Inversión simultánea sobre sísmica pre-stack y propagación de propiedades de reservorio en la Formación Quintuco mediante redes neuronales con arquitectura deep learning

Abstract

En el presente trabajo se realizó la caracterización sísmica de los reservorios de la formación Quintuco en el sector sur-oriental de la Cuenca Neuquina. Dicha caracterización se llevó a cabo mediante la inversión de trazas sísmicas pre-stack. Este tipo de inversión permitió obtener como parámetros eĺásticos la impedancia de ondas P y S. Posteriormente se propagó un cubo de porosidad mediante redes neuronales con arquitectura deep learning. El área de estudio corresponde a parte del bloque Lindero Atravesado (PAEG) y cubre una estructura geológica cercana a la Dorsal de Huincul. Se realizó la carga, control de calidad y acondicionamiento de datos sísmicos y perfiles de pozo. Durante el control de calidad se revisaron perfiles para identificar datos anómalos y se calibraron relaciones empíricas a partir del análisis de los perfiles. Para la ejecución de la inversión pre-stack se hicieron tareas como: atado de pozos, estimación de ondículas seguido de la construcción del modelo de bajas frecuencias y parametrización de la inversión. Se propagó como propiedad de reservorio la porosidad mediante redes neuronales de tipo deep learning: se compararon y cuantificaron los resultados con los obtenidos empleando otras metodologías (relaciones empíricas, regresiones lineales, redes neuronales tradicionales). A partir del estudio se identificaron áreas e intervalos estratigráficos con mejores propiedades petrofísicas dentro del yacimiento y mejores condiciones prospectivas. Finalmente, se identificó e interpretó un geocuerpo de alta porosidad en la formación Quintuco, al cual se le cuantificaron las reservas de hidrocarburo asociadas al mismo. El programa empleado para realizar el trabajo de tesis fue Hampson & Russell (GeoSoftware), el cual es un software específico para inversión de trazas y caracterización sísmica de reservorios.