Вы находитесь на странице: 1из 68

Построение сверх высокоточных

характеристик сейсмической среды на


основе полной векторной декомпозиции
Ерохин Г.Н., Яковлев А.П
Super High-Resolution. Theory

Классическое определение критерия


Методы измерения,
Релея в оптике:
основанные на
Минимальное расстояние между
интерференции двух
двумя точечными источниками в
волн (опорной и рабочей)
длинах волн

 / 10

/2 Сдвиг меньше  / 2

Методы голографии –
фиксация интерференции
80 годы прошлого века. Идея на фото носителе
«сейсмоголографии». Школы
академиков А.С.Алексеева, М.М.
Лаврентьева, С.В. Гольдина
Super High-Resolution. Theory

PSTM

T=19.4 ms, F=51.5 Hz, V=2600 m/s,


  V / F  50 m
Instantaneous Frequency
T=26 ms, V=2600 m/s, F=34Hz   70 m

t  2 ms z  t * v  5.2m
Super High-Resolution. Theory

Выводы:
Для временной миграции
13 точек на длину волны.
Минимальный шаг
  70 m
суммирования – 2 мс.
t  2 ms
z  t * v  5.2m
T / t  26 / 2  13
Для глубинной миграции
 / z  70 / 5.2  13
13 точек на длину волны.
Критерий Релея в сейсмике: Минимальный шаг
Предельное минимальное расстояние суммирования – 5 м
между двумя отражениями по
глубине (рассеянием) -  / 4  17.5m
Вопросы:
1.Возможно ли получение характеристик
 (изображений) среды с детальностью выше
/4 чем  / 4 ?  / 8  8.75 m
 / 16  4.37 m
 / 32  2.18 m
 / 64  1 m
Парадигма визуализации. Примеры обработки различными авторами

2. Есть ли альтернатива существующим стандартам визуализации


характеристик среды?
The Full Vector Decomposition Method
VPRTM
(since 2015)

6
REVERSE TIME MIGRATION

T
I ( x )    p f ( x , t ; xs )p b ( x , t ; xs )dt
0
s

Imaging Condition

Baysal et.al.,1983; Whitmore, 1983;


McMechan, 1983;

Forward waves Back waves

1 1
ptt  p  r(t )(x  xs ), (x , t )  2
 (0, T ), 2
ptt  p   p0 (, ; xs ), (x , t )  2
 (0, T ),
2
c (x) c (x)
p|t 0  0, pt |t 0  0, p|t T  0, pt |t T  0.
xs   { x  2
|x 2  0},
p0 (x, t ; xs )  p f (x, t ; xs ), (x, t)   [0, T ] Данные измерения
7
VECTOR PAIR REVERSE TIME MIGRATION (VPRTM)

Forward wave ( p f , u f )(x , t ; xs ), t [0, T ]

(1)
p t  с div(u )  r (t ) ( x  xs )
f 2 f

utf  p f
xs   {x  n
| xn  0}, t  (0, T )
pf  0, uf  0.
t 0 t 0

Back wave ( p , u )(x , t ; xs ), t [0,T ]


b b p0  p f
[ 0 , T]

p b t  с 2 div(ub )  0 (2)

u  p  p0 ( x ) 
b
t
b n
f u f

pb  0, ub  0,
t  t  bu b
8
Interconnected Vector Pair

 

f breflect bdiffr

Incident angle  
Scattering angle
 Scattering angle

a b c
Source is fixed. Angles for each instantaneous time :
Source is fixed. Average angles:
  (  ) /2 opening angle   incident angle
  (   ) / 2 10
  (  ) /2
dip angle   scattering angle
Figure Incident and scattering behavior of interconnected vector pair
 f , b   (   ) / 2 90
for the point of reflection (a), (b) and for the point of diffraction (a) , (c).
Here the color shows the time from blue up to red.
9
Vector Pair Reverse Time Migration
RTM VPRTM
Angle Domain Common Image Gather Vector Domain Common Image Gather
(ADCIG) p q  ( p press f  p press b ,  ) (VDCIG) p  (| f |,| b |  ,  ,  f , b )
q q q q q q q

for each x, for all s for each x , for all t and s


  (   ) / 2  opening angle   (   ) / 2  opening angle
PADCIG  { p }
q

  incident angle PVDCIG  { p q }


  scattering angle
q  1,..., N s q  1,..., N, N  NT  N s , k  1,..., NT , s  1,..., N s

