georesГеоресурсыGeoresources1608-50431608-5078Georesursy LLC10.18599/grs.2025.4.4geores-532Research ArticleСТАТЬИRESEARCH ARTICLESОпыт применения методики автоматической увязки данных геофизических исследований скважин с фотографиями керна на карбонатных и терригенных типах разрезаApplying the Automated Depth-Shifting Workflow of Well Logging Data and Whole Core Images for Carbonate vs Clastic RocksКоссовГ. А.KossovG. A.

Георгий Андреевич Коссов – научный сотрудник

125171, Москва, Ленинградское ш., д. 16а, стр. 3 

Georgy A. Kossov – Researcher

Build. 3, 16a, Leningradskoe shosse, Moscow, 125171

gkossov@slb.ruАбашкинВ. В.AbashkinV. V.

Владимир Викторович Абашкин – кандидат физ.-мат. наук, руководитель проектов

125171, Москва, Ленинградское ш., д. 16а, стр. 3 

Vladimir V. Abashkin – Cand. Sci. (Physics and Mathematics), Project Manager

Build. 3, 16a, Leningradskoe shosse, Moscow, 125171

vabashkin@slb.ruЕзерскийД. М.EzerskyD. M.

Дмитрий Михайлович Езерский – ведущий петрофизик, отдел обработки и интерпретации данных ГИC

125171, Москва, Ленинградское ш., д. 16а, стр. 3 

Dmitry M. Ezersky – Petrophysicist, GWL Data Processing and Interpretation Department

Build. 3, 16a, Leningradskoe shosse, Moscow, 125171

dezersky@slb.ruООО "СТИБШ"РоссияLLC "STISS"Russian Federation2025301220252745966Copyright © Коссов Г.А., Абашкин В.В., Езерский Д.М., 20252025Коссов Г.А., Абашкин В.В., Езерский Д.М.Kossov G.A., Abashkin V.V., Ezersky D.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.geors.ru/jour/article/view/532

В настоящей работе представлена комплексная методика для выполнения автоматической увязки каротажных кривых с фотографиями полноразмерного керна. Предложенный подход сочетает использование алгоритмов машинного обучения для автоматической литотипизации по фотографиям полноразмерного керна и алгоритма амплитудной модальной инверсии, что позволяет в процессе увязки учитывать информацию об исследуемом разрезе. Привязка фотографий керна осуществляется без использования кривой естественной гамма активности образцов или данных лабораторных исследований керна. При выполнении настоящей работы также была проведена валидация разработанного рабочего процесса на наборе данных, представленном карбонатными и терригенными породами (в том числе для случая чистого неглинистого карбонатного разреза) для нейтронного и плотностного каротажа. Анализ результатов обработки данных и их сравнение с результатами лабораторных исследований образцов керна позволили сделать выводы о высокой точности автоматической привязки, которая составила величину размера сглаживающего фильтра: ~60 см для нейтронного и ~80 см для плотностного каротажа. Предложенный инструмент позволяет существенно сократить временные затраты на обработку данных геофизических исследований скважин по сравнению с традиционными подходами, снизить вероятность ошибок, связанных с человеческим фактором, и может служить основой для дальнейших исследований в этой области.

This paper describes a novel approach for automatic depth shifting geophysical well logs data and whole core images. The proposed approach combines the use of machine learning algorithms for automatic lithotype description via whole core images and an amplitude modal inversion algorithm, enabling the integration of stratigraphic information during the shifting process. The automatic shifting with whole core images is performed without using the natural gamma radiation curve of drill core or core routine data. As part of this study, the proposed workflow was validated on clastic and carbonate datasets (including non-clayey carbonates rocks) for neutron and density logs. The automatic shifting results have high accuracy, with precision equal to that of the smoothing filter (approximately 60 cm for neutron logs and 80 cm for density logs.), according to the analysis of the processed data and comparison with core routine data. The proposed technique significantly reduces the time required for processing well logging data compared to traditional approaches, minimizes errors related to human factors, and can serve as a foundation for further research in this area.

геофизические исследования скважинметодика автоматической увязки данныхавтоматическое литотипированиефотографии кернакарбонатные месторожденияgeophysical well loggingautomatic depth shiftingautomatic lithotype descriptionwhole core imagescarbonate vs clastic rocksReferencesКоссов Г., Абашкин В. (2024). Метод автоматической увязки результатов геофизических исследований скважин с фотографиями керна. Геофизика, 3, с. 46–52. https://doi.org/10.34926/geo.2024.94.33.006Abashkin V.V., Seleznev I.A., Chertova A.A., Istomin S.B., Romanov D.V., Samokhvalov A.F. (2020). Quantitative analysis of whole core photos for continental oilfield of Western Siberia. SPE Russian Petroleum Technology Conference, OnePetro. https://doi.org/10.2118/202017-MSКоссов Г., Абашкин В., Езерский Д. (2024). Алгоритм автоматической увязки данных гис с фотографиями керна. Труды VII Международной геолого-геофизической конференции.Abdi H., Williams L.J. (2010). Principal component analysis. Wiley interdisciplinary reviews. WIREs Computational Statistics, 2, pp. 433–459. https://doi.org/10.1002/wics.101Кузнецова Г. (2017). Методические приемы привязки керна к геофизическим исследованиям. Территория Нефтегаз, с. 20–26.Allen D.F., Bordakov G.A. (2009). Method for quantifying resistivity and hydrocarbon saturation in thin bed formations. U.S. Patent No. 7,617,050.Петерсилье В., Пороскун В., Яценко Г. (2003). Методические рекомендации по подсчету геологических запасов нефти и газа объемным методом. Москва-Тверь, 258 с.Bordakov G.A., Kliegl M.V., Goswami J.C. (2015). Robust Well Log Sharpening With Unknown Tool Response Function. U.S. Patent Application No. 14/151,687. https://doi.org/10.3997/2214-4609.20141285Abashkin V.V., Seleznev I.A., Chertova A.A., Istomin S.B., Romanov D.V., Samokhvalov A.F. (2020). Quantitative analysis of whole core photos for continental oilfield of Western Siberia. SPE Russian Petroleum Technology Conference, OnePetro. https://doi.org/10.2118/202017-MSDamaschke M., Fellgett M., Howe M., Watson C. (2023). Unlocking national treasures: The core scanning approach. Geological Society, London, Special Publications 527, SP527-2022. https://doi.org/10.1144/sp527-2022-58Abdi H., Williams L.J. (2010). Principal component analysis. Wiley interdisciplinary reviews. WIREs Computational Statistics, 2, pp. 433–459. https://doi.org/10.1002/wics.101Felinger A. (1998). Data analysis and signal processing in chromatography. Elsevier, 414 p.Allen D.F., Bordakov G.A. (2009). Method for quantifying resistivity and hydrocarbon saturation in thin bed formations. U.S. Patent No. 7,617,050.Kerzner M.G. (1984). A solution to the problem of automatic depth matching. SPWLA Annual Logging Symposium, SPWLA, SPWLA-1984.Bordakov G.A., Kliegl M.V., Goswami J.C. (2015). Robust Well Log Sharpening With Unknown Tool Response Function. U.S. Patent Application No. 14/151,687. https://doi.org/10.3997/2214-4609.20141285Kossov G., Abashkin V. (2024). A method for automatic depth shifting of geophysicals well logs with whole core images. Geophysics, 3, pp. 46–52. (In Russ.) https://doi.org/10.34926/geo.2024.94.33.006Damaschke M., Fellgett M., Howe M., Watson C. (2023). Unlocking national treasures: The core scanning approach. Geological Society, London, Special Publications 527, SP527-2022. https://doi.org/10.1144/sp527-2022-58Kossov G., Abashkin V., Ezersky D. (2024). Automated workflow for depth-shifting GWL curves to the drill core images. Proceedings of the VII International Geological and Geophysical Conference. (In Russ.)Felinger A. (1998). Data analysis and signal processing in chromatography. Elsevier, 414 p.Kuznetsova G. (2017). Methodological techniques for depth-shifting of the drill core to geophysical logs. Territoriya Neftegaz, pp. 20–26. (In Russ.)Kerzner M.G. (1984). A solution to the problem of automatic depth matching. SPWLA Annual Logging Symposium, SPWLA, SPWLA-1984.Massart D.L. (1988). Data handling in science and technology. Chemometrics, 488 p.Massart D.L. (1988). Data handling in science and technology. Chemometrics, 488 p.Petersillier V., Poroskun V., Yatsenko G. (2003). Methodological recommendations for calculating geological reserves of oil and gas. MoscowTver, 258 p. (In Russ.)Seleznev I., Abashkin V., Chertova A., Istomin S., Samokhvalov A., Romanov D. (2019). Quantitative Analysis of Whole Core Images. Geomodel 2019, pp. 1–5. https://doi.org/10.3997/2214-4609.201950103Seleznev I., Abashkin V., Chertova A., Istomin S., Samokhvalov A., Romanov D. (2019). Quantitative Analysis of Whole Core Images. Geomodel 2019, pp. 1–5. https://doi.org/10.3997/2214-4609.201950103Seleznev I., Abashkin V., Chertova A., Makienko D., Istomin S., Romanov D., Samokhvalov A. (2020). Joint Usage of Whole Core Images Obtained in Different Frequency Ranges for the Tasks of Automatic Lithotype Description and Modeling of Rocks’ Petrophysics Properties. Geomodel 2020, pp. 1–5. https://doi.org/10.3997/2214-4609.202050090Seleznev I., Abashkin V., Chertova A., Makienko D., Istomin S., Romanov D., Samokhvalov A. (2020). Joint Usage of Whole Core Images Obtained in Different Frequency Ranges for the Tasks of Automatic Lithotype Description and Modeling of Rocks’ Petrophysics Properties. Geomodel 2020, pp. 1–5. https://doi.org/10.3997/2214-4609.202050090Słota-Valim M., Lis-Śledziona A. (2021). The Use of Well-Log Data in the Geomechanical Characterization of Middle Cambrian Tight Sandstone Formation: A Case Study from Eastern Pomerania, Poland. Energies, 14, 6022. https://doi.org/10.3390/en14196022Słota-Valim M., Lis-Śledziona A. (2021). The Use of Well-Log Data in the Geomechanical Characterization of Middle Cambrian Tight Sandstone Formation: A Case Study from Eastern Pomerania, Poland. Energies, 14, 6022. https://doi.org/10.3390/en14196022Suarez-Rivera R., Edelman E., Handwerger D., Hakami A., Gathogo P. (2012). Improving geologic core descriptions and heterogeneous rock characterization via continuous profiles of core properties. SPWLA Annual Logging Symposium, SPWLA, SPWLA-2012.Suarez-Rivera R., Edelman E., Handwerger D., Hakami A., Gathogo P. (2012). Improving geologic core descriptions and heterogeneous rock characterization via continuous profiles of core properties. SPWLA Annual Logging Symposium, SPWLA, SPWLA-2012.Tabanou J.R., Antoine J. (1995). Method and apparatus for detecting and quantifying hydrocarbon bearing laminated reservoirs on a workstation. U.S. Patent No. 5,461,562.Tabanou J.R., Antoine J. (1995). Method and apparatus for detecting and quantifying hydrocarbon bearing laminated reservoirs on a workstation. U.S. Patent No. 5,461,562.Torres Caceres V.A., Duffaut K., Yazidi A., Westad F.O., Johansen Y.B. (2022). Automated well-log depth matching–1d convolutional neural networks vs. classic cross correlation. Petrophysics, 63, pp. 12–34. https://doi.org/10.30632/PJV63N1-2022a2Torres Caceres V.A., Duffaut K., Yazidi A., Westad F.O., Johansen Y.B. (2022). Automated well-log depth matching–1d convolutional neural networks vs. classic cross correlation. Petrophysics, 63, pp. 12–34. https://doi.org/10.30632/PJV63N1-2022a2Zimmermann T., Liang L., Zeroug S. (2018). Machine-learning-based automatic well-log depth matching. Petrophysics, 59, pp. 863–872. https://doi.org/10.30632/PJV59N6-2018a10Zimmermann T., Liang L., Zeroug S. (2018). Machine-learning-based automatic well-log depth matching. Petrophysics, 59, pp. 863–872. https://doi.org/10.30632/PJV59N6-2018a10

The authors declare that there are no conflicts of interest present.