Физика Земли, 2023, № 4, стр. 163-174

ВВЕДЕНИЕ

Традиционным способом получения геолого-геофизической информации при поиске и разведке нефтегазовых месторождений является сейсморазведка. Она позволяет извлекать из сейсмических записей информацию о строение глубинного разреза, тектонической структуре и составе горных пород. Сейсморазведка нацелена на выделение горизонтально протяженных границ – непроницаемых покрышек и благоприятных для нефтегазонакопления куполовидных структур-ловушек. Однако идентификация углеводородов в целевом резервуаре это отдельная непростая задача, так как далеко не все структурные ловушки содержат углеводороды, а также имеются другие типы ловушек, трудно выделяемых при сейсморазведке – тектонические, литологические, стратиграфические [Юрова, Исаева, 2019]. Чтобы повысить эффективность поисково-разведочного бурения, стандартную сейсморазведку комплексируют с другими геофизическими методами – гравиразведкой, электроразведкой, электромагнитным зондированием. Также используют дополнительные сейсмические методы. Например, AVO-атрибуты, рассчитанные на базе совместного анализа продольных, поперечных и обменных волн [Fawad et al., 2020]. Такой подход позволяет получить много дополнительной информации о геологическом разрезе, однако расчет AVO-атрибутов требует большой вычислительной мощности компьютеров и накладывает дополнительные жесткие требования на методы сбора и обработки сейсмической информации.

Используются и другие сейсмические атрибуты, например, связанные с низкочастотными аномалиями, обнаруженными при проведении сейсморазведочных работ [Арутюнов и др., 1995; Алексеев и др., 2001; Goloshubin et al., 2002; 2006; Castagna et al., 2003]. Существуют два типа таких аномалий. Первый тип характеризуется высокоамплитудной компонентой на частотах 10–20 Гц, время прихода которой совпадает со временем прихода отражения продольных волн от кровли пласта-коллектора. Для второго типа аномалий характерна большая задержка низкочастотной компоненты во времени относительно отражения. Задержка может составлять десятки и сотни миллисекунд. Анализ лабораторных и полевых данных позволил сделать заключение о том, что увеличение времени пробега и амплитуды низкочастотной составляющей в отраженной волне могут быть следствием сильного затухания продольных волн при распространении внутри флюидонасыщенных тонких слоев [Korneev et al., 2004]. Большая задержка по времени низкочастотной компоненты может объясняться также возникновением медленных обменных волн внутри пористых слоев [Голошубин, Чабышова, 2015]. Дополнительная отражательная способность пористых пород с многофазным флюидосодержанием может значительно увеличивать амплитуду отражений углеводородных коллекторов по сравнению с полностью водонасыщенными [Quintal et al., 2009].

Низкочастотные аномалии над залежами углеводородов были выявлены и по записям сейсмического фона, что стимулировало разработку новых технологий пассивного сейсмического мониторинга. В разных работах величина характерных для залежи частот варьируется, но обычно лежит внутри интервала 1–10 Гц. Положение максимумов слабо зависит от пластового давления, но зависит от типа насыщения коллектора нефть/газ [Перспективный…, 2014]. В качестве возможных механизмов генерации предложена капельно-пузырьковая модель, связанная с процессами образования и исчезновения газовых пузырьков и конденсатных капель на стенках пор, что сопровождается кавитацией и индуцированной акустической и электромагнитной эмиссией [Сунцов, Графов, 2010; Лукин, 2014]. Также в качестве объяснения предложены резонансные эффекты, в частности связанные с блочно-иерархическим строением среды и осцилляциями на границе нефть–вода [Dimon et al., 1988; Курленя, Сердюков, 1999; Алексеев и др., 2007; Бережной и др., 2008; Терехов и др., 2010]. Существуют и гидродинамические модели генерации низкочастотной составляющей сейсмического фона над залежью. Гидродинамика частично насыщенных пористых сред находится в стадии разработки, но для анализа акустических эффектов в углеводородном коллекторе оказываются полезны простые модели, в частности модель чередующихся твердых и жидких слоев в упругой среде [Крауклис, Крауклис, 2001]. Такая модель описывает возникновение медленных волн, которые экспоненциально затухают при удалении от слоя. Но так как длина реальных коллекторов конечна, то медленная волна при дифракции на торцах создает низкочастотное поле вне коллектора. Для гипотетического коллектора в виде слоя длиной 40 м и толщиной 0.5 м резонансная частота равна 3 Гц. Если толщина пачки слоев с разным типом насыщения существенно меньше длины волны, то затухание низкочастотного излучения будет малым даже при сильном поглощении объемных волн внутри материала заполнителя [Крауклис, Крауклис, 2001]. Так что медленная волна Крауклиса – один из возможных механизмов низкочастотной аномалии.