N spoints ( p press f p press b ,  ) in R2 N points (| f q |,| bq |  q ,  q ,  qf , bq ) in R6


|b q | |b|
Angle Distribution of the
scattering vector module for all
time and sources in the point
dip of reflection (a) and diffraction dip
(b)

a
b opening angle
opening angle 10
VPRTM. Data Processing Workflow

VPRTM
Vector Domain Common Image Images
3D CDP
Gathers
Gathers (Each Image -20
million pixels,
5
R : p0 ( x , t ; xs ), ( x , t , xs )    [0, T ] 10
R : (| f q
|,| b q
|  q
,  q
,  q
f , b
q
, t , s,  ,  ) more 400
Images)

DATA 30 Gb
DATA 30 Gb DATA 30 Tb

11
VPRTM. Data Processing Workflow

Interactive setting of
2D/3D CDP filters on a small
Data
sample from VDCIG

Preliminary
processing
(statics estimation, Calculation of speed,
velocity analysis density, attribute
etc.) correction, Reflection,
Diffraction, Dip, Open
Angle, AVO, AVAZ,
Frequency

Conversion of the
CDP data to the
VDCIG form by the
VPRTM algorithm The final form of
velocity, density, and
of all attributes
12
Software: VPRTM Full Decomposition V.5.21

13
VPRTM. Data Base
VPRTM. Data Processing Workflow
VPRTM. Visualization of velocity vectors at the reflection point

|f| |b|

sources &
receivers
V=3
km/s
3.5
V=3.1 km
km/s

17 km
Observation point Sources
Sources

Time Time
Typical parameters of
model:
200 source, step 50 m
701 receivers, step 10 m
Ricker’s wavelet with dominant frequency 40 Hz .
Time sampling 0.4 ms. Color - amplitude 16
VPRTM. Visualization of velocity vectors at the reflection point

Forward velocity vector f Back velocity vector b

Incident angle  Scattering angle 

Source is slightly right from the center Color- time 17


VPRTM. Visualization of velocity vectors at the diffraction point

|f|
|b|

sources &
receivers

V=3
km/s
3.5
km

V=2.9 17 km
km/s
Observation point
Diffraction point, v=2.9 km/s

Sources
Sources

200 source, step 50 m


Time
701 receivers, step 10 m Time
Diffraction point velocity
3.1km/s
Ricker’s wavelet with dominant frequency 40 Hz .
Time sampling 0.4 ms. Color - amplitude
18
VPRTM. Visualization of velocity vectors at the diffraction point

Forward velocity vector f Back velocity vector b

Incident angle  Scattering angle 

Source is slightly right from the center Color- time


19
VPRTM. Angle Distribution of Scattering Wave

REFLECTION POINT DIFFRACTION POINT

|u |b |ub |

Scattering Scattering
angles  angles 

a Incident angles  Incident angles 


b
Velocity 3.1/3.0 км/s, color – amplitude of back field
20
VPRTM: Two Imaging Conditions

Model consists of
three thin layers. The
velocity is 3 km/s in
the media and 4 km/s
in the layers.

Reflector VPRTM
Select only
reflectors

Diffractor VPRTM
Select only
diffractors

Migration velocity is 3 km/s Testing the VPRTM method on model21data


VPRTM: Three Imaging Conditions 22

Model consists of
two layers. The
velocity is 3 km/s in
the upper media
and 4 km/s in the
down media.

