Uwzglêdnienie prêdkoœci DMO w konstrukcji modelu prêdkoœciowego w celu
poprawienia odzwierciedlenia budowy strukturalnej zapadliska przedkarpackiego
(na przyk³adzie zdjêcia sejsmicznego Rudka 3D)
Krzysztof Dzwinel*, Anna Haber*,**, Jolanta Raczyñska*,***
U¿ycie przy budowie modelu g³êbokoœciowego prêdkoœci sk³adania, prêdkoœci DMO, daje nam wiêcej informacji o rozk³adzie stref anomalnych prêdkoœci (zwi¹zanych zarówno ze stratygrafi¹ jak i zmianami facjalnymi), ni¿ informacje pochodz¹ce jedynie z otworów. Zadanie prêdkoœci na etapie standardowego processingu jest przede wszystkim zwi¹zane z jakoœci¹ sejsmiki w domenie czasu (ci¹g³oœci¹, si³¹ refleksu, redukcj¹ szumów, dobrym umiejscowieniem reflektora). Du¿a liczba punktów analiz prêdkoœci i ich usytuowanie w pobli¿u otworów daje mo¿liwoœæ kalibracji tych pomiarów danymi pomierzonymi bezpoœrednio w otworach, a to z kolei umo¿liwia bardziej obiektywn¹ (opart¹ na wynikach pomiarowych) konwersjê czasowo–g³êbokoœciow¹. Dodatkowo prawdopodobieñstwo wytypowania miejsc wystêpowania wêglowodorów zwiêkszaj¹ analizy atrybutów. Poni¿ej przedstawiono problem wykorzystania prêdkoœci DMO w rejonie zdjêcia sejsmicznego Rudka 3D.
S³owa kluczowe: prêdkoœci DMO, klasteryzacja, metryka Manhattan, kroskorelacja, z³o¿e Rudka, atrybuty sejsmiczne, rozk³ad normalny
Krzysztof Dzwinel, Anna Haber & Jolanta Raczyñska —DMO velocity as an aid in constructing velocity model for improving an
image of Carpathian Foredeep structures (survey Rudka 3D— SE Poland). Prz. Geol., 49: 445–447.
S u m m a r y. Stacking velocities (DMO velocities) were used in order to build a more accurate velocity–depth model. The previous approach based only on borehole data could not give any information on the distribution pattern of velocity anomaly zones (associated with stratigraphic and facies changes). This new information turned out to be valuable even though a basic primary function of stack-ing velocities is to improve the quality of seismic time section in terms of continuity, reflection strengths, noise attenuation and good (real) location of reflectors. A large number of velocity analysis points and their locations near boreholes enables to calibrate stacking velocities by comparing those obtained from direct measurements in boreholes. The results of performed measurements indicated that a time–depth conversion is more objective. In addition, the analysis of seismic attributes increases the probability of hydrocarbon loca-tion pinpointing. An example of using DMO velocities in the area of the Rudka 3D seismic project is presented.
Key words: DMO velocity, cluster analysis, Manhattan classifier, cross–correlation, gas field Rudka, seismic attributes, normal dis-tribution
Nowe badania sejsmiczne Rudka 3D, we wschodniej czêœci zapadliska przedkarpackiego, w rejonie zrêbu Ryszowej Woli (ryc. 1) wskazuj¹ na du¿¹ zmiennoœæ litolo-giczno–facjaln¹ w utworach miocenu (Krzywiec, 1999), szczególnie nad zrêbem, oraz na jego sk³onach. W utwo-rach tych wystêpuj¹ niewielkie, wielopoziomowe z³o¿a gazu. Dok³adne analizy strukturalne mog¹ przyczyniæ siê do wskazania nowych, interesuj¹cych pod wzglêdem poszukiwawczym miejsc (Filo & Kachlik, 2000).
