Full Text

Введение Использование вероятностных методов для решения задач прогноза зональной и локальной нефтегазоносности приведено в работах [1-17]. Отметим, что прогноз различных геологических явлений с использованием построения вероятностных моделей выполнялся по территориям, которые характеризуются различным геологическим строением [3-50]. Задаче, которой посвящена данная статья, в последние годы не уделяется должного внимания, так как подготовку структур к глубокому бурению производят с помощью сейсморазведки. В то же время накоплена огромная информация по данным, которые получены по структурному бурению, но, к сожалению, используются не полностью. Была поставлена задача исследования: показать, что те данные, которые получены по структурному бурению, можно использовать для решения не только структурных задач по маркирующим поверхностям, но и более сложных, связанных с зональной нефтегазоносностью территорий. Для решения данной задачи использован анализ территории центральной части Пермского свода, по которой накоплен большой массив сведений по маркирующим горизонтам и нефтесодержащим пластам. Прогноз нефтегазоносности по маркирующим и нефтегазоносным горизонтам проводился в пределах этой территории Пермского свода (ПС) в трех зонах нефтегазогеологического районирования (рис. 1). В зоне 1.Б.4 расположены Краснокамский (Северокамское и Краснокамское месторождения нефти) и Осинский (Беляевское месторождение) валы (см. рис. 1). Также к этой зоне относятся северо-западная и центральная части ПС; в зоне 2.А.3 расположены Горское, Рассветное, Баклановское, Козубаевское и Лобановское месторождения. В зоне 2.А.4 - Талицкое, Южно-Межевское, Межевское, Полазненское, Шеметинское месторождения. С использованием данных по этим территориям выполнялись исследования для построения вероятностных моделей зонального прогноза нефтегазоносности. При обосновании совместного использования данных по маркирующим поверхностям и данных по кровлям нефтесодержащих горизонтов исследовались материалы по 447 глубоким скважинам. Обоснование построения вероятностных моделей прогноза зональной нефтегазоносности При разработке вероятностных моделей зонального прогноза нефтегазоносности были использованы следующие абсолютные отметки кровель горизонтов и ярусов: · бобриковский горизонт - C1bb, · терригенная пачка тульского горизонта - C1tlt, · карбонатная пачка тульского горизонта - C1tlk, · башкирский ярус - C2b, · верейский горизонт - C2vr, · терригенная пачка артинского яруса - P1art, · карбонатная пачка артинского яруса - P1ark, · иренский горизонт - P1ir. На первом этапе статистического анализа вычислены значения коэффициентов корреляции r между всеми изучаемыми абсолютными отметками (табл. 1). Анализ значений r показывает, что наблюдаются две группы, в пределах которых выявлены очень высокие по тесноте связи. Первая группа высоких корреляций обнаружена между маркирующими поверхностями, здесь Рис. 1. Схема нефтегазогеологического районирования наблюдаются значимые прямые корреляционные связи (P1art, P1ark, P1ir). Вторая группа наличия значимых высоких корреляций наблюдается между всеми изучаемыми нефтегазоносными горизонтами (C1bb, C1tlt, C1tlk, C2b, C2vr). Необходимо отметить, что между нефтегазоносными и маркирующими горизонтами коэффициенты корреляции низкие, статистически не значимые, изменяются от 0,01 до -0,33 (см. табл. 1). Все это показывает, что использование абсолютных отметок по маркирующим поверхностям для зональной оценки нефтегазоносности по всей территории центральной части Пермского свода затруднительно. Поэтому разработку моделей зонального прогноза с участием данных по маркирующим горизонтам произведем дифференцированно по зонам нефтегазогеологического районирования. При разработке статистических моделей зонального прогноза нефтегазоносности использовались данные только по следующим абсолютным отметкам: · верейский горизонт - C2vr, · терригенная пачка артинского яруса - P1art, · карбонатная пачка артинского яруса - P1ark, · иренский горизонт - P1ir. Это связано с двумя причинами: во-первых, верейский горизонт находится наиболее близко в разрезе от маркирующих горизонтов; во-вторых, между всеми нефтегазоносными горизонтами (C1bb, C1tlt, C1tlk, C2b, C2vr) имеются положительные статистически значимые, очень сильные корреляционные связи (r изменяется от 0,94 до 0,99). Совместное использование данных по этим горизонтам нецелесообразно вследствие получения практически одинаковых результатов. Дополнительно изучались мощности толщ между маркирующими поверхностями и верейским горизонтом. Предлагаемую методику зонального прогноза нефтегазоносности рассмотрим на примере данных по скважинам, которые расположены в зоне 1.