Modelowanie geostatystyczne w wyznaczaniu przestrzennego rozkładu parametrów petrofizycznych utworów ilasto-mułowcowych

• Autorzy: Kwilosz Tadeusz

Identyfikatory

DOI

10.18668/NG.2020.04.02

Warianty tytułu

EN

Geostatistics modeling in determining the spatial distribution of petrophysical parameters of claystone and mudstone formations

• Języki publikacji: PL

Abstrakty

PL

W związku ze zmniejszającymi się zasobami gazu w złożach zlokalizowanych w utworach piaskowcowych i skałach węglanowych coraz większym zainteresowaniem cieszą się obiekty strukturalne związane z utworami piaskowcowo-mułowcowo-łupkowymi ulokowane w utworach miocenu. Złoża te charakteryzują się dużą zmiennością facjalną tych utworów, w tym wyklinowaniem się lamin i warstewek. W związku z powyższym porowatość oznaczona dla tych skał nie może być liczona do bilansu porowatości efektywnej, służącej do oszacowania zasobów wydobywalnych. Obliczając miąższość efektywną, powinno się pominąć miąższość skał łupkowych. Jednym z zasadniczych problemów, będących przedmiotem tego opracowania, jest wydzielenie miąższości skał należących do poszczególnych typów litologicznych. W celu rozpoznania zmienności litologicznej tego typu skał użyto pomiarów profilowania gamma. Należy jednak podkreślić, że ze względu na bardzo małą miąższość warstw piaskowcowych i mułowcowych nie są one możliwe do jednoznacznej identyfikacji za pomocą profilowania gamma. Profilowanie gamma wskazuje raczej wartości uśrednione w obrębie pomiaru niż konkretne warstwy. W związku z tym dokonano oszacowania procentowego udziału miąższości każdego z typów litologicznych w całkowitej miąższości struktury przewierconej przez każdy odwiert. Podział taki przeprowadzono za pomocą analizy rozkładów empirycznych pomiarów gamma. Założono, że niejednorodności litologiczne uwidocznią się na wykresach histogramów w formie rozkładów wielomodalnych lub wyraźnych zmian monotoniczności. Dane te posłużyły do wygenerowania przestrzennych rozkładów parametrów na siatce modelu w punktach nieobjętych pomiarem. Użyto do tego celu metody krigingu zwyczajnego oraz krigingu z trendem. Przy zastosowaniu tych samych metod interpolacyjnych wygenerowano mapy stropu i spągu modelu badanego złoża. Korzystając z wyników pomiarów porowatości, dokonano przyporządkowania wyniku tych pomiarów do wydzielonych wcześniej typów litologicznych. Dla każdego typu skały i przy użyciu obydwu metod krigingu wyznaczono rozkład porowatości w punktach siatki modelu złoża. Do oszacowania niepewności uzyskanych wyników posłużono się metodą kroswalidacji. Na zakończenie obliczono objętość porów efektywnych modelu złoża, zakładając, że tylko skały piaskowcowe i mułowcowe są źródłem porów efektywnych. Oszacowano niepewność uzyskanego wyniku. Na rzecz opracowania posłużono się rzeczywistymi danymi z pomiarów geofizycznych dla złoża w utworach miocenu.

EN

Due to decreasing gas reserves in deposits found in sandstone f and carbonate formations, geological structures composed of mudstone and shale layers found in Miocene formations are growing in popularity. These deposits are characterized by high facial variability. Shale rocks have very low permeability. Therefore, the porosity determined for these rocks cannot be taken into account in the balance of the effective porosity used to estimate the natural gas reserves. Shale rock thickness should be excluded when calculating effective thickness of the gas bearing formations. The main problem of this study is the proper separation of the rocks belonging to individual lithological facies. Gamma ray logs were used to identify lithological variability of this type of rock. It should be emphasized, however, that due to the very low thickness of sandstones and mudstones, it was not possible to identify them clearly using the archival gamma ray logs. The archival gamma ray logs indicate the average values of the layer rather than that of specific laminas, because of its measurement resolution. Therefore, an estimation was made in order to calculate the percentage share of the thickness of each lithological type in the total layer thickness in each well. This division was made using the analysis of empirical distributions of gamma ray logs. It was assumed that lithological heterogeneities would be visible on experimental histograms in the form of multimodal distributions or clear changes in monotonicity. These data were used to generate a spatial distribution of parameters on the model grid at points not covered by the measurement. For this purpose, the ordinary kriging method and the kriging with trend method were used. Using the same interpolation methods, the structure maps of the top and bottom of the model were generated. The results of the porosity measurements were assigned to the previously separated lithological types of rocks. The distribution of porosity at the grid points of the deposit model was determined for each type of rock and using both kriging methods. The cross-validation method was used to assess the uncertainty of the results. Finally, the effective pore volume of the deposit model was calculated, assuming that only sandstone and mudstone rocks are sources of the effective pores. The uncertainty of the analysis was estimated. Real data from geophysical measurements for the Miocene gas field were used for the study.

Słowa kluczowe

PL

kriging; kroswalidacja; porowatość efektywna

EN

kriging; cross-validation; effective porosity

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2020
• Tom: R. 76, nr 4
• Strony: 230--238
• Opis fizyczny: Bibliogr. 28 poz.

