油藏描述中的地震相分析新技术

油 藏 描 述 中 的 地 震 相 分 析 新 技 术 油 藏 描 述 中 的 地 震 相 分 析 新 技 术 绪 论 地 震 相 分 析 技 术 在 油 藏 描 述 中 的 作 用 波 形 分 类 地 震 相 分 析 技 术 的 特 点 和 应 用 实 例 -以 Stratimagic软 件 为 例 地 震 相 分 析 技 术 存 在 的 问 题 和 发 展 趋 势 绪 论 地 震 相 是 个 “ 古 老 ” ， 宽 泛 的 名 词 ， 概 念 。 60年 代 中 期 ， 有人 开 始 使 用 ， 70年 代 初 随 着 地 震 地 层 学 的 兴 起 ， 被 广 泛 使 用 。 地 震 相 的 定 义 ， 多 种 多 样 不 统 一 ， 本 人 愿 意 定 义 为 ： 地 震 信 号 特 征 的 一 种 表 征 形 式 ， 并 且 这 种 表 征 形 式 所 表 征 的 信 号 特 征 可以 在 横 向 或 纵 向 上 划 分 成 单 元 或 分 类 。 地 震 信 号 外 形 ， 内 部 结 构 ， 振 幅 ， 相 位 ， 频 率 ， 速 度 等 均 可 以 作 为 地 震相 。 现 在 一 般 将 振 幅 ， 相 位 等 表 征 地 震 动 力 学 特 征 的 信 号 称 为 属 性 ， 而把 反 射 外 形 等 静 力 学 特 征 的 信 号 定 义 为 地 震 相 的 较 多 。 地 震 相 可 应 用 于 地 震 地 层 学 ， 岩 性 地 震 学 以 及 油 藏 描 述 中 的储 层 预 测 等 。 本 次 讲 座 主 要 集 中 在 地 震 相 的 概 念 ， 以 及 工 业 界 已 应 用 的 地震 相 分 析 方 法 的 原 理 ， 实 例 的 介 绍 上 。 油 藏 描 述 中 的 地 震 相 分 析 新 技 术 绪 论 地 震 相 分 析 技 术 在 油 藏 描 述 中 的 作 用 波 形 分 类 地 震 相 分 析 技 术 的 特 点 和 应 用 实 例 -以 Stratimagic软 件 为 例 地 震 相 分 析 技 术 存 在 的 问 题 和 发 展 趋 势 地 震 相 分 析 技 术 在 油 藏 描 述 中 的 作 用 油 藏 描 述 的 任 务 ： -储 层 /油 藏 分 布 预 测 -储 层 /油 藏 物 性 的 确 定 解 决 油 藏 描 述 的 地 震 方 法 ： - 属 性 /地 震 相 分 析 方 法 -井 约 束 AI/EI反 演 方 法 推 荐 的 工 作 流 程 构 造 解 释沿 层 选 定 目 的 段层 段 内 地 震 相 分 析 靶 区 的 井 约 束 反 演地 震 相 和 反 演 结 果的 综 合 解 释定 性 到 定 量 的 地 震 相 分 析 Does this channel-like feature repeat itself in other places?Can I map this reflector terminationand display it on a horizon map?Build a 3D volume that describesthe shape of this channel. Display it on any seismic data or map. Map of Amplitude Standard Deviation (the best Amplitude Map) Seismic Facies superimposed on the Amplitude map EACH real trace is assigned a color according to whichmodel trace it is most closely correlated. 地 震 方 法 用 于 油 藏 描 述 的 现 状 Attributies Analysis/地 震 相 地 震 属 性 分 析 方 法 所 提 取 属 性 种 类 不 断 增 加 （ 20， 50种 ， 更 多 ？ ） 用 户 选 择 属 性 缺 少 合 适 的 方 法 对 多 种 属 性 解 释 地 质 意 义 不 明 确 。 Well Calibration and Inversion 地 震 的 井 标 定 和 反 演 外 推 估 算 地 震 信 号 的 横 向 变 化 通 常 是 困 难 的 需 要 先 验 的 初 始 模 型 花 费 和 计 算 吞 吐 量 仍 是 系 统 化 工 业 化 应 用 的 障 碍 先 验 约 束 往 往 出 现 误 差 地 震 相 分 析 技 术 在 油 藏 描 述 中 的 作 用 快 速 进 行 地 震 信 号 特 征 的 分 类 ， 研 究 地 震 信 号 的 变 化 规 律 从 地 震 信 号 某 种 /多 种 特 征 的 变 化 规 律 中 确 定 反 映 地 质 体 沉 积 ，物 性 等 变 化 的 规 律 ， 从 而 直 接 进 行 沉 积 相 研 究 ， 储 层 预 测 和物 性 预 测 等 。 地 震 相 分 析 可 以 快 速 的 为 井 约 束 AI/EI反 演 等 确 定 靶 区 ， 指 导反 演 结 果 的 解 释 。 新 的 地 震 相 分 析 方 法 可 以 进 一 步 确 定 地 震 微 相 ， 地 震 相 的 定量 化 等 ， 从 而 进 行 油 藏 的 精 细 描 述 。 Example - Channel Definition (1) Conventional Instantaneous / Average Amplitude Maps Example - Channel Definition (2)Seismic Facies Map of isolated channel region, using a Neural Network derived classificationModel - 12 classes B A Example - Channel Definition (3)Detail of Central ChannelDifferences in production from wells A and B are explainedWell B - central (clean) channelWell A - point bar 地 震 相 分 析 技 术 在 油 藏 描 述 中 的 作 用 快 速 进 行 地 震 信 号 特 征 的 分 类 ， 研 究 地 震 信 号 的 变 化 规 律 从 地 震 信 号 某 种 /多 种 特 征 的 变 化 规 律 中 确 定 反 映 地 质 体 沉 积 ，物 性 等 变 化 的 规 律 ， 从 而 直 接 进 行 沉 积 相 研 究 ， 储 层 预 测 和物 性 预 测 等 。 地 震 相 分 析 可 以 快 速 的 为 井 约 束 AI/EI反 演 等 确 定 靶 区 ， 指 导反 演 结 果 的 解 释 。 新 的 地 震 相 分 析 方 法 可 以 进 一 步 确 定 地 震 微 相 ， 地 震 相 的 定量 化 等 ， 从 而 进 行 油 藏 的 精 细 描 述 。 油 藏 描 述 中 的 地 震 相 分 析 新 技 术 绪 论 地 震 相 分 析 技 术 在 油 藏 描 述 中 的 作 用 波 形 分 类 地 震 相 分 析 技 术 的 特 点 和 应 用 实 例 -以 Stratimagic软 件 为 例 地 震 相 分 析 技 术 存 在 的 问 题 和 发 展 趋 势 波 形 分 类 地 震 相 分 析 技 术 的 特 点 和 实 例 Attributies Analysis/地 震 相 地 震 属 性 分 析 方 法 所 提 取 属 性 种 类 不 断 增 加 （ 20， 50种 ， 更 多 ？ ） 用 户 选 择 属 性 缺 少 合 适 的 方 法 对 多 种 属 性 解 释 地 质 意 义 不 明 确 。 Well Calibration and Inversion 地 震 的 井 标 定 和 反 演 外 推 估 算 地 震 信 号 的 横 向 变 化 通 常 是 困 难 的 需 要 先 验 的 初 始 模 型 花 费 和 计 算 吞 吐 量 仍 是 系 统 化 工 业 化 应 用 的 障 碍 先 验 约 束 往 往 出 现 误 差 Stratimagic-地 震 地 层 解 释 /地 震 相 分 析 软 件 专 门 用 于 解 释 岩 性 ， 地 层 ， 油 藏 ， 地 质 相 对 比 的 新 的 地 震 解释 技 术 源 于 ELF公 司 获 得 专 利 的 波 形 分 类 技 术 ， 由 CGG-FLAGSHIP开 发 为 软 件 产 品 。 2002年 Paradigm购 并 Flagship后 ， 进 一 步 与 其 它 的 地 震 相 分析 技 术 结 合 ， 如 Seisfacies, NexModel, VoxelGeo等 ， 使 其更 加 完 整 ， 功 能 强 大 。 Stratimagic: a unique solution Stratimagic: 独 特 的 解 决 方 案波 形 分 类 地 震 相 分 析 A process : characterization based on trace shape 一 种 处 理 ： 基 于 道 形 状 的 特 征 描述 Trace shape classification represents the true heterogenity of the seismic signal 道 形 状 分 类 代 表 了 地 震 信 号 的 真 实 的 横 向 异 常 A technology: self-organizing neural networks 一 项 技 术 ： 自 组 织 的 神 经 网 络 An industrial shape-recognition process, robust and unaffected by noise or spurious events 一 个 工 业 化 的 形 状 识 别 处 理 ， 它 稳 定 ， 不 受 噪 音 和 假 同 相 轴 的 影 响 A method: many years of operational success applied. 一 种 方 法 ： 成 功 地 应 多 年 to exploration, appraisal and reservoir studiesin clastics and carbonates for oil and gas, onshore or offshore on 5 continents, from sea-bottom to 20.000 ft. 可 用 于 勘 探 评 价 和 油 藏 研 究 ， 碎 屑 岩 和 碳 酸 岩 ， 油 或 气 ， 陆 上 和 海 上 。 The Basic Assumption is Changes in any of the physical parameters of the subsurface are always reflected in a change in shape of the seismic trace.For example change in porosity will result in a differently shaped trace.“shape” is quantified in the change of sample value from sample to sample. Your brain is a neural network - SHAPE is used to decidehow many different types of vegetable are here.NOT color(how many peppers?) or size (how many tomatoes?). Are these the same shape? Does this channel-like feature repeat itself in other places?Can I map this reflector terminationand display it on a horizon map?Build a 3D volume that describesthe shape of this channel. Display it on any seismic data or map.How to understand the meaning of seismic data through Facies Identification and Classification using Trace shape? -XX% amplitude+/-2ms Sampling to nearest 4ms sample generates+/-2ms unbiased noise on timeup to 25% biased noise on amplitudeFIXED VERTICAL SAMPLINGReduces sampling noise Takes full advantage of propagation beyond seismic sampleTRACE RECONSTRUCTIONTrace Reconstruction: a critical step. WHAT ARE BASIC NEURAL NETWORKS?Signal Flow: Input Output Synapse INPUT SEISMICINTERVAL OUTPUT TRACESDendritesCell BodySynapses Axon Looking for seismic shape changesNeural Network Clustering analysisA Neural Network looks for a suite of traces that describe the progressive changes in the seismic shape. Looking for seismic shape changesNeural Networkordered color changes Clustering analysisabrupt color changes What Do We Classify? Whole cube? Significantly exceeds actual volume of interest (reservoir), good for early exploratory work only Attribute maps? Demands prior knowledge, can be used to refine insight, but not to define it Problem: Which maps to use as input? Problem: Some information could be bypassed Trace shape in interval? Focused on geological volume of interest Seismic signal shape includes all attributes k-means PCA Vector Quantizer Kohonen SOM Sensitivity to noise Very No Some None Separation of nodes