Development of a Comprehensive Model of Zonal Oil and Gas Content based on the Criteria of Migration, Accumulation and Conservation of Hydrocarbons (using the Example of the Northern Part of the Bashkir Arch)

Abstract


Using the northern part of the Bashkir Arch (BA) in Perm Krai as an example, a zonal oil and gas potential forecast was developed based on a combination of generation, migration, accumulation, and conservation indicators. The relevance of the study is due to the declining efficiency of geological exploration in the highly studied area.The study aims to develop a probabilistic model for assessing zonal oil and gas potential by combining probabilistic estimates of the generation and migration of dispersed organic matter, as well as the accumulation and conservation zones of hydrocarbon deposits.It has previously been established that the generation and migration of dispersed organic matter are primarily determined by the bitumen coefficient (β, in %) and the insoluble residue (IR, in %). The accumulation of hydrocarbon deposits directly depends on the absolute elevations and thicknesses between the main reflecting horizons of the BA. The preservation of hydrocarbon deposits is controlled by the hydrogeochemical properties of formation waters, among which the mineralization and metamorphism coefficient of formation waters are of key importance.Within the framework of this work, a complex probability was developed based on the criteria characterizing the processes of generation and migration (Pgcom), accumulation (Pacom) and conservation (preservation) (Pccom) of hydrocarbon (HC) deposits. Analysis of the Pcom values for territories within the contours of HC fields (class “in contour”) and territories outside the contours of oil and gas bearing capacity (class “outside contour”) showed that this criterion is characterized by statistically different average Pcom values in the classes (0.536 – “in contour” and 0.424 – “outside contour”).A comparison of Pcom with the criteria determining the processes of generation and migration (Pgcom), accumulation (Pacom), and conservation (Pccom) of hydrocarbon deposits revealed that the accumulation criterion Pacom has the greatest influence on the Pcom (r = 0.864), followed by the generation and migration criterion Pgcom (r = 0.355). The preservation criterion Pccom has a lesser influence (r = –0.146). An analysis of the distribution of Pcom values across the study area revealed that zonal oil and gas potential probabilities Pcom greater than 0.7 units are characteristic of the southwestern part of the BA region, where large oil and gas fields are concentrated.The developed model demonstrates a relatively high predictive ability for assessing the zonal oil and gas potential of the BA territory. Characteristics associated with hydrocarbon accumulation processes (Pacom) have the greatest impact on oil and gas potential, confirming the traditional concept of hydrocarbon deposits confined to anticlinal (uplifted) structures. The study's results are applicable to predicting oil and gas accumulation zones and ranking prepared structures based on the priority of deep drilling to optimize geological exploration in the Perm Krai.

