ПЕРЕКРЕСТНАЯ ССЫЛКА НА РОДСТВЕННЫЕ ЗАЯВКИ
Для этой заявки испрашивается приоритет на основании предварительной заявки на патент США № 61/349534, поданной 28 мая 2010 г., которая имеет название "SYSTEM FOR SEISMIC HYDROCARBON SYSTEM ANALYSIS", и которая включена сюда в полном объеме путем ссылки.
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
Это изобретение относится, в общем, к области техники геофизической разведки и, в частности, к интерпретации сейсмических данных. В частности, в настоящем изобретении, сущность которого здесь раскрыта, описан способ обнаружения и классификации потенциальных возможностей добычи углеводородов с использованием сейсмических данных.
ПРЕДПОСЫЛКИ СОЗДАНИЯ ИЗОБРЕТЕНИЯ
Активная углеводородная система определяется наличием пористой породы-коллектора, которая обеспечивает пространство для хранения углеводородов, литологического экрана, который препятствует просачиванию углеводородов из пласта-коллектора, хорошей геометрии ловушки и нефтематеринской породы, которая содержит высокий процент биогенетического материала. Под влиянием высокой температуры и повышенного давления биогенный материал созревает (или приготавливается), образуя углеводороды, включающие в себя газ, сырую нефть, нефтяные битумы и смолу. Под действием плавучести и перепадов давления углеводороды перемещаются, и часть этих углеводородов накапливается в ловушках, образованных случайными геометрическими компоновками пород-коллекторов (то есть геометриями ловушек) и литологических экранов. Однако ловушки имеют конечный объем, и может происходить просачивание или утечка некоторых накопленных углеводородов, часть из которых может затем собираться в других ловушках.
Сейсмические изображения недр позволяют интерпретаторам идентифицировать некоторые потенциально возможные ловушки на основании практического опыта и суггестивных геометрических конфигураций. Иногда сейсмические данные могут давать прямое указание наличия углеводородов. Однако применяемые на практике стандартные способы интерпретации являются трудоемкими и часто сосредоточенными на тех областях, где интерпретатором собраны некоторые признаки перспективности. Следовательно, многие потенциальные запасы остаются необнаруженными, поскольку эти признаки являются слишком малозаметными или скрытыми, например, сейсмическими шумами. Даже если наблюдаются намеки на перспективность, то они не могут быть исследованы в присутствии более очевидных потенциальных запасов, или когда интерпретатор ограничен временными рамками. Таким образом, некоторые залежи углеводородов обнаруживаются поздно или остаются неразведанными.
Публикации, в которых описаны попытки решения аналогичных задач, включают в себя следующие.
В публикации международной заявки на патент согласно PCT № WO 2010/053618 “Method for Seismic Interpretation Using Seismic Texture Attributes”, автором которой является Имхоф (Imhof), раскрыт способ вычисления характеристик текстуры, которые могут использоваться для классификации и сегментации сейсмических данных на основании их локального внешнего вида. Текстура может использоваться для определения сейсмических фаций.
В публикации международной заявки на патент согласно PCT № WO 2010/056424 “Windowed Statistical Analysis for Anomaly Detection in Geophysical Datasets”, авторами которой являются Кумаран и др. (Kumaran et al.), раскрыт способ исследования сейсмических данных для областей, которые являются статистически аномальными с точки зрения данных и, соответственно, служат для выделения статистически необычных или рельефных областей.
В публикации заявки на патент США № 2010/0149917 “Method For Geophysical and Geological Interpretation of Seismic Volumes In Depth, Time, and Age”, авторами которой являются Имхоф и др. (Imhof et al.), раскрыт способ преобразования сейсмических данных из геофизических глубинных разрезов или полного времени пробега в область геологического возраста, где все отраженные сейсмические волны являются приблизительно горизонтальными и сопоставимыми с их состоянием в геологическую эпоху их образования. Сейсмические характеристики, сформированные из этой области возраста, могут улучшать определение элементов углеводородной системы.
В публикации европейского патента № EP 1110103 B1 (“Method Of Seismic Signal Processing”), выданного Мелдалю и др. (Meldahl et al.), раскрыт способ обнаружения областей в сейсмических данных, которые являются сходными с областями, указанными интерпретатором. Кроме того, в ней раскрыто использование этого способа обнаружения сейсмических характеристик просачивающихся углеводородов.
В публикации патента США № 6226596 B1 (“Method for analyzing and classifying three dimensional seismic information”), выданного Гао (Gao), раскрыт способ генерации характеристик сейсмической текстуры, которые могут использоваться для сегментации, классификации или определения сейсмических фаций.
В публикации патента США № 6438493 B1 (“Method for seismic facies interpretation using textural analysis and neural networks”), выданного Весту (West) и Мэю (May), раскрыт способ генерации характеристик сейсмической текстуры, которые используются при управляемой классификации для установления характеристик сейсмических фаций.
В публикации патента США № 6516274 B2 (“Method for imaging discontinuities in seismic data using dip-steering”), выданного Ченгу и др. (Cheng et al.), раскрыт способ обнаружения границ или разрывов в сейсмических данных, которые часто указывают на наличие разломов, нарушающих и смещающих регулярную слоистость в подземных пластах.
В публикации патента США № 6725174 B2 (“Edge-preserving enhancement of seismic images by nonlinear anisotropic diffusion”), выданного Боутсу и др. (Bouts et al.), раскрыт способ обработки сейсмических данных, который улучшает сейсмические данные за счет устранения некогерентного шума при сохранении резких разрывов, соответствующих разломам или быстрым стратиграфическим переходам, таким как, например, глубокие русла.
В публикации патента США № 6850845 B2 (“System for multi-dimensional data analysis”), выданного Старку (Stark), раскрыт способ сейсмических данных, выполняющих обработку, который обеспечивает возможность вычисления признака геологического времени, используемого для сглаживания, и соответствующих производных характеристик.
В публикации патента США № 6850864 B2 (“Method for analyzing dip in seismic data volumes”), выданного Гилларду и др. (Gillard et al.), раскрыт способ обработки сейсмических данных для оценки наклонов отражающих границ, которые определяют локальную структуру.
В публикации патента США № 7203342 B2 (“Image feature extraction”), выданного Педерсену (Pedersen), раскрыт способ обработки сейсмических данных для обнаружения и улучшения отображения разломов или горизонтов в относительно зашумленных данных.
В публикации патента США № 7424367 B2 (“Method for predicting lithology and porosity from seismic reflection data”), выданного Сальтцеру и др. (Saltzer et al.), раскрыт способ прогнозирования литологии и пористости подземных пород по сейсмическим данным, и который, соответственно, позволяет проводить различия между породами-коллекторами и экранирующими породами.
В публикации патента США № 7454292 B2 (“Inverse-vector method for smoothing dips and azimuths”), выданного Вангу и др. (Wang et al.), раскрыт способ надежного вычисления наклонов и ориентаций горизонтов, которые определяют локальную структуру.
В публикации международной заявки на патент согласно PCT № WO 2009/011735 (“Geologic Features From Curvelet Based Seismic Attributes”), авторами которой являются Нееламани (Neelamani) и Конверс (Converse), раскрыт способ вычисления признаков наличия углеводородов или характеристик текстуры, которые могут использоваться для идентификации подземных тел.
В публикации международной заявки на патент согласно PCT № WO 2009/082545 A1 (“Detection Of Features In Seismic Images”), авторами которой являются Кумаран (Kumaran) и Ванг (Wang), раскрыт способ обнаружения разломов, русел и аналогичных объектов в сейсмических данных.
В публикации международной заявки на патент согласно PCT № WO 2009/137150 A1 (“Method For Geophysical And Stratigraphic Interpretation Using Waveform Anomalies”), автором которой является Имхоф (Imhof), раскрыт способ обработки сейсмических данных для отображения стратиграфических окончаний и выклиниваний на карте.
В публикации международной заявки на патент согласно PCT № WO 2009/137228 A2 (“Transport Property Data Calculated From Derivative Seismic Rock Property Data For Transport Modeling”), авторами которой являются Опперт и др. (Oppert et al.), раскрыт способ оценки таких свойств, как, например, тепловой поток или проницаемость породы для жидкости, которые оказывают влияние на элементы углеводородной системы.
В публикации международной заявки на патент согласно PCT № W02009/142872 A (“Seismic Horizon Skeletonization”), авторами которой являются Имхоф и др. (Imhof et al.), раскрыт способ автоматического извлечения информации о большом количестве горизонтов из массива сейсморазведочных данных. Кроме того, в ней раскрыта обширная последовательность операций по распознаванию образов, в которой массив данных разделяют, анализируют области и упорядочивают их в соответствии с их потенциалом содержания углеводородов.
В публикации Гесберта и др. (Gesbert et al.) “A New Class of Large-scale Attributes for Seismic Stratigraphy”, 71st EAGE Conference & Exhibition, (2009) раскрыт набор стратиграфических характеристик, вычисленных по двумерным сейсмическим данным, которые выделяют региональные несогласия и региональные тренды выклинивания, и количественно оценивают региональные тренды сейсмических фаций.
В публикации Фомеля (Fomel) “Applications of plane-wave destruction filters”, Geophysics 67, 1946-1960, (2002) раскрыт способ оценки наклона и ориентации сейсмического горизонта, которые определяют локальную структуру.
В публикации Имхофа (Imhof) “Estimating Seismic Heterogeneity with the Structure Tensor”, 67th EAGE Conference & Exhibition, (2005) раскрыт способ оценки наклона и ориентации сейсмического горизонта, которые определяют локальную структуру, и характеристик сейсмической текстуры, которые характеризуют локальную неоднородность.
В публикации Ломаска и др. (Lomask et al.) “Flattening without picking”, Geophysics 71, P13-P20 (2006) раскрыт способ обработки сейсмических данных для приближенного сглаживания данных, который позволяет определять характеристики некоторых элементов углеводородной системы.
В публикации Лозета и др. (Loseth et al.) “Hydrocarbon leakage interpreted on seismic data“, Marine and Petroleum Geology 26, 1304-1319, (2009) раскрыты управляемые интерпретатором способы обнаружения углеводородов, просачивающихся через подземные породы.
В публикации К.Т. Биддля (K.T. Biddle) и К.К.Вильчовского (C.C. Wielchowsky) “Hydrocarbon Traps, The Petroleum System - From Source to Trap", AAPG Memoir 60, pages 219-235, (1994) представлен набор типов ловушек углеводородов.
В публикации Кабрала (Cabral) и Лидома (Leedom) “Imaging Vector Fields Using Line Integral Convolution”, Proceedings of ACM SigGraph 93, 263-270, (1993) раскрыт способ визуализации векторных полей линий связи.
В публикации Опперта и др. (Oppert et al.) “Lithofacies Prediction in Deep Water Water Reservoirs”, Society of Exploration Geophysicists, Expanded Abstracts, 1708-1711, (2006) раскрыт способ оценки литологии подземных пород с использованием сейсмических данных и данных, полученных с помощью прибора на кабеле.
В публикации Ксу и др. (Xu et al.) “Seismic Rock-Property Inversion and Lithofacies Prediction at Erha Field, Nigeria”, Nigerian Association of Petroleum Explorationists (NAPE) 2008 conference proceedings раскрыт способ оценки литологии подземных пород с использованием сейсмических данных и данных, полученных с помощью прибора на кабеле.
В публикации Рандена (Randen) и Соннеланда (Sonneland) “Atlas of 3D Seismic Attributes”, в сборнике "Mathematical Methods and Modeling in Hydrocarbon Exploration and Production", под редакцией Иске (Iske) и Рандена (Randen), издательство "Шпрингер" (Springer), страницы 23-46 (2005)) представлен обзор трехмерных сейсмических характеристик, которые характеризуют сейсмическую текстуру или сейсмостратиграфические признаки.
Существует потребность в создании автоматизированной системы, которая осуществляет сканирование всего массива данных для поиска элементов углеводородной системы и выводит перечень перспективных объектов для их исследования интерпретатором. Предпочтительно этот перечень потенциальных объектов разведки упорядочен по ожидаемому объему, наличию и качеству элементов углеводородной системы, и достоверности их обнаружения и идентификации. Предпочтительно перечень перспективных объектов также снабжен комментариями. Настоящее изобретение удовлетворяет, по меньшей мере, этим требованиям.
КРАТКОЕ ИЗЛОЖЕНИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ
В настоящем изобретении в одном из его аспектов предложен способ, в котором вычисляют многомасштабные и обычно структурно-ориентированные сейсмические характеристики, которые относятся к классическим элементам углеводородной системы, а именно к пласту-коллектору, литологическому экрану, ловушке, источнику, созреванию и миграции. Выполняют пространственную корреляцию этих характеристик и их сравнение с каталогом конфигураций ловушек углеводородов для определения возможного наличия углеводородных ловушек и оценки достоверности их существования.
В одном из вариантов осуществления изобретения предложен реализованный посредством компьютера способ анализа объема данных, составленного из вокселей сейсмических данных, который отображает подземную область, на наличие углеводородной системы или конкретного нефтегазоносного комплекса пород, содержащий следующие операции:
разделяют объем данных сейсмических данных, формируя множество сегментов; и ранжируют это множество сегментов по наличию углеводородной системы или конкретного нефтегазоносного комплекса пород, по меньшей мере, частично на основании количественных оценок перспективности для вокселей сейсмических данных в каждом сегменте;
причем эта количественная оценка перспективности основана на вычислении, по меньшей мере, двух признаков, относящихся к различным элементам углеводородной системы или конкретного нефтегазоносного комплекса пород.
Как и в любом способе обработки геофизических данных, способ из настоящего изобретения в областях его практического применения является в высокой степени автоматизированным, то есть выполняемым при помощи компьютера, запрограммированного в соответствии с раскрытой здесь сущностью изобретения.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Настоящее изобретение и его преимущества станут лучше понятными со ссылкой на приведенное ниже подробное описание и на приложенные чертежи, на которых изображено следующее:
на Фиг.1 проиллюстрированы элементы углеводородной системы для антиклинальной ловушки;
на Фиг.2 изображена схема последовательности операций, на которой показаны основные операции в одном из вариантов осуществления настоящего изобретения;
на Фиг.3 изображена принципиальная схема, на которой проиллюстрирован один из вариантов осуществления способа, предложенного в настоящем изобретении;
на Фиг.4 проиллюстрировано то, как шаблон фильтра из фильтра линейной интегральной свертки отслеживает направления касательной;
на Фиг.5 проиллюстрировано то, как фильтр линейной интегральной свертки может быть сделан более надежным;
на Фиг.6 проиллюстрировано, что шаблон фильтра линейной интегральной свертки может иметь увеличенную толщину;
на Фиг.7 показан пример преобразования локального признака в региональный признак (слева: сейсмические данные, слева в середине: локальный признак сходимости, справа в середине: поле вектора касательной и справа: региональная сходимость);
на Фиг.8 показан пример признака трехмерной сходимости с составляющей, характеризующей величину сходимости (светлым обозначена сильная сходимость, темным обозначено отсутствие сходимости), и составляющей, характеризующей ориентацию сходимости;
на Фиг.9 определены соотношения стратиграфического окончания;
на Фиг.10 изображена структурная ловушка, ограниченная складкой (антиклинальная ловушка);
на Фиг.11 изображена структурная ловушка, связанная с разломом;
на Фиг.12 показана структурная ловушка, связанная с солевыми отложениями;
на Фиг.13 проиллюстрирована стратиграфическая ловушка, связанная с выклиниванием пласта-коллектора;
на Фиг.14 показана стратиграфическая ловушка, связанная с несогласием;
на Фиг.15 изображена стратиграфическая ловушка, сформированная заглубленным эрозионным рельефом;
на Фиг.16 изображена стратиграфическая ловушка, сформированная вследствие диагенетических различий;
на Фиг.17 представлена схематичная модель осадочной последовательности напластования, то есть схема перемежающихся скоплений газа и жидкости (slug diagram);
на Фиг.18 проиллюстрировано то, как различные элементы могут быть объединены для оценки шансов на успех для залежей углеводородов;
на Фиг.19 схематично показано применение ранжирования четырех потенциальных объектов разведки; и
на Фиг.20 проиллюстрирован пример применения способа, предложенного в настоящем изобретении.