Несмотря на отсутствие общепризнанной модели генерации углеводородной залежью инфразвуковых сигналов, на базе эффекта разработано несколько технологий идентификации углеводородной насыщенности пород, которые были успешно опробованы на месторождениях различного типа, расположенных по всему миру [Графов и др., 1998; Ведерников и др., 2001; Holzner et al., 2005; Lambert et al., 2009; Saenger et al., 2009; Rode et al., 2010; Makhous et al., 2009]. Обычно в качестве детектора используются спектральные атрибуты, рассчитанные в окрестностях частоты, выбранной внутри интервала 1-10 Гц. В качестве простых атрибутов используются энергетические аномалии вертикальной компоненты, пики спектрального отношения между вертикальной и горизонтальной компонентой, частотные сдвиги доминирующих спектральных пиков горизонтальных и вертикальных компонент [Lambert et al., 2009; Saenger et al., 2009]. В работах [Rode et al., 2010; Makhous et al., 2009] приведены результаты использования более сложного, но высокоэффективного индикатора нефте(газо)насыщенности, который рассчитывается с помощью специального нелинейного корреляционного фильтра. Идея алгоритма основана на том, что углеводородный коллектор как многофлюидная система в пористой среде имеет нелинейную передаточную характеристику для акустических волн. Инфразвуковый сигнал возбуждается внешним искусственным или естественным полем упругих колебаний при взаимодействии с углеводородами, заключенными в пористом коллекторе, где происходит нелинейное преобразования энергии внешнего воздействия в инфразвуковый сигнал. Частоты конверсионного сигнала имеют схожую временную динамику. Они смещены вниз по спектру по сравнению с исходным сигналом, но их можно выделить по высокой корреляции спектральных пиков и оценить энергетическую долю коррелированных составляющих в общей энергии сейсмического фона. Линейная зависимость такого индикатора от толщины продуктивной зоны подтверждена экспериментально [Rode et al., 2010; Makhous et al., 2009].

В данной работе для оценки эффективной продуктивной толщины залежи углеводородов также используются записи сейсмического фона, но наши алгоритмы построены на других физических принципах. Целью работы является проверка гипотезы о возможности выявления нефтенасыщения горных пород по оценке локальной неравновесности их состояния. Экспериментально установлено, что горные породы являются структурированной многомасштабной блочной средой [Садовский и др., 1987; Мухамедиев, 2016; Леонов и др., 2020], что обуславливает их тензочувствительность и акустическую нелинейность даже при умеренных динамических воздействиях [Проблемы …, 1987; Лукк и др., 1996; Авсюк, 1996; Зайцев, 2007; Адушкин Опарин 2012]. В работах [Турунтаев, Мельчаева, 2010; Турунтаев и др., 2012] с использованием методов нелинейной динамики было показано, что различного рода воздействия на среду (вибратор, источник электромагнитного поля, закачка и отбор жидкости на нефтяном и геотермальном месторождении) в различных регионах приводит к возрастанию “упорядоченности” сейсмического режима и формированию устойчивых состояний, характеризующихся конечным значением фрактальной размерности. Это отражает значимый рост неравновесности состояния среды при воздействии небольшой интенсивности. Для наших исследований важен факт высокой тензочувствительности нефтяной залежи и связь изменения сейсмического режима с активизацией глубинных гидродинамических процессов при отборе и закачки жидкости. Нефтяная залежь является ярко выраженной аномалией не только сейсмических, но и других различных видов физических полей – геохимических, температурных, барических, электрических и эманационных [Кудрявцев, 1973; Pirson, 1981; Makhous et al., 2009; Напреев, 2010; Валяев Б.М., 2011; Shaidurov et al., 2018; Кукуруза, 2019]. Это свидетельствует о большой активности разнообразных эндогенных процессов внутри залежи и в ее окрестностях, в том числе о возможности перекрестных процессов с перераспределением в сейсмическое волновое поле энергии других физических полей. В связи с этим можно предполагать, что по измерениям сейсмического фона на поверхности нефте(газо)насыщенный коллектор проявится как аномалия неравновесности состояния природного массива, как зона существенного увеличения упорядоченности сейсмических колебаний. Для количественной оценки степени упорядоченности фоновых колебаний мы использовали ранее предложенный метод диссипативной сейсмики – термодинамический индикатор состояния геологической среды [Chebotareva, Volodin, 2010; 2011; Чеботарева, Дмитриевский, 2020]. Алгоритм расчета термодинамического индикатора по экспериментальным данным базируется на S-теореме Климонтовича [Климонтович, 1995].

ПРИМЕРЫ ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ ТЕРМОДИНАМИЧЕСКОГО ИНДИКАТОРА

Термодинамический индикатор состояния геологической среды (TI) позволяет по записям сейсмического фона на поверхности оценивать локальную степень упорядоченности сейсмических колебаний. Экспериментально установлена его высокая чувствительность при оценке неравновесности среды. При этом контроль состояния среды возможен как во времени, так и по пространственным координатам. В спокойном состоянии термодинамический индикатор флуктуирует около постоянного значения, которое можно назвать “нормой неравновесности” или “нормой упорядоченности/хаотичности” в соответствии с терминологией работы [Климонтович, 1998]. Эксперимент показывает, что норма упорядоченности сейсмического фона является локальной мерой и может существенно изменяться при смещении точки наблюдения по поверхности.

На рис. 1а показана эволюция термодинамического индикатора во времени при подготовке сильного иранского землетрясения магнитудой 6.3, которое произошло 07.05.1999 г. на расстоянии 100 км от точки непрерывной регистрации сейсмического фона [Chebotareva, Volodin, 2010]. Полоса частот регистрации 1–25 Гц. В течение 100 суток было зарегистрировано большое число землетрясений, что свидетельствует о высокой степени неравновесности среды. Время наиболее сильных событий с M > 4 помечено вдоль оси времени на рис. 1а. Уменьшение значений термодинамического индикатора на рис. 1 говорит об увеличении неравновесности состояния горных пород, о росте упорядоченности режима сейсмического фона. Легко заметить, что на времени сильных землетрясений в эволюции термодинамического индикатора выявляются интервалы существенного увеличения степени упорядоченности фоновых колебаний – окна упорядоченности длительностью 10–12 дней. На времени самого сильного землетрясения происходит резкий всплеск значений TI, свидетельствующий о лавинном росте упорядоченности колебаний. Согласно теории в работе [Климонтович, 1995] рост упорядоченности фоновых колебаний может быть связан с образованием структур, с процессом самоорганизации. При использовании термодинамического индикатора аналогичные окна упорядоченности наблюдались при разрушении пород на разных масштабных уровнях - при мониторинге гидроразрыва пласта на месторождении углеводородов и при проведении физического моделирования с трехосным нагружением образцов керна. С уменьшением энергии события уменьшается длительность окна упорядоченности [Chebotareva et al., 2017; Чеботарева, Дмитриевский, 2020]. То, что эффект наблюдается по записям сейсмического фона, сделанным на большом удалении от очагов землетрясений, можно объяснить появлением длинных пространственных корреляций, возникающих в сложных нелинейных системах при приближении к критическому состоянию. Подобная эволюция дефектной структуры с переходом на все более высокие масштабные уровни до состояния, когда материал исчерпывает все имеющиеся возможности сопротивления разрушению, экспериментально наблюдается, в частности, на образцах гранита [Гиляров, 2005; Гиляров и др., 2010]. Сравнение показанных на рис. 1а эволюционных кривых для термодинамического индикатора TI и энтропии Больцмана ∆S подтверждает, что именно TI является корректной мерой неравновесности состояния горных пород. Никаких особых аномалий по графику энтропии Больцмана не выявляется.