Б.4. Для этой зоны были вычислены некоторые статистические характеристики (табл. 2) по данным скважин, расположенных в пределах контуров нефтегазоносности (класс 1), и по данным скважин, находящихся за их пределами (класс 2). Значения гипсометрических отметок кровель иренского и верейского горизонтов, а также для толщины разреза между ними - m (vr-ir) с учетом выделенных классов приведены в табл. 2. Таблица 1 Корреляционная матрица Параметр H(ir) H(art) H(ark) H(vr) H(b) H(tlk) H(tlt) H(bb) H(ir) 1,00 0,98 0,98 -0,30 -0,33 -0,13 -0,10 -0,16 H(art) 1,00 -0,18 -0,21 -0,02 0,01 -0,05 H(ark) 1,00 -0,18 -0,21 -0,02 0,01 -0,05 H(vr) 1,00 0,99 0,95 0,95 0,94 H(b) 1,00 0,95 0,94 0,94 H(tlk) 1,00 0,99 0,98 H(tlt) 1,00 0,98 H(bb) 1,00 Примечание: Выделены значимые коэффициенты корреляции. Таблица 2 Некоторые статистические характеристики для зоны 1.Б.4 Параметр Средн. знач. Ст. отклонен. Мин. знач. Макс. знач. Показатель H(ir), м Класс 1 -7,1 55,9 -193,6 105,2 Класс 2 -154,3 89,4 -336,1 54,0 Показатель H(vr), м Класс 1 -822,9 23,5 -906,6 -789,1 Класс 2 -901,6 44,8 -1007,6 -818,2 Показатель m(vr-ir), м Класс 1 815,8 55,0 709,0 938,0 Класс 2 747,3 69,3 660,0 907,0 Таблица 3 Распределение значений H(ir) Класс объекта Интервал варьирования H(ir) -350…-300 -300…-250 -250…-200 -200…-150 -150…-100 -100…-50 -50…0 0…50 50…100 100…150 Территории в пределах контуров месторождений, n = 70 0,042 0,085 0,471 0,271 0,114 0,017 Территории за пределами контуров месторождений, n = 49 0,043 0,022 0,285 0,326 0,040 0,163 0,061 0,040 0,020 Отсюда видно, что абсолютные отметки кровли иренского горизонта в пределах контуров нефтегазоносности залегают значительно выше, чем за их пределами. Среднее значение H (ir) для класса 1 на 147,2 м выше среднего значения, чем для класса 2. Для оценки различий в средних значениях по H (ir) вычислим значение критерия t по следующей формуле: где Х1, Х2 - соответственно средние значения H (ir) для классов 1 и 2; - среднеквадратичные отклонения. Различие в средних значениях считается статистически значимым, если tp > tt. Значения tt определяются в зависимости от количества сравниваемых данных и уровня значимости (р = 0,05). Для показателя H (ir) значение tp =11,286, р = 0,000000. Это говорит о том, что средние значения по H (ir) статистически различны. Для того чтобы оценить возможности оценки нефтегазоносности данной зоны по H(ir), была построена индивидуальная модель прогноза по методике, которая достаточно подробно изложена в работе [1]. Кратко рассмотрим методику построения индивидуальных вероятностных моделей на примере H (ir). По данной характеристике исследовались плотности распределений в пределах двух классов. В первом случае изучаются данные по значениям H (ir). В пределах территорий нефтяных месторождений - класс 1, n1=70, во втором изучаются данные по территориям за пределами нефтегазоносности - класс 2, n2 = 49. Необходимо по H (ir) совокупности (набору) разделить их на объекты, принадлежащие к классу 1. Следуя используемой методике, на первом этапе построения вероятностной модели по данным H (ir) для классов 1 и 2 строятся гистограммы. Оптимальные величины интервалов значений H (ir) вычисляются по формуле Стерджесса: где Хmax - максимальное значение показателя, Хmin - минимальное значение показателя, N - количество данных. В каждом интервале определяются частотности: где P(Х) - частотность в k-м интервале для группы Квыт (q = 1), q = 2 соответствует группе Квытмо, Nk - число случаев содержания показателя P(Х) в k-м интервале, Nq - объем выборки для классов 1 и 2. Для исследования соотношений доли объектов, попавших в различные интервалы варьирования H (ir), выполнен интервальный анализ, приведенный в табл. 3. Отсюда видно, что для нефтегазоносных территорий при повышении H (ir) наблюдается увеличение частоты встречаемости значений. Отметим, что для нефтегазоносных территорий в диапазоне -350…-200 м значения не наблюдаются, тогда как за пределами контуров нефтегазоносности суммарная частота их обнаружения составляет 0,341. Для территорий за пределами нефтегазоносности с интервала -200…-150 м происходит снижение частоты встречаемости значений. Модальный интервал для а б в Рис. 2. Зависимость: а - P (ir) от H (ir); б - P (vr) от H (vr); в - P (vr-ir ) от m (vr-ir) а б в г Рис. 3. Вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 по показателю: а - P (ir); б - P (vr); в - P (vr-ir); г - PКОМ для зоны НГГР 1.Б.4 нефтегазоносных территорий находится в диапазоне -50…0 м, для территорий за пределами нефтегазоносности в диапазоне -200…-150 м. Если в диапазоне -350…-100 м отношение частоты встречаемости первого класса ко второму равно 0,055, то в диапазоне -100…150 м данное отношение значительно выше и равно 3,373. Все это показывает, что распределение значений H (ir) в пределах изучаемых классов значительно различается. Для количественного различия распределений был вычислен критерий Пирсона χ2 по формуле где N1, N2 - количество значений H (ir) в классах 1 и 2 соответственно; M1, M2 - количество значений, попавших в заданный интервал, для двух изучаемых классов соответственно; е - количество интервалов. Значения критерия χ2 по показателю H (ir) равно 85,061 при р = 0,000000. Это показывает, что плотности распределений являются статистически различными. Далее в каждом интервале вычисляются вероятности принадлежности к территориям нефтяных месторождений. Затем интервальные вероятности принадлежности к классу 1 сопоставляются со средними интервальными значениями H (ir)и. По величинам Р(H (ir)и и H (ir)и высчитывается парный коэффициент корреляции r и строится уравнение регрессии. Последующая корректировка построенной модели выполняется из условия, что среднее значение вероятностей для территорий нефтяных месторождений должно быть больше 0,5, а для территорий за пределами нефтяных месторождений меньше 0,5. Линейная зависимость P (ir) от H (ir) имеет следующий вид: P (ir) = 0,594+0,0015 H (ir). По остальным показателям линейные вероятностные модели строятся аналогичным образом и приведены далее в тексте статьи. Графическое изображение данной модели приведено на рис. 2, а. Отсюда видно, что при изменении значений H (ir) от -336,1 до 105,2 м величина P (ir) возрастает от 0,09 до 0,75. По данной модели были вычислены значения P (ir) по скважинам в пределах данной зоны, и по ним построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, а). Отсюда видно, что максимальные вероятности перспектив зональной нефтегазоносности находятся на северо-востоке данной зоны. Значения P (ir) для Краснокамского и Северокамского месторождений, расположенных в пределах данной зоны, равны 0,59 и 0,74 соответственно. Кровля верейского горизонта, как видно из табл. 2, в пределах контуров нефтегазоносности залегает значительно выше, чем за их пределами. Модель, построенная по H (vr) имеет следующий вид: P (vr) = 2,488+0,0023 H (vr). Графическое изображение данной модели приведено на рис. 2 ,б. Отсюда видно, что при изменении значений H (vr) от -1007 до -789 м величина P (vr) повышается от 0,17 до 0,67. По данной модели была построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, б). Отсюда видно, что максимальные вероятности находятся на северо-востоке данной зоны. Таблица 4 Распределение значений PКОМ Класс объекта Интервал варьирования, PКОМ 0-0,1 0,1-0,2 0,2-0,3 0,3-0,4 0,4-0,5 0,5-0,6 0,6-0,7 0,7-0,8 0,8-0,9 0,9-1,0 Территории в пределах контуров месторождений, n = 70 0,050 0,100 0,450 0,316 0,083 0,017 Территории за пределами контуров месторождений, n = 49 0,061 0,244 0,387 0,081 0,122 0,081 0,020 Среднее значение толщины пород между верейским и иренским горизонтами, как видно из табл. 2, в пределах контура нефтегазоносности (815 м) несколько больше, чем за его пределами (747 м). Вероятность наличия нефтеносности для данной зоны имеет следующий вид: P (vr-ir) = 0,345+0,0002 m (vr-ir). Графическое изображение данной зависимости приведено на рис. 2, в. Отсюда видно, что при повышении значений m (vr-ir) от 660 до 938 м величина P (vr-ir) возрастает незначительно - от 0,47 до 0,53. Данный показатель характеризуется значительно меньшей информативностью, чем структурные показатели. По данной модели была построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, в). Из седений, приведенных в рис. 3, в, видно, что повышенными значениям вероятности (P (vr-ir)>0,5), помимо Северокамского и Краснокамского месторождений, характеризуется и территория, расположенная южнее их. Разработка комплексной модели прогноза зональной нефтегазоносности Анализ построенных моделей показал, что они контролируют нефтегазоносность данной зоны, но интервалы варьирования значений вероятностей достаточно различны. Для комплексного использования вышеприведенных показателей будем использовать комплексный показатель, который вычисляется по следующей формуле: PКОМ = где Р (W1/Xj) - соответственно вероятности: P (ir), P (vr) и P (vr-ir). По значениям PКОМ была построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, г). Распределения значений PКОМ в зависимости от нефтегазоносности территорий приведены в табл. 4. На основании данных таблицы можно заключить, что для нефтегазоносных территорий значения в 95 % случаев PКОМ > 0,5, для территорий за пределами месторождений в основном меньше 0,5. Среднее значение PКОМ для нефтегазоносных территорий равно 0,679 ± 0,117, для территорий за пределами месторождений - 0,309 ± 0,185, по критерию t они статистически различны (t = 13,368; p = 0,000000). Значения критерия χ2 по показателю PКОМ равно 103,947 при р = 0,000000. Это показывает, что плотности распределений PКОМ являются статистически различными. Рис. 4. Вероятностная схема перспектив нефтегазоносности по показателю PКОМ для центральной части территории ПС Также видим, что по повышенным значениям вероятности (PКОМ>0,5) четко выделяются Северокамское и Краснокамское месторождения, причем на первом из них вероятность выше (0,84), чем на втором (0,73). Остальная территория зоны НГГР 1.Б.4. малоперспективна по структурным показателям для поиска залежей нефти и газа. Заключение Далее по данной методике были построены индивидуальные и комплексные модели по другим территориям центральной части Пермского свода. По моделям были вычислены значения PКОМ по всем скважинам, и по этим данным построена вероятностная схема перспектив зональной нефтегазоносности для центральной части территории Пермского свода (рис. 4). Анализ схемы показывает, что комплексные вероятности контролируют контуры нефтегазоносности у всех рассматриваемых месторождений. Максимальными значениями PКОМ характеризуются Северокамское (0,73), Краснокамское (0,67), Баклановское (0,67), Полазненское (0,67), Рассветное (0,64) и Межевское (0,63) месторождения. Для Козубаевского месторождения PКОМ равно 0,57. Горское, Лобановское, Талицкое, Зоринское и Шеметинское месторождения характеризуются минимальными значениями PКОМ, изменяющимися в интервале 0,51-0,53. Таким образом, можно констатировать, что комплексное использование данных по абсолютным отметкам глубоких и структурных скважин позволяет ранжировать территорию центральной части Пермского свода по степени зональной нефтегазоносности. Данная схема может быть использована при проектировании поисково-разведочных работ на данной территории.

About the authors

Konstantin A. Koshkin

Author for correspondence.
Email: koshkin@uraloil.com
4 Sibirskaya st., Perm, 614990, Russian Federation

Head of the Department of Geology and Licensing

Ilya A. Tatarinov

Email: i_tatainov@mail.ru
Office 1, 12a Makarenko st., Perm, 614107, Russian Federation

Director

References

Statistics

Views

Abstract - 345

PDF (Russian) - 92

PDF (English) - 94

Refbacks

• There are currently no refbacks.