Пример: Моделирование пористости по кубу акустического импеданса
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.
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 Þ если отсутствует каротаж плотности, для кросс-плота используйте акустический каротаж вместо кривой импеданса Þ если зависимости нет, то куб акустического импеданса не может быть использован в качестве вторичного атрибута для моделирования свойства
Case Study Кросс-плот: Кривая импеданса – Каротаж пористости прослеживается отрицательная корреляция, На кросс-плоте 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
Case Study Кросс-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.
Case Study Ограничение, 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) толщиной 1 -3 м
Case Study Пересчет куба акустического импеданса в 3 D 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!
Case Study Влияние мощности слоев на зависимость Перемасштабированный каротаж AI – сейсмический куб AI Мощность слоя: 5 м Перемасштабирован ный каротаж AI 3 м 1 м Пересчитанный сейсмический AI Уменьшение мощности слоя ослабляет корреляцию
Case Study Влияние мощности слоев на зависимость Перемасштабированный каротаж пористости – сейсмический куб AI Мощность слоя: 5 м Перемасштабирован ный каротаж пористости 3 м 1 м Пересчитанный сейсмический AI Уменьшение мощности слоя ослабляет корреляцию
Case Study Зависимость между сейсмическим AI и пористостью в зонах Нижняя часть резервуара Слабая зависимость Перемасштабированн ый каротаж пористости Верхняя часть резервуара Корреляция – Ok Пересчитанный сейсмический AI Сейсмический акустический импеданс нельзя использовать для моделирования пористости в нижней части резервуара.
Case Study Горизонтальные 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 Сейсмический AI показывает анизотропию
Case Study Кросс-плот: сейсмический AI – смоделированная Модель пористости с сейсмическим пористость без вторичных Модель пористости данных акустическим импедансом в качестве вторичных данных Красный: AI – смоделированная пористость Черный: AI – перемасштабированная пористость
Case Study Моделирование пористости – Сейсмическим акустический импеданс в качестве вторичных данных Акустический импеданс Пересчитанная сейсмика Пористость Без вторичного атрибута Collocated Cokriging с AI (CC: 0. 54)
Упражнения
Скачать презентацию Пример Моделирование пористости по кубу акустического импеданса
18_Case_Study_2010_rus.ppt