На рис. 1б показано изменение локальной “нормы упорядоченности” фоновых колебаний по профилю, проходящему через грязевой вулкан горы Карабетова, Тамань, Северный Кавказ [Chebotareva, Volodin, 2011]. Диапазон частот 0.4–10 Гц. Известно, что под вершиной вулкана на глубинах 0.8–1.5 и 4.5–9 км расположены грязевулканические камеры. Они имеют каналы выхода к поверхности. Как видно из формы кривой, термодинамический индикатор четко указывает положение грязевулканических камер. Грязевой вулканизм связан с притоком углеводородных газов, поднимающихся по глубинным разломам и зонам повышенной проницаемости. Его ареал коррелирует с положением крупных нефтегазоносных бассейнов [Павлинова, Шахова, 2016]. В работе [Гулиев и др., 2020] с использованием геологических и 3D-сейсморазведочных данных обоснован вывод о том, что формирования грязевого вулканизма и нефтегазовых месторождений парагенетически связаны и синхронны во времени и пространстве. То, что термодинамический индикатор позволяет выявить наличие грязевой камеры и правильно ее локализовать, является серьезным основанием для попытки дистанционного выявления углеводородного насыщения коллектора на территории месторождения и оценки его параметров.

МЕТОД

Известно, что энтропия является макроскопической функцией, которая описывает насколько близко динамическая система находится к полностью хаотическому, однородному состоянию, или, наоборот, к упорядоченному, структурированному состоянию. Важный вклад в понимании физического смысла энтропии принадлежит Больцману. Он доказал H-теорему, в которой сформулировано, что “в процессе эволюции в замкнутой системе к равновесному состоянию энтропия системы возрастает и остается неизменной при достижении равновесного состояния” [Климонтович, 1995]. Если F₀(x) и F(x, t) – функции распределения равновесного и неравновесного состояния, то мерой неравновесности состояния F(x, t) (мерой относительной степени хаотичности/упорядоченности состояния) является разность энтропий Больцмана–Гиббса:

При этом в замкнутой системе в процессе временной эволюции сохраняется средняя энергия системы. Для открытых систем ни энергия, ни средняя энергия не сохраняются. В таких системах возможны стационарные неравновесные состояния. В зависимости от управляющего параметра в процессе эволюции может возрастать как степень упорядоченности, так и степень хаотизации состояния. По аналогии с H-теоремой Больцмана Ю.Л. Климонтович сформулировал свою S-теорему. Она сводится к следующему. Чтобы получить количественную оценку относительной степени упорядоченности двух выделенных состояний надо по описанному в теореме алгоритму сначала определить наиболее хаотичное из этих состояний. Затем перенормировать функцию распределения вероятности этого состояния так, чтобы выровнять средние значения эффективных энергий $\left\langle {{{H}_{{eff}}}} \right\rangle $ для двух сравниваемых состояний. Перенормировка производится за счет изменения эффективной температуры в функции распределения в форме канонического распределения Гиббса. Для открытых систем количественной мерой относительной степени хаотичности состояния является энтропия Климонтовича:

где $F_{0}^{*}$ – перенормированная функция наиболее хаотичного из двух состояний. Подробно все детали S-теоремы Климонтовича и связанные с ней проблемы изложены в книге [Климонтович, 1995]. Там же приведены рекомендации автора по адаптации алгоритма теоремы к анализу временных рядов различной природы. Подробности использованного в данной статье алгоритма обработки экспериментальных данных можно найти в работах [Chebotareva, Volodin, 2011; Чеботарева, Дмитриевский, 2020; Климонтович,1989].

