Table of Contents

Критическая роль сейсмических данных в оценке запасов углеводородов

Точная оценка запасов углеводородов остается краеугольным камнем нефтегазовой отрасли, напрямую влияя на инвестиционные решения, планирование разработки месторождений и оценку ресурсов. Интеграция сейсмических данных возникла как один из самых мощных подходов к повышению точности и надежности этих оценок. Обеспечивая высокоразрешенные трехмерные изображения геологии недр, сейсмические исследования позволяют геофизикам выявлять потенциальные резервуары, очерчивать их границы и оценивать содержание жидкости с уровнем детализации, недостижимым только благодаря данным о скважинах. В этой статье исследуются методологии, преимущества, проблемы и будущие направления интеграции сейсмических данных для оценки запасов углеводородов, предлагая всеобъемлющее руководство для профессионалов отрасли, стремящихся улучшить свои оценочные рабочие процессы.

Понимание сейсмических данных: приобретение и обработка

Сейсмические методы приобретения

Сейсмическое получение данных включает в себя генерацию контролируемых акустических источников энергии и запись отраженных волн из недр. Используются два основных метода: сухопутная сейсмическая и морская сейсмическая . На суше источники служат виброзейсовыми грузовиками или взрывными зарядами, в то время как геофоны, расположенные в массивах, захватывают отражения. В морской среде воздушные пушки производят звуковые волны, которые проникают на морское дно, с гидрофонами, буксируемыми в стримерах позади судов, записывающих возвраты. Выбор геометрии приобретения — 2D-линии, 3D-решения или широко-азимутальные съемки — непосредственно влияет на пространственное покрытие и разрешение конечного набора данных. Современные высокоплотные 3D-исследования могут генерировать миллиарды сейсмических следов, обеспечивая плотную выборку, необходимую для детальной характеристики резервуара.

Обработка рабочих процессов

Сырье сейсмических данных подвергается обширной обработке для удаления шума, коррекции геометрических и затухающих эффектов и преобразования времени в глубину. Ключевые этапы обработки включают:

  • Деконволюция для сжатия исходного вейвлета и улучшения временного разрешения.
  • Анализ скорости для определения подземных сейсмических скоростей, критических для преобразования времени в глубину.
  • Миграция для репозиционирования погружения отражателей и коллапса дифракционных узоров, создавая структурно точное изображение.
  • Многократное подавление для устранения ревербераций, которые затемняют первичные отражения.

Достижения в полноволновой инверсии (FWI) и миграции обратного времени (RTM) теперь позволяют создавать модели скорости с беспрецедентной детализацией, что непосредственно приносит пользу усилиям по характеристике резервуара.

Интерпретация сейсмических атрибутов

После обработки интерпретаторы извлекают ряд сейсмических атрибутов для вывода свойств породы и жидкости. Общие атрибуты включают амплитуду, фазу, частоту, когерентность и кривизну. Например, амплитудные вариации со смещением (AVO) анализа могут указывать на присутствие углеводородов, особенно в пластических резервуарах. Когерентные атрибуты выделяют разломы и трещины, в то время как спектральное разложение выявляет вариации толщины тонкого слоя. Интеграция этих атрибутов с геологическими моделями формирует основу для вероятностной оценки запасов.

Интеграция сейсмических данных с другой информацией о недрах

Сейсмические данные сами по себе не измеряют непосредственно пористость, проницаемость или насыщение жидкости — параметры, необходимые для расчета запасов. Интеграция с данными журнала скважин , основными измерениями и история производства преодолевает этот разрыв, позволяя перевод сейсмических атрибутов в свойства резервуара.

Хорошо калибровка журнала

Логи скважин (гамма-луч, сопротивление, плотность, нейтронная пористость, звуковая) обеспечивают измерения наземной истины в дискретных точках. Привязывая журналы к сейсмическим данным с помощью синтетических сейсмограмм, интерпретаторы устанавливают корреляцию между сейсмическими амплитудными моделями и литологией, пористостью и содержанием жидкости. Это сейсмическая связь с скважиной является основой для построения последовательной петрофизической модели по всему сейсмическому объему.

Геостатистические методы

Геостатистические методы, такие как кригинг и стохастическое моделирование , интегрируют скудные данные скважин с плотно отобранными сейсмическими атрибутами. Такие методы, как коллокация кокригинга, коимулируют сейсмическое импеданс (например, акустическое импеданс от инверсии) наряду с журналами пористости, генерируя множественные равновероятные реализации распределения свойств резервуара. Эти реализации служат входами для оценки запасов на основе Монте-Карло, давая распределения вероятностей, а не одноточечные оценки.

Моделирование физики рока

Связь между упругими свойствами (скорость Р-волн, скорость S-волн, плотность) и свойствами резервуара (пористость, содержание глины, насыщение воды). Эмпирические модели (например, уравнение Уайлли со средним временем или уравнение Гассманна для замены жидкости) позволяют интерпретаторам предсказать, как сейсмические реакции изменяются с различными насыщениями и геометрией пор. Включение физики горных пород в рабочий процесс интеграции повышает точность оценки дискриминации и насыщения фазы жидкости.

Преимущества сейсмической интеграции данных для оценки резервов

Интеграция сейсмических данных в процесс оценки запасов дает существенные преимущества на протяжении всего жизненного цикла активов.

Усиление пространственного разрешения

Данные скважины обеспечивают высокое вертикальное разрешение, но ограниченное боковое покрытие. Сейсмические исследования, особенно 3D-томы, обеспечивают непрерывное боковое покрытие по всему полю, выявляя неоднородности, разбиение на части и структурные разрывы, которые влияют на распределение резервов. Это увеличенное пространственное разрешение уменьшает неопределенность, связанную с интер-нулевой интерполяцией.

Улучшенные модели чистого валового и пористого покрытия

Сейсмические инверсионные продукты, такие как акустическое импеданс и атрибуты Lambda-Mu-Rho (LMR), сильно коррелируют с пористостью во многих пластических резервуарах. При интеграции с классификацией литофаций на основе скважин эти атрибуты могут отображать зоны нетто-платежи и тенденции пористости с гораздо более высоким разрешением, чем методы только для скважин. Компании сообщили о сокращении неопределенности оценки запасов на 30-50% после включения 3D-сейсмической инверсии в свои рабочие процессы.

Снижение риска в непробуренных районах

На этапах разведки и ранней разработки сейсмические данные часто являются единственным источником информации на больших площадях. Интеграция позволяет проводить более надежную оценку вероятности успеха (POS) путем выявления прямых показателей углеводородов (DHI), таких как яркие пятна, плоские пятна и фазовые развороты. Это снижает риск бурения сухих отверстий или отсутствия экономических накоплений.

Оптимизированное размещение скважин и развитие полей

Точные оценки запасов, основанные на сейсмической интеграции, позволяют операторам оптимизировать количество и местоположение скважин разработки. Путем нацеливания на зоны с высокой пористостью, высокой насыщенностью, идентифицированные на картах сейсмических атрибутов, повышается эффективность бурения и увеличиваются коэффициенты извлечения. 4D (срок) сейсмическая дальнейшая мониторинг изменений пласта во время добычи, информируя о бурении налива и стратегиях повышения нефтеотдачи (EOR).

Передовые технологии и методы сейсмической интеграции

Сейсмическая инверсия

Сейсмическая инверсия преобразует данные отражения в количественные оценки физических свойств породы. Инверсия после стека дает объемы акустического импеданса, в то время как инверсия перед стеком генерирует P- и S-импеданс, отношение Vp/Vs и плотность. Эти объемы непосредственно конвертируются в пористость и карты чистой оплаты через преобразования физики пород. Одновременная инверсия для упругих свойств в настоящее время является отраслевым стандартом для пластических и карбонатных резервуаров.

Анализ АВО и дискриминация по жидкости

Амплитудная вариация с офсетным (AVO) анализом отличает литологические изменения от эффектов жидкости. Атрибуты перехвата (A) и градиента (B) наряду с методами перекрестного сплетения (например, приближение Шуя), идентифицируют аномалии АВО II, III и IV класса, указывающие на газовые или нефтяные пески. Использование продуктов, полученных из AVO, таких как отношение Пуассона и LMR, снижает неопределенность в оценках насыщения жидкости, непосредственно влияя на объемность запасов.

