Сопоставление методов количественного атрибутного анализа для прогноза толщин коллекторов по сейсмическим данным

Анализируются три основных метода прогноза эффективных толщин с помощью сейсмических атрибутов: линейная регрессия по данным полноволнового сейсмического моделирования, кокригинг величин «атрибут-скважина» и  нейросетевой прогноз на основании группы атрибутов, «обученных» на скважинах. В качестве методического примера выбрана кора выветривания в доюрском комплексе Западной Сибири, поскольку при сравнительно небольшой ее мощности (от 0 до 50 м) отражения от кровли и подошвы не разделяются. Амплитудно-частотная характеристика данного интерференционного отражения зависит от толщины, и потому некоторые сейсмические атрибуты могут на это реагировать.

Дается анализ независимых результатов прогноза всеми тремя методами, их достоинств и недостатков. Все основные расчеты впервые выполнены с использованием отечественного программного обеспечения.

1. Ампилов Ю.П. Поглощение и рассеяние сейсмических волн в неоднородных средах. М.: Недра, 1992. 160 с.

2. Ампилов Ю.П., Барков А.Ю., Яковлев И.В. Роль сейсмической инверсии в геологическом моделировании морских газовых месторождений. // Газовая промышленность. 2011. № 12. С. 69–74.

3. Ампилов Ю.П., Барков А.Ю., Яковлев И.В. и др. Почти все о сейсмической инверсии. Часть 1 // Технологии сейсморазведки. 2009. № 4. С. 3–16.

4. Ампилов Ю.П., Вершинин А.В., Кунченко Д.С. и др. Прогноз мощности тонких пластов с использованием сейсмического полноволнового моделирования // Вестн. Моск. ун-та. Сер. 4. Геология. 2025. № 1. С. 97–104.

5. Ампилов Ю.П., Вершинин А.В., Левин В.А. и др. Полноволновое моделирование в сейсморазведке на основе цифровой геологической модели с использованием метода спектральных элементов // Геология и геофизика, издательство СО РАН. 2024. Т. 65, № 10. С. 1435–1445.

6. Вапник В. Н, Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1974. 416 c.

7. Воронцов К.В. Комбинаторный подход к оценке качества обучаемых алгоритмов // Математические вопросы кибернетики. 2004. № 13. С. 5–36.

8. Воскресенский Ю.Н. Изучение изменений амплитуд сейсмических отражений для поисков и разведки залежей углеводородов: Учебное пособие для вузов. М.: РГУ нефти и газа, 2001. 68 с.

9. Дюбрул О. Использование геостатистики для включения в геологическую модель сейсмических данных / Пер. с англ. Е.В. Ковалевский. EAGE. Zeist, 2002. 296 с.

10. Приезжев И.И., Осипенко Р.С., Боровкова Е.Е., Петренко Е.Н. Пример использования нейронных сетей Колмогорова при прогнозировании свойств пласта покурской свиты в Западной Сибири // Геофизика. 2022. № 1. С. 57–63.

11. Яковлев И.В., Ампилов Ю.П., Филиппова К.Е. Почти все о сейсмической инверсии. Часть 2 // Технологии сейсморазведки. 2011. № 1. С. 5–15.

12. Ampilov Yu.P From Seismic interpretation to modelling and assessment of oil and gas fields // EAGE Publ. 2010. P. 1–274.

13. Ampilov Yu.P., Vershinin A.V., Levin V.A., et al. FullWaveform Seismic Modeling Based on Digital Geological Model Using Spectral Element Method: Applications to Seismic Exploration // Russian Geology and Geophysics. 2024. 2024. 65 (10): 1220–1228.

14. Ampilov Yu.P., Oblogina T.I. A Method for Evaluating the Attenuation from Refraction Data // Izvestiya Akademii Nauk SSSR. Fizika Zemli. 1982. Issue 10. P. 31–41.