ДАННЫЕ

В данной работе были проанализированы полевые данные и геофизическая информация, предоставленные Marmot Passive Monitoring Technologies SA. Работы проводились на месторождении углеводородов в Объединенных Арабских Эмиратах с использованием высокочувствительных широкополосных сейсмометров Marmot Signal Converter. Частота опроса 100 sps, чувствительность сейсмометров 30 000 В с/м. В качестве оценки локальной продуктивности использовался параметр NPZ (Net Pay Zone). Он оценивался следующим образом. По данным стандартного каротажа в выбранных скважинах выделялись продуктивные интервалы. Затем рассчитывался параметр NPZ как суммарная толщина продуктивных интервалов. Эти данные компания-оператор передавала для дальнейшего анализа геофизической группе, проводившей исследования.

Участок проведения работ находился в труднодоступной части пустыни Руб-Эль-Хали с мягкими дюнами на поверхности высотой до 20 м. Продуктивный коллектор представлен пористыми карбонатными породами, глубина кровли нефтенасыщенного горизонта примерно 2.1 км. Так как удаленность от асфальтированных дорог составляла 220 км, цивилизационный шум был минимальным. При проведении измерений двигатели автомобилей и системы кондиционирования по возможности выключались. Избегалась любая активность, чтобы свести к минимуму влияние шума на сейсмические записи. Работы проводились на разных площадках, в несколько этапов, в разные годы. В данной работе анализировался набор из 8 записей сейсмического фона. Семь точек регистрации располагались непосредственно над продуктивными залежами, при испытании близ расположенные скважины дали притоки нефти. Одна точка регистрации располагалась вблизи “сухой” скважины. Схема расположения скважин показана на рис. 2в. Все скважины, кроме Qw-11, были пробурены до проведения сейсмических измерений, исследованы и заглушены после испытаний. Однако информация о продуктивности скважин предоставлялась оператором только после получения результатов геофизических работ.

В окрестностях профиля Qw-5–Qw-7 была проведена “слепая” съемка. Цель работ состояла в том, чтобы определить границу залежи углеводородов и оценить распределение толщин продуктивной зоны в виде распределения по площади значений акустического индикатора, рассчитанного по записям сейсмического фона (желтая заливка на рис. 1а). Измерения повторялись трижды со сдвигом во времени на несколько месяцев. Была обнаружена высокая стабильность результатов. Также анализ данных показал высокую степень совпадения результатов каротажа, предоставленных оператором, и полученных по данным пассивной сейсмики. Была выявлена линейная зависимость между параметром продуктивности NPZ и значениями акустического индикатора, рассчитанного с использованием корреляционного фильтра [Rode et al., 2010]. О точности результатов можно судить по следующему факту. По просьбе компании-оператора были сделаны дополнительные измерения на части профиля между скважинами Qw-2 и Qw-7 для уточнения наиболее перспективной точки бурения для скважины Qw-11 и предварительной теоретической оценки продуктивности NPZ для этой скважины. Различия в результатах каротажа после бурения и полученных по данным пассивной сейсмики составили всего 4.5%. Это показывает степень точности соответствия реальных данных и результатов работ по пассивной сейсмике. Записи сейсмического фона вблизи скважины Qw-11 получены спустя 5 мес., после измерений около остальных скважин на профиле QW-5–QW-7. Для остальных скважин профиля даты измерений укладываются в двухнедельный интервал.

“Сухая” скважина BH1 расположена на соседней площадке, рис. 2б, где работы по пассивной сейсмике проводились позднее. Разведочный объект представлен куполом с 4-х сторонним падением, разграниченным системой разломов, показанной на рисунке. Распределение параметра продуктивности NPZ на схеме рис. 2б рассчитано с использованием регрессионных параметров, полученных для площадки рис. 2а. Скважина BH-1 расположена на значительном удалении от купола, на краю исследованной площадки.