Машинное обучение и анализ данных

Последние достижения в машинном обучении (ML) преобразовали интеграцию сейсмических данных. Надзорные методы обучения (нейронные сети, случайные леса, машины опорных векторов), обученные на логах скважин и данных ядра, предсказывают свойства резервуара из нескольких сейсмических атрибутов одновременно. Неконтролируемые методы кластеризации (самоорганизующиеся карты, k-средства) идентифицируют сейсмические фации без предварительного смещения, выявляя сложные геологические закономерности. Архитектуры глубокого обучения, включая сверточные нейронные сети (CNN), теперь достигают обнаружения неисправностей, выбора горизонта и очерчивания соленого тела на уровнях точности, конкурирующих с интерпретаторами человека. Эти методы ускоряют рабочий процесс интеграции при сохранении или улучшении согласованности. Примечательным примером является использование рабочих процессов, управляемых ML , где модели свойств непосредственно обновляются из сейсмических данных в почти реальном времени во время сопоставления истории моделирования резервуара.

Облачные платформы для совместной работы

Масштаб современной сейсмической интеграции, часто с участием терабайтов данных, требует высокопроизводительных вычислений. Облачные платформы (например, AWS, Azure, Google Cloud) обеспечивают доступ по требованию к масштабируемой вычислительной мощности и общим наборам данных, облегчая сотрудничество между распределенными командами. Интегрированные программные экосистемы, такие как платформа Schlumberger Petrel или набор CGG Geosoft , теперь включают сейсмическую интерпретацию, инверсию и оценку запасов в унифицированных средах.

Проблемы сейсмической интеграции данных

Качество данных и неуникальность

Сейсмические данные по своей сути ограничены полосой, обычно разрешая функции до 10-30 метров вертикально, с боковым разрешением, ограниченным размером зоны Френеля. Субсейсмические неоднородности (тонкие слои, небольшие разломы) остаются нерешенными, внося неопределенность. Кроме того, несколько геологических сценариев могут производить идентичные сейсмические реакции (неуникальность), что требует тщательного включения предыдущих геологических знаний.

Вычислительные требования

Инверсия в полноволновой форме, миграция глубины до стека и геостатистическое моделирование требуют значительных вычислительных ресурсов. Организации часто сталкиваются с узкими местами в инфраструктуре, особенно при запуске более 500 стохастических реализаций. Использование облака помогает, но передача данных и задержка остаются проблемами для очень крупных обследований.

Интеграция многодисциплинарных команд

Сейсмическая интеграция требует тесного сотрудничества между геофизиками, петрофизиками, геологами и инженерами-резерваторами. Различия в программных инструментах, форматах данных и жаргоне, характерном для конкретной области, часто препятствуют эффективности рабочего процесса. Для решения этих проблем совместимости появляются инициативы по стандартизации, такие как Открытая Вселенная данных о недрах (OSDU) .

Количественная неопределенность

Оценка резерва должна учитывать несколько источников неопределенности: сейсмическая интерпретация, ошибки в модели скорости, преобразования свойств и выбор объемных формул. Традиционные детерминированные подходы занижают эту неопределенность. Вероятностные методы, такие как Байесовская инверсия или , основанные на связях истории , обеспечивают более реалистичные диапазоны неопределенности, но требуют строгого определения предыдущих распределений и вероятностных функций.

Будущие направления и новые тенденции

Автоматизированная интерпретация на основе ИИ

Модели глубокого обучения быстро автоматизируют повторяющиеся задачи интерпретации: отслеживание горизонта, выбор неисправностей и классификация фаций. В ближайшем будущем комплексные системы ИИ могут напрямую генерировать модели свойств и резервировать оценки из необработанных сейсмических объемов, уменьшая предвзятость человека и ускоряя время цикла. Однако проверка данных скважин остается необходимой для критических решений.

