KR101292659B1 - 물리 검층 데이터의 해석 방법 - Google Patents

물리 검층 데이터의 해석 방법 Download PDF

Info

Publication number
KR101292659B1
KR101292659B1 KR1020120151900A KR20120151900A KR101292659B1 KR 101292659 B1 KR101292659 B1 KR 101292659B1 KR 1020120151900 A KR1020120151900 A KR 1020120151900A KR 20120151900 A KR20120151900 A KR 20120151900A KR 101292659 B1 KR101292659 B1 KR 101292659B1
Authority
KR
South Korea
Prior art keywords
data
logging data
physical
physical logging
value
Prior art date
Application number
KR1020120151900A
Other languages
English (en)
Inventor
김상명
전광민
권석정
Original Assignee
대우조선해양 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대우조선해양 주식회사 filed Critical 대우조선해양 주식회사
Priority to KR1020120151900A priority Critical patent/KR101292659B1/ko
Application granted granted Critical
Publication of KR101292659B1 publication Critical patent/KR101292659B1/ko
Priority to PCT/KR2013/010935 priority patent/WO2014104595A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Geology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

물리 검층 데이터의 해석 방법은, (A) 물리 탐사용 시추공으로부터 최초 물리 검층 데이터를 획득하는 단계; (B) 상기 물리 검층 데이터의 선형 추세를 제거하는 단계 및 정규화하는 단계; (C) 상기 정규화된 물리 검층 데이터를 여러 개의 모드 함수로 분해하는 경험적 모드 분해 기법을 적용하는 단계; (D) 1 차 필터링 단계로서, 상기 여러 개의 모드 함수의 총합을 구한 다음, 최단 파장 성분을 감하여 C(t)를 얻는 단계; 및 (E) 2 차 필터링 단계로서, 상기 얻어진 C(t)의 라플라시안을 속성값 LC(t)로 하여 얻는 단계;를 포함하는 것을 특징으로 한다.
이때, 물리 검층 데이터로는, 온도, 밀도(density), 음파, 전기 전도도, 전기적 성질에 따른 비저항, 코어 시료의 공극률, 중성자, 자연 방사선 붕괴 데이터 중의 하나 이상을 포함하는 것이 바람직하다.

