Vi beregner sannsynligheten for ulike litologi-fluid-klasser (LFC-er) fra seismiske data og geologisk kunnskap.

Metoden kombinerer stokastiske petrofysiske relasjoner mellom elastiske parametere og de ulike LFC-ene med resultater fra en rask, bayesiansk simultaninversjon av seismiske data til elastiske parametere. Denne kombinasjonen gir et konsistent rammeverk for å integrere kunnskap fra ulike fagfelt i samme modell. 

Simultaninversjonen tar inn flere angle stacks samtidig. Med disse som utgangspunkt beregner vi sannsynligheten for at det finnes hydrokarboner på hvert punkt i modellen. 

For ett prospekt på den norske kontinentalsokkelen ga analysen en oppjustering av sannsynligheten for gass i én region fra 10 prosent til rundt 20 til 40 prosent, som var konsistent med strukturgeologisk tolkning. 

Den bayesianske formuleringen gjør det mulig å beregne den forventede effekten av seismiske data på modellen før dataene eventuelt samles inn. Metoden egner seg derfor til gjennomførbarhetsstudier. 

Vi beregner metodens evne til å skille mellom LFC-er både med kjente elastiske parametere og med inverterte elastiske parametere. Dermed ser vi informasjonstapet som skyldes at de seismiske dataene ikke fullt ut løser opp de elastiske parameterne. 

Navn: PCube – sannsynlighet for hydrokarboner fra seismiske data 

Partner: GIG-konsortiet

Periode: 2020 –