Konwersja czasowo–g³êbokoœciowa jest jednym z pod-stawowych problemów interpretacji zdjêcia sejsmicznego (Fink, 1999, 2000). Metodyka pomiaru sejsmicznego stan-dardowo prowadzi do wyniku w domenie czasu, mimo operowania w trakcie processingu ró¿nymi formami prêdko-œci. Zadaniem prêdkoœci sumowania, NMO, czy te¿ DMO jest uzyskanie sekcji sejsmicznej o najkorzystniejszym sto-sunku sygna³u do szumu oraz w³aœciwego umiejscowienia granic refleksyjnych (eliminacji wp³ywu migracji na wynik zdjêcia sejsmicznego). Pomiary prêdkoœci in situ wykonywane w otworach wiertniczych, takie jak profilo-wania akustyczne, s¹ doœwiadczeniem fizycznym innym ni¿ pomiar sejsmiczny. Dla kalibracji pomiarów akustycz-nych z pomiarem sejsmicznym wykorzystuje siê pomiar prêdkoœci œrednich teoretycznie obarczony mniejszym b³êdem, o du¿ym podobieñstwie do pomiaru sejsmicznego
(odbicia od gr anic refleksyjnych zlokalizowanych w otwo-rze, podobny zakres czêstotliwoœciowy). W sumie dyspo-nujemy dwoma grupami prêdkoœci (soft data & hard data) (Lee & Xu, 2000);
prêdkoœci wykorzystywane w processingu
sejsmicz-nym, w punktach analiz prêdkoœci rozrzuconych doœæ gêsto na ca³ym zdjêciu 3D lub profilu sejsmicznym,
pomiary prêdkoœci w miejscu otworów
wiertni-czych, precyzyjne dla konwersji czasowo–g³êbokoœciowej lecz bardzo rzadko rozmieszczone na badanym obszarze (czêsto ca³kowity ich brak).
Na obszarze zdjêcia sejsmicznego Rudka 3D o powierzch-ni ok. 110 km2dysponujemy czteroma pomiarami
prêdko-œci œrednich i 118 punktami analiz prêdkoprêdko-œci z processingu. Budowa modelu w oparciu o cztery punkty pomiarowe, z zastosowaniem interpolacji i ekstrapolacji jest niedosta-teczna, chocia¿by z uwagi na koncentracje danych pomie-rzonych w rejonie zrêbu Ryszkowej Woli. Skomplikowana litostratygraficzna budowa miocenu oraz niejednokrotnie niejednoznaczna korelacja granic refleksyjnych powoduj¹, ¿e interpolacja strukturalna uwzglêdniaj¹ca kszta³t skore-lowanych horyzontów mo¿e byæ niewystarczaj¹ca. Wyko-rzystanie doœæ gêstej sieci punktów analiz prêdkoœci (1 punkt œrednio na 0,95 km2), mimo ich zupe³nie innego
zadania fizycznego umo¿liwia przeœledzenie miejsc o ano-malnych wartoœciach prêdkoœci i prowadzi do dok³adniej-szej transformacji czasowo–g³êbokoœciowej (ryc. 2, 3). Przed u¿yciem prêdkoœci DMO do transformacji nale¿y przeprowadziæ kalibracje danymi pomierzonymi w otwo-rach. W najprostszym przypadku jest to podzielenie naj-bli¿szych hodografów jednej i drugiej grupy prêdkoœci 445 Przegl¹d Geologiczny, vol. 49, nr 5, 2001
*Geofizyka Kraków Sp. z o. o. ul. £ukasiewicza 3, 31-429 Kraków; k.dzwinel@geofizyka.krakow.pl
**a.haber@geofizyka.krakow.pl ***j.raczynska@geofizyka.krakow.pl
i ich strukturalnej interpolacji i ekstrapolacji (Depth Team Express). Dla zbadania rozk³adów prêdkoœci DMO i oceny ich jakoœci oraz porównania z czterema danymi z otworów, wybrano metody kroskorelacji i klasteryzacji (ryc. 4) w aplikacji RAVE (Page, 1999). Opisana procedura
trans-formacji czasowo-g³êbokoœciowej pozwala na poprawne rozwi¹zanie problemu kszta³tu struktur (ryc. 5).
