Módszerfejlesztés mélyfúrási geofizikai adatok integrált intervallum-inverziójára földtani szerkezetek morfológiájának meghatározása céljából = New method for the determination of morphology of the geological structures using integrated interval inversion of well log data

摘要

A mélyfúrási geofizikai adatok inverziójának irodalmi feldolgozását ill. a mélységpontonkénti- és az intervalluminverziós algoritmusok fejlesztésében elért legfontosabb nemzetközi és hazai eredmények áttekintését az egyik közreműködő kutató elvégezte és 2005-ben megvédett PhD értekezésében közölte. Az eredetileg egyetlen fúrásban mért adatok értelmezésére kidolgozott intervallum inverziós módszert továbbfejlesztettük, ezáltal lehetővé vált több fúrás adatainak együttes inverziója, mely az ismeretlen petrofizkai paramétereken túl a réteghatárok laterális (2-D) elhelyezkedését is szimultán módon meghatározza. Az optimalizáció oldaláról modern, véletlen-keresésen alapuló globális szélsőérték-kereső eljárást (Simulated Annealing) alkalmaztunk, emellett a valós számábrázolású Genetikus Algoritmust is bevontuk vizsgálataink körébe. Az utolsó lépésben lineáris módszerrel kiegészítve (a kovariancia mátrix megadásával) lehetővé vált a becsült paraméterek hibájának meghatározása. Összefoglalásul megállapíthatjuk, hogy a tesztelési eredmények alapján az új módszer alkalmazható terepi adatok inverziójára. Az eljárást alkalmazva végül egy valós hazai CH-tárolón mért adatrendszert dolgoztunk fel. A 2D közelítésben tárgyalt CH-tároló morfológiájára kapott eredmény meggyőzően igazolta az algoritmus gyakorlati használhatóságát. | Most important domestic and international results accomplished by the review of relevant scientific literature and development of local (point-by-point) and interval inversion algorithms were outlined and published in a PhD thesis defended by a researcher participating in the project in 2005. The interval inversion method originally developed for the interpretation of single-well data was further developed by us for supporting the joint inversion of multi-well data giving a simultaneous estimate for petrophysical parameters and lateral (2D) position of layer-boundaries. As for the part of optimization, a modern global optimization method called Simulated Annealing based on random optimum seeking technique was used. A Genetic Algorithm as a float-encoded implementation was applied in the research work, too. The determination of model estimation error was feasible by using a linear step (by specifying the covariance matrix) at the end of the inversion procedure. In conclusion, we can state from the test results that the new method is applicable to the inversion of field data. As an application, we processed a well-logging data set, which was measured in a domestic hydrocarbon field. The result obtained for the morphology of the hydrocarbon reservoir as a 2D approximation proved to be convincing in practical usability.