Арефьев С.В. (ТПП Покачевнефтегаз)
Щергина Е.А. (ЗАО Недра-Консалт)

Исследования геологического строения на основе фациальной диагностики привлекают все больший интерес и приобретают широкое распространение. Фациальный анализ связан с изучением генезиса отложений и восстановлением древних обстановок осадконакопления. Генетический подход позволяет определить характер взаимосвязи отдельных частей геосистемы между собой, тем самым решить ряд задач, связанных с установлением закономерностей развития и морфологии осадочных тел.

Каждая обстановка осадконакопления характеризуется своим типом последовательности залегания осадков, соответственно обладает определенным набором геологических свойств. Наиболее характерные для данной фации первоначальные свойства или их сочетания выделяются под названием диагностических признаков.

Ввиду существенного объема информации, которую необходимо учесть при выделении фаций, зачастую можно получить неоднозначный результат. Помимо этого, границы изменения параметров по каждому из типов могут иметь существенные вариации значений, и диапазоны их изменения могут перекрывать друг друга. В результате при фациальной диагностике исследователи неизбежно вносят субъективные суждения о принадлежности отложений к той или иной группе.

Для решения этой проблемы и оптимизации процесса фациальной диагностики отложений нами были использованы современные методы анализа данных. В качестве такого метода для разделения на группы (типы фаций) предлагается использовать кластерный анализ, применяемый в статистических исследованиях при классификации объектов.

Методы кластеризации делятся на агломеративные (от слова агломерат – скопление) и дивизивные (от слова division – деление, разделение).

В агломеративных, или объединительных, методах происходит последовательное объединение наиболее близких объектов в один кластер. Процесс такого последовательного объединения можно показать на графике в виде дендрограммы или дерева объединения.

Практическое применение кластерного анализа для фациальных исследований нами апробировано при изучении геологического строения пласта ЮВ₁¹ васюганской свиты на группе месторождений северо-западной части Нижневартовского свода. Это территория с площадью исследования 50×40 км, в пределах которой открыты и разрабатываются Кечимовское, Ключевое, Нивагальское, Покачёвское, Нонг-­Еганское, Северо­-Покачёвское, Южно­-Покачёвское месторождения с залежами нефти в пласте ЮВ₁¹. Юрские отложения как нижний объект разработки исследованы почти в 1000 разведочных и эксплуатационных скважин.

 

Рис. 1. Палеорельеф территории на период накопления отложений пласта ЮВ₁

Палеотектоническими построениями определяется (рис.1), что территория в период накопления пласта ЮВ₁¹ испытывала наибольшую тектоническую активность, что обусловило многообразие фациальных обстановок. Соответственно этому на исследуемой территории наблюдается существенная дифференциация в распределении песчаного материала. Пласт ЮВ₁¹характеризуется сложным строением, обладает высокой степенью неоднородности и имеет полифациальное строение.

Для решения задачи типизации разрезов скважин и выделения однородных участков изучаемой площади использованы материалы всех скважин, пробуренных на рассматриваемой территории. В качестве диагностических признаков по каждой скважине учитывались 6 геолого­геофизических характеристик. Первые четыре характеристики общеизвестны, две другие являются производными от них:

1. общая толщина пласта (Ho);
2. эффективная толщина пласта (Нэф);
3. коэффициент песчанистости (Кпч);
4. коэффициент расчлененности (Кр);
5. приведенная величина αпс (Апс) рассчитывается как произведение средневзвешенной величины αпс на песчанистость интервала пласта. Этим параметром учитывается одновременно доля песчаного материала в пласте и степень глинистости песчаников;
6. положение максимума величины αпс в разрезе (Accessпс), которое характеризует тип циклита:
   • преимущественно регрессивный (с нахождением максимума в кровле пласта);
   • преимущественно трансгрессивный (с залеганием наиболее высокоемкостных коллекторов ближе к подошве пласта);
   • нейтральный (положение максимума связано с коллекторами центральной части пласта).

Работа с данными выполнялась в программе STATISTICA. Перед началом классификации геолого­геофизические характеристики (Var) по скважинам были стандартизованы. Стандартизация определялась как вычитание среднего (Var) от фактической величины характеристики и деление на корень квадратный из дисперсии (Disp(Var)):

Полученные в результате стандартизации переменные имеют нулевое среднее и единичную дисперсию.

