EVALUACION INTEGRAL DE ATRIBUTOS SISMICOS 3D APLICADOS A UN CAMPO DE GAS EN MEXICO.

Ral del Valle Garca, Instituto Mexicano del Petrleo, rvalleg@imp.mx Fidel Reyes Ramos, Instituto Mexicano del Petrleo, frramos@imp.mx
Copyright 2005, CIPM. Este artculo fue preparado para su presentacin en el cuarto E-Exitep 2005, del 20 al 23 de febrero de 2005 en Veracruz, Ver., Mxico. El material presentado no refleja necesariamente la opinin del CIPM, su mesa directiva o sus colegiados. El artculo fue seleccionado por un comit tcnico con base en un resumen. El contenido total no ha sido revisado por el comit editorial del CIPM.

RESUMEN. Se realiz un anlisis de varios atributos ssmicos 3D aplicados para entender y evaluar un campo de gas en Mxico. Como punto de partida, se realiz un estudio de factibilidad para identificar la sensibilidad y exactitud de los atributos ssmicos convencionales. Esto auxili en la identificacin de las principales reas potenciales de hidrocarburo. Para medir las discontinuidades locales, se utilizaron los siguientes atributos: Semblanza, Caos, Distancia de Manhattan, Coherencia de la estructura propia (eigenstructure), Razn de valores propios dominantes, Traza normalizada de la matriz de covarianza (MC), Dispersin normalizada de la MC, Elstico-inelstico, Grupofase, Suavizado de bordes y deteccin de orillas, Absorcin y por ltimo, Ancho de banda. Varios de estos atributos fueron tiles, no slo para identificacin las estructuras geolgicas principales, sino tambin para identificar caractersticas estratigrficas. Ms an, como estudio preliminar, se obtuvieron atributos de absorcin y atenuacin como indicadores directos de hidrocarburo y para identificar la cantidad de saturacin de gas en el yacimiento. INTRODUCCION. El desarrollo de los atributos ssmicos y su utilizacin en la interpretacin y caracterizacin de estructuras geolgicas del subsuelo, han sido de gran impacto tecnolgico y econmico en la industria petrolera. Los atributos ssmicos son trasformaciones matemticas de los propios datos ssmicos tradicionales, que permiten visualizar y analizar la informacin desde puntos de vista inimaginables en el pasado. Este tipo de informacin permite aumentar nuestro poder de anlisis y cuantificar mas eficientemente los recursos del subsuelo en una forma integral. Herramientas matemticas para el anlisis colectivo de informacin, tales como las redes neuronales, redes Bayesianas o mapas autoorganizados de Kohonen, por ejemplo, junto con los atributos ssmicos, informacin de pozo y ncleos, nos ofrecen ventajas tecnolgicas para la prediccin de propiedades, no slo estructurales y estratigrficas del subsuelo, sino tambin fsicas, como son la porosidad, permeabilidad y saturacin econmica de hidrocarburos Por el valor que los atributos ssmicos ofrecen a la industria petrolera, se han realizado esfuerzos para generar tecnologas propias que sean utilizadas en prcticamente toda la cadena de valor del proceso petrolero. Lo presentado aqu es parte de un proyecto del grupo de investigadores de prospeccin ssmica del IMP para la Gerencia de Gestin y Transferencia Tecnolgica de Exploracin de PEMEX. Lo presentado aqu es a su vez, parte del desarrollo de una paquetera de software para ser integrada en una plataforma ciberntica propia. Slo se muestran los preliminares de esta iniciativa, como parte de un objetivo final que es desarrollar un sistema de atributos ssmicos 2 y 3D. La plataforma incluir mdulos de anlisis colectivo de la informacin. En este trabajo se presenta, por lo tanto, lo desarrollado y analizado hasta ahora en un campo de gas. ALGORITMOS DESARROLLADOS. A continuacin se describen los algoritmos de atributos ssmicos desarrollados en este trabajo.

