CC BY
77
ГЕОФИЗИКА
УДК 550.3 35
Комплексное применение инструментов прогнозирования физических свойств терригенных коллекторов и палеотектонического анализа при уточнении истории формирования залежи углеводородов на базе программного комплекса DV-SeisGeo
З.Н. Жемжурова
канд.г.м. наук, гл. геофизик отд. DV-технологий1 Ру zhemzhurova@cge.ru
В.А. Чекунова
вед. геофизик отд. DV-технологий1 Ру checunova@cge.ru
1ЦГЭ, Москва, Россия
Доклад посвящен созданию новой технологии комплексного использования программных средств пакета DV-SeisGeo с целью повышения достоверности прогнозирования фильтрационно-емкостных свойств коллекторов залежи УВ. Выполненные исследования базировались на применении самоорганизующихся карт Кохонена и палеотектонического анализа. Объект исследований — терриген-ный комплекс юрских отложений одного из месторождений Шаим-ского свода. Были рассчитаны карты плотности запасов, достоверность которых оценивалась с точки зрения тектонической истории региона. По построенной литофациальной карте была выделена наиболее перспективная фация, практически не охваченная бурением. Были также изучены те аспекты палеоистории залежи, которые позволяют выявить генетическую связь современного распределения запасов залежи с возможной миграцией углеводородов из пород доюрского фундамента и коры выветривания.
Материалы и методы
Программный комплекс DV-Se¡sGeo.
Ключевые слова
геологическое моделирование, прогнозирование ФЕС коллекторов, нейронные сети, кроссплоты, палеотектонический анализ, миграция УВ
Трехмерное цифровое геологическое моделирование, совершенствуясь с точки зрения автоматизации вычислительных процессов при решении основных стандартных задач в производственном режиме, в то же время открывает новые возможности для решения задач фундаментальных, в частности, изучения истории геологического развития месторождений и процессов миграции природных углеводородов. В этом случае от программного обеспечения требуется наличие такого интерфейса, который позволял бы в пространстве единого проекта проанализировать комплекс имеющихся данных и создать оптимальную методику обработки для самого сложного объекта. При этом пользователю экспертного уровня должна предоставляться возможность альтернативного выбора программных инструментов на каждом технологическом этапе с обеспечением непрерывного контроля за результатами вычислений.
В отечественном программном обеспечении всем вышеперечисленным требованиям соответствует программный комплекс построения и поддержки многомерной многопара-метровой модели залежи природных углеводородов «DV-Se¡sGeo», созданный в Центральной геофизической экспедиции под руководством А.С.Кашика на основе уникальных вычислительных алгоритмов, разработанных Федоровым А.Л. [9, 11]. Немаловажное значение имеет тот факт, что для решения задач на всех этапах моделирования с использованием DV-Se¡sGeo нет необходимости обращаться к внешним программным средствам.
На базе пакета DV-Se¡sGeo нами был выполнен анализ результатов прогнозирования фильтрационно-емкостных свойств терригенных коллекторов одного из месторождений Шаимского нефтегазоносного района Западной Сибири, продуктивный комплекс которого представлен отложениями нижнеданиловской подсвиты верхней юры (далее обозначается как пласт Р2) и тюменской свиты нижней и средней юры (далее пачка Т). Несмотря на то, что эти продуктивные отложения представляют единый гидродинамически связанный объект, по полученным нами данным они характеризуются несовпадением контуров продуктивности пласта Р2 и залегающей непосредственно под ним пачки Т. Поскольку общеизвестно влияние истории тектонического развития региона на пространственное изменение ФЕС коллекторов [5], возникла необходимость выявить те особенности геологической истории развития залежи, которые могли обусловить столь сложную картину распределения нефтегазонасышенности по площади и разрезу.
Технология процесса прогнозирования и
анализа полученных данных реализовывалась в соответствии с алгоритмической схемой, представленной на рис. 1.
Как следует из приводимой схемы, начало работы базируется на обобщении всей имеющейся априорной геологической информации для формирования общего представления о геологическом строении месторождения, что позволяет осмысленно подходить к выбору вычислительных операций и расчетных параметров на всех этапах геомоделирования.
На первом этапе, при построении структурного каркаса, расчет геологических поверхностей по кровле и подошве продуктивного комплекса осуществлялся с учетом разломов и трендовых сейсмических горизонтов, в структурном плане согласующихся со строением месторождения. При создании трехмерной сетки средняя толщина слоев определялась по геолого-статистическим разрезам, а тип залегания слоев сетки выбирался в соответствии с имеющимися представлениями о строении данного терригенного комплекса (рис. 2). На этапе литолого-петрофизического моделирования выполнялся расчет трехмерного распределения подсчетных параметров (кубов литологии, пористости, нефтенасыщенности). При этом прогнозирование фильтрационно-емкостных свойств коллекторов в межскважинном пространстве базировалось на применении тех методов, которые наиболее эффективны для слож-нопостроенных тонкослоистых разрезов. На последнем этапе приведенной технологической схемы полученные данные рассматривались совместно с результатами палеотектоническо-го анализа, используемого для оценки влияния тектонических процессов на формирование залежей природных углеводородов [5, 6].
При выборе алгоритма прогнозирования по выполненным нами операциям корреляционного анализа сейсмических и скважинных данных [4] были сделаны выводы о низкой степени попарной коррелируемости сейсмических атрибутов и скважинных данных для данного тонкослоистого разреза. Этот факт объясняется одновременным и разнонаправленным влиянием множества физических свойств пород на картину сейсмического поля в сложных тонкослоистых объектах. Вследствие этого в продуктивных терригенных пластах может возникнуть такое сочетание петрофи-зических и емкостных характеристик, которое аналогичным образом отображается и в водоносных коллекторах [1]. То есть некорректно сопоставлять какой-либо из используемых сейсмических атрибутов (мгновенные параметры, когерентность, псевдоакустика, вариации амплитуд), например, с песчанистостью, не
учитывая при этом возможного изменения пористости, литологии, кавернозности и трещи-новатости, флюидонасыщенности, глинистости, слоистости и т.д.
Вследствие этого для прогнозирования ФЕС терригенных коллекторов нами использовалась одна из модификаций «нейронных сетей» (самоорганизующиеся карты Кохонена, далее сокращенно СОК) [9, 12]. Для ее реализации были созданы специальные структуры хранения входных данных и результатов обработки. На первом этапе, этапе кластеризации, выполняется загрузка карт сейсмических атрибутов по объекту моделирования. Здесь следует подчеркнуть, что помимо чаще всего используемых сейсмических атрибутов нами был рассчитан атрибут, отображающий вариации амплитуд сейсмического куба, для данного тонкокослоистого разреза тесно связанный с коэффициентом нефтенасыщенности [4].
После загрузки карт формируется некое условное многомерное пространство, число осей которого равно числу выбранных сейсмических атрибутов. В этом пространстве загруженные данные будут представлять в сумме некое объемное «облако» точек значений атрибутов, и на этапе кластеризации необходимо это «облако» аппроксимировать значительно меньшим числом кластеров, то есть разбить все множество точек на определенное число групп точек по совокупности признаков. В процессе обработки рассчитывается статистический центр каждой группы точек (кластера), именуемый «нейроном». В соответствии с задаваемым радиусом, к вычисленным «центрам» приписываются только ближайшие точки соответствующей группы (кластера). Поскольку для каждого кластера характерен определенный диапазон значений атрибутов, любая точка площади ХУ по совокупности значений сейсмических атрибутов может быть отнесена к тому или иному кластеру. «Опознавательным знаком» точек каждого кластера является числовой индекс N соответствующего нейрона. Рассчитав карту в формате Х-У-^ мы множество входных карт сейсмических атрибутов заменяем одной картой — кластерной картой. Картина распределения кластеров по площади в целом отображает латеральную изменчивость пород, Число кластеров подбирается экспериментальным путем, исходя из дифференцированности по площади физических свойств объекта моделирования. По исследуемому нами объекту моделирования по пяти сейсмическим атрибутам (по кубам псевдоакустики, коэффициента когерентности, мгновенных частот и амплитуд, а также вариации амплитуд по исходному сейсмическому кубу) был выполнен расчет 16 кластеров. Система нумерологической привязки нейронов обеспечивает визуальный анализ распределения атрибутов по всем выделенным кластерам в условном пространстве кросспло-та, где размещение нейронов определяется их числовыми индексами. На рис. 3 показано распределение средневзвешенных отнорми-рованных значений перечисленных выше входных сейсмических атрибутов по выделенным 16 кластерам. Приводимые на рисунке палитры цветокодирования отображают распределение средних значений атрибутов по нейронам.
В том случае, если распространение полученных кластеров по площади контролируется лито-фациальными закономерностями, характерными для данного геологического объекта, а также структурно-тектоническим строением
региона, карта кластеров может являться основой для построения фациальной карты (ли-то-фациальной или сейсмо-фациальной). Наиболее важной задачей при этом является увязать априорную информацию о палеоге-графических условиях осадконакопления продуктивной толщи с изменением характеристик кластеров по тем или иным физическим свойствам (в нашем примере - параметрам ФЕС и сейсмическим атрибутам) [2, 7].
Привязать к изучаемым кластерам характеристики, полученные по данным ГИС, позволяет второй этап работы с нейронными сетями, этап «распознавания образов». Его основой является статистическая оценка средневзвешенных значений скважинных данных по каждому кластеру. На этом этапе выполняется загрузка в структуры нейронной сети скважинных параметров, характеризующих фильтраци-онно-емкостные свойства объекта. Нами были загружены средневзвешенные значения пес-чанистости, пористости и нефтенасыщенности. Первоначально для «обучения программы» создается выборка тех кластеров, распределение каждого из которых по площади ХУ включает как минимум 1 скважину. Осред-ненные скважинные данные приписываются соответствующему кластеру. Затем «свойства» обработанных кластеров распространялись соответствующим образом по одноименным кластерам всей площади, в том числе и для участков, не охваченных эксплуатационным или разведочным бурением. Рассчитанные таким образом прогнозные карты далее использовались как трендовые в операциях литолого-пе-трофизического моделирования. Следует подчеркнуть, что при подборе числа выделяемых кластеров необходимо также оценивать возможность охарактеризовать их результатами интерпретации данных ГИС, в частности, значениями параметров ФЕС. В качестве примера на рис. 4 представлены карта кластеризации и прогнозные карты параметров ФЕС, наиболее тесно связанных с сейсмическими атрибутами: песчанистости и нефтенасыщенности (совместно с результатами испытаний по объекту моделирования). При анализе распределения значений ФЕС терригенного комплекса Р2-Т по кластерам можно отметить следующее:
• Основная продуктивная залежь в северо-западной части площади моделирования ограничивается кластерами 3, 4, 5, 6 и 7 (см шкалу цветокодирования кластеров).
• По западному периметру залежи и вдоль бортовой зоны антиклинальной складки на юго-востоке отмечается наличие протяженных зон, объединенных кластерами 0, 1, 2. Особенность этих кластеров заключается в приуроченности их к областям пониженных значений коэффициента когерентности. И по данным ГИС, и по данным испытаний эти зоны являются продуктивными. Кроме того, по трендовой карте песчанистости по периферии основной продуктивной залежи эти зоны характеризуются резким увеличением песчанистости
• Сводовая часть антиклинальной складки на юго-востоке площади является не продуктивной (кластер 15). На данном участке отмечается наличие зоны выклинивания коллекторов.
Перечисленные выше закономерности учитывались при построении по карте кластеров лито-фациальной карты. Литологическая привязка кластеров к определенным фациям
выполнялась в процессе анализа закономерностей изменения пористости коллекторов с изменением их естественной радиоактивности по стандартизированным кривым ГК (см рис. 5а). Кроме того, при выделении фаций учитывалось также изменение типа песчанистости (гранулометрии), как фактора, тесно связанного с условиями осадконакопления. В итоге было выделено 5 литофациальных групп, включающих следующие кластеры:
• фации 1 и 2 — приподнятые в палеорелье-фе области распространения песчанистых отложений, различающиеся между собой следующим образом: фация 1 — породы с максимальной песчанистостью, для которых характерно преобладание грубозернистой песчанистости (кластеры 0, 1, 2); фация 2 (см рис. 6) — в отличие от фации 1 вверх по разрезу песчанистость в основном меняется с крупно-зернистой на мелко- и средне-зернистую, с уменьшением пористости (кластеры 3, 4, 5, 6, 7);
• фация 3 — заглинизированные породы на склонах структурных поднятий (кластеры 8, 9, 10, 11, 12);
• фация 4 — неперспективные с точки зрения нефтенасыщенности отложения заливооб-разной синклинали, разделяющей положительные структуры (кластеры 13, 14), [3];
• фация 5 — породы с минимальной песчани-стостью в сводовой части антииклинальной складки (кластер 15).
В результате объединения кластеров была рассчитана литофациальная карта (рис. 5б).
Приведенная лито-фациальная карта позволяет выделить границы перспективных участков площади, практически не охваченные бурением — это кольцеобразная зона по периферии основной залежи и приразломные зоны вдоль мощной антиклинальной складки.
По полученной лито-фациальной карте были откорректированы прогнозные карты, которые нами использовались далее в качестве трендовых при расчете кубов литологии, пористости и нефтенасыщенности.
Результаты литолого-петрофизического моделирования проиллюстрированы на рис. 7. На рис. 7а распределение куба литологии (коллектор - неколлектор) показано в пространстве трехмерной структурной сетки и по вертикальному сечению, на рисунках 7б и 7в на этом же сечении, выведенном в автономное плоское окно, визуализированы кубы нефтенасыщенности и пористости Куб нефтенасыщенности откорректирован с учетом водо-не-фтяного контакта.
По полученным кубам ФЕС были рассчитаны карты плотности запасов: индивидуально по пласту Р2 (рис. 8а) и по тюменской пачке (рис. 8б) и по комплексу Р2-Т (рис. 8в). Как отмечалось выше, особый интерес вызывает несовпадение контуров максимальной продуктивности пласта Р2 и залегающей непосредственно под ним пачки Т, которые представляют единый гидродинамически связанный объект. По пласту Р2 максимальная часть запасов углеводородов приурочена к основному структурному поднятию, по тюменской пачке — к структурному элементу в южной части региона и к западному обрамлению основной структуры, а также к прибортовой зоне протяженного разлома, фиксируемого вдоль мощной антиклинальной складки и в породах фундамента, и в осадочном чехле на юго-востоке площади.
Формализация априорной геолого-геофизической информации по объекту. Построение структурного каркаса, расчет сейсмических атрибутов и скважин ых параметров.
Т
Создание пользовательской базы, загрузка атрибутов и скважинных данных
Ж
Формирование структуры нейронной сети (модификаци СОК)
А
Ж
Кластеризация объекта моделирования и статистическая оценка распределения прогнозируемых j_скважинных параметров по классам_
JL
Создание трендовых карт распределения ФЕС коллекторов, расчет кубов ФЕС и карт подсчетных параметров
Уточнение геологического времени роста положительных структур и возможных путей миграции углеводов
о
Расчет кубов палеоистории структурных поверхностей объехгпо
Рис. 1 — Комплексирование инструментов прогнозирования физических свойств коллекторов и палеотектонического анализа при исследовании геологического объекта Р2-Тв пакете ОУ-Зе/'эвео
Рис. 2 — Трехмерный структурный каркас геомодели по продуктивной пачке Р2-Ти поверхность разлома вдоль основной зоны тектонического нарушения
Рис. 3 — Цветокодированная окраска нейронов в соответствии с распределением средних значений сейсмических атрибутов по результатам кластеризации (а — по карте PAC, б — по карте вариаций амплитуд исходного сейсмического куба, в — по карте мгновенных амплитуд, г — по карте когерентности, д — по карте мгновенных частот)
Рис. 4 — Результаты этапов кластеризации объекта моделирования и статистической оценки свойств кластеров (рис. а — карта распределения 16 выделенных кластеров, рис. б — карта прогнозных значений песчанистости, рис. в — карта прогнозных значений нефтенасыщенности и результаты испытаний по скважинам (круговые диаграммы): оранжевый цвет — нефть, синий — вода, розовый — газ).
Рис. 5 — Построение фациальной карты по результатам кластеризации (рис. а — изменение взаимосвязи параметров ФЕС по фациям 1 — 5 на кроссплоте APS — GK, рис. б — карта распределения литофаций).
Рис. 6 — Скважинный профиль по линии 1-1 (рис. 5), характеризующий изменение литологии и пористости по фациям 1 и 2.