Ниже будет дано описание настоящего изобретения применительно к вариантам его осуществления, которые приведены в качестве примеров. Однако, поскольку приведенное ниже подробное описание относится к конкретному варианту осуществления изобретения или к конкретному использованию настоящего изобретения, то подразумевают, что оно приведено исключительно в иллюстративных целях, и его не следует истолковывать как ограничивающее объем патентных притязаний настоящего изобретения. Наоборот, подразумевают, что оно охватывает все возможные альтернативные варианты, видоизменения и эквиваленты, не выходящие за пределы объема изобретения, который определяется прилагаемой формулой изобретения.
ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ, КОТОРЫЕ ПРИВЕДЕНЫ В КАЧЕСТВЕ ПРИМЕРОВ
Настоящее изобретение в одном из его аспектов содержит следующие операции: вычисляют сейсмические характеристики, относящиеся к элементам углеводородной системы, анализируют данные для элементов углеводородной системы и/или распознают конкретные нефтегазоносные комплексы пород или концептуальные типы, и эти области ранжируют и снабжают комментариями на основании размера, качества, и достоверности перспективных объектов разведки. Некоторые определения приведены ниже.
Несмотря на то что в ином месте термин "нефтегазоносная или углеводородная система" может использоваться в более широком или в более узком смысле, здесь он обычно используется так, что означает естественную систему, которая охватывает собой коллектор из активной нефтематеринской породы и всю связанную с ним нефть и весь связанный с ним газ. Она включает в себя все геологические элементы и процессы, важные для существования залежи углеводородов, что проиллюстрировано на Фиг.1. Углеводороды, встречающиеся в природе, включают в себя высокие концентрации термического и/или биогенного газа, встречающегося в обычных пластах-коллекторах или в газогидратах, коллекторах с малой проницаемостью, трещинноватом сланце или угле; и конденсаты, сырую нефть, тяжелую нефть, нефтяные битумы и смолы. Термин "система" описывает взаимозависимые элементы и процессы, образующие функциональную единицу, которая создает залежи углеводородов. Важнейшими элементами являются, в том числе, нефтематеринская порода (источник), порода-коллектор (коллектор), порода литологического экрана (экран) и покрывающая порода (покрывающая толща). Процессами являются следующие: образование ловушки и созревание (генерация), миграция и накопление углеводородов. В этих процессах подразумевается последовательность или хронология событий.
Альтернативное определение углеводородной системы может включать в себя только нефтематеринскую породу, процессы созревания и миграции и их хронологию; в этом случае коллектор, литологический экран и ловушка могут быть определены для формирования нефтегазоносного комплекса пород. Для объяснения способа, предложенного в настоящем изобретении, термин "углеводородная система" определен так, что охватывает собой источник, коллектор, литологический экран, ловушку, созревание, миграцию и хронологию. Кроме того, термин "нефтегазоносный комплекс пород" (play) обычно используется здесь для обозначения конкретной комбинации и компоновки коллектора, литологического экрана и геометрической конфигурации ловушек.
Нефтематеринская порода представляет собой породу, богатую органическими веществами, которая при достаточном нагреве со временем генерирует нефть и/или газ. Обычные нефтематеринские породы включают в себя сланцы или известняки. Породы морского происхождения имеют тенденцию быть нефтеносными, тогда как наземные нефтематеринские породы (такие как, например, уголь) имеют тенденцию быть газоносными. Сохранение органического вещества без разложения является важным для создания хорошей нефтематеринской породы и является необходимым для полной нефтегазоносной системы.
Коллектор представляет собой подземное тело из породы, имеющей достаточную пористость и проницаемость для того, чтобы принимать, хранить и пропускать флюиды. Наиболее распространенными породами-коллекторами являются осадочные породы, поскольку они имеют более высокую пористость, чем большинство вулканических и метаморфических пород и форму в температурных условиях, при которых могут быть сохранены углеводороды. Коллектор является критическим компонентом полной нефтегазоносной системы.
Литологический экран представляет собой относительно непроницаемую породу, обычно сланец, ангидрит или соль, которая образует барьер или шапку над породой-коллектором и частично вокруг нее, так что флюиды не могут мигрировать за пределы коллектора. Литологический экран является критическим компонентом полной нефтегазоносной системы.
Покрывающая порода представляет собой породу, расположенную поверх источника и коллектора. Применительно к нефтегазоносной системе, ее основной функцией является формирование толстого покрова над источником, где он увеличивает температуру и давление до степени, необходимой для превращения органического вещества в углеводороды.
Ловушка представляет собой конфигурацию пород, пригодных для того, чтобы они содержали углеводороды, и экранированную относительно непроницаемым пластом, через который углеводороды не мигрируют. Ловушки описаны как структурные ловушки (в деформированных пластах, таких как, например, складки и разломы) или как стратиграфические ловушки (в областях, где изменяются типы пород, таких как, например, несогласия, выклинивания и рифы), или как их комбинации. Для структурных ловушек до миграции углеводородов должна произойти деформация, или не будет происходить накопление углеводородов. Ловушка является важным компонентом нефтегазоносной системы.
Генерация или созревание представляет собой образование углеводородов из нефтематеринской породы, как из керогена образуется битум и накапливается в виде нефти или газа. Генерация зависит от трех основных факторов: от наличия органического вещества, достаточно обильного для выработки углеводородов, от адекватной температуры и от времени, достаточного для доведения нефтематеринской породы до зрелости. Давление и наличие бактерий и катализаторов также влияют на генерацию. Недостаточное давление и недостаточная температура, вызванные, например, малым заглублением с тонкой покрывающей породой, приводят к незрелости источника, и генерация будет недостаточной или неполной. Избыточное давление и температура, вызванные, например, большим заглублением под толстой покрывающей породой, вызывают разложение сгенерированной нефти с превращением в газ и впоследствии на диоксид углерода и воду. Генерация является критической фазой в развитии нефтегазоносной системы.
Миграция представляет собой перемещение углеводородов из их источника в породы-коллекторы. Перемещение вновь сгенерированных углеводородов из их нефтематеринской породы представляет собой первичную миграцию, также именуемую вытеснением. Дальнейшее перемещение углеводородов в породу-коллектор в ловушке углеводородов или в другой области накопления представляет собой вторичную миграцию. Миграция обычно происходит из структурно низкой области в более высокую область вследствие относительной плавучести углеводородов по сравнению с окружающей породой. Миграция может быть локальной или может происходить на расстояния сотен километров в больших осадочных бассейнах и является критически важной для образования эффективной нефтегазоносной системы.
Термин "накопление" относится как к залеганию углеводородов, захваченных в ловушки, то есть к нефтегазоносному комплексу пород или к месторождению нефти или газа, так и к фазе развития нефтегазоносной системы, во время которой углеводороды мигрируют в породы-коллекторы и остаются захваченными в них.
Термин "хронология" относится к относительному порядку, в котором элементы формируются или видоизменяются, или к порядку, в котором происходят процессы. Ловушка может накапливать мигрирующие углеводороды только в том случае, если она сформирована до миграции. Ловушка может быть незаполненной, если миграция еще не достигла своего местоположения. Ловушка может потерять свое наполнение, по меньшей мере, частично, если после накопления литологический экран прорван.
Нефтегазоносный комплекс пород представляет собой концептуальную модель типа залежи углеводородов, часто используемую для разработки перспективных объектов разведки в бассейне, в районе или в зоне простирания, или используемую для продолжения разработки идентифицированного пласта в зоне его простирания. Нефтегазоносный комплекс пород (или группа взаимосвязанных нефтегазоносных комплексов пород) обычно встречается в одиночной углеводородной системе и может состоять из группы сходных перспективных объектов разведки.
Перспективный объект разведки представляет собой область, в которой было спрогнозировано существование углеводородов в экономически рентабельном количестве. Перспективный объект разведки часто представляет собой аномалию, например, геологического строения или аномалию амплитуды сейсмической волны, который рекомендован как место для бурения скважины для выявления экономически рентабельного количества углеводородов. Обоснование бурения перспективного объекта разведки делают путем сбора свидетельств о наличии активной углеводородной системы или путем демонстрации приемлемых значений вероятности обнаружения высококачественной породы-коллектора, ловушки достаточного размера, адекватной породы-экрана и надлежащих условий для генерации и миграции углеводородов для заполнения коллектора. В предложенном в настоящем изобретении способе термин "перспективный объект разведки" широко используют для обозначения области, рекомендованной для дальнейшего подробного анализа.
Как изложено выше, имеется потребность в способе, в котором автоматически анализируют сейсмические данные на наличие элементов углеводородной системы, помечают те области, где элементы нефтегазоносного комплекса пород расположены рядом в благоприятных конфигурациях или соответствуют известному или заданному нефтегазоносному комплексу пород, и упорядочивают эти перспективные объекты разведки по их потенциалу накопления углеводородов. Такая система сосредотачивает анализ и интерпретацию на большем количестве разведочных областей. Кроме того, эта система может распознавать тип нефтегазоносного комплекса пород и обеспечивать количественную оценку достоверности для отдельных элементов. Для каждого перспективного объекта разведки неидентифицированные элементы или элементы с низкой достоверностью являются важными и требуют особого внимания во время последующих анализов для уменьшения риска для этого перспективного объекта разведки. Система может использоваться несколько раз во время срока эксплуатации территории или объекта. Во-первых, система может использоваться для региональных, обычно двумерных, данных для идентификации разведочных областей; например, для подготовки заявки на участие в тендере на разработку территории или на проведение трехмерной сейсморазведки. На стадии разведки система может использоваться для определения задач для сосредоточения и направления внимания интерпретатора на меньшие, в большей степени поддающиеся контролю подмножества объема данных сейсмических данных. На этапе добычи эта система может использоваться для обнаружения местоположения меньших перспективных объектов разведки в пределах досягаемости уже размещенной инфраструктуры. Наконец, эта система может использоваться для гарантии того, что никакие перспективные объекты разведки не были пропущены до того, как объект будет оставлен или продан.
На Фиг.2 изображена схема последовательности операций, на которой показаны основные операции в одном из вариантов осуществления способа, предложенного в настоящем изобретении, который включает в себя две заданные операции (блоки, обозначенные сплошными линиями) и шесть необязательных операций (блоки, обозначенные пунктирными линиями), которые зависят от входов, предположения, делавшие, и режим, в котором используется система. При операции 2 генерируют признаки, относящиеся к элементам углеводородной системы или к конкретным элементам нефтегазоносного комплекса пород. При операции 5 выполняют анализ данных и ранжируют местоположения по признакам, идентифицируя, таким образом, потенциальные перспективные объекты разведки, сведения о которых затем сохраняют для дополнительно или визуализации.
При необязательной операции 1 определяют структурный рисунок подземных пород, то есть геометрические конфигурации подземных пластов и их деформации разломами и складками, которые образуют основу для вычисления некоторых признаков или могут быть необходимыми при других вычислениях для агрегирования информации из аналогичных пластов. Много признаков, которые являются полезными для системы, предложенной в настоящем изобретении, формируют путем интегрирования или усреднения более традиционных признаков по этой структуре. При необязательной операции 3 данные разделяют, по меньшей мере, на два сегмента или раздела для анализа и определения перспективного объекта разведки. Необязательной операцией 4 является формирование нормированных количественных оценок для элементов углеводородной системы с использованием одного или большего количества признаков. Необязательной операцией 6 является анализ сформированных и ранжированных перспективных объектов разведки; например, идентификация наименее выраженного элемента (наименее выраженных элементов), который подлежит (которые подлежат) дальнейшему исследованию. Необязательной операцией 7 является определение или выбор, по меньшей мере, одной конкретной концепции или, по меньшей мере, одного типа нефтегазоносного комплекса пород, который должен быть найден, вместо типового поиска соседних элементов углеводородной системы. Наконец, необязательной операцией 8 является определение, создание каталога типов нефтегазоносного комплекса пород и конфигураций их элементов, и управление им.
Применение способа, предложенного в настоящем изобретении, схематично представлено на Фиг.3, где сейсмические характеристики 32 вычисляют по сейсмическим данным 31. Признаки затем объединяют 33 для выделения тех областей (например, 36), из которых могут быть составлены стратиграфические нефтегазоносные комплексы пород, которыми в этом случае являются нефтегазоносный комплекс 34 пород с погребенной возвышенностью и стратиграфический нефтегазоносный комплекс 35 пород с выклиниванием.
Определение структурного рисунка
Признак представляет собой измеримую характеристику сейсмических данных, такую как, например, амплитуда, наклон, частота, фаза и полярность. Признаки могут быть измерены в один момент времени или во временном окне, и могут быть измерены на одиночной трассе или на наборе трасс, или на поверхности, интерпретированной на основании сейсмических данных, окна данных или даже множества объема данных сейсмических данных одновременно. В способе, предложенном в настоящем изобретении, используются многие из классических признаков, которые являются известными для специалистов в данной области техники анализа признаков или интерпретации данных сейсмической разведки. Однако для способа, предложенного в настоящем изобретении, некоторые из этих признаков видоизменены, например, путем интегрирования вдоль пластов или структуры, для выделения региональных изменений по сравнению с локальными. Кроме того, раскрыты новые геологические признаки (2), которые непосредственно относятся к элементам углеводородной системы или к элементам нефтегазоносного комплекса пород, и конкретные конфигурации этих элементов. Поскольку геологические признаки (характеристики) могут быть реализованы альтернативными способами, и различные геологические признаки могут относиться к одному и тому же элементу или конфигурации элементов, то могут быть вычислены количественные оценки (4), которые объединяют различные варианты осуществления изобретения и признаки друг с другом в один показатель, который оценивает вероятность обнаружения конкретного нефтегазоносного комплекса пород или элемента углеводородной системы, или конкретного геометрического расположения таких элементов. Эти количественные оценки затем объединяют (6) в вероятности для конфигураций, которые могут использоваться для визуализации, для анализа или для оценки и ранжирования.
Со ссылкой на Фиг.2, для реализации конкретного варианта осуществления настоящего изобретения могут потребоваться не все проиллюстрированные операции. Отдельные операции могут быть объединены или разделены на множество компонентов. Кроме того, в дополнительных и/или альтернативных методологиях могут использоваться дополнительные операции, не показанные здесь. Несмотря на то что на схеме последовательности операций проиллюстрированы различные действия, происходящие последовательно, также следует понимать, что некоторые действия могут происходить последовательно, по существу, параллельно и/или в существенно различные моменты времени. Операции также могут быть повторены. Одним из примеров этих изменений является операция 1 определения структурного рисунка, структуры или структуры слоистости.
Для некоторых признаков, используемых в изобретении, структурный рисунок может не требоваться, и поэтому при использовании только таких признаков определение структурного рисунка может быть проигнорировано. Однако для формирования большинства признаков, используемых для способа, предложенного в настоящем изобретении, требуется структурный рисунок. Структурный рисунок может быть оперативно вычислен для каждого признака по мере необходимости. Однако предпочтительно структурный рисунок генерируют только один раз, затем сохраняют и многократно используют для генерации, видоизменения или объединения признаков. Операция 1 формирования структурного рисунка показана как необязательная операция, поскольку в зависимости от признаков, используемых в различных вариантах осуществления способа, предложенного в настоящем изобретении, структурный рисунок может вычисляться один раз, многократно или вообще не вычисляться.
Преимущество однократной генерации структурного рисунка заключается в непротиворечивости различных признаков, поскольку все они основаны на одном и том же структурном рисунке. Недостаток генерации его только один раз состоит в том, что результирующий структурный рисунок необходимо отображать и сохранять некоторым способом, который может быть неэффективным или даже неподходящим для некоторых применений генерации, видоизменения или объединения признаков. В альтернативном варианте для каждого применения может быть сгенерирован свой собственный структурный рисунок в подходящем и эффективном представлении, что может вызвать неэффективность всей системы в целом, поскольку одни и те же структурные рисунки с одними и теми же самыми представлениями могут быть вычислены многократно. Еще один возможный вариант состоит в вычислении структурного рисунка несколькими выбранными способами и с несколькими выбранными представлениями, которые сохраняют, и которые, соответственно, могут быть повторно использованы. При использовании этого альтернативного способа недостатками являются требование увеличенного объема запоминающего устройства и требование многократного доступа к запоминающим средам. Практически, предпочтительный способ может состоять в вычислении и сохранении структурного рисунка или его компонентов для некоторых из более распространенных способов и представлений, и в вычислении менее распространенных при необходимости.
