Iterative geostatistical time lapse (4D) seismic inversion

Baraa Osman Abdo Osman

Informações chave

Autores:

Baraa Osman Abdo Osman (Baraa Osman)

Orientadores:

Leonardo Azevedo Guerra Raposo Pereira (Leonardo Azevedo Guerra Raposo Pereira); João Miguel Figueiredo Narciso (João Narciso)

Publicado em

19 de dezembro de 2023

Resumo

A análise sísmica de lapso de tempo (4D) é crucial para a avaliação de contenção e conformidade de projetos de CCS. No entanto, a interpretação de dados CCS para sinais 4D, como o conjunto de dados de Sleipner, enfrenta desafios de ruído, efeitos de velocidade e ajuste de leito fino. Os avanços no processamento de dados e nos métodos de análise quantitativa prometem interpretações mais precisas. A caracterização de reservatórios sísmicos depende de modelos elásticos invertidos de subsuperfície para prever a distribuição de porosidade, permeabilidade e saturação de fluidos. Os métodos probabilísticos de inversão sísmica fornecem modelos de alta resolução com avaliação de incerteza. Nossa metodologia iterativa de inversão de lapso de tempo geoestatística proposta prevê a diferença na impedância acústica \ac{Ip} usando dados sísmicos disponíveis. Ele considera todas as safras disponíveis simultaneamente e utiliza simulações geoestatísticas para perturbação, conduzindo convergência e melhor exploração do espaço de parâmetros do modelo. Aplicamos esta metodologia para monitorar o crescimento da pluma de CO2 de 1994 a 2006 usando o processamento de 2007 dos dados sísmicos do Sleipner. Time-lapse (4D) seismic analysis is crucial for the containment and conformance assessment of CCS projects. However, interpreting CCS data for 4D signals like the Sleipner dataset faces challenges from noise, velocity effects, and thin-bed tuning. Advances in data processing and quantitative analysis methods offer promise for more accurate interpretations. Seismic reservoir characterization relies on inverted elastic subsurface models to predict the distribution of porosity, permeability, and fluid saturation. Probabilistic seismic inversion methods provide high-resolution models with uncertainty assessment. Our proposed iterative geostatistical time-lapse inversion methodology predicts the difference in acoustic impedance \ac{Ip} using available seismic data. It considers all available vintages simultaneously and uses geostatistical simulations for perturbation, driving convergence and better exploration of the model parameter space. We apply this methodology to monitor the growth of the CO2 plume from 1994 to 2006 using the 2007 processing of the Sleipner's seismic data.