Интерпретация данных ГИС на базе системно-структурного подхода учебн

кого-либо месторождения буровыми скважинами и носит фрагментарный локальный характер. Понятно, что для получения общей характеристики геологического строения объекта используется некий комплекс локальных замеров и наблюдений, каждое из которых считается локальным, так как носит точечный характер на фоне огромных размеров изучаемого геологического объекта. Локальные замеры производятся для получения самых разнообразных геопараметров, всесторонне описывающих объект исследования (форма, размеры, условия залегания геологических тел, их геофизические, геохимические и др. характеристики). Чтобы охарактеризовать месторождение как связный пространственный объект (это необходимо для решения основных задач геологической разведки и геологического обеспечения разработки), требуется осуществить восхождение от результатов локальных наблюдений и измерений к целостной, полноопределенной модели изучаемого месторождения, выполнить экстраинтерполяцию промыслово-геофизических данных на межскважинные пространства.

Объем, непосредственно вскрытый скважинами, по сравнению с объемом всего изучаемого объекта ничтожно мал. Сам объект, как правило, отчетливо стратифицирован и его изменчивость особенно велика в вертикальном направлении. Интенсивность такой изменчивости и крайне малый объем информации о самом объекте делает задачу экстраинтерполяции скважинных данных на межскважинные пространства очень неопределенной и трудноразрешимой. В связи со стратифицированностью объекта и значительно меньшей интенсивностью его латеральной изменчивости по сравнению с вертикальной степень неопределенности задачи можно существенно снизить, заменив экстраинтерполяцию, выполняемую в 3-мерном пространстве, на выполняемую в двумерном пространстве. Это достигается за счет расчленения изучаемого месторождения и вмещающего его блока земной коры на отдельные слои, пласты или пачки, рассматриваемые при выполнении экстраинтерполяции в

101

качестве двумерных плоских тел. Другими словами, только приняв модель слоистого строения осадочной толщи, можно ставить задачу литологической корреляции-идентификации одного и того же пласта в различных скважинах.

Действительно, как уже было отмечено выше, при традиционной «ручной» методике геологической интерпретации материалов ГИС задача детальной корреляции разрезов в определенной мере решается попутно с выполнением литологической интерпретации, а существующие автоматизированные системы обработки материалов скважинных наблюдений вопросы литологической идентификации и стратиграфической индексации разреза обычно решают в отрыве друг от друга, зачастую в явной или скрытой форме полностью перекладывая корреляцию разрезов на человека, управляющего работой автоматизированной системы.

Использование математических методов в геологии началось в 40-х годах прошлого века и с появлением ЭВМ получило толчок к широкому его внедрению в практику геологических исследований. Так, в 1954 году К.Б. Барнесом был предложен метод корреляции по сходству кривых ГИС, основанный на вычислении максимальной взаимной корреляционной функции. В 1961 году А.Б. Вистелиус высказал мысль об использовании взаимных корреляционных функций при сопоставлении разрезов скважин. Его математическая постановка задачи корреляции разрезов (синхронность разрезов определяется по максимуму взаимной корреляции) нашла признание как у отечественных, так и у зарубежных исследователей. Методам корреляции, базирующимся на максимизации функций взаимной корреляции, противостоят методы, в основе которых лежат различные алгоритмы распознавания образов (Ш.А.Губерман и др.). В качестве количественных показателей сходства-различия при сравнении сопоставляемых толщ горных пород используются критерии Стьюдента и Фишера. Некоторые из этих методов опираются на использование заранее сформированного послойного описания

102

разреза и последовательную проверку гипотез о принадлежности определенных слоев к ранее выделенным стратиграфическим подразделениям.

А.Е. Кулинкович и др. задачу корреляции предлагают решать на основе описания отдельных слоев специальными кодами и представления всего разреза в виде последовательности таких кодов или под заданную упорядоченность геологических объектов, характеризуемых векторными описаниями их свойств в эталонной скважине.

Однако все вышеперечисленные предложения по решению задач автоматической корреляции не смогли дать достаточно положительных результатов, так как при использовании метода взаимной корреляционной функции не сформулированы удовлетворительные способы ввода имеющейся промысловогеологической информации о строении разреза и о закономерностях изменения толщин пластов горных пород, а при распознавании образов необоснованные надежды возлагаются на получение случайного удовлетворительного решения.

