Использование сейсмической частоты высокого разрешения и фазовых атрибутов как приемов анализа

Обложка

Цитировать

Полный текст

Аннотация

Сейсмические исследования для разведки и разработки месторождений нефти и газа ограничены разрешающей способностью сейсмических данных. В данном случае ключевым фактором успешной разведки и разработки месторождений может стать повышение точности количественной интерпретации сейсмических данных в маломощных пластах, позволяющее выявить эффективные резервуары и обозначить благоприятные участки. Исторически сложилось так, что предел сейсмического разрешения обычно считается равным примерно 1/4 длины волны доминирующей частоты данных в интересующем пласте. С помощью ограниченной инверсии сейсмической отражательной способности можно распознать более тонкие слои, чем этот предполагаемый предел, что привело к разработке ряда методов и приемов высокоразрешающей количественной интерпретации. Предметные исследования карбонатных, обломочных и нетрадиционных залежей показывают, что применение методов количественной интерпретации, таких как сейсмический высокоразрешающий частотный анализ и анализ фазовых атрибутов, позволяет распознать и разрешить количественную оценку свойств горных пород и флюидов в таких сейсмически тонких слоях. Восстановление диапазона частот с использованием технологии высокоразрешающей обработки сейсмических данных может значительно улучшить способность распознавания таких геологических деталей, как тонкие слои, разломы и карстовые пещеры. Технология многомасштабного обнаружения разломов может эффективно выявлять мелкие разломы наряду с более легко распознаваемыми крупномасштабными разрывами. Технология высокоразрешающего спектрального разложения и фазового разложения, основанная на традиционной информации о сейсмической амплитуде, расширяет сейсмический атрибутный анализ до размера частоты и фазы, чем расширяет содержание интерпретируемой геологической информации о сейсмических данных, включая геологические характеристики и потенциал углеводородов, и тем самым повышает надежность сейсмической интерпретации. Эти технологии, основанные на методах количественной интерпретации с высоким разрешением, позволяют более эффективно и точно обнаруживать продуктивные коллекторы.

Об авторах

Жэньци Цзян

Компания «Биджинг Кари Ориентал Петролеум Технолоджи»; Компания «Люмина Технолоджиз»