 

Рис. 2. Дерево объединения с последовательной группировкой скважин с близкими значениями диагностических признаков

Подготовленные данные группировались с помощью иерархической процедуры кластерного анализа с построением дендрограммы (рис.2). Алгоритм предполагает постепенное присоединение в группу объектов с близкими значениями по всему набору диагностических признаков. На первом шаге объединяются два объекта, имеющие максимальную меру сходства. На следующем шаге к ним присоединяется объект с максимальной мерой сходства между кандидатом на включение в кластер и членами кластера. Далее группы последовательно объединяются в большие кластеры в зависимости от меры сходства, до тех пор, пока все данные не будут сформированы в иерархические цепочки связи.

По результатам проведенной кластеризации на графике дерева объединения выявляются группы скважин с близкими характеристиками, которые могут быть использованы при дальнейшей работе по геологическому обоснованию фациальной принадлежности.

Существуют другие методы кластеризации, все они различаются правилами объединения объектов в кластеры. Рассмотрим еще один метод группировки, который показал наиболее положительные результаты для задач геологии. Это итеративный метод группировки k-means clastering, который работает непосредственно с объектами, а не с матрицей сходства.

Принципиально метод k-means clastering работает следующим образом:

1. Вначале задается некоторое разбиение данных на кластеры (число кластеров задается пользователем); вычисляются центры тяжести кластеров.
2. Происходит перемещение точек: каждая точка помещается в ближайший к ней кластер.
3. Вычисляются центры тяжести новых кластеров.
4. Шаги 2 и 3 повторяются, пока не будет найдена стабильная конфигурация, то есть кластеры не будут изменяться.

Оценка количества кластеров, на которые будет выполняться разбиение, проводится исходя из следующих принципов:

1. Групп не должно быть слишком много, что может существенно увеличить трудозатраты на обработку результатов кластеризации.
2. Слишком малое количество групп приведет к объединению разнородных данных, тем самым, снизив возможности дифференциации и геологического обоснования фациальных типов.
3. Наиболее важным представляется изучение геологических предпосылок при обосновании количества групп, то есть, прежде всего, необходимо выяснить, какими типами отложений представлен объект, сколько и каких фаций можно выделить на исследуемой территории.

Рис. 3. Процентное соотношение количества скважин, вошедших в группу в результате кластеризации

По результатам расчетов методом k-means clastering все скважины на рассматриваемой территории сгруппированы по 6 диагностическим признакам, рассчитанным для пласта ЮВ₁¹, в 6 кластеров (рис. 3). Каждая группа скважин характеризуется определенной величиной средних значений признаков (рис. 4).

Рис. 4. График средних значений диагностических признаков для выделенных кластеров

Отдельно по каждому из признаков разграничить их не удается, так как имеются перекрытия интервалов вариации признаков. Для определения групповой принадлежности отдельной скважины необходимо использовать весь набор признаков.

Проведенный анализ особенностей кластеров показывает, что в среднем каждая группа характеризуется присущими ей особенностями геологического строения, распределения песчаного материала и фильтрационно­емкостных свойств.

 

Рис. 5. ГСР песчанистости. Кластеры : 1 – барьерный остров; 2 – вдольбереговой бар; 3 – регрессивный бар; кластер 4 – трансгрессивный бар; 5 – группа фаций мелководного шельфа; 6 – лагунные осадки

На рис.5 представлены геолого­статистические разрезы (ГСР) величины коэффициента песчанистости, которые построены для групп скважин, выделенных на основании кластеризации. Сопоставление полученных ГСР с электрометрическими моделями фаций, согласно классификационной схеме В. С. Муромцева, показало наличие аналогий между характеристиками кластеров и определенными типами фаций. По результатам кластерного анализа в пласте ЮВ₁¹однозначно определяются следующие фации, характеризующие прибрежно­морскую обстановку осадконакопления: барьерный остров; вдольбереговой бар; регрессивный бар; трансгрессивный бар; группа фаций мелководного шельфа; лагунные осадки.

Таким образом, представленные по выделенным кластерам ГСР соответствуют типовым электрометрическим моделям фаций согласно известным исследованиям.

Дальнейшие исследования направлены на изучение площадного распространения фациальных типов, выделенных по результатам кластерного анализа. В результате выявлено зональное распространение каждого из выделенных типов разреза, то есть устанавливается фациальное районирование территории. На этом этапе осуществляется общая реконструкция палеогеографических обстановок и определяются основные закономерности пространственного размещения отложений различных фаций и зон их взаимопереходов.

 

Рис. 6. Схема фациального районирования отложений пласта ЮВ₁¹

При детализации фациальной карты (рис.6) учитывалась выявленная приуроченность фаций к определенным участкам палеорельефа (рис.1) и расположению относительно береговой линии.

В первую очередь, в соответствии с палеорельефом территории выделены границы распространения фации береговых террас, которые приурочены к палеовершинам. Наиболее крупное палеоподнятие расположено на юго-востоке территории, на территории Северо­Покачевского месторождения. Серия поднятий расположена в центральной части Ключевого месторождения, с продолжением на юго-запад на территорию Кечимовского месторождения. В результате зоны развития береговых террас предопределили расположение отложений всех остальных фациальных типов.

К востоку от зон берегового уступа сформировалась группа фаций мелководного шельфа и лагунных осадков. Площадь их распространения занимает обширные участки территории: юго-запад Северо­-Покачевского месторождения, восток Покачевского и зона на границе Кечимовского, Ключевого и Нонг­-Еганского месторождений. Алеврито­глинистые отложения этой группы фаций выполняют пониженные участки морских побережий, образуют линзообразно-вогнутые тела небольшой мощности при очень значительной ширине их поперечного сечения. Площадь развития этих отложений представляет собой вытянутую вдоль береговой линии зону со сложными очертаниями. Песчаный материал распределен неравномерно и встречается в виде тонких горизонтальных прослоев.

Наибольшее накопление песчаного материала соответствует фации вдольбереговых баров и барьерных островов. На рассматриваемой территории развиты три крупные зоны аккумуляции песчаных тел баровых отложений. На северо-востоке Северо­-Покачевского месторождения шло накопление крупного песчаного образования. Покачевско­-Нонг­-Еганская зона формирования баров занимает центральную и западную часть Покачевского месторождения, западную – Ключевого и продолжается с юга на северо-восток Нонг­-Еганского месторождения. Меньшую площадь занимают баровые отложения в центральной части Кечимовского месторождения. В плане баровые отложения имеют вытянутые линейные или овальные очертания, сложены преимущественно песчаными образованиями. Алевролиты и глины занимают строго подчиненное значение.

Обширные участки на западе и северо-востоке территории, наиболее удаленные от берега, характеризуются регрессивным типом разреза. Формирование отложений регрессивных баров обусловлено сменой динамического равновесия. В результате подъема окраинных участков территории произошло продвижение береговой линии внутрь морского бассейна.

Отдельные локальные участки территории занимают отложения трансгрессивного типа разреза.

Последующее привлечение данных по фациальной изменчивости территории позволяет решать целый ряд практических задач. Учет генетической основы и механизма образования песчаных тел позволяет сформулировать основные методические положения исследования геологического строения. Тем самым повышается надежность расчленения осадочных толщ, построения детальных карт отдельных структурообразующих элементов, уточняется направление развития и зональность высокопродуктивных коллекторов. Появляется возможность осуществлять прогноз пространственного размещения геологических тел, проводить оценку особенностей изменения фильтрационно­емкостных свойств. Фациальная диагностика позволяет осуществлять индивидуальный подход к контролю, анализу и регулированию разработки каждого участка.

Выводы: алгоритм кластерного анализа вполне применим для выполнения классификации в геологии, в том числе и по фациальной диагностике отложений. Его преимущества, в первую очередь, связаны с тем, что результаты работ имеют строгую вероятностно­статистическую интерпретацию, позволяют исключить субъективные представления об объекте. Метод характеризуется высокой скоростью обработки большого объема данных.

ЛИТЕРАТУРА

1. Боровиков В. П. Программа STATISTICA для студентов и инженеров. – М.: КомпьютерПресс. – 2001. – 301 с.
2. Муромцев В.С. Электрометрическая геология песчаных тел – литологических ловушек нефти и газа. – Л.: Недра. – 1984. – 260 с.