Autor: Ana Kamenski, mag. geol.
Pravilna procjena raspodjele litološkog sastava u podzemlju jedan je od ključnih elemenata pri evaluaciji potencijala ugljikovodika nekog područja, kao i geotermalnog potencijala i mogućnosti geološkog skladištenja CO2. Prostorno definiranje distribucije litološkog sastava samo je jedan od koraka u karakterizaciji podzemlja.
Podaci dobiveni istraživanjem površinskih izdanaka i karakterizacijom podzemlja uvjetno su kompatibilni. Litološki sastav u međubušotinskom prostoru uobičajeno se procjenjuje na temelju podataka dobivenih iz okolnih bušotina primjenom ili konvencionalnog pristupa kartiranja litofacijesa [1], gdje interpretacija ovisi isključivo o iskustvu interpretatora, ili korištenjem matematičkih algoritama [2]. Takvi postupci imaju visoku dozu nesigurnosti u regionalnim istraživanjima gdje su bušotine međusobno vrlo udaljene i nepravilno raspoređene, te razmjerno manju nesigurnost u područjima s ležištima ugljikovodika gdje se nalazi veliki broj relativno blisko raspoređenih bušotina. Slijedeći trend tehnološkog razvoja potrebno je okrenuti se matematičkim i statističkim alatima kako bi se eliminirala subjektivnost pri tumačenju litologije, iako je opće razumijevanje geologije uvijek neprocjenjivo [3]. U svakom istraživanju podzemlja, jedan od najvažnijih zadataka je određivanje ključnih čimbenika — starosti, strukturnih odnosa i litologije [4]. Oni imaju vrlo velik utjecaj na znanstvene rezultate, kao i na ekonomske implikacije ako se rezultati primijene na bilo koju vrstu procjene resursa.
Svrha ovog istraživanja [5] bila je što objektivnije i realističnije analizirati podatke koristeći geostatistiku i geološka znanja. U tu svrhu odabrano je područje iscrpljenog naftnog polja (Slika 1) koje se nalazi unutar Dravske depresije, a koja pripada hrvatskom dijelu Panonskog bazena (sjeverna Hrvatska).
Slika 1 Panonski bazenski sustav i regionalna tektonika i geografija s označenim područjem Sjevernohrvatskog bazena te područje istraživanja s naznačenim lokacijama bušotina [6, 7, 8]
Ovaj je objekt odabran zbog dostupnih podataka za interpretaciju litologije u bušotinama i 3D seizmičke pokrivenosti potrebne za definiranje litološkog sastava u cijelom seizmičkom volumenu. Klastični panonski interval (engl. Clastic Pannonian Interval, CPI) odabran je za analizu (Slika 2, 3) budući da se litologija ove jedinice može generalizirati na tri klase—pješčenjake i lapore koji su prisutni kroz cijeli interval i ugljen koji se najčešće nalazi u vrhu intervala.
Slika 2 Shematski prikaz stratigrafije, litologije i glavnih tektonskih događaja u blizini područja istraživanja [9]
Slika 3 Kartiranje granica modela na klasičnim seizmičkim profilima [5]
Slika 4 Interpretirane i upscale-ane litološke kategorije unutar četiri bušotine [5]
U svrhu modeliranja litologije odabrani seizmički volumen analiziran je umjetnim neuronskim mrežama (engl. Artificial Neural Networks, ANN). Korištena su dva pristupa umjetnim neuronskim mrežama za promatranje utjecaja promjene vrste pristupa na predviđanje rezultata. Prvi pristup (DAANN) koristio je veliki broj različitih arhitektura mreža, s obzirom na različit broj neurona u skrivenom sloju i različite aktivacijske funkcije. Drugi pristup (SAANN) koristio je istu arhitektonsku mrežu, ali s drugačijom distribucijom slučajeva unutar skupova podataka za obuku, testiranje i odabir, te s različitim polazištem (slučajem) za analizu. Od ukupno 1000 slučajeva svakog pristupa, izdvojeno je 100 realizacija iz kojih su proračunate vjerojatnosti realizacije određene litološke kategorije od 50%, 75% i 90%. Potom je indikatorskim krigingom generiranino šest modela (Slika 5).
Slika 5 Litološki modeli izvedeni indikatorskim krigingom na litološkim ćelijama nakon upscale procesa [5]
Teoretski, podaci veće točnosti trebali bi rezultirati točnijim rezultatom. Međutim, geološki najrealniji rezultat dobiven je iz podataka s točnošću predviđanja od 50%. U rezultatima s većom preciznošću, litologija pješčenjaka bila je nerealno prenaglašena kao rezultat upscale procesa, varijacije i statističke analize. S obzirom da se većina do sada otkrivenih ležišta ugljikovodika nalazi u klastičnim sedimentima, metodologija razvijena ovim istraživanjem predstavlja jedan od mogućih načina određivanja litologije u podzemlju koji može dovesti do novih otkrića ne samo na istraživanom području, već i u ostalim sedimentnim bazenima. Predstavljena istraživanja mogu se koristiti u svim istraživanjima podzemlja vezanim uz geoenergiju, uključujući istraživanja ugljikovodika i geotermalne energije, te karakterizaciju podzemlja za potencijal skladištenja CO2 i podzemnog potencijala skladištenja energije.
Reference:
[1]. Forgotson, J.M.: Review and classification of quantitative mapping techniques. Am. Assoc. Pet. Geol. Bull. 44, 83–100 (1960).
[2]. Feng, R., Luthi, S.M., Gisolf, D., Angerer, E.: Reservoir lithology classification based on seismic inversion results by Hidden Markov Models: applying prior geological information. Mar. Pet. Geol. 93, 218–229 (2018). https ://doi.org/10.1016/j.marpe tgeo.2018.03.004.
[3]. Hohn, M.E.: Geostatistics and Petroleum Geology. Springer, Dordrecht (1999).
[4]. Selley, R.C., Sonnenberg, S.A.: Methods of Exploration. Elements of Petroleum Geology, pp. 41–152. Elsevier, New York (2015).
[5]. Kamenski, A.; Cvetković, M.; Kolenković Močilac, I.; Saftić, B. (2020): Lithology prediction in the subsurface by artifcial neural networks on well and 3D seismic data in clastic sediments: a stochastic approach to a deterministic method // GEM - International journal on geomathematics, 11, 8; 1-24 doi:10.1007/s13137-020-0145-3.
[6]. Cvetković, M., Matoš, B., Rukavina, D., Kolenković Močilac, I., Saftić, B., Baketarić, T., Baketarić, M., Vuić, I., Stopar, A., Jarić, A., Paškov, T.: Geoenergy potential of the Croatian part of Pannonian Basin: insights from the reconstruction of the pre-Neogene basement unconformity. J. Maps. 15, 651–661 (2019). doi:10.1080/17445647.2019.1645052
[7]. Dolton, G.L.: Pannonian Basin Province, Central Europe (Province 4808)—Petroleum Geology, Total Petroleum Systems, and Petroleum Resource Assessment. (2006)
[8]. Schmid, S.M., Bernoulli, D., Fügenschuh, B., Matenco, L., Schefer, S., Schuster, R., Tischler, M., Ustaszewski, K.: The Alpine-Carpathian-Dinaridic orogenic system: Correlation and evolution of tectonic units. Swiss J. Geosci. 101, 139–183 (2008). doi:10.1007/s00015-008-1247-3
[9]. Malvić, T., Cvetković, M.: Lithostratigraphic units in the Drava Depression (Croatian and Hungarian parts) – a correlation. Nafta. 63, 27–33 (2013)
Ana Kamenski, mag. geol., doktorandica/stipendistica Rudarsko-geološko-naftnog fakuleta te stručna suradnica na Zavodu za geologiju Hrvatskoga geološkog instituta. Doktorski studij Primijenjenih geoznanosti, rudarskog i naftnog inženjerstva na Rudarsko-geološko-naftnom fakultetu Sveučilišta u Zagrebu upisala je u prosincu 2018. godine s temom pod naslovom Improvement of the deep-geological characterization in the eastern area of the Drava Depression – spatial prediction of lithological properties based on seismic and well data.
E-portfolio Link
ResearchGate Link
Google Scholar Link
CROSBI Link
Stranica projekta Link