Способ получения характеристик геологической формации, пересекаемой скважиной

Способ получения характеристик геологической формации, пересекаемой скважиной

Иллюстрации

Показать все

Реферат

ОБЛАСТЬ ТЕХНИКИ ИЗОБРЕТЕНИЯ

Настоящее изобретение относится, в общем, к исследованию геологических формаций, пересекаемых скважиной. Более конкретно данное изобретение относится к способу получения характеристик геологической формации, дающих 360-градусные обзоры стенки скважины.

УРОВЕНЬ ТЕХНИКИ

Электрические и акустические инструменты построения изображения скважины широко используются для каротажа подземных скважин для определения местоположения и картографирования граничных поверхностей между слоями горных пород (то есть границ пластов) и визуализации и ориентации разрывов и сдвигов.

Создаваемые в буровом растворе на водной основе электрические изображения скважин, такие как каротажные диаграммы, выполняемые инструментом FMI (Formation Microlmager/пластовый микроимиджер) фирмы Schlumberger, основываются на применении технологии, использующей пластовые наклономеры, имеющиеся на рынке с 1950-х годов (Bigelow, 1985a, b, c, d, e; Gilreath, 1987; Adams et al., 1987; Hurley, 2004). На фиг.1 показана конфигурация инструмента и основные принципы выполнения каротажных диаграмм наклономера. Электрические инструменты построения изображения скважины, по сути, являются усовершенствованными наклономерами. Инструменты построения изображения имеют электроды микрокаротажа удельных сопротивлений, расположенные по окружности скважины на прижимных башмаках каротажного зонда, которые прижимаются к стенке скважины. Направление эволюции от наклономеров к изображению скважины происходило от нескольких электродов к сложным компоновкам электродов на многочисленных прижимных башмаках каротажного зонда (от 4 до 6 прижимных башмаков каротажного зонда, со щитками или без них).

Последовательность сбора данных для указанных инструментов, в общем, является следующей. Сначала инструмент спускают в скважину с втянутыми прижимными башмаками каротажного зонда. В начале проведения каротажа четыре, шесть или восемь прижимных башмаков каротажного зонда прижимают к стенке скважины. Количество прижимных башмаков каротажного зонда зависит от используемого каротажного устройства. Электрический ток пропускают с электродов в горную породу, и удаленные датчики измеряют ток после его взаимодействия с пластом (фиг.2). Исходные данные включают в себя многочисленные показания электродов, показания кавернометрии от индивидуальных прижимных башмаков каротажного зонда или пар прижимных башмаков каротажного зонда и показаний по осям x, y и z акселерометра и магнитометра. Отклонение скважины и ориентацию первого прижимного башмака каротажного зонда (прижимного башмака 1 каротажного зонда) определяют магнитометрами. Частота замеров для данных электродов и акселерометров может быть высокой, порядка 120 замеров/фут (400 замеров/м).

Фактический охват поверхности скважины представляет собой функцию ширины компоновок электродов, количества прижимных башмаков каротажного зонда и диаметра скважины. В общем, строится изображение 40-80% поверхности скважины в обычных скважинах. Части скважины, изображение которых не построено, выглядят как пустые полосы между прижимными башмаками каротажного зонда на итоговой каротажной диаграмме скважины.

Глубина исследования является незначительной, в общем, менее 1 дюйма (2,5 см) в пласт (Williams C.G., Jackson P.D., Lovell M.A., и Harvey P.K., 1997 г., Assessment and interpretation of electrical borehole images using numerical simulations/Оценка и интерпретация электрических изображений скважины с использованием числовых имитаций : The Log Analyst/Аналитик каротажных диаграмм, v./том 38, No./№6, p./стр.34-44). Скорость каротажа, сравнимая со скоростью каротажа в других необсаженных скважинах, составляет 1600-1,800 фут/час (500-550 м/час). Ограничения по давлению и температуре сравнимы с ограничениями, налагаемыми на обычные каротажные зонды.

