TY - THES

T1 - Interpretation and modeling of fractured zones using seismic attributes and image log data Teapot Dome, Wyoming

AU - Schneider, Sarah

N1 - embargoed until null

PY - 2015

Y1 - 2015

N2 - Klüfte stellen Diskontinuitäten in einem Gestein dar und tragen entweder zum Fluss von Fluiden bei oder fungieren als Barrieren. Aus diesem Grund ist das Verständnis des Kluftnetzwerkes innerhalb eines Speichergesteins essentiell um die Produktion von Kohlenwasserstoffen zu erhöhen. Traditionell werden zur Charakterisierung von Klüften Kerninterpretationen, Bohrlochmessungen oder andere Ansätze, die geologische und strukturelle Daten mit geostatistischen Methoden kombinieren, verwendet. Verbesserungen der seismischen Akquisition und Bearbeitung, sowie der Fortschritt computergestützter Techniken in den vergangenen Jahren, führte zur Entwicklung zahlreicher analytischer Werkzeuge, wie beispielsweise der Discrete Fracture Network (DFN) Modellierung. In dieser Arbeit wird ein DFN, welches auf poststack seismischen Attributberechnungen basiert, verwendet um Klüfte in der Tensleep Formation am Teapot Dome in Wyoming zu charakterisieren. Coherence, Curvature und Attribute basierend auf einer spektralen Zerlegung wurden berechnet, um Störungen und Kluftzonen zu erkennen, des weiteren konnten auch Karsterscheinungen hervorgehoben werden. Abgeleitete Attribute der Grey Level Co-Occurrence Matrix (GLCM) ergeben ein statisches Maß für auftretende Kombinationen benachbarter Pixelwerte und wurden verwendet um Information über das Streichen und Fallen von Klüften zu gewinnen. Die Ergebnisse wurden als Kluftrosen in Diagramme geplottet um sie mit Bohrlochinterpretationen von vier Bohrungen vergleichen zu können. Um ein DFN für die Zone von Interesse erstellen zu können, war es auch notwendig ein Strukturmodell zu generieren. Nachdem die Formationstops der Bohlochmessungen in Zeit korreliert wurden, war der nächste Schritt das Interpretieren der Seismik. Die interpretierten Störungen und Horizonte konnten später in das Strukturmodell integriert werden. Um zusätzliche stratigraphische Zonen hinzuzufügen, musste das in Zeit gebaute Modell in die Tiefe konvertiert werden. Schließlich konnten deterministische und stochastische DFNs generiert werden, für welche extrahierten Störungs- und Kluftflächen der Coherence Attribute und GLCM basierte Attribute als Eingabe verwendet wurden. Die durchgeführte Attributanalyse in dieser Studie liefert gute Ergebnisse bezüglich der Darstellung und Hervorhebung von Klüften und Störungen. Anstelle der häufig verwendeten Kluftinformationen von Bohrlochdaten wurde in dieser Arbeit die Kluftintensität der DFNs hauptsächlich durch Attribute gesteuert. Vor allem das auf GLCM basierende Attribut Energy erwies sich als überaus wertvoll für den Bau eines DFN und zeigte im Vergleich zu anderen Studien ähnliche Klufttrends. Darüber hinaus stimmten die Ergebnisse des Attributes gut mit der Kluftinterpretation der Bohrlochmessungen überrein. Aus diesem Grund stellt dieses Attribut eine gute Alternative zur herkömmlichen Modellierung dar und kann speziell bei mangelnden Bohrlochdaten herangezogen werden.

AB - Klüfte stellen Diskontinuitäten in einem Gestein dar und tragen entweder zum Fluss von Fluiden bei oder fungieren als Barrieren. Aus diesem Grund ist das Verständnis des Kluftnetzwerkes innerhalb eines Speichergesteins essentiell um die Produktion von Kohlenwasserstoffen zu erhöhen. Traditionell werden zur Charakterisierung von Klüften Kerninterpretationen, Bohrlochmessungen oder andere Ansätze, die geologische und strukturelle Daten mit geostatistischen Methoden kombinieren, verwendet. Verbesserungen der seismischen Akquisition und Bearbeitung, sowie der Fortschritt computergestützter Techniken in den vergangenen Jahren, führte zur Entwicklung zahlreicher analytischer Werkzeuge, wie beispielsweise der Discrete Fracture Network (DFN) Modellierung. In dieser Arbeit wird ein DFN, welches auf poststack seismischen Attributberechnungen basiert, verwendet um Klüfte in der Tensleep Formation am Teapot Dome in Wyoming zu charakterisieren. Coherence, Curvature und Attribute basierend auf einer spektralen Zerlegung wurden berechnet, um Störungen und Kluftzonen zu erkennen, des weiteren konnten auch Karsterscheinungen hervorgehoben werden. Abgeleitete Attribute der Grey Level Co-Occurrence Matrix (GLCM) ergeben ein statisches Maß für auftretende Kombinationen benachbarter Pixelwerte und wurden verwendet um Information über das Streichen und Fallen von Klüften zu gewinnen. Die Ergebnisse wurden als Kluftrosen in Diagramme geplottet um sie mit Bohrlochinterpretationen von vier Bohrungen vergleichen zu können. Um ein DFN für die Zone von Interesse erstellen zu können, war es auch notwendig ein Strukturmodell zu generieren. Nachdem die Formationstops der Bohlochmessungen in Zeit korreliert wurden, war der nächste Schritt das Interpretieren der Seismik. Die interpretierten Störungen und Horizonte konnten später in das Strukturmodell integriert werden. Um zusätzliche stratigraphische Zonen hinzuzufügen, musste das in Zeit gebaute Modell in die Tiefe konvertiert werden. Schließlich konnten deterministische und stochastische DFNs generiert werden, für welche extrahierten Störungs- und Kluftflächen der Coherence Attribute und GLCM basierte Attribute als Eingabe verwendet wurden. Die durchgeführte Attributanalyse in dieser Studie liefert gute Ergebnisse bezüglich der Darstellung und Hervorhebung von Klüften und Störungen. Anstelle der häufig verwendeten Kluftinformationen von Bohrlochdaten wurde in dieser Arbeit die Kluftintensität der DFNs hauptsächlich durch Attribute gesteuert. Vor allem das auf GLCM basierende Attribut Energy erwies sich als überaus wertvoll für den Bau eines DFN und zeigte im Vergleich zu anderen Studien ähnliche Klufttrends. Darüber hinaus stimmten die Ergebnisse des Attributes gut mit der Kluftinterpretation der Bohrlochmessungen überrein. Aus diesem Grund stellt dieses Attribut eine gute Alternative zur herkömmlichen Modellierung dar und kann speziell bei mangelnden Bohrlochdaten herangezogen werden.

KW - Teapot Dome

KW - fracture network

KW - Tensleep Formation

KW - attribute analysis

KW - Teapot Dome

KW - Tensleep Formation

KW - Attributanalyse

KW - Kluftnetzwerk

M3 - Master's Thesis

ER -