На протяжении нескольких десятков лет популярным инструментом для оценки запасов, проектирования разработки месторождений является трехмерная геологическая модель продуктивного пласта. Прогностические свойства модели напрямую зависят от качества и детальности изученности продуктивного пласта геолого-геофизическими и промысловыми методами, количества пробуренных скважин, достоверности принятой концептуальной модели. Также важную роль в создании геологической модели играет алгоритм моделирования. При высокой плотности скважинных материалов в совокупности с высокоточными сейсморазведочными данными выбор алгоритма моделирования будет влиять минимально, достаточно придерживаться общепринятых рекомендаций и контроля качества. При низкой плотности скважин и «редкой» сети сейсморазведочных работ (СРР) воспроизвести литологическую неоднородность сложнопостроенных коллекторов традиционными методами практически невозможно, а значит, разница при моделировании разными методами на основе одних и тех же данных будет существенной. Это касается как континентальных отложений, так и отложений подводных конусов выноса, когда уже на начальной стадии разведки есть понимание, что распространение коллектора будет подчиняться закономерностям и особенностям осадконакопления конкретной исследуемой территории и связано с деятельностью русловых потоков [1, 2].
В таких ситуациях на помощь приходят методы стохастического моделирования геологических объектов. При этом важно, чтобы усложнение подходов и алгоритмов моделирования не повлекло за собой увеличения времени счета и ограничения в актуализации модели на новые данные. Выбор оптимального алгоритма моделирования позволяет учесть материалы скважин, воспроизвести литологическую неоднородность, снизить погрешность результата.
Задача данной работы показать на примере разведываемого участка изменение подхода к моделированию в связи с получением новых данных СРР, описать алгоритм расчета и показать повышение прогнозных качеств модели.

Коллекторы на исследуемой территории относятся к отложениям подводных конусов выноса. Анализ керновых данных скважин подтвердил формирование территории в условиях действия транспортировочных, распределительных каналов и комплекса лопастей [3]. До 2022 года участок моделирования был охарактеризован только 2D сейсмическими профилями. Плотность профилей составляла 0,5 пог. км на км² и не позволяла качественно выполнить сейсмофациальный анализ с определением геологических характеристик пластов ачимовских отложений. Это существенно снижало прогнозные свойства геологических моделей и увеличивало риски бурения скважин «впустую». Для 3Д моделирования использовались карты-схемы фациальных обстановок и закономерности изменения ФЕС из литературных источников, что также давало некоторую осредненную оценку границ развития тел и их параметров.
В 2021–2022 гг. на исследуемом участке проведены СРР 3D. В пределах границ моделирования кратность 3D сейсморазведки составила 170, что соответствует высокому уровню качества сейсмической информации. Это позволило уточнить картирование фациальных элементов, определить размерность, направление каналов, извилистость. Появившийся широкий набор входных 3D сейсмических данных позволил экспериментировать с алгоритмами моделирования для получения результата, достоверно описывающего имеющиеся данные и соответствующего принятой геологической концепции.

Перед построением новой модели были проанализированы варианты моделирования и оценены ограничения при их использовании (табл. 1) применительно к объекту исследований:

1. Пиксельный метод (TGS):

• создает крупномасштабную фациальную модель на основе заданного порядка фаций;
• соблюдает фациальные переходы;
• следует скважинным данным и соотношению фаций;
• используется одна вариограмма для всех фаций;
• настройка фациальных переходов выполняется вручную.

2. Индикаторное моделирование (SIS):

• применяется для моделирования фациальных тел, не имеющих четкой формы, или при небольшом количестве данных;
• нет фациальной иерархии (сохраняется только доля фаций);
• метод не позволяет создавать сложные геометрические формы, хотя считается универсальным относительно воспроизведения условий осадконакопления.

3. Multipoint simulation (MPS):

• контроль связности фаций;
• обучение на концептуальных моделях;
• возможность настраиваться на собственные и тренировочные образы;
• большие временные затраты на создание и подбор паттернов без библиотеки образов, расчет куба фациальных обстановок с учетом всех трендов.

4. Объектное стохастическое моделирование (Object modeling):

• показывает хорошие результаты в случаях, когда расстояния между скважинами намного больше горизонтальных размеров моделируемых объектов;
• эффективен, когда известны формы; ориентация, размеры осадочных тел.;
• возможность задавать собственные данные и данные из литературных источников.

Исходя из ключевых факторов, наиболее подходящим для построения модели изучаемых отложений определен метод объектного стохастического моделирования.

По данным исследований керна седиментологами выделено 10 фаций [4].
Для моделирования по признаку близкого генезиса и свойствам фации объединены в 3 группы.
Детальность 3D позволила с достаточной точностью картировать фации лопастей и каналов, соответствующих концептуальной модели. Произведен отбор сейсмических слайсов пласта НХ4(5), наглядно отражающих распространение фаций (рис. 1).

По выбранным сейсмическим срезам выделены границы распространения фаций каналов и лопастей, а также определены их геометрические параметры, служащие основой для настройки фациальной модели (рис. 2).

Наибольшее распространение по территории имеют фации лопасти. Они наряду с фациями каналов обладают наилучшей песчанистостью порядка 70–80 %. По результатам анализа скважинных данных изучаемой площади фации каналов и лопастей имеют близкие ФЕС, пористость 16–16,5 %, проницаемость 1,4–1,6 мД (рис. 3).

Для моделирования были определены следующие диапазоны параметров: амплитуда каналов варьирует от 500 до 2 800 м, расстояние между меандрами от 1 000 до 14 500 м, а ориентация изменяется от 270 до 355°.
Построение фациальной модели проводилось в два этапа:
1. Построение куба обстановок осадконакопления (шельф, склон, дно бассейна);
2. Построение куба комплекса лопастей и каналов в обстановке «дно бассейна».
Для моделирования куба фаций выбран метод Object modeling (stochastic), так как он позволяет моделировать фации определенной геометрии. Параметры для моделирования фациальных обстановок получены по данным 3D сейсмики (пространственное распространение каналов, размеры каналов и лопастей, а также их мощность), с учетом концептуальной модели и скважинных данных (рис. 4).

В результате моделирования был получен куб фаций (рис. 5). При этом, несмотря на очень большое количество ячеек (75,5 млн), метод объектного стохастического моделирования позволяет выполнять построения в короткие сроки — 3–5 минут.

В слепом тесте модель, построенная методом Object modeling (stochastic), показала лучшую прогнозируемость коллекторов, чем модель, построенная методом TGS, за счет воспроизведения прерывистости и неоднородности коллекторов (рис. 6).

На разрезах видно, что первый алгоритм расчета демонстрирует прогноз выдержанного распространения коллектора с небольшими вариациями фаций канала и лопасти. Использование объектного стохастического моделирования показало более неоднородный результат и распределение глинистых отложений по разрезу пласта. В проектной скважине № 4 в кровле пласта вскрыты водоносные интервалы, по первой модели такой неоднородности и связанного с ней характера насыщения пропластка не ожидалось. Вторая версия модели показала, что такой риск возможен и впоследствии подтвержден фактическим бурением скважины.