Acondicionamiento de datos GeoPredict

El Análisis de los componentes principales (PCA) es un proceso matemático bien establecido. En EcoStim, sencillamente lo aplicamos de una manera novedosa para acondicionar datos sísmicos. Es análogo a una técnica de filtrado por inmersión que determina la superficie geológica óptima de un punto de muestreo en un volumen sísmico en 3D. Realizamos el análisis completo en cada muestra del volumen de entrada, luego producimos un volumen sísmico en 3D que puede exhibirse o interpretarse igual a cualquier otro volumen sísmico en 3D.

El primer paso es transformar el volumen de datos del dominio de amplitud original al dominio de energía o envoltorio mediante una transformada de Hilbert.

Luego, utilizando un subvolumen móvil pequeño concentrado alrededor de la muestra bajo análisis, operamos sobre las muestras. Al realizar las pruebas, determinamos la extensión vertical y lateral óptima del subvolumen. Por lo general, comenzamos utilizando 11 muestras por 3 en línea por 3 líneas cruzadas, ampliando desde allí hasta encontrar los parámetros óptimos. Intentamos utilizar el subvolumen más pequeño que produzca resultados útiles. Aunque éste es un operador de rastreo múltiple, tomamos medidas para garantizar que las divisiones existentes en los datos no se allanen. La técnica utiliza álgebra de matriz multidimensional para que debamos ilustrar los principios solo con un caso de 2D. Durante la aplicación, operamos estrictamente en tres dimensiones.

Realizamos un escaneo por inmersión tridimensional en un rango específico de inmersiones para determinar la superficie óptima del subvolumen en la muestra bajo análisis. Cada rastro del subvolumen crea una dimensión en la matriz computarizada, entonces, el caso bidimensional que estamos ilustrando, crea una matriz tridimensional. La ventana básica de 3 líneas por 3 líneas cruzadas crea una matriz de nueve dimensiones. Hemos utilizado incluso 9 líneas por 9 líneas cruzadas, creando de esta manera una matriz de 81 dimensiones que deberá resolverse. Cada nivel (muestra de tiempo o profundidad) del subvolumen puede graficarse como un vector dimensional "n", en el cual el valor de energía para cada rastro de la muestra es una dimensión del vector.

La cantidad de muestras en el subvolumen crea esa cantidad "n" de vectores dimensionales, lo que forma un cúmulo de vectores. Idealmente, todos los vectores serán colineales. La desviación de este ideal se debe a que los datos resultan afectados por el ruido sísmico (aleatorio y coherente) y el ruido "geológico" creado al analizar de manera conjunta una tasa de inmersión incorrecta. PCA encuentra el centro ponderado de ese cúmulo. Este centro ponderado se proyecta hacia atrás del eje del rastro de entrada, reconvertido al dominio de amplitud y generado como los datos acondicionados. El subvolumen luego se reduce en una muestra y el proceso se repite hasta que todas las muestras del volumen hayan sido analizadas.

EdgePCA 01

Los datos de entrada izquierdos, derechos después del acondicionamiento de datos de EdgePCA, que tienen menos ruido, aumentan la continuidad de los reflectores para mejorar la confianza en la interpretación. Las fallas, cuando están presentes, se definen de manera mucho más notable.

Antes del acondicionamiento de datos EdgePCA
Después del acondicionamiento de datos EdgePCA

EdgePCA 02

La curvatura izquierda en los datos de entrada, curvatura derecha después del acondicionamiento de datos de EdgePCA, que reduce el ruido de "alta frecuencia" en los horizontes, eliminando de esa manera los cambios extraños en la inmersión, produce una respuesta mucho más limpia. La falla de la tendencia NE-SW en el centro de la imagen ahora aparece como una serie de fallas escalonadas.

EdgePCA 03

La curvatura izquierda en los datos de entrada, curvatura derecha después del acondicionamiento de datos de EdgePCA, que ha reducido en gran medida la cantidad de eventos espúreos, permite que las tendencias sutiles se hagan evidentes.