Maximised N/A Equidistant According to data Handling of boundaries Not in concept N/A Not a criteria Yes Sequence and neighbors Not in concept N/A Not in concept Fundamental part of concept Interpretation of colors No No No Yes Sensitivity to redundant data Yes Yes Yes No Comparison of Benefits and Drawbacks Does this channel-like feature repeat itself in other places?Can I map this reflector terminationand display it on a horizon map?Build a 3D volume that describesthe shape of this channel. Display it on any seismic data or map.How to understand the meaning of seismic data through Facies Identification and Classification using Trace shape? 工 作 流 程 (work flow)I. Learning from the data, and only the data从 地 震 数 据 中 学 习 ， 且 仅 仅 从 地 震 数 据 The model traces 模 型 道 These synthetic traces are constructed by the neural network process, using a learning set extracted from the seismic interval. No well data is used at this stage. The user has no influence on the selection of data, and there are no weighting criteria. The result is 100% repeatable. 这 些 合 成 道 是 用 从 地 震 层 段 中 提 取 出 来 的 由 神 经 网 络 处 理 建 造 的 ， 这 一 阶 段 不需 要 井 数 据 。 用 户 在 数 据 选 择 方 面 没 有 影 响 ， 没 有 加 权 标 准 ， 结 果 . 100% 可 重复 。 INPUT SEISMICINTERVAL OUTPUT TRACESSynapses DendritesCell Body Axon What are Basic Neural Networks?Signal Flow: Input Output Synapse The ProcessThe Neural Network trains itself on the actual trace shapes within a 3D seismic interval, and constructs synthetic seismic traces that represent the signal diversity over the entire defined volumeTraces are refined by an iterative processuntil the best correlation to the real datais obtained The Seismic Facies MapEACH real trace is assigned a color according to whichmodel trace it most closely correlates to NEURAL NETWORK PARAMETERSNumber of model traces (number of colours in the output facies map)Number of iterationsRate of learning (epsilon), Continuity (sigma)Reference surfaces, interval thickness, sub-sampling parameter OUTPUTINPUTPROCESSING Classification Maps: Class Range 2 to 1003 Classes 7 Classes 15 ClassesIncreasing the number of classes results in greater detailSmall number of classes identifies first order trace variability Unlike clustering, Neural Networks do not require preconceived ideas about the number of classes Number of Iterations: Range 1 to 1001 Iteration 20 Iterations 50 Iterations 100 IterationsCLASSIFICATION MAPS1 iteration unstable 20 iterations stable results 0 Iterations 100Rate of convergence 50Neural Network Stabilises2010 The seismic facies map 地 震 相 图 The map 地 震 相 图 Each trace has been assigned the number (and color) of the model trace to which it has the best correlation. 每 一 道 赋 给 它 与 模 型 道 最 相 关 的号 码 和 颜 色 。 By observing the distribution of color on this map, we can assess the distribution of seismic shapes throughout the interpreted area. 通 过 观 察 图 上 颜 色 的 分 布 ， 我 们 可 以 评 定 解 释 区 域 的 地 震 形 状 的分 布 。 反 映 了 岩 性 ， 地 层 ， 地 质相 的 变 化 。 Projecting facies information on seismic将 相 的 信 息 投 影 到 地 震 剖 面 上The classification result can be projected directly above the interval on which the process was applied, allowing a one-to-one visualization of the actual data traces and their corresponding assignement to one of the classes.分 类 结 果 可 以 直 接 投 影 到 处 理 过 的 层 段 的 上 ， 允 许 一 对 一 的 实 际 数 据 道 及其 中 一 个 相 应 的 赋 值 分 类 的 可 视 化 ， 为 地 震 相 的 变 化 确 定 其 具 体 反 射特 征 。利 用 专 门 的 解 释 工 具 （ Reflector Termination shares Stratimagics user interface and infrastructure Robust solution for multi-attribute classification and calibration of seismic data, incorporating technologies and methods developed by ENI AGIP Enables effortless work on multiple versions of a seismic survey, or a set of attributes computed over time Enables a detailed description of the reservoir, resulting in better informed business decisions based on more accurate prediction of reserves Improves reservoir characterization within field development projects A New Methodology Based on Seismic Facies Analysis and Litho-Seismic ModelingThe Elkhorn Slough Field Pilot Project Solano County CaliforniaBy Manuel Poupon (Flagship Geosciences, today Paradigm) and Kostia Azbel (CGG-Geoscience) Offshore, March 1999 The Elkhorn Slough Field Pilot Project Solano County California Scope of the Project The Data: Winters Pinchout 3D The Play: Deep Water Fan/Channel Structural Interpretation Conventional Horizon Attributes Geological Horizon Attributes Stratigraphic Interpretation Conventional Interval Attribute Analysis Seismic Facies Analysis Modeling Seismic Facies Trace Revised Geological Model and Business Impacts Conclusions Interpretation of horizons & faultsBefore AfterSeismic Classification: The Missing Link?Calibration to wellsInversion or Interval map analysisGeostatistical analysis, modeling Interpretation of horizons & faultsAnalyze surface attributesSeismic Facies ClassificationInterval attribute analysisInterpretation of geological shapesGeostatistical analysis modeling The Data: Winters Pinchout 3D 3D Survey - Solano Co., California Shot and processed by CGG-Americas in 1995. 830 in-lines, 700 cross-lines - 110 x110 bin spacing (52 sq. miles). Sample interval 2 msec - Record length 6 sec. Well Data 4 wells drilled on a turbiditic play (based on 2D interpretation). Well C: “70 Feet of netpay in the A sand”. Recoverable reservesincreased to 14-18 BCF Deep Water Fan Incised channelPrograding sequencesBasinal shales ABC DW E C DThe Play: Deep Water Fan/Channel Winters Sands“The Winters pinchout play is turbiditic in nature, sands being transported through channels incised into the shelf and deposited into deep water fans surrounded by shales” (K. Lanning 1998). Refining the Channel/Fan AreaWe can do two things:1. Limit the area of analysis to the channel/fan only2. Use the wellbore trace to pilot the seismic facies map Well A: 15ft gasWell B: 45ft waterWell C: 70ft gasWell D: no sand A B C D Time map (Top of Winters sand) Mixed map (Time + Dip)Azimuth map Structural Interpretation Conventional Horizon Attributes Sediment layers dip toward the South West. Dip and Azimuth maps respectively highlight the channel and fan system. Stratigraphic Interpretation Conventional Horizon AttributesHorizon Amplitude Map: Two different geological environments are expressed with similar high amplitude valuesBright spots Channel/Fan systemPrograding sequences This Neural Network Technology is licensed from TotalFinaElf Seismic Facies Analysis using NNT: What Is It? Seismic Facies: The description and geologic interpretation of seismic reflection patterns including configurations, (continuous, sigmoidal, etc.), frequency, amplitude, and continuity. Neural Network Technology (NNT): The ability to analyze and classify trace shapes using a discriminating process. Seismic Facies Map: This is a similarity map of actual traces to a set of model traces that represents the diversity of various trace shapes present in an interval. Model TracesInterval of interestChannel/Fan PlayProgradingsequences Seismic Facies Map Stratigraphic Interpretation Unpiloted Regional Seismic Facies AnalysisClassifying the 60-ms interval above the reference horizon using Neural Network shape recognition. Seismic facies map shows turbidites deposited along a NNW-SSE paleo-coastline. Several channels incising the shelf can also be identified. Stratigraphic Interpretation Unpiloted Channel Seismic Facies Analysis Classifying the 60-msec interval below the reference horizon using Neural Network shape recognition. Seismic facies map highlights the outline of an asymmetric fan. Seismic response at Well CMain stream NW to SE or tilted sea bottom towards SE?Asymmetric fan Model Traces15-25 700Seismic Facies MapABCDi Stratigraphic Interpretation Piloted Seismic Facies Analysis Using the seismic response at Well C as an indicator of gas-charged sands and focusing over the channel/fan area only, piloted seismic facies map highlights the distribution of the thicker reservoir sands. Seismic traceat Well C used asmodel #9Model traces Piloted Seismic Facies MapOnly a limited area in the channel/fan system have seismic responses similar to Well C (thick sand) Well A & B (thin sand) are out of the main fan area, Well D (shaled out) has a distinct seismic facies.Random Line Petro-Acoustic Modeling Modeling Seismic Facies Trace Using log traces from Well C and model trace #9, seismic response is calibrated as 70 of gas-charged sands.? Well Logs (DT, RHOB, GR) Synthetic SeismogramSand ReservoirSeismic traces at Well CModel Trace #9 Petro-Acoustic Modeling Seismic Facies Calibration Using log traces at Well C and D to respectively calibrate seismic response of gas-charged A sands and seismic response of a no-sand zone. Seismic Well C Seismic Well D Note: Model traces are not “True Amplitude” Data Petro-Acoustic Modeling Petro-acoustic Modeling of Reservoir Characteristics Perturbing Seismic Response from Well C using sand thickness, reservoir porosity, and fluid content as variable parameters. Decreased Sand Thickness Decreased Porosity Decreased Gas Saturation Well C Petro-Acoustic Modeling Perturbation of Reservoir Characteristics Thickness variations are modeled from C to D wells (70 to 0).Synthetic traces and seismic traces are similarDecreased Thickness (70 to 0) Flattened seismic section Interval of interestW E Petro-Acoustic Modeling Perturbation of Reservoir Characteristics Synthetic model traces are generated between C and D wells using a combination of reservoir thickness, water saturation and porosity. Synthetics are then used to pilot the seismic facies analysis.Synthetic model traces Seismic Facies Map Proposed E well Post-Mortem Analysis of Well D Revised Geological Model Synthetic Classifying the 82-msec interval below the “despiked” reference horizon using 20 model traces. This new unpiloted seismic facies map highlights the outline of a late shale plug fan that could explain the absence of A sand in the D well. Seismic Facies Map Model traces Business Impacts Cost to Expose Pay Drilling program is