UNIVERSIDAD SIMN BOLVAR DECANATO DE ESTUDIOS PROFESIONALES COORDINACIN DE INGENIERA GEOFSICA METODOLOGA DE CONVERSIN TIEMPO-PROFUNDIDAD Y ANLISIS ATRIBUTOS SSMICOS-PROPIEDADES PETROFSICAS PARA DATOS DEL GOLFO DE MXICO Por: Jorge Enrique Fernandez-Concheso Marn INFORME DE PASANTA Presentado ante la Ilustre Universidad Simn Bolvar como requisito parcial para optar al ttulo deIngeniero Geofsico Sartenejas, Mayo de2009 UNIVERSIDAD SIMN BOLVAR DECANATO DE ESTUDIOS PROFESIONALES COORDINACIN DE INGENIERA GEOFSICA METODOLOGA DE CONVERSIN TIEMPO-PROFUNDIDAD Y ANLISIS ATRIBUTOS SSMICOS-PROPIEDADES PETROFSICAS PARA DATOS DEL GOLFO DE MXICO Por: Jorge Enrique Fernandez-Concheso Marn Realizado con la asesora de: Tutor Acadmico: Dra. Milagrosa AldanaTutor Industrial: Flavio Oliver (Schlumberger) INFORME DE PASANTA Presentado ante la Ilustre Universidad Simn Bolvar como requisito parcial para optar al ttulo deIngeniero Geofsico Sartenejas, Mayo de 2009 iiMETODOLOGA DE CONVERSIN TIEMPO-PROFUNDIDAD Y ANLISIS ATRIBUTOS SSMICOS-PROPIEDADES PETROFSICAS PARA DATOS DEL GOLFO DE MXICO Por: Jorge Enrique Fernandez-Concheso Marn RESUMEN Elobjetivodelpresentetrabajoconsisteenlaaplicacindediversosmtodosparala conversintiempo-profundidadyparalaestimacindepropiedadespetrofsicasapartirde atributos ssmicos, en datos correspondientes al norte del Golfo de Mxico, especficamente en la zona costa afuera del estado de Louisiana, Estados Unidos de Norteamrica. El rea de estudio se encuentra dominada por un estilo tectnico asociado a domos salinos. Se realiz la interpretacin defallasprincipalesyseobtuvieronmapasestructuralesentiempoapartirdelarefinacinde interpretaciones previas.Con esto segener un modelo esttico en tiempo, cuyascaractersticas coinciden con los rasgos estructurales de la zona. Segenerarondiversosmodelosdevelocidadtomandoencuentavariacionesenla disponibilidaddedatos.Serealizaronmodelosnicamenteconinformacindevelocidadde pozosenformadecheckshots,modelosconvelocidaddeapilamientoymodeloscombinando velocidades de apilamiento con velocidades de pozo. A su vez, estos modelos se aplicaron tanto paraelcasodecontarcon26pozos,comoparaelcasodecontarcon4pozosnicamente.En general, todos los modelos mostraron un campo de velocidades que aumenta con la profundidad, convaloresentre4800y11200pies/s.Lacomparacincuantitativaarrojerroresporcentuales promediodeprofundidadentre0,7y0,8paratodoslosmodelosysusvariaciones,yerrores porcentuales promedio de validacin cruzada entre 0,1 y 0,57. Los mtodos que arrojaron errores menoresfueroneldekriging(pozosnicamente)ycokriging(pozosyvelocidadesde apilamiento).Apartirdeestosmodelossegeneraronmapasestructuralesenprofundidad, caracterizadosporunsistemadefallasprincipalesderumboaproximadoeste-oestey truncaciones hacia el domo salino. Se generaron mapas de atributos ssmicos para dos horizontes de inters: Houston y Paris. Seestablecieroncorrelacionesentreestosatributosycuatropropiedadespetrofsicas:porosidad total,lentituddeondaP,volumendearcillaeimpedanciaacstica.Loscoeficientesde determinacinobtenidosfueronengeneralbajos.Seimplementelmtododeregresinpor pasos(stepwiseregression)paradeterminarculesycuntosatributosutilizarenlaregresin linealmulti-atributosparalaestimacindelaspropiedades.Asuvez,serealizaron entrenamientosderedesneuronalesparacrearmodelosdeestimacindedichaspropiedades.A partirdeestosmodelos,segeneraronmapasdepseudo-propiedadesparaamboshorizontes, caracterizadosporlapresenciadezonasdealtaporosidad,altalentituddeondaP,ybajo contenidodearcilla,ubicadasalnoresteynortedelreadeestudio.Losresultadosdeestos mapasnosonconcluyentes,peropermiteninferirunarelacinentrelatectnicaasociadaal cuerpo salino y la sedimentacin, lo cual podra ser corroborado por estudios ms detallados. iii DEDICATORIA A mis padres, smbolos, prceres, ngeles A los seres queridos que ya no se encuentran con nosotros ivAGRADECIMIENTOS Enprimerlugar,agradezcoaDiosyalaVirgenMara,pordarmelasbendicionesde todos los das. Ustedes le dan sentido a mi vida.AmipadreAurelio,porsersiempreunpapexcepcional,porestarallsiemprequete necesito,pordarmesiempreeseejemplodefortaleza,serenidadyempeo,yporesossabiosy oportunosconsejos.Amihermosamadre,MaraEugenia,lamejormujerdeluniverso,portu abnegacin, tu cario, tu dulzura, tu fe y tu amor puro e incondicional hacia nosotros.A mis bellas hermanas, Mara Beatriz y Patricia, por ser las mejores hermanas que uno pueda soar. Gracias por su apoyo, sus consejos de mujeres, siempre necesarios, y por darme alegras diarias con su buen humor y sus ocurrencias.A mis abuelos, a quienes Dios me ha dado la invalorable oportunidad de verlos vivos a los cuatro. Papa, Mamma Mia, Na y Fifa, son ustedes un ejemplo de alegra, vitalidad, intelecto y de los ms altos valores humanos. Me siento privilegiado de tenerlos a todos. Cada da aprendo ms de ustedes.A mis tos Luis Miguel y Josefina, Javier y Carolina, lvaro y Nilda, Marcos y Beatriz, y a mis primos Luismi, Andrea, Andresito, Alejandro El Tui, Marquitos, Sabrina y Ricardo, por ser parte de m. La familia es lo ms importante, y cada uno de ustedes es pieza fundamental en ella. Debo mencionar especialmente a mis tos y primos de Maracaibo, que siempre estuvieron a la orden para cualquier cosa que necesitaba estando por all,y a Luismi, que ms que mi primo es mi hermano. Eres mi dolo, s que el cielo es el lmite para ti.A mis amigos y hermanos, no los voy a nombrar a todos, pero ustedes saben quines son. Gracias por los buenos momentos, las innumerables reuniones en mi casa (sea para ver los juegos o simplemente para divertirnos) las fiestas, los futbolitos, los viajes, los guaguazos, las idas al Universitario, etc., etc.Y tambin por los no tan buenos, donde han demostrado tener siempre el antdotopararemediarlatristeza,laangustiaoelestrs.Esperemosqueesahermandadsiga creciendo y se perpete.Amiscompaerosdeestudio,enespecialelgrupodelos03,perotambinunosms viejos y otros ms jvenes. Gracias por todos estos aos de amistad y trabajo en equipo. S que a vecesmepierdo,peroapesardeellomisentimientohaciaustedesnocambia.Esunprivilegio habercompartidoconustedes,todossongrandestantoanivelacadmicoyprofesionalcomoa nivel personal. vAlafamiliaPortilloBoyer,quemeabrilaspuertasdesuhogarymeacogicomosi fuera uno de los suyos. Siempre los tendr presentes. ALeo,Milagros,Bianca,VanessayPablo,quehicieronmsdivertidamiestadaen Maracaibo, gracias por sacarme del aburrimiento y por estar pendiente de m. A toda la gente de Schlumberger Information Solutions en Caracas, que me ayud en mis primerospasosenlaempresa.ADiegoTortellayaLudnerNoel,quemesocorrieronvarias veces cuando no tena qu hacer ni dnde ir.A Vicente Issa, quien me abri las puertas del proceso con gran amabilidad y buen humor, yamimadrina,GiovanninaRagusa,sinlacualestaexperiencianohubiesesidoposible. GraciasGiova,porcreerenmcuandonadiemslohaca.Tuluchapormcreoquenuncala olvidar. Amitutorindustrial,FlavioOliver,quienapesardesusincontablesresponsabilidades siempresactiempoparaatendermeyguiarmeenloquenecesitabaparallevaradelanteel trabajo. Y adems por sus sabios consejos y enseanzas a nivel profesional y personal. AlexcelenteequipodeSISWest,porhabermeacogidocomoaunomsdelafamiliay porelapoyobrindado.GraciasaHenry,MaroMacas,MarioRivas,Juan,JosArias,Jos Rojas,Alejandro,Nataly,MaraAnglica,Yomar,Maritza,Tayruma,Carmen,porelbuen humorquesiempreleimprimanaloslargosdasdetrabajoenlaoficina.Creoquesinsus ocurrencias y chistes jams hubiese sido lo mismo. Y al equipo de G&G, con Alejandro Rangel, Natalie,Diana,LuisalicyelseorVctor,quesiempreestuvieronprestosaayudarmecon cualquier duda o pregunta y de los cuales aprend mucho.Amitutoraacadmica,Dra.MilagrosaAldana,porquesiempremostrsugran disposicin a ayudar en cualquiera de las etapas de este trabajo, y por tener la paciencia necesaria para realizar los correctivos del mismo. Muchas gracias por ese apoyo abnegado que brinda a sus estudiantes para estos proyectos.En fin, hay muchagente a la cual agradecer, pero s sigo no terminar nunca. A quienes han formado parte de mi viday no nombr aqu,saben que mi agradecimiento no es menor por eso. Igual sin ustedes no estara aqu ahora. viINDICE GENERAL RESUMEN ..................................................................................................................................... ii DEDICATORIA ............................................................................................................................ iii AGRADECIMIENTOS ................................................................................................................ iv INDICE GENERAL ..................................................................................................................... vi INDICE DE FIGURAS ................................................................................................................ ix INDICE DE TABLAS .................................................................................................................. ix CAPTULO I.INTRODUCCIN ............................................................................................... 1 CAPTULO II. UBICACIN Y GEOLOGA DEL REA DE ESTUDIO ............................. 4 2.1. Ubicacin geogrfica y geolgica. ........................................................................................ 4 2.2. Geologa Regional. Cuenca del Golfo de Mxico ................................................................ 5 2.2.1. Historia tectnica ........................................................................................................... 5 2.2.2. Geologa estructural. Entrampamiento de hidrocarburo ................................................ 6 2.2.3. Historia depositacional del Cenozoico .......................................................................... 7 2.3. Geologa local. Zona costa afuera de Louisiana en el Golfo. ............................................... 8 2.3.1. Historia tectnica y de depositacin .............................................................................. 8 2.3.2. Geologa estructural. ...................................................................................................... 9 2.3.3. Estilo estructural y estratigrafa de algunos campos en la zona................................... 10 2.4. rea de estudio ................................................................................................................... 11 CAPTULO III. MARCO TERICO ....................................................................................... 14 3.1. Conceptos fundamentales de ssmica ................................................................................. 14 3.1.1. Lassmica de reflexin. .............................................................................................. 14 3.1.2. Impedancia acstica y coeficiente de reflexin ........................................................... 14 3.1.3. Modelo convolucional de la traza ssmica ................................................................... 15 3.14.Interpretacinssmicaentiempo.Correlacindereflectoresygeneracindemapas estructurales. .......................................................................................................................... 16 3.1.5. Deteccin y mapeo de fallas. ....................................................................................... 16 3.1.6. Deteccin y mapeo de domos salinos. ......................................................................... 16 3.1.7. Resolucin vertical. Efecto de entonacin ................................................................... 