Задача корреляции геологических разрезов скважин является одной из важнейших задач геологии, так как на ее результатах основывается дальнейшее построении геологических моделей. Результаты ручной корреляции субъективны и зависят от квалификации проводящего ее специалиста. Рутинность и трудоемкость работы, а также необходимость обработки больших массивов данных обусловливают необходимость автоматизации процесса корреляции скважин. На практике, как правило, скважины с известными значениями границ пластов используются при нахождении границ в соседних скважинах методами парных корреляций соответствующих данных геофизических исследований скважин (ГИС). Последовательное использование парных корреляций на большом числе скважин приводит к тому, что результат существенно зависит от порядка обхода скважин. В этом заключается основная проблема автоматических методов корреляции. В качестве метода верификации результатов корреляции скважин обычно используют метод триангуляционных сетей, реализованный в ряде программных продуктов. Отмечно, что данный метод также зависит от порядка обхода скважин при их корреляции.
В статье предложен метод верификации результатов корреляции данных ГИС для заданной пары скважин, который базируется на статистической оценке результатов корреляций вдоль различных путей. Предполагается, что каждый путь начинается и заканчивается в заданных скважинах и проходит через различные промежуточные скважины. В качестве алгоритмов парной корреляции использован метод DTW (Dynamic Time Warping– алгоритм динамической трансформации временной шкалы) и метод, основанный на вейвлет-анализе материалов ГИС. Составной частью разработанного метода является алгоритм генерации множества путей, соединяющих рассматриваемые скважины и проходящих в некоторой ограниченной области. Предложены также методики проверки корректности предлагаемого подхода. Приведены примеры применения разработанного подхода и сравнения его результатов с результатами известного алгоритма верификации на основе триангуляционных сетей.
Список литературы
1. Долицкий В.А. Геологическая интерпретация материалов геофизических исследований скважин. – М.: Недра, 1966. – 387 с.
2. Вендельштейн Б.Ю. Методические рекомендации по подсчету геологических запасов нефти и газа объемным методом / под ред. В.И, Петерсилье, В.И. Пороскуна, Г.Г. Яценко. – Москва-Тверь: ВНИГНИ, НПЦ «Тверьгеофизика», 2003. – 259 с.
3. Шайбаков Р.А. Обоснование комплексной методики идентификации трехмерных геологических объектов: дис. ... канд. геол.-минерал. наук. – Уфа, 2014. – 190 с.
4. Shi Y., Wu X., Fomel S. Finding an optimal well-log correlation sequence using coherence-weighted graphs // SEG Technical Program Expanded Abstracts. – 2017. – P. 1982–1987. – https://doi.org/10.1190/segam2017-17746336.1
5. Моделирование залежей углеводородов. Корреляция разрезов скважин в автоматическом и полуавтоматическом режиме с помощью программы AutoCorr / И.С. Гутман, И.Ю. Балабан, Г.П. Кузнецова, В.М. Староверов // SPE-104343-MS. – 2006. – https://doi.org/10.2118/104343-MS
6. Salvador S., Chan P. FastDTW: Toward accurate dynamic time warping in linear time and space // Intelligent Data Analysis. – 2004. – No. 11(5). – P. 70–80.
7. Lineman D.J., Mendelson J.D., Toksoz M.N. Well-to-well log correlation using knowledge-based systems and dynamic depth warping: Technical report // SPWLA-1987-UU. – 1987. – https://dspace.mit.edu/bitstream/handle/1721.1/75091/1987.14%20Lineman%20et%20al.pdf?sequence=1
8. Keogh E.J., Pazzani M.J. Derivative Dynamic Time Warping // Proceedings of the 2001 SIAM International Conference on Data Mining (SDM). – 2001. – https://doi.org/10.1137/1.9781611972719.1
9. New Software for Well-to-Well Correlation of Spectroscopy Logs / P. Mirowski, M. Herron, N. Seleznev, S. Fluckiger, D. McCormick. // AAPG International Conference; September 11–14, 2005 — Paris, France. – https://www.searchanddiscovery.com/documents/abstracts/2005intl_paris/mirowski.htm
10. EventDTW: An improved Dynamic Time Warping algorithm for aligning biomedical signals of nonuniform sampling frequencies / Y. Jiang, Y. Qi, W. Ke Wang [et al.] // Sensor. – 2020. – V. 20 (9) – P. 1–13.
11. Малла С. Вэйвлеты в обработке сигналов / пер. с англ. Я.М. Жилейкина. – М.: Мир, 2005. – 671 с.
12. Preston F.W., Henderson J. Fourier series characterization of cyclic sediments for stratigraphic correlation // Kansas Geological Survey Bulletin. - 1964. – V. 169.– P. 415–425. – http://www.kgs.ku.edu/Publications/Bulletins/169/Preston/
13. Гутман И.С., Кузнецова Г.П., Саакян М.И. Детальная корреляция разрезов скважин с помощью программного комплекса «AutoCorr» // Геоинформатика. – 2009. – № 2. – С. 86–97.