VPRTM Reflector
Select only reflector
boundaries

VPRTM Diffractor
Select only diffractor

VPRTM Prism wave


Select only vertical
boundaries

Migration velocity is 3 km/s Testing the VPRTM method on model22data


VPRTM: Two Diffractor Models: “Soft” (Left) And "Hard" (Right)

The left diffractor has reduced velocity by


V=2.9 V=3.1 0.1 km/s w.r.t. background velocity 3.0
km/s km/s
km/s , the right one has increased velocity
by 0.1 km/s .
V=3
km/s

VPRTM Soft Diffractor

V1

V1  V2
V2

VPRTM Hard Diffractor


V1

V1  V2
V2

23
Migration velocity is 3 km/s
VPRTM. Two Diffractor Models: “Soft” (Left) And "Hard" (Right)

VPRTM Soft&Hard Amplitude


Diffractors

VPRTM Soft&Hard Phase


Diffractors

24
Benchmark: 2D West Siberia Model. Built-in Diffractors

circle inclusion 20 m diameter

#1 #2 fault # 3
Open Benchmark Project “Model of West Siberia tight oil deposit”
http://www.4dprm.com
25
Result of VPRTM Amplitude Diffractor Processing

#1 #2 #3
fault

26
Result of VPRTM Processing for Estimation Dip Values Near the
Inclusions

#1 #2 fault #3

27
Conventional Seismic Tomography
Подходы:
1. Преобразование Радона
2. Оптимизационные методы в
линеаризованной постановке (grid-
based velocity model solution -
GeoDepth Tomography )

3 км

Глубинно-скоростная модель -3 (построение пластовой изотропной


модели (ГСМ-1), включение в нее разломов (ГСМ-2), уточнение и
создание среднеслоистой модели (ГСМ-3) (И. Богатырев, Д. Семин,
Adam M. Dziewoński, USA, Т. Ольнева А. Иноземцев)
seismologist, 1981 И. Богатырев, Д. Семин, Т. Ольнева А. Иноземцев Опробование
технологии полно-азимутальной угловой миграции EarthStudy360® при
исследовании донеогенового основания на одном из месторождений
республики Cербия Технологии сейсморазведки, № 1, 2017, с. 63–71
Migration Velocity Analysis. Time-shift Imaging Conditions Approach

Offset gather (left panel) and angle


gather (right panel) offset gather (left Figure Time-shift imaging condition gather at x = 7 km. The panels
panel) and angle gather (right panel) depict a the image, b the time-shift gather, c the slantstacked
time-shift gather, and d the angle gather.(Sava, P., and S. Fomel, 2006,)

Sava, P., and S. Fomel, 2003, Angle-domain


common-image gathers by wavefield U(m,t, ) = Ur(m,t + )*Us(m,t - )
continuation methods: Geophysics, 68, 1065–
1074 Sava, P., and S. Fomel, 2006, Time-shift imaging
condition in seismic migration : Geophysics, 71,
209–217

29
VPRTM Seismic Tomography

Back


 0
VPRTM. The Model for the Case Study #2.
17 km

4 km

Gradient migration velocity: 2- 5 км/s

Perturbed gradient: initial model (left), VPRTM velocity result (right)

The two-dimensional distribution


4 km of the scattered wave in a pixel size
of 25x25 meters. Horizontal axes -
time residual and source number

Vertical profile. Perturbed gradient: initial model (left), VPRTM velocity result (right)

The step between receivers is 25 m, between sources - 50 m, the number of sources is


344. 31
PSTM. Case Study #1

Distance 10 km

Time, ms
Source interval – 25m, receiver – 5m, Fold-200
VPRTM. Case Study #1: BackRTM, 25m

25x25 m
VPRTM. Decomposition

Принципиальное достижение в методе VPRTM –


разложение векторного поля на две составные
части: жесткую и мягкую компоненту рассеяния

Как следствие этого все атрибуты состоят из двух


элементарных компонент – “жесткой” и
“мягкой”, которые можно, как минимум,
складывать или вычитать.
V1 V1
V1  V2 V1  V2
V2 V2

Hard
Soft

34
VPRTM. Synthesis

Hard Soft BackRTM

- =

Hard Soft
Relative Impedance

+ =

35
VPRTM. Case Study #1: Scattering Index (Diffractivity) , 25m

25x25 m
VPRTM. Case Study #1: Dip, 25m

Deg.

