Wyniki wyszukiwania - BazTech

1

Obliczanie objętości materii organicznej (TOC) na podstawie inwersji genetycznej danych sejsmicznych

Bartoń R., Wilk A.

Nafta-Gaz

|

2018

|

R. 74, nr 6

415--422

PL

W artykule została zaprezentowana metodyka wyznaczania rozkładu parametru TOC na danych sejsmicznych 3D na podstawie inwersji genetycznej. Zaprezentowany schemat obliczeń zastosowano na danych sejsmicznych pochodzących z obszaru północnej Polski. Głównym celem przeprowadzonych badań było rozpoznanie dwóch, wyinterpretowanych horyzontów sejsmicznych (z których pierwszy odpowiadał powierzchni stropowej ogniwa Jantaru, a drugi stropowi formacji z Sasina), pod kątem wyznaczenia stref potencjalnych sweet spotów. Wyinterpretowany rozkład parametrów fizycznych takich jak: prędkość i gęstość, oraz parametrów petrofizycznych takich jak: porowatość, nasycenie, a także TOC w obrębie kolejnych sekwencji skalnych, ma ścisły związek z parametrami sejsmicznymi, takimi jak czasy przejścia fal odbitych od poszczególnych granic sejsmicznych oraz ich charakterystyk amplitudowych i częstotliwościowych [1, 8]. Zaprezentowana metodyka wyznaczania rozkładu parametru TOC była realizowana na podstawie zmienności amplitud pola falowego, pola prędkości fal podłużnych oraz pomiarów labolatoryjnych TOC w otworach wiertniczych. Uzyskane wyniki w postaci map i rozkładów przestrzennych pozwalają zidentyfikować obszary perspektywiczne o podwyższonych wartościach TOC, a ich dokładność uwarunkowana jest rozdzielczością danych sejsmicznych.

EN

The article presents the methodology for determining the distribution of TOC parameter on 3D seismic data, based on genetic inversion. The presented calculation scheme was applied on seismic data from the northern area of Poland. The main goal of the study was to recognize two seismic horizons (the first of which corresponded to the top surface of the Jantar Member and the second to the top of the Sasino Formation), in terms of designating the zones of potential sweet spots. The interpreted distribution of physical parameters such as: velocity and density and petrophysical parameters, such as: porosity, saturation and TOC within successive rock sequences, is closely related to seismic parameters, such as transition times of waves reflected from individual seismic boundaries and their amplitude characteristics and frequency [1, 8]. The presented methodology for determining the distribution of the TOC parameter, was based on the variability of the wave field amplitudes, the field of longitudinal wave velocities and laboratory TOC measurements in wellbores. Obtained results in the form of maps and spatial distributions allow to identify perspective areas with increased TOC values, and their accuracy is conditioned by the resolution of seismic data.

2

Estymacja parametrów charakteryzujących ośrodek geologiczny za pomocą procedury inwersji genetycznej

Leginowicz A., Pirowska K.

Nafta-Gaz

|

2013

|

R. 69, nr 5

392--400

PL

Estymacja parametrów charakteryzujących ośrodek geologiczny za pomocą inwersji genetycznej przy użyciu danych sejsmicznych i danych geofizyki otworowej pozwala na uzyskanie wolumenu prędkości lub impedancji akustycznej. W publikacji przedstawiono rezultaty inwersji genetycznej opartej na algorytmie, który wykorzystuje połączenie wielowarstwowych sieci neuronowych oraz algorytmów genetycznych. Wykorzystywany w tym rozwiązaniu algorytm wstecznej propagacji błędów jest podstawowym algorytmem uczenia nadzorowanego dla wielowarstwowych jednokierunkowych sieci neuronowych. Istotną zaletą inwersji genetycznej jest możliwość zastosowania jej dla różnych atrybutów petrofizycznych. Danymi wejściowymi mogą być: dane otworowe, atrybuty sejsmiczne, mapy lub inne parametry charakteryzujące ośrodek geologiczny. Procedurę zaaplikowano na danych szkoleniowych firmy Schlumberger oraz na rzeczywistych danych sejsmicznych 3D, pochodzących z przedgórza Karpat.

EN

The estimation of rock properties characterizing reservoirs by genetic inversion using seismic and well data allows us to obtain the volume of velocity or acoustic impedance. This work presents results of genetic inversion within the Petrel system based on a nonlinear multitrace seismic inversion algorithm. In the case of Genetic Inversion, the required inputs are limited to the seismic amplitude, and the Acoustic Impedance well logs used as training data. Indeed no single unique wavelet, neither initial property modeling are needed as inputs prior to the running of the inversion. A genetic algorithm back-propagates the error in order to update the weights for the neural networks. The Petrel inversion module is not restricted to a pure acoustic impedance inversion, but can be extended to any property with some inherent link with respect to the input seismic volume. This analysis was carried out on demo data and on 3D seismic data, from the Carpathians foreland.

3

Estymacja parametrów charakteryzujących ośrodek geologiczny przy pomocy procedury inwersji genetycznej

Leginowicz A., Pieniążek K.

Prace Naukowe Instytutu Nafty i Gazu

|

2012

|

nr 182 wyd. konferencyjne

283--288

PL

Estymacja parametrów charakteryzujących ośrodek geologiczny za pomocą inwersji genetycznej przy użyciu danych sejsmicznych i danych geofizyki otworowej pozwala na uzyskanie estymacji prędkości i impedancji akustycznej. W publikacji przedstawiono rezultaty inwersji genetycznej opartej na algorytmie, który wykorzystuje połączenie wielowarstwowych sieci neuronowych oraz algorytmów genetycznych. Wykorzystywany w tym rozwiązaniu algorytm wstecznej propagacji błędów jest podstawowym algorytmem uczenia nadzorowanego dla wielowarstwowych jednokierunkowych sieci neuronowych. Istotną zaletą inwersji genetycznej jest możliwość zastosowania jej dla różnych atrybutów petrofizycznych. Danymi wejściowymi mogą być: dane otworowe, atrybuty sejsmiczne, mapy lub inne parametry charakteryzujące ośrodek geologiczny. Procedurę zaaplikowano na rzeczywistych danych sejsmicznych 3D, pochodzących z przedgórza Karpat.

EN

The estimation of rock properties characterizing reservoirs by genetic inversion using seismic and well data finally provides velocity or acoustic impedance cube. This work presents results of genetic inversion within Petrel system based on a nonlinear multitrace seismic inversion algorithm. In the case of genetic inversion, the required inputs are limited to the seismic amplitude, and the acoustic impedance well logs used as training data. Indeed no single unique wavelet, neither initial property modeling are needed as inputs prior to run the inversion. A genetic algorithm back-propagates the error in order to update the weights for the neural networks. The Petrel inversion module is not restricted to a pure acoustic impedance inversion, but can be extended to any property with some inherent link with respect to the input seismic cube. This analysis was carried out on demo data and on 3D seismic data, from the Carpathians foreland.