Разработка комплексной модели зональной нефтегазоносности по критериям миграции, аккумуляции и консервации углеводородов (на примере северной части Башкирского свода)

Аннотация


На примере северной части Башкирского свода (БС) в пределах Пермского края выполнен зональный прогноз нефтегазоносности на основе комплексирования генерационных, миграционных, аккумуляционных и консервационных показателей. Актуальность исследования обусловлена снижением эффективности геологоразведки в условиях высокой изученности данной территории.Исследование направлено на разработку вероятностной модели для оценки зональной нефтегазоносности путем комплексирования вероятностных оценок процессов генерации и миграции рассеянного органического вещества, зон аккумуляции и консервации залежей углеводородов.Ранее было установлено, что процессы генерации и миграции рассеянного органического вещества в основном определяются величиной битумоидного коэффициента – β, %, и нерастворимого остатка – НО, %. Процесс аккумуляции залежей углеводородов напрямую зависит от абсолютных отметок и мощностей между основными отражающими горизонтами БС. Сохранность залежей углеводородов контролируется гидрогеохимическими особенностями пластовых вод, среди которых ключевое значение имеют минерализация и коэффициент метаморфизации пластовых вод.В рамках данной работы по критериям, характеризующим процессы генерации и миграции аккумуляции и консервации (сохранности) залежей углеводородов (УВ), разработана комплексная вероятность Анализ значений по территориям в пределах контуров месторождений УВ (класс «в контуре») и территориям за пределом контуров нефтегазоносности (класс «вне контура») показал, что данный критерий характеризуется статистически различными средними значениями в классах (0,536 – «в контуре» и 0,424 – «вне контура).В результате сопоставления с критериями, определяющими процессы генерации и миграции , аккумуляции и консервации залежей УВ, установлено, что наибольшее влияние на оказывает аккумуляционный критерий (r = 0,864), затем критерий генерации и миграции (r = 0,355). Критерий сохранности оказывает меньшее влияние (r = –0,146). Анализ распределения значений по исследуемой территории позволил установить, что значения вероятности зональной нефтегазоносности более 0,7 доли ед. характерны для юго-западной части БС, где сосредоточены крупные нефтегазовые месторождения.Разработанная модель демонстрирует достаточно высокую прогностическую способность оценки зональной нефтегазоносности территории БС. Наибольшее влияние на нефтегазоносность оказывают характеристики, связанные с процессами аккумуляции залежей УВ , что подтверждает традиционную концепцию приуроченности залежей УВ к антиклинальным (приподнятым) структурам. Результаты исследования применимы при прогнозирования зон нефтегазонакопления и ранжирования подготовленных структур по очередности ввода в глубокое бурение в целях оптимизации геолого-разведочных работ в Пермском крае.

Полный текст

8

Об авторах

П. О Чалова

Пермский национальный исследовательский политехнический университет

Список литературы

  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

Статистика

Просмотры

Аннотация - 2

PDF (Russian) - 0

Ссылки

  • Ссылки не определены.

© Чалова П.О., 2025

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах