К автоматизированной обработке тонкослоистых разрезов

Несмотря на то, что автоматизированная обработка данных геофизических исследований на данный момент достигла довольно серьезного уровня, отдельные задачи из этой области по-прежнему не имеют удовлетворительного решения, которое можно было бы считать общепринятым. Одной из таких задач, вызывающих в последнее время наиболее пристальный интерес, является интерпретация данных, полученных в открытом стволе, с намерением выделить и правильно идентифицировать пропластки даже крайне малой мощности (сравнимой с шагом записи приборов). При этом конечной целью является быстрое и качественное построение объемной модели исследуемой скважины. Далее будут рассмотрены ключевые проблемы, встречающиеся на этом пути, а также методы их решения, предлагаемые компанией ПраймГео.

Проблема 1. Низкая разрешающая способность приборов. Построение объемной модели требует привлечения как можно большего объема имеющейся информации, поэтому на вход расчетных модулей, как правило, подают кривые, существенно отличающиеся по разрешающей способности. Зачастую это приводит к заметному искажению результата; в частности, ситуации, показанные на рис. 1 а) и б), могут оказаться неразличимыми с точки зрения классических методов обработки. Это связано с тем, что на результаты измерений в каждой отдельной точке скважины влияют не только породы, находящиеся непосредственно на данной глубине, но и те, что попадают в некоторую ее окрестность. Так, например, индукционный каротаж позволяет судить лишь о значении сопротивления породы, усредненном по интервалу глубины в 1-2 метра.

Рис. 1 Пример увеличения доли компоненты в составе породы (а ) и пример полного замещения этой компонентой остальных компонент породы (б)

От описанного неудобства можно избавиться, применяя к измеренным кривым операцию деконволюции: зная, из каких вкладов формируются записанные прибором значения (эта информация заключена в так называемом геометрическом факторе, характерном для конкретного прибора), мы можем вычислить истинные параметры пород, избавленные от усреднения по глубине. В итоге тонкие однородные пропластки становятся легко отличимыми от областей с непрерывным изменением компонентного состава, а полученные таким образом объемные модели — соответственно, более точными и детальными.

На данный момент в нашем распоряжении имеется множество методов осуществления деконволюции, которые охватывают весь спектр проблем, возникающих при построении объемной модели. Их можно классифицировать по следующим признакам:

1) число кривых, подаваемых на вход;

2) объем используемой априорной информации;

3) учет проникающей способности метода (к примеру, несколько зондов индукционного каротажа позволяют в некоторой степени избавиться не только от усреднения по глубине, но и от радиального усреднения);

4) способность к подавлению вклада аппаратных шумов;

5) конечная математическая реализация метода.

В качестве  частного  примера  укажем, что  метод  совместной  обработки  кривых, опирающийся на знание статистических свойств аппаратных шумов и геологического разреза, позволяет весьма эффектно решить задачу, известную в англоязычном геофизическом сообществе под названием alpha processing. Она состоит в нанесении тонкой структуры на кривую с низким разрешением, опираясь на информацию, полученную другими приборами. Любопытно, что в нашем случае обработка носит совершенно симметричный характер: ошибка восстановления снижается для всех рассматриваемых кривых без исключения, так что уточняются даже данные, отвечающие наилучшей разрешающей способности (хотя это, конечно же, чисто количественный, а не качественный эффект).

 

Проблема 2. Отсутствие надежного метода выделения границ. На данный момент отправной точкой в литологическом анализе является выделение границ отдельных пластов, что осуществляется преимущественно вручную, либо при минимальном привлечении вспомогательных инструментов. Это связано с тем, что некоторые ситуации, возникающие на практике, могут быть интерпретированы двояко. Рассмотрим, например, кривую, показанную на рис. 2; по ее виду, очевидно, нельзя определить, с чем именно мы имеем дело: с последовательностью пластов равной мощности или с единым пластом, в котором присутствуют пространственные флуктуации параметров. Тем самым прослеживается важная концепция: для корректного выделения границ следует принимать во внимание не только локальные скачки замеренных значений, но и поведение кривой на некотором отрезке. В противном же случае мы наверняка примем за границы пластов случайные перепады, которые могут быть связаны с влиянием произвольных посторонних факторов (вплоть до аппаратных шумов).