Semblanza
La semblanza se obtiene de una coleccin de trazas [tr1,L, trJ ] , para una ventana en tiempo

[t l , tu ] y una ventana espacial [ r, r ] . Se calcula la media estadstica [ 1,L, J ] que es utilizada para centrar los datos en cada traza, y se construye la matriz de covarianza C en cada matriz unitaria 1 (cubo elemental):

Semblanza =

1T C1 J traza(C)

(1)

Traza normalizada de C
De la matriz de covarianza C, la traza normalizada se define como:
Traza normalizad a = traza(C) 1, C

Caos
Este atributo se define para un punto intermedio t como:
Caos(t ) =

(6)

Semblanza[t l , tu ]
Semblanza[t ]

(2)

donde

es la norma euclidiana.

donde es la desviacin estndar en el intervalo. Distancia de Manhattan De una traza ssmica por examinar trc con ventana de tiempo [t l , tu ] , en (x,y), se calcula la semblanza con cada traza vecina en las localidades (x-1,y), (x-1,y-1), (x-1,y+1), (x,y-1), (x,y+1), (x+1,y), (x+1,y-1), (x+1,y+1). La traza con menor semblanza trmin establece la distancia:

Dispersin normalizada de C
La dispersin normalizada para J nmero de filas y columnas se define:

Dispersin =
J 1 i =1 J 1 i =1 J

J j = i +1

ij2

j = i +1

ii jj

(7)

Elstico -inelstico
Este atributo consiste de los siguientes pasos: 1) Calcular la transformada de Hilbert de cada traza Z(t) para obtener una funcin o traza analtica S(t):

Dist =
Estructura propia

t [t l ,t u ] t [t l ,t u ]

trc (t ) trmin (t ) trc (t ) + trmin (t )

(3)

S(t ) = Z (t ) + iH (t ) 2) Calcular la envolvente E(t):

E ( t ) = Z ( t )2 + H ( t )2

La estructura propia (eigenstructure), se obtiene de calcular el valor propio dominante (eigenvalue) 1 de la matriz de covarianza C:
Eigenstructure =

1
traza(C)

(4)

3) Calcular la fase (t ) : (t ) = arctan(H (t ) Z (t )) 4) Se calcula la fase respuesta R (t ) para

Razn de valores propios dominantes

Con el segundo valor propio dominante 2 , de la matriz de covarianza se calcula el atributo: Razn =

cada intervalo de cruce cero [ta , tb ] :

R (t ) = (tmax ) [ta , t b ]

1 . 2

(5)

5) Finalmente, utilizando cada intervalo [ta , tb ] , se obtienen los atributos elstico

Suavizado de bordes
Es un suavizador de los datos con el fin de preservar los bordes u orillas de las estructuras del subsuelo. Para suavizar, se define un rea que parte de una traza ssmica central y se extiende a los lados, como en la figura 1. Esto resulta en pequeos rectngulos que siempre incluyen al centro. De aqu se calcula, en una rebanada en tiempo, la desviacin estndar y el promedio. Entonces se toma el promedio de aquel rectngulo con menor desviacin estndar.

e inelstico:
Elstico = sin( ) + Z (t ) + sin( ) cos( )H (t ) (8) Inelstico = sin( ) + Z (t ) sin( ) cos( )H (t ) (9)

El atributo elstico esta relacionado a los cambios en impedancia ssmica, mientras que el inelstico determina la presencia de atenuacin ssmica. Grupo y Fase
Se realizan las transformaciones antes de apilar los datos ssmicos. El atributo de grupo, tambin llamado perigrama, es la envolvente normalizada por el valor medio EN (t ) : G(t ) = E (t ) EN (t ) . (10)

Fig. 1 Seccin de rea que define el ancho y largo para suavizar las orillas.

Detector de orillas
En una seccin de rea, generalmente tomando 40ventanas de 3x3, se realiza la convolucin de las matrices A x y Ay , con el fin de suavizar los datos y encontrar por diferencias finitas una aproximacin de las derivadas en los ejes X y Y. La misma derivacin tambin de realiza para el tiempo ssmico. Sean S x , S y y S z estas derivadas, este atributo detecta las orillas en la estructura, definindose como:
2 2 2 Detector = S x + S y + S z

El atributo de fase se calcula como:

(t ) = arctan(H (t ) Z (t )) .