Обычно обработанное электрическое изображение скважины в основе своей является картой удельных сопротивлений системы горной породы и текучей среды на поверхности стенки скважины. Поскольку изучение трехмерных (3-D) изображений скважины является более сложным, обычно скважины рассекают по направлению географического севера, затем выполняют развертку поверхности цилиндра, придавая ей плоский (2-D) вид. На фиг.3 представлена схематичная диаграмма вертикальной цилиндрической скважины с сечением плоским объектом, таким как круто падающий разрыв. Линия пересечения плоскости и цилиндра представляет собой окружность или овал. Для рассмотрения скважины в двух измерениях цилиндр, в общем, разрезают по линии с азимутом географического севера (N). Когда поверхность цилиндра делают плоской, линия пересечения овального очертания становится синусоидой. В скважинах с большим отклонением и горизонтальных обычным является сечение изображения скважины вдоль верха скважины. Плоские объекты, пересекающие цилиндрические скважины, выглядят синусоидами на двухмерном (2-D) виде.

Обработку данных выполняют на автоматизированном рабочем месте, персональном компьютере (PC) или больших ЭВМ с использованием имеющегося в продаже программного обеспечения. Этапы обработки включают в себя коррекцию данных направления, то есть азимута (ориентации инструмента) первого прижимного башмака (прижимного башмака 1) каротажного зонда и азимута скважины, на магнитное склонение. Некоторые программы также осуществляют коррекцию на магнитное склонение. Заметим, что магнитное склонение изменяется во времени и пространстве. Имеются таблицы и компьютерные программы для вычисления магнитного склонения для любой точки на земле на любых каротажных данных. Затем применяют коррекцию акселерометров, чтобы убедиться, что кривая акселерометра увязана по глубине с индикаторами удельного сопротивления. Акселерометр учитывает дифференциальный прихват, изменения скорости и резонансные вибрации, возникающие, когда инструмент перемещается вверх по скважине. Наконец, индикаторы удельных сопротивлений должны быть сдвинуты по глубине с использованием физических спецификаций инструмента так, чтобы различные ряды дисковых электродов находились на одной линии, в случае если изображается один и тот же срез скважины, перпендикулярный инструменту. При очень малых масштабах (менее 6 дюймов; 15 см) возникают нелинейные сдвиги по глубине, которые бывает невозможно скорректировать посредством обычных алгоритмов обработки данных. В результате, не каждая поверхность, показывающая электрический контраст, находится на точной глубине.

Обычно изображения скважины создают в виде карт, с присвоением разных цветов различным глубинным площадкам или диапазонам удельных сопротивлений. Цветовые пиксели затем располагают в надлежащем геометрическом положении вокруг скважины. Согласно правилу особенности с низким удельным сопротивлением, такие как глины или разрывы, заполненные текучей средой, отображаются темными цветами. Особенности с высоким удельным сопротивлением, такие как песчаники и известняки, отображаются оттенками коричневого, желтым и белым (на фиг.4, представляющей сдвиг малого масштаба или микросдвиг (M), и граничные поверхности (B) в интервале песчаника и глин). Заметим, что изображения также могут быть в серой гамме, в которой черное соответствует низким удельным сопротивлениям и белое - высоким удельным сопротивлениям. Глины находятся в нижней части секции. Примеры создания изображений скважины можно найти в патентах US № 3406776, US № 4567759 и US № 5200705.

Имеются два основных типа обработанных изображений скважины: статический и динамический. Статическими изображениями являются изображения, имеющие одну установку контраста, примененную ко всей скважине. Они создают полезные виды относительных изменений удельных сопротивлений горной породы через всю скважину. Статические изображения можно калибровать в устройствах со шкалой в Ом/м, таких как LLS log фирмы Schlumberger (Shallow Latero-log/мелкий боковой каротаж), каротажной диаграммы с мелким измерением удельных сопротивлений. При нормальной обработке изображения скважины являются некалиброванными. Изображения можно корректировать для напряжения EMEX, фонового напряжения, регулируемого на передвижной каротажной станции для улучшения качества изображения. Динамические изображения, имеющие изменяющийся контраст, применяемые в следящем окне, создают улучшенные виды признаков, таких как каверны, разрывы и граничные поверхности пластов. Динамические изображения выявляют малоразмерные признаки в горных породах, имеющих очень низкие удельные сопротивления, таких как глины, и очень высокие удельные сопротивления, таких как карбонатные и кристаллические горные породы. Патент США №5809163, включенный в данный документ в виде ссылки, относится к анализу текстурных признаков, конкретно каверн, с использованием изображений скважины.

