Спектральная инверсия, как инструмент динамического анализа сейсмического волнового поля

Мусралиев Арман Жарасович
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Целью работы является оценка применимости спектральной инверсии для динамической интерпретации сейсмических данных.
В ходе работы была осуществлена спектральная декомпозиция по двум алгоритмам (вейвлет-преобразование и спектральная инверсия) на модельных и реальных данных. Спектральная декомпозиция была выполнена с помощью языка программирования Python версии 3.7, в оболочке Jupyter. Результатами спектральной инверсии являются графики распределения амплитуд по отдельным гармоникам, частотные срезы, RGB-разрезы, а также срезы кубов коэффициентов аппроксимации (вейвлет-зависимых коэффициентов отражения). Выполнено сравнение двух алгоритмов вейвлет – анализа; спектральной инверсии и вейвлет-преобразования. Результаты спектральной инверсии позволяют более однозначно выделять в разрезе тонкие геологические объекты, палеоканалы, и конусы выноса, что является затруднительным при других методах спектральной декомпозиции.
Магистерская работа выполнена на 56 страницах, она включает в себя 29 иллюстраций, 2 таблицы. Структура работы представлена введением, тремя главами, заключением и списком литературы, который состоит из 17 литературных источников.

ВВЕДЕНИЕ ………………………………………………………………………………………………………….. 5
1 МЕТОДЫ СПЕКТРАЛЬНОЙ ДЕКОМПОЗИЦИИ …………………………………………….. 7
1.1 Преобразование Фурье ……………………………………………………………………………… 8
1.2 Вейвлет-преобразование………………………………………………………………………….. 11
1.3 Спектральная инверсия …………………………………………………………………………… 14
1.3.1 Требования к вейвлетам ……………………………………………………………………. 17
1.4 Визуализация результатов спектральной декомпозиции …………………………….. 19
2 ИССЛЕДОВАНИЕ АЛГОРИТМА СПЕКТРАЛЬНОЙ ИНВЕРСИИ НА
МОДЕЛЬНЫХ ДАННЫХ ……………………………………………………………………………………. 21
2.1 Моделирование волнового поля……………………………………………………………….. 21
2.2 Сопоставление амплитудных графиков и спектров вейвлет-преобразования и
спектральной инверсии …………………………………………………………………………………….. 23
2.3 Анализ информативности разрезов цветового смешивания (RGB)………………. 29
2.4 Использование коэффициентов отражения для повышения разрешающей
способности волнового поля……………………………………………………………………………… 32
3 ПРИМЕНЕНИЕ АЛГОРИТМА СПЕКТРАЛЬНОЙ ИНВЕРСИИ НА РЕАЛЬНЫХ
ДАННЫХ …………………………………………………………………………………………………………… 34
3.1 Геологическое описание района исследования ………………………………………….. 34
3.1.1 Литолого-стратиграфическая характеристика ……………………………………… 34
3.1.2 Тектоническое строение ……………………………………………………………………. 39
3.2 Описание сейсмических данных ………………………………………………………………. 42
3.3 Результаты спектральной инверсии на реальных данных …………………………… 44
ЗАКЛЮЧЕНИЕ …………………………………………………………………………………………………… 53
СПИСОК ЛИТЕРАТУРЫ: ……………………………………………………………………………………. 55