(11)

Una vez calculado esto, se apilan los datos ssmicos. Cabe mencionar que tambin se puede calcular un atributo por medio del producto aritmtico de la fase y del grupo, que permite ver una seccin ssmica filtrada de incoherencias (seccin producto), til en la interpretacin estructural y estratigrfica. Para notacin en programacin C, El atributo ssmico producto se escribe:
Pr od (t ) = G(t ) = G(t ) > 0 ? G ( t ) ( t ) : 0. 0

1 2

(13)

(12)

Existen varias matrices en la literatura de procesamiento de imgenes que se utilizan para este suavizado. Por ejemplo, la matriz de Kirsch ( Ax , Ay y Az ):

3.0 3.0 3.0 3.0 3.0 0.0 3.0 5.0 0.0 3.0 5.0 5.0 5.0 5.0 5.0

3.0 5.0 3.0 5.0 3.0 5.0

3.0 0.0 3.0

3.0 3.0 3.0

Q 1 =

LSQ{ W (t 2 , f ) } LSQ{ W (t1, f ) } ln ln , (16) 2 f (t 2 t1 )

Otras matrices de peso que se utilizan son: la de Sobel, Prewitt, Istropa o la de Robinson.

Atenuacin
El coeficiente de atenuacin o absorcin se obtiene del inverso del factor elstico de calidad Q:

donde LSQ denota el ajuste por mnimos cuadrados de la razn del logaritmo de las distribuciones de Wigner tomadas a los tiempo t 1 y t2 . Inicialmente, se calcula la transformada de Hilbert de los datos para obtener datos analticos. Despus se calcula la transformada Wigner de cada traza ssmica (vector columna) para obtener una representacin tiempo-frecuencia simultanea (matriz) que permite obtener el clculo de la atenuacin precisamente. Se normalizan los valores de la matriz [0,1] y con regresin lineal se obtiene la atenuacin para cada tiempo :
P (f ) = a exp( f ) ,

f
VQ

(14)

donde V, f, y son respectivamente velocidad, frecuencia y longitud de onda. Un mtodo tpico para obtener absorcin es la razn espectral, muy utilizado en sismologa de terremotos. La atenuacin se calcula de varias maneras. Se puede obtener de la transformada corta de Fourier. No obstante, es poco resolutiva. Por lo que aqu utilizamos una transformada ondicular continua conocida como transformada de Wigner. Refirase a trabajos previos en ssmica bidimensional (Del Valle-Garca et al., 2002; Ramrez et al., 2004) para los detalles matemticos y prcticos del mtodo. La transformada de Wigner puede ser interpretada como la transformacin bidimensional de Fourier de una funcin de ambigedad de peso de la seal. La distribucin de Wigner (DW) es una transformada corta de Fourier reescalada que utiliza la seal tiempo reversa como ventana y provee ptimamente un compromiso de resolucin entre el tiempo y la frecuencia. La DW es una funcin cuadrtica de la seal:
W (t , ) =

(17)

donde P(f) es el espectro de potencia local. Conociendo las velocidades del medio (de intervalo), se obtiene de las ecuaciones (14) y (16). La regresin puede ser optimizada utilizando, por ejemplo, el algoritmo de Marquardt, que permite realizar pertinentemente regresiones no-lineales. Para este algoritmo se necesita derivar el gradiente y el Hessiano de la funcin de error:
R(a, ) =

(y
i =1

a exp( x i )) .

(18)

El gradiente:
N R = 2 y i exp( x i ) a i =1

s(t + 2 )s

(t )e i d . 2

(15)

2a exp( 2 x i )
i =1

(19)

El factor de calidad Q se obtiene de:

N R = 2a x i y i exp( x i ) i =1

2a

x
i =1

exp( 2 x i )

(20)

Son la razn del tercer y cuarto momento central y la desviacin estndar t a la tercera y cuarta potencia respectivamente. Estas estadsticas son tiles para observar aspectos no lenlas de la seal y de la geometra.

