Особенности моделирования терригенных отложений Восточной Сибири на примере Хамакинского горизонта

Введение. В статье представлены результаты актуализации геологической модели хамакинского горизонта Чаяндинского НГКМ с целью проектирования разработки нефтяных оторочек и формирования положительного бизнес-кейса проекта.

Материалы и методы. В рамках работ разработан уточненный седиментологический концепт месторождения, основанный на описании и анализе керна 14 скважин. Уточнена петрофизическая модель горизонта, что позволило выделить вторичные изменения коллектора (ангидритизация и галитизация), а также скорректировать прогноз проницаемости по данным ГИС. На основании интерпретации материалов сейсморазведочных работ (СРР) 3D уточнено тектоническое строение горизонта: выделено две группы разломов, разделенных по степени уверенности. С помощью алгоритма нейронных сетей построены прогнозные карты ангидритизации, которые в дальнейшем используются в геологической модели.

Результаты. Хамакинский горизонт сформирован дельтовыми отложениями с влиянием речных и приливно- отливных процессов. Коллектор не выдержан по вертикали: в основании горизонта залегают песчаники фронта дельты, которые перекрываются отложениями дельтовой равнины с распределительными каналами, расположенными в средней и верхней части горизонта. Дельтовые отложения осложняются наличием многочисленных врезанных долин, представленных телами русловых песчаников. По результатам анализа керна и описания шлифов выявлены многочисленные вторичные изменения коллектора, существенно снижающие эффективные толщины горизонта. Наличие вторичных изменений - одна из ключевых неопределенностей проекта, напрямую влияющая на объем притока углеводородов добывающих скважин. Трехмерная геологическая модель учитывает тренды распространения ангидритизации и галитизации по площади и разрезу, что позволяет получить более точный прогноз добычи.

Заключение. В рамках вероятностной оценки запасов нефти выявлены основные геологические параметры, влияющие на объем запасов в каждом блоке. Для снятия геологических и технических неопределенностей запланирована программа опытно-промышленных работ.

1. Мельников Н.В. Венд-кембрийский соленосный бассейн Сибирской платформы (Стратиграфия, история развития). — Новосибирск: Изд-во СО РАН, 2009. — 148 с.

2. Постникова О.В. Палеогеографические и палеогеодинамические условия формирования рифей-вендского осадочного бассейна юга Сибирской платформы в связи с его нефтегазоносностью // Геология нефти и газа. — 2008. — № 1. — С. 8–15.

3. Нигаматов Ш.А., Исмагилова Л.Р., Бощенко А.Н. Прогноз зон засолонения песчаников ботуобинского горизонта на примере Чаяндинского месторождения (Восточная Сибирь) // PROНЕФТЬ. Профессионально о нефти. — 2019. — № 3 (13). — С. 35–40.

4. Kohonen T. Self-organizing maps: Springer-Verlag. — New York, Inc., 1995.

5. Neff D.B., S.A. Runnestrand and E.L. Butler Multi-attribute seismic waveform classification, Phillips Petroleum Company, USA Patent 6223126, 2001.

6. Priezzhev I., Shmaryan L., Bejarano G. Non-linear multi trace seismic inversion using neural network and genetic algorithm — “Genetic Inversion”: Annual Meeting St Petersburg. EAGE, Extended Abstracts, 2008.

7. Priezzhev I., Scollard A., Lu Z. Regional production prediction technology based on gravity and magnetic data from the Eagle Ford formation. — Texas, USA, Denver SEG, 2014.

8. Tikhonov A.N. and Arsenin V.Y. Solutions of ill-posed problems. Washington D.C., V H Winston and Sons, 1977.

9. Priezzhev I.I., Veeken P.Ch., Egorov S.V., Strecker U. Direct prediction of petrophysical and petroelastic reservoir properties from seismic and well-log data using nonlinear machine learning algorithms // The Leading Edge. — 2019. — Vol. 38. — № 12. — p. 949–958.

10. Strecker U., Mahmoud I., Priezzhiev I., Zeug M. Chancing methods to predict porosity in a middle eastern carbonate reservoir from full-function machine-learning neural networks, seismic attributes and inversions // AAPG GeoTechnology Workshop. — Abu Dhabi, January 28–29, 2020.

11. Приезжев И.И. Нейронные сети нового поколения на основе теоремы Колмогорова и их применение для прогнозно-инверсионных построений // ГеоЕвразия 2020. 3–5 февраля 2020, Москва.

12. Приезжев И.И., Васильев М.А., Петренко Е.Н. Построение прогнозных карт эффективных газонасыщенных толщин по форме сейсмического сигнала на основе нейронных сетей Кохонена // Геофизика. — 2020. — № 6. — С. 40–44.