Full Text

8

About the authors

P. O Chalova

Perm National Research Polytechnic University

References

  1. Касьянов, И.В. Разработка методики прогноза подтверждаемости локальных структур, подготовленных сейсморазведкой МОГТ-2D в центральных районах Западной Сибири / И.В. Касьянов, С.К. Туренко // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2024. – № 5(389). – С. 22–32.
  2. Оценка перспектив нефтегазоносности и выбор программы геологоразведочных работ на основе многовариантного геологического моделирования / Р.Н. Гайнаншин, С.Ф. Хафизов, В.Ю. Абрамов [и др.] // Территория Нефтегаз. – 2019. – № 3. – С. 12–16.
  3. Norouzi, N. The fall of oil Age: A scenario planning approach over the last peak oil of human history by 2040 / N. Norouzi, M. Fani, Z. K. Ziarani // Journal of Petroleum Science and Engineering. – 2020. – Vol. 188. – P. 106827. doi: 10.1016/j.petrol.2019.106827
  4. Porosity prediction based on improved structural modeling deep learning method guided by petrophysical information / Bo-Cheng Tao, Huai-Lai Zhou, Wen-Yue Wu, Gan Zhang, Bing Liu, Xing-Ye Liu // Petroleum Science. – 2025. doi: 10.1016/j.petsci.2025.03.035
  5. Geochemical evaluation of sedimentary rocks and hydrocarbon fluids in the Amistad offshore field, Progreso Basin Province, Southwest Ecuador / M.A. Guzmán, G. Márquez, C. Boente, C. Witt, A. Morato, R. Tocco // Journal of Petroleum Science and Engineering. – 2022. – Vol. 213. – P. 110410. doi: 10.1016/j.petrol.2022.110410
  6. Макарова, И.С. Классификация и комплексирование методов прогноза нефтегазоносности / И.С. Макарова // Ceteris Paribus. – 2022. – № 4. – С. 85–88.
  7. Ожгибесов, Е.С. Вероятностно-статистический прогноз нефтегазоносности локальных структур на территории Ижемской ступени / Е.С. Ожгибесов // Недропользование. – 2023. – Т. 23, № 4. – С. 159–165. doi: 10.15593/2712-8008/2023.4.2
  8. Орешкин, А.И. Формирование скоплений углеводородов и оптимизация прогноза нефтегазоносности юга Волго-Уральской нефтегазоносной провинции / А.И. Орешкин // Недра Поволжья и Прикаспия. – 2016. – № 88. – С. 36–45.
  9. Катаев, О.И. Актуальные вопросы поисков новых месторождений нефти в Волго-Уральской провинции / О.И. Катаев, И.А. Ларочкина, К.С. Рейтюхов // Нефтяное хозяйство. – 2015. – № 1. – С. 33–37.
  10. Лившиц, В.Р. Распределение ресурсов углеводородов по месторождениям различной крупности и по количеству залежей в них / В.Р. Лившиц, А.Э. Конторович // Геология и геофизика. – 2022. – Т. 63, № 11. – С. 1583–1590. doi: 10.15372/GiG2022105
  11. Мастепанов, А.М. Перспективы нефтяной отрасли России в оценках зарубежных прогностических центров / А.М. Мастепанов // Нефтяное хозяйство. – 2023. – № 9. – С. 54–59. doi: 10.24887/0028-2448-2023-9-54-59
  12. Зональный прогноз нефтегазоносности юрских отложений в пределах территории деятельности ТПП «Когалымнефтегаз» / В.И. Галкин, В.В. Бродягин, А.А. Потрясов, К.Г. Скачек, А.Н. Шайхутдинов // Геология, геофизика и разработка нефтяных и газовых месторождений. – М.: ОАО «ВНИИОЭНГ», 2008. – № 8. – С. 31–35.
  13. Рыскин, М.И. К проблеме прямого прогнозирования залежей углеводородов / М.И. Рыскин, Е.Н. Волкова // Фундаментальные исследования. – 2009. – № 1. – С. 40–41.
  14. Путилов, И.С. Разработка новой технологии многовариантного прогноза нефтегазоносности по сейсмическим данным / И.С. Путилов // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2014. – № 4. – С. 47–54.
  15. Путилов, И.С. О необходимости использования новых критериев при прогнозе нефтегазоносности малоразмерных структур (на примере территории Пермского края) / И.С. Путилов, В.И. Галкин, Е.В. Пятунина // Нефтяное хозяйство. – 2018. – № 5. – С. 40–43. doi: 10.24887/0028-2448-2018-5-40-43
  16. Прогноз перспективных зон в отложениях доманикового типа на территории Волго-Уральской нефтегазоносной провинции / А.А. Вашкевич, К.В. Стрижнев, В.А. Шашель [и др.] // Нефтяное хозяйство. – 2018. – № 12. – С. 14–17. doi: 10.24887/0028-2448-2018-12-14-17