Description

물리 검층 데이터의 해석 방법{METHOD FOR INTERPRETING WELL LOG}
본 발명은 물리 검층 데이터의 해석 방법에 관한 것으로, 더욱 상세하게는, 시추공에서 수집한 물리 검층 데이터를 간단하고 신뢰성있게 해석하는 방법에 관한 것이다.
지각 자체의 물리적 특성 정보를 파악하기 위해서 또는 지하에 매장된 지하 자원 정보를 얻기 위해서 사용하는 다양한 지구 물리학적인 탐사 기법들이 알려져 있다.
그 중에서도, 시추공(試錐孔)을 통한 물리 탐사는 보편적일 뿐만 아니라 가장 정밀한 것으로 알려져 있다.
이때, 지상 시추공의 경우에는 대부분 지하 수백 미터 내지 수천 미터 정도를 천공하고 있으며, 해저 시추공의 경우에는 해저 수천 미터를 통과한 다음, 다시 해저 암석층을 천공하고 있다.
이와 같은 시추공의 천공 깊이(심도(depth)라고도 함) 및 이와 동시에 얻어지는 방대한 양의 코어 시료를 통해서 얻어지는 데이터를 고려할 때, 시추공에서 수집한 지질 데이터를 신속하게 해석하여, 원하는 지층 정보를 얻을 필요가 있다.
상기 원하는 지층 정보에는 암상이나 각 지층의 물리적 성질의 변화가 포함될 수 있다.
상기 지질 데이터는, 다르게는, 물리 검층 데이터 또는 더 단순하게 검층 데이터라고도 한다.
시추공의 천공 과정에서 얻을 수 있는 다양한 데이터로부터 시추공 자체에 형성된 균열대, 퇴적상의 변화 또는 시추공 주변의 지층 상태를 기록하는 작업을 검층 작업(well logging)이라 한다.
검층 작업에 의하여 획득된 데이터를 심도에 따라 도표화한 데이터를 검층 기록(well log)이라 한다.
검층 작업 중 지구물리학적 검층 작업(geo-physical well logging)은 대개 시추공에 검층기(sonde, 존데라고도 함)를 삽입한 다음, 인공적으로 발생시킨 물리 현상에 대한 응답을 얻어서 각 심도별로 비교하여 기록하고 있다.
이때, 인공적으로 발생시킨 물리 현상에 대한 응답 결과만 기록하는 것이 아니라, 시추공 내의 각 지층(암상 경계)별로 고유한 자연적 물리 현상도 동시에 기록하는 것이 바람직하다.
여기에서, 상기 물리 현상의 종류로는, 온도, 밀도(density), 음파, 전기 전도도, 전기적 성질에 따른 비저항, 코어 시료의 공극률, 중성자, 자연 방사선 붕괴 데이터 등을 들 수 있다.
한편, 이상과 같은 물리 검층 데이터의 분석 및 해석 방법으로서, 현재까지 이용되는 방법은 크게 다음과 같이 분류할 수 있다.
(1) 전통적으로 행해져 오던 방법으로, 물리 검층 데이터에 어떠한 신호 처리 기법도 적용하지 않고 해석하는 방법.
(2) 물리 검층 데이터에 푸리에(Fourier) 또는 웨이블릿(wavelet) 변환 등을 수행하여, 물리 검층 데이터만을 육안으로 분석하였을 때 발견하기 어려운 다양한 주기성을 탐지하는 방법.
(3) 획득된 상당수의 물리 검층 데이터가 프랙탈(fractal)성을 나타내고 있음에 주목하여 물리 검층 데이터를 그대로 이용하는 것이 아니라, 이 물리 검층 데이터의 허스트 지수(Hurst exponent) 또는 이와 동일한 양인 홀더 지수 프로파일(Holder exponent profile)을 분석하여 암상과 지층의 불균질성을 규명하는 방법.
여기에서, 상기 (1)의 방법은, 물리 검층 데이터가 포함 하고 있는 잡음(noise)에 의한 효과와 잡음과는 별도로 신호 자체의 미묘한 변화는 인지하기 어려운 점 등의 이유로 해석하는데 많은 시간이 소요되고 해석자의 주관이 많은 영향을 줄 수가 있다.
따라서, 이와 같은 분석/해석에 소요되는 시간을 단축하고, 분석/해석의 모호성을 제어하기 위해서, 다양한 변환 기법(예를 들면, 상술한 푸리에 변환 또는 웨이블릿 변환 등), 특히 물리 검층 데이터가 갖고 있는 프랙탈성에 기반한 다양한 기법들이 제안되고 있었다.
이 중에서, 푸리에 변환 및 웨이블릿 변환은 물리 검층 데이터가 정상성(stationarity)과 선형성(linearity)을 가지고 있다는 것이 명확할 때는 지층 정보를 얻는데 효과적이지만, 실제의 물리 검층 데이터는 매우 복잡하기 때문에 위의 두 가지 조건을 충족시키는 경우가 드물어서 응용에는 한계가 있었다.
따라서, 이상과 같이, 물리 검층 데이터가 비정상적(non-stationary)이고 비선형적(non-linear)인 특성을 가지고 있을 수 있다는 점을 감안하여, 지층 정보를 더욱 효과적으로 파악하기 위하여, 본 발명에서 선행 기술 문헌으로 인용하는 비특허 문헌 2(Gaci 등, 2010)에서는, 국소 정규 해석(local regularity analysis) 기법 또는 국소 허스트 지수 해석(local Hurst exponent analysis) 기법을 이용하여 물리 검층 데이터 중에서 음파 검층 데이터를 분석/해석하였다.
그러나, 상기 국소 정규 해석 기법의 경우, 분석/해석 대상이 되는 물리 검층 데이터가 프랙탈하거나 다중 프랙탈(multi-fractal)한 성질을 띌 것이라는 가정 하에 행해졌다.
더욱이, 많은 물리 검층 데이터가 프랙탈 또는 다중 프랙탈 조건을 만족하는 것으로 추정하고는 있지만, 모든 물리 검층 데이터가 일률적으로 프랙탈한 특성을 보이는 것은 아니라는 점에서 이와 같은 추정에도 한계가 있었다.
현재, 암석학적 특징들과 관련된 지질 모수(geologic parameter)를 구하기 위하여 물리 검층 데이터의 분석과 이의 모델링이 매우 광범위하게 이용되고 있으며, 이때, 상기 물리 검층 데이터는 시공간적으로 복잡한 퇴적 작용 및 속성 작용과 지구조 운동의 영향을 반영하고 있기 때문에, 대체로 비정상(non-stationary)적이고 비선형(nonlinear)적인 특징을 나타내고 있다.