Согласно цветовой шкале в точке расположения скважины BH-1 значения суммарной толщины продуктивной зоны по углеводородам минимальны. При испытаниях в скважине не были выделены продуктивные интервалы и не был получен приток нефти. Это является основанием для предположения, что скважина BH-1 находится за пределами границ залежи на площадке рис. 2б. Восьмая скважина HB-1 расположена к северу от площадок рис. 2а и рис. 2б. Скважины HB-1, BH-1 и QW-7 примерно одинаково удалены друг от друга. Регистрация сейсмического фона около скважины HB1 проводилась спустя 19 мес. после измерений около скважин на профиле QW-5–QW-7. К моменту проведения измерений скважина HB-1 не эксплуатировалась и была заглушена.

ЭКСПЕРИМЕНТАЛЬНЫЕ РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ

Регистрация сейсмического фона во всех точках проводилась в разные дни. Известно, что в сейсмическом фоне в диапазоне 0.4–0.06 Гц доминируют микросейсмы, связанные с штормовой активностью [Аки, Ричардс, 1983]. В зависимости от погодных условий амплитуда этой составляющей фона может быстро возрастать более чем на порядок. Для устранения влияния неконтролируемого фактора низкочастотная составляющая сейсмического фона ниже 1 Гц подавлялась с использованием фильтра Баттерворта. Функция распределения рассчитывалась по мгновенным амплитудам фоновых колебаний как оценка спектра мощности с помощью быстрого преобразования Фурье [Chebotareva, Volodin, 2011; Чеботарева, Дмитриевский, 2020]. Использование такой функции распределения при работе с экспериментальными данными мотивируется тем, что спектр мощности колебаний является оценкой распределения полной энергии колебаний по частоте [Климонтович, 1995]. Для уменьшения статистического разброса при вычислении спектров применялось оконное взвешивание во временной области и усреднение по трем соседним окнам с перекрытием на половину окна [Марпл, 1990]. Усреднение спектров позволяет существенно уменьшить разброс оценки TI. На рис. 3 приведены примеры зависимости спектров от частоты для различных точек наблюдения и частотно-временное представление спектра для одной из точек наблюдения. Несмотря на большую удаленность территории проведения работ от центров цивилизации, пример спектра сейсмического фона на рис. 3б показывает, что на записях может появляться дополнительный природный или техногенный шум. Чтобы избежать влияния высокоамплитудного сейсмических помех на результат, на всех записях были выбраны участки с наименьшим шумом длительностью 800 с.

При расчете термодинамического индикатора для каждой i – точки регистрации рассчитывались в скользящем окне T спектры ${{P}_{i}}(f,t)$. Затем по алгоритму S-теоремы Климонтовича по записи в каждой точке наблюдения выбирался интервал с наиболее хаотичным спектром ${{P}_{i}}(f,t_{i}^{*})$. После этого, аналогичным образом среди спектров ${{P}_{i}}(f,t_{i}^{*})$ выбирался наиболее хаотичный спектр ${{P}_{0}}(f)$. Функция ${{F}_{0}}(f) = {{P}_{0}}(f)$ является функцией распределения наиболее хаотичного состояния, относительно которого производится расчет энтропии $\Delta S_{i}^{*}(t)$ для всех остальных значений ${{P}_{i}}(f,t)$. Термодинамический индикатор в каждой точке регистрации расcчитывался как $T{{I}_{i}} = {\text{median(}}\Delta S_{i}^{*}(t){\text{)}}$. Статистический разброс определялся как средние абсолютные отклонения в большую и меньшую сторону от медианы.

Визуальный анализ спектров на рис. 3а не позволяет сформулировать простое правило, по которому на основании положения максимумов частотного спектра и их амплитуд можно отличить “сухую” скважину от продуктивных. Это, вероятно, объясняется тем, что связанный с нефтенасышенностью пород глубинный инфразвуковый сигнал у поверхности сильно ослаблен и маскируется другими составляющими сейсмического фона. Однако использование термодинамического индикатора позволяет провести классификацию скважин по степени продуктивности. На рис. 4а показаны значения термодинамического индикатора при расчете в диапазоне частот 1–6 Гц для “сухой” скважины BH1 и для пяти скважин с почти одновременной регистрацией. Значения TI монотонно изменяются с ростом параметра локальной продуктивности NPZ и зависимость близка к линейной. В то же время энтропия Больцмана ∆S показывает очень слабую и немонотонную зависимость от NPZ, рис. 4б. Графики TI(NPZ) рассчитывались в различных частотных диапазонах. Оказалось, что при расширении диапазона линейная ассоциация TI и NPZ быстро разрушается. На рис. 4в показана зависимость TI(NPZ), рассчитанная в диапазоне частот 1–15 Гц. Из проведенных результатов следует, что в фоновом состоянии на данном месторождении углеводородов продуктивные зоны коллектора являются источниками эмиссионного излучения в диапазоне менее 6–8 Гц. Это не исключает того, что при дополнительном внешнем воздействии может возникать эмиссия и на более высоких частотах.

