Комплексная оценка перспективности поднятий западного склона Южно-Татарского свода с использованием интегрального коэффициента перспективности залежи

UDK: 550.8:553.98

DOI: 10.24887/0028-2448-2025-7-6-12

Ключевые слова: геологическое строение, ловушка углеводородов (УВ), геологическая модель, вариограмма, синтетические кривые, интегральный коэффициент, поисково-разведочное бурение (ПРБ)

Авт.: Р.А. Рахимзянов(ТатНИПИнефть); А.М. Калимуллин (ТатНИПИнефть); Р.Р. Афлятунов (ПАО «Татнефть» им. В.Д. Шашина), А.П. Бачков (ПАО «Татнефть» им. В.Д. Шашина), О.М. Ильмуков (ПАО «Татнефть» им. В.Д. Шашина), В.Г. Базаревская, к.г.-м.н. (ТатНИПИнефть); А.Ф. Сафаров (ТатНИПИнефть); А.Ф. Гарипов (ТатНИПИнефть); А.В. Левая (ТатНИПИнефть); И.В. Мельников (ТатНИПИнефть)

В статье рассмотрены результаты комплексной оценки перспективности структурных поднятий западного склона Южно-Татарского свода. Исследование актуально в условиях истощения крупных месторождений и ограниченности незадействованных ресурсов. Основная цель – разработка и применение универсального подхода к ранжированию локальных объектов поисково-разведочного бурения на зрелых территориях с использованием интегрального коэффициента перспективности залежи. Объектами анализа стали 22 структуры, изученные по данным 3D сейсморазведки (500 км2), геофизических исследований 235 скважин, керновым и шламовым материалам. В программной среде TNavigator построена трехмерная геологическая модель с интерпретацией сейсмических поверхностей, стратиграфическим расчленением и экстраполяцией фильтрационно-емкостных свойств. Применен геостатистический анализ, позволивший учесть неопределенности в межскважинных интервалах. Построены структурные карты и карты свойств коллекторов (пористости, проницаемости, нефтенасыщенности, эффективных толщин). Выполнена оценка геологических ресурсов с использованием детерминированного и вероятностного подходов, проведены сценарный анализ разработки и дисконтирование денежных потоков. Введен интегральный коэффициент перспективности, включающий параметры ресурсов, морфологии, инфраструктуры и экономической привлекательности. На его основе выполнено ранжирование структур по приоритетности бурения. Методика показала высокую информативность, позволила выделить наиболее перспективные объекты с учетом как геологических, так и экономических рисков. Полученные результаты применимы при планировании поисково-разведочных работ в условиях высокой степени неопределенности, ограниченного бюджета и поздних стадий освоения. Подход может быть масштабирован для аналогичных регионов, а его интеграция в цифровые платформы управления ресурсной базой позволит повысить эффективность и достоверность геолого-разведочных решений.

Список литературы

1. Камалеева А.И. Исследование возможных источников нефти месторождений Татарстана : автореф. дис. ... канд. геол.-минерал. наук. – М.: ГЕОХИ РАН, 2014. – 26 с. – EDN: XAXLBI

2. Нефтегазоносность Республики Татарстан. Геология и разработка нефтяных месторождений: в 2-х т. / Р.Х Муслимов, Р.Г. Абдулмазитов, Р.Б. Хисамов [и др.]. – Казань: ФЭН, 2007. – Т.1. – 315 с. – EDN: QKHNUX

3. Дерюшев А.Б. Опыт трехмерного геологического моделирования перспективных структур с применением результатов сейсмо- и литолого-фациального анализов, а также данных месторождений-аналогов // Вестник Пермского научно-исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2013. – № 7. – С. 18-23. – https://doi.org/10.15593/2224-9923/2013.7.2. – EDN: SGLWQB

4. Levin M.Sh. Combinatorial framework for planning in geological exploration. – Text: electronic // arXiv. – 2018. – № 1801.07229. – 14 р. – http://arxiv.org/abs/1801.07229v1 (date of access: 10.06.2025).

5. Learning 3D Mineral Prospectivity from 3D Geological Models Using Convolutional Neural Networks / H. Deng [et al.]. – Text: electronic // arXiv. – 2021. – №2109.00756. – URL: http://arxiv.org/abs/2109.00756 (date of access: 10.06.2025).

6. Bloem H., Curtis A., Tetzlaff D. Introducing Conceptual Geological Information into Bayesian Tomographic Imaging. – Text: electronic // arXiv. – 2022. –

№ 2210.07892. – http://arxiv.org/abs/2210.07892 (date of access: 10.06.2025).

7. Вероятностно-статистическая оценка запасов и ресурсов по международной классификации SPE-PRMS / Р.С. Хисамов [и др.] // Георесурсы. – 2018. – Т. 20. – № 3. – Ч. 1. – C. 158-164. – https://doi.org/10.18599/grs.2018.3.158-164. – EDN: XZLFVZ

8. Zhang Yucheng, Liu Hao, Wang Zemin Probabilistic reservoir modeling under data scarcity: integration of seismic attributes and geostatistics // Journal of Petroleum Science and Engineering. – 2025. – V. 224. – Р. 112456.

9. Алтунин А.Е., Семухин М.В., Ядрышникова О.А. Вероятностные и нечеткие модели оценки неопределенностей и рисков при подсчете запасов углеводородов // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. – 2017. – Т. 3. – № 2. –

С. 85-99. – https://doi.org/10.21684/2411-7978-2017-3-2-85-99. – EDN: ZHDOMN

10. Емельянова И.М., Пороскун В.И. Суммирование вероятностных оценок ресурсов нефти и газа локальных объектов с учетом геологического риска // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2019. – № 2. – С. 30-38. – https://doi.org/10.30713/2413-5011-2019-2-30-38. –

EDN: VUXTEM

11. Семерикова И.И. Использование динамических характеристик продольных сейсмических волн для повышения разрешающей способности сейсморазведки // Горное эхо. – 2020. – № 4. – С. 75-80. – https://doi.org/10.7242/echo.2020.4.15. – EDN: DTYSYM