تعیین احتمال خاستگاه گسل ها و شکستگی ها در یکی از مخازن نفتی بر مبنای نشانگرهای لرزه ای حاصل از مکعب هدایت شیب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 شرکت توسعه پترو ایران

2 گروه فیزیک زمین، موسسه ژئوفیزیک دانشگاه تهران

چکیده

شناسایى و مطالعه هر چه بیشتر گسل‌ها و شکستگى‌ها در مخازن هیدروکربورى، اهمیت ویژه‌اى در مراحل ازدیاد برداشت و توسعه میادین نفتى دارد. توصیف و ترسیم صحیح گسل‌ها و شکستگی‌ها می‌تواند امکان اجرای پروژه‌های توسعه‌ای در صنعت نفت را فراهم آورد. یکى از روش هاى توصیف ناپیوستگى در لایه‌ها، استفاده از نشانگرهاى لرزه‌اى می‌باشد. در این مطالعه، از الگوریتم توسعه یافته توسط هاردپ ]1[ و همراه با به کارگیری جدیدترین روش‌های نشانگرهای لرزه‌ای در یکی از میادین نفتی ایران استفاده شده است تا توانایى آن در شناسایى گسل‌ها و شکستگى‌ها مورد ارزیابى قرار گیرد. نتایج این مطالعه براى مخزن نفتى مورد نظر نشان مى دهد که مکعب نشانگر احتمال گسل نازک (thinned fault likelihood) و همچنین احتمال گسل (fault likelihood) سازگاری خوبی را از لحاظ کیفیت و دقت نمایش ناپیوستگی‌ها فراهم می‌کنند. در این راستا استفاده از اطلاعات شیب و آزیموت لایه‌ها، نقش مهمى در افزایش دقت تفسیر ناپیوستگى‌ها به خصوص شکستگى‌ها دارد. در نهایت، ارزیابی این نشانگرها نشان می‌دهد که امتداد اصلی گسل‌ها و شکستگی‌ها در مخزن مورد مطالعه در راستای شمالی-جنوبی و شمال غربی-جنوب شرقی می‌باشد که با داده‌های نگاره‌های تصویری (نمودارهای رز دایاگرام) در چاه‌های حفاری شده در این میدان مطابقت دارد. بر اساس توزیع چگالی شکستگی‌ها در محل چاه های حفاری شده می‌توان نتیجه گرفت که در کنار پدیده-های دیاژنزی، شبکه‌های شکستگی و ارتباط آن‌ها با یکدیگر می‌تواند میزان تولید چاه‌های میدان را کنترل کند.

کلیدواژه‌ها


[1] Jaglan Hardeep, R. H. (2016). Fault and Fracture Detection in Unconventional Reservoirs: A Utica Shale Study. Unconventional Resources Technology (pp. 03-09). San Antonio, Texas: SPE, AAPG, SEG.
[2] Oppermann, R. (2012). Finding Sweet Spots through Seismic Fracture Extraction - Unconventional Case Studies from Around the World. SPE Asia Pacific Oil and Gas Conference and Exhibition (pp. 1-8). Perth, Australia: Society of Petroleum Engineers International.
[3] Verduzco, F. S. (2010). Unsteady and Pseudo-steady State Characterization of Matrix and Fracture System for Multiple Size Blocks with the use of empirical Correlations. Society of Petroleum Engineering International, 1-5.
[4] Ashraf, U., Zhang, H., Anees, A., Nasir Mangi, H., Ali, M., Ullah, Z., & Zhang, X. (2020). Application of unconventional seismic attributes and unsupervised machine learning for the identification of fault and fracture network. Applied Sciences, 10(11), 3864.
[5] Qayyum F, J. H. (2015). Unconventional seismic attributes for fracture characterization. (pp. 101-109). First Break.
[6] Paul de Groot, T. (2003). Post-stack dip- and azimuth processing. Journal of Seismic Exploration, 113-126.
[7] Tingdahl, K.M. de Groot, P.F. (2003) Post-stack dip-and azimuth processing. J. Seism. Explor, 12, 113–126.
[8] Chopra, S.; & Marfurt, K. J. (2013). Preconditioning seismic data with 5D interpolation for computing geometric attributes. The Leading Edge, 32(12), 1456-1460.
[9] Matrix andVerduzco, F. S. (2010). Unsteady and Pseudo-steady State Characterization Matrix and Fracture System for Multiple Size Blocks with the use of empirical Correlations. Society of Petroleum Engineering International, 1-5.
[10] Mandal, A.; Srivastava, E. (2018). Enhanced structural interpretation from 3D seismic data using hybrid attributes: New insights into fault visualization and displacement in Cretaceous formations of the Scotian Basin, offshore Nova Scotia, Mar. Pet. Geol, 89, 464–478.
[11] Roberts, A. (2001). Curvature attributes and their application to 3D interpreted horizons. (pp. 85-100). First Break.
[12] Hale, D. (2013). Methods to compute fault images, extract fault surfaces, and estimate fault throws from 3D seismic images, Geophysics.