Слияние данных мультифизики

Сочетание сейсмических данных с другими геофизическими измерениями — гравитацией, магнитными, электромагнитными (CSEM) — обеспечивает дополнительную чувствительность к свойствам жидкости и породы. Например, данные CSEM чувствительны к углеводородным телам с высокой устойчивостью, в то время как сейсмическая информация предлагает структурную и пористую информацию. Совместная инверсия этих наборов данных является активной областью исследований с потенциалом резко уменьшить неопределенность запасов.

Цифровые близнецы и управление водохранилищем в реальном времени

По мере участившихся сейсморазведочных работ 4D операторы могут обновлять цифровые двойники водохранилищ в режиме реального времени. Интеграция данных о временной просадке с данными о производстве (ставками, давлениями) с помощью фильтров ансамбля Kalman или других методов ассимиляции данных позволяет проводить непрерывную переоценку запасов. Этот адаптивный подход поддерживает оптимальное управление полями, включая сроки бурения на заливных скважинах и корректировки структуры впрыска воды.

Высокопроизводительные вычисления и обработка Edge

Появление квантовых вычислений и специализированных ускорителей ИИ может вскоре решить ранее неразрешимые проблемы инверсии. На стороне приобретения узлы с дном океана (OBN) с возможностями обработки на борту (передовые вычисления) могут предоставить предварительные результаты интеграции в течение нескольких дней после сбора данных, а не месяцев.

Лучшие практики для сейсмической интеграции данных

Для максимального увеличения значения сейсмической интеграции для оценки запасов, специалисты должны придерживаться следующих руководящих принципов:

  • Начните с четкой бизнес-цели: Определите ключевые неопределенности (например, связь с резервуаром, контакты с жидкостью, распределение чистой заработной платы), которые сейсмическая активность может помочь уменьшить.
  • Инвестируйте в высококачественную сейсмическую обработку: Плохое качество данных на переднем конце не может быть полностью компенсировано с помощью расширенной интерпретации.
  • Используйте многоуровневый подход: Начните с простой детерминированной инверсии (например, инверсии после стека ) перед переходом к более сложным вероятностным методам.
  • Проверка данных скважины на каждом этапе: Слепые тесты и перекрестная валидация гарантируют, что интегрированная модель выполняет фактические измерения.
  • Документальные предположения и неопределенности: Прозрачная отчетность о параметрах выбора и факторах риска позволяет лицам, принимающим решения, оценить надежность номеров резервов.
  • Совершенствуйте итерационное обучение: По мере бурения новых скважин или получения производственных данных пересматривайте и обновляйте сейсмическую модель.

Вывод: Сейсмическая интеграция как краеугольный камень современной оценки запасов

Интеграция сейсмических данных в оценку запасов углеводородов превратилась из нишевой специализации в фундаментальную отраслевую практику. В сочетании с журналами скважин, основными данными, физикой горных пород и передовыми вычислительными методами сейсмическая информация дает гораздо более богатую и надежную картину подземных резервуаров, чем любой один источник данных. Преимущества - от улучшенного пространственного разрешения и снижения риска бурения до улучшенного картирования чистой заработной платы и оптимизированной разработки месторождений - непосредственно переводят на более точную и подотчетную отчетность о запасах.

Однако быстрые достижения в области искусственного интеллекта, облачных вычислений и мультифизического слияния данных обещают еще больше снизить эти барьеры. Компании, которые инвестируют в надежные рабочие процессы сейсмической интеграции сегодня, будут лучше ориентироваться в неопределенности ресурсов, присущей разведке и добыче нефти и газа, и удовлетворять растущий спрос на точные, поддающиеся проверке оценки запасов как со стороны инвесторов, так и со стороны регулирующих органов.

Охватывая изложенные здесь методологии и передовой опыт, команды могут раскрыть весь потенциал своих сейсмических данных, превратив их из качественного инструмента визуализации в количественную основу для оценки и управления резервуарами. Будущее оценки запасов заключается в плавном слиянии всех доступных данных геонауки, и сейсмическая интеграция остается основой этого видения.