directly related to the geological model Maximize Production RateIdentify the sweet spots High-grade prospects Conclusions Exploration within the Elkhorn Slough field had been mostly driven by amplitude anomalies, inversion techniques and coherency technology.Seismic Facies Analysis combined with litho-seismic modeling of well data was applied to the Elkhorn Slough Field. This methodology is accurate, cost-effective, quick and often reveals subtle geological features only expressed in the shape of the seismic trace. The geological model was tested with the E well which found 100 of gas sand. Seismic facies map (present work)Coherency slice (K. Lanning 1998) 100 of gas-charged sand Turbidite Characterization Using Multi-Attribute Volume Classification Data Offshore Angola 3D Survey Offshore Angola, Africa650 in-lines, 650 cross-lines 6.25X6.25 bin spacing Sample interval 2 msec - Volume used from 2500-2900ms Generated Attributes Amplitude, Dip, Azimuth, AI, Porosity and Semblance Well Data2 wells drilled on a turbidite play Well 2 good producer from massive sands Well 4 bad producer from poorly sorted sands Well 4 Well 2 Part Two: Volume Classification The Data: Offshore Angola, Post Stack 3D data Structural Setting: Extensional Faulting Depositional Setting: Turbidite Slope Channels Stratigraphic Interpretation Classic Seismic Trace Shape Analysis Attribute Map Classification Multi-Attribute Volume Visualization Multi-Attribute Volume Classification Subvolume Detection in 3D environment Conclusions Structural SettingWell 4 Well 2 Well 4Well 2Top System (blue)Top Sequence A (blue)Top Channel A (violet)Intra Channel A (yellow)Base Channel A (red)Erosion Base Sequence A (green) Wells with GR Log Well 2 is a good producer in both upper and lower A Unit. Well 4 is a poor producer from upper A unit and shows a low GR response for the second unit of corresponding massive sands in Well 2.Inline 2258 Well 4 Inline 2120 Well 2Well 4 Well 2 Stratigraphic Interpretation WorkflowTRACESInput Data:Multiple 3D seismic volumesVariable or constant time interval ClassificationHierarchicalPCA(Optional)Output Data:Seismic Facies Map MAPSInput Data:Interval attribute mapsHorizon mapsClassification maps ClassificationHierarchicalOutput Data:Attribute Facies MapPCA(Optional) ClassificationNNT & Hierarchical BLOCKSInput Data:Multiple 3D seismic volumesVariable or constant time interval PCA(Recommended)Output Data:3D Seismic Facies VolumeZonation(Optional) Interval Attribute Maps Interval Attributes between Top Channel A and Intra Channel A Interval Isopach Third Derivative Fourth Derivative Amplitude Peaks Peak-Trough Ratio Frequency Peaks Amplitude Positive PolarityWell 2 Well 4 Map Classification with NNT 14C Major Channel System (yellow and red classes) with inner Channel (blue classes). Well 4 (poorly sorted sands) is located on blue classes and Well 2 (massive sands) on yellow classes. Axis of eroding channel is clearly defined.Well 2 Well 4 Trace Shape Analysis on Upper UnitTrace shape analysis on a non-constant interval between Top Channel A and Intra Channel AWell 2 Well 4 Three major families of traces , facies Principal Component Analysis - Why? Why do we want to perform PCA ? To analyse data redundancy and bring several individual attribute volumes down to fewer PCA volumes (Eigenvalues gr