Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Интерпретация данных сейсморазведки 3D на основе спектральной декомпозиции и нелинейных зависимостей динамических атрибутов с целью прогноза нефте-газонасыщенных коллекторов

Диссертация: Интерпретация данных сейсморазведки 3D на основе спектральной декомпозиции и нелинейных зависимостей динамических атрибутов с целью прогноза нефте-газонасыщенных коллекторов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Существуют многие подходы к прогнозу коллекторских свойств с помощью атрибутного анализа. В настоящее время, несмотря на широкое применение атрибутного анализа для прогноза коллекторских свойств, качество прогноза невысоко. В то же время, этот способ представляется наиболее перспективным. Ряд проблем, связанных с повышением качества прогноза требует максимально быстрого разрешения. Количество… Читать ещё >

Содержание

  • Благодарности
  • Список иллюстраций
  • Список сокращений
  • 1. Алгоритмы спектральной декомпозиции
    • 1. 1. Преобразование Фурье в фиксированном окне (STFT)
    • 1. 2. Частотно-временное непрерывное вейвлет-преобразование (TFCWT)
  • 2. Применение спектральной декомпозиции
    • 2. 1. Расчет временной мощности тонкого пласта
      • 2. 1. 1. Модель клиноформного пласта
      • 2. 1. 2. Определение мощности пласта по сейсмическим данным
    • 2. 2. Визуализация и анализ результатов спектральной декомпозиции с помощью RGB-смешивания
    • 2. 3. Типизация коллекторов с использованием результатов спектральной декомпозиции
  • 3. Статистический анализ атрибутов сейсмической записи
    • 3. 1. Одномерный статистический анализ и его применение
      • 3. 1. 1. Статистические характеристики случайной величины
      • 3. 1. 2. Группировка исходных данных. Построение диаграммы
      • 3. 1. 3. Законы распределения случайных величин
      • 3. 1. 4. Геологическое
  • приложение одномерного статистического анализа
    • 3. 2. Двумерный статистический анализ
      • 3. 2. 1. Статистические характеристики системы двух случайных величин
      • 3. 2. 2. Уравнение линейной регрессии
      • 3. 2. 3. Двухмерное нормальное распределение. Эллипс рассеяния
      • 3. 2. 4. Нелинейная регрессия. Метод наименьших квадратов
      • 3. 2. 5. Приведение нелинейных зависимостей к линейному виду
      • 3. 2. 6. Применение двумерного статистического анализа при интерпретации данных сейсморазведки
    • 3. 3. Многомерный статистический анализ
      • 3. 3. 1. Метод главных компонент

Интерпретация данных сейсморазведки 3D на основе спектральной декомпозиции и нелинейных зависимостей динамических атрибутов с целью прогноза нефте-газонасыщенных коллекторов (реферат, курсовая, диплом, контрольная)

В настоящее время запасы углеводородов уникальных и крупных месторождений на территории Российской Федерации и стран СНГ выработаны уже более чем на 50%. В этих условиях все большую роль приобретает освоение небольших залежей с трудно извлекаемыми запасами. Развитие методики прогноза флюидонасыщенности нефте-газовых месторождений с использованием атрибутного анализа сейсмических данных с целью повышения геологической эффективности сейсмических методов являются актуальными задачами геологоразведочных работ.

Прогноз коллекторских свойств на основе оптимизированного комплекса сейсмических атрибутов является современной важной темой исследования. Задача оптимизации сейсмических атрибутов стоит в том, чтобы обосновать выбор некоторого количества, желательно физически осмысленных и связанных с коллекторскими свойствами, атрибутов сейсмической записи. Ее решение в значительной степени зависит от совершенствования существующих и создания новых, более надежных математических методов обработки и интерпретации наблюдаемых данных.