Email: renqi.jiang@carrieenergy.com

Джон П. Кастанья

Хьюстонский университет

Цзянь У

Научно-исследовательский институт разведки и добычи углеводородов

Список литературы

  1. Du S. T. Seismic attribute analysis. Petroleum Geophysics. 2004;2(4):12-16.
  2. Lu G. H., Yu C. Q, Dong N. The application of poststack seismic attribute analysis in the oil-gas exploration and development. Progress in Geophysics. 2006;21(1):161-166.
  3. Castagna J. P. Recent advances in seismic lithologic analysis. Geophysics. 2001;66(1):42-46. https://doi.org/10.1190/1.1444918.
  4. Puryear C. I., Castagna J. P. Layer-thickness determination and stratigraphic interpretation using spectral inversion: theory and application. Geophysics. 2008;73(2): 37-48. https://doi.org/10.1190/1.2838274.
  5. Liang C., Castagna J. P., Torres R. Z. Tutorial: spectral bandwidth extension – invention versus harmonic extrapolation. Geophysics. 2017;82(4):1JA-Z33. https://doi.org/10.1190/geo2015-0572.1.
  6. Castagna J. P., Sun J., Siegfried R. W. Instantaneous spectral analysis: detection of low frequency shadows associated with hydrocarbons. The Leading Edge. 2003; 22(2):120-127. https://doi.org/10.1190/1.1559038.
  7. Zhang R., Castagna J. P. Seismic sparse-layer reflectivity inversion using basis pursuit decomposition. Geophysics. 2011;76(6):147-158. https://doi.org/10.1190/geo2011-0103.1.
  8. Castagna J. P. Comparison of spectral decomposition methods. First Break. 2006;24(3):75-79. https://doi.org/10.3997/1365-2397.24.1093.26885.
  9. Castagna J. P., Oyem A., Portniaguine O., Aikulola U. Phase decomposition. Interpretation. 2016;4(3):SN1. https://doi.org/10.1190/INT-2015-0150.1.
  10. Widess M. B. How thin is a thin bed. Geophysics. 1973;38(6):1176-1180. https://doi.org/10.1190/1.1440403.
  11. Chopra S., Castagna J. P., Portniaguine O. Seismic resolution and thin-bed reflectivity inversion. CSEG Recorder. 2006;11(2):19-25.
  12. Mora D., Castagna J. P., Meza R., Chen S., Jiang R. Case study: seismic resolution and reservoir characterization of thin sands using multiattribute analysis and bandwidth extension in the Daqing field, China. Interpretation. 2020;8(1):1F-T215. https://doi.org/10.1190/INT-2019-0017.1.
  13. Duan Y. X., Cao J., Sun Q. F. Application of autoadaptive dip-steering technique to fault recognition. Lithologic Reservoirs. 2017;29(4):101-107. https://doi.org/10.3969/j.issn.1673-8926.2017.04.012.
  14. Tian T., Xia T. X., Yan T., et al. Application of formation dip in the fine description of fault: take A oilfield in Bohai bay basin as an example. Progress in Geophysics. 2017;32(5):2236-2240.
  15. Xu D. K., Wang Y. Y., Zheng J. F. Dip steering coherent-enhancing filtering and its application on seismic data of complex fault-block. Progress in Geophysics. 2016;31(3):1224-1228. https://doi.org/10.6038/pg20160340.
  16. Yin C., Du X. D., Zhao R. M., et al. Dip steered structure oriented filter and its application. Progress in Geophysics. 2014;29(6):2818-2822.
  17. Yin X. Y., Gao J. H., Zong Z. Y. Curvature attribute based on dip scan with eccentric window. Chinese Journal of Geophysics. 2014;57(10):3411-3412.
  18. Wang J., Wang R. Fault identification method based on variance-coherence cubes. Chinese Journal of Engineering Geophysics. 2016;13(1):46-51. https://doi.org/10.3969/j.issn.1672-7940.2016.01.008.
  19. Li T. T., Hou S. Y., Ma S. Z., Li D. L. Overview and research progress of fault identification method. Progress in Geophysics. 2018;33(4):1507-1514. https://doi.org/10.6038/pg2018BB0311.
  20. Huang C., Li P. F., Wang T. Y., et al. The application of seismic attribute analysis technology to the identification of small faults. Chinese Journal of Engineering Geophysics. 2016;13(1):41-45.
  21. Zhen Z. Y., Zheng Y. F., Sun J. L., Gong M. Fault identification method based on the maximum likelihood attribute and its application. Progress in Geophysics. 2020;35(1):374-378. https://doi.org/10.6038/pg2020CC0515.
  22. Qi J., Castagna J. P. Application of PCA fault-attribute and spectral decomposition in Barnett Shale fault detection. In: 83rd Annual International Meeting, SEG, Expanded Abstracts. 2013:1421-1425.
  23. Han L., Zhang H., Wang J. S. Discrete frequency coherency technology for interpreting complicated faults and its application. Complex Hydrocarbon Reservoirs. 2016;9(4):16-21. https://doi.org/10.16181/j.cnki.fzyqc.2016.04.004.
  24. Barbato U., Castagna J. P., Portniaguine O. Composite attribute from spectral decomposition for fault detection. In: 84th Annual International Meeting, SEG, Expanded Abstracts. 2014:2542-2546.
  25. Chen G. F., Lu S. B. Application of RGB frequency division technology in the fault identification of fault-block reservoir. In: SEG Technical Program Expanded Abstracts 2014.Tulsa: Society of Exploration Geophysicists; 2014. P. 2542–2546.
  26. Chen P., Wei X. D., Ren D. Z., et al. Small fault identification based on spectrum decomposition technique. Oil Geophysical Prospecting. 2010;45(6):890-894.
  27. Ma C. J. Application of multi-scale edge detection technology to fault recognition and fracture zone prediction: a case study of Block Well P691, Chepaizi area. Petroleum Geology and Recovery Efficiency. 2021;28(2):85-90. https://doi.org/10.13673/j.cnki.cn37-1359/te.2021.02.011.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».