Способы вычисления структурного рисунка могут быть основаны на оценках наклона, ориентации или простирания; структурных тензорах, волновых корреляциях или скелетизациях. Одним конкретным способом оценки наклона и ориентации наклона является использование градиентов сейсмических данных в двух горизонтальных направлениях и в вертикальном направлении (см., например, публикацию патента США № 6850864 B2 “Method for analyzing dip in seismic data volumes”, выданного Гилларду и др. (Gillard et al.)). Другая оценочная функция наклона основана на фильтрах разложения плоской волны (см., например, публикацию Фомеля (Fomel) “Applications of plane-wave destruction filters”, Geophysics 67(6), 1946-1960, (2002)). Способы, основанные на структурном тензоре, позволяют вычислять вектора по нормали и по касательной к отраженным сейсмическим волнам (см., например, публикацию Имхофа (Imhof) “Estimating Seismic Heterogeneity with the Structure Tensor”, 67th EAGE Conference & Exhibition, (2005); или публикацию патента США № 7454292 B2 “Inverse-vector method for smoothing dips and azimuths”, выданного Вангу и др. (Wang et al.)). Наклоны могут быть разложены на временные сдвиги для автоматического выбора поверхностей (см., например, публикацию Ломаска и др. (Lomask et al.) “Flattening without picking”, Geophysics 71(4), P13-P20 (2006)).
Альтернативный способ вычисления наклона и азимута при отражении основан на градиенте изоконтуров. Градиент представляет собой локальный вектор, который характеризует направление приращения функции с наибольшей крутизной. Рассматривая сейсмические данные, например, амплитуду, как функцию 
и 
или 
.
Эта формула вычисления градиента является более надежной формулой, чем существующие способы вычисления градиента. Она также имеет способность многомасштабности, поскольку размер окна (количество соседних точек), в пределах которого вычисляют градиент, может быть различным.
Другим способом генерации структурного рисунка является латеральная волновая корреляция. При первой операции определяют такие события, как, например, локальные максимумы, локальные минимумы и/или прохождения через нуль. При второй операции формы колебаний волны вблизи этих событий сравнивают с событиями на соседних трассах для обнаружения и связи наиболее сходных событий. Следует отметить, что асимметрия, которая имеет место при каждом таком событии, связана только лишь с одним другим событием, а именно с наиболее сходным. Однако с одним и тем же событием может быть связано множество событий. Результатом является структура ориентированного графа, в которой вершины соответствуют таким событиям, как, например, локальные максимумы, локальные минимумы и/или прохождения через нуль; а ребра связывают отдельные события с наиболее сходными в соседних трассах. Начиная с одного события на конкретной трассе, часто имеется возможность отлеживать ориентированные ребра между событиями и трассами, и позже возвращаться к иному событию на исходной трассе, которая указывает стратиграфические (или топологические) несоответствия. Для того чтобы отличать этот способ от других, в случае необходимости будет использоваться термины "исходный скелет" или "исходная скелетизация".
Предпочтительным способом вычисления структурного рисунка является способ топологической скелетизации, в котором автоматически создают поверхности на основе отражений топологически непротиворечивым образом, где отдельные поверхности сами не перекрываются, и наборы из множества поверхностей согласуются с принципами стратиграфической суперпозиции (см. публикацию международной заявки на патент согласно PCT № WO 2009/142872 A1 “Seismic Horizon Skeletonization”, авторами которой являются Имхоф и др. (Imhof et al.)). Для того чтобы отличать этот способ от других, в случае необходимости используются термины "топологический скелет" или "топологическая скелетизация". В этом способе топологически согласующиеся поверхности помечены единообразно сверху вниз, что позволяет назначать псевдовозраст каждой выборке сейсмических данных и преобразовывать сейсмические данные из традиционной области геофизических глубин или двойного времени пробега волны в область геологического возраста (см., например, публикацию патента США № 6850845 B2 “System for multidimensional data analysis”, выданного Старку (Stark); публикацию международной заявки на патент согласно PCT № WO 2009/142872 A1 “Seismic Horizon Skeletonization”, авторами которой являются Имхоф и др. (Imhof et al.); и продолженную в публикации заявки на патент США № 2010/0149917 “Method for Geophysical and Geological Interpretation of Seismic Volumes in Depth, Time, and Age”, авторами которой являются Имхоф и др. (Imhof et al.)). Результирующий объем данных картирования возраста и/или объем картирования глубин позволяют переносить данные между областью геофизических глубин (или двойного времени пробега) и построенной областью геологического возраста, и наоборот. Каждый горизонтальный срез через объем данных картирования глубин соответствует карте структуры по глубинам (или по времени) для конкретного горизонта.
Еще один способ скелетизации основан на морфологическом прореживании; результат именуют морфологическим скелетом. Сейсмические данные ограничивают бинарными изображениями, например, путем редуцирования данных только до их полярности, например, до ±1. Полосы со значением +1 редуцируют до линий со значением +1 с равной связностью, например с применением морфологического прореживания. Полосы со значением -1 редуцируют до линий со значением -1. Значения всех остальных выборок устанавливают равными нулю. Аналогичный результат получают из очевидного признака полярности, который сформирован полярностью мгновенной фазы, вычисленной в локальных экстремумах амплитуды.
Другой аспект вычисления структурного рисунка относится к разломам, которые могут быть обнаружены как разрывы в сейсмических данных (см., например, публикацию патента США № 6516274 B2 “Method for imaging discontinuities in seismic data using dip-steering”, выданного Ченгу и др. (Cheng et al.); или публикацию международной заявки на патент согласно PCT № WO 2009/082545 A1 “Detection Of Features In Seismic Images”, авторами которой являются Кумаран (Kumaran) и Ванг (Wang)). Detected fault segments may be further cleaned up or refined. Обнаруженные сегменты разломов могут быть дополнительно очищены или сглажены (см., например, публикацию патента США № 7203342 B2 “Image feature extraction”, выданного Педерсену (Pedersen)).
Геологические признаки
1.a Генерация региональных признаков путем структурно-ориентированного сглаживания на больших расстояниях
Геологический признак представляет собой сейсмическую характеристику, которая выделяет или количественно определяет некоторый аспект углеводородной системы или нефтегазоносного комплекса пород. Геологические признаки часто являются региональными по своей природе. Они могут, например, оценивать свойство сейсмических данных более чем по десяткам или сотням вокселей. На таких расстояниях признаки предпочтительно вычисляют вдоль структурного рисунка структурно-ориентированным способом для предотвращения смешения и, соответственно, загрязнения от других пластов, проходящих через окно анализа.
С учетом структурного рисунка, определяемого исходным объемом данных сейсмических данных, любой признак может быть преобразован в региональный признак путем интегрирования или усреднения его по структурному рисунку. Один такой способ основан на нелинейной, анизотропной диффузионной фильтрации (см., например, публикацию патента США № 6725174 B2 “Edge-preserving enhancement of seismic images by nonlinear anisotropic diffusion”, выданного Боутсу и др. (Bouts et al.)), в котором сглаживание сейсмических данных выполняют преимущественно вдоль направления отражений. Традиционно, структурный рисунок или направления отражений вычисляют с использованием сейсмических структурных тензоров для заданного массива сейсморазведочных данных, подлежащего сглаживанию, но структурный рисунок может быть определен любым способом. Некоторые из них здесь раскрыты.
В настоящем изобретении для вычисления структурного рисунка для первичного объема данных амплитуды сейсмической волны может использоваться нелинейная анизотропная диффузия, но затем этот структурный рисунок используют для сглаживания вторичного массива данных вдоль направления отражений в первичном объеме данных амплитуды сейсмической волны. В некоторых случаях этот вторичный массив данных даже не может быть слоистым или полосчатым, что не допускает вычисление его собственного надлежащего структурного тензора. Тем не менее, в тех случаях, когда вторичный массив данных является полосчатым, может быть целесообразным его сглаживание вдоль структурного рисунка опорного объема данных сейсмических данных, например, для улучшения непротиворечивости между различными массивами данных после структурно-ориентированного сглаживания.
Альтернативный способ структурно-ориентированного сглаживания на больших расстояниях в настоящем изобретении основан на линейной интегральной свертке (LIC). Линейная интегральная свертка представляет собой известный алгоритм синтеза текстуры, используемый при обработке изображений или визуализации данных (см. публикацию Кабрала (Cabral) и Лидома (Leedom) “Imaging Vector Fields Using Line Integral Convolution”, Proceedings of ACM SigGraph 93, 263-270, (1993)). Для свертки входной шумовой текстуры, например изображения случайных помех, вдоль симметричных двунаправленных линий обтекания с центром в пикселе, чтобы использовать пространственную корреляцию в направлении прохождения волны, использован фильтр нижних частот. Часто, линии обтекания представлены не кривыми, а векторным полем, векторы которого расположены по касательной к линиям обтекания, и линии обтекания вычисляют путем интегрирования.
Подстановка некоторых данных сейсмической характеристики для шумовой текстуры и использование структурного рисунка для определения линий обтекания позволяют использовать линейную интегральную свертку для фильтрации заданного признака вдоль структурного рисунка, что является новым подходом к структурно-ориентированной фильтрации. Предпочтительные определения структурного рисунка основаны на наклоне, например, вычисленном из структурных тензоров. Дополнительная эффективность получена за счет дискретизации структурного рисунка, или, в частности, наклонов или касательных к отраженным волнам, по углам 0°, 45°, 90°, 135°, 180°, 225°, 270° или 315°; то есть чисто в поперечном направлении, чисто по вертикали или чисто по диагонали, вместо численного интегрирования и соответствующей интерполяции с перемещением вдоль связанного перечня. Поскольку сейсмические данные обычно являются более или менее полосчатыми по горизонтали, то дополнительную эффективность получают за счет принудительного упорядочения всех касательных слева направо, что редуцирует наклоны до 0, +45 и -45°. На Фиг.4 проиллюстрировано применение фильтра линейной свертки, где серыми крестиками указано местоположение выборок, а стрелками указаны дискретизированные направления наклона. Фильтры применяются в местах, указанных жирными черными точками. На чертеже показано то, как шаблоны фильтра с центрами в точках отслеживают векторы и, соответственно, проиллюстрирован структурный рисунок, в котором собраны значения выборок, отмеченные черными крестиками, вдоль этих траекторий.
Для того чтобы сделать фильтр линейной интегральной свертки более надежным при наличии разломов и иных сложностей, он может быть сделан сохраняющим ребра путем применения этого фильтра в конфигурациях с множеством шаблонов, которые не обязательно имеют центр в местоположении текущей выборки (что проиллюстрировано на Фиг.5). Из всех проверенных конфигураций шаблонов, в конечном счете, в конкретном местоположении предпочтительно применяют ту конфигурацию, которая обеспечивает наименьшую дисперсию среди ее выборок. В зависимости от коэффициентов фильтра и от характера признака, обрабатываемого с таким сохраняющим ребра фильтром линейной интегральной свертки, могут быть пригодными иные критерии, чем критерий минимальной дисперсии. Иные возможные критерии включают в себя критерий максимальной дисперсии, минимального или максимального выхода и/или недопущения местоположений выборок, помеченных особым образом.
Коэффициенты фильтра не обязательно должны быть единообразными, что позволяет применять дифференциаторы (фильтры высоких частот), интеграторы (фильтры нижних частот) или их комбинации. Фильтры могут быть линейными или нелинейными, например, ими могут являться медианные фильтры или фильтры мод. На Фиг.6 проиллюстрировано, что шаблон фильтра может иметь произвольную форму, которая деформирована для соответствия траектории вектора, проходящей через местоположение текущей выборки. На Фиг.7 показан пример применения таких средств фильтрации, преобразовывающих локальный признак в региональный признак.
Еще один способ, используемый для выполнения структурно-ориентированной фильтрации на больших расстояниях, включает в себя использование поверхностей, полученных путем сейсмической скелетизации (см. публикацию международной заявки на патент согласно PCT № WO 2009/142872 A1, “Seismic Horizon Skeletonization”, авторами которой являются Имхоф и др. (Imhof et al.)), в котором поверхности скелета обеспечивают структурный рисунок, вдоль которого выполняют фильтрацию признаков. Вместо сглаживания вдоль дискретных поверхностей, для чего может потребоваться интерполяция, сглаживание может быть выполнено вдоль изоповерхностей объема данных картирования возраста, построенных из поверхностей скелета. В альтернативном варианте признак может быть преобразован из традиционной области глубин или геофизического двойного времени пробега в область геологического возраста. В области геологического возраста горизонтальный срез соответствует одному горизонту, и, таким образом, сглаживание или фильтрация горизонтальных срезов по определению является структурно-ориентированным (структурно-ориентированной) (см. публикацию заявки на патент США № 12/623034 “Method For Geophysical and Geological Interpretation of Seismic Volumes In Depth, Time, and Age”, авторами которой являются Имхоф и др. (Imhof et al.)). После фильтрации в области возраста результаты могут быть преобразованы обратно в область глубин или двойного времени пробега.
Вне зависимости от способа, используемого для структурно-ориентированной фильтрации, геологические признаки могут быть вычислены как многомасштабные признаки, поскольку размер фильтра задан либо интерпретатором, либо системой. Вместо вычисления геологического признака только в одном масштабе, интерпретатор или система могут выбрать множество размеров фильтра, что позволяет вычислять один и тот же геологический признак в различных масштабах.
1.b Характеристики гессиана
Новой сейсмической характеристикой из настоящего изобретения является гессиан или (двухэлементный) тензор 
производных второго порядка по пространству, 
, который вычисляют способом, аналогичным способу вычисления видоизмененного градиента. В каждом местоположении, представляющем интерес, трехмерный гессиан может быть представлен симметричной матрицей 3×3, то есть шестью независимыми компонентами. Для вычисления гессиана в любом местоположении вокселя необходимо, по меньшей мере, шесть соседних вокселей, поскольку он имеет шесть независимых компонентов. Однако вычисление может включать в себя большее количество вокселей для получения более гладких и более устойчивых оценок гессиана: путем вычисления его компонентов из переопределенной системы, например, в смысле наименьших квадратов, или путем применения аппроксимации более высокого порядка для конечно-разностной аппроксимации производных по пространству. Выбор соседних точек не ограничен какой-либо конкретной последовательностью или каким-либо конкретным шаблоном. Наоборот, соседство может быть определено как точки или как воксели, расположенные в сфере, в цилиндре, в прямоугольном параллелепипеде или в фигуре любой иной формы вокруг точки, представляющей интерес. Кроме того, эта форма может быть совмещена со структурным рисунком или с его оценкой в каждой точке.
С точки зрения геометрии объем данных сейсмических данных состоит из точечных объектов (например, шумов), криволинейных объектов (например, окончаний или русел), поверхностных объектов (например, разломов) или объемных объектов (например, поясов русел или соляных тел), внедренных в слоистую фоновую структуру. В существующей практике обычно вычисляют производные второго порядка от амплитуды по направлению или сигналы корреляции на трассе для обнаружения неоднородностей, которые обычно имеют место в геологических структурах, таких как, например, разломы, границы эрозии и выклинивания. При отсутствии перекрестных производных признаки, основанные на традиционных производных второго порядка, не полностью отображают локальные изменения в данных. Гессиан с его шестью компонентами характеризует локальную выпуклость или вогнутость сейсмических данных. Традиционно производные второго порядка находятся на диагонали гессиана, тогда как перекрестные производные находятся вне диагонали. Соответственно, признаки могут быть сформированы из этих шести компонентов и их комбинаций. Компоненты и, следовательно, признаки сформированы из производных второго порядка от объема данных сейсмических данных и показывают пространственное изменение градиента. Они отражают пространственные изменения углов наклона и азимутальных углов в объеме данных сейсмических данных, что позволяет выделять аномальные области и группы взаимосвязанных признаков. За счет выделения "разрывов" различных типов и их пространственных взаимосвязей объема данных сейсмических данных могут быть лучше охарактеризованы и визуализированы.
Другим вариантом использования гессиана является то, что он служит в качестве промежуточного этапа для вычисления значений пространственной кривизны, что проиллюстрировано в следующем разделе. Кроме того, собственные значения матрицы Гессе и проекции гессиана на определенные поверхности также образуют показатели того, насколько изогнутыми являются изоконтуры.
Кривизна является показателем степени отклонения объекта, например поверхности от плоскостности. Однако конкретные определения зависят от ситуации. Например, кривизна может быть определена для плоскости или для пространственной кривой, и в этом случае она является скалярной величиной. Она также может быть определена для параметризованной поверхности, заключенной в трехмерном пространстве, и в этом случае она является тензором. Для обнаружения признаков, связанных со стратиграфией, здесь определены два новых типа кривизны. Первой является кривизна изоконтура в двумерном сейсмическом изображении. Произвольный двумерный разрез через объем данных сейсмических данных рассматривают как карту функции 
. Изоконтур представляет собой кривую на этом разрезе, координаты которой удовлетворяют условию =константа. Его кривизна определяется следующим уравнением:
,
где все величины определяются компонентами вектора градиента изоконтура или тензора гессиана. Эта характеристика кривизны может быть особенно полезной при выделении геометрических признаков с большой кривизной, например, окончаний, углов и разветвлений.
Другое определение кривизны изоконтура основано на обобщении до трех измерений. Сейсмические данные рассматривают как функцию 
. Следует отметить, что существует бесконечное количество касательных, удовлетворяющих этому условию в любой заданной точке на поверхности. И существует столь же много плоскостей, ортогональных к поверхности, заданной касательной t и нормалью n. Пересечением такой плоскости с поверхностью является кривая, кривизну которой именуют нормальной кривизной. Максимальное значение и минимальное значение из всех значений нормальной кривизны именуют значениями 
как произведение 
Все эти количественные величины являются заданными для каждой точки в пространстве, и они могут быть компактно выражены в виде матрицы 
, известной как оператор формы. Следует отметить, что для построения одного удобного варианта осуществления матрицы пространство всех касательных в заданной точке может быть выражено как собственные векторы матрицы 
, полученной путем вычитания внешнего произведения нормали саму на себя из единичной матрицы 
. фактически проецирует любой трехмерный вектор на плоскость касательной. Таким образом, можно измерить изменение градиента, ограниченного этой плоскостью, путем умножения матрицы Гессе на , или в символической форме 
, где знак "
" обозначает внутреннее или матричное произведение. Наконец, получают путем нормировки гессиана: 
. Значениями главной кривизны являются собственные значения , деление следа на два дает среднюю кривизну 
, а определитель 
определяет гауссову кривизну.
Все эти показатели кривизны могут рассматриваться как сейсмические характеристики и могут использоваться для обнаружения окончаний и разветвлений горизонтов, которые определяют геологические важные признаки, такие как, например, разломы, эрозионные сносы, выклинивания и иные геометрические соотношения.
Характеристики изоконтура представлены в виде векторов и тензоров второго порядка. Проекции этих характеристик на конкретные направления и поверхности могут характеризовать объем данных сейсмических данных лучше, чем любой отдельный его компонент. Проекция градиента на любое направление является просто скалярным произведением вектора градиента на единичный направленный вектор. Такая проекция определяет производную по направлению от функции изоконтура вдоль конкретного направления. Чем большей является эта проекция (или производная по направлению), тем более крутым является изменение амплитуды вдоль этого направления. Аналогичным образом, проекция гессиана на единичный вектор d направления представляет собой производную второго порядка от функции изоконтура вдоль этого направления и может быть вычислена как 
, где знак "" обозначает внутреннее или скалярное произведение. Для гессиана проекциями, представляющими особый интерес, являются проекции вдоль направления градиента, направления наклона, или направления, ортогонального к плоскости, охватываемой как градиентом, так и наклоном.
Градиент изоконтура объема данных углов наклона и его проекции также содержат полезную информацию о структуре подземной среды. Градиент наклона дает количественную оценку изменений направления наклона в исходном объеме данных. Проекция градиента наклона вдоль направления наклона является показателем степени изменения наклона. Она помогает обнаруживать криволинейные объекты на отражающих границах, таких как, например, гребни, возвышенности, пустоты и долины. Проекция градиента наклона на вектор, направленный по нормали к направлению наклона, определяет показатель, характеризующий скорость сходимости или расходимости отражающей границы.
Несмотря на то что эти характеристики изоконтура (градиент, наклон, ориентация, гессиан, кривизна и проекции) могут быть использованы в качестве локальных признаков, на результаты могут влиять артефакты в областях, загрязненных шумом, или в областях с высоким уровнем сложности. Сглаживание уменьшает такие артефакты и может быть выполнено, например, путем свертки с широким фильтром низких частот или путем применения медианного фильтра с большим окном. Однако сглаживание предпочтительно выполняют структурно-ориентированным образом на более значительных расстояниях вдоль структурного рисунка для предотвращения смешения через пласты. За счет применения структурно-ориентированного фильтра на больших расстояниях локальные характеристики изоконтура могут быть преобразованы в геологические признаки.
1.c Сходимость
Другим новым геологическим признаком из настоящего изобретения является сходимость, посредством которой обнаруживают, где сходятся отраженные сейсмические волны, для формирования трендов регионального прореживания массивов данных для отраженных волн, выделения выклиниваний, клиньев или стратиграфических подошвенных налеганий и подошвенных прилеганий. Признак сходимости может использоваться для акцентирования внимания интерпретатора на стратиграфических признаках или в качестве данных, вводимых в компьютеризированную или в автоматизированную систему распознавания образов, такую как, например, система сейсмического анализа углеводородных систем из настоящего изобретения. Двумя способами вычисления сходимости являются следующие: с использованием гессиана или с использованием градиента наклона в направлениях по нормали к структурному рисунку или наклону. В зависимости от соседства, используемого для вычисления гессиана или градиента, может использоваться структурно-ориентированное сглаживание на больших расстояниях вдоль структурного рисунка с использованием линейной интегральной свертки, диффузионного фильтра, фильтра, направляемого скелетом, или фильтрации в области возраста. В каждом из этих вариантов используют исходные сейсмические данные для направления фильтра вдоль отражающих границ.
Другим способом вычисления признака сходимости является следующий: сначала измеряют локальную толщину отражающей границы, затем оценивают локальную латеральную производную толщины и, наконец, выполняют операцию латерального сглаживания вдоль отражающих границ для получения региональных трендов сходимости. Если оценку трендов производят по одиночным двумерным разрезам, то может иметь место сходимость влево или вправо, или в альтернативном варианте ее именуют сходимостью и расходимостью вдоль одного опорного направления, например, слева направо. Если оценку трендов производят по ортогональным срезам, извлеченным из объема данных, то сходимость может быть связана с ориентацией и абсолютной величиной. Кроме того, также может производиться оценка трендов по объему с использованием трехмерного окна анализа вместо множества ортогональных двумерных окон анализа.
Способами оценки локальной толщины отражающей границы являются, в том числе, следующие: продолжительность цикла, расстояние между соседними экстремумами или прохождениями через нуль; мгновенная частота или разница по времени между двумя соседними поверхностями сейсмического скелета. Может понадобиться блокирование непрерывного признака, такого как, например, мгновенная частота. Любая такая характеристика толщины может быть латерально продифференцирована для оценки скорости изменений локальной толщины. Скорость изменений локальной толщины также может быть оценена по расходимости векторного поля, например, по нормалям к отраженным волнам, или по расходимости тензорного поля, например, по касательным к отраженным волнам.
Для получения трендов региональной сходимости локальные производные толщины сглаживают оператором структурно-ориентированным фильтра длинного масштаба вдоль структурного рисунка с использованием линейной интегральной свертки, диффузионного фильтра, фильтра, направляемого скелетом, фильтрации в области возраста или любого иного способа, в котором используют исходные сейсмические данные для направления фильтра вдоль отражающих границ. Для эффективности вычислений вместе с производными могут быть закодированы метки или индикаторы горизонтов.
На Фиг.7 показан признак сходимости, основанный на продолжительности цикла, латеральной производной и на использовании линейной интегральной свертки для усиления трендов сходимости на больших расстояниях. Путем выполнения этой процедуры как вдоль профиля, так и поперек профиля, может быть построен трехмерный признак сходимости с абсолютной величиной и ориентацией (Фиг.8).
1.d Конфлюэнтность
Еще один новый геологический признак из настоящего изобретения именуют конфлюэнтностью. Отраженные сейсмические волны рассматривают как сеть путей, несущих поток информации, и некоторые из этих путей являются переполненными, поскольку они соединены с многими другими. Конфлюэнтность является мерой этого переполнения, давая оценку того, сколько путей проходит через любой заданный воксел. С точки зрения сейсмической стратиграфии ветвление и слияние отражений создают окончания в виде подошвенных прилеганий, подошвенных налеганий, кровельных прилеганий и перерывов, как изображено на Фиг.9. Все эти окончания возможно связаны с несогласиями; подошвенные прилегания также могут быть связаны с поверхностями подошвенных прилеганий, то есть с поверхностями затопления или с трансгрессивными поверхностями.
Одно семейство способов, используемых для вычисления конфлюэнтности, основано на плотности линий связи, заданных касательными к отраженным волнам. Линии связи вычисляют либо путем интегрирования поля касательных, либо просто путем отслеживания цепочки дискретизированных направлений касательных. Например, начиная с крайней левой трассы, может быть начата новая линия связи и распространена вправо. Новые линии связи начинают с приращениями через равные интервалы либо по глубине, либо по двойному времени пробега, либо при определенных событиях, таких как локальные максимумы (максимумы), локальные минимумы (минимумы) и/или прохождения через нуль. Выборки на линии связи и, предпочтительно, в небольшой зоне вокруг линии связи помечают как принадлежащие к этой конкретной линии связи. После того как все линии связи на первой трассе начаты и помечены, в алгоритме переходят к соседней трассе справа и начинают инициировать и помечать дополнительные линии связи либо с приращениями через равные интервалы в пока еще непомеченных областях, либо при пока еще непомеченных событиях. Линии связи могут быть отслежены и помечены либо слева, либо справа; предпочтительно линии связи вычисляют и помечают как слева, так и справа от текущей трассы. После того как все непомеченные области или события были использованы для начала линии связи и, соответственно, являются помеченными, способ повторяют для следующей трассы.
Когда каждая выборка или событие уже были помечены, по меньшей мере, однократно, конфлюэнтность определяют путем вычисления того, сколько раз была помечена каждая выборка. Предпочтительно это вычисление выполняют одновременно с пометкой выборок/событий путем простого приращения показаний счетчиков, связанных с местоположениями выборок. Хотя эти операции могут выполняться слева направо, предпочтительно их повторяют также справа налево, а затем добавляют к предыдущему результату, обеспечивая симметрию. Пометка выборок в области вокруг линии связи может быть выполнена с неизменным указателем или со значениями, которые изменяются в зависимости от их расстояния от линии связи. Например, переменные весовые коэффициенты указателя могут быть иметь сходство с треугольником или с гауссианом. Пренебрегая тем, когда и где следует начинать новые линии связи, можно просто пометить и сосчитать линии связи, не помечая каких-либо областей, а затем, впоследствии, выполнить операцию сглаживания, например, с использованием узкополосного, треугольного или гауссова фильтра.
Вместо отслеживания линий связи на всем протяжении слева направо (и наоборот) линии связи могут быть вычислены только лишь для конечного расстояния от начальной точки. Это вычисление может быть выполнено с использованием линейной интегральной свертки или, предпочтительно, ее измененного варианта, в котором просто выполняют приращение показаний счетчиков выборок, затронутых шаблоном.
Обобщения этих вариантов осуществления конфлюэнтности, основанных на линиях связи, на трехмерные данные могут быть получены путем выполнения независимых вычислений в направлениях вдоль профиля и поперек профиля, или вдоль набора произвольных направлений. В альтернативном варианте линии связи (кривые) могут быть обобщены на плоскости (поверхности) связи, или линейные интегралы могут быть обобщены на интегралы по поверхности.
Другие варианты осуществления конфлюэнтности могут быть получены с использованием сейсмических скелетов. Исходный скелет представлен ориентированным графом событий (вершины: локальные максимумы, локальные минимумы и прохождения через нуль) и волновая корреляция с событиями на соседних трассах (ребра). Обход графа может быть совершен от конкретной вершины (события) влево и/или вправо по ребрам (корреляциям). Инициирование обходов графа от различных вершин позволяет подсчитывать то, как часто проходит любая заданная вершина. Для инициирования обхода используют либо каждую вершину, либо, предпочтительно, для инициирования нового обхода используют только те вершины, которые еще не были пройдены. В предпочтительном случае сначала обход инициирует каждая вершина, но постепенно вершины будут пройдены, по меньшей мере, один раз, и инициирование новых обходов станет все более и более редким. Этот конкретный вариант осуществления обхода графа конфлюэнтности также может быть основан на морфологических скелетах.
Два других варианта осуществления конфлюэнтности основаны на топологическом скелете. Сначала, можно подсчитать, сколько различных поверхностей наложено на любую заданную поверхность или расположено под ней. Если одна поверхность под другой конкретной поверхностью оканчивается, то под исходной поверхностью (не оканчивающейся) должна существовать новая поверхность. Следовательно, отсчет того, сколько различных поверхностей расположено над заданной поверхностью и под ней аппроксимирует количество окончаний по сравнению с ней. Имеет место тенденция, что по своему характеру большие поверхности имеют высокие отсчеты. Однако имеет место тенденция, что нормировка отсчетов по размеру поверхности приводит к тому, что высокие относительные отсчеты назначаются самым малым поверхностям, поскольку небольшое количество отсчетов делят на малую площадь, или поверхность образована небольшим количеством выборок. Таким образом, отсчеты необходимо нормировать. Один способ нормировки включает в себя использование площади поверхности, возведенной в некоторую степень, равную, например одной второй. Однако предпочтительная нормировка основана на анализе значимости обнаружения определенного количества окончаний на поверхности конкретного размера. Например, для малой поверхности существует вероятность обнаружения большого количества окончаний относительно размера поверхности, и, соответственно, этот отсчет может не быть статистически значимым. Тем не менее, для большой поверхности даже малый отсчет количества окончаний может быть выше среднего значения в статистически значимом смысле. Вероятность окончаний поверхности может быть оценена путем усреднения отдельных относительных отсчетов количества окончаний, посредством некоторого варианта такого усреднения с присвоением весовых коэффициентов или по общему количеству поверхностей, деленному на общую площадь этих поверхностей. После того как вычислена ожидаемая вероятность (или плотность) наличия окончаний, затем может быть использован биномиальный критерий для вычисления статистической значимости отклонения от ожидаемого количества окончаний для поверхности заданного размера. Для больших поверхностей биномиальное распределение хорошо аппроксимируется удобными непрерывными распределениями, и они могут быть использованы в качестве основы для альтернативных критериев, которые могут быть вычислены намного быстрее, а именно критерия хи-квадрат Пирсона (Pearson) и G-критерия. Однако для небольшого количества выборок эти аппроксимации не подходят, и отсутствует какая-либо альтернатива биномиальному критерию.
Другой вариант осуществления конфлюэнтности, полученный из топологической скелетизации, основан на объеме данных картирования возраста, связанном с поверхностями. Области высокой конфлюэнтности имеют высокую плотность линий связи или поверхностей связи. Изоконтур или изоповерхность в объеме данных картирования возраста является аналогичным линии связи или поверхности, полученной из касательных к отраженным волнам. Таким образом, высокая плотность изоповерхностей указывает область высокой конфлюэнтности. Предпочтительной альтернативой построению изоповерхностей и оценке их плотности является вычисление градиента или производной по вертикали от объема данных картирования возраста. Области с высокими градиентами или с высокими производными имеют высокую конфлюэнтность.
Любые варианты осуществления конфлюэнтности могут быть дополнительно сглажены путем применения средства сглаживания на больших расстояниях, например линейного интеграла свертки.
1.e Замыкание и точки максимальной насыщенности коллектора
Другим набором геологических признаков, раскрытым в публикации заявки на патент США № 2010/0149917, “Method for Geophysical and Geological Interpretation of Seismic Volumes in Depth, Time, and Age”, авторами которой являются Имхоф и др. (Imhof et al.), являются замкнутая область и точка максимальной насыщенности коллектора. В традиционной практике интерпретации горизонт анализируют для определения существования замкнутых контуров, окружающих топографическую возвышенность, которые образуют замыкание, способное служить ловушкой углеводородов. Следует отметить, что замыкание может быть неявным, например, когда линии контура оканчиваются в разломе или напротив соляного купола и, как неявно предполагают, следуют за этими границами. Для каждого замкнутого контура замкнутая область задает область, содержащуюся внутри него. Таким образом, любое место на поверхности может быть проанализировано для определения того, находится ли оно на замкнутом контуре, окружающем возвышенность, или нет, и, если оно находится на нем, то может быть вычислена площадь, охваченная контуром. Для каждой возвышенности ее максимальная замкнутая область указывает максимальную протяженность потенциальной ловушки углеводородов.
Замыкания и замкнутые области могут быть определены для любого одиночного горизонта или для любого набора горизонтов, например для поверхностей отображенных традиционными средствами или способом автоматизированной скелетизации. Также путем оценки замкнутой области для каждой поверхности в массиве данных по объему данных, характеризующему возраст, или предпочтительно по объему данных, характеризующему глубину, может быть вычислен объем данных замкнутой области, в котором каждой выборке присвоено значение, равное нулю, если она не является частью замкнутой изобаты, которая окружает возвышенность. В противном случае площадь области, окруженной контуром, присваивают местоположению выборки.
