Тематический рубрикатор статей

Георесурсы Т.18.№4.2016
Стр.
Скачать статью

Расчет значений пористости из инверсии сейсмических данных после суммирования

B. Das, R. Chatterjee

Оригинальная статья

DOI http://dx.doi.org/10.18599/grs.18.4.8

306-313
rus.
eng.

open access

Under a Creative Commons license

Для прогнозирования пористости на акватории в бассейне Кришна-Годавари (Индия) рассматривается сейсмический разрез, ориентированный с севера на юг и проходящий через скважину «W». Тренд каротажа гамма-излучения указывает на уменьшение глинистости осадков вверх по разрезу. По данным гамма-каротажа видно, что в этом направлении происходит огрубление глинисто-алевролитово-песчаных тел, создающих переслаивание мощностью около 50-60 м. Карта пористости получена на основе преобразования значений акустического импеданса (АИ). Инверсия сейсмических данных после суммирования обычно проводится для определения АИ и, следовательно, петрофизических свойств. В данной статье пойдет речь о применении нетрадиционного подхода к инверсии сейсмических данных после суммирования для определения значений пористости по разрезу из кривых пористости. Инверсия после суммирования, для оценки прямой пористости, осуществляется за счет использования расчетных импульсов пористости, низкочастотной модели и модели на основе инверсии. Данный подход реализуется на сланцевых отложениях, обогащенных глиной на мелководном шельфе. В качестве входных данных, для рассчета значений пористости по разрезам 2D сейсмических данных отложений мелководного шельфа на глубине моря 31 м в бассейне Кришна-Годавари, используется общая пористость для интервала глубин 1200-1600 м в диапазоне от 1 до 40 %. Данную методику расчета можно применять к наборам данных с хорошей корреляционной зависимостью между значениями АИ и пористостью. В бассейне Кришна-Годавари пористость в сланцах Рагхавапурам варьируется от 13 до 30 %; максимальное значение 40 % наблюдается в палеоценовых отложениях. В сланцах/неконсолидированных отложениях наблюдается высокая пористость с низкими значениями импенданса, более пористые пески находятся в промежуточном диапазоне. Прогнозные значение импенданса и пористости могут быть ошибочными вне интервала каротажа из-за отсутствия данных для калибровки.

Бассейн Кришна-Годавари, пористость, сейсмическая инверсия, сланцы Рагхавапурам

  • Bateman, R.M., 1985. Openhole Log Analysis and Formation Evaluation, Pretice Hall PTR, New Jersey. 1985. 647 p.
  • Buiting, J.J. M., Bacon M. Seismic inversion as a vehicle for integration of geophysical, geological and petrophysical information for reservoir characterization: Some North Sea examples. Petroleum Geology of Northwest Europe: Proceedings of the 5th Conference. Geological Society, London. 1999. V. 5. Pp. 1271-1280.
  • Eichkitz C.G., Schreilechner M.G., Amtmann J. and Schmid C. Shallow Seismic Reflection Study of the Gschliefgraben Landslide Deposition Area – Interpretation and Three Dimensional Modeling. Austrian Journal of Earth Sciences. 2009. V. 102. Pp. 52-60.
  • Hampson D., Schuelke J. and Quirein J. Use of multi-attribute transforms to predict log properties from seismic data. Geophysics. 2001. V. 66. Pp. 220-236.
  • Husse M., Feary D.A. Seismic inversion for acoustic impedance and porosity of Cenozoic cool-water carbonates on the upper continental slope of the Great Australian Bight. Marine Geology. 2005. V. 215. Pp. 123-134.
  • Jipa, C.D. Coarsening Upward Sedimentation in the Middle Pontian Dacian Basin, Prograding Shoreline or delta front? Geo-Eco-Marina. 2012. V. 18. Pp. 45-64.
  • Kumar, R., Das, B., Chatterjee, R. and Sain, K.A. Methodology of Porosity Estimation from Inversion of Post-Stack Seismic Data. Journal of Natural Gas Science and Engineering. 2016. V. 28. Pp. 356-364.
  • Leiphart, D.J., Hart, B. S. Comparison of linear regression and a probabilistic neural network to predict porosity from 3D seismic attributes in Lower Brushy Canyon channeled sandstones, southeast New Mexico. Geophysics. 2001. V. 66. Pp. 1349-1358.
  • Leite, E. P., Vidal, A. C., Bueno, J. F. and Duarte, R. D. C. 3D Acoustic Impedance and Porosity Mapping from Seismic Inversion and Neural Networks. SEG Annual Meeting. Denver. 2010. Pp. 2226-2230.
  • Løseth, H., Wensaas, L., Gading, M., Duffaut, K., and Springer, M. Can hydrocarbon source rocks be identified on seismic data? Geology. 2011. V. 39. Pp. 1167-1170.
  • Manmohan, M., Rao, M. R. R., Kamraju, A. V. V. S., and Yalamarty, Y. Origin and Occurrence of Lower Cretaceous High Gamma-High Resistivity (Raghavapuram) Shale – A key stratigraphic sequence for hydrocarbon exploration in Krishna-Godavari Basin. A.P. Journal of Geological society of India. 2003. V. 62. Pp. 271-289.
  • Maver, K. G., Rasmussen, K. B. Seismic inversion for reservoir delineation and description. Society of Petroleum Engineers. Technical Conference and Exhibition. Bahrain. 1995. Paper id: SPE 29798.
  • Padhy, P. K., Das, S. K., and Kumar, A. Krishna-Godavari Continental Rift Basin: Shale Gas and Oil Play Systems. 10th Biennial International Conference & Exposition. SPG, Kochi. 2013. Paper id: P327.
  • Pramanik, A. G., Singh V., Vig R., Srivastava A. K., and Tiwary D. N. Estimation of effective porosity using geostatistics and multiattribute transforms: A case study. Geophysics. 2004. V. 69. Pp. 352-372.
  • Prasad, M., Pal-Bathija, A., Johnston, M., Rydzy, M., and Batzle, M. Rock physics of the unconventional. The Leading Edge. 2002. V. 28. Pp. 34-38.
  • Rao, G. N. Sedimenation, stratigraphy, and petroleum potential of Krishna-Godavari basin, East Coast of India. AAPG Bulletin. 2001. V. 85. Pp. 1623-1643.
  • Rasmussen, K. B., Maver, K. G. Direct inversion for porosity of post stack seismic data. European 3-D Reservoir Modeling Conference. Stavanger. 1996. Paper id: SPE 35509.
  • Rider, M. H. The geological interpretation of well logs, 2nd edition. Rider-French Consulting Ltd. 2002. 280 p.
  • Russell, B., Hampson, D. Comparison of poststack inversion methods. 61St Annual International Meeting, SEG, Expanded Abstracts. 1991. V. 10. Pp. 876-878.
  • Shrivastava, C., Ganguly, S. and Khan, Z. Reconstructing Sedimentary Depositional Environment with Borehole Imaging and Core. International Petroleum Technology Conference: A Case Study from Eastern Offshore India. Kuala Lumpur, Malaysia. 2008.
  • Singha, D. K., Chatterjee, R. Detection of Overpressure zones and a Statistical Model for Pore Pressure Estimation from Well Logs in the Krishna-Godavari Basin, India. Geochemistry, Geophysics, Geosystems. 2014. V. 15. Pp. 1009-1020.
  • Singha, D. K., Chatterjee, R., Sen, M. K. and Sain, K. Pore pressure prediction in gas-hydrate bearing sediments of Krishna-Godavari Basin in India. Marine Geology. 2014. V. 357. Pp. 1-11.
  • Walls, J.D., Taner M.T., Taylor G., Smith M., Carr M., Derzhi N., Drummond J., McGuire D., Morris S., Bregar J., and Lakings J. Seismic reservoir characterization of a U.S. Midcontinent fluvial system using rock physics, poststack seismic attributes, and neural networks. The Leading Edge. 2002. V. 21. Pp. 428-436.
  • Wyllie, M. R. J., Gregory, A. R. and Gardner, G. H. F. Elastic wave velocities in heterogeneous and porous media. Geophysics. 1956. V. 21. Pp. 40-70.

Индийский технологический институт (Индийская горная школа), Дханбад, Индия

Для цитирования:

B. Das, R. Chatterjee. Расчет значений пористости из инверсии сейсмических данных после суммирования. Георесурсы. 2016. Т. 18. № 4. Ч. 2. С. 306-313. DOI: 10.18599/grs.18.4.8

For citation:

Das B., Chatterjee R. Porosity Mapping from Inversion of Post-Stack Seismic Data. Georesursy = Georesources. 2016. V. 18. No. 4. Part 2. Pp. 306-313. DOI: 10.18599/grs.18.4.8

© 2024 Коллектив авторов