Resumen

Este estudio presenta un modelo inteligente basado en redes neuronales probabilísticas (PNN) para producir una formulación cuantitativa entre atributos sísmicos y unidades de flujo hidráulico (HFU). Las redes neuronales han sido utilizadas durante los últimos años para estimar las propiedades de reserva. Sin embargo, su aplicación para estimación de unidades de flujo hidráulico en un cubo de datos sísmicos es un tema importante de investigación. La metodología para esta aplicación está ilustrada a partir de datos tridimensionales y datos petrofísicos y de núcleo tomados en 6 pozos de las reservas de Kangan y Dalan, de la cuenca del Golfo Pérsico. La metodología introducida en este estudio estima las HFU de un gran volúmen de datos sísmicos tridimensionales. Esto podría incrementar los índices positivos de exploración y reducir los costos a través de una aplicación más confiable en resultados de producción para los programas de exploración en hidrocarbonos. Cuatro atributos sísmicos, obstrucción acústica, frecuencia dominante, fase de amplitud media y fase instantánea, son considerados en este trabajo como aportes claves para predecir los datos sísmicos de las HFU. La técnica propuesta ha sido evaluada exitosamente en una secuencia carbonada de rocas del Pérmicotriásico tomadas del área de estudio. Los resultados de este trabajo demuestran que hay concordancia entre la base de las PNN y las unidades derivadas de flujo. Las PNN utilizadas en este estudio son capaces de modelar unidades de flujo de datos sísmicos tridimensionales para los cuales no hay un centro de datos o una secuencia de datos disponible.

INTRODUCCIÓN

Entre las diversas técnicas geofísicas disponibles para la caracterización de yacimientos, los atributos sísmicos 3D han demostrado ser de los más útiles. Uno de los mayores puntos fuertes de los atributos sísmicos 3D es el muestreo denso y regular de datos sobre la región de interés, que proporciona imágenes que representan con precisión la extensión areal de las características de interés. Cuando los cambios de amplitud sísmica asociados a las características de interés no son perceptibles en las secciones verticales, los cortes horizontales de tiempo u horizonte a menudo producen patrones distintivos que son fácilmente reconocibles.

• Materias:Yacimientos minerales Redes neuronales (Computadores) Probabilidades - Procesamiento de datos Hidráulica
• Subjects:Mineral deposits Neural networks (Computer science) Probabilities - Data processing Hydraulics
• Palabras claves:Atributos sísmicos; Inversión sísmica; Indicador de zona de flujo; Índice de calidad del yacimiento; Unidad de flujo hidráulico; Redes neuronales probabilísticas
• Keywords:Seismic attributes; Seismic inversion; Flow zone indicator; Reservoir quality index; Hydraulic flow unit; Probabilistic neural networks