродинамики Е н 4 МСС2 осполнение / едостающей ин/ юрмации / \ Структуры моделей пластов горных пород в геологическом разрезе скважин Связи керн-керн, керн-ГИС 1Сп, Кн, Кпр, Нэф Расчетные данные по неоднородности

Роксфизикс Обработка данных сейсмики и ГИС Корреляция Построение моделей залежи Построение карт, полигонов дренирования Подсчет запасов с л л / мссз * ВАН, вейвлет анЦ из, фрактальные реобразования Структурно-формационные зоны залежи углеводородов 'Данные сейсмики по межскважинному пространству Карты геологических и геофизических параметров Геологическая модель, Гидродинамическая модель

На втором этапе работы со структурами моделей пластов горных пород геологического разреза скважин - производится переход от диаграмм ГИС к

диаграммам распределения петрофизических характеристик по глубине (индивидуальная интерпретация), если позволяет петрофизическое обеспечение модели горной породы, производится комплексная интерпретация с получением объемных характеристик горной породы Если интерпретационная модель ли-

нейна, (что довольно часто используется), то метод структурного сжатия позволяет использовать необработанный скважинный материал

При комплексной интерпретации приемы диагностики кластеров стабилизируют решение за счет устойчивого комплекса признаков присущих векторным диаграммам моделей породы Использование факторного анализа позволяет в ряде случаев не только выделять интервалы с развитием вторичной пористости, но и настраивать расчетные модули алгоритмов количественной интерпретации данных ГИС

Для того, чтобы использовать модели для выделенных классов в других скважинах (площадной обработке) используются классификационные алгоритмы с обучением, умеющие не только стандартизовать, но и восполнять исходные данные, например, для скважин с сокращенным комплексом

На третьем этапе применения МСС выполняется изучение структурно-формационных зон залежей углеводородов Первая главная компонента (или синтетические кривые, полученные с помощью факторного анализа) позволяют использовать современные программы автоматизированной обработки с меньшим участием человека Комплексные параметры, которыми являются главные компоненты и кластеры, позволяют более оперативно и наглядно (в виде геологических карт, объемных моделей) представить интерпретатору изучаемые структурно-формационные зоны, которые впоследствии заполняют подсчетны-ми параметрами и на основе эффективных значений ФЕС оконтуривают продуктивные тела залежей углеводородов

Разработанная технология отличается от общепринятых технологий автоматизированной интерпретации данных ГИС тем, что защищаемая технология в совокупности с встроенными в нее новыми методиками имеет следующие преимущества

1 Методика структурного сжатия (МСС) повышает производительность, помехоустойчивость и достоверность результатов обработки

2. Методика кластеризации геологических объектов с усовершенствованной программой КОБО выделяет компактные группы объектов (точек) и оценивает степень эффективности их разделения.

~ 3 Методика восполнения недостающей информации, в частности восстановления синтетической модели пластовых скоростей ВСП по комплексу методов ГИС, позволяет повысить эффективность комплексной интерпретации данных сейсмики и ГИС

4 СВАН и факторный анализ данных ГИС позволяют изучить взаимосвязь параметров, оценить самоподобие, проанализировать вложенность изучаемых объектов.

5 Таким образом, защищаемая технология позволяет выполнять сквозную обработку и интерпретацию геофизических данных, т.е на всех этапах, от

сбора первичных данных, контроля качества комплекса ГИС до построения ли-тофациальной модели и наполнении ее параметрами

Глава 3 Применение технологии структурного анализа данных ГИС для изучения геологических разрезов скважин

В главе 3 соискатель подробно рассматривает выполнение второго этапа технологии с использованием разработанного программного обеспечения на примере низкопоровых карбонатных отложений вендкембрийского возраста одного из нефтяных месторождений России Продуктивный горизонт месторождения представлен породами сложного литологического состава и сложным типом емкости В составе матрицы пород преобладают доломиты, отмечается наличие известняка, силикатного материала и глинистых минералов Коллек-торские свойства пород характеризуются развитием вторичной пористости, представленной трещинами и кавернами выщелачивания Каверны в большинстве своем генетически связаны с трещинами и составляют основной объем полезной емкости коллектора. Матрица породы практически непроницаема Фильтрационные свойства пород обусловлены трещинной пористостью

Выделение литотипов коллекторов, определение коэффициентов пористости и типа структуры емкостного пространства в породах рассматриваемого объекта выполнены по комплексу методов НТК, ГГК-п, АК, имеющих различные петрофизические связи показаний указанных методов с минеральным составом породы и типом пористости. Качество обработки оценивалось сопоставлением результатов обработки с данными опробования и лабораторными исследованиями керна

Результатом работы является опробование способа выделения зон с вторичной пористостью и разделения их по типу, с применением аппарата факторного анализа. Привлечение нетрадиционного приема для выделения коллекторов в этом разрезе вызвано резким возрастанием относительной погрешности определения пористости в области ее малых значений

Зависимость оценки относительной погрешности определения 5А"пак от •Кпак по данным акустического метода (АК) позволяет разделить весь диапазон пористостей на две области область высоких значений - где расчеты пористости производятся с условно постоянной относительной погрешностью, область низких значений - здесь погрешность определения пористости в узком диапазоне сильно изменяется

Если при пористостях больше 12% уровень относительной погрешности практически не изменяется и интерпретационная модель работает стабильно, то в условиях низкой пористости количественное определение является крайне неблагоприятным, так как характеризуется различным уровнем относительной

погрешности в узком диапазоне изменения пористости, причем при уменьшении пористости погрешность резко возрастает.

Пористость пород изучаемого объекта изменяется от 0 до 8%, причем медиана ее распределения составляет 2%, следовательно, рабочий диапазон расчетной модели находится в области высоких погрешностей.

Разделение коллекторов по типу порового пространства производилось по традиционным методикам, в основе которых лежит существенное различие пор, трещин и каверн по величине коэффициента объемной сжимаемости, что отражается на скорости распространения упругой волны.

Результаты определения составляющих емкости коллекторов межзерновой, трещинной, кавернозной по комплексу нейтронного и акустического методов по одной из скважин данного месторождения представлены на следующем рисунке

Видно, что в области низкой пористости различия в свойствах практически отсутствуют Поскольку определение типа ёмкостного пространства производится на основе сравнения результатов интерпретации различных методов в самой неблагоприятной области погрешностей, то для повышения достовфноети результатов интерпретации можно воспользоваться статистическими методами, изучающими внутреннюю структуру взаимосвязи данных. Одним из таких методов является факторный анализ

Данный метод позволяет анализировать комплекс геолого-геофизических показателей (характеристик), сложным образом взаимосвязанных между собой Очевидно, что связь между этими характеристиками, как правило, не однозначная (функциональная), а стохастическая (вероятностная). В такой ситуации, за счет избыточности информации (петрофизические модели, как правило, носят псевдолинейный характер), большую систему геофизических показателей, характеризующих изучаемый объект, можно свести к меньшему числу других показателей

Обработка по методу главных компонент производилась с использованием пакета вОДзйса Полученные результаты показывают, что для описания всего комплекса на 70-80% (среднеквадратичная погрешность комплекса ГИС составляет -20%) достаточно первых двух компонент

Для повышения контрастности в структуре факторов (выявления ведущих переменных в формировании фактора), мы воспользовались процедурой вари-максного вращения Полученные переменные, являющиеся также как и главные

разделение пород по типу пористости

компоненты линейной комбинацией исходных данных, использовались нами для выявления интервалов разреза с вторичной пористостью

Если рассматривать оператор перехода от исходных данных к новым, независимым переменным, вклад которых в общую дисперсию изложен в главе 2, то можно отметить их схожую структуру, т.е не произошло выделение ведущих (сильно отличающихся по вкладу) переменных при формировании главных компонент Подобность структуры разложения для разных скважин косвенным образом свидетельствует о петрофизической схожести изучаемых объектов

Выделение зон вторичной пористости, используя факторы, полученные в результате обработки геофизических кривых по изложенной выше методике факторного анализа выполнено па ряду скважин Юрубченского месторождения

На следующем рисунке приведен соответствующий пример применения факторного анализа для выделения трещинных и кавернозных зон по одной из скважин.

ботки данных ГИС по традиционному алгоритму, практически совпадают с аномальными значениями на кривых четвертого фактора Вторичная пористость разделяется на кавернозную и трещинную по инверсии (изменению знака) факторов Информативными факторами для решения данной задачи явля-

ются те, у которых наибольший вклад имеют методы АК и НТК Аналогичная картина наблюдается при обработке других скважин Данный прием не требует петрофизической настройки интерпретационной модели и устойчив по отношению к погрешностям первичного материала Более того, поскольку преобразование инвариантно к любому линейному преобразованию исходных данных, то этот прием абсолютно устойчив по отношению к выбору опорных пластов

Этот подход может быть рекомендован для предварительной обработки материала с целью выделения возможных зон с трещинным и кавернозным типом ёмкостного пространства на данной площади

Результаты сравнения двух способов показали 90% совпадение прогнозных зон В отличие от традиционного подхода, где результаты полностью зависят от правильности выбора опорных пластов и подбора петрофизических констант для интерпретационной модели, предложенная методика свободна от настройки на обрабатываемый разрез. Результаты обработки по предлагаемой методике можно использовать как для настройки алгоритмов количественной интерпретации, так и для использования в качестве дополнительного приема выделения интервалов с вторичной пористостью

В данной главе соискателем показано, что процесс обработки и интерпретации данных ГИС в разработанной соискателем технологии является исследовательским, хотя и имеет свои закономерности

Восстановление недостающей информации методом структурного анализа изложено на примере восстановления скоростной характеристики среды и оценке характера насыщения по данным ГИС Ленинградской площади.

Для совершенствования раздельного прогноза нефти и газа, можно использовать сопоставление разноуровенных акустических исследований Предыдущими работами показана [В.В Стрельченко] успешность сопоставления скоростных характеристик среды, полученных по акустическому каротажу (АК) и вертикальному сейсмическому профилированию (ВСП) Принимая во внимание высокую стоимость работ, проводимых на акваториях, проблема восстановления упругих характеристик среды представляется особенно актуально

Восстановление скоростных характеристик поля ВСП, с помощью корреляционных связей, которые были получены по результатам ГИС (Ур, Ка) и ВСП (Ур, Уз) выполнено для скважины №1 Ленинградской площади, где ВСП не проводилось.

Анализируя матрицу взаимной корреляции, отмечено, что связи между показаниями ГИС очень слабые, что само по себе нефизично Для решения этого феномена соискателем было использовано сглаживание методом главных компонент с учетом погрешностей исходного материала, при этом исходные параметры не претерпели сильных изменений. Сопоставление полученной модели с исходным материалом ГИС показывает, что имеющиеся различия обу-

словлены лишь субъективностью снятия отсчетов при осреднении больших интервалов

Связи вида "исходный параметр - сглаженный" достаточно тесны (г = 0.98, с уровнем значимости 100%), матрица взаимной корреляции, полученная после сглаживания, разительно отличается от исходной налицо улучшение связей между методами ГИС (по коэффициентам корреляции и уровням значимости), а также появление корреляционных связей, уровни значимости которых составляют 98%, адекватность синтетических полей ВСП, полученных таким образом, лишний раз подтверждает правомочность использования данного преобразования Предлагаемый подход восстановления синтетической модели пластовых скоростей ВСП позволяет повысить эффективность геологоразведочных работ для тех скважин и площадей, в которых не проводились исследования вертикальным сейсмическим профилированием

Таким образом, на примерах реализации второго этапа технологии структурной обработки и интерпретации данных ГИС для различных геологических объектов показаны основные ее достоинства, изложенные теоретически, методически во второй главе, а именно

1 Технология структурной обработки и интерпретации данных ГИС позволяет выполнять стандартизацию и контроль качества комплекса ГИС, выделять зоны с вторичной пористостью, выполнять настройку интерпретационной модели

2 МСС обеспечивает быстродействие обработки данных ГИС, позволяет сформировать комплексные параметры, каковыми являются главные компоненты, отображающие главные основные характеристики структурных объектов

3. Методика и соответствующие алгоритмы классификации геологических объектов обеспечивают устойчивость решения задачи при оптимальном размере матрицы данных. Вычислительная процедура кластерного анализа позволяет выделять объекты без масштабирования данных ГИС

Глава 4 применение технологии структурного анализа д ля обработки и интерпретации данных ГИС по площади залежи углеводородов

При изучении структурно-формационных зон залежей углеводородов (значительному по площади распространения неоднородному пласту) в производственном режиме необходимо учитывать и обобщать много разнородной и разно уровневой информации (например сейсмика и ГИС), что выполняется различными соответствующими программными средствами

Для выявления закономерностей разноуровневой информации соискателем предложено построение СВАН-колонок

Спектрально-временной и лшпофациальный анализ данных ГИС и сейсморазведки при изучении осадочной толщи (на примере скв.26 Мурманской площади).

