Способ поиска нефтегазоносных залежей с использованием нейрокомпьютерной системы обработки данных сейсморазведки

Способ поиска нефтегазоносных залежей с использованием нейрокомпьютерной системы обработки данных сейсморазведки

Реферат

 

Использование: для обнаружения нефтяных и газовых залежей, перспективных для разработки, с использованием нейрокомпьютерной системы обработки данных сейсморазведки. Сущность: проводят сейсмическое профилирование методом общей глубинной точки. Получают временные разрезы, отбирают обучающую выборку в пределах анализируемого окна по всему образу участка сейсмических трасс временных разрезов с последующим использованием обучающей выборки в многослойных нейронных системах и картопостроения. При этом на различных участках исследуемой площади в обучающую выборку вводят дополнительные образы тектонико-фациальных зон /ТФЗ/ в виде сейсмически четко выраженных геологических тел, например рифогенных образований или глубоких разломов и прогибов. Технический результат - повышение точности определения вероятностного местоположения нефтегазоперспективных объектов. 4 ил.

Изобретение относится к способам поиска нефтегазовых залежей и может быть использовано для обнаружения нефтяных и газовых залежей, перспективных для разработки.

Известен способ поиска нефтегазовых залежей, включающий сейсмическое профилирование методом общей глубинной точки с последующим определением планового положения и контуров зон, после чего в пределах оконтуренной зоны проводят фрагментарную газовую съемку на углеводороды, при наличии которого делают заключение о существовании залежей нефти и газа [1].

Недостатком способа является то, что его использование не обеспечивает достаточной точности определения скорости продольных волн, что не позволяет осуществлять уверенное оконтуривание нефтяной залежи, а также не позволяет отображать глубоко залегающей нефтяной залежи при проведении газовой съемки.

Известен также способ разведки нефтегазовых залежей [2], включающий сейсмическое профилирование методом общей глубинной точки, получение временных разрезов, отбор обучающей выборки в пределах анализируемого окна временных разрезов с последующим использованием обучающей выборки в алгоритме системы обучения и картопостроения.

Недостатком его является неточность обнаружения нефтяных и газовых залежей.

Известен также способ разведки нефтегазовых залежей с использованием метода распознавания образов [3] , который по технической сущности более близкий к предлагаемому и может быть принят в качестве прототипа.

Он основан на использовании искусственных нейронных сетей и алгоритмов, реализация которых описана в работе [4].

Способ предусматривает сейсмическое профилирование методом общей глубинной точки, получение временных разрезов, отбор обучающей выборки в пределах анализируемого окна по всему образу участка сейсмических трасс временных разрезов с последующим использованием многослойных искусственных нейронных систем в качестве алгоритма обучающей системы и картопостроение.

Практика использования данного способа выявила, что методика использования "Нейросейсм" выделяет достоверно нефтеносные участки только в том случае, если не меняются тектонические и фациальные условия участка "обучения". В процессе геологоразведочных работ не всегда уверенно и однозначно удается выделить, где именно проходит граница смены одной тектонико-фациальной зоны другой. Таким образом, в известном способе разведка нефтегазовых залежей ведется без учета изменений геологических условий и образу обучения механически распространялся на большую площадь. Поэтому успешность прогноза оказалось, как показала практика, только 64%.

Задачей настоящего изобретения является повышение точности определения вероятностного местоположения нефтегазоперспективных объектов на площади работ.

Поставленная задача решается описываемым способом, включающим сейсмическое профилирование методом общей глубинной точки, получение временных разрезов, отбор обучающей выборки в пределах анализируемого окна по всему образу участка сейсмических трасс временных разрезов с последующим использованием многослойных искусственных нейронных систем в качестве алгоритма обучающей системы и картопостроение.

Новым является то, что на различных участках исследуемой площади в обучающую выборку вводят дополнительные образы тектонико-фациальных зон (ТФЗ) в виде сейсмически четко выраженных геологических тел, например рифогенные образования или глубокие разломы и прогибы. При этом в терригенных девонских отложениях нефтеносные залежи преобладают в краевых частях за пределами рифа и над рифом - в каменноугольных отложениях.

Патентные исследования на новизну способа проводились по патентному фонду института "ТатНИПИнефть" на глубину 15 лет.

Поскольку исследуемый объект по сравнению со сходными признаками известных объектов не идентичен и не эквивалентен, то выше приведенная совокупность существенных отличительных признаков у заявляемого способа является новой и отвечает требованиям "изобретательский уровень", а его промышленная применимость подтверждается описанием последовательного осуществления способа.

Представленные фигуры поясняют суть изобретения, где на фиг. 1 изображена вероятной залежь нефти после нейрокомпьютерной системы обработки данных сейсморазведки. "Нейросейсм" без выделения тектонико - фациальных зон (по прототипу), которая не подтвердилась в результате бурения скважины N 800.

На фиг. 2 - прогнозная карта нефтеносности, составленная на основе нейрокомпьютерной системы обработки данных сейсморазведки по предлагаемому способу. Перспективная зона, промышленно нефтеносными оказались все скважины, пробуренные в пространстве, замкнутого рифогенными постройками.

На фиг. 3 - прогнозная карта, аналогичная что изображено на фиг. 2, в случае частичного замыкания перспективного участка рифогенными образованиями, пробуренные скважины оказались слабонефтенасыщенными и отличаются высокой обводненностью.

На фиг. 4 - схема нефтенакопления в районе Шунакского прогиба.

Способ осуществляют в следующей последовательности.

