Похожие презентации:
Моделирование пористости по кубу акустического импеданса
1. Пример: Моделирование пористости по кубу акустического импеданса
2. Case Study Предварительный анализ
Проблема :Низкая плотность данных по основному атрибуту.
Решение:
1. Проверить, коррелирует ли куб акустического импеданса с
основным атрибутом.
2. Получить параметры модельной вариограммы из вторичного
атрибута.
3. Использовать вторичный атрибут для совместного
моделирования.
3. Case Study Проверка зависимости между импедансом и свойством
Основное допущение:Существует ли зависимость между акустическим импедансом и
свойством резервуара? Это необходимо проверить:
Для каждой скважины рассчитать кривую импеданса на основе
акустического и плотностного каротажей
Создать кросс-плот для кривой импеданса и каротажа свойства резервуара
если отсутствует каротаж плотности, для кросс-плота используйте
акустический каротаж вместо кривой импеданса
если зависимости нет, то куб акустического импеданса не может быть
использован в качестве вторичного атрибута для моделирования свойства
4.
Case StudyКросс-плот: Кривая импеданса – Каротаж пористости
На кросс-плоте прослеживается отрицательная корреляция, слабеющая при
низких значениях пористости. Импеданс может быть использован только для
моделирования зон с достаточно высокой пористостью.
Сильная корреляция
Замечание:
Слабая корреляция
Импеданс менее чувствителен к
низким значениям пористости
5.
Case StudyКросс-плот: Кривая импеданса – VCL каротаж
В целом, низкая корреляция , указывает на то, что акустический импеданс,
скорее всего, не стоит применять для моделирования глинистости.
Слабая корреляция
Замечание:
Нет зависимости между
импедансом и глинистостью.
6.
Case StudyОграничение, накладываемое разрешением сейсмики
Разрешение куба AI:
в диапазоне 15-30 м.
Разрешение каротажа AI:
1 м и меньше
Пропластки с низкими значениями
акустического импеданса
(красный) толщиной1-3 м
7.
Case StudyПересчет куба акустического импеданса в 3D грид
Мощность слоев модели должна зависеть от вертикального ранга
вариограммы каротажных данных.
Однако мощность слоев может влиять на зависимость между
перестроенным акустическим импедансом и
перемасштабированными каротажными данными (появление
‘шума’ с убыванием мощности слоев).
Это необходимо проверить!
8.
Case StudyВлияние мощности слоев на зависимость
Перемасштабированный каротаж AI – сейсмический куб AI
Мощность слоя:
5м
3м
1м
Пересчитанный сейсмический AI
Уменьшение мощности слоя ослабляет корреляцию
9.
Case StudyВлияние мощности слоев на зависимость
Перемасштабированный каротаж пористости – сейсмический куб AI
Мощность слоя:
5м
3м
1м
Пересчитанный сейсмический AI
Уменьшение мощности слоя ослабляет корреляцию
10.
Case StudyЗависимость между сейсмическим AI и пористостью в зонах
Верхняя часть
резервуара
Корреляция – Ok
Нижняя часть
резервуара
Слабая зависимость
Пересчитанный сейсмический AI
Сейсмический акустический импеданс нельзя использовать для
моделирования пористости в нижней части резервуара.
11.
Case StudyГоризонтальные вариограммы из сейсмического AI
1. Рассчитайте карту вариограммы по
сейсмическому акустическому импедансу для
изучения анизотропии
2. Рассчитайте экспериментальную вариограмму
вдоль главного и второстепенного направлений
3. Обеспечте соответствие модели вариограммы
экспериментальным данным
4. Используйте эти параметры вариограммы для
моделирования пористости
5. Обоснование:
Каротажные данные обычно распределены редко
Плотно распределенный коррелирующий атрибут может
обеспечить лучшую количественную оценку
пространственной корреляции
Сейсмический AI
показывает
анизотропию
12.
Case StudyКросс-плот: сейсмический AI – смоделированная пористость
Модель пористости без вторичных данных
Модель пористости с сейсмическим акустическим
импедансом в качестве вторичных данных
Красный: AI – смоделированная пористость
Черный: AI – перемасштабированная пористость
13. Case Study Моделирование пористости – Сейсмическим акустический импеданс в качестве вторичных данных
Акустический импедансПористость
Пористость
Пересчитанная сейсмика
Без вторичного
атрибута
Collocated Co-kriging с
AI (CC: -0.54)