Важное место в комплексе структурных методов занимает изучение самоподобия данных, простейшей реализацией которого является спектрально-временной анализ (СВАН).

Изучение месторождений сложного состава и строения, к которым приурочены неструктурные ловушки углеводородов, требует новых нетрадиционных подходов Одним из них является анализ цикличности отложений осадков Изучение цикличности можно проводить вручную, анализируя сочетания регрессивных и трансгрессивных циклов. Автоматизированные алгоритмы циклического анализа условий осадконакопления отложений можно выполнить путем спектрально-временного анализа (СВАН) сейсмических трасс и диаграмм ГИС, наиболее обстоятельные исследования по данному вопросу были выполнены С В Клушиным.

Комплекс геофизических методов скважины 26 Мурманской площади (М-26), состоит из. АК, НК, ГГК и ПС

Оценка спектров исходного комплекса и спектров взаимной когерентности для различных интервалов разреза скв.26 показала полное отсутствие какого-либо подобия спектров мощности различных методов ГИС, взаимная когерентность спектров оказалась близкой к нулю После преобразования кривой АК в последовательность коэффициентов отражения, вычисленных для случая нормального падения, и трансформации других методов ГИС к тому же виду, был выполнен спектральный анализ полученных последовательностей. Анализ проводился поинтервально в скользящем окне длиной 32 м с шагом дискретизации 1 м, что при скорости 3300 м/с примерно соответствует шагу по времени 03- мс, диапазону частот 0 - 1600 Гц и шагу по частоте 50 Гц Взаимная когерентность К21, КЫ, КА\ спектров мощности 52, 53, 54 соответственно псевдокоэффициентов отражения НК, ГГК и ПС со спектром мощности S\ коэффициентов отражения АК в диапазоне частот от нуля до 300-600 Гц оказались равной или близкой к единице При дальнейшем увеличении частоты когентность резко уменьшается, достигая на частоте около 1000 Гц значения 0 5 и менее Когерентность К51 данных ПС и АК равна 0 6 - 0 7 в очень широком диапазоне частот Обращает на себя внимание пульсация спектров мощности, свидетельствующая о цикличности распределения коэффициентов и псевдокоэффициентов отражения. Например, на спектре АК £1 выделяются максимумы на частотах 250, 600 и 900 Гц, соответствующие формационным объектам (ФО), согласно терминологии принятой в монографии И АМушина [1990], трех высоких рангов с периодами 15,6 и 4 м.

Таким образом, на основе спектрального анализа данных ГИС, можно сделать вывод о правомерности использования наряду с АК также НК, ГТК и ПС для оценки коэффициентов отражения и моделирования сейсмических волновых полей Тем самым закономерность, установленная А К Уруповым, для Пермского Прикамья, оказалась справедливой для района Баренцева моря и распространяется на достаточно широкий диапазон частот и большой набор методов ГИС

Изучение цикличности в сейсмическом диапазоне частот выполнялось по фрагментам ВРОГТ Мурманской площади вблизи скважин 22, 23, 24, 26 и 28 с использованием пакета структурно-формационного анализа (СФА) [И.А Мушин и др ] Анализ проводился вблизи каждой скважины по 12-ти трассам ВРОГТ С помощью программы 8РМОБ (СОС ПС) были получены СВАН-деревья для 29 диапазонов частот в полосе 5 - 90 Гц и выполнена их статистическая обработка В результате выявлены ФО двух рангов. Объекты с цикличностью порядка 30 - 50 м выделяются на трассах ОГТ в полосе 40 - 90 Гц, объекты с цикличностью 100 - 200 м - в полосе частот 5-40 Гц, при этом отмечается закономерное и различное по глубине изменение размеров ФО по площади Наиболее резкие изменения обнаружены во временном интервале 1.5 -1 7 с, что соответствует глубинам 2300 - 2600 м В пределах высокочастотного диапазона (40 - 90 Гц) отмечается увеличение мощности ФО от крыльев к своду Мурманской структуры примерно от 30 до 50 м На низких частотах (5 - 40 Гц), наоборот, имеет место убывания мощности ФО в направлении свода от 180 м до 120 м.

Таким образом, в процессе исследований разработаны способ оценки коэффициентов отражения по данным ГИС и методика определения по данным ГИС и сейсморазведки цикличности ФО, слагающих разрез В интервале глубин 2300 - 2600 м выделены ФО пяти различных рангов, мощностью от единиц до десятков метров Проведенный анализ цикличности с использованием СВАН позволяет сделать следующие выводы

• использование программ СВАН упрощает процедуру выделения элементарных циклов по сравнению с ручной процедурой по диаграмме ГИС,

• важным достоинством изучения цикличности в автоматизированном режиме является упрощение генерализации циклитов более низкого уровня,

• наиболее контрастные результаты получаются в случае наиболее дифференцированных кривых ГИС, неосложненных трендами высокого порядка, в этом случае представляется целесообразным проведение СВАН по данным факторного анализа,

• целесообразно проведение корреляции разрезов скважин с учетом фаци-ального анализа, выполненного по главным компонентам с использованием СВАН

Далее приведены примеры применения третьего этапа технологии структурного анализа данных ГИС для изучения закономерностей скопления углеводородов по площади залежи

Изучение структурно-формационных зон залежей углеводородов традиционно выполняется путем построения и анализа различных карт, характеризующих распределение углеводородов по площади, геологических и гидродинамических моделей залежи Решение данной задачи показано на примере построения карт комплексных параметров, которые получаются методом структурного сжатия Аналогом комплексных параметров, в используемых ранее методиках являются эмпирические параметры неоднородности [Г.М Золоева].

Для построения карт параметров, получаемых методом структурного сжатия, использован метод многоугольников, модифицированный к решаемой задаче соискателем Он имеет преимущество перед картами изопахит на месторождениях со значительной фациальной изменчивостью осадков, приводящей к резкому изменению эффективных толщин и коллекторских свойств на небольших участках площади Метод многоугольников сводится к следующему Точки соседних скважин соединяют прямыми линиями, в середине этих линий восстанавливают перпендикуляры до пересечения с соседним перпендикуляром, получая таким образом многоугольники. Для определения площадей многоугольников авторами разработана специальная программа, реализуемая с помощью ЭВМ

Рассмотрены примеры решения поставленных задач на двух месторождениях - газоконденсатном и нефтяном

Газоконденсатная залежь Староминского месторождения приурочена к альбскому ярусу нижнего мела и нерасчлененной толще мезозоя (HTM). В альбском ярусе выделены три продуктивных пачки - II, Ш и IV. В скважинах изучаемого месторождения осуществлялась как раздельная эксплуатация объектов по схеме "снизу-вверх", так и совместная эксплуатация одновременно двух, трех и всех четырех пачек (включая HTM).

Анализ степени выработки запасов проведен путем сравнения начальных удельных запасов газа, рассчитанных по данным ГИС и отнесенных к 1 км2 площади, с фактическими отборами газа по "промысловым данным В случае совместной эксплуатации нескольких пачек величину извлеченных запасов газа оценивали пропорционально произведению перфорированной толщины пластов-коллекторов на коэффициент проницаемости Поскольку не во всех случаях можно было достаточно точно установить работающую Толщину, величины отборов газа в таких объектах являются приближенными (например, в скв 32, 36) Тем не менее, сравнение величин начальных удельных эффективных объемов, полученных авторами (ГАНГ) и специалистами СевКавНИПИГаз показало, что полученные данные близки между собой.

Анализ коэффициентов извлечения газа, рассчитанных для скважин западного купола, свидетельствует о том, что значительная часть запасов в HTM не выработана

В ряде скважин (19, 36,44,49, 62) отложения HTM не эксплуатировались Однако данные о ФЕС и степени однородности по проницаемости, а также темпы продвижения ГВК вблизи этих скважин ставили под сомнение возможность сохранения здесь значительных запасов неизвлеченного газа Скв. 78р, пробуренная в 1996 г вблизи скважин 36 и 49, подтвердила сделанные прогнозы Отложения HTM в разрезе данной скважины к 1996 г были обводнены

Продуктивная толща изучаемого нефтяного месторождения также сложена терригенными породами Особенностями изучаемых отложений являются сложное геологическое строение; значительная фациальная изменчивость; различие литолого-минералогического состава пород, слагающих основные продуктивные горизонты Все эти факторы способствуют увеличению геологической неоднородности, в первую очередь по ФЕС, существенно усложняют процесс выработки запасов нефти и снижают конечный коэффициент нефтеизвле-чения

Применение многофакторного корреляционного анализа позволило выделить главные из геолого-физических факторов, влияющих на КИН - проницаемость и неоднородность продуктивного пласта. Из этого следует, что распределение величины извлеченных запасов нефти по перфорированным горизонтам в многопластовых залежах можно-осуществить, привлекая информацию о проницаемости, неоднородности и нефтенасыщенных толщинах объекта эксплуатации Такой подход и был реализован соискателем

Результаты построения и анализа соответствующих карт с целью изучения изменения этих характеристик залежи по площади позволил сделать следующие выводы Перспективными участками для доизвлечения нефти из коллекторов VIII горизонта являются участки залежи первого и второго блока с запасами выше 300 тыс т

В заключение необходимо отметить, что полученные данные о величинах и распределении остаточных запасов нефти, как по разрезу продуктивной толщи, так и по площади следует рассматривать как предварительные (ориентировочные), поскольку в процессе анализа учитывались, главным образом, геологические факторы и в меньшей степени технологические Влияние последних может быть достаточно существенным Поэтому такие исследования необходимо проводить с привлечением специалистов в области геологии, геофизики и гидродинамики. Только в этом случае могут быть приняты верные решения для доразработки продуктивных залежей. Заключение

В результате выполненной работы решены следующие задачи

1 Выполнен литературный обзор структурных методов обработки, и соответствующие анализ и обобщение результатов структурных методов обработки применительно к геофизическим исследованиям скважин

2. Разработана технология обработки и интерпретации геофизических данных соответствующих различным структурным элементам структурам первичных данных, структурам порового пространства и состава горных пород и пластов, структурно-формационным зонам залежи

3 Разработано программное обеспечение, реализующее технологию структурной обработки и интерпретации геолого-геофизической информации

4 Выполнена апробация разработанной технологии в различных геологических условиях.

5 Выполнено промышленное опробование разработанной технологии и соответствующего программного обеспечения для ряда месторождений нефти и газа

Основные результаты диссертационной работы изложены в следующих публикациях:

1 Оценка устойчивости работы алгоритмов определения глинистости методами Монте-Карло и Крамера, Экспресс-информация. Газовая промышленосгь серия Геология, бурение и разведка газовых и морских нефтяных месторождений, М, 1986 вып 4 (рекомендован ВАК Минобразования для публикации)

<■- 2 Применение структурных методов обработки геофизических исследований скважин для типизации геодинамических циклов, Материалы 1-й Всесоюзной конференции по проблеме "Геодинамические основы прогнозирования нефтегазоносных недр", 6-8 сентября 1988 г, том 2, стр 127.(совместно с И М Гордоном)

3. Формализация процесса сопоставления геологических разрезов на основе структурных методов обработки данных ГИС, Всесоюзная конференция "Роль молодежи в решении конкретных научно-технических проблем нефте-газового комплекса страны", 6-8 июля 1989 г пос Красный курган, М., 1989 (совместно с С.Я.Ханукаевым)

4 Анализ приемов сжатия информации для автоматизированной обработки данных ГИС. Тезисы 53 Межвузовской студенческой научной конференции "Нефть и газ - 99" М РГУ Нефти и газа, 1999, 20-22 апреля (совместно с А.С.Давыдовым и М.А.Летавиным)

5, Изучение фильтрационно-емкостной неоднородности пород кристаллического фундамента месторождения Белый тигр СРВ. Тезисы 3-й научно-технической конференции "Актуальные проблемы состояния и развития нефтегазового комплекса России М. РГУ Нефти и газа, 1999 (совместно с Г.М.Золоевой и Е.Г.Арешевым)

6 Возможность использования сжатия информации для выделения зон вторичной пористости в сложных коллекторах XV Губкинские чтения "Перспективные направления, методы и технологии комплексного изучения нефтегазоносности недр", М. РГУ нефти и газа, 3-4 ноября 1999 (совместно с Т Ф Соколовой, Е Р Бугровой)

7. Использование факторного анализа при построении электронной модели залежи Тезисы докладов 54-й межвузовской студенческой научной конференции. РГУ нефти и газа, М. 2000 г, 19-21 апреля (совместно с С Б Велтистовым)

8 Мультифрактальный анализ данных скважинной геофизики Тезисы докладов международной геофизической конференции "300 лет горногеологической службе России", Санкт-Петребург 2-6 октября 2000 г, 2-6 октября (совместно с С С Крыловым, Е Р Бугровой и И.В.Сорокой)

9. Применение статистической обработки геофизических данных для прогноза зон вторичной пористости в сложных коллекторах В сб. Геофизические методы исследования земли и недр: Материалы Международной научно-практической конференции молодых ученых и специалистов "Геофизика-99", Санкт-Петербург, 9-12 ноября 1999 г, ОИФЗ РАН, 2000, 202 с (совместно с Е Р.Бугровой).

10. Использование вейвлет-преобразования для прогноза превалирующего типа пористости. Тезисы научно-технической конференции "Актуальные проблемы состояния и развития нефтегазового комплекса России. РГУ Нефти и газа, М. 2001, 25-26 января (совместно с С.С Крыловым, Е.Р.Бугровой и Т В.Сорокой).

11. Количественная оценка степени выработки и остаточных запасов углеводородов на многопластовых месторождениях Геофизика, 4, 2001, Москва (совместно с Г.М.Золоевой) (рекомендован ВАК Минобразования для публикации).

12 О новых Возможностях методов ГИС при организации системы воздействия на продуктивные пласты. Геофизика, 4, 2001, Москва (совместно с Г.М.Золоевой и Е А.Сидорчук) (рекомендован ВАК Минобразования для публикации).

13 Оценка остаточных запасов углеводородов на многопластовых месторождениях по данным ГИС Материалы Научно-практической конференции "Инновационные технологии в области поисков, разведки и детального изучения месторождений нефти и газа" ЕАГО, ЦГЭ, М 2002, 20-22 мая (совместно с Г.М Золоевой)

14. Возможности методов ГИС для оценки степени выработанности запасов нефти из кристаллических пород фундамента. Материалы Научно-практической конференции "Инновационные технологии в области поисков, разведки и детального изучения месторождений нефти и газа" ЕАГО, ЦГЭ, М 2002, 20-22 мая (совместно с Г М.Золоевой)

15 Алтухов Е.Е. Технология структурного анализа для обработки и интерпретации данных ГИС месторождений нефти и газа, Нефть, газ и бизнес, 2007, №10 с. - (рекомендован ВАК Минобразования для публикации).

16. Алтухов Е.Е. Применение технологии структурного анализа данных ГИС для изучения геологических разрезов скважин, Геология геофизика и разработка нефтяных и газовых месторождений, принята в редакцию (рекомендован ВАК Минобразования для публикации).

Отпечатано на ризографе в ОНТИ ГЕОХИ РАН Тираж 100 экз

Содержание диссертации, кандидата технических наук, Алтухов, Евгений Евгеньевич

ВВЕДЕНИЕ.

Глава 1. СОСТОЯНИЕ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ СТРУКТУРНЫХ МЕТОДОВ ОБРАБОТКИ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ НЕФТЕГАЗОВЫХ СКВАЖИН.

1.1 Обзор структурных методов обработки и методов анализа структуры эксперементальных данных.

Факторный анализ.

Сжатие данных методом главных компонент.

Кластерный анализ.

Методы идентификации.

Вейвлет-преобразования.

Мультифрактальный анализ.

1.2 Геологическая неоднородность разрезов скважин, её влияние на коллекторские свойства пород и выработку запасов нефти и газа.

1.2.1 Классификация геологической неоднородности.

1.2.2 Способы определения и количественные параметры неоднородности.

Выводы.

Глава II. ТЕХНОЛОГИЯ СТРУКТУРНОГО АНАЛИЗА ДЛЯ ОБРАБОТКИ И ИНТЕРПРЕТАЦИИ ДАННЫХ ГИС МЕСТОРОЖДЕНИЙ НЕФТИ И ГАЗА

2.1 Метод структурного сжатия.

2.2 Разработка алгоритмов и программ кластерного анализа.

2.2.1 Исследование устойчивости работы программ кластерного анализа.

2.2.2 Выбор оптимального числа кластеров.

2.2.3 Количественная оценка эффективности разделения на кластеры.

2.3 Технология структурного анализа для обработки и интерпретации данных ГИС на месторождениях нефти и газа.

2.3.1 Первый этап: сбор и первичная обработка геофизических данных.

2.3.2 Второй этап: работа со стуктурами моделей пластов горных пород геологического разреза скважины.

2.3.3 Третий этап: применение МСС для изучения структурно-формационных зон залежей углеводородов.

Выводы.

Глава III Применение технологии структурного анализа данных ГИС для изучения геологических разрезов скважин.

3.1 Разработка структурных методов обработки и интерпретации данных ГИС для изучения геологических разрезов скважин.