  17. Характеристика нефтегазоматеринских толщ и модели нефтегазогенерации в разрезе акватории Карского моря на базе геохимических и геофизических исследований / В.Н. Бородкин, А.Г. Плавник, О.А. Смирнов [и др.] // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2022. – № 3(363). – С. 23–34. doi: 10.33285/2413-5011-2022-3(363)-23-34
  18. Филиппов, Ю.Ф. Геологическая модель Предъенисейского верхнепротерозой-палеозойского осадочного бассейна на юго-востоке Западно-Сибирской провинции / Ю.Ф. Филиппов // Геология нефти и газа. – 2018. – № 4. – С. 53–62. doi: 10.31087/0016-7894-2018-4-53-62
  19. Комплексирование методов геологоразведочных работ для решения задач поиска и разведки нефти и газа / А.А. Поляков, А.В. Ступакова, Н.А. Малышев [и др.] // Георесурсы. – 2023. – Т. 25, № 4. – С. 240–251. doi: 10.18599/grs.2023.4.17
  20. Тимурзиев, А.И. Прогнозирование нефтегазоносности недр и методика поисков месторождений на основе глубинно-фильтрационной модели нефтегазообразования и нефтегазонакопления / А.И. Тимурзиев, А.С. Шумейкин // Геология, геофизика и разработка нефтяных и газовых месторождений. – М: ВНИИОЭНГ, 2010. – № 9. – С. 22–29.
  21. Методический подход при локальном прогнозе нефтегазоносности палеозойско-мезозойских отложений полуострова Ямал на базе комплексирования геофизических исследований / О.А. Смирнов, В.Н. Бородкин, А.В. Лукашов [и др.] // Нефтегазовая геология. Теория и практика. – 2023. – Т. 18, № 1. doi: 10.17353/2070-5379/10_2023
  22. Чалова, П.О. Особенности строения рассеянного органического вещества северной части Башкирского свода / П.О. Чалова // Проблемы геологии и освоения недр: труды XXVIII Международного молодежного научного симпозиума имени академика М.А. Усова, посвященного 125-летию со дня рождения академика Академии наук СССР, профессора К.И. Сатпаева и 130-летию со дня рождения члена-корреспондента Академии наук СССР, профессора Ф.Н. Шахова, Томск, 01–05 апреля 2024 года. – Томск: Национальный исследовательский Томский политехнический университет, 2024. – С. 72–74.
  23. Воеводкин, В.Л. Оценка дифференциации рассеянного органического вещества северной части Башкирского свода / В.Л. Воеводкин, П.О. Чалова, В.И. Галкин // Нефтяное хозяйство. – 2024. – № 6. – С. 8–12. doi: 10.24887/0028-2448-2024-6-8-12
  24. Чалова, П.О. Применение характеристик рассеянного органического вещества пород для зонального прогноза нефтегазоносности северной части Башкирского свода / П.О. Чалова // Недропользование. – 2024. – Т. 24, № 3. – С. 112–119. doi: 10.15593/2712-8008/2024.3.2
  25. Чалова, П.О. Оценка зональной нефтегазоносности северной части Башкирского свода по структурным характеристикам / П.О. Чалова // XI Сибирская конференция молодых ученых по наукам о Земле: материалы конференции, Новосибирск, 23–29 сентября 2024 года. – Новосибирск: Новосибирский национальный исследовательский государственный университет, 2024. – С. 242–244.
  26. Чалова, П.О. Анализ гидрогеологических характеристик северной части Башкирского свода / П.О. Чалова // Актуальные проблемы нефти и газа: сборник трудов VII Всероссийской молодежной научной конференции, Москва, 16–18 октября 2024 года. – М.: Институт проблем нефти и газа РАН, 2024.
  27. Южаков, А.Л. Применение методов машинного обучения для прогноза нефтегазоносности локальных структур башкирского свода на территории Пермского края / А.Л. Южаков // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2022. – № 9(369). – С. 90-93. – doi: 10.33285/2413-5011-2022-9(369)-90-93.
  28. Применение алгоритмов машинного обучения в прогнозе результата пиролитического анализа / Ле Тхи Ныт Сыонг, А.В. Бондарев, Л.И. Бондарева, А.С. Монакова, А.В. Баршин // Известия высших учебных заведений. Геология и разведка. – 2020. – № 63(6). – С. 8–19. doi: 10.32454/0016-7762-2020-63-6-8-19
