Автоматизированная увязка сейсмических и скважинных данных с использованием алгоритма Dynamic Time Warping

А.В. Буторин, к.г.-м.н., А.И. Севостьянов, С.К. Стуликов, А.А. Тимиргалин
ООО «Газпромнефть НТЦ»
Butorin.AV@gazpromneft-ntc.ru, Sevostyanov.AI@gazpromneft-ntc.ruStulikov.SK@gazpromneft-ntc.ru, Timirgalin.AA@gazpromneft-ntc.ru

Журнал «Нефтяное хозяйство»

Вданной статье рассматривается методика автоматизированной увязки сейсмических и скважинных данных, которая осуществляется сравнением синтетической, или модельной, трассы, полученной путем свертки сигнала с коэффициентами отражения в скважинах, с реальной сейсмической трассой. Связь между сейсмическими и скважинными данными устанавливается по зависимости время – глубина, описывающей изменение скоростей в разрезе. Исходной информацией для изучения скоростных характеристик являются результаты методов акустического, сейсмического каротажа и вертикального сейсмического профилирования. Как правило, подобные исследования проводят в отдельных скважинах. Однако даже полный комплекс методов редко позволяет получить соответствие скважинных и сейсмических данных.
Методика интерактивной (в ручном режиме) увязки данных реализована во многих отечественных и зарубежных программных комплексах. Сходимость реальной и синтетической трасс достигается изменением интервальных скоростей на отдельных участках разреза. Критерием качества является максимальное значение функции взаимной корреляции. На практике некоторые объективные факторы (нелинейность волновых процессов, сейсмогеологические условия, погрешности наблюдений) в сочетании с субъективным подходом интерпретатора, как правило, не позволяют получить высокий коэффициент корреляции (более 0,7).
В связи с отмеченным возникает задача поиска оптимального решения с использованием формальных алгоритмов. В ряде публикаций, например, [1, 2] представлены положительные результаты использования алгоритма динамической (адаптивной) трансформации сигналов во временной области DTW (Dynamic Time Warping) для автоматизированной увязки сейсмических и скважинных данных. В данном статье на модельных (теоретических) и реальных геофизических данных показаны возможности и преимущества использования алгоритма DTW.

Методика DTW 

Детальное описание алгоритма применительно к анализу сейсморазведочных данных представлено, например, в работах [1, 2]. Критерием сходимости между двумя временными рядами в этом случае служит евклидового расстояние (L2-норма)

ф4.PNG

где Deuclid(S,T) – расстояние между синтетической s и сейсмической t трассами; индекс i – дискретное представление времени, т.е. индекс элементов каждой последовательности.
В процессе решения ищется такое смещение индексов (временные сдвиги) синтетической трассы, при котором достигается минимум расстояния между синтетической и сейсмической трассами.
В качестве стабилизирующего параметра в работе [1] предложено использовать максимально допустимое значение смещения индексов синтетической трассы при согласовании с сейсмической, а также предложена процедура контроля качества, при которой выполняется сравнительная качественная оценка исходной и полученной скоростных моделей. Отличительная особенность предлагаемой в настоящей статье методики заключается в использовании дополнительного критерия оптимизации алгоритма – решение ищется при условии минимизации функционала невязки, который включает два элемента: расстояние между синтетической и сейсмической трассами и расстояние между исходной скоростной моделью (данные акустического каротажа) и подобранной скоростной моделью в результате увязки

ф5.PNG

где a, b – весовые коэффициенты; dt, dT – соответственно исходные данные акустического каротажа и уточненные интервальные времена после увязки.
Таким образом, допустимые изменения скорости (сжатие – растяжение синтетической трассы) можно оценить количественно.
Для изучения возможности практического применения алгоритма DTW был разработан программный модуль с использованием среды Python и стандартных библиотек. Программный модуль позволяет выполнять автоматизированную привязку сейсмических данных. Его базовый функционал включает чтение сейсмических и скважинных данных, оценку статистического импульса или выбор теоретического импульса, задание максимальных значений допустимых сдвигов во времени, выполнение процедуры DTW, запись результатов – уточненной зависимости время – глубина, оценку детерминистического импульса. 

Теоретические примеры 

Работоспособность алгоритма была протестирована на синтетических данных. Модельные данные включали сгенерированные данные акустического и плотностного каротажа с интервалом 0,2 м и сейсмическую трассу (интервал дискретизации равен 2 мс), полученную путем свертки импульса Рикера 30 Гц с трассой модельных коэффициентов отражения. На начальном этапе кривые не совпадают (рис. 1, а), коэффициент корреляции r = 0,307. После применения одной итерации процедуры DTW без настройки параметров и обновления зависимости время – глубина коэффициент корреляции сейсмических и синтетических данных r = 0,904 (см. рис. 1, б). 

Практические примеры 

При работе с реальными данными было выполнено сравнение результатов увязки сейсмических и скважинных данных, полученных интерпретатором с использованием стандартного программного обеспечения, и результатов автоматизированной привязки. Исходной информацией служили данные акустического и плотностного каротажа, 3D сейсморазведки на одной из площадей Западной Сибири.
На первой итерации работы алгоритма DTW устанавливался постоянный сдвиг по времени, который определяется по среднему значению сдвига локальных максимумов на каротажной кривой (обычно отождествляемых с опорными отражающими горизонтами и хорошо проявляющимися как на каротажных диаграммах, так и на сейсмограммах). Для второй итерации увязки фактических данных было наложено ограничение на поиск сходимости нескольких индексов одной последовательности с одним индексом другой последовательности, а также ограничено изменение интервальных скоростей в пределах не более 15 % исходных (рис. 2). Из-за ограничения и выставления весовых коэффициентов алгоритм выбирает не самый оптимальный путь сдвигов, при этом достигается сохранение «геологичности» результата (рис. 3).

28.PNG

29.PNG

30.1.PNG

При стандартной оценке качества привязки с использованием коэффициента корреляции синтетической и реальной сейсмической трасс автоматизированный алгоритм позволяет получить сравнимое качество (как правило, значения коэффициента корреляции выше на 3–10 %) при существенно меньших затратах времени.

Выводы 

1. Программный модуль DTW может быть использован для экспресс-привязки скважинных данных и последующей передачи результатов специалистуинтерпретатору для экспертной оценки и при необходимости уточнения окончательной привязки.
2. Наиболее эффективно применение алгоритма на ранних стадиях геолого-разведочных работ, когда на исследуемом участке недостаточно данных об изменении сейсмических скоростей. На разведочном этапе при использовании алгоритма сейсмической инверсии модуль позволит выбрать наилучшую сходимость синтетической и сейсмической трасс, что в итоге повлияет на корректность извлечения импульса, а следовательно, на качество дальнейшего прогноза петрофизических свойств.

Список литературы 

1. Herrera Roberto H., Fomel S., Van der Baan M. Automatic approaches for seismic to well tying // Interpretation. – SD-9-SD17. – 2014. – DOI: 10.1190/INT-2013-0130.1.
2. Mu˜noz Andrew, Hale D. Automatically tying well logs to seismic data // Center for Wave Phenomena. – 2012. – Р. 253–260. 

References 

1. Herrera R.H., Fomel S., Van der Baan M., Automatic approaches for seismic to well tying, Interpretation, SD-9- SD17, 2014, DOI: 10.1190/INT-2013-0130.1.
2. Munoz A., Hale D., Automatically tying well logs to seismic data: Center for Wave Phenomena, 2012, pp. 253–260.


Возврат к списку