Ключевые слова: фациальная модель, машинное обучение, обстановка осадконакопления, сейсморазведка, прогноз ФЕС, Западная Сибирь.
Современная нефтегазодобыча сталкивается с серьезными вызовами при освоении новых залежей, имеющих сложную геологическую структуру. Особое значение приобретает глубокое понимание механизмов перемещения пластовых флюидов, поскольку это критически важно как для новых, так и для истощенных месторождений. Ключевым фактором, определяющим характер движения флюидов, являются особенности формирования осадочных отложений.
Представленное исследование сфокусировано на изучении продуктивных пластов ПК19-20, которые входят в состав нижней части покурской свиты. Рассматриваемые пласты относятся к континентальным осадочным породам с существенными различиями в фильтрационно-емкостных свойствах и непостоянной литологией. Освоение таких месторождений является сложной задачей, требующей комплексного подхода с использованием передовых технологий, включая искусственный интеллект, что и было реализовано в представленном исследовании. Эффективность методов, направленных на улучшение точности геологического моделирования, подтверждалась практическими данными, полученными при бурении новых скважин.
Седиментационная модель
Геологическая модель была создана на базе седиментационной модели пласта ПК19-20, разработанной специалистами ООО «ТННЦ» в 2021 году. Тщательный анализ кернового материала и скважинных разрезов позволил идентифицировать свыше 20 различных фациальных зон.
Учитывая схожесть свойств некоторых фаций и их слабую различимость в поле упругих параметров, было принято решение объединить их в пять ключевых макрофаций вместо моделирования каждой по отдельности. Выделены следующие группы: болото (SW), глинистая приливно-отливная отмель (MTF), смешанная глинистая приливно-отливная отмель (MSTF), приливно-отливной канал (TC) и речное русло с приливно-отливным влиянием (FCt). При определении фаций по геофизическим исследованиям скважин использовались методические модели В.С. Муромцева.
Согласно В.С. Муромцеву [1], осадочные отложения пласта ПК19-20 отличаются значительной неоднородностью как по горизонтали, так и по вертикали, что хорошо видно на литолого-фациальном профиле. Такая изменчивость связана с наличием сложной системы взаимосвязанных русел, сформированных приливно-отливными течениями и речными потоками (рис. 1).
Разработана концептуальная модель формирования отложений, а также подготовлены фациальные карты-схемы, которые легли в основу 3D геологической модели для каждого пласта на основе комплексного анализа керна, ГИС и сейсмических материалов. Пласт ПК₁₉1 накапливался в условиях приливно-отливной равнины и прилегающей к ней низменности, периодически заливаемой морем. Пласт ПК₁₉2 образовывался в затопленной низменной равнине и прилегающих к ней приливно-отливных отмелях. Пласт ПК₂₀ формировался в условиях низменной равнины, находящейся в контакте с приливно-отливной зоной.
Рисунок 1. Литолого-фациальный разрез пласта по линии скважин
Петрофизическая модель
В основу работы легла петрофизическая модель, прошедшая апробацию ГКЗ, на основе которой были поставлены на Государственный баланс начальные геологические запасы УВ. Обобщенные зависимости проницаемости от пористости по группам пластов не всегда удовлетворительно описывают всю вариативность коэффициента проницаемости, тем более в таких сложных континентальных отложениях. Одним из вариантов решения по снижению дисперсии может являться построение индивидуальных зависимостей с учетом литологических особенностей структуры порового пространства пород.
Для комплексного анализа итерационным путем породы сгруппированы в кластеры по структуре порового пространства, тесно связанного с остаточной водонасыщенностью, фильтрационно-емкостными и капиллярными свойствами. Полученные группы уверенно различаются по соотношению пелитовой, алевритовой и песчаной фракции. В результате использования индивидуальных зависимостей расчета проницаемости по петротипам удалось добиться лучшего схождения с данными керна и гидродинамических исследований скважин (рис. 2).
Рисунок 2. Сопоставление коэффициента проницаемости и проводимости (Kh) по обобщенным и индивидуальным петрофизическим зависимостям
Сейсмическая модель
На изучаемой территории проведены сейсморазведочные работы 2D и 3D в различные временные периоды. При создании объемной геологической модели была предпринята попытка установить корреляционную зависимость между фациальными параметрами и сейсмическими данными для прогнозирования условий фациальных обстановок и их характеристик. Традиционный атрибутный анализ не выявил значимых взаимосвязей. Тем не менее использование нейросетевых алгоритмов Колмогорова, характеризующихся многоуровневой и комплексной архитектурой, существенно отличается от классических нейронных сетей. Нейронные сети Колмогорова, в противовес традиционным сетям с последовательной передачей данных между слоями, характеризуются рекуррентной организацией, позволяющей создавать сложные нелинейные взаимосвязи между нейронами. Такая гибкая архитектура с разнообразными вариантами соединений обеспечивает более результативную обработку информационных потоков [2, 3].
По итогу были построены карты с оценкой вероятности распространения фаций, анализ построений выявил корреляционные связи разной степени достоверности для пластов ПК19-1, ПК19-2, ПК20 (таблица 1). Полученные 2D-тренды с коэффициентом корреляции выше 0,6 применялись для построения трехмерной геологической модели.
Таблица 1. Корреляция вероятности распространения фаций в точках скважин с прогнозными значениями по результатам нейросетевого прогноза
Трехмерная геологическая модель
3D геологическая модель объединяет результаты всех выполненных исследований, включая модель осадконакопления, классификацию пород в скважинах, двухмерный прогноз распределения фаций между скважинами и специфические формулы для расчета проницаемости. По сути, она преобразует двухмерные и одномерные данные, полученные петрофизиками, седиментологами и сейсмиками, в объемную геологическую модель.
Главное отличие трехмерных фациальных моделей заключается в методике создания модели коллектора и распределения его характеристик. В противовес традиционным методам, где обычно напрямую моделируются только два состояния в объемной сетке (1 – коллектор, 0 – неколлектор) (АГМ), фациальное моделирование сначала определяет распределение фаций, а затем, учитывая параметрические показатели, распределяет коллекторские свойства, характерные для каждой конкретной фации. На рисунке 3 показана комплексная схема процесса построения.
ТАБЛИЦА 2. Блок-схема моделирования литолого-фациальной модели
По итогам выполнения работ создана авторская фациальная геологическая модель пластов ПК19-20 (ФАГМ), максимально приближенная к реальным условиям и являющаяся базой для дальнейшей итерационной настройки гидродинамической модели. В рамках моделирования было уточнено распределения объемов коллекторов в межскважинном пространстве, детализировано распределение ФЕС в разрезе и по площади, учитывающее геологическую природу моделируемых коллекторов.
В качестве критерия качества построения фациальной модели проводился мониторинговый анализ, направленный на оценку подтверждаемости прогноза текущим бурением. После построения модели было пробурено 17 скважин, которые вскрыли всю толщу пластов ПК19-20. По результатам бурения была проведена оценка сходимости с результатами бурения и сравнение со стандартным построением модели, где моделируются коллектор и неколлектор. На рис. 4 представлены гистограммы со средними фактическими и прогнозными значениями по новым пробуренным скважинам. В целом отмечается наилучшая сходимость по показателям прогноза с фактом.
Рисунок 4. Гистограмма средних значений эффективной и газонасыщенной толщины (прогнозные и фактические)
Выводы
Объединение всех доступных геолого-технических данных (включая сейсмический анализ, схемы осадконакопления, исследования керна и геофизические измерения) улучшило точность прогнозирования модели, что было подтверждено бурением новых скважин. Стоит отметить то, что прогноз эффективных толщин примерно сопоставим с АГМ, но именно в газоносыщенной части фациальная модель показа лучшую сходимость с фактом. В результате модель фаций обеспечивает более точное прогнозирование как при планировании нового бурения, так и при оценке потенциальной добычи углеводородов. Более точное соответствие реальным условиям позволяет сократить количество корректировок при настройке гидродинамической модели и делает прогноз более надежным и достоверным.
Литература
1. Электрометрическая геология песчаных тел – литологических ловушек нефти и газа / В.С. Муромцев. – Ленинград: Недра, 1984. – 260 с. – Текст: непосредственный.
2. Приезжев И.И. Нейронные сети нового поколения на основе теоремы Колмогорова и их применение для прогнозно-инверсионных построений // ГеоЕвразия, Москва, 3–5 февраля. – 2020.
3. Хусаинов Г.В., Ковалькова А.С. Использование нейронных сетей Колмогорова при прогнозировании коллекторских свойств на примере месторождений Западной Сибири // Нефтяная провинция. – 2024. – № 4 (40). – С. 104–120. EDN PTYGQQ.
4. Опыт применения стохастической инверсии сейсмических данных для включения в трехмерное моделирование / Е.Ф. Гайфулина, А.А. Решетников, В.С. Швыдкой, А.Р. Дорохов // Научно-технологический дайджест. Специализированный институт по обработке и интерпретации сейсмических данных на суше. Корпоративное хранилище сейсмических данных (СИ Сейсмика) – май 2023.
