Оценка неопределенностей структурных построений в случае отсутствия скважин на территории Каспийского моря

Статья посвящена вопросам минимизации неопределенности структурных построений по данным сейсморазведки 2D в условиях отсутствия скважинной информации на примере одной из площадей Каспийского моря. Площадь исследований характеризуется наличием высоко и низкоскоростных локальных аномалий в верхней части разреза, оказывающих унаследованное влияние на структурные планы по целевым отражающим горизонтам. Сейсмические данные, полученные по 2D методу общей глубинной точки, на площади исследований были обработаны и интерпретированы в 2020 г. для решения задач структурной оценки ресурсов, а затем в 2023 г. переобработаны с применением новых технологий и переинтерпретированы с целью уточнения и актуализации полученных ранее результатов. В рамках переобработки 2023 г. качество сейсмического изображения контролировалось при помощи технологий супервайзинга и интерпретационного сопровождения обработки с целью минимизации неопределенностей структурных построений и уточнения ресурсных прогнозов. Минимизация неопределенностей структурных построений имела принципиальное значение для дальнейшего планирования 3D методики проведения сейсморазведочных работ, оценки ресурсов и бурения.

1. Гржибовский А.М. Проверка распределения и описательная статистика. Архангельск: Экология человека, 2007. С. 52–58.

2. Киселёв В.С., Козлов Е.А., Захарова Г.А. Инструкция по оценке качества структурных построений и надежности выявленных и подготовленных объектов по данным сейсморазведки МОВ-ОГТ (при работах на нефть и газ). М., 1984. С. 7–15.

3. Куркин А.А. Оценка пространственного распределения погрешности структурных построений. Тюмень: ООО «НОВАТЭК НТЦ», Тюменский государственный нефтегазовый университет, 2016. 20 с.

4. Орлов А.И. Математика случая. Вероятность и статистика — основные факты: Учебное пособие. М.: МЗ-Пресс, 2004. 110 с.

5. Шаталов К.В., Кириллова А.В. Применение критерия Стьюдента для оценки результатов межлабораторных сравнительных испытаний. Эталоны. Стандартные образцы. 2016. 350 с.

6. Cao J., Shi Ya., Wang D., Zhang X.Acoustic Log Prediction on the Basis of Kernel Extreme Learning Machine for Wells in GJH Survey, Erdos Basin, College of Computer Science and Information Engineering, Tianjin University of Science and Technology. China, 2017. 6 c.

7. Messud J., Guillaume P., Lambar’e G. Massy. CGG. On velocity and migration structural uncertainties: A new approach using non-linear slope tomography. Published in arXiv.org // Research Gate, Engineering. Geology. 2020. 27 с.