Высокие удельные сопротивления (более 50 Ом/м) бурового раствора, типичные для буровых растворов на нефтяной основе, являются неподходящими для большинства электрических изображений скважины. С 2001 года имеется в продаже прибор OBMI (Oil-Base Microlmager/микроимиджер для буровых растворов на нефтяной основе) фирмы Schlumberger. Данный инструмент генерирует изображения скважины, пропуская электрический ток высокого напряжения (около 300 В) в пласт от двух больших электродов на каждом прижимном башмаке каротажного зонда. Имеется серия близко разнесенных дисковых электродов, размещенных в двух рядах по 5 электродов на каждом из 4 прижимных башмаков каротажного зонда. Изображения скважины генерируют по разности потенциалов (падению напряжения) между близко разнесенными электродами. Широкие промежутки, соответствующие неизображенным частями скважины между прижимными башмаками каротажного зонда, являются обычными. Данную проблему можно частично разрешить при использовании 2 проходов зонда OBMI. Альтернативой является использование сдвоенных зондов OBMI, колонны инструмента с 2 зондами OBMI, установленными примыкающими друг к другу, с прижимными башмаками каротажного зонда на одном зонде, повернутыми относительно другого.

Изображения скважины можно получать во время бурения (каротажа во время бурения (LWD). Примерами каротажных зондов фирмы Schlumberger является зонд GVR (Geo Vision Resistivity/геологического обзора удельных сопротивлений) и зонд ADN (Azimuthal Density Neutron/азимутальной нейтронной плотности). Зонд GVR использует вращение электродов и работает в буровом растворе на водной основе. Зонд ADN генерирует изображения по азимутальным измерениям плотности и работает в любом буровом растворе. Охват скважин является полным, без промежутков. Вместе с тем перевернутые результаты, в общем, являются более надежными вследствие минимизированного относа зонда от стенки скважины.

Акустические изображения скважины, более известные как изображения скважинного акустического телевидения, основаны на технологии, впервые разработанной в 1960 годах (Zemanek J., Glenn E.E., Norton L.J., and Caldwell R.L., 1970, Formation evaluation by inspection with borehole televiewer/Оценка и обследование пласта скважинным акустическим телевидением: Geophysics/Геофизика, v./том 35, p./стр 254-269). Зонд UBI (Ultrasonic Borehole Imager/формирователь ультразвукового изображения скважины) является основным акустическим зондом фирмы Schlumberger для применения в необсаженной скважине. Зонд UBI, выставленный по оси скважины, имеет вращающийся приемопередатчик, посылающий и регистрирующий звуковые волны, отражающиеся от стенки скважины. Как акустическая амплитуда, так и время пробега регистрируют и обрабатывают с получением изображений. Обычный охват скважины составляет 100%, без пробелов в изображениях. Вместе с тем изображения низкого качества могут являться результатом внецентренного выставления зонда или стенка скважины не является однородной.

Поэтому, как рассмотрено выше, поскольку зонды электрокаротажа относятся к типу устройств с прижимными башмаками с фиксированными компоновками электродов, обычным является наличие промежутков с потерей информации между прижимными башмаками каротажных зондов. Диаграммы электрического и акустического каротажа обычно имеют интервалы с низким качеством данных вследствие наличия неработающих электродов, недостаточного давления на прижимной башмак каротажного зонда, неправильной формы скважины, отходов горной породы, внецентренной установки зондов и плохого акустического отражения.

Геостатистика является дисциплиной, занимающейся пространственно распределенными случайными переменными (также называемыми «районированными переменными»), обычно применяемой к решению проблем геологической науки, таких как подсчет запасов минерального сырья и оконтуривание залежей минералов, углеводородных коллекторов и грунтовых вод. Обычно в геостатистике используют двухточечную статистику, сведенную в вариограмму. Многоточечная (или с многочисленными точками) геостатистика (MPS) отличается от остальной геостатистики, основанной на вариограмме, в основном тем, что дает характеристику пространственной изменчивости с использованием картин (комплектов точек), включающих в себя статистику более высокого порядка (гораздо выше порядка 2).