El Hessiano:
N 2R = 2 exp( 2 x i ) a 2 i =1 N 2R 2R = = 2a x i y i exp( x i ) + a a i =1

Ancho de banda
(21) Teniendo la amplitud instantnea R(t), el ancho de banda se define cmo aquella banda de frecuencias donde la energa no a decado a la mitad. La amplitud instantnea en nuestro caso es calculada, ya sea por la transformada de Hilbert, ya sea por la de Wigner, que es mucho ms robusta:

4a x i exp( 2 x i )
i =1

(22)

R = 2a x i2 y i exp( x i ) 2 i =1
2 N

R ' (t ) AB = . 2R(t )
. (23)

(26)

4a

x
i =1

2 i

exp( 2 x i )

Frecuencia dominante
Se define a partir de la frecuencia instantnea y el ancho de banda: FD = Fi 2 + AB 2 . (27)

Tambin se prob al convertir al logaritmo los valores desde la columna promedio mxima hasta el nmero de muestras. Un problema es que los valores pueden ser negativos o cero, para lo cual se tuvo que normalizar los valores a [0,1].

Kurtosis y Skewness
Son estadsticas de orden mayor. El skewness es la tercera estadstica del espectro de potencia para frecuencia 0:
St =

Tanto la frecuencia dominante, ancho de banda y factor de calidad Q, se desarrollaron de acuerdo al trabajo de Barnes, 1993).
APLICACIONES EN UN CAMPO DE GAS.

[(f < f > ) ]

3

( [f ] )
0 t t

(24)

La kurtosis es: Kt =

[(f < f > ) ] 3 .

4

[f 0 ] t

(25)

Los datos ssmicos 3D son del yacimiento de gas Lankahuasa que es un alineamiento estructural distensivo que inicia en el frente oriental de la plataforma de Tuxpan y termina en el Alto de Santa Ana, dentro de la cuenca Tampico-Misantla, se delimita geogrficamente en la plataforma continental del Golfo de Mxico entre las curvas batimtricas de 1 a 200, y se caracteriza por presentar potentes espesores de sedimentos terrgenos en las que las anomalas ssmicas sugieren la presencia de cuerpos arenosos, relacionados a un sistema de deformacin distensivo, definido por grandes estructuras

anticlinales tipo rollover, asociadas con fallamiento primario normal lstrico y fallas secundarias sintticas y antitticas. Las rocas potencialmente almacenadoras son areniscas provenientes de los Ros Cazones y Tecolutla y del paleocan Nautla, que es la salida hacia el Golfo del Paleocanal de Chicontepec, depositadas en secuencias progradantes de antiguos sistemas delticos y turbidticos de ambientes de aguas profundas mediante sistemas de canales submarinos y abanicos de talud, de ms de 4000 m con sedimentos del Mioceno-Plioceno. En el 2002 se incorpor reservas de gas no asociado costa afuera en rocas de edad Terciaria en el pozo Lankahusa-1 mismo que ha incorporado una reserva 2T de 410.5 miles de millones de pies cbicos. Este campo se compone de varios yacimientos en rocas clsticas del Terciario Superior, en una rea ubicada en los lmites ms extremos del sur de la Cuenca Tampico-Misantla. El pozo Lankahuasa DL-1 ha logrado delimitar la parte sur del campo al establecer la presencia de contacto de agua para los diferentes yacimientos, y se localiza geogrficamente en la plataforma continental en aguas territoriales, frente a las costas del norte del estado de Veracruz y en un tirante de agua que varia de entre 50 y 70 m. El volumen original 3P de gas natural asciende a 1,046.8 miles de millones de pies cbicos, a condiciones atmosfricas, equivalente a una reserva 3P de 153.9 millones de barriles de petrleo crudo equivalente, de los cuales 131.5 miles de millones de pies cbicos son reservas probadas, 279.0 miles de millones de pies cbicos son reservas probables y 390.1 miles de millones son posibles. La figura 2 es un mapa de localizacin relativa del campo Lankahuasa. La figura 3 muestra una seccin ssmica tpica de dichos datos, junto con el pozo Lankahuasa 1. Con la Interpretacin de los datos se pueden observar chimeneas de gas (figura 4).

Fig. 2 Mapa del campo Lankahuasa.

Fig. 3 Seccin ssmica con objetivos de explotacin.

Fig. 4 Secciones interpretadas para chimeneas de gas. Trabajos previos en los datos utilizando tcnicas de AVO exponen una anomala aproximadamente a los 2 segundos (figura 5). Por lo que en anlisis con atributos se realiz a esa profundidad.

Fig. 8 Atributo estadstico de Skewness.

Fig. 5 Amplitud envolvente de ngulos cercanos. El atributo de atenuacin con regresin no lineal, utilizando el mtodo de Marquardt, es la figura 6 en un corte del cubo ssmico (refirase al tiempo 2 segundo en todas las figuras). La figura 7 es la regresin no lineal con la una funcin exponencial tpica. Definitivamente, el mtodo de Marquardt es superior por su resolucin y detalles de la distribucin de atenuacin contra frecuencia y espacio. El atributo estadstico de Skewness est en la figura 8 y la Kurtosis en la figura 8. Ntese la falla lateral en la parte izquierda en la lente de arena.

Fig. 8 Atributo estadstico de Kurtosis. La descomposicin espectral de atenuacin se ilustra en la figura 9. La secuencia es la atenuacin calculada en bandas 10 Hz. y centradas a 20, 30 y 40 Hz. Un corte transversal se ilustra en la figura 10, donde se observa una anomala de atenuacin cerca de los 2 segundos, precisamente donde se tiene el yacimiento del pozo Lankahuasa 1. Tambin se observan burdamente, a travs del atributo de atenuacin, los limites del yacimiento debido a las fallas que lo delimitan. Ntese que en la descomposicin espectral, calculadas por medio de la transformada Wigner, se tiene gran nitidez en la apreciacin del yacimiento. Es clara la atenuacin de altas frecuencias debido a la presencia de gas.

Fig. 6 Atenuacin global con ajuste no lineal (mtodo de Marquardt).

Fig. 9 Atenuacin centrada a 20, 30 y 40 Hz. Fig. 7 Atenuacin global con ajuste no lineal exponencial.

Fig. 10 Corte transversal de la atenuacin.

CONCLUSIONES.

for assessment of seismic attenuation in rock: Geophysics, 58, 1222-1236. Boudreaux-Bartels, G., 1984, Time-frequency signal processing algorithms: Analysis and synthesis using Wigner distributions: Ph.D. dissertation, Rice University. Classen, T. A. and W. F. Mecklenbraker, 1980, The Wigner distribution: A tool for time-frequency signal analysis: Phillips J. Res., 35, 217-250, 276300, 372-389, 1067-1072. Cohen, L., 1989, Time-frequency distributions: A review: Proc. IEEE, 77, 941-981. Cohen, L., 1995: Time-frequency Prentice-Hall, Englewood Cliffs, NJ. analysis,

Es clara la utilidad de los atributos ssmicos para detectar estructuras geolgicas, as como rasgos estratigrficos y presencia de fluidos (gas y aceite) en el subsuelo. Una precisa caracterizacin de un yacimiento, significara utilizar datos de pozo para calibrar y establecer las tendencias de prediccin por medio de un anlisis integral de informacin ssmica, an cuando la resolucin no es del todo deseable. El siguiente paso ser utilizar herramientas de anlisis colectivo para construir mapas de prediccin de propiedades fsicas de yacimiento, que sirvan para la reduccin de riesgo exploratorio o para la determinacin de parmetros de perforacin, como es el caso de la presin de poro. Se requiere realizar ms pruebas en campos con diferentes litologas y saturaciones de hidrocarburo distintas, para calibrar nuestros mtodos y validar resultados. Falta mucho por desarrollar, pero se cree que este esfuerzo significar tener tecnologas de punta propias que vayan a la vanguardia del progreso econmico nacional.
REFERENCIAS.