17 3.2. Velocidades y conversin tiempo-profundidad .................................................................. 18 3.2.1. Trminos de velocidad. ................................................................................................ 18 3.2.2. Ecuacin de Dix ........................................................................................................... 19 3.2.3. Registros snicos ......................................................................................................... 20 3.2.4.Tiros de verificacin (Check Shots) ........................................................................... 20 3.2.5. Modelos de velocidad .................................................................................................. 21 3.2.6. Conversin tiempo-profundidad. Importancia ............................................................. 21 3.2.7. Una nota sobre migracin ............................................................................................ 22 3.3. Atributos ssmicos ............................................................................................................... 22 3.3.1. Atributos de tiempo ..................................................................................................... 23 3.3.2. Atributos de amplitud .................................................................................................. 23 3.3.3. Atributos de frecuencia ................................................................................................ 24 3.3.4. Hbridos ....................................................................................................................... 26 3.4. Petrofsica ........................................................................................................................... 26 3.4.1. Porosidad () ................................................................................................................ 26 3.4.2. Volumen de Arcilla ...................................................................................................... 27 3.5. Regresin lineal. Anlisis multivariado .............................................................................. 28 vii3.6. Redes neuronales ................................................................................................................ 28 3.6.1. Qu es una red neuronal? ........................................................................................... 28 3.6.2. Aprendizaje supervisado .............................................................................................. 29 3.6.3. Red Neuronales Anticipativa de Mltiples Capas (MLFN). ....................................... 29 3.6.4. Validacin cruzada y sobre-entrenamiento .................................................................. 30 3.7. Geoestadstica y variable regionalizada .............................................................................. 31 3.7.1. Variograma .................................................................................................................. 31 3.7.2. Anisotropa ................................................................................................................... 32 3.7.3. Modelos tericos de variograma .................................................................................. 33 3.7.4. Efecto nugget o pepita .............................................................................................. 33 3.7.5. Modelos en tres dimensiones ....................................................................................... 34 3.7.6. Kriging ......................................................................................................................... 34 3.7.7. Geoestadstica multivariada. Cokriging. ...................................................................... 35 CAPTULO IV. METODOLOGA ........................................................................................... 36 Figura 4.1. Diagrama de flujo de lo realizado en este estudio ....................................................... 36 4.1. Carga de datos y control de calidad .................................................................................... 37 4.1.1. Ssmica ......................................................................................................................... 37 4.1.2. Pozos. ........................................................................................................................... 38 4.1.3. Marcadores. .................................................................................................................. 39 4.1.4. Interpretaciones de horizontes. .................................................................................... 39 4.1.5. Velocidades de apilamiento. ........................................................................................ 39 4.2. Interpretacin y modelo esttico en tiempo. ....................................................................... 40 4.2.1. Resolucin vertical ...................................................................................................... 40 4.2.2. Interpretacin estructural. ............................................................................................ 42 4.2.3. Modelado de fallas. ...................................................................................................... 45 4.2.4. Mallado de pilares (Pillar gridding) ............................................................................ 46 4.2.5. Insercin de horizontes ................................................................................................ 47 4.2.6. Control de calidad de la malla 3D. .............................................................................. 48 4.3. Conversin Tiempo-Profundidad........................................................................................ 48 4.3.1. Control de Calidad de los Datos. ................................................................................. 48 4.3.1.1. Revisin de los Check Shots. ................................................................................ 48 4.3.1.2. Calibracin del Snico con los Check Shots. ....................................................... 49 4.3.1.3. Amarre Ssmica-Pozo. .......................................................................................... 50 4.3.2. Construccin de modelos de velocidades .................................................................... 53 4.3.2.1. Modelos de velocidades basados en curvas T-Z de los pozos .............................. 55 4.3.2.2. Modelos de velocidades basados en velocidades de apilamiento ......................... 56 4.3.2.3. Modelos de velocidades basados en funciones definidas por el usuario .............. 57 4.3.2.4.Modelosdevelocidadescombinandoinformacindepozoconvelocidadesde apilamiento (Factor de anisotropa) ................................................................................... 59 4.3.2.5.Modelodevelocidadesbasadoeninterpolacinporkrigingdelosvaloresde velocidad en los pozos. ...................................................................................................... 59 4.3.2.6.Modelosdevelocidadesbasadosengeoestadsticacombinandoinformacinde pozo con velocidades de apilamiento ................................................................................ 61 4.3.3. Validaciones cruzadas. ................................................................................................. 62 4.4. Anlisis de atributos ssmicos ............................................................................................. 63 4.4.1 Seleccin de los horizontes y de la ventana de tiempo para el clculo de los mapas de atributos. ................................................................................................................................ 63 4.4.2. Generacin de mapas de atributos ............................................................................... 64 4.4.3. Seleccin de las propiedades petrofsicas a correlacionar con los atributos ................ 64 viii 4.4.4.Extraccindelos valoresdelaspropiedadesydelosatributosenlavecindaddelos pozos. ..................................................................................................................................... 64 4.4.5. Anlisis propiedad-atributos ........................................................................................ 65 4.4.5.1. Mediante regresin lineal ...................................................................................... 65 4.4.5.2. Redes neuronales .................................................................................................. 67 4.4.6. Mapas de pseudo-propiedades ................................................................................. 68 CAPTULO V. ANLISIS DE RESULTADOS ....................................................................... 70 5.1. Interpretacin y modelo esttico ......................................................................................... 70 5.1.1. Interpretacin ssmica. ................................................................................................. 70 5.1.2. Sistema de fallas. ......................................................................................................... 70 5.1.3. Mapas en tiempo. ......................................................................................................... 74 5.1.4. Modelo Esttico de celdas ........................................................................................... 78 5.1.4.1. Fallas ..................................................................................................................... 78 5.1.4.2. Horizontes ............................................................................................................. 79 5.2. Modelos de velocidades ...................................................................................................... 82 5.2.1. Basados en curvas TZ de los pozos. ............................................................................ 82 5.2.2. Basados en velocidades de apilamiento. ...................................................................... 85 5.2.3. Basados en funciones ................................................................................................... 86 5.2.4. Factor de anisotropa. ................................................................................................... 87 5.2.5. Kriging con informacin de velocidad de los pozos: .................................................. 89 5.2.6. Geoestadstica combinando informacin de pozo con velocidades de apilamiento. ... 91 5.2.7. Comparacin de los diferentes modelos de velocidades.............................................. 92 5.2.7.1 Errores porcentuales de profundidad (promedio para todos los pozos) ................. 92 5.2.7.2. Validacin cruzada................................................................................................ 92 5.3. Mapas en profundidad......................................................................................................... 94 5.4. Anlisis de atributos ssmicos ............................................................................................. 99 5.4.1. Mapas de atributos ....................................................................................................... 99 5.4.2. Anlisis propiedad-atributos ...................................................................................... 102 5.4.2.1. Houston ............................................................................................................... 102 5.4.2.1.1 Mediante regresin lineal .............................................................................. 102 5.4.2.1.2. Mediante Redes neuronales ......................................................................... 109 5.4.2.2. Paris .................................................................................................................... 111 5.4.2.2.1. Mediante regresin lineal ............................................................................. 111 5.4.2.2.2. Mediante Redes Neuronales ........................................................................ 120 5.4.3. Mapas de Pseudopropiedades .................................................................................... 121 5.4.3.1. Houston ............................................................................................................... 121 5.4.3.2. Paris .................................................................................................................... 131 5.4.3.3. Discusin ............................................................................................................ 142 CAPTULO VI. CONCLUSIONES Y RECOMIENDACIONES ........................................ 144 CAPTULO VII. REFERENCIAS ........................................................................................... 147 APNDICE 1. MTODO DE MINIMIZACIN DE ERROR DE LA PROFUNDIDAD ....... ..................................................................................................................................................... 150 ixINDICE DE FIGURAS Figura 2.1. Ubicacin del rea de estudio....4 Figura 2.2. Reconstruccin del golfo de Mxico; evolucin de 20 millones de aos del movimiento de Yucatn en sus etapas (a), (b) y (c) (explicadas en el texto)...5 Figura 2.3. Diagrama de de trampas de hidrocarburos asociadas con cuerpos salinos....7 Figura 2.4. Los tres sistemas depositacionales (I, II y III, explicados en el texto) identificados en secuencias del Cenozoico del Golfo.8 Figura 2.5. Mapa tectnico del norte del Golfo de Mxico, mostrando la sal alctona (negro), las fallas (lneas negras), pliegues en agua profunda (lneas negras segmentadas), y la ubicacin del rea de estudio..9 Figura 2.6. Seccin ssmica de un campo en Green Canyon, costa afuera de Louisiana...10 Figura 2.7. Perfiles de gamma ray y resistividad, ambientes depositacionales y edades del pozo GC-158-1....11 Figura 2.8. Secciones ssmicas en el rea (no interpretadas. (a) Oeste-Este, (b) Norte-Sur...12 Figura 2.9. Registros de SP y Resistividad del pozo Albite, restringidos a la zona de inters..13 Figura 3.1. Esquema del modelo convolucional de la traza ssmica..15 Figura 3.2. Efecto de entonacin17 Figura 3.3. (a) Duracin de loop inferior. (b) Duracin de loop superior..25 Figura 3.4. (a) Definicin grfica del skewness de loop superior. (b) Definicin grfica de la kurtosis de loop...25 Figura 3.5. Esquema mostrando la lnea de arena y la lnea de lutita definidas para calcular el volumen de arcilla..27 Figura 3.6. Diagrama de flujo del aprendizaje supervisado...29 Figura 3.7. Arquitectura de una MLFN..30 Figura 3.8. Grfica idealizada de error promedio vs nmero de iteracin tanto para las muestras de entrenamiento como para las de validacin...31 Figura 3.9. Elementos de un variograma32 Figura 3.10. Modelos de variograma..34 Figura 4.1. Diagrama de flujo de lo realizado en este estudio36 Figura 4.2. Mapa base del rea de estudio con ubicacin de las lneas (en rojo) y del cubo ssmico (en azul)..37 Figura 4.3. Mapa base con la ubicacin de los pozos.38 Figura 4.4. Vista en 3D de los puntos de velocidades de apilamiento...40 Figura 4.5. Histograma de frecuencia instantnea para el horizonte Houston, mostrando la frecuencia dominante (25,5 Hz).41 Figura 4.6. Histograma de frecuencia instantnea para el horizonte Paris, mostrando la frecuencia dominante (22,5 Hz)...41 Figura 4.7. Vista en planta de la interpretacin del horizonte Houston y de los planos de las fallas....43 Figura 4.8. Cubos de atributos generados para ayudar en la interpretacin estructural. (a) Crossline 500 del cubo de Varianza generado a partir del cubo ssmico original. (b) Crossline 500 del cubo de Ant Tracking...44 Figura 4.9. Composicin y geometras de planos de falla modeladas por el software...45 Figura 4.10. (a) Dibujo esquemtico de la malla media del esqueleto. (b) Dibujo esquemtico del proceso de Pillar Gridding.....46 xFigura 4.11. Esquema de la interpolacin (segmento rojo punteado) del horizonte a partir del dato de entrada (azul) en la zona adyacente a una falla normal, dependiendo de la distancia de interpolacin seleccionada (zona amarilla)47 Figura 4.12. Grfica Velocidad Iintervlica (escala en pies/s) vs Profundidad (escala en pies) para el check shot del pozo Jasper..49 Figura 4.13. Registro snico (rojo) junto con curva de de velocidad proveniente de check shots (panel izquierdo) y registro calibrado (panel derecho). (a) Pozo Diamond, (b) Pozo Quartz, y (c) pozo Barite..50 Figura 4.14. Seccin ssmica orientada de manera que pase por varios pozos. En la seccin se muestra el horizonte Kobe interpretado (pico de amplitud positiva) y los topes en tiempo de los pozos (puntos blancos)...53 Figura 4.15. Grfica Velocidad Promedio (escala en pies/s) vs Tiempo doble (escala en ms) para todos los pozos, con su funcin de ajuste (lnea oscura)58 Figura 4.16. Grfica Profundidad(escala en pies) vs Tiempo doble (escala en ms) para todos los pozos, con su funcin de ajuste (lnea oscura)...58 Figura 4.17. Grfica Funcin de Anisotropa (adimensional) vs Tiempo doble (escala en ms), con su funcin de ajuste suavizada (lnea negra)..60 Figura 4.18. Mapa de varianza para la propiedad de velocidad promedio derivada de los pozos...61 Figura 5.1. Crossline 500 interpretado con la identificacin de los horizontes..71 Figura 5.2. Inline 500 interpretado con la identificacin de los horizontes...72 Figura 5.3. (a) Vista 3D del cubo de Ant-Tracking, mostrando el crossline 500 y un time slice en 1500 ms, junto con los planos de 3 de las fallas interpretadas...73 Figura 5.4. Mapa en tiempo del horizonte Caracas74 Figura 5.5. Mapa en tiempo del tope de Houston...75 Figura 5.6. Mapa en tiempo del tope de Kobe....76 Figura 5.7. Mapa en tiempo del tope de Paris....77 Figura 5.8. Mapa en tiempo del tope del domo salino (Salt)......78 Figura 5.9. Vista 3D del modelo de fallas..79 Figura 5.10. Vista 3D del horizonte Paris creado para el modelo de celdas. (a) Antes y (b) de las ediciones en la zona del salto de falla.80 Figura 5.11. Vista en 3D del modelo esttico de celdas, con fallas, horizontes e intervalos estratigrficos de inters. (a) vista desde el oeste, (b) vista desde el este...81 Figura 5.12. Registros de velocidad generados por los modelos (curva en negro) junto con registro snico corregido con los check shots. (a) Modelo sin correccin por topes de pozo. (b) Modelo corregido por topes83 Figura 5.13. Vista en 3D del modelo de velocidades TZ2.85 Figura 5.14. Registros de velocidad. (a) basados en velocidades de apilamiento, (b) funciones a partir de los pozos, (c) factor de anisotropa ssmica-pozo88 Figura 5.15. Vista en 3D del modelo de velocidad por kriging con 26 pozos...90 Figura 5.16. Mapa en profundidad del horizonte Caracas..94 Figura 5.17. Mapa en profundidad del horizonte Houston.....95 Figura 5.18. Mapa en profundidad del horizonte Kobe..96 Figura 5.19. Mapa en profundidad del horizonte Paris..97 Figura 5.20. Mapa en profundidad del tope del domo salino (Salt)...98 Figura 5.21. Mapa de amplitud RMS para el horizonte Houston..99 Figura 5.22. Mapa de amplitud RMS solapado con el mapa de espesor de arena para el horizonte Houston.100 xiFigura 5.23. Inline 500 del cubo ssmico con las interpretaciones del horizonte Houston y del domo salino, mostrando el fenmeno de entonacin...101 Figura 5.24. Mapa de amplitud RMS para el horizonte Paris..102 Figura 5.25. Grfico cruzado Porosidad Total vs Polaridad aparente para el horizonte Houston.104 Figura 5.26. Grfico cruzado Lentitud de onda P vs Arc lenght para el horizonte Houston105 Figura 5.27. Grfico cruzado Volumen de arcila vs Amplitud RMS para el horizonte Houston.106 Figura 5.28. Grfico cruzado Impedancia acstica vs Segunda derivada para el horizonte Houston.106 Figura 5.29. Grfico de error RMS de porosidad vs nmero de atributos utilizados en la regresin...107 Figura 5.30. Grfico de error RMS de volumen de arcilla vs nmero de atributos utilizados en la regresin...108 Figura 5.31. Grfico de error de validacin (fraccin de porosidad) vs iteracin de entrenamiento para la propiedad de porosidad.110 Figura 5.32. Grfico de error de validacin (fraccin de volumen de arcilla) vs iteracin de entrenamiento para la propiedad de volumen de arcilla...111 Figura 5.33. Grfico cruzado Porosidad Total vs t*atenuacin para el horizonte Paris...113 Figura 5.34. Grfico cruzado Lentitud de onda P vs Half energy para el horizonte Paris...114 Figura 5.35. Grfico cruzado Volumen de arcilla vs desviacin estndar de la amplitud para el horizonte Paris......115 Figura 5.36. Grfico cruzado Impedancia acstica vs Segunda derivada para el horizonte Paris..116 Figura 5.37. Grfico de error RMS de porosidad vs nmero de atributos utilizados en la regresin...117 Figura 5.38. Grfico de error RMS de lentitud de onda P vs nmero de atributos utilizados en la regresin...118 Figura 5.39. Grfico de error RMS de impedancia vs nmero de atributos utilizados en la regresin...119 Figura 5.40. Grfico de error de validacin (fraccin de porosidad) vs iteracin de entrenamiento para la propiedad de porosidad.120 Figura 5.41. Grfico de error de validacin (escala en s/pie) vs iteracin de entrenamiento para la propiedad de lentitud de onda P....121 Figura 5.42. Grfico cruzado de los resultados del modelo de regresin lineal multi-atributos para la propiedad de porosidad.122 Figura 5.43. Grfico cruzado de los resultados del modelo de redes neuronales para la propiedad de porosidad..123 Figura 5.44. Histogramas de porosidad total (fraccin) para los mapas obtenido a partir de regresin lineal multiatributos (violeta) y redes neuronales (azul)..123 Figura 5.45. Grfico cruzado de los resultados del modelo de regresin lineal multi-atributos para la propiedad de volumen de arcilla...124 Figura 5.46. Grfico cruzado de los resultados del modelo de redes neuronales para la propiedad de volumen de arcilla....125 Figura 5.47. Histogramas de volumen de arcilla (fraccin) para los mapas obtenido a partir de regresin lineal multiatributos (verde) y redes neuronales (azul)....126 Figura 5.48. Mapa de pseudo-porosidad total para el horizonte Houston, obtenido mediante regresin lineal multi-atributos.127 xiiFigura 5.49. Mapa de pseudo-porosidad total para el horizonte Houston, obtenido mediante entrenamiento con redes neuronales.128 Figura 5.50. Mapa de pseudo-volumen de arcilla para el horizonte Houston, obtenido mediante regresin lineal multi-atributos.129 Figura 5.51. Mapa de pseudo-volumen de arcilla para el horizonte Houston, obtenido mediante redes neuronales...131 Figura 5.52. Grfico cruzado de los resultados del modelo de regresin lineal multi-atributos para la propiedad de porosidad (Horizonte Paris)....132 Figura 5.53. Grfico cruzado de los resultados del modelo de redes neuronales para la propiedad de porosidad en el horizonte Paris....133 Figura 5.54. Histogramas de porosidad total (fraccin) para los mapas obtenido a partir de regresin lineal multiatributos (azul) y redes neuronales (verde) en el horizonte Paris...134 Figura 5.55. Grfico cruzado de los resultados del modelo de regresin lineal multi-atributos para la propiedad de lentitud de onda P....135 Figura 5.56. Grfico cruzado de los resultados del modelo de redes neuronales para la propiedad de lentitud de onda P....135 Figura 5.57. Histogramas de lentitud de onda P (s/pie) para los mapas obtenido a partir de regresin lineal multiatributos (verde) y redes neuronales (rojo) en el horizonte Paris...136 Figura 5.58. Mapa de pseudo-porosidad total para el horizonte Paris, obtenido mediante regresin lineal multi-atributos.137 Figura 5.59. Mapa de pseudo-porosidad total para el horizonte Paris, obtenido mediante redes neuronales.138 Figura 5.60. Mapa de pseudo-lentitud de onda P para el horizonte Paris, obtenido mediante regresin lineal multi-atributos.139 Figura 5.61. Mapa de pseudo-lentitud de onda P para el horizonte Paris, obtenido mediante redes neuronales..141 xiii INDICE DE TABLAS Tabla 4.1. Valores de resolucin ssmicavertical para los intervalos de inters .......................... 