Информация о частотном составе сейсмических записей широко применяется
при динамической интерпретации волнового поля для решения разных задач:
прогнозирования мощности коллектора, анализа тонких геологических объектов, таких
как палеоканалы и рифовые постройки, оценки затухания сейсмического сигнала, а
также для возможного прогнозирования углеводородов по особенностям частотного
состава [1].
Магистерская работа посвящена применению спектральной инверсии в качестве
инструмента динамического анализа сейсмического волнового поля.
Актуальность данной работы связана с использованием новых методов
интерпретации сейсмического волнового поля, в частности, обоснование использования
спектральной инверсии, как инструмента динамического анализа в сравнении со
стандартными методами частотной декомпозиции.
Цель исследования: оценка применимости спектральной инверсии для
интерпретации сейсмических данных.
Выполнение поставленной цели предусматривает решение ряда задач, которые
связаны с используемой методикой спектральной декомпозиции:
– Изучения разных методов спектральной декомпозиции;
– Оценка возможностей спектральной инверсии на модельных данных;
– Оценка эффективности применения спектральной инверсии на реальных
данных.
Решение задач позволит оценить применимость метода спектральной инверсии
для интерпретации сейсмических данных.
Алгоритмы вейвлет-преобразования и спектральной инверсии реализованы на
языке программирования Python, поэтому его изучение являлось дополнительной
задачей.
Научная новизна связана с развитием метода спектральной инверсии для
динамического анализа сейсмических данных, а также сравнение его со стандартными
подходами к спектральной декомпозиции.
Практическая значимость исследования связана с изучением и апробацией
нового подхода к спектральной декомпозиции волнового поля, а также возможности его
применения на модельных и реальных сейсмических данных.
Работа выполнена в объеме 56 страниц, в структуре работы выделено
несколько этапов, которые последовательно раскрыты в текстовой части выпускной
квалификационной работы.
Работа выполнялась с использованием материалов, предоставленных ООО
«Газпромнефть-НТЦ», где автор проходил производственную практику и стажировку.
На основании имеющейся научной литературы рассмотрены основные методы
спектральной декомпозиции волнового поля. В работе изучены теоретические основы
методов, их преимущества и недостатки. Современные методы частотного анализа
насчитывают несколько подходов, которые разделены на три класса. Первым классом
являются алгоритмы связанные с преобразованием Фурье – непосредственно
преобразование Фурье и его оконный аналог. Второй класс методов связан с вейвлет-
анализом – этот метод носит название вейвлет-преобразование. Третий класс связан с
вейвлет-анализом, однако отличается реализацией – этот класс называется спектральная
инверсия.
Вторым этапом является создание трехмерной модели выклинивающегося
пласта переменной акустической жесткости, с помощью математического
моделирования на языке программирования Python. Модельное волновое поле изучалось
при помощи двух методов спектральной декомпозиции (вейвлет-преобразование и
спектральная инверсия), что позволит оценить возможности спектральной инверсии на
модельных данных.
Также опробованы различные методы визуализации результатов декомпозиции
(графики амплитуд для отдельных гармоник, частотные срезы кубов, RGB-
визуализация) для установления оптимального подхода к визуализации.

В рамках исследования были рассмотрены теоретические основы методов
спектральной декомпозиции: преобразование Фурье, оконное преобразование Фурье,
вейвлет-преобразование, а также спектральная инверсия.
 Преобразование Фурье имеет ряд ограничений, основным из них является
отсутствие возможности локализации спектра сигнала по времени.
 Оконное преобразование позволяет отчасти избавиться от этих
ограничений, однако на результат преобразования влияет размер выбранного
окна.
 Вейвлет-преобразование лишено всех этих ограничений, оно позволяет с
достаточной точностью локализовать спектр сигнала по времени.
 Спектральная инверсия как разновидность вейвлет – анализа позволяет за
счет использования библиотеки вейвлетов наиболее точно локализовать спектр
сигнала.

Выполнено тестирование алгоритма спектральной инверсии на модельных
данных в виде куба синтетического волнового поля.
Получены следующие основные выводы:
 Графики амплитуд, построенные на основе спектральной инверсии,
позволяют однозначно локализовать аномалии волнового поля, связанные с
интерференцией отраженных волн при уменьшении мощности
выклинивающегося пласта.
 Визуализация методом RGB-смешивания результатов спектральной
инверсии не является информативной с точки зрения цветовой дифференциации
выклинивающегося пласта.
 Результаты спектральной инверсии обеспечивают высокую степень
подобия между коэффициентами отражения, восстановленными по
сейсмической трассе с применением алгоритма спектральной инверсии, и
исходными коэффициентами, заданными для модели, что делает метод
спектральной инверсии информативным для определения этого коэффициента.
 Спектральная инверсия позволяет определить границы рефлекторов в
области минимальной временной мощности, а также получить новую
информацию для сейсмогеологического моделирования.
Выполнено тестирование алгоритма спектральной инверсии на реальных
сейсмических данных на месторождении в Ханты-Мансийском автономном округе).
Получены следующие оcновные выводы:
 При амплитудно-частотном анализе данных спектральная инверсия
показала, в целом, идентичный результат в сравнении с вейвлет-
преобразованием.
 Применение RGB визуализации результатов спектральной инверсии
является не эффективным, в виду худшей цветовой дифференциации в
сравнении с вейвлет-преобразованием, которое при данном методе
визуализации позволяет выделить конусы выноса.
 Полученные при спектральной инверсии коэффициенты отражения
позволяют детальнее картировать палеоканалы, которые составляют конусы
выноса в толще продуктивного интервала (ачимовские отложения
Черкашинской свиты). Использование этой характеристики позволяет
существенно повысить возможность определения геометрии выклинивающихся
пластов, палеорусел, каналов и других объектов, выделение которых при
стандартных подходах спектральной декомпозиции является затруднительным.

Мусралиев Арман Жарасович.
15.05.2020 г.

1.Буторин А.В. Сравнительный анализ методов спектральной инверсии
волнового поля на примере модельных трасс / А.В. Буторин, Ф.В. Краснов // Геофизика.
− 2016. − №4. – С. 68-76.
2.Буторин А.В. Изучение спектральных характеристик волнового поля на
примере модельных данных по результатам вейвлет-преобразования / А.В. Буторин //
Геофизика. − 2016. − №4. – С. 61-67.
3.БуторинА.В.,КрасновФ.В.,МихеенковА.В.Восстановление
коэффициентов отражения среды по сейсмическим данным при помощи методов
машинного обучения // Вестник Евразийской науки, 2018 №1.
4.Граничин О.Н. «Рандомизация измерений и L1 оптимизация», СПбГУ,
2009.
5.Краснов Ф.В., Буторин А.В., Михеенков А.В. Уточнение постановки
задачи поиска позиций и амплитуд коэффициентов отражения среды по сейсмической
трассе // Вестник Евразийской науки, 2018 №3.
6.Федоров, Д. Ю. Программирование на языке высокого уровня Python :
учеб. пособие для прикладного бакалавриата / Д. Ю. Федоров. — 2-е изд., перераб. и доп.
— М.: Издательство Юрайт, 2019. — 161 с.
7.Яковлев А.Н. Введение в вейвлет-преобразования / А.Н. Яковлев. –
Новосибирск. – изд. НГТУ. – 2003. – 104 с.
8.Butorin A.V. Application of wavelet spectral decomposition for geological
interpretation of seismic data / A.V. Butorin // Journal of Geological Resource and Engineering.
– 2016. – vol. 4. – №5. – p. 231-241.
9.Calazans M. Use of Color Blend of seismic attributes in the Exploration and
Production Development – Risk Reduction [Электронный ресурс] / M. Calazans, P. Jilinski.
// SEG New Orleans Annual Meeting. – 2015.
10.Chakraborty A.D. Okaya, Frequency-time decomposition of seismic data using
wavelet based methods / A.D. Chakraborty // Geophysics. – 1995. – vol. 60. – p. 1906-1916
11.Daubechies I. Ten lectures on wavelets / I. Daubechies. – Society for Industrial
and Applied Mathematics. – 1992. – 357 p.
12.Gabor D. Theory of communication / D. Gabor // Journal of the Institute of
Electrical Engineers. – 1946. – p. 429–457.
13.Mallat, S., and Z. Zhang, 1992, Matching pursuit with time-frequency
dictionaries: Technical Report 619, IEEE Transactions in Signal Processing, 41, 3397-3415.
14.Morlet J. Wave propagation and sampling theory – Part I: Complex signal and
scattering in multilayered media / J. Morlet, G. Arens, E. Fourgeau, D. Giard. // Geophysics. –
1982. – vol. 47. – p. 203–221.
15.Morlet J. Wave propagation and sampling theory—Part II: sampling theory and
complex waves / J. Morlet, G. Arens, E. Fourgeau, D. Giard. // Geophysics. – 1982. – vol. 47.
– p. 222-236.
16.McArdle N.J. Understanding seismic thin-bed responses using frequency
decomposition and RGB blending / N.J. McArdle, M.A. Ackers. // First break. – 2012. – vol.
30. – p. 57-65.
17.Polikar R. (пер.Грибунина В.Г.) Введение в вейвлет-преобразование // Iowa
State University – 2006. – .59 с.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Последние выполненные заказы