3.1.1 Методика изучения низкопоровых карбонатных отложений.

3.1.2 Кластеризация разреза для настройки интерпретационной модели.

3.1.3 Восстановление недостающей информации методом структурного анализа.

3.2 Применение технологии структурной обработки и интерпретации данных ГИС для изучения эксплутационных характеристик пласта Староминского газоконденсатного месторождения.

3.2.1 Алгоритмы комплексной интерпретации данных ГИС для определения подсчетных параметров отложений Альба и НТМ Староминского месторождения.

3.2.2 Определение ФЕС и параметров неоднородности по данным ГИС отложений Альба и НТМ Староминского месторождения.

3.2.3 Выделение работающих объектов и участков первоочередного обводнения в процессе разработки залежи.

3.3 Применение технологии структурной обработки и интерпретации данных ГИС для изучения эксплутационных характеристик месторождения Белый Тигр.

3.3.1 Алгоритмы комплексной интерпретации данных ГИС для оценки подсчетных параметров коллекторов нижнего олигоцена месторождения Белый тигр.

3.3.2 Применение технологии структурной обработки.

Глава IV. Применение технологии структурного анализа для обработки и интерпретации данных ГИС по площади залежи углеводородов.

4.1 Спектрально-временной и литофациальный анализ данных ГИС и сейсморазведки при изучении осадочной толщи Мурманской площади

4.2 Изучение характера обводнения продуктивных пластов и распределения углеводородов по площади.

4.3 Рекомендации по оптимальному размещению уплотняющих эксплутационных и нагнетательных скважин.

Введение Диссертация по наукам о земле, на тему "Технология структурной обработки и интерпретации данных геофизических исследований нефтегазовых скважин"

Актуальность темы. Усложнение объектов разведки и рост объемов обработки промыслово-геофизической информации требуют создания высокоэффективных и технологичных интерпретирующих систем экспрессной массовой обработки данных ГИС.

Передовые технологии геологического и гидродинамического моделирования создали предпосылки к использованию данных ГИС на качественно новом уровне благодаря применению системного структурного анализа. Последний включает в себя факторный анализ, метод главных компонент, СВАН и вейвлет-преобразования, которые позволяют исследовать различные структуры исследуемых элементов (исходные данные, геологические разрезы, структурно-формационные зоны залежей) на единой методологической основе.

СВАН и вейвлет-преобразования позволяют более обоснованно интегрировать данные разведочной и промысловой геофизики на основе закономерностей, выявляемых при изучении структурно-формационных зон в меж-скважинном пространстве.

Цель работы. Разработка технологии структурной обработки и интерпретации данных ГИС.

Основные задачи исследований

1. Анализ и обобщение приемов, методов и алгоритмов структурного анализа с целью развития технологии массовой и оперативной интерпретации данных ГИС.

2. Разработка технологии интерпретации данных ГИС как совокупности последовательно применяемых методов и алгоритмов структурного анализа, обеспечивающих подавление шумов ("стабилизация" данных), выявление геологических закономерностей формирования разрезов (фаци-ально-формационный анализ), классификацию типов коллекторов, структуру емкостного пространства и других, используемых в последующих процедурах.

3. Разработка программного обеспечения, реализующего разработанную технологию как автономно, так и в существующих автоматизированных системах.

4. Апробация разработанной технологии и соответствующего программного обеспечения в различных геологических условиях.

Научная новизна

1. Разработана технология структурной обработки и интерпретации данных ГИС для изучения геологического строения залежей углеводородов.

2. Разработан метод структурного сжатия информации при обработке данных геофизических исследований скважин.

3. Разработана методика и соответствующие алгоритмы классификации геологических объектов по данным ГИС.

4. Разработаны способ оценки коэффициентов отражения по данным ГИС и методика определения цикличности структурно-формационных объектов, слагающих разрез, с использованием СВАН по данным ГИС и сейсморазведки.

Защищаемые научные положения

1. Технология структурной обработки и интерпретации данных ГИС позволяет выполнять сквозную обработку геофизической информации о различных структурных объектах: исходных первичных, пластовых, структурно-формационных зонах залежей углеводородов, т.е. на всех этапах обработки и интерпретации: а) сбора первичных данных, стандартизации и контроля качества комплекса ГИС, б) комплексной интерпретации, в частности выделения зон с вторичной пористостью и настройки интерпретационной модели, в) выделения структурно-формационных зон залежи, построения литофаци-альной модели и наполнения ее параметрами.

Данная технология может использоваться как автономно, так и применяться в существующих технологиях построения модели и мониторинга жизни залежи.

2. Метод структурного сжатия (МСС) выполняет сжатие исходной первичной информации, устранение ее дублирования и формирование рабочего набора данных из разнородных данных ГИС. МСС обеспечивает быстродействие обработки данных ГИС. МСС позволяет сформировать комплексные параметры, каковыми являются главные компоненты, отображающие главные основные характеристики структурных объектов.

3. Методика и соответствующие алгоритмы классификации геологических объектов обеспечивают устойчивость решения задачи при оптимальной размерности данных. Обоснована вычислительная процедура кластерного анализа, позволяющая выделять объекты без масштабирования данных ГИС. Программная реализация работает с любым объемом данных. Прием классификации с обучением может быть использован для разнородных комплексов данных.

4. Восполнение недостающей информации достигается за счет выявления общих свойств, присущих данным различных геофизических методов. В частности методика восполнения недостающей информации позволяет оценивать коэффициенты отражения сейсмических волн по данным ГИС, тем самым реализовать методику определения цикличности структурно-формационных объектов, слагающих разрез, с использованием СВАН по данным ГИС и сейсморазведки.

Практическая ценность

1. Разработанная соискателем технология структурной обработки и интерпретации данных ГИС позволила повысить экспрессность, точность и достоверность определения подсчетных параметров, более эффективно изучать структурно-формационные зоны залежей углеводородов по картам, геологическим или гидродинамическим моделям, построенным с помощью комплексных структурных параметров.