W celu weryfikacji stref prêdkoœci kompleksowych pos³u¿ono siê metodami klasyfikacji okna trasy sejsmicz-nej dla wybranego poziomu. Jedn¹ z bardziej intere-suj¹cych metod jest porównywanie okien miar¹ podobieñstwa Manhattan (ryc. 6, 7). Algorytm ten rozbija trasy sejsmiczne na zbiory, które mo¿emy przyporz¹dko-wywaæ ró¿nym strefom prêdkoœciowym. Wychodz¹c bowiem z modelu splotowego trasy sejsmicznej przy za³o¿eniach niskiego szumu, stacjonarnoœci czasowej i przestrzennej fali elementarnej, dodatkowo zak³adaj¹c mniejszy wp³yw zmian gêstoœci od zmian prêdkoœciowych i brak ostrych nieci¹g³oœci wzd³u¿ analizowanej formacji
446
Przegl¹d Geologiczny, vol. 49, nr 5, 2001
WARSZAWA
RZESZÓW
RUDKA 3D
Ryc. 1. Zr¹b Ryszowej Woli na obszarze zdjêcia 3D Fig. 1. The Ryszkowa Wola ridge on the 3D project area
Ryc. 2. Rozk³ad prêdkoœci DMO w wersji prêdkoœci
interwa³owych po kalibracji wzd³u¿ profilu sejsmicznego
Fig. 2. Distribution of interval velocity after calibration along
seismic line
Ryc. 3. Mapa skalibrowanych prêdkoœci DMO wzd³u¿ granicy
wewn¹trzmioceñskiej
Fig. 3. Distribution of DMO velocity for Miocen seismic reflector
(after calibration) 5.5715e+06 5.5715e+06 5.572e+06 5.572e+06 5.571e+06 5.571e+06 5.5705e+06 5.5705e+06 Vd m ot =6 00m s 5.57e+06 5.57e+06 5.5695e+06 5.5695e+06 5.569e+06 5.569e+06 5.5685e+06 5.5685e+06 5.568e+06 5.568e+06 5.5675e+06 5.5675e+06 5.567e+06 5.567e+06 5.5665e+06 5.5665e+06 Y Y 5.566e+06 5.566e+06 5.5655e+06 5.5655e+06 5.565e+06 5.565e+06 5.5645e+06 5.5645e+06 5.564e+06 5.564e+06 5.5635e+06 5.5635e+06 5.563e+06 5.563e+06 5.5625e+06 5.5625e+06 5.562e+06 5.562e+06 4.61e+06 4.61e+06 5.5615e+06 2140 2135 2130 2125 2120 2115 2110 2105 2100 2095 2090 2085 2080 2075 2070 2065 2060 2055 2050 2045 2035 2040 2025 2030 2020 2140 2135 2130 2125 2120 2115 2110 2105 2100 2095 2090 2085 2080 2075 2070 2065 2060 2055 2050 2045 2035 2040 2025 2030 2020 a b
4.612e+064.614e+064.616e+06x 4.618e+06 4.62e+064.622e+06 4.612e+064.614e+06 4.616e+06x 4.618e+06 4.62e+064.622e+06
5 grup analiz prêdkoœci DMO po klasteryzacji
5 different sets of DMO after cluster analysis
N N
Ryc. 4. Klasteryzacja hodografów prêdkoœci DMO: a) w oknie
horyzontu mioceñskiego; b) w pe³nym zakresie czasowym
Fig. 4. Cluster analysis of DMO velocity hodographs: a) in
miocen horizon window; b) in full range of time
Œrednia Minimum Maksimum Kwartyl 1 Kwartyl 3 Skoœnoœæ Sp³aszczenie
Rudka–4 0,000263 – 0,24133 0,21824 – 0,01131 0,01117 – 0,208481 21,05346 Rudka–8 0,000878 – 0,18105 0,32609 – 0,01228 0,01216 1,923114 22,69371 Rudka–10 0,000526 – 0,22446 0,30747 – 0,00990 0,01051 1,962229 46,25461 Piskorowice–2 0,000976 – 0,16612 0,22521 – 0,01367 0,01418 0,979098 12,69087 Dobra–5 0,000518 – 0,14533 0,23538 – 0,01087 0,01205 0,431149 12,68258 Pakos³aw–2 0,001096 – 0,29220 0,19022 – 0,01548 0,01935 – 0,636659 7,59614 Pakos³aw–4 0,000744 – 0,20011 0,18897 – 0,01355 0,15310 – 0,508032 6,34461 Tab. 1. Tabela parametrów rozk³adu wspó³czynników RC dla miocenu z rejonu RUDKA 3D i przyk³adowych wspó³czynników RC monokliny przedsudeckiej
Table. 1. Histograms reflection coefficients for Miocen of the region Rudka 3D and stratigraphic units of the Fore–Sudetic Monocline
mioceñskiej, algorytm ten klasteryzuje pole prêdkoœci roz-wa¿anego okna czasowego. Jest to dodatkowa mo¿liwoœæ analizy informacji sejsmicznej zawartej w interwale czaso-wym wokó³ interesuj¹cego poziomu mioceñskiego. Algorytm ten nie wyodrêbnia oddzielnych atrybutów sejsmicznych (Raczyñska i in., 2000) z bramki analizowanego okna (takich jak, np.: average; peak, trough lub absolute amplitu-de, maximum peak amplituamplitu-de, kurtosis in amplituamplitu-de, average reflection strength, slope of instantaneous frequency, effec-tive bandwidth, average zero crossing response frequency, energy half–time, number of peaks, perigram ´ cosine of phase itd.), lecz na podstawie ca³ej bramki tworzy synte-tyczn¹ mapê wydzielaj¹c¹ obszary o podobnych zapisach sejsmicznych.