42 Tabla 4.2. Lista de pozos con diferencias mayores a 10 ms en el amarre con la ssmica.............. 51 Tabla 4.3. Modelos de velocidades basados en curvas TZ de los pozos ....................................... 55 Tabla 4.4. Modelos de velocidad generados a partir de velocidades de apilamiento .................... 57 Tabla 4.5. Modelos de velocidades generados combinando velocidades de pozo con ssmica mediante geoestadstica ................................................................................................................. 62 Tabla 5.1. Promedios de porcentajes de error de profundidad para los modelos de velocidades basados en curvas TZ de los pozos ................................................................................................ 82 Tabla 5.2. Promedios de porcentajes de error de profundidad para los modelos basados en velocidades de apilamiento ............................................................................................................ 86 Tabla 5.3. Promedios de porcentajes de error de profundidad para los modelos basados en funciones ........................................................................................................................................ 86 Tabla 5.4. Promedios de porcentajes de error de profundidad para los modelos con factor de anisotropa ...................................................................................................................................... 87 Tabla 5.5. Promedios de porcentajes de error de profundidad para los modelos con kriging a partir de velocidades de pozo. ........................................................................................................ 89 Tabla 5.6. Promedios de porcentajes de error de profundidad para los modelos con Geoestadstica combinando informacin de pozo con velocidades de apilamiento .............................................. 91 Tabla 5.7. Errores porcentuales de profundidad promedio para todos los modelos y sus variantes ....................................................................................................................................................... 92 Tabla 5.8. Errores promedio para la validacin cruzada dejando fuera un pozo, para todos los modelos y sus variantes ................................................................................................................. 92 Tabla 5.9. Coeficientes de determinacin entre atributos ssmicos (filas) y propiedades petrofsicas (columnas) para el horizonte Houston en las ubicaciones de los pozos. .................. 103 Tabla 5.10. Coeficientes de determinacin entre atributos ssmicos (filas) y propiedades petrofsicas (columnas) para el horizonte Paris en las ubicaciones de los pozos. ....................... 112 CAPTULO I INTRODUCCIN

Enlaexploracindehidrocarburos,lassmicadereflexinesunaherramienta fundamentalparainterpretarlacomposicin,contenidodefluido,extensinygeometradelas rocas en el subsuelo (Sheriff, 1991), debido a sucobertura lateraly el poder de penetracin que alcanza. Cuando se combina con la informacinde pozo, proporcionaconocimientos necesarios para la caracterizacin de los yacimientos.La interpretacin ssmica permite generar superficies o mapas estructurales en tiempo, los cualesusualmentesecorrelacionanaltopeolabasedeeventosgeolgicos.Paralaperforacin hacia alguna zona de inters prospectivo, o parala generacin de mapas de espesores de ciertos intervalos, estos mapas deben ser convertidos de tiempo a profundidad. A pesar de que en teora estasdosvariablesserelacionanlinealmentemediantelavelocidad,ladeterminacinde velocidades en el subsuelo es un problema muy lejano a la trivialidad, debido a muchos factores, entreelloslacomplejidaddelastrayectoriasdelasondasssmicasatravsdemedios anisotrpicos,lasestructurasyestratigrafadelasrocasenelsubsuelo,entreotros.Existen manerasdedeterminarvelocidadenelsubsuelodemaneramsomenosprecisa,mediante registrosdevelocidadenlospozos.Sinembargo,esinformacinlimitadalateralmenteen contraste con la ssmica. Por lo tanto, la conversin tiempo-profundidad es un proceso basado en una gran cantidad de aproximaciones y sujeto a un alto grado de incertidumbre.El enfoque primario para la conversin a profundidad de tiempos de viaje derivados de la ssmicaconsistaenlaaplicacindefuncionesquepermitieranmodelarlavariacinverticalde velocidadconlaprofundidad,utilizandodatosdevelocidadenpozos(Slotnick,1936;Faust, 1951). En los ltimos aos se han hecho grandes avances en la precisin de las conversiones de dominio,enespecialapartirdelaaplicacindelamigracinenprofundidad.Apesardeesto, todavamuchasreascuentannicamenteconssmicamigradapost-apilamientoentiempo,por 2 locuallainterpretacindeberealizarseenestedominioparaposteriormenteconvertira profundidadmediantediversosmtodos,utilizandoinformacindepozos,derivadasdela ssmicas y aplicando geoestadstica, funciones, trazado de rayos, y otras tcnicas (Marsden, 1989; Hwang y McCorkindale, 1994; Ravve y Koren, 2007). Por otra parte, los avances en la generacin de atributos ssmicos y el creciente nfasis en geofsica de produccin han llevado al uso extendido de atributos ssmicos para la prediccin de propiedades de yacimiento (Hart y Balch, 2000; Leiphart y Hart, 2001; Hampson et al, 2001).En muchoscasos,sepuedemostrarunarelacinfsicamentejustificableentreunatributoyuna determinadapropiedad,quenospermitereducirlaincertidumbreenlasprediccionesde propiedadesdeyacimientoenlaszonasalejadasdelcontroldepozo.Unaseriedemtodosse puedenutilizarparadichaprediccin(geoestadstica,regresinlinealonolineal,redes neuronales). El propsito es la estimacin de hidrocarburo en sitio y la toma de decisiones en el manejodeyacimiento.Elproblemaconsisteenidentificarlosatributosautilizarenelproceso (Kalkomey, 1997). Elobjetivodeesteestudioconsisteenintegrardatosssmicoscondatosdepozopara desarrollardiversosmtodos,tantodeconversintiempo-profundidadcomodeprediccinde propiedadesdeyacimientoapartirdeatributosssmicos,quepermitangenerarunmodeloy caracterizar el rea de estudio.EsteestudioserealizaenbaseadatoscorrespondientesaunreaubicadaenlaCuenca del Golfo de Mxico, especficamente en la zona costa afuera de Louisiana, Estados Unidos. La provincia petrolera donde se encuentra es una de las ms prolficas del mundo. Esta es una regin ampliadamentedocumentadayestudiada.Laproduccinprovienemayoritariamentede sedimentossiliciclsticosdelCenozoico.Laacumulacinyentrampamientodehidrocarburoen estareginestestrechamenteasociadaalainteraccinentrelasedimentacinylatectnica asociadaacuerpossalinos,locualeselenfoquedevariosdelosestudiosenlazona(Rowany Weimer,1998).Estudiosrecientes(HentzyZeng,2003)aplicanestratigrafasecuenciadealta resolucin para obtener un mejor entendimiento de los sistemas depositacionales a gran escala.ElestudiosedesarrollenelmarcodeunapasantarealizadaenSIS(Schlumberger Information Solutions), que es un segmento cuyo principal objetivo es brindar asesora, soporte, y adiestramientoenlosdistintossoftwaredesarrolladosporSchlumberger,alasempresas operadorasenelreadeexploracinyproduccindehidrocarburos,queutilizandichas 3 aplicacionesparamanejarsusyacimientos.Lasempresasquetienencamposenetapas exploratorias, realizan la construccin de un modelo estratigrfico-estructural como primer paso paraelmodeladodefaciesydepropiedadespetrofsicasquepermitirnpredecirposibles localizacionesdeintersprospectivo,calcularvolumetrasyllevarasimuladoresdeflujopara generar modelos dinmicos de yacimiento. Ello implica la generacin de flujos de trabajo que le permitan sacar el mximo provecho de sus aplicaciones para actualizar y robustecer sus modelos. Y la aplicacin de la geofsica es fundamental en este proceso.El trabajo se desarrolla en base a las siguientes etapas: en primer lugar en la construccin deunmodeloestticoentiempo,realizandounainterpretacinestructuraleincluyendolas superficies ya interpretadas de topes de intervalos de inters en el rea. Posteriormente se generan unaseriedemodelosdevelocidadesmediantedistintastcnicasytomandoencuentaalgunas variacionesencuantoadisponibilidaddedatos.Analizandoycomparandolosmtodos,yen funcindelosresultadosobtenidos,seimplementalaconversindetiempoaprofundidad. Finalmente, mediante los mtodos de regresin lineal y de redes neuronales, se generan mapas de pseudo-propiedades petrofsicas a partir de atributos ssmicos.SeempleaelsoftwarePetrel,diseadoparaeldesarrollodeflujosdetrabajointegrados desde ssmica hasta simulacin, en un ambiente amigable al usuario. CAPTULO II UBICACIN Y GEOLOGA DEL REA DE ESTUDIO 2.1. Ubicacin geogrfica y geolgica. ElreadeestudioseencuentraubicadageogrficamenteenlacostanortedelGolfode Mxico,alsurdelestadodeLouisiana,EstadosUnidosdeNorteamrica.Geolgicamente pertenece a la cuenca del Golfo de Mxico. Se encuentra en la zona central de planificacin de la regindelaplataformacontinentalexteriordelGolfo,lacualseencuentraintegradaporvarias subdivisiones. El rea en cuestin se encuentra en la subdivisin de Vermilion Sur (Figura 2.1). Figura 2.1. Ubicacin del rea de estudio 5 2.2. Geologa Regional. Cuenca del Golfo de Mxico 2.2.1. Historia tectnica LaformadelGolfodeMxicorequierequealmenosunlmitetransformanteocenico-continentalestabaactivomientraslacuencaseestabaabriendo.Losmodelosdeevolucin disienten entre aquellos que alegan que la cuenca se abri por rotacin a lo largo de un solo lmite transformanteyaquellosquesostienenquestaseabriporrotacinalolargodeunparde lmitessubparalelos.Aunquesehanpropuestomuchosmodelos,lamayoradelosautores coincidenenquelarotacin,ensentidocontrario alasagujasdelreloj,delbloquedeYucatn, alejndosedelaplacaNorteAmericana,involucrandounsololmitetransformanteocenico-continental, llev a la formacin de la cuenca. Muchos de estos autores sugieren que esta rotacin ocurrientre160y140Ma.LaubicacindelpoloderotacindelbloquedeYucatnesan motivo de discusin, sin embargo, la mayor parte de los autores considera la rotacin del bloque de ser entre 42 y 60 (Bird et al., 2005). Figura 2.2. Reconstruccin del golfo de Mxico; evolucin de 20 millones de aos del movimiento de Yucatn en sus etapas (a), (b) y (c) (explicadas en el texto). Las zonas en gris representan depositacin de sal. El smbolo representa la pluma del manto. Modificado de Bird et al. ( 2005) 6 LaFigura2.2muestraunmodeloevolutivodelmovimientodeYucatndurante20 millones de aos. Desde su posicin inicial (a) alrededor de 160 Ma, Yucatn ocupaba lo que hoy en da es la Cuenca del Golfo de Mxico. Luego de 10-12 millones de aos (b), coincide con los 22derotacinyextensindecortezacontinental.Laexpansindelsuelomarinoseinicial final de este tiempo cuando la pluma del manto se activ. Luego de 20 millones de aos y 42 de rotacin total, logra su posicin actual (140 Ma). Birdetal.(2005)resumeloseventostectnicosdeestamanera(lasedadesentre parntesis son propuestas por los autores): -Inicio de Rift (230 Ma) -Depositacin de sal (160-150 Ma) -Inicio de rotacin de Yucatn y extensin continental (160 Ma) -Inicio de expansin del suelo marino (150 Ma) -Fin de expansin del suelo marino (140 Ma) 2.2.2. Geologa estructural. Entrampamiento de hidrocarburo Lasfallasnormalesdeextensinlocalgeneralmenteestnasociadasaotrasestructuras cuyageometrarequiereextensindecapasdelacorteza.Ejemplosincluyendomos,pliegues, estructuras pull-apart. Domos estructurales cortados por un sistema de fallas normales resultan de la intrusin de cuerpos de sal o magma. En la Cuenca del Golfo de Mxico, el estilo estructural dominante,yelresponsabledelamayoradelasacumulacionesdehidrocarburoenlazona,es aquelrepresentadoporestructurassalinas.Lasaltieneunamovilidadqueesindependientede fuerzas tectnicas. La fuerza de deformacin dominante se basa en contraste de densidad y carga diferencial.Elmododetransportetpicoeselflujoverticaluhorizontaldeevaporitasmviles (Harding y Lowell, 1979). El norte de la Cuenca del Golfo de Mxico es un ejemplo de fallamiento normal a lo largo deunmargencontinentalmoderno.Estazonasecaracterizaporacumulacionesgruesasde sedimento, rpida subsidencia, y un sistema de fallas normales cuya extensin est cercanamente asociadaconlaextensindegrandesdepsitosdesaldelJursico.Lamayorpartedelasfallas buzanhaciaelsur,aunquetambinexistenfallasdebuzamientohaciaelnorte.Lasfallas 7 comnmentemuestrananticlinalesroll-over,indicandoquesonlstricas,conbuzamientos menores con profundidad (Twiss y Moore, 1992). LaFigura2.3muestraundiagramaesquemticodelastrampasdehidrocarburos asociadas ms comnmente con el estilo estructural de cuerpos salinos en cuencas sedimentarias, como es el caso de la Cuenca del Golfo de Mxico. Figura 2.3. Diagrama de trampas de hidrocarburos asociadas con cuerpos salinos. Tomado de Harding y Lowell (1979, modificado de Halbouty (1967)). 2.2.3. Historia depositacional del Cenozoico Galloway et al. (2000), en su estudio, discuten las siguientes generalizaciones acerca de la historiadepositacional,patronesdeaportedesedimento,yarquitecturadesedimentacinenel Cenozoico del Golfo del Mxico: -Cincoejesfluvialesprincipalesextra-cuencapersistierondurantelamayorpartedel Cenozoicoyproveyeronelgruesodelsedimentoquerellenlosmrgenesnortey noroestedelacuenca(deoesteaeste,RoGrande,Houston,Red,MississippiCentraly Mississippi Este). -LahistoriadeaportesedimentarioalacuencadelGolfoatravsdeestosejesfue controlada por cuatro fases de levantamiento cortical a escala continental. -LahistoriaderellenodelacuencadelGolfosesintetizaconelpatrndemigracindel margen de plataforma. 8 -Tres sistemas depositacionales caracterizan las secuencias del Cenozoico (Figura 2.4): (I) fluvial-deltaico-apronalimentadopordelta,(II)planocostero-zonadecosta-plataforma-apron alimentado por plataforma, (III) flanco deltaico-abanico submarino. Figura 2.4. Los tres sistemas depositacionales (I, II y III, explicados en el texto) identificados en secuencias del Cenozoico del Golfo. Modificado de Galloway et al. (2000). 2.3. Geologa local. Zona costa afuera de Louisiana en el Golfo. 2.3.1. Historia tectnica y de depositacin ElmarcodelacuencadelGolfofueestablecidoafinalesdelJursico.EnelCretcico Temprano,unaprofundacuencacentralestabarodeadadeplataformascarbonticas.Laparte nortedelacuencafuerellenadaduranteelCretcicoTardo-Cenozoicoporvastosinflujosde sedimentoterrgeno,loscualesprogradaronsobreloscarbonatosyacompaaronlasubsidencia delacuenca.LacuadesedimentosTerciariossecaracterizaporgruesosdepsitosclsticos continentales suprayaciendo clsticos marinos.La cua carg diferencialmente la sal mvil, que semovilateralmenteparaextrudireneltaludinferior.Eldepocentroprincipalsemovi progresivamentehaciaelestehacialaposicinactualdeldeltadelroMississippiduranteel 9 OligocenoTardo-Mioceno.LaFigura2.5muestraelmapatectnicodelnortedelGolfo, incluyendo las zonas costa afuera de Texas y Louisiana. Figura 2.5. Mapa tectnico del norte del Golfo de Mxico, mostrando la sal alctona (negro), las fallas (lneas negras), pligues en agua profunda (lneas negras segmentadas), y la ubicacin del rea de estudio. Tomado de Rowan et al. (2001, modificado de Diegel et al. (1995)) 2.3.2. Geologa estructural.ElnortedelGolfodeMxiconoesssmicamenteactivo,peroestafectadopor deformacionesestructuralesasociadasconlarpidacargasedimentariadelrea.Lareginse caracteriza generalmente por fallas normales lstricas, de gran desplazamiento y dominantemente hacia la cuenta. Diapiros de salyotras intrusiones salinas perforan los sedimentos Terciarios, resultandoenfallamiento,slumps,yengrosamientoyendelgazamientolocaldelossedimentos. Tambin existe diapirismo de arcilla y fallamiento asociado. La deformacin regional es bien sea producto de la movilizacin de sal o del desarrollo del fallamiento lstrico (Hentz y Zeng, 2003). Unacaractersticafundamentaldeestaregineselgranespesordesedimentosdeltaicos,de plataformaydetaluddelMioceno,loscualesseacumularonduranteunperododetasasde 10 sedimentacin altas. Estos sedimentos hacen de la regin una de las provincias con yacimiento de hidrocarburo de mayor calidad en el mundo (Yassir y Zerwer, 1997). 2.3.3. Estilo estructural y estratigrafa de algunos campos en la zona. El estudio realizado por Weimer et al. (1998) sobre varios campos en la zona costa afuera de Louisiana, muestra que estos campos consisten de una combinacin de trampas estructurales y estratigrficas.Cuerpossalinosy/ofallasjueganunpapelcrticoenlosmecanismosde entrampamiento.Los ambientes depositacionalesde las arenas productoras consisten de sbanas de arena, arenas de canal, o arenas finas encajonadas en lutitas de overbank.LaFigura2.6muestraunaseccinssmicadeuncampoubicadoenlazonadeGreen Canyon,aproximadamente200kmalestedelreadeestudio.Estecamposecaracterizapor entrampamiento estratigrfico hacia el cuerpo salino ubicado hacia el oeste. Figura 2.6. Seccin ssmica de un campo en Green Canyon, costa afuera de Louisiana. Las lneas blancas discontinuas representan unidades cronoestratigrficas interpretadas con sus edades. El pozo aparece proyectado sobre la seccin con su registro de gamma ray. Modificado de Weimer et al. (1998) 11 LaFigura2.7muestralosperfilesdegammarayyresistividad,juntoconlosambientes depositacionales y edades interpretadas, del pozo GC-158-1 perteneciente al campo. Se destaca la presencia de intervalos de arenas de canal en un marco de lutitas hemipelgicas. Figura 2.7. Perfiles de gamma ray y resistividad, ambientes depositacionales y edades del pozo GC-158-1. Modificado de Weimer et al. (1998). 2.4. rea de estudio LaFigura2.8muestradosseccionesssmicas2D(nointerpretadas)enelreadeestudio,las cuales nos permiten ver el estilo estructural de la zona, controlado por cuerpos salinos (a) y fallas lstricas(b). 12 Figura 2.8. Secciones ssmicas en el rea (no interpretadas). (a) Oeste-Este, (b) Norte-Sur. La ubicacin de la lnea se muestra en negro en la parte inferior derecha. 13 La Figura 2.9 muestra un perfil de SP (potencial espontneo) y de resistividad del rea de estudio,pertenecientealpozoAlbite.Losregistrossepresentanentre6000y8000pies, aproximadamente,paraenfocarenlazonadeinters.Hansidointerpretadostresmarcadores (Houston,KobeyParis),loscualescorrespondenatopesdearenasdeinters.Paralaarena corresponden al marcador llamado Houston, tambin ha sido interpretada la base. Como se puede verenelregistro,aniveldeestasarenassepresentaunaumentoenelvalorderesistividad, indicando acumulacin de hidrocarburo. Figura 2.9. Registros de SP y Resistividad del pozo Albite, restringidos a la zona de inters. Se muestran los marcadores interpretados. CAPTULO III MARCO TERICO 3.1. Conceptos fundamentales de ssmica 3.1.1. Lassmica de reflexin.Conestemtodo(latcnicageofsicamsutilizada),laestructuradelsubsueloes mapeada mediante la medicin de los tiempos que requiere una onda ssmica (o pulso) generada en la tierra, en retornar a la superficie luego de ser reflejada en profundidad desde interfases entre formacionescondiferentespropiedadesfsicas.Lassmicadereflexintambinseutilizapara inferirlitologasapartirdecaractersticasdevelocidadyatenuacindelasondasssmicas reflejadasytransmitidas,yparadeteccindecontenidodefluidosenlaroca,sobrelabasede amplitudesdereflexinyotrosindicadoresssmicos.Laondassmicasepropagacon velocidadesdependientesdesuspropiedadeselsticasydensidades,segnlaecuacindeonda enmedioselsticos(DobrinySavit,1988).Sureflexinyrefraccinocurreeninterfasescon contrastes de impedancia acstica llamadas reflectores, de acuerdo con la Ley de Snell. 3.1.2. Impedancia acstica y coeficiente de reflexin Laimpedanciaacstica(IA)sedefinecomoelproductodeladensidad()porla velocidad de onda compresional (pV ). pV IA . =(3.1) 15 El coeficiente de reflexin es la proporcin de amplitud de la onda reflejada respecto a la onda incidente, o la cantidad de energa reflejada. En el caso de incidencia normal, el coeficiente de reflexin viene dado por:

1 21 2IA IAIA IAR+=(3.2) Donde 1IA eslaimpedanciaacsticadelmedio1, 2IA eslaimpedanciaacsticadel medio 2, y R es el coeficiente de reflexin, cuyos valores van de -1 a 1. Paraelcasodeincidencianonormal,elcoeficientedereflexindependedeotros parmetros, tales como las velocidades de onda de cizalla u onda S,y se describe como funcin del ngulo de incidencia mediante las ecuaciones de Zoeppritz. 3.1.3. Modelo convolucional de la traza ssmica SebasaenasumirquelatrazassmicaS(t)esconsideradaunaseriedereflectividadr(t) compuestaslodereflexionesprimarias,queseconvolucionaconunaondculassmicadefase cerow(t),yaelloselesumauncomponentederuidoaleatorion(t).LaFigura3.1muestraun esquema simplificado del modelo convolucional. Figura 3.1. Esquema del modelo convolucional de la traza ssmica. Modificado de www.arkcls.com (Documento en lnea) 16 La expresin matemtica del modelo convolucional se expresa a continuacin: ) ( ) ( ) ( ) ( t n t r t w t S + = (3.3) 3.14. Interpretacin ssmica en tiempo. Correlacin de reflectores y generacin de mapas estructurales. Lainterpretacinimplicalatraduccindelainformacinssmicaparadarleunsentido geolgico.Luegoderecopilartodalainformacindisponibleenelrea(registrosdepozo, marcadores de los principales horizontes), se debe efectuar un amarre con sismogramas sintticos generadosa partir de los registros de pozo disponibles para determinar los reflectores de inters en la ssmica. A partir de all, estos reflectores se correlacionan en trazas sucesivas a lo largo de toda la seccin o el cubo. De esta manera, se generan mallas de valores de tiempo doble de viaje correspondientesaloshorizontesdeintersenelrea(Waters,1978).Estasmallasson interpoladas y/o extrapoladas para producir mapas de contornos iscronos. 3.1.5. Deteccin y mapeo de fallas. Ladeteccindefallasenseccionesssmicaspuedesersencillaencircunstancias favorables, aunque frecuentemente las indicaciones son sutiles, e identificarlas y delinearlas no es fcil.DobrinySavit(1988)enumeralasprincipalesindicacionesdefallamientoensecciones ssmicas,lascualesson:(a)discontinuidadenreflectoressiguiendounpatrnesencialmente lineal,(b)faltadecierreamarrandoreflectoresalrededordelosloops,(c)divergenciasen buzamiento no asociadas a estratigrafa, (d) patrones de difraccin y (e) distorsin o desaparicin de reflectores debajo de lneas de fallas sospechadas.

3.1.6. Deteccin y mapeo de domos salinos. Losdomossalinospuedenmostrarseclaramenteenseccionesssmicas.Ladistorsinde reflexiones encimay a los lados del domo, adems de la aparente ausencia de reflectores dentro delmismocuerposalino,seutilizaparadelinearlaubicacinaproximadadelacaradelasal (Dobrin y Savit, 1988). 17 3.1.7. Resolucin vertical. Efecto de entonacin Laresolucinverticalsedefinecomolamenordistanciaverticalentredosinterfases litolgicasqueproducedosreflexionesdiscretas,lascualespuedensepararsevisualmente (Regueiro). El efecto deentonacin (Figura 3.2)es un fenmeno de interferencia constructivao destructivaentreeventosoreflexionescercanosunodelotro.Enunaseparacinmenoraun cuartodelalongituddeonda(/4),lasreflexionesgeneranunsoloeventodealtaamplitud.A unaseparacinmayor,eleventocomienzaaserdiferenciablecomodoseventosseparados (Schlumberger Oilfield Glossary, 2005). El espesor de entonacin es el espesor de una capa en el cual dos eventos se hacen irreconocibles en tiempo, y se calcula mediante esta frmula: fV4 4 = (3.4) Donde V es la velocidad intervlica y f es la frecuencia dominante a nivel del evento. Figura 3.2. Efecto de entonacin. Modificado de Regueiro (1997). 18 3.2. Velocidades y conversin tiempo-profundidad 3.2.1. Trminos de velocidad. Velocidad intervlica (Vint): es la velocidad de una capa o conjunto de capas especficas de roca. Viene dada por:

1 21 2intt tz zV= (3.5) Dondez1yz2sonlasprofundidadesdeltopeylabasedelintervalo,respectivamente, mientrasquet1yt2sonlostiemposdeviajesdelaondaaltopeyalabasedelintervalo, respectivamente. Velocidadpromedio(Vavg):eselvalordelaprofundidaddivididoentreeltiempode viajedelaondahaciaesaprofundidad.Asumiendounaseriedecapasdeespesorz1,z2,z3,, zn, y su respectivos tiempos de viaje de onda t1, t2, t3,, tn, la velocidad promedio se define as:

=+ + + ++ + + +=nntkzktn t t tzn z z zVavg113 2 13 2 1 (3.6) La velocidad promedio se utiliza para la migracin y la conversin tiempo-profundidad. Velocidad instantnea (Vinst): si la velocidad vara continuamente con la profundidad, su valor a una profundidad particular se obtiene de la frmula de velocidad intervlica contrayendo elintervalohastahacerlounacapainfinitesimal.Lavelocidadintervlicaseconviertedez respecto a t, y viene dada por:

dtdzVinst =(3.7) 19 VelocidadRMS(Vrms):esaquelladeunaondapasandoporcapasdelsubsuelode diferentes velocidades intervlicas en una trayectoria especfica, y es generalmente mayor que la velocidadpromedio.Silasvelocidadesintervlicasdelascapasson 1V , 2V , 3V ,, nV ylos tiempos de viaje son 1t , 2t , 3t , , nt , entonces la velocidad RMS se define as: =+ + + ++ + + +=nknk knn ntV tt t t tV t V t V t V tVrms1123 2 12 23 322 221 1 2) () ( ) ( ) ( ) ((3.8) Velocidaddeapilamiento(Vst):eslarelacindistancia-tiempoapartirdelanlisisde NMO en CMP gathers. Se utiliza para corregir los tiempos de llegada de los eventos en las trazas por su offset variable, previo al apilamiento para la mejora de la relacin seal-ruido. Viene dada por: 22202VstxT T + = (3.9) Donde x es el offset fuente-receptor para una secuencia de tiros de punto medio comn, T es el tiempo de viaje del reflector en x, y 0Tes el tiempo de viaje a offset cero.Lavelocidaddeapilamientoescasisiempremayorquelavelocidadpromedio.Segn Yilmaz (1987), haciendo la aproximacin de offset pequeo respecto a profundidad, la serie de la ecuacinpuedesertruncada.Deestamanera,vemosqueparaunmedioestratificado horizontalmente, la velocidad de apilamiento es igual a la velocidad RMS. 3.2.2. Ecuacin de Dix Esta ecuacin se utiliza para calcular la velocidad intervlica (Vint) en una serie de capas planas y paralelas, a partir de velocidades RMS. Viene dada por: 20

) () ( ) .(int1 221 122 2t tVrms t Vrms tV=(3.10) Donde:1t = tiempo de viaje al primer reflector 2t = tiempo de viaje al segundo reflector 1Vrms = velocidad RMS del primer reflector2Vrms = velocidad RMS del segundo reflector Siconsideramoselcasocontempladoenlaseccinanterior(velocidadesdeapilamiento igualavelocidadRMS),staresultatilparalaconversindevelocidadesdeapilamientoen velocidadesintervlicas,yposteriormenteenvelocidadespromedioparalaconversintiempo-profundidad. 3.2.3. Registros snicos EsuntipoderegistroacsticocontinuoquemidetiemposdeviajedeondaPversus profundidad. Se corren subiendo una herramienta a lo largo del hoyo del pozo. Esta herramienta emiteunaondaqueviajadelafuentehacialaformacinydevueltaalreceptor(Schlumberger OilfieldGlossary,2005).Launidaddemedidadeunregistrosnicousualmenteesus/pie,y tambin se denota lentitud. 3.2.4.Tiros de verificacin (Check Shots) Estndiseadosparamedireltiempodeviajedeunaondassmicadesdelasuperficie hastaunaprofundidadconocidaenunpozo.Secolocaungefonoenlasprofundidadesde inters,semandaunafuentedeenergadesdelasuperficieyseregistralasealresultante.Se diferenciadeunperfilssmicovertical(VSP)enquelosgefonospuedenestarespaciadose irregularmente distribuidos a lo largo del hoyo del pozo (Dobrin y Savit, 1988). De esta manera, 21 de los pares tiempo-profundidad obtenidos se calculan las velocidades intervlicas (y a partir de all, las velocidades promedio) respecto a la profundidad para dicho pozo. 3.2.5. Modelos de velocidadLa utilizacin de funciones de velocidad instantnea versus profundidad para representar variacionesdevelocidadenelsubsueloesunaprcticabienestablecidaenlageofsica.Un ejemplo de una funcin de uso extendido es el de la funcin de variacin lineal de la velocidad V con la profundidad Z (Slotnick, 1936), dada por: kZ Vo V + = (3.11) Donde Vo es la velocidad en el datum, y k es el gradiente de velocidad, expresado en 1 s . Sepuededemostrarfcilmente,pordiferenciacin,queapartirdelaecuacin3.11se derivalasiguienteecuacinquerelacinprofundidadcontiempodeviajetdeacuerdoconlos parmetros anteriores: ) 1 exp( = ktkVoZ(3.12) Existenotrosmodelos,talescomoeldeFaust(1951),dondelavelocidaddependedela litologa y edad geolgica en adicin a la profundidad, el modelo simple de un nmero de capas de diferentes y constantes velocidad intervlicas (Dix, 1955; Hubral y Krey, 1980), el modelo de lentitudinstantneaversusprofundidaddeAl-Chalabi(1997),ymsrecientemente,elmodelocnico (Ravve y Koren, 2007). 3.2.6. Conversin tiempo-profundidad. Importancia Unaconsideracinimportantequedebetomarseencuentaalahoradeevaluarmapasy seccionesenprofundidadeslaconfiabilidaddelainformacindevelocidadconserealizla conversintiempo-profundidad.Unacantidadconsiderabledecheck-shotscercanoproveeuna 22 buenainformacintiempo-profundidad.Sinembargo,muchasreascarecendeinformacinde velocidaddepozoscercanos,ydeestamaneraladeterminacindevelocidadesssmicaspuede guiarlaconversintiempoprofundidad.Sinembargo,laprecisindelasvelocidadesobtenidas de correcciones NMO est sujeta a ciertas limitaciones. La anisotropa y otros factores hacen que estasvelocidadesdifierandelasvelocidadesverticalesquedeberanserutilizadasparala conversin tiempo-profundidad. Elgeofsicodebeconvertirsudataenunaformaquesealomssignificativaposibleen trminosgeolgicos.Losmarcadoresdepozoylosispacosseexpresanenunidadesde distancia, no tiempo, y por tanto la informacin ssmica debe ser presentada de la misma manera. Losmapasentiemponoincorporanelefectodecambioslateralesdevelocidad,queencasos drsticospuedenserresponsablesdereversionesenladireccindebuzamientoconrespectoa aquellas indicadas por los contornos en tiempo (Dobrin y Savit, 1988).

3.2.7. Una nota sobre migracin El objetivo de la migracin es hacer que las secciones apiladas aparezcansimilares a las seccionesgeolgicas.Idealmente,queremostenerunaseccinenprofundidadapartirdela seccin apilada. Sin embargo, comnmente la seccin migrada es mostrada en tiempo. Una razn para ello es que la estimacin de velocidad basada en ssmica u otros datos siempre es limitada en cuanto a precisin. Por tanto la conversin a profundidad no es completamente precisa. Este tipo demigracin,llamadamigracinentiempo,esapropiadasiempreycuandolasvariaciones lateralesdevelocidadseanmoderadas.Cuandolosgradienteslateralesdevelocidadson significativos, la migracin en tiempo no genera la correcta imagen del subsuelo. En este caso se necesita utilizar la migracin en profundidad (Yilmaz, 1987). 3.3. Atributos ssmicos Sonpropiedadesmediblesdelosdatosssmicos(amplitud,frecuencia,fase,polaridad), que pueden ser tomadas en un instante de tiempo o en una ventana especfica de tiempo, para una traza,unaseriedetrazasounasuperficieinterpretadadelassmica(SchlumbergerOilfield Glossary, 2005).A continuacin se presentan algunos de los atributos utilizados en este estudio, clasificados segn Brown (2001). 23 3.3.1. Atributos de tiempo Faseinstantnea:puedeidentificarrasgossedimentariosytectnicossutilestalescomo canales, pinchouts, discordancias, fallamiento sutil.Coseno de fase: sirve como ayuda para la delineacin de estructuras. Polaridad aparente: es el signo de la traza ssmica cuando la fuerza de reflexin tiene su valormximo.Alserproporcionalalcontrastedeimpedanciaacstica,puedesertilcomoun indicador de puntos brillantes. 3.3.2. Atributos de amplitudEnergapromedio:eslaamplitudRMSalcuadrado.Esunamedidadereflectividad dentro de una ventana de tiempo. Se utiliza para delinear indicadores directos de hidrocarburos en una zona. AmplitudRMS:midereflectividaddentrodeunaventanadetiempo,yseutilizapara delinear indicadores directo de hidrocarburos. Se calcula as: kampRMSni=2 (3.13) Donde amp es la amplitud de cada muestra y k es el nmero total de muestras. Magnitud promedio: calcula el promedio de los valores absolutos de las amplitudes para cada traza en un volumen definido. Es menos sensible a valores altos que la amplitud RMS. Suma de amplitudes, Suma de magnitudes: proveen una medida de brillo en el volumen. Un valor alto podra indicar una alta proporcin de arena neta. Amplitud Mxima, Amplitud Mnima: medidas de reflectividad. Amplitudpositivapromedio,Amplitudnegativapromedio:indicadoresdeporosidad, litologa. 24 HalfEnergy:eslaproporcindetiemporequeridaparaquelaenergadentrodeuna ventana alcance la mitad de la energa total dentro de toda la ventana. Este atributo podra indicar cambios asimtricos en porosidad o litologa dentro de una zona especfica. Desviacinestndardelaamplitud:midelavariabilidaddelosvaloresdeamplitud ssmica en el intervalo definido. Se calcula as: 212, 1) 1 () ()`((

==nAve dAn iistd (3.14) Donde n es el nmero de muestras y Ave es el valor promedio de las muestras. IntensidaddeReflexin:seasociafrecuentementeconcambioslitolgicosentrerocas adyacentescomodiscordancias,lmitesdeestratigrafasecuencial,acumulacionesdegas, porosidades. 3.3.3. Atributos de frecuencia Frecuenciainstantnea:cambiosrpidosenesteatributopuedenindicarrasgoscomo bordesdepinchoutsycontactosdeaguaypetrleo.Uncambiohaciabajasfrecuenciasse observa frecuentemente en reflectores por debajo de acumulaciones de hidrocarburo.Anchodebandainstantneo:esunamedidadelrangodefrecuenciasdeladata. Secuencias cclicas de lutita tendrn una banda estrecha. Litologa muy variable tiende a tener un mayor ancho de banda. Duracin de loop inferior: es la separacin en tiempo de los cruces superior e inferior con cero para el loop debajo del horizonte elegido (Figura 3.3.a).Duracindeloopsuperior:eslaseparacinentiempodeloscrucessuperioreinferior con cero para el loop en el horizonte elegido (Figura 3.3.b). 25

Figura 3.3. (a) Duracin de loop inferior. (b) Duracin de loop superior. La lnea punteada representa el cero, la lnea azul representa el horizonte y la flecha roja la separacin en tiempo que mide el atributo. Skewnessdeloopsuperior:eslamedidadesimetradeunadistribucinestadstica definidaparaelloopsuperior.Esceroparaloopssimtricos,tienevalorespositivosparaloop cargados en el topes, y valores negativos para loops cargados en la base (Figura 3.4.a). Kurtosisdeloop:esunamedidadepeakednessdeunadistribucinestadsticadefinida para el loop superior. Tiempo es la variante de inters y amplitud su probabilidad (Figura 3.4.b). Figura 3.4. (a) Definicin grfica del skewness de loop superior. (b) Definicin grfica de la kurtosis de loop Asimetradeloop:sedefinerespectoalainterpretacindelhorizonte.Tienevalor indefinido para loops simtricos. 26 3.3.4. Hbridos ArcLenght:esunamedidadeheterogeneidaddereflexin.Seutilizaparacuantificar cambioslateralesenpatronesdereflexin.Puededetectarpresenciadelutitaencuerpos arenosos. Se calcula as: muestreo ervalo i nZ j amp j ampLenght Arcnj_ int ) () ( ) 1 ( ) ( {_112 2 + + = = 3.4. Petrofsica 3.4.1. Porosidad () Es el porcentaje de volumen de poro o espacio vaco, o aquel volumen dentro de la roca quepuedecontenerfluido.Sedefinecomolafraccindevolumenquenoesocupadaporla materia slida. Se mide en volumen/volumen, porcentaje o fraccin porosa, y se define as: bpbgr bVVVV V== (3.15) Donde bVes el volumen total de roca, grVes el volumen ocupado por los granos y pVes el volumen poroso o volumen de poros.Laporosidadpuedeserprimaria(espacioentregranos)osecundaria.Laporosidad efectiva es el volumen de poros interconectados en la roca, que contribuyen al flujo de fluido en unyacimiento.Laporosidadtotaleselvolumentotaldeporoporunidaddevolumenderoca, independientementedesiestosespaciosporososestninterconectadosono.Deestaforma incluye poros aislados y agua contenida en la arcilla (Tiab y Donaldson, 1996). 27 3.4.2. Volumen de Arcilla Es una medida de la proporcin de arcilla en una formacin clstica, respecto al total de roca. Un valor de 1 es representativo de una lutita pura, mientras que un valor de 0 corresponde a unaarenalimpia.Mientrasmayorelvalordevolumendearcillaenunaformacin,estase considera de menor calidad como roca yacimiento. La Figura 3.5 muestra el criterio para definir la lnea de arena limpia y la lnea de lutita en un registro de Gamma Ray. Este criterio tambin es valido para registros de Potencial Espontneo (SP). El volumen de arcilla se calcula mediante la siguiente frmula

GRcl GRshGRcl GRVsh= (3.16) DondeGReselvalordegammarayparalamuestra,GRcleselvalordegammaray definido para arena limpia, y GRsh en el valor de gamma ray definido para lutita. Figura 3.5. Esquema mostrando la lnea de arena y la lnea de lutita definidas para calcular el volumen de arcilla. 28 3.5. Regresin lineal. Anlisis multivariado Dosvariablesquetenganuncoeficientedecorrelacindistintode0sedicequeestn correlacionadas. Por tanto, se busca una funcin que, sabiendo el valor de una variable, arroje la mejoraproximacindelvalordesconocidodeunasegundavariable(Wackernagel,1995). Llamemos a esta mejor funcin como la funcin de determinado tipo que minimice la distancia media cuadrtica a las muestras. En el caso de la regresin lineal, se utiliza para aproximar z una funcinlineal,detipoz=ay+b,lacualdefineunalnearectasobreladata,cuyapendienteae intercepto b se calculan minimizando la siguiente ecuacin: 212) (1 ay b zndistna = = (3.17) Mientrasmsfuertelacorrelacinentredosvariables,menorserladistanciadelas muestrasalarectaptima,mayorserelpoderexplicativodeestalnearectaymenorserel error promedio esperado (Wackernagel, 1995). La extensin del anlisis lineal a ms de dos variables es directa. La funcin ahora ser de tipob y a y a y a y a zn n+ + + + + =3 3 2 2 1 1, donde ny y y y ,..., , ,3 2 1son las variables dependientes de laregresiny na a a a ,..., , ,3 2 1sonlospesosdedichasvariables,quejuntoconeltrmino independiente b se obtienen minimizando la distancia media cuadrtica. 3.6. Redes neuronales 3.6.1. Qu es una red neuronal? Haykin(1999)ladefinecomounprocesadormasivoparalelocompuestodeunidades simplesdeprocesamiento,quetieneunapropensinnaturaldeguardarconocimiento experimentalyhacerlodisponibleparaeluso.Seasemejaalcerebrohumanoenque(1)el conocimiento es adquirido por la red a partir de su ambiente mediante un proceso de aprendizaje, y (2) las conexiones inter-neurona, conocidas como pesos sinpticos, son utilizadas para guardar elconocimientoadquirido.Entrelasventajasdelasredesneuronales,tenemos(Haykin,1999): 29 (a)no-linealidad,(b)mapeoentrada-salida,(c)adaptabilidad,(d)informacincontextual,y(e) tolerancia a fallos. 3.6.2. Aprendizaje supervisado La Figura 3.6 muestra un diagrama de flujo del aprendizaje supervisado. Podemos pensar en trminos de un profesor, que tiene un conocimiento representado por un set de data entrada-salida. Sin embargo, el ambiente es desconocido por la red neuronal. El profesor entonces provee alaredunarespuestadeseada,lacualrepresentalaaccinptimaarealizarpordichared.Los parmetrosdelaredsonajustadosbajolaaccincombinadodelvectordeentrenamientoyla sealdeerror,lacualsedefinecomoladiferenciaentrelarespuestadeseadaylarespuesta generada por la red. Estos ajustes se realizan de manera iterativa, paso a paso, con el objetivo de eventualmentelograrquelaredneuronalemulealprofesor.Allograrestacondicin,se dispensa al profesor y se deja a la red trabajar con el ambiente por s sola (Haykin, 1999). Figura 3.6. Diagrama de flujo del aprendizaje supervisado (Haykin, 1999) 3.6.3. Red Neuronales Anticipativa de Mltiples Capas (MLFN). La red est compuesta de una capa de entrada de entrada, una capa de salida, y una o ms capasocultas.Cadacapaconsistedenodos,ylosnodosestnconectadosconpesos.Lospesos 30 determinanelresultadoapartirdelacapadesalida.Elprocesodeentrenamientoconsisteen encontrarlospesosptimosentrelosnodos(Figura3.7),presentandoalaredunaseriede ejemplosdeentrenamiento.Enelcasodeatributos,cadaejemploconsistededatadeun determinado valor en tiempo) , , , (4 3 2 1A A A A donde iAson los diferentes atributos.Elproblemadeestimarlospesospuedeconsiderarseunproblemadeoptimizacinno lineal, donde el objetivo es minimizar el error medio cuadrtico entre los valores estimados y los valores reales de la variable a predecir. Este problema ha sido tradicionalmente resuelto mediante propagacin hacia atrs, que es una forma de descenso de gradiente (Hampson et al, 2001). Figura 3.7. Arquitectura de una MLFN (Modificado de Hampson et al, 2001) 3.6.4. Validacin cruzada y sobre-entrenamiento Seesperaquelaredestbienentrenadaparaqueaprendasuficientedelpasadopara generalizar en el futuro. En primer lugar, la data disponible se divide aleatoriamente en dos sets: un set para seleccionar el modelo y otro para probar o validar el modelo. De esta manera se busca validarelmodeloenunsetdedatosdiferentedeaquelutilizadoparalaestimacindelos parmetros.Elusodelavalidacincruzadaesimportanteparadeterminarcundodetenerel entrenamiento, de la siguiente manera: En una situacin tpica, el error promedio decrece al aumentar el nmero de iteraciones duranteelentrenamiento:comienzaenunvaloralto,decrecerpidamente,yluegocontina decreciendo lentamentemientras la red se aproxima a un mnimo local. Esto es lo ocurre con la datadeentrenamiento.Deestamaneraesmuydifcildeterminarcundodetenerelproceso mirando slo esta curva. Pero podemos identificar la llegada del sobre-entrenamiento mediante la 31 validacin cruzada.La sesin deentrenamiento es detenido peridicamente,y la red es probada enelsetdevalidacin.Deestamanera,lacurvadeladatadevalidacindecrecehaciaun mnimo, y posteriormente comienza a ascender mientras contina el entrenamiento. Este mnimo defineelpuntoidealdedetencindelentrenamiento.Enlarealidad,loquelaredest aprendiendoluegodeestepuntoesesencialmenteruidocontenidoenladatadeentrenamiento (Haykin, 1999).LaFigura 3.8 muestra las curvas idealizadas deerror promedio de las muestras de entrenamiento y de validacin respecto al nmero de iteracin. Figura 3.8. Grfica idealizada de error promedio vs nmero de iteracin tanto para las muestras de entrenamiento como para las de validacin (Haykin, 1999). Se identifica el punto de detencin del entrenamiento en el mnimo de error promedio para las muestras de validacin. 3.7. Geoestadstica y variable regionalizada Es la estadstica de observaciones ubicadas en espacio o en tiempo. Esta data puede estar correlacionada espacialmente o temporalmente. Una variable regionalizada es aquella distribuida a lo largo del espacio. Ejemplo son espesores, porosidad, permeabilidad. El espacio puede tener uno o ms dimensiones y puede incluir tiempo (Hohn, 1999). 3.7.1. Variograma Elvariogramaeslaherramientageoestadsticabsicaparamedirlaautocorrelacin espacial de una variable regionalizada. Como su nombre lo dice, es una medida de varianza. Una 32 maneradirectademedircmounavariablezcambiaenvalordesdeelsitioxhastaotrositio separado h unidades, es decir x+h, es calcular la diferencia z(x)-z(x+h). La expresin matemtica viene dada por: nh x z x zh2)} ( ) ( {) (2* + = (3.18) Lacantidad) (*h eselvariograma.Ascomolavarianzaenestadsticabsica,esuna suma de cuadrados dividida entre el nmero n de diferencias muestreadas. La Figura 3.9 muestra los elementos fundamentales de un variograma. Figura 3.9. Elementos de un variograma En geologa de petrleo, ya que las muestras estn irregularmente espaciadas, se busca un valor de yh para todos los pares de muestras separadas una distancia entre h1-h/2 y y h1+h/2. Los valores ptimos de h estn sujetos a muchos factores (Hohn, 1999). 3.7.2. Anisotropa Elvariograma,comovimosenlaecuacin3.56,dependedelvalordehperoes independientedexydelaorientacindelvectorentrexyx+h.Peromuchosfenmenos 33 geolgicosexhibenanisotropaespacialenvarianza.Construirelvariogramapararevelar anisotropa requiere los mismos clculos antes analizados, pero ahora los vectores entre pares de muestrassonagrupadostantoentrminosdedistanciacomodedireccin.Unamaneratilde mostrarladireccinprincipaldeanisotropaesunmapadecontornosdelasuperficiedel variograma, el cual se puede generar en muchos programas computacionales (Hohn, 1999). 3.7.3. Modelos tericos de variograma Ajustarunmodeloestndaraunvariogramaexperimentalesfundamentalparala estimacinymapeopormtodosgeoestadsticos.Elmodelodevariogramaesutilizadopara calcular parmetros necesarios para kriging. Los tres modelos fundamentales (Figura 3.10) son: Esfrico:elvariogramaseasemejaenformaaunalnearectaenlacercanaalorigen. Este modelo es llamado transitivo ya que alcanza un sill finito en un rango finito. Exponencial: el modelo se aproxima al sill de manera asinttica. De los tres modelos, es el de mayor pendiente en la cercana al origen. Gaussiano:elmodelotambinseaproximaalsilldemaneraasinttica.Eseldemenor pendiente en la cercana al origen y es el nico con un punto de inflexin. Lafiguramuestralostresmodelosdevariogramaantesmencionados,asumiendoque tanto el rango como el sill son iguales a 1. 3.7.4. Efecto nugget o pepita Muchosvariogramasexperimentalesnoseaproximanaceroconladisminucinde separacin.Estaobservacin,llamadaefectonugget,implicacambiosabruptosenlavariable regionalizadaendistanciacortas,variabilidadaescalasespacialesmenoresqueladistanciade muestreo,obajaprecisinenlasmedidas.Elefectonuggetrepresentauncomponentealeatorio enunavariableregionalizada(sepodrallamarruido).Engeneral,sedeberabuscarreducirel efectonuggetlomsposibleparamejorarlaprecisindelasestimaciones,bienseaconmejor control de pozos, examinando la data para posibles fuentes de error, o aplicando ajustes o factores de correccin (Hohn, 1999). 34 Figura 3.10. Modelos de variograma. 3.7.5. Modelos en tres dimensiones Lavariabilidadenunadeterminadadistanciaverticalmenteesmuchomayorqueenla misma distancia horizontalmente. Por otra parte, el efecto nugget est casi ausente en la direccin vertical, ya que las muestras son tomadas a una distancia muy corta, usualmente equivalente a la resolucin de los registros de pozo. Por tanto, se debe buscar el modelo que mejor represente el comportamiento de los variogramas experimentales, con un rango corto para la direccin vertical y rangos mucho ms largos para las direcciones horizontales (Hohn, 1999). 3.7.6. Kriging El kriging es un mtodo de calcular estimados de una variable regionalizada en un punto, sobre un rea, o dentro de un volumen,utilizando como criterio la minimizacin de una varianza de estimacin. Esta minimizacin se logra resolviendo una serie de ecuaciones. Estas ecuaciones incluyencovarianzasentreelpuntoovolumenaserestimadoylospuntosdemuestray covarianzas entre cada par de puntos de muestra.Los pesos calculados mediante la solucin del sistemadeecuacionesdependendeltamaoyformadelvolumenaserestimado,ladistanciay direccin de cada muestra del volumen a ser estimado, la distancia entre muestras, y el modelo de variogramaempleado.Elkrigingesunestimadorexactoenelsentidoqueelestimadoenun 35 puntodecontrolesigualalvalorobservado.Tambinsuavizaladatacuandoelvariograma incluye un efecto nugget considerable (Hohn, 1999). 3.7.7. Geoestadstica multivariada. Cokriging. Hohn(1999)enumeraunaseriedesituacionesenlascualessepuedeestudiarla covarianza entre dos o ms variables regionalizadas. Una de ellas es cuando una variable presenta unpobremuestreo,perotieneunabuenacorrelacinconunasegundavariablequeestmucho mejormuestreada.Sepuedetomarventajadeestacorrelacinparamejorarlaestimacindela variable sub-muestreada. Elcokrigingestimaunavariableregionalizadaapartirdedosomsvariablesco-regionalizadas.Requierevariogramasparalavariableprimariaycadaunodelasvariables secundarias.Lasventajasdelcokrigingpuedendesaparecerenlapresenciadealtosefectos nugget en los variogramas, baja cross-correlacin, o alto rango en la variable sub-muestreada en relacin al espacio entre muestras (Hohn, 1999). CAPTULO IV METODOLOGA El presente estudio se desarroll en base a las etapas mostradas en el diagrama de flujo de la Figura 4.1. Figura 4.1. Diagrama de flujo de lo realizado en este estudio 37 4.1. Carga de datos y control de calidad 4.1.1. Ssmica Fueron cargados al proyecto 8 lneas y un cubo 3D. La Figura 4.2 muestra el mapa base con su ubicacin. Figura 4.2. Mapa base del rea de estudio con ubicacin de las lneas (en rojo) y del cubo ssmico (en azul) Lainformacinseguardenunacarpetaespecialdesmica,organizndoseasuvezen dos subcarpetas:2D:fueroncargadas8lneas(slb1aslb8),deaproximadamente10kmdelargo,y700 puntos de disparo cada unq, que graban hasta 8000 ms de tiempo doble de viaje, con un intervalo demuestreode4ms.Laslneassondecarctermsregional,ypermitenhacerseunaideadel estilo estructural del rea.3D:elcubomigtiene271inlines(500a770)orientadosensentidoeste-oesteconuna longitudde12100pies(3,69km),y221crosslines(360a590)orientadosnorte-surconuna longitud de 14850 pies (4,53 km). El intervalo entre inlines es de 55 pies (17 m) (mismo intervalo 38 entre crosslines). Graba hasta 3500 ms de tiempo doble de viaje, con un intervalo de muestreo de 4 ms. No se cuenta con informacin acerca de sus parmetros de adquisicin ni de su secuencia de procesamiento. Este cubo representa la base de las interpretaciones de horizontes y fallas que sern utilizados para la construccin del modelo esttico. 4.1.2. Pozos. Fueroncargados al proyecto un total de 28 pozos.La Figura 4.3 muestra el mapacon el nombre y la ubicacin de los pozos en superficie respecto al levantamiento 3D. Ntese que hacia el oeste del rea existe una aglomeracin de pozos en tres localidades, las cuales son enfocadas. Figura 4.3. Mapa base con la ubicacin de los pozos. Los lmites del cubo se representan en azul. Las reas encerradas en rojo (parte superior) y verde (parte inferior) corresponden a concentraciones de pozos en plataformas. 39 Fueroncargadosuntotalde18registros,entreloscualestenemos:GammaRay,SP, Caliper, Resistividad (somera, media y profunda), Densidad, Porosidad Total, Snico y Volumen deArcilla.TodaestainformacinfueguardadaenunacarpetaespecialparadatosdePozo. Adicionalmentesecarginformacindevelocidadenformadetirosdeverificacin(Check Shots), correspondiente a los 28 pozos en el rea de estudio. El software permite cargarlos en una subcarpeta especial, donde automticamentecalcula las velocidades intervlicay promedio para cada intervalo definido por los pares T-Z. 4.1.3. Marcadores. Secargaronalproyectomarcadoresenprofundidadparalos28pozosenelrea.Los marcadorescorrespondena7zonas(Caracas,Dallas,Houston,Houston-Base,Kobe,Paris,y Salt).Elprogramatambinmanejalosmarcadoresenunacarpetaespecial,dondesevisualizan en una hoja de clculo estilo Excel y pueden ser editados y manipulados. 4.1.4. Interpretaciones de horizontes. Se dispona de 5 archivos de texto correspondientes a horizontes ya interpretados del cubo 3D, los cuales fueron importados al proyecto. Los horizontes son Caracas, Houston, Kobe, Paris ySalt.Losdatosfueroncargadosenformadepuntosqueluegofueronconvertidosa interpretaciones,permitiendoassumanejoencarpetasespecialesdeinterpretacin,locual otorga la oportunidad de borrar y/o reinterpretar dichos datos una vez dentro del proyecto. 4.1.5. Velocidades de apilamiento. Fueroncargadosalproyecto,enformadepuntos,datosdevelocidadesdeapilamiento, cadaunoconsucorrespondientecoordenadaXY,inline,crossline,tiempodobleenms,yvalor de velocidad. La Figura 4.4 muestra una visualizacin, tanto en planta como en 3D, de los puntos develocidadesdeapilamientodisponiblesenelrea.Setienenpuntoscada16crosslines(880 pies) y cada 18 inlines (990 pies) con velocidades entre 5000 y 11000 pies/s (1525 y 3355 m/s), referidas a valores de tiempo doble de viaje entre 0 y 8000 ms. 40 Figura 4.4.Vista en 3D de los puntos de velocidades de apilamiento, cuyos colores corresponden a los valores de velocidad en la escala ubicada en la parte superior izquierda. La escala vertical corresponde a tiempo doble de viaje. La parte inferior izquierda muestra la vista en planta de los puntos respecto al cubo (en azul).

4.2. Interpretacin y modelo esttico en tiempo. 4.2.1. Resolucin vertical Se calcul la resolucin ssmica vertical, o espesor mnimo que puede ser resuelto por la ssmica,paraloshorizontesHoustonyParis,querepresentanlostopesdelosintervalosde inters.Estosehacemediantelaecuacin3.14.Lasfrecuenciasdominantesseobtuvieron mediante la generacin de mapas de frecuencia instantnea para cada uno de los niveles. A partir de los histogramas de frecuencia obtenidos de los mapas (Figuras 4.5 y 4.6) , se determinaron las frecuencias dominantes a ser utilizadas para el clculo de la resolucin ssmica. 41 Figura 4.5. Histograma de frecuencia instantnea para el horizonte Houston, mostrando la frecuencia dominante (25,5 Hz). Figura 4.6. Histograma de frecuencia instantnea para el horizonte Paris, mostrando la frecuencia dominante (22,5 Hz). 42 Lasvelocidadesparalosintervalosdeintersfueroncalculadasapartirdelosregistros snicos de los 26 pozos en el rea. Para cada intervalo, se tom el valor de lentitud promedio en cadapozoysecalcullamediadeestosvalores.Apartirdeestevalormedioseobtuvola velocidad promedio para dichos intervalos. La Tabla 4.1 muestra la frecuencia dominante, lentitud promedio, velocidad promedio y el valor calculado de resolucin vertical a partir de los parmetros anteriores, para los dos intervalos de inters Tabla 4.1. Valores de resolucin ssmicavertical para los intervalos de inters HorizonteFrecuencia dominante Lentitud promedio Velocidad promedio Resolucin vertical Houston25,5 Hz119 s/pie 8400 pies/s 82 pies Paris22,5 Hz116 s/pie 8620 pies/s96 pies 4.2.2. Interpretacin estructural. Elprimerpasoparalaconstruccindeunmodeloestticodeceldasconsisteenla interpretacinssmica.Comoyasemencion,secuentaaprioriconinterpretacionesde horizontes a partir del cubo ssmico.Teniendoencuentalainformacindisponible,losobjetivosdelainterpretacinyel tiempodisponible,sedecidirealizarlainterpretacinnicamentedelasfallasprincipales,es decir, aquellas quecortaban uno o varios de los horizontes de inters. La Figura 4.7 muestra el malladodelainterpretacindelhorizonteHouston,juntoconlasfallas.Seidentificanzonasde ausenciadeinterpretacin,dondeocurreunsaltoabruptoentiempodobledeviaje.Estaszonas indicanquesehainterpretadounadiscontinuidadenelreflector,yqueportantoalldebera cortarunafalla.Comoseobserva,loshorizontesinterpretadosproveenunamaneradirectade controlar la interpretacin de las fallas a lo largo de su rumbo. 43 Figura 4.7. Vista en planta de la interpretacin del horizonte Houston y de los planos de las fallas. Obsrvese cmo los rumbos de dichas fallas siguen las zonas de ausencia de interpretacin. La flecha verd