2. Комплекс программ, реализующий разработанную соискателем технологию структурной обработки и интерпретации данных ГИС для изучения залежей углеводородов (классификации геологических объектов по данным ГИС; стандартизации комплекса данных ГИС; сжатия исходной первичной информации и др.) может быть применен в производственном режиме как автономно, так и в существующих системах автоматизированной обработки и интерпретации данных ГИС, например при построении геологической или гидродинамической моделей и мониторинге жизни залежи.

Апробация работы

Основные положения диссертации докладывались на XV Губкинских чтениях (Москва, 1999), на конференциях: «Актуальные проблемы состояния и развития нефтегазового комплекса России» (Москва 1999, 2001), «Геофи-зика-99» (Санкт-Петербург, 1999), «Севергеотех-2000» (Ухта 2000), «Нефтегазовое образование и наука: итоги, состояние и перспективы» (Москва, 2000), «300 лет горно-геологической службе России» (Санкт-Петребург,

2000), «Нефтегазоносность фундамента осадочных бассейнов» (Москва,

2001), «Инновационные технологии в области поисков, разведки и детального изучения месторождений нефти и газа» (Москва, 2002).

Методические разработки технологии структурного анализа используются в учебном процессе в дисциплине «Компьютерные технологии в геофизике» для студентов-геофизиков РГУ нефти и газа им. И.М.Губкина.

Разработанный с участием соискателя комплекс программ «ДОГГИ-2»: программы типизации разрезов, факторного и корреляционного анализа геолого-геофизических данных и программы совместной визуализации данных петрофизики, ГИС и сейсморазведки - внедрен в ПО «Арктикморнефтегаз-разведка».

Для решения поставленных задач в диссертационной работе использованы первичные материалы по ряду скважин одного из нефтяных месторождений шельфа южного Вьетнама, Ленингадского и Староминского газокон-денсатных месторождений, а также отдельных скважин месторождений Вол-го-Урала, шельфа Баренцева моря, Юрубчена, включающие в себя данные методов ГИС, результаты петрофизических исследований керна, петрографическое описание образцов и шлифов, результаты испытаний скважин, данные по эксплуатации.

Личный вклад автора состоит в анализе первичных материалов ГИС, анализе современного состояния и перспектив применения структурных методов обработки и интерпретации геофизических данных, разработке технологии, методов структурного сжатия, восстановления недостающей информации, алгоритмов и программ структурных методов обработки, а также в практической обработке на ЭВМ данных ГИС, перечисленных выше месторождений нефти и газа.

Автор выражает искреннюю благодарность научному руководителю профессору В.Н.Широкову. На разных этапах выполнения работы оказывалась помощь и высказывались объективные критические замечания профессорами В.В.Стрельченко, Д.А.Кожевниковым, Т.Ф.Дьяконовой и С.Б.Денисовым. Особо хочется отметить участие в становлении работы доцента М.Д.Шварцмана, а так же выразить глубокую признательность профессору Г.М.Золоевой за многолетнюю совместную работу и предоставленные материалы. Значительным было участие доцента Т.Ф.Соколовой, а также помощь всего коллектива кафедры ГИС.

Заключение Диссертация по теме "Геофизика, геофизические методы поисков полезных ископаемых", Алтухов, Евгений Евгеньевич

Выводы.

На основе обзора научно-технической литературы соискателем были сформулированы следующие выводы:

1. Некоторые методы структурного анализа, такие как ФА и МГК, СВАН и вейвлет-преобразования, КА и нейронные сети в какой то степени дублируют возможности друг друга. Анализ преимуществ тех или других аналогов структурного анализа является наиболее сложной частью методической работы, которую необходимо было выполнить соискателю.

2. Методы структурного анализа позволяют достоверно судить о лито-логическом составе горных пород, характере их насыщения, работе отдельно взятой скважины, могут быть использованы для изучения структурно-формационных зон залежей углеводородов.

3. Анализ возможностей структурных методов обеспечивает получение качественно нового знания и, как следствие, повышение достоверности и уменьшение времени принятия решения.

4. В практике ГИС структурные методы не внедрены в процессы обработки производственных организаций, а обобщающие работы отсутствуют.

5. Назрела необходимость по обобщению методических приемов структурного анализа с соответствующей разработкой программного математического обеспечения всех этапов комплексной технологии применения структурных методов обработки и интерпретации.

Глава II. ТЕХНОЛОГИЯ СТРУКТУРНОГО АНАЛИЗА ДЛЯ ОБРАБОТКИ И ИНТЕРПРЕТАЦИИ ДАННЫХ ГИС МЕСТОРОЖДЕНИЙ НЕФТИ И ГАЗА

2.1 Метод структурного сжатия.

Построение и поддержание постоянно действующей модели месторождения выполняются традиционными приемами обработки и интерпретации геофизических данных [21; 30; 32; 33; 37; 38; 67], при этом решается типовой ряд задач и проблем, которые осуществляются на соответствующих этапах (табл. 4).

Библиография Диссертация по наукам о земле, кандидата технических наук, Алтухов, Евгений Евгеньевич, Москва

1. Отметим, что подобный критерий используется при факторном анализе 2; 15; 36; 39., поскольку характеризует степень хаотичности рассматриваемых кластеров как изнутри, так и по соотношению друг с другом.

2. Рис. 8. Характеристика фаций по данным ГИС {а-мелководно-карбонатная, б-рифовая, в-дованжовая, г-прибрежно-морская)

3. Na-Nb-\)-m Na + Nh H где Na, Nb~ число элементов в классах а и Ь; т- размерность исследуемого пространства признаков; р(Са, Сь) расстояние вида между центрами классов а и Ь.

4. Технология структурного анализа для обработки и интерпретации данных ГИС на месторождениях нефти и газа.

5. Традиционная технология обработки и интерпретации геофизических данных Процедуры структурного анализа Виды структурных объектов

6. Рис. 9. Технологические процедуры при традиционной и структурнойобработке данных ГИС23.2 Второй этап: работа со стуктурами моделей пластов горных пород геологического разреза скважины

7. На втором этапе: работы со структурами моделей пластов горных пород геологического разреза скважин производится переход от диаграмм

8. Разработанная технология отличается от общепринятых технологий автоматизированной интерпретации данных ГИС тем, что защищаемая технология в совокупности с встроенными в нее новыми методиками имеет следующие преимущества:

9. Методика структурного сжатия (МСС) повышает производительность, помехоустойчивость и достоверность результатов обработки.

10. Методика кластеризации геологических объектов с усовершенствованной программой КОБО выделяет компактные группы объектов (точек) и оценивает степень эффективности их разделения.

11. Методика восполнения недостающей информации, в частности восстановления синтетической модели пластовых скоростей ВСП по комплексу методов ГИС, позволяет повысить эффективность комплексной интерпретации данных сейсмики и ГИС.

12. СВАН и факторный анализ данных ГИС позволяют изучить взаимосвязь параметров, оценить самоподобие, проанализировать вложенность изучаемых объектов.

13. Глава III. Применение технологии структурного анализа данных ГИС для изучения геологических разрезов скважин

14. Разработка структурных методов обработки и интерпретации данных ГИС для изучения геологических разрезов скважин31.1 Методика изучения низкопоровых карбонатных отложений

15. Ниже (на рис. 10) приводится оценка относительной погрешности определения Кп по данным акустического метода (АК). Можно говорить о двух диапазонах пористостей:относительная погрешность расчета I пористости по АК

16. Рис. 10. Погрешность расчета пористости. Шифр кривых соответствует 2, 5 и 10% относительной погрешности регистрации данных АК

17. Пористость пород изучаемого объекта изменяется от 0 до 8%, причем медиана ее распределения составляет 2%, следовательно, рабочий диапазон расчетной модели находится в области высоких погрешностей (рис. 11).распределение пористости по АК

18. Обработка по методу главных компонент производилась с использованием пакета Statistica.

19. Extraction: Principal componentstotal Cumul. Cumul.

20. Eigenval Variance Eigenval %1 2.102013 52.55032 2.102013 52.55032 .927611 23.19027 3.029624 75.74063 .540660 13.51651 3.570284 89.25714 .429716 10.74290 4.000000 100.0000

21. Extraction: Principal componentstotal Cumul. Cumul.

22. Eigenval Variance Eigenval %1 2.252845 45.05689 2.252845 45.05692 1.020267 20.40534 3.273111 65.46223 .953499 19.06997 4.226610 84.53224 .486659 9.73318 4.713269 94.26545 .286731 5.73462 5.000000 100.0000

23. Factor Score Coefficients Rotation: Unrotated

24. Extraction: Principa components

25. Factor Factor Factor Factor1 2 3 4

26. GK .323219 -.569676 .941448 -.019479

27. NGK -.391720 -.235369 .297583 1.159965

28. АК .288972 .759576 .413984 .676433

29. BK -.366489 .348072 .838646 -.723642

30. Factor Score Coefficie Rotation: Unrotated Extraction: Principa nts components

31. Factor Factor Factor Factor••" г. 2 3 4

32. GK .262817 1.230846 -1.63612 .16025

33. NGK -.273043 .237379 -.93734 -2.49732

34. AK .270356 .488417 1.58254 -1.84587

35. BK -.260307 1.500996 .97494 .86417

36. Factor Score Coefficients Rotation: Varimax raw Extraction: Principal components

37. Factor Factor Factor Factor1 2 3 4

38. GK -1.11365 .00572 -.23450 -.14305

39. NGK -.12959 -.24918 .22915 -1.22944

40. АК .00593 -1.09812 -.03917 -.28628

41. BK -.22174 -.03725 -1.17187 .24213

42. Factor Score Coefficients Rotation: Varimax raw Extraction: Principal components

43. Factor Factor Factor Factor Factor1 2 3 4 5

44. GK -.093541 1.025338 -.030727 -.02570 .172409

45. NGK -.429138 .120651 .020822 .22260 1.386329

46. AK .045992 -.028658 1.109314 -.28963 .019976

47. GGK 1.251707 -.072707 .040879 .06624 -.515785

48. BK -.064487 .023257 .259414 -1.20623 -.253527

49. Полученные результаты показывают, что для описания всего комплекса на 70-80% (среднеквадратичная погрешность комплекса ГИС составляет ~20%) достаточно первых двух компонент.

50. Выделение зон вторичной пористости, используя факторы, полученные в результате обработки геофизических кривых по изложенной выше методике факторного анализа выполнено по ряду скважин Юрубченского месторождения.

51. На рисунке 13 приведен соответствующий пример применения факторного анализа для выделения трещинных и кавернозных зон по одной из скважин.

52. Этот подход может быть рекомендован для предварительной обработки материала с целью выделения возможных зон с трещинным и кавернозным типом ёмкостного пространства на данной площади.

53. Однако, процесс обработки и интерпретации данных ГИС в разработанной технологии является исследовательским, хотя и имеет свои закономерности.31.2 Кластеризация разреза для настройки интерпретационной модели

54. На первом этапе предусматривается использования программ классификации автора и нормализации для разделения пород на классы и определения их литологического состава 14; 15.

55. При наличии данных AM на поперечных волнах возможно решение таких задач, как определение пористости, оценка характера насыщения, определение типа глинистости (рассеянная или слоистая).

56. При наличии данных спектрометрического гамма-метода возможно определение минералогического состава глин на основе сопоставления массовых содержаний тория и калия.

57. Для изучаемых отложений предлагается следующий общий вид системы линейных петрофизических уравнений:

58. Эта общая модель в дальнейшем должна настраиваться на коллекторы определенных горизонтов, выделяемых в разрезе отложений нижней перми.

59. В качестве примера приведем результаты работы программы классификации по скв. Чатбашевская 15. Исходными методами для классификации были взяты ГК, ННТ, БК, ГГКп, АК (рис. 15).

60. Для идентификации класса и более наглядного представления можно применить также и метод кросс-плотов, используя в качестве третьего параметра номер класса. Различные варианты попарных сопоставлений методов ГИС представлены на рис. 14.

61. Основываясь на приведенной выше информации и привлекая результаты описаний и петрофизических исследований керна устанавливается лито-логическая характеристика пород в выделенных классах (табл. 6).