25x25 m
VPRTM. Case Study #1: Opening Angle, 25m

Deg.

25x25 m
VPRTM. Case Study #1: Dip & Opening Angle Correlation Coefficient, 25m

25x25 m
VPRTM. Case Study #1: Velocity, 25m

m/s
10х10m

25x25 m
VPRTM. Case Study #1: Velocity, 10m

10x10 m
VPRTM. Case Study #1: RTM, 10m

10x10 m
VPRTM. Case Study #1: Hard Diffractivity + wiggle Opening Angle & Dip
Correlation, 10m

10x10 m
VPRTM. Case Study #1: Soft Diffractivity + Wiggle Opening Angle & Dip
Correlation, 10m

10x10 m
VPRTM. Case Study #1: Opening Angle & Dip Correlation + Wiggle
Velocity, 10m

10x10 m
VPRTM. Case Study #1: Time Difference+ Wiggle Velocity, 10m

10x10 m
VPRTM. Case Study #1: Source Variance + Wiggle Time, 10m

10x10 m
VPRTM. Case Study #1: Source Kurtosis + Wiggle Velocity, 10m

10x10 m
VPRTM. Case Study #1: Time Difference + Wiggle Residual of Opening
Angle & Dip Correlation, 10m

10x10 m
VPRTM. Case Study #1: Time. Resolution 10m & 5m

5x5m
10x10m 1060м

1830м
VPRTM. Case Study #1: Resolution 5m
1000 m
5x5m
1060м

a
90 m

1830м
c

• RTM (a)
• Time with wiggle RTM (b)
• Time Difference (c)
Step of horizontal lines – 5m
VPRTM. Case #2: Velocity. Comparing with well logging data, 25m

m/s

25x25 m
VPRTM. Case #2: Time Variance. Comparing with well logging data, 25m

Interval sharp variability of petrophysical Well logging data from left to right: gamma
parameters at Perm deposits ray log, neutron gamma log resistivity log,
caliper log,

25x25 m
VPRTM. Case #2: Dip Variance. Comparing with well logging data, 25m

Well logging data from left to right: resistivity log,


Interval sharp variability of petrophysical caliper log, gamma ray log, neutron gamma log
parameters at Perm deposits

25x25 m
VPRTM. Case #3: Velocity. Long profile, 25m
m/s

55
25x25 m
VPRTM. Case #3 Scattering Index (Diffractivity). Long profile, 25m

25x25 m 56
VPRTM. Case #3: Time Difference. Long profile , 25m

57
VPRTM. Case #4: 3D Velocity Cube. Near-surface layers

The velocity scale is from 1500 m / s (blue) to 3000 m / s (red).

The pixel size is 25x25x10 meters

58
VPRTM. Case #5: 3D Velocity Cube, 25m

1700 m
The velocity scale is from 2300 m / s (blue) to
4300 m / s (red).

The pixel size is 25x25x25 meters 59


VPRTM. Case #6: Scattering Index (Diffractivity). Tight oil deposit

Oil inflow 150 cubic


well meters per day

60
VPRTM. Computational Aspects
Типичный расчет:
• Параметры модели: 5х4х3 км. Размер
вокселя 25х25х25м (3.8 млн точек модели)
• Расчет на 4800 ядрах с общей памятью на
узле 128 ГБ составляет порядка 170 часов
• Входные сейсмические данные 3Д ОГТ:
30Гб
• Промежуточные данные хранилища
VDCIG: 30 Тб
• Финальные данные: 30 Gb
VPRTM conclusions
1. Метод VPRTM, как и в оптической голографии, может с
высокой точностью «зафиксировать» информацию об
амплитудах и фазах рассеянной и обращенной во времени
сейсмической волны, используя некоторые „эталонную“ волну.
2. Эта информация сохраняется в репозитории VDCIG (Vector
Domain Common Image Gathers). Сейсмическая визуализация
основана на прямой статистической оценке набора данных из
VDCIG.
3. Метод VPRTM требует большей вычислительной мощности,
чем обычный метод миграции в обратном времени (RTM) или
его модификация, основанная на данных из ADCIG (Angle
Domain CIG), но обеспечивает на новом качественном и
количественном уровне исследования структурных,
геологических и петрофизических свойств геологической
среды.
4. Метод VPRTM позволяет одновременно получать
высокоточные (до 1 метра) атрибуты такие как рефлекторы,
дифракторы, углы наклона, анизотропия рассеяния,
азимутальная анизотропия, AVO, скоростная модель и пр.
Machine Learning Based on VPRTM Data & Well Logging Data

Отличительные особенности VPRTM:

1. Пересчитанные данные по методу VPRTM сохраняют амплитуды


и фазы прямой и обратной волны (аналогично оптической
голографии).

2. Точность локализации в 2-х или 3-х мерном пространстве данных


атрибутов VPRTM ограничивается лишь шагом расчетной сетки и
достигает одного метра.
170m

Velocity
Machine Learning Based on VPRTM Data & Well Logging Data

Отличительные особенности VPRTM:

3. Все атрибуты рассчитываются одномоментно из «общего набора»


VDCIG и образуют в каждой расчетной точке 2-х или 3-х мерного
пространства вектор длиной N (N >20)

#N

#5
#4
#3
#2
#1
Machine Learning Based on VPRTM Data & Well Logging Data

Отличительные особенности VPRTM:

4. VDCIG – реальные Big Data. Исходные данные МОГТ двумерного


профиля (30х10 км) с шагом по приемникам 5 и по источникам 25
метров объемом 20,3 ГБ после декомпозиции в VDCIG на
пространственную сетку 25х25 метров ( 0.5 млн пикселей) занимают
27,5 Тб. Увеличение объема данных в 1354 раза.

CDP Data 20,3 Gb VDCIG Data 27,5Tb

VPRTM
Machine Learning Based on VPRTM Data & Well Logging Data

Отличительные особенности VPRTM:

5. При наличии скважин на площади (профиле) с выделенными


продуктивными фациями данные многомерных атрибутов VPRTM,
рассчитанные с высоким разрешением (2-5 метров) вдоль
траектории скважин – являются идеальными исходными данными
для контролируемого обучения (Machine Learning) с последующим
вероятностным прогнозом залежей углеводородов во всем
объеме геологической среды.

+
Публикации

1. Erokhin G., Pestov L.,Danilin A., Kozlov M., and Ponomarenko D., Interconnected vector
pairs image conditions: New possibilities for visualization of acoustical media, 2017, SEG
Technical Program Expanded Abstracts 2017: 4624-4629.,
https://doi.org/10.1190/segam2017-17587902.1
2. Erokhin G., Danilin A., and Kozlov M., Extension of the common image gathers by VPRTM
method, 2018, SEG Technical Program Expanded Abstracts 2018: pp. 4438-4442.
3. Erokhin G., Danilin A. and M. Kozlov, Visualization of Ultra-Weak Diffractors based on
Vector Pair RTM, 2018, 80th EAGE Conference and Exhibition 2018,
doi: 10.3997/2214-4609.201801648
4. Erokhin G., Reverse Time Holography Approach based on the Vector Domain Common
Image Gathers, 2019, SEG Technical Program Expanded Abstracts 2019
5. Anokhina E. and G. Erokhin The Use of New Seismic Data Processing Methods to Predict
Changes in Reservoir Properties During the Design of Horizontal Wells, EAGE, Horizontal
Wells 2019 Challenges and Opportunities. DOI: 10.3997/2214-4609.201901854 (in Russian)
6. Г.Н. Ерохин, А.С. Бугаев, И.В. Богоявленский, Перспективы комплексирования нового
метода сейсморазведки RTH и результатов пассивного микросейсмического
мониторинга в решении задач выявления опасных объектов выбросов газа в Арктике.
Бурение и нефть 07-0 8/2019, с.4-9.
Спасибо за внимание!
www.4DPRM.com

egn@4dprm.com

68