Probabilistisk 3D‑litologiklassificering från volymer av elastiska egenskaper: ett avancerat inversionsarbetsflöde vid Desouq‑gasfältet, Västliga Nildeltat, Egypten

Att hitta dold gas under Nildeltat

Att lokalisera nya gasreservoarer blir svårare eftersom de lättaste målen redan utnyttjats. I det egyptiska onshore‑Nildeltat är berglagren komplexa och traditionella seismiska bilder kan lätt vilseleda, vilket får bolag att borra dyra torra eller svagt givande brunnar. Denna studie presenterar ett nytt sätt att ”se” under marken: den kombinerar avancerad seismisk bearbetning, analys av bergens egenskaper och probabilistisk maskininlärning för att bygga en 3D‑bild av vilka berg som sannolikt innehåller gas och vilka som är täta eller vattenfyllda, vilket hjälper till att minska prospekteringsrisk och slöseri med borrningar.

Pusslet i ett utmanande underlag

Desouq‑gasfältet ligger i en geologiskt invecklad del av Västliga Nildeltat, där förkastningar, kanaler och förskjutna havsnivåer har staplat sand, skiffer och evaporitskikt i intrasslade mönster. Gas finns främst fångad i sandkanaler i Abu Madi‑formationen, men en särskild besvärlig en är anhydrit, en mycket tät och ogenomtränglig bergart. Tunna anhydritlager kan skapa starka seismiska reflektioner som ser mycket lika ut som gasförande sand. Tidigare metoder förlitade sig till mer enkla seismiska produkter och amplitudkartor, vilka inte pålitligt kunde särskilja dessa likartade signaler, och lämnade bolagen osäkra på om ett ljust seismiskt område var ett lovande gasmål eller bara ett tätt, icke‑produktivt skikt.

Att omvandla seismiska eko till bergarter

För att tackla detta byggde författarna ett tvåstegsarbetsflöde. Först använde de pre‑stack seismisk inversion, som analyserar hur seismiska reflektioner förändras med infallsvinkel för att uppskatta nyckelegenskaper under marken såsom P‑impedans, S‑impedans och förhållandet mellan kompressions‑ och skjuvhastigheter. Dessa egenskaper kalibrerades med mätningar från fem brunnar, där detaljerade loggar visar hur gammastrålning, densitet, sonikhastigheter och andra indikatorer varierar genom bergkolonnen. Noggranna kvalitetskontroller säkerställde att de inverterade egenskapsvolymerna stämde överens med brunnsdata och följde den kända geologiska lagringen, vilket skapade en tillförlitlig startmodell av underlaget.

Att lära datorn känna igen bergarter

Det andra steget förvandlade dessa kalibrerade egenskaper till en statistisk bergartmodell. Vid brunnslägena genomförde teamet petrofysisk analys för att identifiera vilka djup som innehöll gasförande sand, våt sand, skiffer eller tät anhydrit. De använde sedan bergfysiska korsplottar för att se hur dessa bergarter klustrade sig i termer av impedans och hastighetsförhållanden. Från dessa kluster byggdes sannolikhetstäthetsfunktioner—i praktiken fingeravtryck som beskriver hur sannolikt en given kombination av egenskaper tillhör varje bergart. En maskininlärningsklassificerare tränad på detta märkta brunnsdata applicerades sedan över hela den 3D seismiska volymen och genererade "sannolikhetskubik" som för varje punkt under marken uppskattar chansen att den är gasförande sand, våt sand, skiffer eller anhydrit.

Vad den nya 3D‑vyn avslöjar

De resulterande probabilistiska kartorna visar avgränsade kanaler med gasladdad sand som löper genom Abu Madi‑formationen. Viktigt är att de förfinar tidigare tolkningar genom att skilja verkliga gassignaler från vilseledande ljusa punkter orsakade av tunna anhydritlager. Förvirringsmatrisstatistik indikerar att modellen känner igen gas­sand med hög noggrannhet, medan felklassificering av anhydrit är mycket låg. När sannolikhetskubikerna jämförs med seismiska snitt och brunnsloggar ligger zoner med hög sannolikhet för gas­sand i linje med intervaller med låg vattensaturation, vilket ger operatörer större förtroende för var gas faktiskt finns. Analysen avslöjar även åtta ytterligare gasförande zoner i fältets sydvästra del som tidigare hade avskrivits eller lämnats osäkra.

Varför detta spelar roll för framtida prospektering

I vardagliga termer uppgraderar denna studie industrins underjordiska "ögon" från en suddig svartvit bild till en färgkodad 3D‑karta över sannolika berg‑ och fluidtyper. Genom att kombinera avancerad seismisk inversion, bergfysik och probabilistisk klassificering minskar arbetsflödet falska spår orsakade av bedrägligt täta berg och beskriver bättre var gasrika sandar är sammankopplade eller avgränsade. Även om vissa osäkerheter kvarstår—särskilt där gas och vattenfyllda sandar ser lika ut eller där lager är tunnare än seismisk upplösning—erbjuder denna integrerade metod en mer tillförlitlig vägledning för val av borrplatser och planering av fältutveckling, både i Nildeltat och i andra komplexa bassänger världen över.

Citering: El Hateel, M.S., El Sayed, A.A., El-Werr, AK. et al. Probabilistic 3D lithology classification from elastic property volumes an advanced inversion workflow at Desouq Gas Field, West Nile Delta, Egypt. Sci Rep 16, 10950 (2026). https://doi.org/10.1038/s41598-026-42888-z

Nyckelord: Gas i Nildeltat, seismisk inversion, litologiklassificering, probabilistisk reservoarmodellering, bergfysik