Поиском оптимального решения задачи корреляции занимались многие исследователи. Оригинальный метод корреляции разрезов предложен в 1963 году Б. Жеховским. Этот метод предусматривает попарное сравнение двух разрезов скважин, построение поверхности взаимных расстояний объектов и выявление линии минимальных взаимных расстояний, принимаемой за линию корреляции. Достаточно широкое признание получила сугубо геометрическая линейная модель Т.Б. Хейтса. В начале 70-х годов А.М. Волковым и др. было предложено решать задачу корреляции в форме задачи динамического программирования. Сравнивались формы кривых ГИС с одинаковым или почти одинаковым числом точек наблюдений. Если сопоставляемые пласты сильно отличались друг от друга по толщинам, кривые ГИС, описывающие интервалы разреза различной длины, сжимались или растягивались без изменения формы, а затем (добившись одинаковой длины) переоцифровывались с одним и

103

тем же шагом квантования. Те же приемы использовались при одновременном прослеживании границ нескольких пластов.

Изменчивость осадков не позволяет надежно идентифицировать стратиграфический элемент на основе изучения одного эталонного разреза. Поэтому некоторые разработанные алгоритмы межскважинной корреляции разрезов скважин базируются либо на идее геолого-статистических разрезов (ГСР) В.А. Бадьянова и др., либо на чисто декомпозиционных алгоритмах корреляции МИНГ Ш.А. Губермана и др.

Следует отметить, что в нефтегазопромысловой геологии продолжаются исследовательские работы по разработке новых алгоритмов корреляции разрезов скважин. Так, Ю.В. Шурубором предложен базовый алгоритм детальной корреляции разрезов (БАДКР), для которого характерно «почти корректное» решение задачи восхождения от данных по интерпретации материалов ГИС по отдельным скважинам к единой модели (корреляционной схеме) продуктивной толщи, залежи или месторождения. Результат работы этой программы – межскважинная корреляция пластов-коллекторов с получением графического изображения корреляционных схем на экране дисплея. Программа может быть использована при подсчете запасов нефтяных и газовых залежей.

Как было отмечено выше, наиболее используемые и известные алгоритмы корреляции предложены В.А. Бадьяновым и Ш.А. Губерманом. Алгоритмы межскважинной корреляции разрезов скважин, базирующиеся на идее геолого-статистического разреза (ГСР) впервые описаны В.А. Бадьяновым в начале 70-х годов. Системный характер этих алгоритмов достаточно очевиден: он выражается в последовательном применении декомпозиционного (расчленение разреза каждой скважины на слои и «расписывание» пластов, выделенных на сводном разрезе, по отдельным скважинам) и интегративного (построение сводного разреза) подходов.

104

Однако успехи в машинном решении задач детальной корреляции пластов, выделяемых в составе продуктивной толщи, ограниченной легко прослеживаемыми поверхностями, и результаты, достигнутые с помощью метода геологостатистических разрезов, не снимают полностью проблему корреляции. Авторы алгоритма считают, что в нефтепромысловой геологии и проектировании разработки нефтяных месторождений существует задача оценки и учета реальной структурноморфологической сложности природных резервуаров нефти и ее следует решать при детальном расчленении и корреляции разрезов скважин. Достаточными исходными данными для решения этой задачи являются сведения об отметках границ продуктивного горизонта и проницаемых пропластков. Поэтому был разработан алгоритм эвристического характера, с помощью которого выбирается модель напластования геологического объекта, а затем в рамках выбранной модели строится геологостатистический разрез (ГСР), оценивается ритмичность ГСР и выделяются границы ритмов, идентифицируются пропластки в изучаемых скважинах в соответствии с выделенными ритмами и, наконец, выбирается модель напластования для каждого ритма. Таким образом, методика построения ГСР принципиально сводится к нахождению хотя бы одной корреляционной поверхности как можно ближе к продуктивному горизонту: лучше, когда это четкий репер.

Тем не менее трудно ожидать, что реальные процессы седиментации реализовали бы модель в чистом виде. Поэтому проводится попарное сопоставление разрезов скважин с ГСР и вычисляется коэффициент взаимосвязи, т.е. вероятность появления коллектора и неколлектора. Сам же ГСР представляет собой дифференциальную кривую распределения относительного содержания (вероятности появления) коллекторов и дает обобщенную картину строения исследуемого геологического объекта по разрезу. Пропластки контрольной скважины относятся к какому-либо ритму по критериям пространственной близости, в

105

результате чего множество пропластков коллектора разбивается на подмножества, соответствующие ритмам (пластам). В итоге продуктивный горизонт расчленяется на пласты и устанавливается их взаимооднозначное соответствие, чем достигается пообъектная (попластовая) корреляция.

Алгоритмы ГСР трактуют геологический разрез в качестве относительно простой иерархической системы, что является одним из факторов, ограничивающих возможности таких алгоритмов. И в то же время с помощью этого алгоритма можно значительно упростить сложные корреляционные построения.

Была предпринята попытка создать чисто декомпозиционный алгоритм корреляции разрезов скважин в МИНГ. Авторы этого алгоритма Ш.А. Губерман, О.И. Баринова и др. при корреляции пластов горных пород в осадочных толщах преследовали две цели: 1) установить в разрезах изучаемых скважин точки, которые в период накопления осадков принадлежали одной и той же поверхности осадконакопления (синхронные точки), 2) выделить в разрезах скважин интервалы, принадлежащие (или некогда принадлежавшие) одному и тому же геологическому телу.

Предполагается, что разрез состоит из подразделений нескольких иерархических уровней – крупных однородных интервалов, каждый из которых может расчленяться на более мелкие интервалы, а те, в свою очередь, делятся на еще более мелкие. Для интервалов каждого уровня устанавливаются свои группы предпочтительных значений, т.е. предлагается описывать разрез в несколько этапов: сначала грубо, а затем детализировать его, расчленяя каждый из выделенных на предыдущем уровне интервалов по такому же принципу. На практике этому соответствует разбивка разреза на толщи, пачки, пласты, пропластки. При этом считается, что в пределах каждого крупного интервала пласты залегают плоскопараллельно или веерообразно (принцип перспективного соответствия Б. Хейтса) с неизменным порядком их следования по вертикали (принцип упорядоченности) и

106

малой изменчивостью физических свойств по простиранию (принцип похожести).

Физические свойства пластов, относящихся к одному и тому же месторождению, изменяются в пределах одних отложений от разреза к разрезу незначительно, что сказывается на сходстве конфигурации участков диаграмм ГИС, полученных с помощью одинаковых геофизических методов в различных скважинах. Поэтому при корреляции разрезов прежде всего выделяются интервалы, наиболее сходные по своей конфигурации. В качестве меры похожести используется величина нормированного коэффициента корреляции двух сопоставляемых участков диаграмм.

В основу алгоритма сопоставления разрезов скважин положена геометрическая модель геологических разрезов, основанная на предположении, что геологический разрез состоит из нескольких этажей и что внутри каждого этажа толщины входящих в него пластов изменяются от разреза к разрезу пропорционально расстоянию между разрезами. Алгоритм сопоставления границ пластов, выделенных на каротажных диаграммах, базируется на поиске функции минимальных или максимальных рассогласований между соответствующими границами двух коррелируемых разрезов. Границы пластов, выделенных в разрезах сопоставляемых скважин на разных иерархических уровнях, прослеживаются на корреляционных графиках каждой пары скважин до пересечения друг с другом. Полученные точки корреляции анализируются на предмет попадания или непопадания их на корреляционную прямую.

Рассматриваемые алгоритмы дают возможность полностью автоматизировать расчленение разрезов в достаточно простых случаях, а в более сложных позволяют (работая в диалоговом режиме: человек – компьютер) с помощью компьютера выбрать наиболее обоснованный вариант корреляции.

При всех достоинствах, обусловленных его системностью, алгоритм Ш.А. Губермана, О.И. Бариновой и их соавторов рас-

107

считан на решение задачи корреляции в чистом виде, с отрывом от литологического расчленения. Практически при автоматической корреляции происходит расчленение исследуемых толщ горных пород не по литологическому, а тем более – не по стратиграфическому принципу, а по кривым ГИС, несущим в себе чисто физическую информацию, например о геоэлектрическом строении разрезов, и идентификация выделяемых однородных интервалов осуществляется не по их литолого-страти- графической принадлежности, а по физическим параметрам.

Другие существующие алгоритмы машинной корреляции разрезов скважин отличаются от вышерассмотренного алгоритма лишь в худшую сторону по своему менее системному характеру.

2.4. Построение системно-структурных моделей нефтяных и газовых залежей

Из изложенного выше ясно, что основным направлением автоматизированной интерпретации данных ГИС должна стать разработка таких алгоритмов, с помощью которых можно было бы достичь той же полноты решения всего комплекса задач интерпретации, которая достигается в традиционных «ручных» методиках. Для этого необходимо перейти от алгоритмов литологической интерпретации или только чистой корреляции разрезов скважин по данным ГИС к алгоритмам литологостратиграфической интерпретации, решающим задачу литологической идентификации и оценки характера насыщения пород в неразрывной связи с задачей определения места каждого из слоев в общей стратиграфической схеме исследуемого района, т.е. выполняющих и межскважинную корреляцию разрезов.

В наиболее сложных автоматизированных системах с не слишком строгими требованиями к надежности литологической интерпретации данных ГИС (допускающих до 15% ошибочных идентификаций пластов горных пород) количество выделяемых

108

литологических разновидностей не превышает 15, литологическое расчленение реализуется в отрыве от стратиграфического, которое задается системе извне в полностью или почти готовом виде, т.е. с помощью компьютера выполняется только литологическая интерпретация, хотя при «ручной» обработке, как правило, решается задача литолого-стратиграфической интерпретации материалов геофизических исследований, в рамках которой имеет место более или менее полное слияние операций расчленения разрезов конкретных скважин с процедурой корреляции этих разрезов. В то же время наборы правил распознавания получаются очень громоздкими, ибо их приходится варьировать в связи с изменением комплекса применяемых методов ГИС и в связи с переходом от одного типа геологического разреза к другому.

Опыт применения машинных методов интерпретации данных ГИС свидетельствует о том, что сложившиеся подходы к решению задачи литологического и тем более литологостратиграфического расчленения разрезов скважин с помощью компьютера малоэффективны и приводят к получению не всегда ненадежных результатов при определении литологического состава пород и практически ничего не дают для решения задач стратиграфического расчленения (корреляции разрезов скважин). С таким положением в какой-то мере можно согласиться пока идет речь о разведке месторождений углеводородного сырья и подсчете их первоначальных запасов. Однако оно оказывается недопустимым, когда интерпретируются данные ГИС по разрабатываемым месторождениям. Чтобы эффективно разрабатывать нефтяную залежь, свести к минимуму потери нефти в недрах, необходимо учесть ряд особенностей состава и структуры нефтенасыщенных и соседствующих с ними слоев, детально прокоррелировать разрезы всех скважин с целью изучения сообщаемости прослоев-коллекторов, вскрытых разными скважинами. И здесь, не повышая разрешающую способность автоматизированной интерпретации данных ГИС в отношении количества надежно идентифицируемых разновидностей горных пород

109

и возможностей корреляции (литологического расчленения) разрезов скважин, от применения компьютера в качестве основного средства обработки материалов ГИС пришлось бы отказаться.

Многими исследователями признается, что низкая надежность результатов обработки данных ГИС на компьютере связана с ограниченными возможностями современной математики при решении задач классификации и распознавания. Пути преодоления этих проблем различны. Например, А.Е. Кулинкович считает, что в сложных ситуациях надежное определение литологического типа породы по геофизическим диаграммам без участия человека вообще невозможно и предлагает решать задачу литологической интерпретации методом визуального образа. В рамках такого подхода компьютер используется в качестве вспомогательного орудия для формирования наглядных образов многомерного признакового пространства в виде специальных диаграмм, легко воспринимаемых интерпретатором, который и решает задачу. Следовательно, увеличение разрешающей способности автоматизированных систем интерпретации материалов ГИС в отношении литологического расчленения и корреляции разрезов скважин связывается с созданием интерактивных (диалоговых) систем, обеспечивающих непрерывное взаимодействие между компьютером и человекоминтерпретатором. Однако частое обращение интерпретатора к информации, хранящейся на внешних носителях (а не в оперативной памяти компьютера), оказывается крайне обременительным и использование визуальных образов при интерпретации следует признать весьма спорными.

Системный подход к исследованию геологических объектов обычно реализуется с помощью мысленной декомпозиции объекта исследования на иерархию пространственно связанных частей – подсистем и элементов. Чтобы возможности декомпозиции проявились с предельной полнотой, границы подсистем всех уровней должны быть приведены по поверхностям (линиям, точкам) наиболее резкого скачкообразного уменьшения мер

110