Используя объем данных, характеризующий возраст, поверхность может быть построена путем выбора возраста или местоположения, или по каким-либо иным критериям. Эта поверхность может быть проанализирована на наличие возвышенностей, контуров, окружающих возвышенности, и по их площадям. Однако предпочтительно используют объем данных, характеризующий глубину. Каждый горизонтальный срез в объеме данных, характеризующем глубину, отображает поверхность в некотором возрасте. Фактически, объем данных, характеризующий глубину, не является ничем иным, как суммой поверхностей, упорядоченных по возрасту. Для каждого среза (или поверхности некоторого возраста) его значения соответствуют глубине, и, соответственно, каждый срез представляет собой карту глубин. Каждый срез может быть проанализирован на наличие возвышенностей, замкнутых контуров и замкнутых областей, что позволяет вычислить объем данных замкнутой области в области возраста. При желании весь объем данных замкнутой области или его часть, например срез, могут быть легко преобразованы в область глубин.
Расширением объема данных замыканий или замкнутых областей являются точки максимальной насыщенности коллектора и объема данных для точек максимальной насыщенности коллектора. Точка максимальной насыщенности коллектора представляет собой место вблизи контура максимальной замкнутой области, где имеет место разрыв контуров и, соответственно, утечки из потенциально возможных ловушек (Фиг.1). Определение всех точек максимальной насыщенности коллектора позволяет создать объем данных для точек максимальной насыщенности коллектора и исследовать то, как происходит утечка из различных потенциально возможных ловушек, и как они подпитывают друг друга. Местоположения и количество точек максимальной насыщенности коллектора могут использоваться для оценки риска для перспективного объекта разведки или для направления поиска в те области, из которых происходит утечка углеводородов и в которых происходит их накопление. Несмотря на то что точки максимальной насыщенности коллектора могут быть идентифицированы по объему данных, характеризующих возраст, путем извлечением поверхностей одинакового возраста и их исследования, точки максимальной насыщенности коллектора и объема данных для точек максимальной насыщенности коллектора предпочтительно генерируют из объема данных, характеризующих глубину, которые соответствуют суммарным картам глубин для различных возрастов (то есть, суммарным картам глубин для различных горизонтов). При необходимости точки максимальной насыщенности коллектора и объема данных для точек максимальной насыщенности коллектора, определенные их объема данных, характеризующих глубину, могут быть легко преобразованы в область глубин с использованием объема данных, характеризующего глубину, в качестве справочной таблицы или путем интерполяции.
1.f Остаточные фазы
Другой геологический признак может быть сформирован из аномалий мгновенной фазы, которые указывают на те места, где расщепляется сейсмический импульс (публикация международной заявки на патент согласно PCT № 2009/137150 A1 “Method For Geophysical And Stratigraphic Interpretation Using Waveform Anomalies”, автором которой является Имхоф (Imhof)). Признак аномалии мгновенной фазы представляет собой дискретный признак, указывающий, происходит ли расщепление импульса в месте выборки или нет. Традиционная свертка с узкополосным фильтром позволяет вычислять локальную плотность расщеплений импульса. Структурно-ориентированное сглаживание на больших расстояниях, например, с использованием линейной интегральной свертки, позволяет вычислять плотность расщеплений импульса, которая соответствующую нижележащему сейсмическому структурному рисунку. Предпочтительно петли и цепочки расщеплений импульса сначала классифицируют на основании их формы и ориентации для подавления расщеплений импульса, вызванных шумом или артефактами.
Остаточные фазы возникают в тех местах, где импульсы расщепляются, а это означает, что начинается дополнительная отраженная волна, или, что одна отраженная волна сливается с другой. Другими словами, имеет место окончание. Окончания часто классифицируют как подошвенное налегание, подошвенное прилегание, кровельное прилегание и перерыв (см. Фиг.9) в зависимости от соотношений между отраженными волнами. Таким образом, остаточные фазы могут быть классифицированы как подошвенные налегания, подошвенные прилегания, кровельные прилегания и перерывы. В качестве альтернативы остаточным фазам, также могут быть произведено обнаружение окончаний и выполнена их классификация по сейсмическим скелетам. Если информация о наклоне не используется, то не могут быть установлены различия между подошвенными прилеганиями и подошвенными налеганиями, и может потребоваться их объединение в одну группу. Без информации о наклоне не могут быть установлены различия между кровельным прилеганием и перерывом, и может потребоваться их объединение в одну группу. Окончания и их классификация могут быть отмечены на поверхностях или на линиях связи для конфлюэнтности. Предпочтительно окончания и их классификации преобразовывают в значения плотности или в геологические признаки путем сглаживания. Особо полезными геологическими признаками, основанными на окончаниях, являются плотности окончаний, такие как, например, плотность подошвенных налеганий/подошвенных прилеганий, плотность перерывов/кровельных прилеганий или разность между плотностью подошвенных налеганий/подошвенных прилеганий и плотностью перерывов/кровельных прилеганий, которая указывает, какой характер поведения является преобладающим.
1.g Текстура
Другие геологические признаки основаны на сейсмической текстуре. В публикации патента США № 6438493 B1 “Method for seismic facies interpretation using textural analysis and neural networks”, выданного Весту (West) и Мэю (May) раскрыт способ идентификации сейсмических фаций на основании структурных признаков, вычисленных с использованием полутоновой матрицы смежности (GLCM). Локальными структурными признаками, получаемыми из GLCM, являются, в том числе: однородность текстуры, инерция (также известная как момент разности между элементами или контраст), энтропия и энергия (также известная как равномерность), но эти примеры не являются ограничивающим признаком. С использованием сглаживания на больших расстояниях вдоль структурного рисунка эти признаки могут быть преобразованы в региональные геологические признаки, связывающие текстуру с сейсмическими фациями. Текстурные признаки, основанные на GLCM, могут быть дополнительно обобщены на трехмерные текстурные признаки (см., например, публикацию патента США № 6226596 B1 “Method for analyzing and classifying three dimensional seismic information”, выданного Гао (Gao)).
Другой текстурный признак (см. публикацию международной заявки на патент согласно PCT № WO 2009/011735 “Geologic Features From Curvelet Based Seismic Attributes”, авторами которой являются Нееламани (Neelamani) и Конверс (Converse)) идентифицирует стратиграфические признаки из сейсмических данных путем курвлет-преобразования данных. Из этого курвлет-представления извлекают выбранные признаки геофизических данных и их взаимозависимости, и используют их для идентификации геологических объектов. С использованием сглаживания на больших расстояниях вдоль структурного рисунка эти признаки могут быть преобразованы в региональные геологические признаки, относящиеся к текстуре и к сейсмическим фациям.
Еще одни текстурные признаки основаны на многомерных критериях Фурье, обработанных методом окна (см. публикацию международной заявки на патент согласно PCT № WO 2010/053618 “Method for Seismic Interpretation Using Seismic Texture Attributes”, автором которой является Имхоф (Imhof)). Одним таким конкретным критерием является регулярность, текстурный признак, который оценивает, насколько полосчатыми (или регулярными) оказываются сейсмические данные. Области с чистыми сквозными отражениями имеют высокую степень регулярности, тогда как зашумленные области с дезорганизованными отражениями имеют низкую регулярность. При малых окнах анализа регулярность является мерой разрыва. При больших окнах анализа регулярность действует как мера хаотичности. Таким образом, регулярность также может именоваться хаотичностью разрывов на множестве трасс. С использованием сглаживания на больших расстояниях вдоль структурного рисунка эти многомерные критерии Фурье, обработанные методом окна, могут быть преобразованы в региональные геологические признаки, относящиеся к текстуре и к сейсмическим фациям. Например, сквозные региональные отражения, обычно именуемые "железнодорожными путями", часто соответствуют трансгрессивным поверхностям (или поверхностям затопления), которые часто образуют литологические экраны. Таким образом, сглаживание регулярности (или ее обратной величины, хаотичности) на больших расстояниях создает геологический признак, относящийся к литологическим экранам для углеводородов, поскольку сланцы не только образуют литологические экраны, но и действуют в качестве нефтематеринских пород, нефтематеринских пород, являющихся источником углеводородов.
В публикации Рандена (Randen) и Соннеланда (Sonneland) “Atlas of 3D Seismic Attributes” в сборнике "Mathematical Methods and Modeling in Hydrocarbon Exploration and Production" под редакцией Иске (Iske) и Рандена (Randen), издательство "Шпрингер" (Springer), страницы 23-46 (2005)) представлен обзор дополнительных трехмерных сейсмических характеристик, которые характеризуют сейсмическую текстуру или сейсмостратиграфические признаки.
1.h Аномалии WPCA
Другое семейство признаков, относящихся к этому изобретению, раскрыто в публикации международной заявки на патент согласно PCT № WO 2010/056424 “Windowed Statistical Analysis for Anomaly Detection in Geophysical Datasets”, авторами которой являются Кумаран и др. (Kumaran et al.). Эти признаки выделяют те местоположения в одном или во множестве массивов данных, где сейсмические данные являются статистически аномальными по сравнению с другими местоположениями. Кроме того, эти признаки создают векторный базис структур в пределах от наиболее распространенных до наиболее аномальных. Проецирование данных на линейную комбинацию этих структур акцентирует некоторые структуры, подавляя при этом другие. Например, может быть подавлена повсеместная сейсмическая полосчатость. С использованием сглаживания на больших расстояниях вдоль структурного рисунка отфильтрованные сейсмические характеристики могут быть преобразованы в региональные геологические признаки. Другим применением является локальное разложение данных на эти структуры и определение преобладающей структуры, которая влияет на классификацию выборок сейсмических данных на основании структур окружающих выборок. С использованием медианного фильтра или фильтра мод на больших расстояниях вдоль структурного рисунка, локальный класс может быть преобразован в региональный.
1.i Другие признаки
Признак другого типа основан на решении обратной задачи для сейсмических данных при различных удалениях источник-приемник и на наблюдаемом характере поведения амплитуды в зависимости от удаления, что позволяет прогнозировать пористость и содержание глины, и обеспечивает возможность классификации литологических фаций (см., например, публикацию патента США № 7424367 B2 “Method for predicting lithology and porosity from seismic reflection data”, выданного Сальтцеру и др. (Saltzer et al.); публикацию Ксу и др. (Xu et al.) “Seismic Rock-Property Inversion and Lithofacies Prediction at Erha Field, Nigeria”, Nigerian Association of Petroleum Explorationists (NAPE) 2008 conference proceedings; публикацию Опперта и др. (Oppert et al.) “Lithofacies Prediction in Deep Water Water Reservoirs”, Society of Exploration Geophysicists, Expanded Abstracts, 1708-1711, (2006)). С использованием сглаживания на больших расстояниях вдоль структурного рисунка эти признаки могут быть преобразованы в региональные геологические признаки, относящиеся к литологическим фациям, к содержанию глины и к пористости.
В публикации европейского патента № EP 1110103 B1 “Method Of Seismic Signal Processing”, выданного Мелдалю и др. (Meldahl et al.), раскрыт способ генерации признаков, который позволяет обнаруживать потенциально возможные скопления мелкозалегающего газа. Скопление мелкозалегающего газа представляет собой вертикальное возмущение сейсмического отклика из-за выхода газа, которое ухудшает сейсмические данные вследствие ограничений при сборе и обработке данных. Результирующий признак скопления мелкозалегающего газа в объеме данных выделяет вертикальные возмущения сейсмических сигналов, которые часто связаны с со скоплениями мелкозалегающего газа. Он выявляет информацию о предыстории углеводородов и о движении флюидов. Другими словами, объем данных о скоплениях мелкозалегающего газа может выявить то, где изначально образовались углеводороды, как они мигрировали в перспективный объект разведки и как они растеклись из этого перспективного объекта разведки. По существу, можно видеть, что объем данных о скоплениях мелкозалегающего газа является новым косвенным признаком наличия углеводородов.
Кроме того, в публикации Лозета и др. (Loseth et al.) “Hydrocarbon leakage interpreted on seismic data“, Marine and Petroleum Geology 26(7), 1304-1319, (2009)) приведен обзор сейсмической интерпретации утечек углеводородов.
Наконец, сейсмические характеристики могут быть связаны со свойствами в подземной среде, которые могут использоваться для моделирования явлений переноса, например, теплового потока и температуры, которые влияют на созревание углеводородов, или проницаемости и движения флюидов, которые влияют на миграцию углеводородов (см. публикацию международной заявки на патент согласно PCT № WO 2009/137228 A2 “Transport Property Data Calculated From Derivative Seismic Rock Property Data For Transport Modeling”, авторами которой являются Опперт и др. (Oppert et al.)).
1.j Комбинационные признаки/признаки нефтегазоносного комплекса пород
В некоторых вариантах осуществления способа, предложенного в настоящем изобретении, сейсмические данные исследуют на наличие одного или множества конкретных нефтегазоносных комплексов пород вместо исследования на наличие элементов более общей углеводородной системы. Примерами могут являться, в том числе, следующие: антиклинальные нефтегазоносные комплексы пород (Фиг.10), нефтегазоносные комплексы пород нормального сброса (Фиг.11), нефтегазоносные комплексы пород крыла соляного купола (Фиг.12), нефтегазоносные комплексы пород русловой рукавообразной залежи или иные, например, проиллюстрированные на Фиг.13-16. В этих случаях для установления различий между конкретными признаками, такими как, например, разломы, соль или русла необходимы признаки, средства обнаружения или последовательности выполняемых действий.
В публикации международной заявки на патент согласно PCT № WO 2009/082545 “Detection of Features in Seismic Images”, авторами которой являются Кумаран (Kumaran) и Ванг (Wang), раскрыт один такой способ обнаружения русел или разломов в сейсмических данных. Для обнаружения разломов в сейсмических изображениях идентифицируют границы, и интенсивности на границах интегрируют по множеству направлений, например, с использованием преобразования Радона для обнаружения наличия и ориентации линий разлома. Для русел обнаруживают границы и преобразовывают их в гладкие кривые для идентификации границ русла. Наборы параллельных гладких кривых затем исследуют для нахождения пар кривых, которые соответствуют левой и правой границам русла, определяя, таким образом, русло.
В публикации патента США № 7203342 B2 “Image Feature Extraction”, выданного Педерсену (Pedersen), раскрыт другой такой способ, предназначенный для извлечения информации о разломах из данных сейсмической характеристики, хотя он также может использоваться для других задач извлечения линий или поверхностных. Этот способ основан на методе "отслеживания муравьев", где многочисленные "муравьи" или "агенты" передвигаются по объему данных данных, характеризующих разрыв, или по объему данных данных для обнаружения границ, медленно присоединяя близлежащие части совмещенных границ.
Последним примером является обнаружение соляных тел с использованием признаков, характеризующих регулярность или хаотичность, раскрытое в публикации международной заявки на патент согласно PCT № WO 2010/053618 “Method for Seismic Interpretation Using Seismic Texture Attributes”, автором которой является Имхоф (Imhof); в публикации Рандена (Randen) и Соннеланда (Sonneland) “Atlas of 3D Seismic Attributes” (в сборнике "Mathematical Methods and Modeling in Hydrocarbon Exploration and Production" под редакцией Иске (Iske) и Рандена (Randen), издательство "Шпрингер" (Springer), страницы 23-46 (2005)). Эти признаки выделяют те области в сейсмических данных, которые оказываются хаотичными с нерегулярной текстурой, часто соответствующими соляным телам.
Эти способы представляют собой просто три способа идентификации конкретных признаков, которые приведены в качестве примеров. Были раскрыты многие другие способы, и они являются хорошо известными для специалистов-практиков в данной области техники.
Разделение
Для обнаружения одновременного наличия множества проксимальных элементов углеводородной системы или множества элементов нефтегазоносного комплекса пород, объем данных данных может быть разделен, по меньшей мере, на один сегмент для анализа, возможно совместно с фоновым сегментом, который не подвергают анализу, но это не является обязательным условием. Типичными режимами разделения являются следующие виды анализа: анализ отдельных вокселей, анализ небольших блоков, анализ блоков, совмещенных со структурным рисунком, анализ слоев или анализ смежных групп вокселей. Разделение не обязательно должно быть взаимоисключающим. Отдельные разделы могут перекрываться.