Была проанализирована устойчивость зависимости TI(NPZ) от величины скользящего временного окна T. Результаты показаны на рис. 5. С одной стороны, уменьшение временного окна увеличивает длину выборки $\Delta S_{i}^{*}(t)$, что должно способствовать повышению точности оценки $T{{I}_{i}} = {\text{median(}}\Delta S_{i}^{*}(t){\text{)}}$. С другой стороны, увеличение временного окна повышает детальность частотного спектра, то есть позволяет лучше различать близкие по степени упорядоченности состояния. Оказалось, что влияние второго фактора более существенно. При увеличении временного окна от 5.12 до 40.96 с монотонная зависимость TI(NPZ) стабилизируется только при Т = 20.48 и Т = 40.96 с.

Пример спектра мощности сейсмического фона на рис. 3б показывает, что, несмотря на предпринятые усилия по устранению источников поверхностного шума, иногда на записях может появляться высокоамплитудная помеха. Низкочастотное излучение нефтенасыщенных пород является лишь слабой составляющей сейсмического фона на поверхности. Но именно этот глубинный сигнал несет основную информацию о динамике процессов, связанных с нефтенасыщеностью коллектора. Сейсмический шум (помеха) в точке измерения нестационарен и по мощности, и по частотному составу. Отсюда возникает идея того, как увеличить отношение сигнал/помеха для слабого эндогенного полезного сигнала. Для этого надо сначала рассчитать в скользящем окне частотно-временное спектральное представление сейсмического фона ${{P}_{i}}(f,t)$, (рис. 3б). Затем для каждой частоты выбрать минимальное значение мощности спектра и сформировать таким образом для каждой точки наблюдения минимальный спектр ${{\tilde {P}}_{i}}\left( f \right)$. Эту оценку спектра мощности можно использовать для расчета локальной неравновесности пород. На рис. 6 показаны зависимости термодинамического индикатора TI от параметра продуктивности NPZ для всех скважин, рассчитанные для старого и нового алгоритмов.

Хорошо видно, что для нового алгоритма отклонение экспериментальных точек от линейной зависимости TI (NPZ) существенно уменьшилось для всех скважин, кроме HB-1. Для скважин BH1, Qw-4, Qw-5, Qw-2, Qw-1 все значения ложатся практически на одну прямую. Значения для скважин Qw-7 и Qw-11 слегка от этой прямой отклоняются в разные стороны примерно на одинаковую величину. Как видно из схемы на рис. 2а, скважина Qw-11 расположена между скважинами Qw-2 и Qw-7. Несмотря на небольшую удаленность, все скважины расположены в разных блоках, которые разделены разломами. В каждом блоке значение акустического индикатора на рис. 2а существенно различается. Оно максимально для блока со скважиной Qw-7 и минимально для блока со скважиной Qw-11. Этот результат очень хорошо коррелирует с поведением TI для нового алгоритма. Значение TI для скважины Qw-7 смещено относительно регрессионной прямой в сторону увеличения продуктивности, а для скважины Qw-11 оно смещено в сторону в сторону уменьшения продуктивности. Тектоническая обособленность различных блоков привела к появлению зависимости не только от суммарной толщины продуктивных горизонтов, но и от дополнительных факторов, возможно, от локальной нефтенасыщенности пласта в разных блоках.

