熱力学と触媒のジャーナル
オープンアクセス

概要

確率的ニューラル ネットワークとポスト スタック インバージョンを使用して、エジプトの地中海、サファイア フィールドの貯留層特性を予測する

Ahmed Abosalama*

推定埋蔵量の物理パラメータは、地震探査反転法を使用して解釈されます。これは、多孔度、飽和度、頁岩含有量を推定するために不可欠です。この記事では、モデルベースの地震探査反転法と確率的ニューラル ネットワークを使用した貯留層の特性評価について説明します。この課題を簡単にするために、この論文は 2 つの部分に分かれています。研究領域で収集された 3D 地震探査データ (Sapphire Deep Seismic-2010) から、モデルベースの反転法を使用して音響インピーダンス値を生成します。地震探査データを使用して、5 つの坑井ログを分析します。合成データと地震探査データの平均相関係数は 0.997 で、誤差は 7% であり、モデルベースの反転法の有用性を示しています。次に、推定された有効多孔度、水分飽和度、頁岩量を使用して確率的ニューラル ネットワーク (PNN) をトレーニングし、検証します。検証された確率的ニューラル ネットワークを使用して、有効多孔度、水分飽和度、頁岩量の 3D 変化を取得します。

私たちの調査により、サファイア 80 チャネルの未掘削セクションに、好ましい岩石物理的パラメータがあり、大量のガスとコンデンセートが存在することが分かりました。

地震インバージョンは、観測された地震データを推定埋蔵量の弾性物理パラメータの解釈に結び付けます。ポストスタック地震インバージョンは、多孔度、飽和度、頁岩含有量などの貯留層パラメータを推定するために使用されます。モデルベースの地震インバージョンと確率的ニューラル ネットワークをポストスタック地震データに適用して貯留層特性を評価する方法について説明します。この課題では、この論文は 2 つの部分に分かれています。最初のポストスタック地震インバージョンは、研究領域 (Sapphire Deep Seismic-2010) で時間領域で記録された 3D 地震データを使用して音響インピーダンス (AI) 値を近似します。5 つの井戸から地震データを収集しました。平均相関係数 0.997、合成データと地震データ間の誤差 7% で示されるように、モデルベースのインバージョンは効果的です。次に、確率的ニューラル ネットワーク (PNN) を井戸サイトのデータを使用してトレーニングし、検証します。地震ボリュームでは、確率ニューラル ネットワークが 3D で有効多孔度、水分飽和度、頁岩の体積変動を計算します。

現在の分析では、サファイア 80 チャネルの未掘削領域に良好な岩石物理的パラメータが予測され、大量のガスとコンデンセートが存在することが示されています。