Простейшим разделением является анализ вокселей одного за другим, но результаты могут быть пятнистыми, поскольку редко распознают все элементы в одном и том же вокселе, и маловероятно, что встретится протяженная область из смежных вокселей, в которой присутствуют все элементы. При операции 5 способа, предложенного в настоящем изобретении (см. Фиг.2), при которой производят оценку для создания более крупных смежных перспективных объектов разведки, могут использоваться такие способы, как, например, сглаживание признаков или расширение обнаруженных элементов на окружающие воксели. Разделение на воксели является предпочтительным способом разделения, поскольку данные часто уже представлены как воксели. Поэтому операцию разделения считают необязательной. Кроме того, время операции оценки разделы (и, соответственно, воксели) могут быть агрегированы в более крупные области. Таким образом, для изложения идеи способа, предложенного в настоящем изобретении, если разделение не было выполнено в явном виде, то полагают, что каждый воксел образует свой собственный раздел.
Другая схема разделения включает в себя разбиение объема данных на регулярные блоки или "кирпичи" в декартовой системе координат, например, на образцы размером 20×20×20, где ожидается, что в пределах предполагаемого "кирпича" присутствуют некоторые или все элементы.
"Кирпичи" в декартовой системе координат прорезаны через пласты и структурный рисунок. Альтернативой регулярным "кирпичам" или блокам в декартовой системе координат является совмещение блоков со структурным рисунком. В этой схеме будут иметь место различия по размеру и форме между разделами, поскольку они соответствуют структурному рисунку. Конкретным способом генерации такого разделения является использование самого структурного рисунка для определения общей структуры слоев. В частности, например, выбор фрагментов поверхности, созданной путем сейсмической скелетизации, может быть распространен по вертикали для создания тел или сегментов.
Другой предпочтительный способ разделения основан на одной или на множестве сейсмических характеристик, сгенерированных, например, при операции 2. Разделы создаются путем пороговой обработки признаков, сопровождаемой анализом связных компонент или аналогичной операцией, для генерации смежных областей, внедренных в фон. Этот способ также именуют обнаружением затравок (по многим объему данных). Предпочтительным признаком для управления разделением является рельефность, представляющая собой признак, который выделяет те места в одном или во множестве массивов данных, где сейсмические данные являются статистически аномальными по сравнению с другими местами. Признаки рельефности раскрыты в публикации международной заявки на патент согласно PCT № WO 2010/056424 “Windowed Statistical Analysis for Anomaly Detection in Geophysical Datasets”, авторами которой являются Кумаран и др. (Kumaran et al.). Рельефность представляет собой общее наименование признака, который выделяет статистические аномалии в данных. Кумараном (Kumaran) и др. раскрыты “обратная ковариантность”, “остаток (WPCA)” или “аномалия (WPCA) ”, терминология для конкретных вариантов осуществления рельефности. Дополнительные признаки рельефности могут быть вычислены с использованием способов, предложенных Кумараном (Kumaran). Рельефность может быть подвергнута пороговой обработке для выполнения анализа только в смежных аномальных областях.
Альтернативный способ использования признаков для управления разделением состоит в следующем: сначала выполняют иной способ разделения, например на блоки в декартовой системе координат или на тела, совмещенные со структурным рисунком, а затем сохраняют только разделы, где признак, вычисленный для каждого раздела, превышает абсолютную величину или относительную величину, или удовлетворяет некоторому заданному условию, например, где максимальная рельефность принимает значение в верхней квинтили или где средняя регулярность не выходит за пределы интервала от 0,3 до 0,6.
Последний пример способа разделения включает в себя подразделение объема данных на малые области, ранжированные по признаку (признакам), например по рельефности. Для многих вариантов осуществления настоящего изобретения не имеет значение порядок оценки перспективности различных разделов или отдельных вокселей. Этот последний пример демонстрирует использование такого признака, как, например, рельефность (или размера, другого признака или комбинации других признаков) для определения порядка, в котором анализируют разделы. При использовании такого распределения по приоритетам может отсутствовать необходимость анализа всех областей, полученных после разделения. В этом варианте осуществления способа, предложенного в настоящем изобретении, оценку углеводородной системы начинают (операция 5) с самых рельефных областей и продолжают для постепенно менее рельефных областей до тех пор, пока не будет проанализировано заданное количество областей, пока не будет найдено заданное количество перспективных объектов разведки, или пока не будет превышено заданное время, предусмотренное для анализа.
Количественные оценки элементов
Вычисление количественных оценок показателей может включать в себя нормировку, приведение к требуемым условиям, комбинирование или масштабирование. Для некоторых элементов нефтегазоносного комплекса пород или углеводородной системы при этой операции берут, по меньшей мере, один признак для каждого имеющегося элемента для формирования количественной оценки для каждого раздела (или в простейшем случае для каждого вокселя), выражающего вероятность или математическое ожидание того, что конкретный элемент содержится в конкретном разделе. Вычисление количественных оценок считают необязательной операцией, поскольку оно может быть выполнено как явная отдельная операция 4, как показано на схеме последовательности операций Фиг.2. Однако в некоторых вариантах осуществления настоящего изобретения оно может быть выполнено совместно с формированием признака (операция 2) или с оценкой перспективного объекта разведки (операция 5).
В простейшем варианте способа, предложенного в настоящем изобретении, признак непосредственно используют в качестве количественной оценки для указания того, присутствует ли конкретный элемент в каком-либо заданном месте или нет. Однако различные признаки могут иметь различные диапазоны их значений, и часто целесообразно нормировать их значения, например, от 0 до 1 или от 0 до 255, для более легкого сравнения признаков или для облегчения вероятностной интерпретации. Нормировка представляет собой просто линейное преобразование значений атрибута.
Альтернативой нормировке является калибровка или применением нелинейного преобразования значений атрибута, которое либо управляется данными, например, выравниванием гистограммы или преобразованием гистограммы, либо управляется моделью, которая выражает то, как признак связан с вероятностью существования заданного элемента. Такая модель может быть основана на теории, на результатах измерений, на априорных или контекстно-зависимых сведениях, на опыте или на интуиции.
Сейсмическими характеристиками являются результаты наблюдений, измерений или вычислений, выполненных с сейсмическими данными. Они могут относиться к элементам углеводородной системы или к элементам нефтегазоносного комплекса пород, но часто они фактически не являются мерой этих элементов. Кроме того, они не могут быть однозначно определенными. К одному и тому же элементу могут относиться различные признаки. Один и тот же признак может относиться к множеству элементов, несмотря на то, что шум также влияет на сбор данных, обработку данных и на алгоритм и параметры, используемые для генерации признака. Признак одного и того же типа может быть вычислен с использованием различных алгоритмов. Комбинация признаков позволяет сформировать одну количественную оценку, которая указывает вероятность или математическое ожидание наличия элемента в заданном месте.
Если для заданного элемента не был вычислен какой-либо прямой признак, который определяет количественную оценку, то возможно потребуется косвенное определение количественной оценки с использованием замещающего признака или замещающей количественной оценки, эвристики, концепции или априорного математического ожидания (например, постоянного значения, равного 0,1, которое просто указывает 10%-ную вероятность для элемента). Например, наличие коллектора может быть прямо указано оценкой соотношения сланец-песок и/или оценкой пористости. Если такой признак-указатель не существует, то, возможно, потребуется использование концептуального замещающего признака, полученного, например, из последовательности стратиграфических концепций. Таким замещающим признаком может являться комбинация донного конуса выноса при низком положении уровня моря, который покрывает несогласие (границу секвенции), как показано на Фиг.17. Донные конусы выносов при низком положении уровня часто имеют хорошую пористость и проницаемость, и, соответственно, потенциально могут образовывать элемент коллектора. Поднимающийся относительный уровень моря покрывает этот конус выноса подошвами в виде клиньев осадконакопления при низком положении уровня моря, которые, вероятно, состоят из более тонкого, менее проницаемого вещества с шапкой, представляющей собой трансгрессивную поверхность. Дальнейший подъем относительного уровня моря приводит к заглублению низкого уровня моря ниже трансгрессивных трактов систем и трактов систем высокого уровня моря. В дистальных местоположениях конус выноса может оказаться расположенным между "несогласием" и "трансгрессивной" поверхностью. Таким образом, тело породы между несогласием и трансгрессивной поверхностью, расположенной на глубокой стороне упомянутого несогласия, может являться конусом выноса при низком положении уровня моря и, следовательно, ему будет присвоена высокая количественная оценка, характеризующая коллектор.
Другим аспектом назначения количественных оценок является масштабирование до сегментов или разделов. В каждом местоположении вокселя определяют множество признаков. Остальные могут существовать только на поверхностях или в нескольких выбранных местоположениях. Конкретный раздел может соответствовать одному вокселу или набору смежных вокселей. Для назначения количественной оценки каждому разделу (или в простейшем случае каждому вокселу) может потребоваться интерполяция или редуцирование признаков для получения одной количественной оценки для каждого раздела. Для раздела, который содержит множество выборок, репрезентативная количественная оценка может быть найдена путем вычисления среднего значения, медианы или моды; путем применения процедуры определения мажоритарной выборки; или путем выбора минимального, максимального или случайного значения выборки.
Количественные оценки целесообразно дополнить достоверностью. Количественная оценка отображает вероятность того, что конкретный элемент встретится в заданном местоположении. Однако количественная оценка не указывает, насколько достоверной является эта вероятность. Местоположение, где сейсмическая характеристика прогнозирует высокую пористость, может получить ту же самую количественную оценку, что и местоположение с конусом выноса при низком положении уровня моря, предполагаемое из-за близости несогласия и трансгрессивной поверхности. Но в первом местоположении имеется результат относительно прямого измерения пористости, и, соответственно, наличие коллектора. Во втором местоположении существование коллектора предполагается из концептуальной модели. Прямое измерение внушает более высокую достоверность, чем прогнозирование на основании концептуальной модели. Эта разница выражается величиной достоверности, соответствующей количественной оценке.
Оценка перспективности
Использование количественных оценок для нефтегазоносного комплекса пород или для элементов углеводородной системы позволяет оценивать перспективность раздела (или вокселя) (операция 5) и распознавать их недостатки, то есть, элементы, которые слабо выражены, отсутствуют или имеют недостаточное разрешение.
Многие из раскрытых геологических признаков отображают тренды и, соответственно, имеют относительно низкое разрешение. В некоторых вариантах осуществления системы, предложенной в настоящем изобретении, требования к пространственному расположению элементов, например, что литологический экран расположен выше коллектора, являются менее строгими и заменены проверкой на наличие всех элементов в пределах сингулярного раздела. Эту проверку на наличие всех элементов именуют вентильной логической проверкой, поскольку раздел должен пройти проверку для всех элементов, чтобы считаться перспективным. Следовательно, подход, основанный на вентильной логике, в котором объединяют элементы, представляет собой категорический подход "все или ничего". То, что элемент удовлетворяет условиям, часто означает превышение порогового значения количественной оценки, которое обычно задается интерпретатором или закодировано в системе. Элементы, не удовлетворяющие условиям, могут быть помечены для дальнейшего исследования, поскольку они являются слабыми звеньями для раздела. Вентильная логика является предпочтительным вариантом осуществления оценки перспективности.
Более постепенной проверкой перспективности является мажоритарная выборка, при которой просто подсчитывают, сколько элементов присутствует в заданном вокселе или разделе. Чем больше элементов присутствует, тем более перспективным считают раздел. Присутствие или отсутствие элемента основано на сравнении его количественной оценки с пороговым значением, заданным интерпретатором или закодированным в системе. Отсутствующие или слабо выраженные элементы могут быть помечены. Определение мажоритарной выборки является другим предпочтительным вариантом осуществления оценки перспективности. Видоизмененным вариантом определения мажоритарной выборки является определение мажоритарной выборки с присвоением весовых коэффициентов, где некоторым элементам дают больший вес или дают больше "голосов", чем другим. Определение мажоритарной выборки с присвоением весовых коэффициентов может использоваться, например, для выделения элементов, обнаруживаемых с более высокой достоверностью.
Возможны сочетания вентильной логики с определением мажоритарной выборки, например за счет требования того, чтобы присутствовало конкретное количество элементов, вместо требования наличия всех элементов. Другим примером является требуемое наличие некоторых заданных элементов и желательное наличие других.
Оценка перспективности может включать в себя аспекты операции 4 вычисления количественных оценок. Примером является комбинация различных признаков, например, признаков, вычисленных с использованием различных алгоритмов или параметризаций, которые относится к одному и тому же элементу (к одним и тем же элементам). Вместо того чтобы сначала объединять признаки в количественные оценки для отдельных элементов, а затем производить оценку перспективного объекта разведки на основании этих количественных оценок, перспективность раздела может быть оценена непосредственно по различным признакам, например, путем определения мажоритарной выборки или подсчета того, сколько признаков превышают заданные пользователем или системой пороговые значения.
Жестких пороговых значений можно избежать за счет использования многозначной логики, например, нечеткой логики, полученной из теории нечетких множеств, чтобы иметь дело с вынесением суждений, которые являются приблизительными, а не точными. Вентильная логика является четкой и бинарной со значениями принадлежности 0 и 1, отображающими состояния "ниже порогового значения" (отсутствующий элемент) и "выше порогового значения" (присутствующий элемент). Вместо этого, количественные оценки при нечеткой логике имеют значения принадлежности в интервале от 0 до 1 и отображают степень истинности утверждения. Как степени истинности, так и значения вероятности могут принимать значения в интервале от 0 до 1 и, следовательно, могут казаться аналогичными. Однако они являются концептуально различными. Истинность отображает принадлежности к нечетко определенным множествам, а не вероятность некоторого события или состояния, как в теории вероятности. В качестве примера может быть взят стратиграфический слой, который содержит 70% илистых отложений и 30% сланца. Могут быть рассмотрены две концепции: коллектор и литологический экран. Смысл каждого из них может быть представлен определенным нечетким множеством. Формация может быть определена следующим образом: 0,7 - коллектор и 0,3 - литологический экран. Следует отметить, что концепция коллектора является субъективной и, соответственно, зависит от наблюдателя или от разработчика. Другой разработчик может с тем же успехом построить такую функцию принадлежности к множеству, в которой формацию считают коллектором, если доля илистых отложений превышает 50%. В нечеткой логике используют степени истинности в качестве математической модели явления неопределенности, тогда как вероятность является математической моделью случайности. При вероятностной постановке задачи сначала определяют скалярную переменную для фракции илистых отложений, а во вторую очередь определяют условные распределения, описывающие вероятность того, что формация была бы названа коллектором, с учетом конкретной фракции илистых отложений. Следует отметить, что приведение к требуемым условиям может быть достигнуто следующим образом: наблюдатель случайным образом выбирает обозначение для слоя, распределение по детерминистическим наблюдателям или оба этих варианта. Следовательно, вероятность не имеет ничего общего с нечеткостью; они представляют собой просто различные концепции, которые на первый взгляд кажутся схожими вследствие использования в них одного и того же интервала вещественных чисел от 0 до 1. Однако возникает путаница, поскольку свойства случайных переменных являются аналогичными свойствам состояний бинарной логики и таких теорем, как, например, теорема Де Моргана (De Morgan), которая связывает логические операторы "И" и "ИЛИ" друг с другом через отрицание, имеющая двойную применимость.
Альтернативой нечеткой логике является байесова логика, основанная на байесовой теории вероятности, которая обеспечивает возможность вынесения суждений при неопределенных утверждениях. Для оценки вероятности гипотезы или конфигурации человека или машинный интерпретатор задает некоторую априорную вероятность, которую затем обновляют с учетом новых подходящих данных. Байесова интерпретация обеспечивает стандартный набор процедур и формул для выполнения этого вычисления. Один из способов состоит в объединении требований для конкретной конфигурации и в определении ее вероятности при помощи байесовой сети доверия (BBN). Байесова сеть представляет собой вероятностную модель на основе графов, которая отображает набор случайных переменных и их условные зависимости посредством направленного ациклического графа (DAG). Этот граф показывает структуру условной независимости между случайными переменными, отображая различные элементы и их пространственные расположения. Например, байесова сеть может отображать вероятностные соотношения между элементами нефтегазоносного комплекса пород и типами нефтегазоносных комплексов пород. Принимая во внимание определенные элементы нефтегазоносного комплекса пород, эта сеть может использоваться для вычисления вероятности наличия нефтегазоносных комплексов пород различных типов. С формальной точки зрения байесовы сети представляют собой направленные ациклические графы, вершины которых отображают случайные переменные в байесовом смысле: ими могут являться наблюдаемые количественные величины, скрытые переменные, неизвестные параметры или гипотезы. Ребра отображают условные зависимости; вершины, которые не соединены, отображают переменные, которые являются условно независимыми друг от друга. На Фиг.18 представлен приведенный в качестве примера сетевой граф для всей углеводородной системы в целом. Количественные оценки, характеризующие коллектор и литологический экран, объединяют путем анализа их наложения, который указывает, имеет ли коллектор шапку в виде литологического экрана. Учитывая локальную геометрическую конфигурацию, системе "коллектор/литологический экран" присваивают количественную оценку, характеризующую ловушку. Предпочтительно ловушка, заполненная углеводородами, и, соответственно, количественную оценку, характеризующую ловушку, затем объединяют с количественными оценками, характеризующими наличие источника, и с признаками, по меньшей мере, потенциального наличия путей миграции, ведущих от источника к ловушке. В идеальном случае в сейсмических данных также имеется прямой признак наличия углеводородов (DHI). Следовательно, все количественные оценки, характеризующие ловушку, источник, миграцию и DHI, объединяют для создания количественной оценки, характеризующей накопление. Теперь всем количественным оценкам, характеризующим накопление, могут быть присвоены весовые коэффициенты по размеру и достоверности для оценки риска и для ранжирования потенциальных объектов разведки на углеводороды.
