16RPTC_russian_ButorinKrasnov

SPE-182079-RUПодходы к анализу результатов

спектральной декомпозиции с целью детальной геологической интерпретации

Буторин А.В., Краснов Ф.В., ООО «Газпромнефть НТЦ»

Актуальность исследования – «конец эпохи простой нефти»Slide 2

• Большое количество месторождений на последних стадиях разработки;

• Необходимость вовлечения сложных литологических залежей – ачимовский комплекс;

• Отсутствие детальных геологических моделей залежей ачимовской свиты.

Распределение месторождений по степени разработанности

SPE-182079-RU • Подходы к анализу результатов спектральной декомпозиции с целью детальной геологической интерпретации • Буторин А.В., Краснов Ф.В.

I II III IVt

Доб

ыча

неф

ти

Коли

чест

во

мес

торо

жде

ний

I II III IV

Сложные литологические залежи – будущее нефтяной геологии

• Изменчивость отложений по латерали;• Локальный характер коллектора;• Приуроченность к зонам лавинной седиментации;

Актуальная задача:Выбор наиболее оптимального подхода для прогнозирования

локальных геологических тел по сейсмическим данным.

Slide 3


Современный «аналог»

Пример месторождения – постановка геологической задачи

• Резкая изменчивость литологического строения;• Наличие следов активной динамики среды;• Градационная слоистость;

Необходимо обеспечить максимальную информативность прогноза для целей разработки

Slide 4


Распределение амплитуд Распределение импеданса

Спектральная декомпозиция – основные алгоритмы

Спектральная декомпозиция – разложение поля на частотные составляющие

Slide 5


Преобразование Фурье

Вейвлет преобразование

Спектральная инверсия

Результат применения – кубы спектральных характеристик.

• Преобразование Гэбора;• Преобразование

Винера-Вилля;• S-преобразование.

• Множество возможных вейвлетов.

• Множество методов оптимизации.

Реализация программного модуля – быстрое решение вычислительных задач

Slide 6


С использованием Python разработан программный модуль для реализации спектральной декомпозиции с использованием различных алгоритмов.

Реализованные функции:•Импорт/экспорт/визуализация SEG-Y;•Оценка спектра трассы по БПФ;•Спектральная декомпозиция Винера-Вилля (WVD);•Непрерывное вейвлет-преобразование (CWT) по различным вейвлетам;•Спектральная инверсия с L0, L1, L2-оптимизацией;•Визуализация спектра трассы;•Выгрузка амплитудных характеристик по заданным частотам.

Блок ввода

Блок расчета

Блок вывода

Блок QC

Преимущества:•Возможности «тонкой» настройки алгоритмов;•Решение научных задач;•Отсутствие ограничений;•Новые возможности.

https://www.google.ru/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&ved=0ahUKEwiN976n0MzLAhWpApoKHaUyDZ0QjRwIBw&url=https://www.python.org/community/logos/&psig=AFQjCNEkqlr3-zgpr50yEbP-tOOWf18VWA&ust=1458472690078055

Реализация программного модуля – «классические» подходы к получению спектра трассы

Slide 7


Сейсмическая трасса

Вейвлет

Входные данные

Расчетный блок I

Определение уравнения пересчета

Преобразование Гильберта

Выбор трассы по частоте

Расчетный блок II

Скалограмма

Сжатие/растяжение вейвлета

Сдвиг вейвлета вдоль трассы

Оценка коэффициента корреляции

Спектрограмма

Выбор трассы по частоте

Неп

реры

вное

вей

влет

-пре

обра

зова

ние

Преобразование ФурьеВыбор окна

Расчетный блок

Реализация программного модуля – спектральная инверсия (OMP)

Slide 8


Сейсмическая трасса

Библиотека вейвлетов

Расчетный блок IВыбор вейвлета с

наибольшим коэффициентом корреляции

Вычитание вейвлета из сейсмической трассы

Оценка коэффициента корреляции

Аппроксимация трассы библиотекой вейвлетов

Распределение Виннера-Виля

Расчетный блок II

Аппроксимация трассы Определение спектра вейвлетовСпектр трассы

Реализация программного модуля – проверка качества решения

Slide 9


0 10 20 30 40 50

0

100

200

300

400

500 0 10 20 30 40 50

0

100

200

300

400

500 0 10 20 30 40 50

0

100

200

300

400

500

Частота, Гц Частота, Гц Частота, Гц

Врем

я, у

.е.