따라서, 이와 같이 비정상적이고 비선형적인 특성을 나타내는 시계열(time series) 데이터를 신규한 방법으로 분석하여 지질학적 현실성이 더욱 잘 반영된 모델을 도출할 필요가 있었다.
본 발명의 바람직한 실시예와 관련하여, 그 선행 기술 문헌으로는 다음과 같은 비특허 문헌을 들 수 있다.
(비특허 문헌 1) Local regularity analysis of strata heterogeneities from sonic logs, S. Gaci, N.Zaourar, M.Hamoudi, and M. Holschneider, Nonlin. Processes Geophys., 17, 455-466, 2010
(비특허 문헌 2) Muti-scale analysis of well-logging data in petrophysical and stratigraphic correlation, E. Coconi-Morales, G. Ronquillo-Jarillo, J.O. Campos-Enr
Figure 112012106987985-pat00001
quez, Geof
Figure 112012106987985-pat00002
sica Internacional 49 (2), 55-67 (2010)
(비특허 문헌 3) Empirical mode decomposition as a filter bank, Patrick Flandrin, IEEE SIGNAL PROCESSING LETTERS, VOL 11., NO. 2, February 2004
따라서, 본 발명은, 종래의 물리 검층 데이터 분석/해석 기법에서 필수적으로 요구되었던 선행 가정(a priori assumption)을 배제하고 물리 검층 데이터에만 기반하여 각 지층의 고유 특성을 반영하여 해석할 수 있는 물리 검층 데이터의 해석 방법을 제공하는 것을 목적으로 한다.
즉, 본 발명은, 지각에서 심도가 증가함에 따라 상술한 공극률, 밀도 등의 물리적 성질의 변화, 균열대의 존재 및 퇴적상의 변화 등은 물리 검층 데이터에서 최대값, 최소값, 또는 변곡점 등 측정치의 급격한 변화가 일어나는 부근에서 나타날 것이라고 가정할 수 있지만, 이와 같은 특징들은 원 데이터, 즉 물리 검층 데이터만 검토하였을 때는 모호함 없이 인지하기 어려운 경우가 많으므로 이러한 특징들이 더 잘 해석될 수 있도록 원 데이터를 신호 처리할 수 있는 방법을 제공하는 것을 목적으로 한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)는 이하의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위해서, 본 발명의 바람직한 실시예에 따르면, (A) 물리 탐사용 시추공으로부터 최초 물리 검층 데이터를 획득하는 단계; (B) 상기 물리 검층 데이터의 선형 추세를 제거하는 단계 및 정규화하는 단계; (C) 상기 정규화된 물리 검층 데이터를 여러 개의 모드 함수로 분해하는 경험적 모드 분해 기법을 적용하는 단계; (D) 1 차 필터링 단계로서, 상기 여러 개의 모드 함수의 총합을 구한 다음, 최단 파장 성분을 감하여 C(t)를 얻는 단계; 및 (E) 2 차 필터링 단계로서, 상기 얻어진 C(t)의 라플라시안을 속성값 LC(t)로 하여 얻는 단계;를 포함하는 것을 특징으로 한다.
여기에서, 상기 물리 검층 데이터로는, 온도, 밀도(density), 음파, 전기 전도도, 전기적 성질에 따른 비저항, 코어 시료의 공극률, 중성자, 자연 방사선 붕괴 데이터 중의 하나 이상을 포함하는 것이 바람직하다.
또한, 상기 (D) 단계에서, 상기 C(t)는, 상기 여러 개의 모드 함수의 총합으로부터 최단 파장 성분과 상기 최단 파장 성분보다 긴 다음 최단 파장 성분을 감하여 얻어질 수 있다.
또한, 상기 (E) 단계는, 상기 LC(t)의 최대값, 최소값, 및 영 교차를 통해서, 지층 경계를 분석하는 단계를 더 포함하는 것이 바람직하다.
한편, 본 발명은, 바람직한 실시예에 따른 물리 검층 데이터의 해석 방법을 수행할 수 있는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체의 형태로도 제공될 수 있다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하며, 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 명세서의 명확성을 위하여 과장되어 기술되어 있을 수 있음을 알아야 한다.
본 발명의 물리 검층 데이터의 해석 방법에 따르면, 종래와는 달리 선행 가정 없이 물리 검층 데이터를 바로 분석할 수 있으므로, 물리 검층 데이터의 분석/해석에 소요되는 시간 및 비용이 획기적으로 개선된다.
도 1은, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법을 나타내는 개략적인 순서도이다.
도 2는, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법에서 사용한, 물리 검층 데이터를 취득한 미국 중부 애팔래치아 분지의 개략적인 단면도이다.
도 3은, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법에서의 EMD를 적용한 일부 모드 함수를 나타낸 그래프이다.
도 4는, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법에 따라서 해석한 LC(t) 및 암상 경계를 나타낸 도면이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