Даже при использовании геологических признаков, которые отображают тренды, разделы могут быть слишком малыми, чтобы содержать все элементы, например, при разделении на отдельные воксели. Двумя подходами к проверке на сосуществование или на совместное расположение внутри малых разделов или между вокселями являются следующие: относительные пространственные сдвиги и расширением областей влияния. Пространственный сдвиг количественных оценок преобразовывает проверку на наличие заданных пространственных соотношений в проверку на совместное расположение. Например, количественная оценка литологического экрана может быть сдвинута вниз относительно количественной оценки, характеризующей коллектор, для исследования существования литологического экрана поверх коллектора. Без применения такого сдвига необходимо выполнять проверку на наличие литологического экрана по всему коллектору. При применении такого сдвига может быть исследовано наличие литологического экрана и коллектора в одном и том же месте, например, с использованием вентильной логики. Вместо использования одиночного сдвига, может оказаться целесообразной оценка сосуществования двух количественных оценок для ряда сдвигов, отдавая предпочтение меньшим сдвигам; например, присвоение более высокой достоверности меньшим сдвигам для указания более тесной близости требуемых элементов или для уменьшения перспективности в зависимости от расстояния. Латеральные сдвиги могут использоваться для обнаружения таких элементов нефтегазоносного комплекса пород, как, например, разломы рядом с коллектором. Вместо применения вертикальных или латеральных сдвигов могут быть применены сдвиги вдоль структурного рисунка или перпендикулярно к структурному рисунку. Кроме того, также могут быть применены сдвиги в произвольных направлениях.
Применение сдвигов является неэффективным в том случае, если может потребоваться исследование многим различным дальностям и ориентациям или направлениям. Предпочтительной альтернативой сдвигу является расширение области влияния для исходных количественных оценок или для количественных оценок, подвергнутых пороговой обработке, например, путем свертки или морфологического расширения. В первом случае количественные оценки размывают или расширяют вдоль заданных направлений, например, путем свертки с конусообразным направленным фильтром, который ослабляется с увеличивающимся дальности, кодирования уменьшения достоверности. В одном конкретном варианте осуществления расширения области влияния путем свертки результат свертки добавляют к исходной количественной оценке для формирования обновленной количественной оценки, используемой для оценки перспективности. Направление расширения задает интерпретатор, или его определяют по структурному рисунку.
Исходные количественные оценки или количественные оценки, подвергнутые пороговой обработке, могут быть расширены путем направленного морфологического расширения, которое "тащит" высокие количественные оценки вдоль заданного направления в области с более низкими количественными оценками. Направление может быть задано интерпретатором, закодировано в системе или получено из структурного рисунка. Морфологические операции могут быть применены к исходным количественным оценкам или к количественным оценкам, подвергнутым пороговой обработке, и к произвольным разделениям.
На Фиг.19 схематично представлено применение способа, предложенного в настоящем изобретении, для четырех разделов или областей, являющихся потенциальными объектами разведки. Предполагая, что ни количественная оценка, характеризующая источник, ни количественная оценка, характеризующая миграцию, не могут быть определены по исходным данным, что не наблюдаются какие-либо прямые признаки наличия углеводородов, и что остальные элементы являются независимыми, перспективность для каждого объекта разведки может быть вычислена путем умножения достоверности на размер и на среднее значение количественных оценок, характеризующих коллектор, литологический экран и ловушку. В таблице 1 приведен пример этого способа вычисления количественных оценок.
Пример ранжирования для объектов разведки, показанных на Фиг.19, по размеру, достоверности и средним количественным оценкам для коллектора, литологического экрана и ловушки.
ная оцен-
ка
Вместо представления количественных оценок для каждого элемента одиночными значениями, которые использованы в примере, показанном в таблицы 1, количественные оценки могут быть представлены распределениями, которые фиксируют измеренные количественные оценки и их неопределенности и/или достоверности. Количественные оценки с высокой степенью определенности, соответствующие высокой достоверности, имеют островершинное распределение, тогда как количественные оценки с меньшей степенью определенности имеют широкое распределение. Количественные оценки, которые необходимы, но не измерены по какому-либо признаку, имеют равномерное распределение. В некоторых случаях распределения могут быть распространены и объединены через систему (см. Фиг.18). Количественные оценки также могут быть объединены методом Монте-Карло, где отдельные количественные оценки случайным образом извлекают из соответствующих распределений и распространяют через систему. Многократное повторение этих операций позволяет сформировать последующие распределения.
Анализ и визуализация
Анализ и визуализация (операция 6) являются необязательной операцией, которая может быть объединена с операцией 5 оценки перспективности. Способы анализа включают в себя следующие: объединение соседних разделов (повторное разделение), ранжирование перспективных объектов, подтверждение правильности первичных перспективных объектов, анализ вторичных перспективных объектов и анализ наиболее слабого звена.
Соседние разделы могут быть объединены для формирования смежных разделов большего размера. Основным примером является объединение разделов из одиночных вокселей в непрерывные тела большего размера, например, путем анализа связных компонент или обнаружения затравок в множестве объема данных.
В изобретении могут использоваться миллионы вокселей или от десятков до тысяч разделов, которые содержат, по меньшей мере, некоторые элементы углеводородной системы или, по меньшей мере, некоторые элементы нефтегазоносного комплекса пород. Перспективные объекты, где присутствуют все элементы, предпочтительно ранжируют для облегчения подтверждения правильности перспективных объектов. Разделы, в которых присутствуют, по меньшей мере, некоторые элементы, предпочтительно ранжируют для подтверждения или опровержения отсутствия элементов. Ранжирование может быть выполнено, например, по размеру или по достоверности.
Большие разделы, которые содержат все элементы, представляют основной интерес для дальнейшей оценки, поскольку они представляют собой перспективные объекты, то есть области, в которых система, предложенная в настоящем изобретении, прогнозирует существование углеводородов, и которые, в конечном счете, могут быть рекомендованы для бурения. Обоснование бурения перспективного объекта разведки будет сделано дальнейшими традиционными методами анализа, в которых особое внимание сосредоточено на элементах с более низкой достоверностью. Также интерес представляют те разделы, в которых отсутствует наименьшее количество элементов, например, вследствие низкой достоверности. Такие разделы могут быть проанализированы традиционными способами, чтобы увидеть, могут ли они быть переклассифицированы как перспективные объекты разведки или нет. В любом случае основное внимание в дальнейших исследованиях предпочтительно сосредоточено на наиболее слабом звене потенциальной углеводородной системы или перспективного объекта разведки, связанного с разделом.
Перспективность, достоверность, количественные оценки, помеченные элементы, и признаки обычно сохраняют в запоминающем устройстве или на диске для дальнейшего анализа и визуализации.
Выбор нефтегазоносного комплекса пород
В некоторых вариантах осуществления способа, предложенного в настоящем изобретении, данные исследуют не на наличие типовых углеводородные системы, состоящие из коллектора, ловушки, литологического экрана и т.д., но на наличие конкретных нефтегазоносных комплексов пород (например, нефтегазоносного комплекса пород крыла соляного купола), которые содержат конкретные элементы нефтегазоносного комплекса пород. Для конкретного рассматриваемого нефтегазоносного комплекса пород интерпретатор должен задать конфигурацию с определением элементов, их пространственных отношений и надлежащих геологических признаков, которые связаны с этими конкретными элементами.
На Фиг.10-16 изображены некоторые обычные нефтегазоносные комплексы пород. На всех этих чертежах пористые породы (обозначенные номером позиции 101 на Фиг.10) образуют коллекторы, которые потенциально содержат углеводороды (обозначенные точками). Для предотвращения просачивания углеводородов в вертикальном направлении необходим литологический экран (обозначенный черточками). Для предотвращения просачивания углеводородов в латеральном направлении необходимы ловушка или механизм образования ловушек. Структурные нефтегазоносные комплексы пород созданы за счет деформации геологических пластов, которые включают в себя литологический экран и породы-коллекторы, в геометрические конфигурации (или структуры), которые обеспечивают возможность накопления углеводородов. В таких результирующих геометрических конфигурациях, которые включают в себя коллекторы и литологические экраны, преобладают складки (см. Фиг.10), разломы (см. Фиг.11), или соляные диапиры (см. Фиг.12, где крестиками отмечен соляной диапир). В стратиграфических нефтегазоносных комплексах пород геометрическая конфигурация образования ловушек сформирована изменениями в породах (или в стратиграфии), которые связаны с их отложением. Один из примеров для стратиграфических нефтегазоносных комплексов пород изображен на Фиг.13, где порода-коллектор, например песок, выклинивается в экранирующую породу, например сланец. Другие стратиграфические нефтегазоносные комплексы пород связаны с эрозией коллекторов и образованием несогласий, которые покрыты пластами-экранами. На Фиг.14 изображен классический стратиграфический нефтегазоносный комплекс пород, где пласты, расположенные выше несогласия (обозначенного жирной волнистой линией), обеспечивают литологический экран для наклонных пород-коллекторов, которые были сглажены эрозией. На Фиг.15 изображен другой стратиграфический нефтегазоносный комплекс пород, в котором эрозионный рельеф в пористых породах-коллекторах заглублен под экранирующими породами, образующими ловушки. На Фиг.16 изображена конфигурация, в которой коллектор образован пористым известняком с шапкой из экранирующего пласта глинистых сланцев. Латеральная изменчивость при диагенетических процессах сохранила пористость в коллекторе, но закупорила поровое пространство в направлении по восстанию, препятствуя, таким образом, латеральному просачиванию углеводородов. Нефтегазоносные комплексы пород, показанные на Фиг.10-16 ни в коем случае не являются исчерпывающими, но представляют собой просто примеры. Было раскрыто много других примеров, и они являются известными для специалистов-практикам в данной области техники (например, см. публикацию К.Т. Биддля (K.T. Biddle) и К.К.Вильчовского (C.C. Wielchowsky) “The Petroleum System - From Source to Trap", AAPG Memoir 60, pages 219-235, (1994)).
Для каждого нефтегазоносного комплекса пород должны быть заданы определяющие его элементы, их пространственные отношения и надлежащие геологические признаки или количественные оценки. Для антиклинального нефтегазоносного комплекса пород, граничащего со складкой (см. Фиг.10) минимальное требование является геометрическим по своей сущности, а именно наличие пластов с антиклинальной структурой, имеющей сходство с перевернутым куполом. Предпочтительно существует порода-коллектор с достаточной пористостью и проницаемостью для накопления и просачивания флюидов с шапкой непосредственно из экранирующей породы, которая является непроницаемой и образует барьер, препятствующий утечке этих флюидов. В идеальном случае существует прямой геофизический признак наличия углеводородов или, по меньшей мере, некоторый признак наличия нефтематеринских пород и путей миграции флюидов в ловушку.
Для тектонически экранированного нефтегазоносного комплекса пород (см. Фиг.11) минимальные требования также являются геометрическим по своей сущности, а именно существование пластов в направлении по восстанию пласта в разлом и формации в виде трехмерной полости, представляющей собой замкнутый коллектор. При возможности одна формация может быть идентифицирована как образующая коллектор, тогда как другую формацию в непосредственной близости выше нее может быть идентифицирована как литологический экран. В идеальном случае существует прямой или косвенный признак наличия углеводородов, потенциального близлежащего источника или путей миграции флюидов.
Нефтегазоносный комплекс пород крыла соляного купола (см. Фиг.12) определяется пластами, направленными по восстанию в соляной купол. Нефтегазоносный комплекс пород со стратиграфическим выклиниванием (см. Фиг.13) требует наличия пласта, направленного по восстанию, с выклиниванием. Ловушка в месте стратиграфического несогласия (см. Фиг.14) требует, по меньшей мере, наличия наклонных пластов, выровненных несогласием. Стратиграфический нефтегазоносный комплекс пород с заглубленным эрозионным рельефом (см. Фиг.15) требует, по меньшей мере, наличия несогласия в форме трехмерной арки. Для всех этих конфигураций дополнительные критерии включают в себя следующие: наличие пластов, образующих коллектор с шапкой из пластов, образующих литологический экран, и наличие потенциального источника, признаков миграции флюидов или даже прямых признаков наличия углеводородов, захваченных в ловушку.
Схематические изображения, например, изображенные на Фиг.10-16, являются полезными для разработки, определения и сообщения конфигураций. Перспективные нефтегазоносные комплексы пород могут быть найдены и проанализированы способом, предназначенным специально для данного случая, либо с использованием индивидуальной особой последовательности выполняемых действий (или сценария), либо интерпретатором в интерактивном режиме. Некоторые варианты осуществления системы, предложенной в настоящем изобретении, могут быть основаны на одной последовательности выполняемых действий на множестве таких последовательностей, которые, большей частью, являются независимыми.
Сведения о конкретных нефтегазоносных комплексах пород и признаках, используемых для описания его элементов, предпочтительно хранят в каталоге конфигураций для повторного использования в аналогичных ситуациях.
Определение каталога конфигураций
Вместо определения нефтегазоносных комплексов пород и их конфигурации для каждого применения заново, может оказаться целесообразным создание каталога или библиотеки нефтегазоносных комплексов пород и конфигураций для многократного использования. В этом случае интерпретатор или система могут выбрать из каталога нефтегазоносный комплекс пород одного или множества типов с соответствующими им конфигурациями. Использование такого каталога стимулирует повторное использование конфигураций, способствует воспроизводимости и облегчает подтверждение. Кроме того, такой каталог обеспечивает возможность создания автоматизированных вариантов осуществления системы, предложенной в настоящем изобретении, в которых данные или разделы сравнивают с потенциально большим набором конфигураций, взятых из каталога. Даже может оказаться желательным иметь различные варианты осуществления одного и того же нефтегазоносного комплекса пород в каталоге для учета изменений качества данных или представления нефтегазоносного комплекса пород. В этом случае пользователь изобретения может производить поиск нефтегазоносного комплекса пород крыла соляного купола путем извлечения всех вариантов осуществления крыла соляного купола из каталога, выполнения анализа с использованием каждого из них и использования наилучшего результата из любого заданного раздела. Пользователь даже может использовать весь каталог по разделам, а затем присвоить каждому разделу тип нефтегазоносного комплекса пород в соответствии с вероятностями.
Для автоматизированного анализа, распознавания, или сравнения с большим набором, или даже со всем каталогом, конфигурации предпочтительно представляют для каждой конфигурации формальным образом, а не специально для конкретного случая. Примером является представление конфигураций в виде графа, где вершины или узлы соответствуют требуемым элементам и задают предпочтительные признаки, тогда как ребра графа обозначают их пространственные отношения. Другое представление записей каталога имеет вид реляционной базы данных.
Преимуществами использования более формального представления являются следующие: возможность многократного использования лежащих в основе компонентов, быстрое видоизменение существующих конфигураций, быстрое добавление новых конфигураций и непротиворечивостью результатов. Кроме того, более формальное представление стимулирует строгое определение концепций пространственного расположения, таких как, например, "выше" или "рядом". Наконец, система может потенциально быть рекурсивно наращена.
Менее формальным, но часто предпочтительным способом представления конфигураций в каталоге является присвоение весовых коэффициентов геологическим признакам. Каждая конфигурация нефтегазоносного комплекса пород характеризуется весовыми коэффициентами, присвоенными соответствующим геологическим признакам или количественным оценкам. Признакам или количественным оценкам, соответствующим конкретным элементам, присваивают большой весовой коэффициент, тогда как несоответствующим присваивают малый весовой коэффициент, например, равный нулю. Требуемые пространственные отношения между элементами отражены областями влияния или сдвигами, присвоенными признакам или количественным оценкам.
