Applications of high-resolution seismic frequency and phase attribute analysis techniques

Cover Page

Cite item

Full Text

Abstract

Seismic prospecting for oil and gas exploration and development is limited by seismic data resolution. Improving the accuracy of quantitative interpretation of seismic data in thin layers, thereby identifying effective reservoirs and delineating favorable areas, can be a key factor for successful exploration and development. Historically, the limit of seismic resolution is usually assumed to be about 1/4 wavelength of the dominant frequency of the data in the formation of interest. Constrained seismic reflectivity inversion can resolve thinner layers than this assumed limit. This leads to a series of highresolution quantitative interpretation methods and techniques have been developed. Case studies in carbonates, clastic, and unconventional reservoirs indicate that the application of quantitative interpretation techniques such as high-resolution seismic frequency and phase attribute analysis can resolve and allow/or allow quantitative estimation of rock and fluid properties in such seismically thin layers. Band recovery using high resolution seismic processing technology can greatly improve the ability to recognize geological details such as thin layers, faults, and karst caves. Multiscale fault detection technology can effectively detect small-scale faults in addition to more readily recognized large-scale faults. Based on traditional seismic amplitude information, high-resolution spectral decomposition and phase decomposition technology expands seismic attribute analysis to the frequency and phase dimensions, boosting the interpretable geological information content of the seismic data including subsurface geological characteristics and hydrocarbon potential and thereby improving the reliability of seismic interpretation. These technologies, based on high-resolution quantitative interpretation techniques, make the identification of effective reservoirs more efficient and accurate.

About the authors

Renqi Jiang

Beijing Carrie Oriental Petroleum Technology Company; Lumina Technologies

Email: renqi.jiang@carrieenergy.com

John P. Castagna

University of Houston

Jian Wu

The Research Institute of Petroleum Exploration and Development

References

  1. Du S. T. Seismic attribute analysis. Petroleum Geophysics. 2004;2(4):12-16.
  2. Lu G. H., Yu C. Q, Dong N. The application of poststack seismic attribute analysis in the oil-gas exploration and development. Progress in Geophysics. 2006;21(1):161-166.
  3. Castagna J. P. Recent advances in seismic lithologic analysis. Geophysics. 2001;66(1):42-46. https://doi.org/10.1190/1.1444918.
  4. Puryear C. I., Castagna J. P. Layer-thickness determination and stratigraphic interpretation using spectral inversion: theory and application. Geophysics. 2008;73(2): 37-48. https://doi.org/10.1190/1.2838274.
  5. Liang C., Castagna J. P., Torres R. Z. Tutorial: spectral bandwidth extension – invention versus harmonic extrapolation. Geophysics. 2017;82(4):1JA-Z33. https://doi.org/10.1190/geo2015-0572.1.
  6. Castagna J. P., Sun J., Siegfried R. W. Instantaneous spectral analysis: detection of low frequency shadows associated with hydrocarbons. The Leading Edge. 2003; 22(2):120-127. https://doi.org/10.1190/1.1559038.
  7. Zhang R., Castagna J. P. Seismic sparse-layer reflectivity inversion using basis pursuit decomposition. Geophysics. 2011;76(6):147-158. https://doi.org/10.1190/geo2011-0103.1.
  8. Castagna J. P. Comparison of spectral decomposition methods. First Break. 2006;24(3):75-79. https://doi.org/10.3997/1365-2397.24.1093.26885.
  9. Castagna J. P., Oyem A., Portniaguine O., Aikulola U. Phase decomposition. Interpretation. 2016;4(3):SN1. https://doi.org/10.1190/INT-2015-0150.1.
  10. Widess M. B. How thin is a thin bed. Geophysics. 1973;38(6):1176-1180. https://doi.org/10.1190/1.1440403.
  11. Chopra S., Castagna J. P., Portniaguine O. Seismic resolution and thin-bed reflectivity inversion. CSEG Recorder. 2006;11(2):19-25.
  12. Mora D., Castagna J. P., Meza R., Chen S., Jiang R. Case study: seismic resolution and reservoir characterization of thin sands using multiattribute analysis and bandwidth extension in the Daqing field, China. Interpretation. 2020;8(1):1F-T215. https://doi.org/10.1190/INT-2019-0017.1.
  13. Duan Y. X., Cao J., Sun Q. F. Application of autoadaptive dip-steering technique to fault recognition. Lithologic Reservoirs. 2017;29(4):101-107. https://doi.org/10.3969/j.issn.1673-8926.2017.04.012.
  14. Tian T., Xia T. X., Yan T., et al. Application of formation dip in the fine description of fault: take A oilfield in Bohai bay basin as an example. Progress in Geophysics. 2017;32(5):2236-2240.
  15. Xu D. K., Wang Y. Y., Zheng J. F. Dip steering coherent-enhancing filtering and its application on seismic data of complex fault-block. Progress in Geophysics. 2016;31(3):1224-1228. https://doi.org/10.6038/pg20160340.
  16. Yin C., Du X. D., Zhao R. M., et al. Dip steered structure oriented filter and its application. Progress in Geophysics. 2014;29(6):2818-2822.
  17. Yin X. Y., Gao J. H., Zong Z. Y. Curvature attribute based on dip scan with eccentric window. Chinese Journal of Geophysics. 2014;57(10):3411-3412.
  18. Wang J., Wang R. Fault identification method based on variance-coherence cubes. Chinese Journal of Engineering Geophysics. 2016;13(1):46-51. https://doi.org/10.3969/j.issn.1672-7940.2016.01.008.
  19. Li T. T., Hou S. Y., Ma S. Z., Li D. L. Overview and research progress of fault identification method. Progress in Geophysics. 2018;33(4):1507-1514. https://doi.org/10.6038/pg2018BB0311.
  20. Huang C., Li P. F., Wang T. Y., et al. The application of seismic attribute analysis technology to the identification of small faults. Chinese Journal of Engineering Geophysics. 2016;13(1):41-45.
  21. Zhen Z. Y., Zheng Y. F., Sun J. L., Gong M. Fault identification method based on the maximum likelihood attribute and its application. Progress in Geophysics. 2020;35(1):374-378. https://doi.org/10.6038/pg2020CC0515.
  22. Qi J., Castagna J. P. Application of PCA fault-attribute and spectral decomposition in Barnett Shale fault detection. In: 83rd Annual International Meeting, SEG, Expanded Abstracts. 2013:1421-1425.
  23. Han L., Zhang H., Wang J. S. Discrete frequency coherency technology for interpreting complicated faults and its application. Complex Hydrocarbon Reservoirs. 2016;9(4):16-21. https://doi.org/10.16181/j.cnki.fzyqc.2016.04.004.
  24. Barbato U., Castagna J. P., Portniaguine O. Composite attribute from spectral decomposition for fault detection. In: 84th Annual International Meeting, SEG, Expanded Abstracts. 2014:2542-2546.
  25. Chen G. F., Lu S. B. Application of RGB frequency division technology in the fault identification of fault-block reservoir. In: SEG Technical Program Expanded Abstracts 2014.Tulsa: Society of Exploration Geophysicists; 2014. P. 2542–2546.
  26. Chen P., Wei X. D., Ren D. Z., et al. Small fault identification based on spectrum decomposition technique. Oil Geophysical Prospecting. 2010;45(6):890-894.
  27. Ma C. J. Application of multi-scale edge detection technology to fault recognition and fracture zone prediction: a case study of Block Well P691, Chepaizi area. Petroleum Geology and Recovery Efficiency. 2021;28(2):85-90. https://doi.org/10.13673/j.cnki.cn37-1359/te.2021.02.011.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».