Рис. 7 — Результаты прогнозирования литологии, пористости и нефтенасыщенности с использованием модификации нейронных сетей СОК (рис. а — куб литологии в трехмерном пространстве сетки, рис. б — вертикальное сечение куба нефтенасыщенности, рис. в — вертикальное сечение куба пористости)
Подобную конфигурацию современного распределения запасов УВ по двум взаимосвязанным объектам можно объяснить только с точки зрения миграции углеводородов в процессе перестройки палеоструктурных планов при активизации тектонических движений. Поскольку активная тектоническая деятельность приводит к многочисленным дизъюнктивным нарушениям, то сопутствующее формирование зон трещиноватости следует рассматривать как возможные пути миграции и скопления углеводородов.
Как отмечалось в проведенных ранее исследованиях данного месторождения [3], за всю его геологическую историю можно отметить появление новых форм рельефа и перераспределение гипсометрии унаследованных структурных элементов. Следовательно, рассмотрение полученных распределений «фаций» совместно с результатами выполненного нами палеотектонического анализа по объекту моделирования позволит не только обосновать достоверность распределения нефтенасыщен-ных коллекторов, но и сделать выводы о направленности процессов миграции углеводородов в предшествующие геологические эпохи.
Решение основных задач палеотектонического анализа в пакете ОУ-Бе^вео базируется на принципах использования многомерных пространств для комплексного анализа геолого-геофизических и промысловых данных, разработанных А.С.Кашиком [8 ].
Реализация технологии палеотектонического анализа основывается на непрерывном во времени выравнивании поверхностей горизонтов целевых объектов и соответствующей реконструкции кубов.
Его выполнение осуществляется в четырехмерном пространстве ХУ7Т, где Т — ось условного геологического времени. На рис. 9 зафиксированы результаты палеореконструк-ции основных отражающих горизонтов и сейсмического куба при выравнивании по двум геологическим поверхностям: кровля сеноман-ского яруса (в_ра!ео, верхний мел) и кровля нижне-даниловской подсвиты (Р_ра1ео, средняя юра). Эти данные визуализированы на вертикальном сечении по линии 1-1, проходящей через основные положительные структуры: основную продуктивную залежь и мощную антиклинальную складку (см рис. 8в). На приведенных разрезах отчетливо наблюдается увеличение амплитуды поднятий в более молодое время.
Приводимые на рис. 9 параметры па-леореконструкции (геологический возраст основных отражающих горизонтов) привязаны к геохронологической шкале, созданной для данного региона (рис. 10). Для анализа результатов использовались трехмерные ви-зуализационные пространства, из которых для решения нашей задачи основными являются пространство ХУТ, определяемое как куб палеоистории выбираемого объекта, и пространство ХУ7, отображающее структурное положение объектов на конкретное геологическое время. Вертикальные сечения пространства ХУТ, создаваемые по профилям, проходящим через наиболее характерные точки палеорельефа изучаемых горизонтов, дают информацию об основных этапах тектонического развития объекта в рамках всей шкалы геологического времени. Поскольку нас интересует возможная миграция углеводородов между пластами Р2, Т и породами доюрского фундамента, был рассчитан куб
палеоистории по кровле пласта Т, горизонту P2_bot. Сечение этого куба, проходящее через основную продуктивную залежь (скважины 10090R и 10177R ), представлено в окне геохронологической шкалы на рис. 10. При этом для удобства дальнейшего анализа необходимо отметить, что направление оси в окне сечения куба — обратное фактическому, с востока на запад.
Палитра цветокодирования куба отображает изменение структурных планов горизонта в процессе палеореконструкции: усиление интенсивности желтого цвета до коричневого соответствует уменьшению абсолютных отметок горизонта (то есть положительному росту структуры), а смена зеленого цвета серым свидетельствует о процессе опускания фрагмента площади. Таким образом, приведенный разрез позволяет сделать выводы не только об усилении положительной тектонической активности в пределах сводового поднятия, но и о процессе отрицательных тектонических движений по периферии поднятия. Следовательно, эти разнонаправленные тектонические процессы должны были вызвать деформацию пород по периферии поднятия, то есть способствовать развитию зон дизъюнктивных нарушений. Возникновение подобных зон, сопровождавшее рост структуры, отображается наличием зон потери коррели-руемости сейсмического волнового поля по карте когерентности (рис 8г). Конфигурация этих зон согласуется с тем фактом, что преимущественным направлением тектонических разломов по данному региону является меридиональное и субмеридиональное.