Пример
Пример основан на кубе сейсмических данных размером 1426 на 1057 на 131 выборок (также именуемых вокселями). Вычислены три геологических признака: регулярность, сходимость и замкнутая область. Регулярность вычислена с относительно большим размером окна 61 на 41 на 41 выборок. Высокая регулярность разграничивает плоские пласты, тогда как низкая регулярность разграничивает комплексные пласты либо со сложной структурой, либо со сложной стратиграфией с эрозией, врезанием и уплотнением. С учетом большого окна, использованного для вычисления регулярности, промежуточные значения регулярности соответствуют переходам между плоскими и комплексными пластами, то есть к зонам, где плоские и комплексные пласты наложены. Следовательно, объединение плоских пластов с литологическими экранами и комплексных пластов с коллекторами предпочтительно приводит к распознаванию областей с промежуточной регулярностью как областей с потенциальным наложением литологического экрана на коллектор.
Вторым геологическим признаком, использованным в этом примере, является сходимость. Отсутствие выклинивания в области указывает, что пласты являются локально плоскими. Высокие величины сходимости или выклинивания указывают, что толщина пластов локально изменяется, и что сейсмические поверхности либо сходятся, либо расходятся. Сходимость является ориентированной, и, следовательно, является векторной величиной, но в настоящем примере ориентацию или знак не учитывают, и используют только абсолютную величину сходимости. Области с помеченной сходимостью потенциально содержат стратиграфические ловушки, образованные, например, пластами с выклиниванием (см., например, Фиг.13) или являются скошенными несогласием (см., например, Фиг.14). Таким образом, признак сходимости различает возможные области сосуществования ловушки и коллектора.
Третьим геологическим признаком, использованным в этом примере, является замкнутая область. Каждый воксел из объема сейсмических данных используется в качестве затравочной точки для формирования сейсмической поверхности, которая отслеживает сейсмическую структуру. Поверхность исследуют для определения того, расположена ли затравочная точка на замкнутом контуре, окружающем локальную возвышенность поверхности, или же она расположена либо на разомкнутом контуре, окружающем локальную впадину, либо на незамкнутом контуре, пересекающем границу объема данных. В первом случае точка имеет замыкание, а это означает, что плавучая частица флюида, перемещающаяся вверх из этого места, будет потенциально захвачена в ловушку. В последнем случае плавучая частица может подниматься вдоль поверхности и оставлять объем не захваченным в ловушку. Следовательно, признак замкнутой области оконтуривает области потенциальных ловушек.
Три использованных признака не являются независимыми друг от друга. Промежуточные значения регулярности относятся к литологическому экрану и к коллектору; высокая сходимость относится к коллектору и к ловушке; а замкнутая область относится только к ловушке. Вместо устранения их смешивания путем формирования отдельных количественных оценок для литологического экрана, коллектора и ловушки, признаки подвергают пороговой обработке для формирования бинарных количественных оценок для потенциального наличия коллектора и литологического экрана, ловушки и коллектора, и ловушки. Предпочтительно множество признаков разлагают на отдельные количественные оценки для различных элементов углеводородной системы и/или конфигурации ловушки, например, путем анализа главных компонентов или кластеризации. Но, учитывая индивидуальное применение совместно с категорической вентильной логикой "все или ничего", результаты этого предпочтительного варианта осуществления настоящего изобретения будут очень сходными с результатами при намного более высоком объеме вычислений.
Три заданных условия выполняются в различных местах. Для подавления малых и часто изолированных областей связные компоненты помечают через точку пересечения трех количественных оценок для обнаружения более крупных смежных областей, где выборки одновременно удовлетворяют всем трем условиям. На Фиг.20 представлен срез, извлеченный из трехмерных данных, проходящих через систему. В иллюстративных целях система показана в каскадном или в последовательном режиме, где количественная оценка каждого признака используется для последовательного удаления тех вокселей, в которых отсутствует конкретный аспект. В альтернативном варианте система может быть реализована в параллельном режиме путем одновременного пересечения всех количественных оценок сразу. Номером позиции 200 обозначен один срез данных из 131 среза. Первой операцией является вычисление структурного рисунка или структуры, которую выполняют путем скелетизации сейсмического горизонта, после которой выполняют операцию построения объема данных 201 картирования глубины, где зеброподобные полосы использованы для иллюстрации обнаруженного структурного рисунка. Вычисляют признак 202, характеризующий регулярность, и области с низкой и высокой регулярностью подавляют (обозначены светло-серым цветом), а области с промежуточной регулярностью акцентируют (обозначены темно-серым цветом). Эти теперь ставшие бинарными количественные оценки регулярности используют для подавления элементов объемного сейсмического изображения с низкой или с высокой регулярностью 203. Сейсмический структурный рисунок 201 используют для вычисления признака 204 сходимости, который преобразовывают в количественную оценку путем пороговой обработки. Подавление элементов объемного сейсмического изображения с низкими количественными оценками сходимости удаляет больше областей в сейсмических данных 205. Сейсмический структурный рисунок 201 далее используют для вычисления признака 206 замкнутой области, который затем непосредственно используют в качестве количественной оценки. Подавление элементов объемного сейсмического изображения без замыкания удаляет еще больше областей в сейсмических данных 207. Много вокселей, имеющих количественную оценку по всем трем критериям, являются либо изолированными, либо связанными с очень немногими аналогичными вокселями. Таким образом, заключительной операцией является учет размера остальных связанных областей и подавление всех за исключением самых больших 208. В этом примере остаются только четыре области, одна из которых является известным коллектором углеводородов.
Вышеупомянутая заявка на патент ориентирована на конкретные варианты осуществления настоящего изобретения для его иллюстрации. Однако для специалиста в данной области техники очевидна возможность существования множества модификаций и изменений описанных здесь вариантов осуществления изобретения. Подразумевают, что все такие модификации и изменения не выходят за пределы объема патентных притязаний настоящего изобретения, определяемого прилагаемой формулой изобретения. Специалистам в данной области техники легко понять, что в вариантах практического применения настоящего изобретения, по меньшей мере, некоторые из операций способа, предложенного в настоящем изобретении, выполняют на компьютере или при его помощи, то есть настоящее изобретение является реализованным посредством компьютера.
| название | год | авторы | номер документа |
|---|---|---|---|
| Способ проведения геологоразведочных работ по выявлению новых месторождений нефти и газа и определения их границ в древних нефтегазоносных бассейнах | 2023 |
|
RU2811963C1 |
| Способ оптимизации нефтепоисковых работ | 2022 |
|
RU2794388C1 |
| СПОСОБ ПОИСКА, РАЗВЕДКИ, ИССЛЕДОВАНИЯ И СОЗДАНИЯ МОДЕЛИ МЕСТОРОЖДЕНИЯ ПОЛЕЗНЫХ ИСКОПАЕМЫХ | 2001 |
|
RU2206911C2 |
| СПОСОБ ПОИСКА И РАЗВЕДКИ НЕФТЯНЫХ И ГАЗОВЫХ ЗАЛЕЖЕЙ В КОЛЛЕКТОРАХ ВТОРИЧНОГО ГЕНЕЗИСА ЗОН УГЛОВЫХ И СТРАТИГРАФИЧЕСКИХ НЕСОГЛАСИЙ | 1993 |
|
RU2069378C1 |
| СПОСОБ И СИСТЕМА ПРОВЕДЕНИЯ АНАЛИЗА ГЕОЛОГИЧЕСКОГО БАССЕЙНА | 2010 |
|
RU2491579C2 |
| СПОСОБ РЕГИОНАЛЬНОЙ СЕЙСМОРАЗВЕДКИ СЛАБО ИЗУЧЕННЫХ ОСАДОЧНЫХ БАССЕЙНОВ ДЛЯ ВЫЯВЛЕНИЯ И ЛОКАЛИЗАЦИИ НЕФТЕГАЗОВЫХ ЗОН И ОБЪЕКТОВ | 2015 |
|
RU2603828C1 |
| СПОСОБ ОПРЕДЕЛЕНИЯ МЕСТ ЗАЛОЖЕНИЯ ЭКСПЛУАТАЦИОННЫХ СКВАЖИН ПРИ РАЗРАБОТКЕ МЕСТОРОЖДЕНИЙ УГЛЕВОДОРОДОВ | 2011 |
|
RU2477499C2 |
| СПОСОБ ГЕОФИЗИЧЕСКОЙ РАЗВЕДКИ ПРИ ПОИСКАХ НЕФТЕГАЗОВЫХ МЕСТОРОЖДЕНИЙ | 1999 |
|
RU2154847C1 |
| СПОСОБ АВТОМАТИЗИРОВАННОГО ПОСТРОЕНИЯ ГЕОЛОГИЧЕСКОЙ МОДЕЛИ ЗАЛЕЖИ | 2020 |
|
RU2799775C2 |
| СПОСОБ ЛОКАЛЬНОГО ПРОГНОЗИРОВАНИЯ НЕФТЕГАЗОНОСНОСТИ ЛОВУШЕК НА ТЕРРИТОРИЯХ, УДАЛЕННЫХ ОТ ОБЛАСТИ ГЕНЕРАЦИИ УГЛЕВОДОРОДОВ | 2001 |
|
RU2184986C1 |
Изобретение относится к области геофизики и может быть использовано для интерпретации сейсмических данных. Согласно заявленному предложению вычисляют сейсмические характеристики, выбирают признаки, относящиеся к классическим элементам углеводородной системы, а именно к коллектору, литологическому экрану, ловушке, источнику, созреванию и миграции. Предпочтительно эти признаки вычисляют вдоль структурных рисунков (1) подземной области и сглаживают по меньшей мере по десяткам или сотням вокселей данных. Результирующие геологические признаки (2) используют для анализа данных на наличие элементов углеводородной системы и/или для распознавания конкретных нефтегазоносных комплексов пород, и для ранжирования и снабжения комментариями разделенных областей (3) из объема данных на основании размера, качества и достоверности при прогнозировании (5) перспективности. Технический результат - повышение точности получаемых данных. 3 н. и 17 з.п. ф-лы, 20 ил., 1 табл.
1. Реализованный посредством компьютера способ анализа объема данных, составленного из вокселей сейсмических данных, который отображает подземную область, на наличие углеводородной системы или конкретного нефтегазоносного комплекса пород, содержащий следующие операции:
разделяют объем данных сейсмических данных, формируя множество сегментов; и
ранжируют это множество сегментов по наличию углеводородной системы или конкретного нефтегазоносного комплекса пород, по меньшей мере, частично на основании количественных оценок перспективности для вокселей сейсмических данных в каждом сегменте;
причем эта количественная оценка перспективности основана на вычислении по меньшей мере двух признаков, относящихся к различным элементам углеводородной системы или конкретного нефтегазоносного комплекса пород,
и при этом элементы выбраны из группы, состоящей из коллектора, литологического экрана, ловушки, источника, наполнения, покрывающей породы, созревания, миграции, накопления и хронологии.
2. Способ по п. 1, в котором операция разделения содержит следующую операцию: объединяют смежные отдельные воксели на основании признака рельефности или количественной оценки перспективности, вычисленной для каждого вокселя.
3. Способ по п. 1, в котором элементы выбраны из группы, состоящей из коллектора, литологического экрана, ловушки и наполнения.
4. Способ по п. 1, в котором для вычисления количественной оценки перспективности для каждого воксела выбирают по меньшей мере два элемента, и для каждого элемента выбирают по меньшей мере одну сейсмическую характеристику, а затем вычисляют количественную оценку элемента для каждого выбранного элемента на основании выбранной по меньшей мере одной сейсмической характеристики, и количественную оценку перспективности формируют путем объединения количественных оценок элементов.
5. Способ по п. 1, в котором по меньшей мере для двух признаков применяют сглаживание, генерируя, тем самым, геологические признаки, и сглаживание применяют на расстояниях равных по меньшей мере десяти вокселей сейсмических данных.
6. Способ по п. 5, содержащий следующую дополнительную операцию: по сейсмическим данным определяют структуру слоя, именуемую структурным рисунком, который отображает подземную область, и, при этом, операция сглаживания для генерации геологических признаков содержит следующую операцию: выполняют интегрирование или усреднение выбранных признаков вдоль структурного рисунка для предотвращения смешивания из-за других пластов.
7. Способ по п. 6, в котором операцию сглаживания вдоль структурного рисунка выполняют путем нелинейной анизотропной диффузионной фильтрации или путем линейной интегральной свертки.
8. Способ по п. 6, в котором структурный рисунок определяют из сейсмической скелетизации.
9. Способ по п. 1, в котором по меньшей мере два признака содержат по меньшей мере один из группы, состоящей из признаков гессиана; признаков изоконтура; сходимости и конфлюэнтности.
10. Способ по п. 1, в котором по меньшей мере два признака содержат по меньшей мере один из группы, состоящей из признаков замкнутой области и точки максимальной насыщенности коллектора; регулярности; остаточной фазы; текстуры; аномалий анализа главных компонентов, обработанных методом окна; признаков нефтегазоносного комплекса пород; окончания; значений плотности окончания; карт диффузии и их комбинаций.
11. Способ по п. 1, в котором сегменты не перекрывают друг друга.
12. Способ по п. 1, в котором сегменты ранжируют на основании единой количественной оценки для каждого сегмента, сгенерированной путем объединения количественных оценок перспективности для каждого вокселя в сегменте.
13. Способ по п. 1, в котором каждый воксел из объема данных сейсмических данных является отдельным сегментом.
14. Способ по п. 1, в котором вычисленные значения признака для различных признаков нормируют к общему масштабу.
15. Способ по п. 1, в котором при определении количественной оценки перспективности используют один элемент из группы, состоящей из пороговых значений, нечеткой логики и байесовой логики.
16. Способ по п. 1, содержащий следующую дополнительную операцию: оценивают значение достоверности по меньшей мере для одной количественной оценки перспективности.
17. Способ по п. 5, в котором один изпо меньшей мере двух признаков относится к существованию ловушки углеводородов, и существование ловушки углеводородов спрогнозировано путем пространственной корреляции геологических признаков и путем сравнения с каталогом конфигураций ловушек углеводородов.
18. Способ по п. 2, в котором признак рельефности вычисляют с использованием либо анализа главных компонентов, обработанных методом окна, либо картирования диффузии, примененного по меньшей мере к одной сейсмической характеристике.
19. Носитель информации, имеющий внедренный в него считываемый компьютером программный код, причем упомянутый считываемый компьютером программный код приспособлен для реализации способа анализа сейсмических данных, отображающих подземную область, на наличие углеводородной системы или конкретного нефтегазоносного комплекса пород, содержащего следующие операции:
разделяют объем данных сейсмических данных, формируя множество сегментов; и
ранжируют это множество сегментов по наличию углеводородной системы или конкретного нефтегазоносного комплекса пород по меньшей мере частично на основании количественных оценок перспективности для вокселей сейсмических данных в каждом сегменте;
причем эта количественная оценка перспективности основана на вычислении по меньшей мере двух признаков, относящихся к различным элементам углеводородной системы или конкретного нефтегазоносного комплекса пород,
и при этом элементы выбраны из группы, состоящей из коллектора, литологического экрана, ловушки, источника, наполнения, покрывающей породы, созревания, миграции, накопления и хронологии.
20. Способ добычи углеводородов, содержащий следующие операции:
проводят сейсморазведку подземной области;
получают результаты анализа перспективности сейсмических данных по данным сейсморазведки, причем этот анализ был проведен способом, описанным в п. 1, который включен сюда путем ссылки;
бурят скважину в подземную область по меньшей мере частично на основании анализа перспективности, и добывают углеводороды из скважины.
| US 20090122061 A1, 14.05.2009 | |||
| US 20050288863 A1, 29.12.2005 | |||
| СПОСОБ РАЗРАБОТКИ ЗАЛЕЖЕЙ УГЛЕВОДОРОДОВ | 1999 |
|
RU2148166C1 |
| WO 2009142872 A1, 26.11.2009 | |||
| US 20030198400 A1, 23.10.2003 | |||
| US 20030198400 A1, 23.10.2003 | |||
| СПОСОБ ХРОНОСТРАТИГРАФИЧЕСКОЙ ИНТЕРПРЕТАЦИИ СЕЧЕНИЯ S СЕЙСМИЧЕСКОГО ОБРАЗА | 2001 |
|
RU2260818C2 |