По данным сесморазведки методом общей глубинной точки получают временные разрезы. На временных разрезах, проходящих через участки с нефтью и в местах ее отсутствия, подтвержденных бурением, выбирают участки сейсмических трасс, образ которых является обучающей выборкой. При этом отбор обучающей выборки осуществляют по всему образу участка сейсмических трасс временных разрезов анализируемого окна. Обучающую выборку подают на вход обучаемой многослойной искусственной нейронной сети - алгоритма системы обучения, который имеет два режима работы: обучение и анализ сейсмических данных. Обучение ведется в интеративном режиме, а анализ - в автоматическом.

С целью повышения точности определения вероятностного местоположения нефтегазоперспективных объектов на площади работ в обучающую выборку вводят дополнительные образы тектонико-фациальных зон (ТФЗ) в виде сейсмически четко выраженных геологических тел. Одними из таких тел являются рифогенные образования. Следует отметить, что для каждой ТФЗ существует свой "образ" нефтеносности.

Упомянутая выше многослойная искусственная нейронная сеть не явно анализирует в определенном временном разрезе сразу весь комплекс динамических параметров сейсмической записи, не подвергая их преобразованиям, определяет числовые значения вероятности наличия залежи углеводородов вдоль сейсмических профилей в анализируемом временном окне. По полученным результатам анализа строится прогнозная карта нефтеносности анализируемых отложений.

Авторами на многочисленных примерах, бурением скважин на нефтегазоносность в условиях месторождений нефти Татарстана по предлагаемому способу установлено, что в терригенных девонских отложениях нефтеносные залежи преобладают в краевых частях за пределами рифа, и над рифом - в каменноугольных отложениях. Так, перспективная зона по нейрокомпьютерному анализу (см. фиг. 2) промышленно-нефтеносными оказались все скважины, пробуренные в пространстве, замкнутом рифогенными образованиями.

Физическим и геологическим объяснением этому является то, что под рифогенными образованиями происходило длительное опускание участков относительно пространства, замкнутого рифами (см. фиг. 4). Это привело к тому, что межрифогенное пространство стало относительно приподнятой зоной, где произошло накопление нефти.

В случае частичного замыкания перспективного участка (см. фиг. 3) пробуренные скважины N 772, 794 оказались нефтенасыщенными и отличаются высокой обводненностью.

Общеизвестно, что рифогенные образования (рифы) могут возникать и наращиваться в условиях постоянного прогибания пород под основанием. Это прогибание и компенсируется нарастанием рифогенного образования. По этой причине подстилающие породы ниже рифа бывают гипсометрически несколько ниже, чем те же отложения, примыкающие к рифу. Это приводит к образованию небольших антиклинальных ловушек по окраинам рифа в терригенных отложениях девона. В ходе миграции нефтей со стороны Шунакского прогиба эти антиклинальные ловушки явились местом скопления девонских отложений Бухарского месторождения (см. фиг. 4). Рифогенные образования послужили основанием для возникновения антиклинальных структур облегания отложений бобриковского горизонта каменноугольной системы. В ходе миграции нефтей эти антиклинальные структуры послужили ловушками для образования бобриковских залежей нефти Бухарского месторождения.

В случае группового расположения рифов за счет суммирования усилий складкообразования произошло образование больших размеров антиклинальных структур, что привело к промышленным скоплениям нефти в терригенных девонских отложениях и расширение размеров залежи нефти по бобриковским отложениям и смещение их области межрифого пространства.

Поэтому, зная местоположение рифогенного тела и их взаимное расположение, уже можно прогнозировать пространственное положение скоплений нефти.

Технико-экономическое преимущество предложения заключается в следующем.

Экономический эффект от использования предлагаемого способа обуславливается сужением области поиска в результате отбраковки ранее картированных объектов и уточнения мест заложения разведочных и эксплуатационных скважин, избежать бурения скважин на непродуктивные пласты и наконец выявить новые залежи - картировать мелкие и очень мелкие залежи нефти, в которых сосредоточены в настоящее время основные неразведанные запасы нефти в Татарстане.

Все это в конечном счете приводит к снижению затрат (денежных, материальных и т. д.) на проведение буровых работ, повышение их эффективности.

Источники информации: 1. А.С. ССР N 972452, G 0 V 1/00, 1982 г.

2. Книга Ч. Чжон "Анализ и выделение сейсмических сигналов", Москва, Мир, 1986, с 176-191.

3. Патент РФ N 2094828, Мкл. G 01 V 1/28, опубл. в Б И. N 30, 1997 г. (прототип) 4. Книга Ф. Уоссермен "Нейрокомпьютерная техника", Москва, Мир, 1992 г.

Формула изобретения

Способ поиска нефтегазовых залежей с использованием нейрокомпьютерной системы обработки сейсмических данных, включающий сейсмическое профилирование методом общей глубинной точки, получение временных разрезов, отбор обучающей выборки в пределах анализируемого окна по всему образу участка сейсмических трасс временных разрезов с последующим использованием обучающей выборки в многослойных нейронных системах и картопостроения, отличающийся тем, что на различных участках исследуемой площади в обучающую выборку вводят дополнительные образы тектонико-фациальных зон (ТФЗ) в виде сейсмически четко выраженных рифогенных образований или глубоких разломов и прогибов, при этом наличие нефтяных залежей прогнозируют в девонских терригенных отложениях в краевых частях за пределами рифа, а в каменноугольных отложениях - над рифом.

РИСУНКИ

Рисунок 1, Рисунок 2, Рисунок 3, Рисунок 4