Del Valle-Garca, R. and L. Ramrez, 2002, Spectral attributes for attenuation analysis in a fractured carbonate reservoir: The Leading Edge, October, 1038-1041. Gabor, D., 1946, Theory of communication: J. Inst. Electr. Electron. Eng., 93, part III, 429-457. Gladwin, M. T., and Stacey, F. D., 1974, Anelastic degradation of acoustic pulses in rocks: Phys. Earth Planet. Inter., 8, 332-336. Gurevich, B., Zyrianov, V. B., and Lopatnikov, S. L., 1997, Seismic attenuation in finely layered porous rocks: Effects of fluid flow and scattering: Geophysics, 62, 319-324. Hargreaves, N. D., and Calvert, A. J., 1991, Inverse Q filtering by Fourier transform, Geophysics, 56, 519-527. Jones, D. L., and R. G. Baraniuk, 1994, A simple scheme for adapting time-frequency representations: IEEE Trans. Signal Processing, 42, no. 12, 3530-3535. Jones, D. L., and R. G. Baraniuk, 1995, An adaptive optimal-kernel time-frequency

Assefa, S., McCann, C. and Sothcott, J., 1999, Attenuation of P and S waves in limestones; Geophysical Prospecting, 47, 359-392. Barnes, A. E., 1993, Instantaneous bandwidth and dominant frequency with applications to seismic reflection data: Geophysics, 58, 419-428. Baraniuk, R. G. and D. L. Jones, 1990, Optimal kernels for time-frequency analysis, in Advanced Signal-Processing Algorithms, Architectures and Implementations: F. T. Luk, ed., Proc. SPIE, 1348, 181-187. Baraniuk, R. G. and D. L. Jones, 1993, A signaldependent time-frequency representation: Optimal kernel design, IEEE Trans. Signal Processing, 41, no. 4, 1589-1602. Blair, D. P., 1990, A direct comparison between vibrational resonance and pulse transmission data

representation: IEEE Trans. Signal Processing, 43, no. 11, 2361-2371. Klimentos, T., 1995, Attenuation of P- and S-waves as a method of distinguishing gas and condensate from oil and water: Geophysics, 44, 691-711. Klimentos, T., and McCann, C., 1990, Relationships among compressional wave attenuation, porosity, clay content and permeability in sandstones: Geophysics, 44, 691-711. Luo, Yi et al, Edge preserving smoothing and applications, TLE, Febrero de 2002. McCann, C., Sothcott, J., and Assefa, S. B., 1997, Prediction of petrophysical properties from seismic quality factor measurements: In Lovell, M. A. and Harvey, P. K., editors, Developments in Petrophysics, 121-130, Geological Society Special Publication No. 122. Mitchell, J. T., Derzhi, N., Lichman, E. and Lanning, E. N., 1996, Energy absorption analysis: A case study: 66th Annual International Meeting, SEG, Expanded Abstracts, 1785-1788. Paffenholz, J., and Burkhardt, H., 1989, Absorption and modulus measurements in the seismic frequency and strain range on partially saturated sedimentary rocks: J. Geophys. Res., 94, 94939507. Peacock, S., McCann, C., Sothcott, J., and Astin, T. R., 1994, Experimental measurements of seismic attenuation in microfractured sedimentary rock: Geophysics, 59, 1342-1351. Ramrez, L. C., Del Valle-Garca R., Urrutia F. and Sanchez-Sesma, 2004, Seismic attenuation estimation in a fractured oil reservoir of northeastern Mexico via time-frequency analysis. Submitted to Geophysics. Steeghs, T. P., 1997, Local power spectra and seismic interpretation: Ph.D. dissertation, Delft University of Technology.

Tobback, T., Steeghs, P., Drijkoningen, G. G. and Fokkema, J. T., 1996, Decomposition of seismic signals via time-frequency representations: 66th Annual International Meeting, SEG, Expanded Abstracts, 1638 -1641. Tonn, R., 1991, The determination of seismic quality factor Q from VSP data: a comparison of different computational methods: Geophysical Prospecting, 39, 1-27. Tutuncu, A. N., Podio, L., and Sharma, M. M., 1994, An experimental investigation of factors influencing compressional- and shear-wave velocities and attenuation in tight gas sandstones: Geophysics, 59, 77-86. White, R. E., 1992, The accuracy of estimating Q from seismic data: Geophysics, 57, 1508-1511.