OMP CWT WVDОценка корректности работы алгоритма выполнена на примере синтетической модели сейсмической трассы, полученной сочетанием разночастотных вейвлетов Риккера.

Спектральная инверсия обеспечивает наиболее локальное решение задачи восстановления спектра, однако не отражает влияния интерференции.

Методы анализа частотных данныхSlide 10


Технологии качественного анализа

Технологии количественного анализа

RGB-визуализация Оценка спектральной характеристики

Объемная интерпретация Оценка затухания спектральных характеристик

Методы кластерного анализа Максимальная амплитуда спектра

Оценка доминантной частоты Метод главных компонент

В связи с результатами спектральной декомпозиции возникает актуальный вопрос синхронного анализа множества данных.

Сравнение результатов спектральной декомпозиции на примере выделения геологического объекта

Slide 11


WVD

CWT

OMP

?

WVD

CWT

OMP

?

2D: 3D:

Объемная интерпретация RGB-кубов – синергия волнового поля и геологической модели

Slide 12


Использование RGB-кубов в совокупности с пространственным фильтром позволяет получить объемную визуализацию геологических объектов.

Атрибут «Спектральная кривая» © - новый взгляд на интерпретацию спектральных данных

Slide 13


• Каждая трасса представляет собой спектральную кривую по определенной поверхности;

• «Спектральная кривая» обеспечивает синхронный анализ результатов спектральной декомпозиции по заданному целевому пласту;

RGB-визуализация результатов различных алгоритмов декомпозиции

Slide 14


• Синхронный анализ трех частотных компонент;• Высокая цветовая дифференциация объектов;• Более высокое отношение сигнал/шум.

CWT STFT OMP

Доминантное значение частоты – как показатель изменения мощности геологического объекта

Slide 15


• Наличие спектральной кривой в каждой точке позволяет выполнить площадной анализ спектрального состава;

• Значение доминантной частоты поля зависит от мощности интерферирующего объекта;

• Уменьшение мощности приводит к росту доминантной частоты;

• Использование критерия доминантной частоты позволяет на качественном уровне определить зону выклинивания конуса выноса.

Спектральные данные позволяют повысить информативность динамического анализа

Slide 16


• Использование спектральной информации значительно повышает информативность интерпретации сейсмических данных.

Переход от качественного анализа к количественномуSlide 17

Частота, Гц Ккор. (Нэф)10 0.2615 0.4420 0.6025 0.6630 0.62

Параметр затухания Ккор. (Нэф)15-10 Гц 0.5120-10 Гц 0.6520-15 Гц 0.6925-10 Гц 0.7025-15 Гц 0.6025-20 Гц 0.2330-10 Гц 0.6030-15 Гц 0.3730-20 Гц 0.04

Параметр спектральной кривой

Ккор. (Нэф)

Максимальная амплитуда спектральной кривой

0.84

Главная компонента 0.93


Построение SOM карты

Спектральные данные позволяют повысить точность количественного прогноза

Slide 18

Параметр Ккор. (Нэф)Амплитуда волнового поля 0.47Амплитуда спектральной характеристики 25 Гц

0.66

Параметр затухания амплитуд между 25 и 10 Гц

0.70

Максимальная амплитуда спектральной кривой

0.84

Главная компонента частотного псевдо-куба 0.93

Ошибка от -11 до +6 метровStd = 4.13 метра

Ошибка от -3 до +2 метровStd = 1.73 метра


Параметры «спектральной кривой» выступают дополнительными инструментами количественного прогноза на ряду с «классическими» подходами.

Slide 19


RGB 15-25-35 Гц PCA0, PCA1, PCA2

Анализ «спектральной кривой»

«Спектральная кривая» является многомерным массивом – каждая точка пространства описывается множеством значений амплитуд по частотам – т.е. в каждой точке пространства мы имеем вектор значений по частотам.

Для анализа подобной информации может применяться метод главных компонент (PCA) или разложение Кархунена-Лоэва

Получаемые компоненты могут использоваться как входные массивы RGB-визуализации

Slide 20


•Необходимость вовлечения сложных залежей:

-Ачимовские отложения;

-Тюменская свита;

-Сеноманские «пропущенные интервалы»

•Повышение «стоимости ошибки»

Решение актуальных вопросов геологии возможно только с привлечением современных инструментов анализа волнового поля.

«Конец эпохи простой нефти»

Спасибо за внимание!Вопросы

Slide 21

16RPTC_russian_ButorinKrasnov

Documents