وارون سازی تصادفی لرزه ای و بازیابی لایه نازک در یک میدان نفتی خلیج فارس
نویسندگان
1دانشجوی دانشگاه صنعتی امیرکبیر
2استاد بازنشسته موسسه ژئوفیزیک دانشگاه تهران و استاد دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر
چکیده
وارون سازی داده های لرزه ای به دلیل محدود بودن باند فرکانسی این داده ها با عدم قطعیت هایی همراه است. روش های وارون سازی قطعی به دلیل ناتوانی در مدل کردن ناهمگونی ها و عدم قطعیت ها برای توصیف مخزن مناسب نیستند. اما وارون سازی تصادفی لرزه ای علاوه بر مدل کردن ناهمگونی ها، امکان محاسبه عدم قطعیت ها را نیز فراهم می آورد. در این مطالعه با فرض گوسی بودن توابع چگالی احتمال لگاریتم مقاومت صوتی و لگاریتم مقاومت برشی، با استفاده از قاعده بیزین این توابع محاسبه شدند، نمونه گیری از آن ها با روش شبیه سازی گوسی متوالی انجام شد و تحقق های مختلف از مدل مقاومت ها به دست آمد. اعمال روش به داده های لرزه ای یک میدان نفتی خلیج فارس نشان داد که روش تصادفی قابلیت مدل کردن ناهمگونی ها را دارد و با تفکیک بالایی لایه های نازک را بازیابی می کند.
کلیدواژه ها
 
Title
Stochastic seismic inversion and recovery of the thin bed in a Persian Gulf oilfield
Authors
Mostafa Zare, Abdolrahim Javaherian
Abstract
Seismic inversion associates uncertainties due to the band-limited nature of the seismic data. Deterministic methods of seismic inversion are not appropriate for reservoir characterization because of the inability to model the heterogeneities and uncertainties. Stochastic seismic inversion, in addition to model heterogeneities, provides the possibility to calculate uncertainties in the reservoir. In this research, it is assumed that the probability density functions of the logarithm of acoustic and shear impedances are Gaussian and these functions were obtained using Bayesian principle. The sampling of the global functions was performed using sequential Gaussian simulation, and multiple realizations of acoustic and shear impedances were generated. Applying this method to one of the Persian Gulf oilfields showed that the stochastic inversion is capable of modeling the heterogeneities and recovers the high-resolution thin beds.
Keywords
Stochastic inversion, deterministic inversion, probability function, Bayesian principle, Gaussian simulation, thin bed