Для скважины HB1 наблюдается очень сильное отклонение TI от линейной регрессионной зависимости в сторону уменьшения продуктивности, рис. 6. Неравновесность горных пород в окрестности скважины гораздо меньше, чем должна быть при заявленной продуктивности NPZ. В то же время на рис. 7 оценка значений акустического индикатора, полученная с использованием нелинейного корреляционного фильтра, удовлетворяет для скважины HB-1 линейной регрессионной зависимости с теми же параметрами, что и для остальных скважин [Rode et al., 2010]. При получении показанных на рис. 6 и рис. 7 результатов были использованы алгоритмы, которые базируются на разных физических принципах. При этом для большинства скважин в обоих случаях наблюдается монотонная зависимость от параметра продуктивности, близкая к линейной. Но для одной из скважин эти подходы дали совершенно разный результат. Имеются какие-то факторы, которые очень существенны при использовании одного метода и совершенно не существенны для другого. Этот вопрос требует дальнейшего исследования. Сейчас никаких обоснованных предположений о причинах расхождения результатов сделать невозможно, так как нет информации о геологическом разрезе в окрестностях скважины HB-1 и ее истории. К моменту проведения работ скважина была заглушена.

ЗАКЛЮЧЕНИЕ

Из результатов исследований следует, что:

• Термодинамический индикатор состояние горных пород позволяет выявить наличие насыщенных углеводородом пластов даже при очень слабом глубинном сигнале, когда при визуальном анализе спектров сейсмического фона невозможно различить “сухие” и продуктивные скважины.

• Термодинамический индикатор дает количественную оценку локальной продуктивности коллектора.

• Чувствительность термодинамического индикатора к нефтенасыщенности пород обеспечивает возможность оконтуривания границ залежи и выбора наиболее перспективных точек для бурения скважин по экстремумам в поле значений индикатора.

• Качество оценки зависит от величины скользящего временного окна, которое использовано для расчета TI по экспериментальным данным. Величину окна надо выбирать эмпирически. Критерием является стабилизация вида зависимости TI(NPZ).

• Связь термодинамического индикатора и суммарной толщины продуктивных интервалов в пределах залежи хорошо описывается линейной зависимостью. Однако тектоническая раздробленность и другие факторы могут приводить к отклонению от линейности. Этот аспект требует дополнительных исследований.

• Полученные с использованием термодинамического индикатора и нелинейного корреляционного фильтра [Rode et al., 2010] результаты для подавляющего большинства скважин находятся в полном согласии. Однако для одной из скважин результаты сильно отличаются. Методы базируются на разных физических принципах. Для объяснения причин возникшего расхождения результатов и понимания влияния факторов, связанных с параметрами геологического разреза и историей работ на скважинах, необходимы дополнительные исследования.

Естественный сейсмический фон Земли в широком диапазоне частот и является одной из форм диссипации энергии геодинамических процессов в земной коре. Методы исследования сейсмического фона как сигнала, порожденного открытой сложной нелинейной системой, могут быть объединены в одно направление – диссипативная сейсмика [Чеботарева, Дмитриевский, 2020]. К таким методам можно отнести сейсмическую эмиссионную томографию, термодинамический индикатор состояния горных пород и другие методы, разработанные на базе нелинейной динамики. При проведении работ на территории месторождения низкочастотная часть сейсмического фона (f < 10 Гц) с использованием термодинамического индикатора позволяет картировать границы залежи и оценивать суммарную толщину продуктивных интервалов. При этом высокочастотная часть фона (10–100 Гц) с использованием сейсмической эмиссионной томографии обеспечивает возможность 3D-изображения трещинных и пористых коллекторов, тектонических разломов, больших трещин, каналов фильтрации флюида [Чеботарева, 2018]. Алгоритмы диссипативной сейсмики могут быть адаптированы для анализа различных геофизических полей и для изучения объектов различной природы. Комплексное использование методов на одном объекте исследований, с привлечением анализа различных физических полей, существенно увеличивает объем извлекаемой информации, что чрезвычайно важно для построения адекватных математических моделей месторождений и при проведении фундаментальных геофизических исследований.