Многоточечные геостатистистические способы продемонстрировали обоснованность для блоков реальных данных и испытаны на них, что изложено в следующих материалах: I) Strebelle, "Conditional simulation of complex geological structures using multiple-point statistics"/«Условная имитация сложных геологических структур с использованием многоточечной статистики, Mathematical Geology/математичесая геология, v./том 34, n./номер 1, 2002 г., pp./стр.1-22, II) Strebelle и др., "Modeling of a deepwater turbidite reservoir conditional to seismic data using principal component analysis and multiple-point geostatistics,"/«Моделирование глубоководного турбидитового коллектора, обусловленное сейсмическими данными с использованием анализа главных компонентов и многоточечной геостатистики», SPE Journal/журнал Общества инженеров-нефтяников , Vol./том 8, No./№3, 2003 г., pp./стр.227-235, и III) Liu и др., "Multiple-point simulation integrating wells, three-dimensional seismic data, and geology,"/«Многоточечная имитация, интегрирующая скважины, сейсмические данные и геологию», American Association of Petroleum Geologist Bulletin/Бюллетень американской ассоциации нефтяных геологов v./том 88, no./№7, 2004 г., pp./стр.905-921.

Многоточечные геостатистические способы используют числовой тренировочный образ для представления пространственной изменчивости геологической информации. Тренировочный образ образует концептуальное количественное описание подземной геологической гетерогенности, содержащей возможно сложные многоточечные структуры геологической гетерогенности. Условное моделирование многоточечной статистики соотносит данные структуры к скважинным данным (и/или данным обнажения) и информации, выведенной из сейсмики (и/или информации поля вероятностей или сетки (сеток) ограничений). Пример такого способа описан в патенте US-2007-0014435, выданном компании Schlumberger Technology Corporation.

Геостатистика опирается на хорошо известную концепцию случайных переменных, говоря простым языком, непрерывные или дискретные свойства в различных пространственных расположениях во многом являются неизвестными или неопределенными; следовательно, каждое свойство, представляющее интерес в каждом месте пространства, включается в подсчет произвольной переменной, изменчивость которой описана вероятностной функцией. Для выполнения любого типа геостатистической имитации требуется решение или предположение стационарности. В способах многоточечной геостатистики использование тренировочных образов связано принципом стационарности, описанным в материалах авторов Caers J. и T.Zhang, 2004 года, "Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models"/«Многоточечная геостатистика: количественный инструмент для интегрирования геологических аналогов в многоколлекторные модели», авторов M.Grammer, P.M.Harris, и G.P.Eberli, eds., Integration of Outcrop and Modern Analogs in Reservoir Modeling/Интеграция обнажений и современных аналогов в моделирование коллекторов, Memoir/Научная публикация 80: Tulsa/Талса, OK/Оклахома, AAPG/Американская ассоциация геологов-нефтяников. Произвольное пространственное поле называют стационарным, если все его статистические параметры являются независимыми от местоположения (инвариантными согласно любому переводу). В случае тренировочных образов, данная стационарность может состоять, без ограничения этим, из стационарности ориентации, где элементы направления не вращаются поперек тренировочного образа; и стационарности масштаба (где размер элементов изображения не меняется поперек тренировочного образа).

Один способ многоточечной геостатистики хорошо известен в научном сообществе и промышленности под названием "Single Normal Equation Simulation"/«Имитация единого нормального уравнения» (SNESIM) (Strebelle, S., 2000 г., "Sequential simulation drawing structures from training images/«Черчение структур последовательной имитации по тренировочным образам», PhD thesis/докторская диссертация, Stanford University/Стэнфордский университет, 200 p/стр.). Способ SNESIM в общем признается пригодным для практического применения, такого как моделирование данных однозначного или дискретного типа, особенно для однозначных данных в трехмерном (3D) моделировании свойств. В способе SNESIM функцию плотности условной вероятности всех категорий в одной точке вычисляют с использованием знания величины в нектором количестве лежащих вблизи точек и статистики, созданной тренировочным образом. SNESIM работает только с дискретными величинами (то есть конечным и обычно небольшим количеством категорий, таких, например, как пять различных типов горной породы).

Такая методология была хорошо известна в начале 1990-х годов (до того, как стала известна как "SNESIM") (Guardiano R. и R.M.Srivastava, 1993 г., Multivariate geostatistics: beyond bivariate moments/Многомерная геостатистика: за пределами двумерных моментов, под редакцией A. Soares, ed., Geostatistics-Troia/Геостатистика-Троя, v./том 1: Dordrecht, Netherlands, Kluwer Academic Publications/Дордрехт, Клювер, Нидерланды, публикации Академии Клювер p./стр.133-144). Одним из ограничений первого подхода многоточечной статистики (MPS) вместе с тем, было то, что он являлся чрезвычайно интенсивным по вычислениям, чтобы справляться с тренировочным образом много раз. В 2000 году Strebelle разработал методику сохранения информации, содержащейся в тренировочном образе, в специальной древовидной структуре, на несколько порядков сокращавшей вычисления (Strebelle, S., 2000 г., Sequential simulation drawing structure from training images/«Рисование структур последовательной имитации по тренировочным образам»: PhD Thesis/докторская диссертация, Stanford University/Стэнфордский университет, Stanford, CA, USA/Стэнфорд, Калифорния, США). С данным усовершенствованием методология стала обычно именоваться способом SNESIM.

Программа SNESIM является более быстродействующей, чем исходный алгоритм Guardiano и Srivastava (1993 г.), но требует компьютерного запоминающего устройства с произвольной выборкой (RAM/ЗУПВ), особенно в трех измерениях (3D) для большого тренировочного образа. Данное ограничение по RAM/ЗУПВ в трех измерениях (3D) требует компромиссов, которые могут приводить к неадекватному воспроизведению формы трехмерных (3D) предметов. Ограничение по RAM/ЗУПВ также не дает возможности совместного рассмотрения слишком многих категорий или классов, таким образом ограничивая SNESIM имитацией однозначных переменных. В алгоритме SNESIM ищут точные реплики события доведения данных до заданных условий, строят модель коллектора пиксель за пикселем, доведенную до многоточечного события доведения данных до заданных условий, и не дают возможности фильтрования или усреднения структур, найденных в тренировочном образе.

Для работы как с однозначными, так и с тренировочными образами непрерывных переменных и уменьшения стоимости RAM/ЗУПВ и улучшения воспроизведения формы в практическом применении в трех измерениях (3D), новый алгоритм многоточечной статистики (MPS), названный FILTERSIM (имитации на основе фильтра) был предложен Zhang и описан и включен в состав данного документа по материалу Zhang и др. (Zhang T., Switzer P., и Journel A., 2006, Filter-based classification of training image patterns for spatial pattern stimulation/Классификация картин тренировочных образов на основе фильтра для имитации пространственной картины: Mathematical Geology/Математическая геология, v./том 38, p./стр.63-80). В алгоритме FILTERSIM применяют комплект локальных фильтров к тренировочному образу, являющемуся однозначным или непрерывным, для группировки локальных картин в классы картины. Затем продолжают имитацию картин на основе данной классификации. Фильтр является локальным шаблоном (окном) с комплектом плотностей, связанных с местоположением каждого пикселя шаблона. В результате применения фильтра к локальной картине получают оценочный показатель фильтра, количественный показатель рассматривают как числовую краткую информацию локальной картины. Комплект применяемых по умолчанию фильтров и фильтров задаваемого использования разработан так, что каждый фильтр может регистрировать различные аспекты тренировочного образа, видимого в шаблоне. Данные фильтры используют для преобразования тренировочных картин в пространство оценочного показателя фильтра. Данное определение количественного показателя картины создает замечательное уменьшение размера картин. Посредством деления на части данного пространства количественого показателя ограниченного размера классифицируют аналогичные тренировочные картины на основе оценочных показателей фильтра.

Алгоритм FILTERSIM начинается с классификации локальных тренировочных картин в пространстве уменьшенного размера оценочного показателя фильтра. Имитация продолжается вдоль последовательтного пути через пространство имитации, посредством определения, класс какой карины является наиболее близким событию приведения данных к локальным условиям, отбора образца конкретной картины из класса картин и затем наложения картины отобранного образца на изображении на площадке имитации. Произвольный путь имитации и отбор образца картин из классов картин обеспечивает различные сымитированные варианты реализации, при этом все обусловленные аналогичными исходными данными. Вследствие уменьшения размера, вносимого фильтрационными результатами любой картины, и поскольку картины сгруппированы в классы, алгоритм является быстродействующим и рациональным в рамках потребности в RAM/ЗУПВ.

Алгоритмы SNESIM и FILTERSIM способны соблюдать абсолютные или так называемые «твердые» ограничения из данных, собранных в скважинах или обнажениях, и условные или «мягкие» ограничения по сейсмическим данным, вероятностным полям пространства и ограничивающим решеткам вращения и аффинного преобразования (или масштаба). Все эти данные используют в процессе стохастического моделирования для генерирования одномерных (1D), двухмерных (2D), или трехмерных (3D) карт геологических фаций или свойств горной породы. Поскольку произвольный компонент включен в состав имитации в многоточечной статистике (MPS), индивидуальные варианты реализации полей свойств, создаваемые алгоритмами многоточечной статистики (MPS) отличаются, но набор вариантов реализации обеспечивает геофизиков и инженеров по разработке месторождений улучшенными количественными оценками пространственного распределения и неопределенности геологических фаций в объеме смоделированного коллектора. Более того, данные алгоритмы соблюдают условия как твердых, так мягких ограничений данных ввода.

Направленный двухмерный (2D) цветной фильтр, применяемый по умолчанию можно затем использовать согласно алгоритму FILTERSIM (см. пример на фиг.5, показывающий 6 направленных двухмерных (2D) фильтров, в котором первый и второй являются усредняющими фильтрами; третий и четвертый являются градиентными фильтрами; пятый и шестой являются фильтрами кривизны). Имеются три типа фильтров: усредняющий фильтр, градиентный фильтр и фильтр кривизны, и каждый тип фильтра используют как для горизонтального, так и для вертикального направлений. Усредняющие фильтры нацелены на локализацию признаков; градиентные фильтры используют для детектирования признаков граничных поверхностей выделением контраста различных признаков (различия первого порядка); фильтры кривизны дают различия признаков второго порядка.

На фиг.6 показана последовательность операций способа, показывающая этапы процесса, включенного в состав имитации FILTERSIM. Для отражения крупномасштабной структуры используют многосеточную имитацию, которая последовательно имитирует каждый уровень множества сеток от более редкой к более частой, при этом имитация более частой сетки ограничивается ранее сымитированными величинами на более редких сетках. На каждом уровне имитации применяют фильтры измененного масштаба поверх соответствующей сетки.

Имеются два типа тренировочных образов: один с сильно ограниченным числом категорий и другой для непрерывных переменных, таких как петрофизические свойства коллектора. Многоточечные геостатистические способы требуют одномерных (1D), двухмерных (2D) или трехмерных (3D) сеток тренировочных образов, как исходных концептуальных геологических моделей, имеющих картины изучаемых пространственных показателей. Формы различных признаков, появляющихся на изображениях, предполагаются представляющими модель реальных геологических особенностей, при этом каждой категории обычно представляющей различные геологические фации или различные виды геологических тел. Обычно требуется, чтобы тренировочные образы содержали «стационарные» картины, то есть картины должны быть независимыми от их размещения в пространстве (инвариантными согласно любому переводу) и должны быть периодически повторяющимися на площади тренировочного образа. В случае если тренировочные образы используют для геологического моделирования, данная стационарность может состоять, без ограничения этим, из стационарности ориентации геологического объекта (где обладающие направленностью объекты/признаки не вращаются поперек изображения) и стационарности геологического масштаба (где размер объектов/признаков на изображении не изменяется поперек изображения) (Caers, J. и Zhang, T., 2004 г., Multiple-point geostatistics: A quantitative vehicle for integration of geologic analogs into multiple reservoir models/Многоточечная геостатистика: количественный инструмент для интегрирования геологических аналогов в многоколлекторные модели, в M. Grammer, P.M.Harris и G.P.Eberli, eds.: Integration of Outcrop and Modern Analogs in Reservoir Modeling/Интеграция обнажений и современных аналогов в моделировании коллекторов, AAPG/Американская ассоциация геологов-нефтяников. Memoir/Научная публикация 80, p./стр.383-394).

Вопрос, который немедленно возникает для настоящих алгоритмов многоточечной статистики (MPS), состоит в том, как генерировать тренировочные образы. Тренировочные образы предполагают моделирующими или воспроизводящими геологические признаки и должны, насколько возможно быть выведены из существующих геологически значимых изображений. Это требует исследований статистических способов и способов обработки изображений, которые должны обеспечивать изображения из любых источников, то есть рисованных эскизов, фотографий аэрофотосъемки, спутниковых изображений, массивов сейсмических данных, моделей геологических объектов, физических масштабных моделей, или форвардных моделей геологических процессов. В сравнении с созданием плавно регулируемых тренировочных образов генерирование однозначно изменяемых тренировочных образов является более простым. Объектно-ориентированный подход обычно используют для генерирования тренировочных образов с однозначными переменными. Регионно-ориентированный подход, объединенный с добавлением необходимых ограничений, можно использовать для генерирования плавно регулируемых тренировочных образов.

В частности, многоточечная геостатистика (MPS) является новым усовершенствованным геостатистическим подходом. Это позволяет людям, моделирующим коллектор, использовать предшествующий уровень техники, варианты интерпретирования, или концептуальные модели в процессе моделирования коллектора через тренировочные образы. Данные тренировочные образы являются числовыми представлениями структур/признаков, считающихся существующими в изучаемом коллекторе. Когда мы имеем тренировочные образы, MPS может извлечь криволинейные структуры или комплексные признаки из тренировочных образов и привязывать их к местоположениям коллекторов, где собраны измерения/наблюдения, ведущие к более реалистичным моделям коллектора. Введение тренировочных образов в моделирование коллектора является заметной вехой. Констатируем, что имеется два ингредиента в использовании многоточечной статистики (MPS): тренировочные образы (концептуальные модели) и реальные данные (наблюдения). Эти две части обычно разделены.

Вместе с тем, в реалистичных практических применениях подтверждено, что генерирование репрезентативных тренировочных образов, в частности трехмерных (3D), является узким местом в способах применения многоточечной статистики (MPS). Генерирование плавно регулируемого тренировочного образа является еще более трудным, чем создание однозначного тренировочного образа.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

В основу настоящего изобретения поставлена задача усовершенствования известных способов построения изображения скважины созданием, в качестве не ограничивающего примера, способов, способных «заполнить промежутки» между прижимными башмаками каротажного зонда на каротажных диаграммах изображения скважины смоделированными изображениями.

По меньшей мере, один вариант осуществления изобретения основан на обработке изображения стенки скважины с использованием многоточечной геостатистической модели. Согласно, по меньшей мере, одному варианту осуществления изобретения каждую каротажную диаграмму построения изображения скважины можно напрямую использовать в качестве тренировочного образа.

Согласно вариантам осуществления изобретения предложен способ получения характеристик геологической формации, пересекаемой первой скважиной. Способ включает в себя a) осуществление выборки одного или нескольких наборов данных измерений, полученных, по меньшей мере, одним измерительным инструментом на одной или нескольких секциях каротированной скважины, для первой скважины, по меньшей мере, одной другой скважины или обоих скважин для получения диаграммы изображения скважины; б) выбор глубинных интервалов диаграммы изображения скважины в качестве тренировочных образов для ввода в многоточечную геостатистическую модель; в) определение имитаций на основе картины для каждого тренировочного образа с использованием, по меньшей мере, одного шаблона с пиксельной структурой для многоточечной геостатистической модели для получения картин тренировочного образа; г) использование имитаций на основе картины каждого тренировочного образа для назначения каждому тренировочному образу соответствующей картины тренировочного образа; д) конструирование из картин тренировочного образа одной или нескольких диаграмм полного кругового изображения стенки первой скважины; е) повторение этапов (б)-(д) для одной или нескольких секций каротированной скважины, для конструирования полных круговых изображений стенки скважины из последовательных примыкающих тренировочных образов.