Twórcy

autor

Kwilosz Tadeusz

• Instytut Nafty i Gazu – Państwowy Instytut Badawczy

Bibliografia

• Bromowicz J., Kuśmierek J., Łapinkiewicz A.P., Maćkowski T., 2001. Geologiczna interpretacja zmienności parametrów petrofizycznych w obszarze wschodniej części Karpat polskich. [W:] Kuśmierek J. (red.), Charakterystyka parametrów petrofizycznych fliszowych serii ropogazonośnych Karpat polskich. Polish Journal of Mineral Resources, Towarzystwo Geosynoptyków „Geos”, Kraków, 4: 31–77.
• Chiles J.P., Delfiner P., 1999. Geostatistics. John Wiley, New York.
• Clark I., 1986. The Art of Cross Validation in Geostatistical Applications. [W:] Ramani R.V. (ed.). 19th Application of Computers and Operations Research in the Mineral Industry. Society of Mining Engineers, Littleton, Colorado.
• Deutsch C.V., 2002. Geostatistical Reservoir Modeling. Oxford University Press.
• Dusza R., Filar B., Miziołek M., 2004. Analiza litologiczno-facjalna utworów miocenu w rejonie PMG Husów. Prace Instytutu Nafty i Gazu,127. ISSN 0209-0724.
• Dziadzio P., Maksym A., Olszewska B., 2006. Sedymentacja utworów miocenu we wschodniej części zapadliska przedkarpackiego. Przegląd Geologiczny, 54(5): 413–419.
• Jędrzejowska-Tyczkowska H., 2017. Dobór optymalnej rozdzielczości sekcji sejsmicznej w drodze analizy i modyfikacji charakterystyk spektralnych danych sejsmiki powierzchniowej i otworowej. Nafta-Gaz, 8: 531–550. DOI: 10.18668/NG.2017.08.01.
• Journel A.C., Huijbregts Ch.J., 1978. Mining Geostatistics. London Academic Press: 1–600.
• Karnkowski P.H., 1997. Baseny sedymentacyjne a prowincje naftowe Polski – zarys problematyki. Przegląd Geologiczny, 45(10): 992–994.
• Kwilosz T., Pańko A., Szott W., 2003. Zastosowanie metody geostatycznej analizy danych dla potrzeb symulacji modeli złóż węglowodorów. Prace Instytutu Górnictwa Naftowego i Gazownictwa, 126: 1–35.
• Miziołek M., 2014. Nowe oprogramowanie geologiczne do budowy przestrzennych modeli złóż. Nafta-Gaz, 6: 343–350.
• Miziołek M., Filar B., Cierzniak M., 2017. Pułapki złożowe zapadliska przedkarpackiego w czołowej strefie nasunięcia Karpat. Nafta-Gaz, 8: 551–556. DOI: 10.18668/NG.2017.08.02.
• Mucha J., Wasilewska M., 2006. Teoria opróbowania Gy i przykłady jej zastosowań w geologii górniczej w Polsce. Przegląd Górniczy, 12: 3–38.
• Mucha J., Wasilewska M., 2009a. Ocena błędów opróbowania złóż – statystyczny niezbędnik geologa górniczego. Górnictwo Odkrywkowe, 2–3: 84–90.
• Mucha J., Wasilewska M., 2009b. Trójwymiarowe modelowanie wartości parametrów złożowych metodą krigingu zwyczajnego 3D. Kwartalnik AGH Geologia, 3(2): 167–174.
• Mucha J., Wasilewska-Błaszczyk M., 2010. Prognozowanie jakości urobku metodami geostatystyki 3D – perspektywy i ograniczenia. Gospodarka Surowcami Mineralnymi, 26(2): 57–67.
• Myśliwiec M., 2004. Mioceńskie skały zbiornikowe zapadliska przedkarpackiego. Przegląd Geologiczny, 52(7): 581–592.
• Oszczypko N., 2006. Powstanie i rozwój polskiej części zapadliska przedkarpackiego. Przegląd Geologiczny, 54 (5): 396–402.
• Ringrose P.S., 2008. Total-property modeling: Dispelling the net-to-gross myth. SPE Reservoir Evaluation & Engineering, 11(5): 866–873.
• Sinclair A.J., Blackwell G.H., 2002. Applied Mineral Inventory Estimation. Cambridge University Press: 1–381.
• Singh V., Yemez I., Sotomayor J., 2013. Key factors affecting 3D reservoir interpretation and modeling outcomes: Industry perspectives. British Journal of Applied Science & Technology, 3(3): 376–405.
• Sowiżdżał K., 2013. Analiza niepewności wyników obliczeń zasobów złóż węglowodorów metodą objętościową, w oparciu o statyczny, przestrzenny model złoża. Nafta-Gaz, 12: 934–941.
• Sowiżdżał K., Stadtmüller M., Słota-Valim M., 2014. Modelowanie facjalne i parametryczne jako narzędzie analizy i integracji spektrum danych geologiczno-geofizycznych. Przegląd Geologiczny, 62(12): 818–824.
• Szott W., 2006. Zastosowanie statystycznych metod projektowania eksperymentu do probabilistycznej oceny zasobów złóż węglowodorów. Prace Instytutu Nafty i Gazu, 138. ISSN 0209-0724.
• Szott W., 2008. Analiza niepewności w prognozach eksploatacji złóż przy zastosowaniu modeli geostatystycznych. Prace Instytutu Nafty i Gazu, 148. ISSN 0209-0724.
• Szott W., 2010. Zastosowanie symulacji komputerowych do modelowania pracy podziemnych magazynów gazu w Polsce. Nafta-Gaz, 5: 339–344.
• Wasilewska M., Mucha J., 2006. Korekta efektu wygładzenia w procedurze interpolacyjnej krigingu zwyczajnego. Przegląd Górniczy, 1: 31–36.
• Żelaźniewicz A., Aleksandrowski P., Buła Z., Karnkowski P.H., Konon A., Oszczypko N., Ślączka A., Żaba J., Żytko K., 2011. Regionalizacja tektoniczna Polski. Komitet Nauk Geologicznych PAN Wrocław: 1–60.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).