Trudnoœci poszukiwawcze w basenie trzeciorzêdowym zapadliska przedkarpackiego s¹ zwi¹zane miêdzy innymi z wykszta³ceniem utworów miocenu, w których wspó³czyn-niki odbicia maj¹ rozk³ad bliski normalnemu o wysokim
stopniu sp³aszczenia (kurtosis; tab. 1). Zapa-dlisko przedkarpackie jest rejonem
wystê-powania wielu znanych z³ó¿
wêglowodorów. Przy u¿yciu dok³adnych, wieloaspektowych i kompleksowych badañ geofizycznych stopieñ ich rozpoznania, jak równie¿ mo¿liwoœci odkrycia nowych z³ó¿ mog¹ siê znacznie zwiêkszyæ.
Znaki zastrze¿one: Depth Team Express i Rave
przez Landmark A Haliburton Company.
Literatura
FILO M. & KACHLIK J. 2000— Opracowanie wyników badañ sej-smicznych temat: Rudka 3D. — XI.Arch. Geonafta — Warszawa. FINK L. 1999/2000 — Some Fundamentals of Depth Conversion — Part 1 & Part 2 — User Net The Technical Newsletter for Landmark Users; 07/08/09.1999; 1–8; 01/02/03.2000: 16–23.
LEE W. B. & XU W. 2000 — 3D geostatistical velocity modeling: Salt imaging in geopressured environment — The Leading Edge I, 19: 32–36.
PAGE A. 1999 — Using RAVE to Augment Depth Team Workflows — User-Net The Technical Newsletter for Landmark Users; 10/11/12.1999: 6–16. KRZYWIEC P. 1999 — Mioceñska ewolucja tektoniczna wschodniej czêœci zapadliska przedkarpackiego (Przemyœl–Lubaczów) w œwietle interpretacji danych sejsmicznych. Analiza basenu trzeciorzêdowego Przedkarpacia. Pr. Pañstw. Inst. Geol., 168: 249–276.
RACZYÑSKA J., HABER A. & DZWINEL K. 2000 — Wykorzystanie aplikacji RAVE systemu Open Works w interpretacji atrybutów sej-smicznych. — Spotkanie u¿ytkowników stacji interpretacyjnych Land-marka — 4–6.X.2000.
RACZYÑSKA J., HABER A. & DZWINEL K. 2000 — Nowe ele-menty w interpretacji atrybutów sejsmicznych na przyk³adzie wybra-nych zdjêæ sejsmiczwybra-nych 3D rejonu przedgórza Karpat — Konferencja naukowo-techniczna GEOPETROL 2000. 25–28.09.2000.
447 Przegl¹d Geologiczny, vol. 49, nr 5, 2001
Ryc. 6. Klasyfikacja sygna³u sejsmicznego dla granicy mioceñskiej
miar¹ podobieñstwa Manhattan
Fig. 6. Wavelet classification for miocen seismic reflector using
the Manhattan classifier
Ryc. 7. Obszary podobieñstwa sygna³u sejsmicznego dla granicy
mioceñskiej (± 20 ms)
Fig. 7. The area of seismic wavelet similarity for miocen reflector
(± 20 ms)
¬
Ryc. 5. Wynik transformacji
czasowo-g³êboko-œciowej