먼저, 본 발명에서는, 상술한 다양한 물리 현상을 기록한 데이터 중에서, 지층 정보를 신속하게 해석하기 위해서 가장 적합한 물리 검층 데이터로는 자연 방사선 붕괴 데이터, 그 중에서도 특히 자연 감마선 붕괴(gamma ray decay) 데이터를, 본 발명의 바람직한 물리 검층 데이터로 이용하였음을 밝힌다.
본 발명에서, 물리 검층 데이터로서 자연 감마선 붕괴 데이터를 사용한 이유는, 암석 또는 특정 지층에서는 일정한 양의 자연 감마선이 방출되며, 이 자연 감마선을 시계열적으로 측정한 데이터를 이용하는 경우, 암석의 종류 또는 특정 지층의 퇴적 환경이 심도(depth)에 따라 변화되어가는 양상을 파악하는데 매우 유용할 것이라고 판단하였기 때문이다.
이때, 상기 자연 감마선 붕괴 데이터를 풍부하게 얻을 수 있는 암석 또는 지층으로는, 퇴적암 중의 세일(shale)을 들 수 있다.
도 1은, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법을 나타내는 개략적인 순서도이다.
도 1을 참조하면, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법은, 물리 검층 데이터 준비 단계(S100), EMD 처리 단계(S110), C(t) 함수 획득 단계(S120), LC(t) 함수 획득 단계(S130), 및 물리 검층 데이터와 속성값(LC(t)) 표시 단계(S140)를 포함하고 있다
도 1에서, 암상 경계 식별 단계(S150)는 상기 물리 검층 데이터와 속성값(LC(t)) 표시 단계(S140)에서 얻어진 그래프로부터 본 발명의 바람직한 실시예에 따른 물리 검층 데이터의 해석 방법이 어느 정도 유효한지를 원 데이터, 즉 물리 검층 데이터와 비교하여 결과를 얻는 단계이다.
물리 검층 데이터 준비
물리 검층 데이터 준비 단계(S100)에서는, 미국 중부 애팔래치아 분지에서 취득되었으며, 미국의 USGS가 공개하고 있는 물리 검층 데이터를 준비하였다.
후술할 두 가지 필터링 단계에 선행하여 물리 검층 데이터에서 선형 추세를 제거하였고(detrend), 또한 서로 다른 범위에서 변하는 값들과 함께 도시하기 위하여 정규화(normalization)하여 물리 검층 데이터가 0과 1시이 값을 갖도록 하였다.
이후 모든 데이터로부터 후술할 과정들을 거처 형성되는 값도 정규화 과정을 거처 동일한 범위(0과 1 사이 값)에서 편리하게 비교될 수 있도록 하였다.
도 2에 상기 물리 검층 데이터를 취득한 장소의 단면을 대략적으로 나타내었다. 그 내용은 후술하기로 한다.
EMD 처리 단계
EMD 처리하는 단계(S110)는, 상기 물리 검층 데이터에 대해서 EMD 처리를 실행하는 단계이다.
상기 EMD는 Empirical mode decomposition의 약자이며, 경험적 모드 분해 기법으로 이해하는 것이 바람직하다.
본 발명에서는 EMD에 의하여 형성된 필터 뱅크(filter bank)의 필터(filter)들을 조합하여 기존 물리 검층 데이터로부터 새롭게 필터링된 데이터를 생성하여 지층 경계(또는, 암상 경계)를 구분하는 방법으로 사용하였다
여기서, 상기 EMD 기법은 미국 항공 우주국(NASA)의 후앙(Huang)이 제안한 방법임을 알아야 한다.
상기 EMD 기법은, 기본적으로, 주어진 데이터를 여러 개의 내재 모드 함수(IMF, intrinsic mode function)(이하, 본 발명에서는 "모드 함수"라고 지칭한다)로 분해하는 방법이다.
EMD를 이용하여 주어진 데이터 x(t)를 여러 개의 모드 함수들의 합으로 분해하는 방법은 다음과 같다.
(1) x(t)의 모든 극값(extrema, 최대값/최소값 모두를 포함)을 인지(identify)함
(2) 삼차 스플라인 보간법(cubic spline method)을 이용하여 최대값에 의하여 형성된 포락선(envelope)과 최소값에 의하여 형성된 포락선을 구한다.
(3) 상기한 두 포락선들로부터 국소 평균값 m1을 구한다.
(4) x(t) - m1 = h1으로 h1을 정의한다.
(5) 이와 같은 과정은 반복되며, Huang은 이와 같은 과정을 체거름(sifting)으로 명명했으며, 각 반복 단계에서 형성된 h들의 표준 편차가 0.2 ~ 0.3 정도의 값이 되면, 과정을 중단하고, 최종적으로 형성된 값을 첫 번째 모드 함수 c1으로 배정한다.
(6) x(t) - c1 = r1을 구하여 r1에 대해서 상기 (1) ~ (5)의 과정을 반복하여 지속적으로 c2, c3 등을 구한다.
(7) 모드 함수들을 구하는 과정은 c가 단조 함수(monotonic function), 즉 주어진 구간에서 최대값/최소값이 함께 존재하지 않고 항상 증가하거나 감소하는 함수가 되면 중단한다.
이 단계까지 형성된 c들이 모드 함수들의 집합을 형성하며, x(t) = Σc(i) + r, 즉, 원래 데이터는 모든 모드 함수의 합과 나머지 r로 표시할 수 있다.
EMD의 장점은 푸리에 해석이나 웨이블릿 방법과 같이 주어진 데이터에 관계없이 선행적으로 정의된 함수들로 데이터를 분해하는 것이 아니라 전적으로 데이터로부터 형성된 몇 개의 모드 함수들로 데이터를 분해하고 분석하는데 있다.
따라서 EMD는 적응형 데이터 처리 방식(adaptive data processing method)이라고 할 수 있다.
이상적인 상황에서 개별 모드 함수들은 데이터에 내제하는 여러 주기 또는 파장의 성분들을 대표하는 값들로서 대기 과학 분야 및 관련 분야에서는 이와 같은 점을 이용하여 하루, 한달 몇 개월, 몇 년 등의 상이한 기간에 일어나는 현상들을 해석하는데 EMD로 구하여진 모드 함수들을 사용하여 왔다.
그러나 데이터에는 항상 원하지 않는 여러 가지 잡음(noise)이 존재하고 있으며, 최단파장 모드 함수에도 장파장 성분이 그리고 장파장 모드 함수에도 단파장 성분이 존재하는 모드 혼합(mode mixing)이 문제가 되어 왔고 이를 극복하기 위한 방법들도 개발되었다.
본 발명에서는 개별 모드 함수들을 지질학적으로 해석하지 않고 단지 개별 모드 함수들의 조합으로부터 특정 파장 성분(들)을 배제하는 방식을 적용하는 것에 의해서 원래 데이터에 존재하였던 잡음들을 충분히 억제할 수 있어서 EMD 과정에 모드 혼합 문제를 해결하기 위한 별도의 과정은 필요하지 않았다.
본 발명에서, 물리 검층 데이터 x(t)는 상술한 바와 같이 EMD 기법에 의하여 몇 개의 모드 함수로 분해될 수 있으며, 각각의 모드 함수는 원래 데이터의 최단 파장 성분 c1으로부터 마지막 최장 파장 성분 cn(여기서, n은 1보다 큰 양의 정수)의 모드 함수의 합으로 분해될 수 있다.
본 발명의 발명자는, 예의 면밀한 검토 결과, 대부분의 자연 감마선 붕괴 데이터는 12 개 정도의 모드 함수로 분해될 수 있음을 알아냈다.
상기 모드 함수는 분해되었을 때 집합으로 표현할 수 있으며, 따라서, 본 발명의 바람직한 실시예에 따른 모드 함수의 집합은, A = {c1, c2, ..., c12}와 같이 나타낼 수 있다.
비특허문헌 3에서 언급한 바와 같이, A의 구성원들인 모드 함수들은 여러 파장 성분들의 필터로 간주될 수 있고, 본 발명에서는 이들을 적절하게 사용하여 물리 검층 데이터를 필터링하는 최적의 방법을 제시하였다.
즉, 본 발명의 발명자는, 여러 가지 분석 과정을 통해서, 물리 검층 데이터로부터 선형 추세(linear trend)를 제거하는 과정에서 장파장 잡음의 영향이 감소하고 있음을 알아내었으며, 실제의 지층 경계를 구분하는데 방해가 되는 성분은 최단 파장 성분임을 파악하고, 후술하는 바와 같이, 상기 최단 파장 성분을 제거하여 필터링된 신호 C(t)를 형성하고, 다시 이 값의 라플라시안을 취하여 원래 데이터보다 선명한 변화 양상을 보여주는 속성값 LC(t)를 도출하였다.
C(t) 함수 획득 단계
C(t) 함수 획득 단계(S120)는, 먼저, 상기 EMD 기법에 의해서 물리 검층 데이터 x(t)를 c1에서 c12까지의 모드 함수로 분해한 다음, c1 + c2, ..., + c12, 즉, 각 모드 함수의 총합을 구하고, 이 총합으로부터 최단파장 성분 c1, 또는 최단파장 성분과 상기 최단파장 성분보다 긴 다음 최단 파장 성분 c1 + c2를 감한 값을 획득하는 단계이다.
여러 차례 수치 실험(numerical experiment)을 수행한 결과, 모드 함수의 총합으로부터 c1만을 제외하는 경우 더 좋은 결과를 얻었으며, 본 발명에서 언급하는 C(t)는 최단파장 성분 c1만을 배제한 값이다.
그러나, 모드 함수의 총합으로부터 c1과 c2를 모두 차감하는 경우도 비교적 양호한 결과를 얻었기에, 모드 함수의 총합으로부터 c1과 c2를 모두 차감할 수도 있음을 알아야 한다.
따라서, C(t)는 다음과 같이, C(t) = Σc(i) - c1 = x(t) - c1 - r, 즉 모든 모드 함수의 총합에서 c1을 빼준 값 또는 원래 데이터 x(t)에서(x(t) = Σc(i) + r이므로) c1과 EMD 과정을 거친 후의 나머지 r을 빼준 값으로 정의할 수 있다.
C(t)는 최단파장 모드 함수 c1이 제거되어 원래 데이터보다 매우 원만하게 변화하는 부드러운 곡선을 형성하여 수학적 연산자들을 적용하는데 더 유리한 면이 있고, 또한 선행 과정에서 제거된 선형 추세(linear trend)와 EMD 후에도 남아있던 r도 부재하므로 최적의 필터링 결과물이라고 할 수 있다.
LC(t) 함수 획득 단계
LC(t) 함수 획득 단계(S130)는, 상기 C(t) 함수 획득 단계(S120)로부터 얻은 C(t) 함수에 대해서, 2 차 유한 차분 미분 연산자 또는 라플라시안(Laplacian)을 적용하는 단계이다.
그 결과 얻어지는 새로운 값은 LC(t)로 정의될 수 있으며, 이 값은 본 발명의 바람직한 실시예에 따른 속성값이라고 할 수 있다.
여기서, 라플라시안은, 2 차 유한 차분 미분 연산자이며, 라플라시안을 이용하면, 파장이 긴 성분에 해당하는 데이터는 소거되어 강조되지 않는 반면에, 파장이 짧은 성분에 해당하는 데이터는 상대적으로 선명하게 강조되는 효과를 얻을 수 있으며, 이와 같은 특성이 있기 때문에, 이미지 처리(image processing) 분야에서 활용되고 있다.
물리 검층 데이터와 속성값(LC(t)) 표시 단계
물리 검층 데이터와 속성값(LC(t)) 표시 단계(S140)는, 도 4에 나타낸 바와 같이, 가로축에 심도(단위: ft)를 표시하고 세로축에 정규화 된 물리 검층 데이터 및 LC(t) 값을 표시하는 단계이다.
암상 경계 식별 단계
암상 경계 식별 단계(S150)는, 물리 검층 데이터와 속성값(LC(t)) 표시 단계(S140)에서 표시된 그래프로부터, 최초 물리 검층 데이터에 기초하는 것이 아니라, 새로운 속성 또는 속성값(attribute)으로 정의된 LC(t)에 기초하여 지층 경계를 더욱 용이하게 식별할 수 있음을 알 수 있다.
구체적으로, 도 4에 나타낸 바와 같이, Sunbury shale 및 Berea sand로 명명된 지층의 최상부(formation top, 또는 암상 경계 지층), 즉 지층 경계가 LC(t)의 국소적 최대값/최소값(local extrema)이 나타나는 심도에 있음을 알 수 있다.
또한, Bedford shale에서는 영 교차(zero crossing)가 나타나는 심도에 의해서 지층 경계가 식별될 수 있음을 알 수 있다.