  29. Deep neural networks predicting oil movement in a development unit / P. Temirchev, M. Simonov, R. Kostoev, E. Burnaev, I. Oseledets, A. Akhmetov, A. Margarit, A. Sitnikov, D. Koroteev // Journal of Petroleum Science and Engineering. – 2020. – Vol. 184. – P. 106513. doi: 10.1016/j.petrol.2019.106513
  30. Evaluation of active learning algorithms for formation lithology identification / T. Xu, J. Chang, D. Feng, W. Lv, Y. Kang, H. Liu, J. Li, Z. Li // Journal of Petroleum Science and Engineering. – 2021. – Vol. 206. – P. 108999. doi: 10.1016/j.petrol.2021.108999
  31. Multi-scale classification and evaluation of shale reservoirs and ‘sweet spot’ prediction of the second and third members of the Qingshankou Formation in the Songliao Basin based on machine learning / Da-Ming Niu, Yi-Lin Li, Yun-Feng Zhang, Ping-Chang Sun, Hai-Guang Wu, Hang Fu, Ze-Qiang Wang // Journal of Petroleum Science and Engineering. – 2022. – Vol. 216. – P. 110678. doi: 10.1016/j.petrol.2022.110678
  32. Applying random forest to oil and gas exploration in Central Sumatra basin Indonesia based on surface and subsurface data / Tri Muji Susantoro, Ketut Wikantika, Suliantara Suliantara, Herru Lastiadi Setiawan, Agung Budi Harto, Anjar Dimara Sakti // Remote Sensing Applications: Society and Environment. – 2023. – Vol. 32. – P. 101039. doi: 10.1016/j.rsase.2023.101039
  33. Recent Application of Machine Learning Algorithms in Petroleum Geology: A brief review / Elosionu O. Blessing, Umekwe. B. Onyinyechi, Gbulie G. Chiamaka // International Journal of Research and Scientific Innovation. – 2023. – Vol. X, No. IX. – P. 91–99. doi: 10.51244/IJRSI.2023.10910
  34. Hydrocarbon expulsion evaluation based on pyrolysis Rock-Eval data: Implications for Ordovician carbonates exploration in the Tabei Uplift, Tarim / J. Chen, X. Zhang, Z. Chen, X. Pang, H. Yang, Z. Zhao, K. Ma // Journal of Petroleum Science and Engineering. – 2020. – P. 107614. doi: 10.1016/j.petrol.2020.107614
  35. Prediction of residual oil satiration by using the ratio of amplitude of time-lapseeismic data / L. Meng, L. Zhen, L. Minzhu, Z. Huilai // GEOPHYSICS. – 2017. – Vol. 82, no. 1. – P. 1–12. doi: 10.1190/geo2015-0453.1
  36. Nordloh, V.A. Machine Learning for Gas and Oil Exploration / V.A. Nordloh, A. Roubícková, N. Brown // Paper in proceedings 9th International Conference on Prestigious Applications of Intelligent Systems. – 2020. doi: 10.48550/arXiv.2010.04186
  37. Method of predicting oil and gas resource spatial distribution based on Bayesian network and its application / Q. Guo, H. Ren, J. Yu, J. Wang, J. Liu, N.A. Chen // Journal of Petroleum Science and Engineering. – 2021. – Vol. 208. – P. 109267. doi: 10.1016/j.petrol.2021.109267
  38. Probabilistic Forecasting for Oil Producing Wells Using Seq2seq Augmented Model / Afifi, Hadeel, Mohamed Elmahdy, Motaz El Saban, and Mervat Abu-Elkheir // Engineering Proceedings. – 2022. – Vol. 18, no. 1. – P. 16. doi: 10.3390/engproc2022018016
  39. Тимшанов, Р.И. Применение статистических методов для обработки результатов наземной геохимической съемки с целью прогноза нефтегазоносности / Р.И. Тимшанов, С.А. Шешуков // Интерэкспо Гео-Сибирь. – 2021. – Т. 2, № 1. – С. 263–270. doi: 10.33764/2618-981X-2021-2-1-263-270
  40. Integrated Static and Dynamic Big-Loop Modeling Workflow for Assisted History Matching of SAGD Process with Presence of Shale Barriers / T. Nguyen Ngoc, T. Dang Cuong, Chaodong Yang, X. Nghiem Long, Chen Zhangxin // Paper presented at the SPE Canada Heavy Oil Technical Conference. – Calgary, Alberta, Canada, 2018. doi: 10.2118/189725-MS
  41. Галкин, В.И. Вероятностно-статистическая оценка нефтегазоносности локальных структур / В.И. Галкин, А.В. Растегаев, С.В. Галкин. – Екатеринбург: УрО РАН, 2001. – 300 с.
  42. Кузнецова, Е.А. Использование вероятностно-статистических методов для анализа формирования генерационного потенциала глубокопогруженных отложений Верхнепечорской впадины / Е.А. Кузнецова, В.И. Галкин // Вестник Пермского университета. Геология. – 2023. – Т. 22, № 4. – С. 376–389. doi: 10.17072/psu.geol.22.4.376
  43. Кривощеков, С.Н. Определение перспективных участков геологоразведочных работ на нефть вероятностно- статистическими методами на примере территории Пермского края / С.Н. Кривощеков, В.И. Галкин, И.А. Козлова // Вестник ПНИПУ. Геология. Нефтегазовое и горное дело. – 2012. – № 4. – С. 7–14.
  44. Путилов, И.С. Разработка методики вероятностно-статистического прогноза нефтегазоносности локализованных структур (на примере южной части Пермского края) / И.С. Путилов, В.И. Галкин // Нефтяное хозяйство. – 2014. – № 4. – С. 26–29.
  45. Кошкин, К.А. Разработка вероятностных моделей зонального прогноза нефтегазоносности центральной части Пермского свода по структурно-мощностным критериям / К.А. Кошкин, И.А. Татаринов // Недропользование. – 2021. – Т. 21, № 1. – С. 2–8. doi: 10.15593/2712-8008/2021.1.1
  46. Оценка перспектив нефтегазоносности юга Пермского края по органо-геохимическим данным / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, М.А. Носов, Н.С. Колтырина // Нефтепромысловое дело. – 2015. – № 7. – С. 32–35.
  47. Решение региональных задач прогнозирования нефтеносности по данным геолого-геохимического анализа рассеянного органического вещества пород доманикового типа / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, М.А. Носов // Нефтяное хозяйство. – 2015. – № 1. – С. 21–23.
  48. Галкин, В.И. Разработка геолого-математических моделей для прогноза нефтегазоносности сложнопостроенных структур в девонских терригенных отложениях / В.И. Галкин, Н.Е. Соснин // Нефтяное хозяйство. – 2013. – № 4. – С. 28–31.
  49. Кривощеков, С.Н. Разработка вероятностно-статистической методики прогноза нефтегазоносности структур / С.Н. Кривощеков, В.И. Галкин, А.С. Волкова // Нефтепромысловое дело. – М.: Изд-во ВНИИОЭНГ, 2010. – № 7. – С. 28–31.
  50. Probabilistic Estimation of the Helium Resources in the Central and Southern Areas of the Lena–Tunguska Petroleum Province / L.M. Burshtein, A.E. Kontorovich, V.R. Livshits, S.A. Moiseev, E.S. Yaroslavtseva // Russ. Geol. Geophys. – 2020. – Vol. 61, no. 3. – P. 322–329. doi: 10.15372/RGG2019172
  51. Галкин, В.И. О возможности прогноза нефтегазоносности юрских отложений вероятностно-статистическими методами (на примере территории деятельности ТПП «Когалымнефтегаз» / В.И. Галкин, А.Н. Шайхутдинов // Геология, геофизика и разработка нефтяных и газовых месторождений. – М.: ОАО «ВНИИОЭНГ», 2009. – № 6. – С. 11–14.
  52. Построение вероятностно-статистических моделей для дифференциации рассеянного органического вещества пород территории Пермского края / В.Л. Воеводкин, Д.В. Антонов, В.И. Галкин, И.А. Козлова // Нефтяное хозяйство. – 2023. – № 12. – С. 100–104. doi: 10.24887/0028-2448-2023-12-100-104
  53. Ponomareva, I.N. Operational method for determining bottom hole pressure in mechanized oil producing wells, based on the application of multivariate regression analysis / I.N. Ponomareva, D.A. Martyushev, V.I. Galkin // Petroleum Research. – 2021. – Vol. 6, no. 4. – P. 351–360. doi: 10.1016/j.ptlrs.2021.05.010
  54. Developing multilevel statistical models of determining bottom-hole flowing pressure in commercial oil well operations / I.N. Ponomareva, V.I. Galkin, A.V. Rastegaev, S.Vl. Galkin // Revista Ingenieria UC. – 2023. – Vol. 28, no. 1. – P. 97–110. doi: 10.54139/revinguc.v28i1.3
  55. Построение многоуровневых статистических моделей прогноза значений смачиваемости по Восточно-Ламбейшорскому и Ярейюскому месторождениям / А.Д. Саетгараев, В.И. Галкин, И.С. Путилов, А.И. Неволин // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – Т. 334, № 5. – С. 63–69. doi: 10.18799/24131830/2023/5/3960

Statistics

Views

Abstract - 2

PDF (Russian) - 0

Refbacks

  • There are currently no refbacks.

Copyright (c) 2025 Chalova P.O.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies