Учебное пособие Печатается по решению Учебно-методической комиссии Института геологии и нефтегазовых технологий К(П)ФУ

3.4. Примеры применения системы "НЕЙРОСЕЙСМ"

для прогнозирования залежей нефти
Практически все самые привлекательные теории, впервые сформулированные нашими философами, учеными и просто здравомыслящими людьми не смогли быть реализованы в условиях нашей страны. Дело в том, что как бы не была красива теория, для того, чтобы она "заработала" необходимо практическое ее подтверждение. Только практические исследования могут либо подтвердить, либо опровергнуть данную теоретическую концепцию. Возможно, в настоящее время ситуация меняется в лучшую для исследователей сторону, которым предоставляется возможность практически апробировать свои разработки. Разработанная в НПЦ "Нейросейсм" и защищённая двумя патентами Российской Федерации нейрокомпьютерная технология прогнозирования нефтеперспективных объектов базируется на решении задач методами искусственного интеллекта. Впервые система "Нейросейсм" была апробирована на Бухарском месторождении в 1997 году [4,5]. По данным начальника геологического отдела НГДУ "Альметьевскнефть" при бурении двенадцати скважин по данным нейрокомпьютерных исследований, прогноз совпал по 11 скважинам. Экономический эффект при этом составил 8.9 млн. руб. (см."Нефтяник Татарстана" 67(813) за 25 августа 1998г).

К настоящему времени методом "Нейросейсм" было проанализировано около тридцати пяти участков на различных месторождениях республики Татарстан общей площадью около 1500 кв. км. По предварительным оценкам средняя эффективность метода "Нейросейсм" в РТ составляет около 80%. Технологический процесс работы системы "НЕЙРОСЕЙСМ" включает следующие основные этапы:

1. Демультиплексация полевых сейсмических данных с вводом геометрии и редактирование сейсмограмм.

2. Кинематическая обработка и получение окончательных сейсмических разрезов.

3. Геологическая интерпретация сейсмических разрезов и корреляция опорных отражающих горизонтов.

4. Обучение нейросети и нейрокомпьютерная анализ продуктивных отложений.

5. Построение прогнозных карт исследуемых отложений.

Демультиплексация заключалась в считывании мультиплексных магнитных лент с лентопротяжки в ПЭВМ, демультиплексировании с вводом геометрии расстановки и редактировании полученных сейсмограмм. Кинематическая обработка проводилась по специально разработанному в НПЦ "Нейросейсм" графу и заключалась в получении временных сейсмических разрезов, пригодных для проведения нейрокомпьютерного анализа. Геологическая интерпретация полученных сейсмических разрезов заключалась в прослеживании отражающих горизонтов, по которым должен проводиться нейроанализ, их корреляции и увязке на площади работ, а также картировании рифов, врезов, тектонических нарушений и т.п..


Рис.3.6. Результаты нейроанализа временного разреза по ОГ "У" и "Д".

Обучение нейрокомпьютерной сети производится на сейсмических профилях, проходящих вблизи скважин с доказанной продуктивностью исследуемых отложений. Затем производится нейрокомпьютерный анализ всех профилей на площади работ. На рис.3.6. представлен фрагмент временного сейсмического разреза, по которому проводился нейрокомпьютерный аназиз по отражающим горизонтов "У" и "Д". Результаты анализа представлены в виде графиков вероятности. В местах, где вероятность превышает 60%, предположительно находится нефтяная залежь. По результатам нейроанализа строятся прогнозные карта нефтеперспективности исследуемых отложений (см.рис.3.7.).

Рис.3.7.Прогнозная карта нефтеперспективности отложений

терригенного девона.
Точность прогноза напрямую связана с правильностью обучения сети. Для этого необходимо грамотно подобрать величину окна, количество трасс и нейронов, участвующих в обучении сети. Оптимальным является условие, когда на площади работ находятся две продуктивные скважины, которые дают приток нефти из одинаковых горизонтов. При этом, если система, обученная в районе одной скважины, при анализе показала аномалию в районе другой продуктивной скважины, можно утверждать, что нейросеть обучилась правильно и результатам прогноза на этой площади можно доверять. Следует также отметить, что система, обученная по материалам одной сейсмопартии, может не правильно работать по материалам, полученным другой сейсмопартией. Это объясняется тем, что методика, условия проведения полевых работ, граф обработки для сейсмопартий в разные годы отличаются.

При обучении системы следует иметь ввиду, что сейсмогеологическая характеристика разреза на участке обучения системы, создающая свой набор сигналов и помех, должна быть максимально приближена к характеристике на участке анализа. Чем ближе сходство структурных, фациальных, петрофизических особенностей разреза обучающегося и анализируемого участков, тем надёжнее прогноз при использовании нейронной системы. На достоверность прогноза могут влиять и другие специфические геологические процессы. Например, известно, что залежь нефти вызывает изменение петрофизических свойств вышележащих отложений на величину, значительно превышающую её мощность. Это облегчает прогноз, так как в этом случае в формировании волновой картины участвует не только сама залежь нефти, а значительно более мощное образование, где в результате окислительно-восстановительных процессов изменились петрофизические свойства вышележащих над залежью нефти горных пород. Однако, в результате некоторых геологических процессов (например тектонических подвижек) нефть может мигрировать из одной ловушки в другую, успев сильно изменить петрофизические свойства вышележащих толщ. В результате нейрокомпьютерных исследований в районе "старой" ловушки нефти может быть картирована ложная нейроаномалия, а результаты бурения здесь покажут остаточную нефтенасыщенность. В то же время, "молодая" ловушка нефти может быть не закартирована, так как нефтяная залежь не успела сильно изменить петрофизические свойства вышележащих горных пород, участвующих в формировании волновой картины сейсмического поля.

Несмотря на некоторую неоднозначность прогнозных решений при распознавании нефтеперспективных объектов методом "НЕЙРОСЕЙСМ", пятилетний опыт практического использования метода показал его высокую эффективность. Отличительной особенностью метода является то, что он не требует проведения дорогостоящих полевых работ, а использует полевые сейсмические материалы прошлых лет. Полная компьютеризация метода "Нейросейсм" делает его достаточно оперативным и дешёвым.



Литература

1. 
   Авербух А.Г., Методика интерпретации данных сейсморазведки при интегрированном изучении нефтегазовых резервуаров: 1988, Геофизика, 1, с. 13 – 19.
   
2. 
   Гогоненков Г.Н. - Изучение детального строения осадочных толщ сейсморазведкой. - М., "Недра", 1987г.,180 с.
   
3. 
   Корягин В.В. - Сейсморазведка нефтегазоперспективных структур малого размера - "Самарский государственный технический университет",2001г.,264 с.
   
4. 
   Куликов С.А., Тарасов Е.А. - Нейрокомпьютерная техника в распознавании нефтеперспективных обьектов по данным сейсмических наблюдений. - М., "Геология, геофизика и разработка нефтяных месторождений", Вып. 11, 1994г., с.19-21.
   
5. 
   Куликов С.А., Тарасов Е.А.- Результаты практического применения нейротехнологии прогнозирования залежей нефти в Татарстане.-М.,"Геология, геофизика и разработка нефтяных месторождений", Вып.3, 1998 г., с. 29-33.
   
6. 
   Михальцев А.В., Мушин И.А., Погожев В.М. - Обработка динамических параметров в сейсморазведке. - М., "Недра", 1990 г.
   
7. 
   Птецов С.Н. - Анализ волновых полей для прогнозирования геологического разреза. - М., "Недра", 1989г., 230 с.
   
8. 
   Уоссерман Ф. - Нейрокомпьютерная техника. - М., "Мир", 1992г. 300 с.
   
9. 
   Чжаня Ч. Анализ и выделение сейсмических сигналов. - М., "Мир", 1986, 120 с.