Рис.2

Решение проблемы кроется в расчете индикаторной кривой, каждая точка которой определяется из значений исходных данных на некотором интервале глубин, который следует выбирать не слишком малым (эта задача, так или иначе, ложится на плечи интерпретатора, поскольку метод никак не завязан на конкретный тип прибора). На рис. 3 показан результат применения этого подхода к кривой индукционного каротажа (синяя кривая – исходная, красная – индикаторная). Пунктирными линиями показаны границы, выделенные автоматически в соответствии со значениями индикаторной кривой, учитывающей результаты измерений на отрезке длиной 1 м (две линии, идущие вплотную, соответствуют не двум границам, а одной протяженной).

рис.3

Рис.3

Как видим, положения границ вполне соответствуют логике задачи, хотя и требуют дополнительной проверки  интерпретатором.

Для сравнения на рис. 4 и рис. 5 показаны аналогичные результаты, основанные на анализе интервалов глубин длиной 0,2 м и 3 м соответственно. Недостатки этих вариантов представляются вполне очевидным.

рис.4

Рис. 4
рис.5
Рис. 5

 

Проблема 3. Ресурсоемкость расчетных модулей.     Традиционным способом построения объемной модели является решение системы петрофизических уравнений относительно компонентного состава среды. При этом кривые, представляющие собой исходные данные, имеют разную природу и могут даже находиться в противоречии друг с другом. Как следствие, корректная постановка задачи требует наличия избыточной информации, а потому решаемая система уравнений оказывается переопределенной и должна рассматриваться как задача оптимизации. Несмотря на прозрачность этого рассуждения, последствия оказываются весьма плачевными: расчетные модули, основанные на формальной минимизации невязки, обладают предсказуемо низкой производительностью. Как результат, интерпретатор лишается гибкости, критичной для неизбежного применения метода проб и ошибок в выборе прямой петрофизической модели.

В действительности использование численной минимизации не является обязательным и может быть заменено многомерным линейным преобразованием, вид которого определяется в начале расчета по известным погрешностям исходных кривых. При этом даже для случая гипотетической скважины глубиной 10 км построение объемной модели с шагом 10 см между соседними точками (итого 100000 точек) занимает менее одной миллисекунды (традиционный модуль решает эту задачу примерно за 1,5 минуты). Помимо колоссального прироста производительности описанный подход позволяет также определить погрешности рассчитанной объемной модели, что придает результатам наиболее прозрачный физический смысл. На рис. 6 показан пример такого расчета, где красная кривая показывает истинное значение содержания некоторого компонента на данной глубине, синяя – рассчитанное, а зеленые задают коридор вероятных отклонений от рассчитанных значений. Данный пример является модельным: погрешности исходных кривых намеренно взяты непрактично большими, чтобы наиболее наглядно проиллюстрировать возможности метода.

Рис. 6

 

 Заключение

Вышеизложенные  подходы,  направленные  на  автоматизированную  обработку тонкослоистых разрезов, представляют собой результаты обширных физико-математических исследований компании ПраймГео. Они реализованы в виде готовых программных модулей и неоднократно применялись к модельным примерам различной сложности. В то же время внедрение этих модулей в эксплуатацию требует огромной подготовительной работы, цель которых – состыковать абстрактную теорию и практику геофизических исследований. Шаги, уже предпринятые в этом направлении, показывают, что предлагаемый комплекс методов действительно востребован специалистами в области исследований открытого ствола и в любом случае найдет себе применение. По этой причине компания ПраймГео намерена продолжать интенсивную работу в намеченном русле.

Автор статьи: 

Магадеев Евгений Борисович
кандидат физико-математических наук
Башкирский государственный университет, г.Уфа
Комментарии
Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *