Oil & Gas

Aplicación de redes neuronales con datos sísmicos de última generación

Aplicación de redes neuronales con datos sísmicos de última generación

Aplicación de redes neuronales al intervalo de muestreo a datos sísmicos de última generación. Para revelar rasgos estratigráficos de gran detalle en los bancos oolíticos del Jurásico Superior Kimmeridgiano.

 

El área de estudio ha sido históricamente una de las áreas más prolíficas en cuanto a producción de hidrocarburos en México. En el año 2014 se adquirieron datos sísmicos multicomponente mediante configuración OBC. Debido a que en los datos anteriores era muy difícil distinguir rasgos estratigráficos que permitieran conocer con certidumbre la extensión lateral y el detalle vertical de los bancos oolíticos del Jurásico Superior Kimmeridgiano.

 

Adicionalmente, se aplicaron diferentes configuraciones de redes neuronales a la escala del intervalo de muestreo (4 metros). Lo anterior para revelar rasgos estratigráficos ocultos en un dato sísmico de reciente adquisición, obteniéndose un único volumen de clasificación simultánea de varios atributos sísmicos; que, entre varias aplicaciones, servirá como insumo para actualizar el modelo sedimentológico y estratigráfico del área.

 

Metodología y Resultados

 

Durante el estudio se realizó una sección vertical del atributo. Amplitud en profundidad (RTM 45 Hz), cuyo intervalo de muestreo (4 metros) y tamaño de bin (25 x 25 metros). La cual sirvió como atributo original para generar atributos que, con base a la literatura, tienen un uso interpretativo común; detectar contrastes litológicos.

 

En este caso, los pozos del área y registros geofísicos de pozos permitieron correlacionar los marcadores estratigráficos correspondientes a la roca madre del Jurásico Superior Tithoniano (calizas arcillosas). Así como del yacimiento del Jurásico Superior Kimmeridgiano, que hacia su cima presenta bancos oolíticos con diferentes grados de dolomitización.

 

Adicionalmente, fueron interpretadas fallas inversas en algunas secciones verticales perpendiculares a las estructuras. Aunque también se evidenciaron fallas normales en algunos sectores.

 

Posteriormente, se utilizó parte de la metodología propuesta por Bubb etal., (1978) para realizar el reconocimiento de facies sísmicas en la columna cenozoica y mesozoica. Principalmente, se enfocó la interpretación dentro de las secuencias conformadas por la base del Jurásico Superior Oxfordiano, el Jurásico Superior Kimmeridgiano y el Jurásico Superior Tithoniano; mediante criterios directos como terminaciones tipo: onlaps, toplaps y algunos otros patrones en las reflexiones.

 

Asimismo, cambios de facies sísmica: amplitud, frecuencia, continuidad que podrían resultar de las diferencias presentes en las características de densidad y/o velocidad de las rocas. De igual forma, se hizo el reconocimiento de en el Cretácico, así como en parte del Cenozoico.

 

Te puede interesar: Herramienta MDT para aumentar volumen de aceite en campo extrapesado

 

Igualmente, durante el estudio se trabajó en la planta de los geocuerpos agrupados por las neuronas de la clasificación MAO en el Jurásico Superior Kimmeridgiano; específicamente en una ventana cuyo espesor es igual a 100 metros, medidos desde la cima del horizonte hacia abajo.

 

A rasgos generales, las neuronas azul y rojo (Neu45 y Neu47, respectivamente) predominan en el Bloque Noreste y hacia el Oeste del Bloque Sur. Por su amplia extensión y según información de los pozos que las contactaron podrían indicar que corresponden a facies de carbonatos arcillosos.

 

Las neuronas de tonos amarillos (Neu27, Neu35 y Neu39), que ocurren principalmente en los Bloques Centro y Norte. Así como en la región Este del Bloque Sur, agruparon muestras sísmicas posiblemente asociadas a carbonatos con bajo contenido de arcillas donde se han acumulado la mayor cantidad de hidrocarburos.

 

Conclusiones: En el presente artículo se demostró que, al aplicar la inteligencia artificial en el volumen sísmico, se obtienen agrupamientos. Los cuales pueden llegar a tener el espesor del intervalo de muestreo. En este caso cuatro metros, que ayudarán a mejorar los modelos estratigráficos y sedimentológicos y por ende el modelo estático del área bajo estudio.

 

Las curvas de proporción vertical realizadas por áreas permitieron identificar la evolución vertical de las neuronas del volumen de clasificación MAO.

 

Los Ingenieros Reynaldo Castellanos, Fabián Rada, David Rodríguez y Viloria Reinaldo presentaron el trabajo en la reciente edición del Congreso Mexicano del Petróleo (CMP).

 

Related posts

Nombran a Israel Benítez López como director de Pemex Logística

Efrain Mariano

Inversiones aprobadas por contratos petroleros aumentan 20% a 5,041 mdd en 2024

Efrain Mariano

Ancira acuerda pago de 216 mdd a Pemex

Efrain Mariano