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Евгений А. доктор, профессор
    5 (154 отзыва)
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - ... Читать все
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - по социальной работе.
    #Кандидатские #Магистерские
    260 Выполненных работ
    Ольга Р. доктор, профессор
    4.2 (13 отзывов)
    Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласован... Читать все
    Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласованные сроки и при необходимости дорабатываются по рекомендациям научного руководителя (преподавателя). Буду рада плодотворному и взаимовыгодному сотрудничеству!!! К каждой работе подхожу индивидуально! Всегда готова по любому вопросу договориться с заказчиком! Все работы проверяю на антиплагиат.ру по умолчанию, если в заказе не стоит иное и если это заранее не обговорено!!!
    #Кандидатские #Магистерские
    21 Выполненная работа
    Анна Александровна Б. Воронежский государственный университет инженерных технол...
    4.8 (30 отзывов)
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственно... Читать все
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственном университете инженерных технологий.
    #Кандидатские #Магистерские
    66 Выполненных работ
    Юлия К. ЮУрГУ (НИУ), г. Челябинск 2017, Институт естественных и т...
    5 (49 отзывов)
    Образование: ЮУрГУ (НИУ), Лингвистический центр, 2016 г. - диплом переводчика с английского языка (дополнительное образование); ЮУрГУ (НИУ), г. Челябинск, 2017 г. - ин... Читать все
    Образование: ЮУрГУ (НИУ), Лингвистический центр, 2016 г. - диплом переводчика с английского языка (дополнительное образование); ЮУрГУ (НИУ), г. Челябинск, 2017 г. - институт естественных и точных наук, защита диплома бакалавра по направлению элементоорганической химии; СПХФУ (СПХФА), 2020 г. - кафедра химической технологии, регулирование обращения лекарственных средств на фармацевтическом рынке, защита магистерской диссертации. При выполнении заказов на связи, отвечаю на все вопросы. Индивидуальный подход к каждому. Напишите - и мы договоримся!
    #Кандидатские #Магистерские
    55 Выполненных работ
    Антон П. преподаватель, доцент
    4.8 (1033 отзыва)
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публик... Читать все
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публикуюсь, имею высокий индекс цитирования. Спикер.
    #Кандидатские #Магистерские
    1386 Выполненных работ
    Александр О. Спб государственный университет 1972, мат - мех, преподав...
    4.9 (66 отзывов)
    Читаю лекции и веду занятия со студентами по матанализу, линейной алгебре и теории вероятностей. Защитил кандидатскую диссертацию по качественной теории дифференциальн... Читать все
    Читаю лекции и веду занятия со студентами по матанализу, линейной алгебре и теории вероятностей. Защитил кандидатскую диссертацию по качественной теории дифференциальных уравнений. Умею быстро и четко выполнять сложные вычислительные работ
    #Кандидатские #Магистерские
    117 Выполненных работ
    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    user1250010 Омский государственный университет, 2010, преподаватель,...
    4 (15 отзывов)
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    #Кандидатские #Магистерские
    21 Выполненная работа
    Дарья Б. МГУ 2017, Журналистики, выпускник
    4.9 (35 отзывов)
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных ко... Читать все
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных компаниях, сейчас работаю редактором. Готова помогать вам с учёбой!
    #Кандидатские #Магистерские
    50 Выполненных работ

    Другие учебные работы по предмету

    Вызванная поляризация глины
    📅 2021год
    🏢 Санкт-Петербургский государственный университет
    Граптолиты ордовика бассейна р. Жданова (Восточный Таймыр)
    📅 2020год
    🏢 Санкт-Петербургский государственный университет