Для выполнения анализа результатов палеореконструкций по всей площади моделирования был построен разрез куба палео-истории данного горизонта по линии I-I, объединяющей основные структурные элементы (рис. 11).
Как следует из анализа данных на рис.11, антиклинальный вал (юго-восточная часть площади) характеризуется устойчивостью процесса роста данной структуры за весь период геологического развития, в то время как зона основной продуктивной структуры (с максимальной плотностью запасов, рис. 6а) на северо-западной части площади отличается усилением положительных тектонических движений, начиная с верхнего мела вплоть до неогена. Таким образом, с начала верхнего мела отмечались условия, благоприятные для перетока углеводородов из нижележащих отложений тюменской свиты в коллектора пласта Р2, характеризующегося более высокими значениями песчанистости, пористости и проницаемости. Как отмечалось выше, возможными путями миграции УВ могли быть зоны малоамплитудных тектонических нарушений в западном обрамлении основной продуктивной залежи.
Горизонтальные сечения пространства XYT представляют собой структурные карты объекта на определенное геологическое время. Ключевые моменты развития основной продуктивной структуры отображены в виде набора палеоструктурных карт горизонта P2_bot (кровля тюменской пачки) на рис. 12.
По данным палеотектонического анализа, выполненного по горизонтам кровли пласта Р2, подошвы тюменской пачки T и кровли фундамента закономерности истории их развития согласуются с описанной выше
палеоисторией горизонта Р2_Ьо1 (подошвы пласта Р2), что соответствует унаследованному в целом характеру геологического развития основных форм рельефа, начиная с нижней юры вплоть до неогена. Наиболее яркой особенностью палеорельефа является наличие протяженной зоны эрозионного размыва пермо-триасового комплекса, прокоррелированной по исходному сейсмическому кубу (рис. 13). Конфигурация этой зоны в целом согласуется с распределением максимальной плотности запасов по исследуемому объекту Р2-Т (рис. 8 в). Поскольку отложения пермо-триасового комплекса принимаются рядом исследователей за возможный источник углеводородов в данном регионе [3], можно предположить наличие гидродинамической связи между продуктивными пластами юрской толщи и доюрского основания. Процесс притока углеводородов в юрские коллектора в этом случае обеспечивается множественными дизъюнктивными нарушениями, фиксируемыми в продуктивном комплексе (см карту когерентности на рис. 8г). По результатам анализа данных 3й сейсморазведки эти нарушения неразрывно связаны с разломными зонами фундамента, где их плотность возрастает.
Обобщая все вышеизложенное, можно сделать следующие выводы:
• при помощи современного математического аппарата прогнозирования (в частности, самоорганизующихся карт Кохонена), представляется возможным уточнить границы наиболее перспективных областей для проектирования эксплуатационных и разведочных скважин, опираясь на фациальные особенности процесса осадконакопления исследуемого объекта.
• использование инструмента палеотекто-нического анализа позволяет обосновать результаты прогнозирования ФЕС коллекторов с точки зрения истории развития залежи УВ за весь период ее геологического развития.
Итоги
Интегрированное использование современных программных средств обработки и анализа комплекса сейсмических и скважинных данных в пакетах, аналогичных ОУ-Бе^вео, в рамках единого пользовательского проекта позволяет значительно расширить возможности интерпретатора при уточнении информации об особенностях геологического строения залежей природных УВ, необходимой и в процессе эксплуатации, и на стадии доразведки месторождений. В частности, по приводимым в данной работе результатам были уточнены границы наиболее перспективных, с точки зрения нефтенасыщенности, участков, ранее практически не охваченных бурением.
Выводы
Подобные программные комплексы должны широко внедряться в нефтяную отрасль наряду с пакетами, обеспечивающими производственный режим решения задач цифрового геомоделирования несмотря на то, что это — многозатратный процесс, требующий организации широкого фронта работ по обучению пользователей на местах, развитию программного обеспечения и его модернизации и т.п.