Согласно аспектам изобретения изобретение может включать в себя диаграмму изображения скважины, включающую в себя одно выбранное из обработанных исходных данных, состоящих из измеренных величин и не измеренных величин. Дополнительно, диаграмма изображения скважины может включать в себя одно из следующего: неидентифицированные данные изображения скважины или промежутки данных. Дополнительно к этому, одно из следующего: неидентифицированные данные изображения скважины или промежутки данных выбраны из группы, состоящей, по меньшей мере, из одного из следующего: одного поврежденного прижимного башмака каротажного зонда в коллекторе, по меньшей мере, одной поврежденной области в коллекторе, по меньшей мере, одного прижимного башмака каротажного зонда с ненадлежащим давлением прижима башмака к стенке скважины в коллекторе, по меньшей мере, одного прижимного башмака каротажного зонда с затрудненным контактом со стенкой скважины в коллекторе или, по меньшей мере, одного нерабочего прижимного башмака каротажного зонда в коллекторе, электронной неисправности измерительного инструмента или других устройств. Возможно использование определенных имитаций на основе картины для каждого тренировочного образа для группировки и затем имитации картин в пробелах данных. Дополнительно, один или несколько наборов данных измерений может принадлежать группе, состоящей из одного из следующего: данных каротажа, имеющих многочисленные глубины исследования, данных каротажа во время бурения, данных каротажа, полученных с помощью прибора на кабеле или их комбинаций.

Согласно аспектам изобретения изобретение может включать сконструированные полные круговые изображения стенки скважины, включающие в себя построение графика цифрового файла сконструированных полных круговых изображений стенки скважины на одном из: цифровых носителей или копий в бумажном виде. Дополнительно, имитации на основе картины могут использовать оценочные показатели фильтра. Дополнительно в этому, определение оценочных показателей фильтра для каждого тренировочного образа может включать в себя приложение фильтра, использующее выбранный, по меньшей мере, один шаблон с пиксельной структурой в качестве фильтра, который обрабатывает выбранные один или несколько наборов данных измерений для обнаружения картин тренировочного образа, затем определяет оценочные показатели фильтра для каждой картины тренировочного образа. Дополнительно к этому, картины тренировочного образа могут являться картинами пиксельных объединений в тренировочных образах, создающих оценочные показатели фильтра в окрестностях вокруг каждого измеренного пикселя. Возможно ориентирование тренировочных образов как двухмерных (2D) скалярных массивов с плавно регулируемыми числовыми величинами. Дополнительно, длина одного или нескольких секций каротированной скважины равна или меньше 1 фута (30 см), находится между 1 и 3 футов (30-91 см), или составляет более 3 футов (91 см). Дополнительно к этому, конструирование полных круговых изображений стенки скважины из последовательных примыкающих тренировочных образов включает в себя перекрывание каждого соседнего выбранного глубинного интервала диаграммы изображения скважины. Дополнительно, полное круговое изображение стенки скважины, обработанное с использованием моделирования многоточечной статистики (MPS), предусматривает очерчивание замкнутых контуров вокруг одного из следующего: по меньшей мере, одного темного пятна или, по меньшей мере, одного светлого пятна в изображениях скважины.

Согласно аспектам изобретения изобретение может включать в себя, по меньшей мере, одно темное цветное пятно, представляет собой одно выбранное из перезестивной области, минимальной амплитуды отраженных акустических волн, существенного времени пробега отраженных акустических волн, минимальной плотности формации, или их комбинации. Дополнительно, по меньшей мере, одно светлое цветное пятно представляет собой одно выбранное из резестивной области, существенной амплитуды отраженных акустических волн, минимального времени пробега отраженных акустических волн, существенной плотности формации или их комбинации.

Согласно вариантам осуществления изобретения изобретение может включать в себя способ получения характеристик геологической формации, пересекаемой скважиной с использованием многоточечной геостатистической модели. Способ включает в себя: a) осуществление выборки набора данных измерений, полученных, по меньшей мере, одним измерительным инструментом вдоль глубинных интервалов скважины для выработки диаграммы изображения скважины; б) выбор глубинных интервалов диаграмм изображения скважины в качестве тренировочных образов для ввода в многоточечную геостатистическую модель; в) определение оценочных показателей фильтра для каждого тренировочного образа с использованием шаблона с пиксельной структурой многоточечной геостатистической модели для получения картин тренировочного образа; г) классифицирование картин тренировочного образа на основе оценочных показателей их фильтра; д) конструирование из картин тренировочного образа одной или нескольких диаграмм полного кругового изображения стенки скважины из подземной области; и е) повторение этапов (б)-(д) по