다음으로, 도 2는, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법에서 사용한, 물리 검층 데이터를 취득한 미국 중부 애팔래치아 분지의 개략적인 단면도이다.
더욱 구체적으로는, 상기 물리 검층 데이터는, 미국 오하이오(Ohio)주의 #1 윈드비글러(Windbigler) 시추공에서 얻은 것으로, 그 심도(depth) 4900 피트(ft, 여기서 ft는 미터법으로 환산하였을 때, 30.48 cm)까지의 자연 감마선 붕괴 데이터를 시계열적으로 측정한 데이터이다.
본 발명의 바람직한 실시예에서 사용한 물리 검층 데이터는, 상술한 바와 같이, 자연 감마선 붕괴 데이터이며, 상기 자연 감마선 붕괴 데이터는, 도 2에서 수직으로 나타낸 심도(depth)선 옆에 나타낸 곡선으로 표시되어 있다.
참고로, 도 2는 #1 윈드비글러(Windbigler) 시추공의 단면 전부를 나타낸 것이 아니라, 심도 650 피트 정도까지의 상층 일부만 나타내었다는 점에 유의하여야 한다.
도 3은, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법에서의 EMD를 적용한 일부 모드 함수를 나타낸 그래프이다.
도 3에서 물리 지층 데이터는 하단의 적색으로 표시되어 있으며, 상기 물리 지층 데이터의 모드 함수는 청색으로 표시되어 있다.
도 4는, 본 발명의 바람직한 실시예에 따른, 물리 검층 데이터의 해석 방법에 따라서 해석한 LC(t) 및 암상 경계를 나타낸 도면이다.
도 4로부터, Sunbury shale, Berea sand, 및 Bedford shale의 지층 경계가 명확하게 표시되었음을 알 수 있다.
구체적으로, 심도 402 피트에 존재하는 Sunbury shale층(수직선으로 표시), 405 피트에 존재하는 Berea sand층(수직선으로 표시), 및 424 피트에 존재하는 Bedford shale층(수직선으로 표시)의 각 지층 경계들은 각각 동일한 심도(가로축)에서 LC(t)의 최대값, 최소값, 및 영 교차와 정확하게 일치하고 있다.
이때, 상기 최대값, 최소값, 및 영 교차는, 각각, 지층 경계 표시자로 명명해 두기로 한다.
다음으로, 표 1은, 도 2에 나타낸 #1 Windbigler 시추공의 심도 4900 피트와, 상기 심도 4900 피트 이내에 존재하는 총 35 개의 지층의 최상부가 나타나는 심도(암상 경계 지층으로 표시함), 및 상술한 속성, 본 발명에서는 LC(t)상에 나타나는 지층 경계 지시자들을 표로 정리한 결과이다.
Figure 112012106987985-pat00003
표 1에서, 각각의 지층 경계를 지시하는 속성값 LC(t)는, 국소적인 최대값('max'로 표시)/최소값('min'으로 표시)값 및 영 교차(zero crossing)('zero'로 표시)로, 각각, 표시되어 있다.
또한, 표 1에서, 오차(단위: 피트)는 상기 속성값 LC(t)의 지층 경계 지시자들(최대값/최소값, 영 교차)이 나타나는 심도와 실제 지층 경계들의 심도가 일치하는 경우에는 0으로 표시될 수 있다.
실제 데이터는 0.5 피트 간격으로 취득되었으며, 이를 '거리'로 정의하여 오차를 표시할 수 있다.
예를 들면, 해당 지층 경계의 심도보다 LC(t)의 지층 경계 지시자가 상방('+'로 표기함)으로 0.5 피트와 1 피트 위에서 나타나는 경우 +1 거리 또는 +2 거리, 또는 하방('-'로 표기함)으로 0.5 피트와 1 피트 아래에서 나타나는 경우 -1 거리 또는 -2 거리로 표시될 수 있다.
여기에서, 1) 겉보기에 실제 지층 경계가 최대값(max)/최소값(min)과 근접해 보여도 그 거리가 2 거리(1 피트)를 초과하는 경우는 해당 지층 경계와 일치하지 않는다고 판단하였으며, 또한 2) 지층 경계에서 LC(t)에 뚜렷한 특징이 나타나지 않는 경우가 있을 수 있고, 이 두 가지 경우 모두 계산된 속성으로부터 지층 경계가 확정될 수 없다고 판단되어 ND("not defined", 미정의)로 표시하였다.
표 1에서, 상기 거리는 상대적인 거리임을 알아야 한다.
상기 표 1로부터, 지층 경계의 지시자는, 속성값 LC(t)에 의해서 'max', 'min', 또는 'zero'로 표시되어 있으며, 이들 값과 오차값(각각, +1, +0.5, 0, -0.5, 및 -1.0)에 기초하여, 총 35 개의 암상 경계 지층 중에서, ND로 표시된 두 지층 경계를 제외한 전부 33 개의 지층 경계가 확인됨을 알 수 있다.
이와 같은 수준의 성공률은 수치로는 대략 94 % 정도의 정확도를 의미할 수 있다.
마지막으로, 본 발명은, 본 발명의 바람직한 실시예에 따른 물리 검층 데이터의 해석 방법을 수행할 수 있는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체의 형태로 구현될 수도 있다.
지금까지 본 발명에 따른 구체적인 실시예에 관하여 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능함은 물론이다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허 청구의 범위뿐 아니라 이 특허 청구의 범위와 균등한 것들에 의해 정해져야 한다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
S100 : 물리 검층 데이터 준비 단계
S110 : EMD 처리 단계
S120 : C(t) 함수 획득 단계
S130 : LC(t) 함수 획득 단계
S140 : 물리 검층 데이터와 속성값(LC(t)) 표시 단계
S150 : 암상 경계 식별 단계

Claims (5)

  1. (A) 물리 탐사용 시추공으로부터 최초 물리 검층 데이터를 획득하는 단계;
    (B) 상기 물리 검층 데이터의 선형 추세를 제거하는 단계 및 정규화하는 단계;
    (C) 상기 정규화된 물리 검층 데이터를 여러 개의 모드 함수로 분해하는 경험적 모드 분해 기법을 적용하는 단계;
    (D) 1 차 필터링 단계로서, 상기 여러 개의 모드 함수의 총합을 구한 다음, 최단 파장 성분을 감하여 C(t)를 얻는 단계; 및
    (E) 2 차 필터링 단계로서, 상기 얻어진 C(t)의 라플라시안을 속성값 LC(t)로 하여 얻는 단계;를 포함하며,
    상기 (E) 단계는, 상기 LC(t)의 최대값, 최소값, 또는 영 교차를 통해서, 지층 경계를 분석하는 단계를 더 포함하는 것을 특징으로 하는,
    물리 검층 데이터의 해석 방법.
  2. 제 1 항에 있어서,
    상기 물리 검층 데이터로는, 온도, 밀도(density), 음파, 전기 전도도, 전기적 성질에 따른 비저항, 코어 시료의 공극률, 중성자, 자연 방사선 붕괴 데이터 중의 하나 이상을 포함하는 것을 특징으로 하는,
    물리 검층 데이터의 해석 방법.
  3. 제 1 항에 있어서,
    상기 (D) 단계에서,
    상기 C(t)는, 상기 여러 개의 모드 함수의 총합으로부터 최단 파장 성분과 상기 최단 파장 성분보다 긴 다음 최단 파장 성분을 감하여 얻어지는 것을 특징으로 하는,
    물리 검층 데이터의 해석 방법.
  4. 삭제
  5. 제 1 항 내지 제 3 항 중 어느 한 항에 따른 물리 검층 데이터의 해석 방법을 수행할 수 있는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체.
KR1020120151900A 2012-12-24 2012-12-24 물리 검층 데이터의 해석 방법 KR101292659B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120151900A KR101292659B1 (ko) 2012-12-24 2012-12-24 물리 검층 데이터의 해석 방법
PCT/KR2013/010935 WO2014104595A1 (ko) 2012-12-24 2013-11-28 물리 검층 데이터의 해석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120151900A KR101292659B1 (ko) 2012-12-24 2012-12-24 물리 검층 데이터의 해석 방법

Publications (1)

Publication Number Publication Date
KR101292659B1 true KR101292659B1 (ko) 2013-08-02

Family

ID=49219754

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120151900A KR101292659B1 (ko) 2012-12-24 2012-12-24 물리 검층 데이터의 해석 방법

Country Status (2)

Country Link
KR (1) KR101292659B1 (ko)
WO (1) WO2014104595A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101402213B1 (ko) 2013-12-02 2014-06-02 대우조선해양 주식회사 경험적 모드 분해법과 확산방정식을 이용한 물리 검층 데이터 모델링 방법, 및 컴퓨터 판독 가능한 기록매체
KR101557148B1 (ko) * 2015-04-29 2015-10-05 대우조선해양 주식회사 의사 센서 융합을 이용한 물리 검층 자료의 모델링 방법 및 이 방법을 제공하는 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체
CN105629323A (zh) * 2014-11-06 2016-06-01 中国石油化工股份有限公司 一种测井曲线自动拼接方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104916059B (zh) * 2015-05-18 2017-06-16 中国民航大学 基于eemd的m‑z干涉仪型机场周界预警***模式识别方法
CN111044975A (zh) * 2019-12-10 2020-04-21 北京无线电计量测试研究所 一种地震动信号定位方法和***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10227868A (ja) * 1997-02-12 1998-08-25 Anadrill Internatl Sa 地層密度の測定方法及び装置
KR20090116598A (ko) * 2008-05-06 2009-11-11 재단법인서울대학교산학협력재단 라플라스-푸리에 영역의 파형 역산을 이용한 지하 구조의 영상화 장치, 방법 및 기록매체

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3396596B2 (ja) * 1997-05-21 2003-04-14 飛島建設株式会社 地盤、岩盤、コンクリート構造物等の緩み、亀裂範囲測定方法及び測定装置
KR100921569B1 (ko) * 2007-11-26 2009-10-12 한국원자력연구원 시추공 수리 실험을 이용한 암반 균열틈 크기분포지리통계적 산정 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10227868A (ja) * 1997-02-12 1998-08-25 Anadrill Internatl Sa 地層密度の測定方法及び装置
KR20090116598A (ko) * 2008-05-06 2009-11-11 재단법인서울대학교산학협력재단 라플라스-푸리에 영역의 파형 역산을 이용한 지하 구조의 영상화 장치, 방법 및 기록매체

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101402213B1 (ko) 2013-12-02 2014-06-02 대우조선해양 주식회사 경험적 모드 분해법과 확산방정식을 이용한 물리 검층 데이터 모델링 방법, 및 컴퓨터 판독 가능한 기록매체
CN105629323A (zh) * 2014-11-06 2016-06-01 中国石油化工股份有限公司 一种测井曲线自动拼接方法
KR101557148B1 (ko) * 2015-04-29 2015-10-05 대우조선해양 주식회사 의사 센서 융합을 이용한 물리 검층 자료의 모델링 방법 및 이 방법을 제공하는 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체

Also Published As

Publication number Publication date
WO2014104595A1 (ko) 2014-07-03

Similar Documents

Publication Publication Date Title
US9395456B2 (en) System and method for narrow beam scanning microseismic monitoring
CN100543497C (zh) 核测井数据多尺度处理方法
CN107272062B (zh) 一种数据驱动的地下介质q场估计方法
KR101292659B1 (ko) 물리 검층 데이터의 해석 방법
Du et al. Seismic facies analysis based on self-organizing map and empirical mode decomposition
Spica et al. Shallow VS imaging of the Groningen area from joint inversion of multimode surface waves and H/V spectral ratios
Xiao et al. Quantitative analysis of tight sandstone reservoir heterogeneity based on rescaled range analysis and empirical mode decomposition: A case study of the Chang 7 reservoir in the Dingbian oilfield
Yamada et al. Revisiting porosity analysis from electrical borehole images: integration of advanced texture and porosity analysis
Nascimento et al. High-resolution acoustic impedance inversion to characterize turbidites at Marlim Field, Campos Basin, Brazil
Xu et al. Well-log decomposition using variational mode decomposition in assisting the sequence stratigraphy analysis of a conglomerate reservoir
EP2758810A1 (en) Integrated dip from 3d resistivity tool and borehole imaging tool
KR101324285B1 (ko) 물리 검층 데이터의 모델링 방법
Li et al. Automatic fracture–vug identification and extraction from electric imaging logging data based on path morphology
Pirrone et al. Lithofacies classification of thin layered reservoirs through the integration of core data and dielectric dispersion log measurements
KR101402213B1 (ko) 경험적 모드 분해법과 확산방정식을 이용한 물리 검층 데이터 모델링 방법, 및 컴퓨터 판독 가능한 기록매체
Lai et al. Typical misinterpretations and scientific concepts in well-logging geologic studies
Alshakhs et al. Sweet-spot mapping through formation evaluation and property modelling using data from the Goldwyer Formation of the Barbwire Terrace, Canning Basin
Li et al. Fracture extraction from FMI based on multiscale mathematical morphology
Noufal et al. New Borehole Image Log Based Technique for Pore System Characterization Predicts Productive Intervals in a Tight Carbonate Reservoir in Abu Dhabi
KR101557148B1 (ko) 의사 센서 융합을 이용한 물리 검층 자료의 모델링 방법 및 이 방법을 제공하는 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체
Jafari et al. Estimation of acoustic-impedance model by using model-based seismic inversion on the Ghar Member of Asmari Formation in an oil field in southwestern Iran
Alshakhs Shale play assessment of the Goldwyer formation in the Canning basin using property modelling
Tavella et al. Integrated characterization of unconventional upper Jurassic reservoir in northern Mexico
Henriques et al. Improving the analysis of well-logs by wavelet cross-correlation
Zhou et al. A resistivity partitioning algorithm of borehole image to improve permeability estimates in shaly sandstones, central Sichuan Basin

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160707

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170704

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee