Опыт применения методики автоматической увязки данных геофизических исследований скважин с фотографиями керна на карбонатных и терригенных месторождениях

В настоящей работе представлена комплексная методика для выполнения автоматической привязки каротажных кривых к фотографиям 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 к фотографиям 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 терригенных и карбонатных наборах данных (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.

1. Коссов, Г., Абашкин, В. (2024). МЕТОД АВТОМАТИЧЕСКОЙ УВЯЗКИ РЕЗУЛЬТАТОВ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ СКВАЖИН С ФОТОГРАФИЯМИ КЕРНА. ГЕОФИЗИКА, с. 46–52. https://doi.org/10.34926/geo.2024.94.33.006

2. Коссов, Г., Абашкин, В., Езерский, Д. (2024). АЛГОРИТМ АВТОМАТИЧЕСКОЙ УВЯЗКИ ДАННЫХ ГИС С ФОТОГРАФИЯМИ КЕРНА. Труды VII Международной геолого-геофизической конференции

3. Кузнецова, Г. (2017). Методические приемы привязки керна к геофизическим исследованиям. Территория Нефтегаз, с. 20–26.

4. Петерсилье, В., Пороскун, В., Яценко, Г. (2003). Методические рекомендации по подсчету геологических запасов нефти и газа объемным методом. Москва-Тверь, 258 с.

5. Abashkin, 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-MS

6. Abdi, H., Williams, L.J. (2010). Principal component analysis. Wiley interdisciplinary reviews: computational statistics 2, pp. 433–459. https://doi.org/10.1002/wics.101

7. Allen, D.F., Bordakov, G. (2009). Method for quantifying resistivity and hydrocarbon saturation in thin bed formations.

8. Bordakov, G.A., Kliegl, M.V., Goswami, J.C. (2015). Robust Well Log Sharpening With Unknown Tool Response Function.

9. Damaschke, M., Fellgett, M., Howe, M., Watson, C. (2023). Unlocking national treasures: The core scanning approach. Geological Society, London, Special Publications 527, SP527-2022.

10. Felinger, A. (1998). Data analysis and signal processing in chromatography. Elsevier, 414 p.

11. Kerzner, M.G. (1984). A solution to the problem of automatic depth matching. Presented at the SPWLA Annual Logging Symposium, SPWLA, p. SPWLA-1984.

12. Massart, D.L. (1988). Data handling in science and technology. Chemometrics, 488 p.

13. 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/10.3997/2214-4609.201950103

14. Seleznev, 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/10.3997/2214-4609.202050090

15. Słota-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

16. Pomerania, Poland. Energies 14, 6022. https://doi.org/10.3390/en14196022

17. 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. Presented at the SPWLA Annual Logging Symposium, SPWLA, p. SPWLA-2012.

18. Tabanou, J.R., Antoine, J. (1995). Method and apparatus for detecting and quantifying hydrocarbon bearing laminated reservoirs on a workstation.

19. 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/PJV63N1-2022a2

20. Zimmermann, T., Liang, L., Zeroug, S. (2018). Machine-learning-based automatic well-log depth matching. Petrophysics 59, pp. 863–872.