Существуют многие подходы к прогнозу коллекторских свойств с помощью атрибутного анализа. В настоящее время, несмотря на широкое применение атрибутного анализа для прогноза коллекторских свойств, качество прогноза невысоко. В то же время, этот способ представляется наиболее перспективным. Ряд проблем, связанных с повышением качества прогноза требует максимально быстрого разрешения. Количество вовлеченных в анализ атрибутов сейсмической записи достигло двух сотен. Одновременно повышаются плотность сейсмической съемки, количество скважин с прямыми определениями коллекторских свойств, требования к качеству прогноза при все более возрастающей сложности геологических условий нефте-газовых месторождений, где используется атрибутный анализ.

Разработанные в последние годы технологии спектральной декомпозиции 8 позволяют изучать спектральные характеристики сейсмической записи, сохраняя при этом детальную привязку исследуемых объектов во времени. Такие технологии успешно применяются ведущими геофизическими компаниями для выделения песчаных линз и каналов.

Учитывая сложность геологического строения залежей, недостаточный объем геолого-промысловой информации, ухудшенные фильтрационно и емкостные свойства, требуется применение современных подходов к извлечению дополнительной информации из геофизических данных, что и определяет актуальность цели применения предложенного алгоритма спектрального разложения (спектральной декомпозиции) данных сейсморазведки ЗБ. Существующие методы спектрального разложения, основанные на преобразовании Фурье, вследствие алгоритмических особенностей их выполнения имеют некоторые ограничения. Поэтому использование алгоритма вейвлет-преобразования является первым ключевым моментом повешения эффективности и информативности спектральной декомпозиции сейсмического сигнала. Немаловажную роль играют новые методы интерпретации полученных результатов.

Заключение

.

Автором предложена методика прогнозирования свойств залежей углеводородов, базирующаяся на применении спектральной декомпозиции сейсмических данных и ГИС.

1. Спектральная декомпозиция с помощью частотно-временной модификации вейвлет-преобразования является наиболее надежным способом спектрального разложения сейсмической записи.

2. Результаты спектральной декомпозиции позволяют давать количественную характеристику природным резервуарам исходя из представления сейсмической записи в частотно-временной области.

3. Технология RGB-смешивания энергии единичных частот позволяет в значительной степени повысить надёжность определения положения стратиграфических элементов геологической среды в пространстве.

4. Использование результатов спектральной декомпозиции совместно с сейсмическими атрибутами при типизации геологического разреза позволяет надежнее выделять зоны с различными фильтрационно-емкостными свойствами.

5. Применение регрессионного анализа для данных спектрального разложения и сейсмических атрибутов дает возможность получения дополнительной информации в процессе интерпретации для прогноза нефте-газонасыщенности.

В заключение следует отметить, что полученные данные с помощью спектральной декомпозиции, позволяют существенно дополнить картину строения природных резервуаров. Достоинством методики является возможность получения как количественной, так и качественной характеристики изучаемых объектов. Таким образом, комплексный последовательный подход к совместной интерпретации данных.

105 сейсморазведки с использованием последних разработок алгоритма спектральной декомпозиции повышает достоверность прогноза свойств залежей.

Показать весь текст

Список литературы

  1. А.Г. Методика интерпретации данных сейсморазведки при интегрированном изучении нефтегазовых резервуаров. Геофизика, № 1, ЕАГО, М., 1998, с.13−19.
  2. . Ю. П. Сейсмическая интерпретация: опыт и проблемы. М., Геоинформмарк, 2004. 278 с.
  3. . Ю. П. От сейсмической интерпретации к моделированию и оценке месторождений нефти и газа. М., СПЕКТР, 2008, 384 с.
  4. Г. Н., Гурвич И. И. Сейсморазведка. 2006, Тверь, АИС, 743 с.
  5. К.А., Сагайдачная О. М., Сальников A.C. Вопросы применения вейвлет-преобразования сейсмических полей с реконструкцией во временную область, Технологии сейсморазведки, 2011, № 3, с. 71−83
  6. Дж.С. Статистический анализ данных в геологии. Пер. с англ. В 2 кн./Пер. В. А. Голубевой: Под ред. Д. А. Родионова. Кн. 1. М.: Недра, 1990. -319 с.
  7. Е.А., '"Модели среды в разведочной сейсмологии". -Тверь: издательство ГЕРС, 2006 г., 480 с.
  8. Т.Н., Иванова H.A. «Современные методы сейсмофациального анализа на реальных примерах» /Тезисы докладов VIII международной научно-практической конференции Геомодель-2006, стр. 136.
  9. И.А., Белоусов Г. А., Городков А. Б. СВАН-сейсморазведка. (спектрально-временной анализ в технологиях сейсморазведки). Геофизика 5/2005, 3−9 с.
  10. Г. С., Математические методы моделирования в геологии: Учебник, Санкт-Петербургский государственный горный институт (технический университет). СПб, 2006. 223 с.
  11. Chakraborty, A., and D. Okaya, Frequency-time decomposition ofseismic data using wavelet-based methods: Geophysics, 60, 1906 -1916., 1995
  12. Castagna, J. P., S. Sun, and R. Seigfried, 2003, Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons: The Leading Edge, 22, 120−132.
  13. Castagna, J., M. Burnett, E. Mendez, G. Rodriguez, L. Garcia, J. Martinez, M. Aviles, and R. Villasenor, 2003, Application of spectral decomposition to gas basins in Mexico: The Leading Edge, 22, 1130−1134.
  14. Castagna, J., and S. Sun, 2006, Comparison of spectral decomposition methods: First Break, 24, 75−79.
  15. Doyen, P., Seismic reservoir characterization: EAGE., 2007
  16. Giroldi, L., and F. Alegria, Using spectral decomposition to identify and characterize glacial valleys and fluvial channels within the Carboniferous section in Bolivia: The Leading Edge, 24, 1152−1159, 2005.
  17. Grana, D. and E. Delia Rossa, 2010, Probabilistic petrophysical prop-erties estimation integrating statistical rock physics with seismic in-version: Geophysics, 75, no. 3, 021−037, doi: 10.1190/1.3 386 676.
  18. Mallat, S., and Z. Zhang, 1993, Matching pursuit with time frequency dictionaries: IEEE Transactions on Signal Processing, 41, 3397−3415.
  19. Maklad, M. S., and J. K. Dirstein, 2007, Spectral detection of attenuation and lithology: CSPG CSEG Convention, 501−505.
  20. Miao, X., and S. Cheadle, 1998, High resolution seismic data analysis by wavelet transform and matching pursuit decomposition: Geo-Triad, CSEG, CSPG and CWLS Joint convention, 31−32.
  21. Partyka, G., J. Gridley, and J. Lopez, 1999, Interpretational applications of spectral decomposition in reservoir characterization: The Leading Edge, v. 18, p. 353−360
  22. Partyka, G., L. Peyton, and R. Bottjer, 1998, Interpretation of incised valleys using new 3-D seismic techniques: A case history using spectral decomposition and coherency: The Leading Edge, 17, 1294−1298.
  23. Peyton, L., R. Bottjer, and G. Partyka, Interpretation of incised valleys using new 3-D seismic techniques: A case history using spectral decomposition and coherency: The Leading Edge, 17, 1294−1298., 1998
  24. Sierra, J., H. Campos, M. Bonilla, W. Marin, D. Joseph, and S. Cardinez, 2008, Seismic multi-attribute integration for well prospect generation: South Main Soldado Field, Gulf of Paria, Trinidad & Tobago: XIV Congreso Venezolano de Geofisica.
  25. Sinha, S. K., P. S. Routh, P. D. Anno, and J. P. Castagna, Time-frequen-cy attribute of seismic data using continuous wavelet transform: 73rd Annual International Meeting, SEG, Expanded Abstracts, 1481−1484., 2003
  26. Steeghs, P., and G. Drijkoningen, 2001, Seismic sequence analysis and attribute extraction using quadratic time-frequency representations: Geophysics, 66, 1947−1959.
  27. Stockwell, R. G., L. Mansinha, and R. P. Lowe, Localization of complex spectrum: The S-transform: IEEE Transactions on Signal Processing, 998−1001., 1996
Заполнить форму текущей работой

Заказал и сдал!