Assessment of the Tectonic Factors Influence on the Deep Oil and Gas Source Rocks Formation at the Upper-Pechora Depression

Author details

E. A. Kuznetsova
Perm State National Research University, Perm, Russian Federation

https://doi.org/10.15593/2712-8008/2024.1.1

The relevance of the work is due to the fact that in the coming years the oil and gas potential of deep deposits of the sedimentary cover, located at depths of more than 4 km, will have to be more fully studied. One of the methods that allows you to solve this problem most effectively is the construction of probabilistic statistical models. In this case, a comparison of average values and distribution densities (statistics – t and χ2), correlation analysis, regression analysis, including stepwise, as well as discriminant analysis are used. As a result of these calculations, fundamental differences in the tectonic conditions of the formation of the organic carbon initial concentrations (Ci org) before hydrocarbon (HC) generation processes were determined for the studied types of organic matter (OM) – sapropel, mixed and humus. Comparison of average Ci org values made it possible to establish the presence of statistical differences between types of OM in deep sediments at the Upper-Pechora depression. Since this structure had an asymmetrical structure typical of marginal troughs, a comparison was made of two tectonic zones - western and eastern, corresponding to its outer and inner sides. Correlation analysis showed that between the studied indicators there were connections of varying degrees of closeness and direction. Using linear discriminant analysis based on a set of tectonic indicators, differentiation by types of OM and tectonic zones was established. The performed stepwise regression analysis confirmed a significant difference in the processes of accumulation of OM of sapropel and humus types, as well as in the western and eastern regions. Thus, statistical analysis showed the decisive role of tectonic factors in the processes of Ci org concentrations formation. In addition, regression equations were constructed to describe the dependences on tectonic indicators that made it possible to predict this most important characteristic of oil and gas source rocks.

Keywords

Upper-Pechora depressiondeep sedimentsprobabilistic-statistical methodsbasin modelingoilgashydrocarbonsorganic matterorganic carbonoil and gas source rocksconcentrationtectonic characteristicsburial depthstatistical differencesforecast.

Оценка влияния тектонических факторов на формирование глубокопогруженных нефтегазоматеринских пород Верхнепечорской впадины

Актуальность работы обусловлена тем, что в ближайшие годы предстоит наиболее полно изучить нефтегазоносность глубокопогруженных отложений осадочного чехла, залегающих на глубинах более 4 км. Одним из методов, который позволяет решить данную задачу наиболее эффективно, является построение вероятностно-статистических моделей. При этом применяются сравнение средних значений и плотностей распределения (статистики – t и χ2), корреляционный анализ, регрессионный анализ, в том числе пошаговый, а также дискриминантный анализ. В результате этих расчетов определены принципиальные различия в тектонических условиях формирования исходных концентраций органического углерода (Cорг) до начала процессов генерации углеводородов (УВ) для изучаемых типов органического вещества (ОВ) – сапропелевого, смешанного и гумусового. Сравнение средних значений Cорг позволило установить наличие статистических различий между типами ОВ в глубокопогруженных отложениях Верхнепечорской впадины. Поскольку данная структура имеет типичное для краевых прогибов асимметричное строение, проведено сравнение двух тектонических зон – западной и восточной, отвечающих внешнему и внутреннему ее бортам. Корреляционный анализ показал, что между изучаемыми показателями наблюдаются связи различной степени тесноты и направленности. С помощью линейного дискриминантного анализа по комплексу тектонических показателей установлена дифференциация по типам ОВ и тектоническим зонам. Выполненный пошаговый регрессионный анализ подтвердил существенное различие в процессах накопления ОВ сапропелевого и гумусового типов, а также в западных и восточных районах впадины. Таким образом, статистический анализ показал определяющую роль тектонических факторов в процессах формирования концентраций Cорг. Кроме того, были построены уравнения регрессии, описывающие зависимости Cорг от тектонических показателей, позволяющих прогнозировать эту важнейшую характеристику нефтегазоматеринских пород.

Ключевые слова

Верхнепечорская впадинаглубокопогруженные отложениявероятностно-статистические методыбассейновое моделированиенефтьгазуглеводородыорганическое веществоорганический углероднефтегазоматеринские породыконцентрациятектонические характеристикиглубина залеганиястатистические различияпрогноз.

Bibliography

1.Белоконь, А.В. Моделирование тектонической и температурной истории района бурения Тимано-Печорской глубокой опорной скважины / А.В. Белоконь // Вестник Пермского государственного технического университета. – 2000. – №3. – С. 71–76. Scholar
2.Галкин, В.И. Влияние историко-генетических факторов на нефтегазоносность / В.И. Галкин, И.А. Козлова // Вестник Пермского университета. Геология. – 2000. – Вып. 4. – С. 8–18. Scholar
3.Галушкин, Ю.И. Моделирование осадочных бассейнов и оценка их нефтегазоносности / Ю.И. Галушкин. – М.: Научный мир, 2007. – 456 с. Scholar
4.Кочнева, О.Е. Перспективы нефтегазоносности глубокопогруженных отложений Верхнепечорской впадины по данным бассейнового моделирования / О.Е. Кочнева, Т.В. Карасева, Е.А. Кузнецова // Нефтяное хозяйство. – 2015. – № 3. – С. 14–16. Scholar
5.Кузнецова, Е.А. Особенности геологического строения и формирования нефтегазоносности в районе Вуктыльского надвига / Е.А. Кузнецова, Т.В. Карасева // Недропользование. – 2017. – Т. 16, № 4. – С. 313–320. DOI: 10.15593/2224-9923/2017.4.2 Scholar
6.Пестерева, С.А. Историко-генетическое моделирование эволюции осадочного чехла в районах развития глубокопогруженных отложений Тимано-Печорского нефтегазоносного бассейна / С.А. Пестерева, С.Г. Попов, А.В. Белоконь // Вестник Пермского университета. Геология. – 2011. – Вып. 2. – С. 8–19. Scholar
7.Allen, A.Ph. Basin analysis: principles and application to petroleum play assessment / A.Ph. Allen, J.R. Allen. – 3 ed. – Wiley-Blackwell, 2013. – 619 p. Scholar
8.Basin and petroleum system modeling / M.M. Al-Hajeri, M. Al Saeed, J. Derks [et al.] // Oilfield Rewiew. – 2009. – Vol. 21, iss. 2. – P. 14–29. Scholar
9.Fold-thrust belts at peak oil / D. Roeder, G.P. Goffey, J. Craig [et al.] // Hydrocarbons in contact belts. – London: Geological Society, 2010. – Vol. 348. – P. 7–31. DOI: 10.1144/SP348.2 Scholar
10.Hantschel, T. Fundamentals of basin and petroleum systems modeling. – Berlin: Springer-Verlag, 2009 / T. Hantschel, A. Kaueraaf. – 476 p. DOI: 10.1007/978-3-540-72318-9 Scholar
11.Incidence and importance of tectonics and natural fluid migration on reservoir evolution in foreland fold-and-thrust belts / F. Roure, R. Swennen, F. Schneider [et al.] // Oil and Gas Science and Technology Revue de l’IFP. – 2005. – Vol. 60, № 1. – P. 67–106. DOI: 10.2516/ogst: 2005006 Scholar
12.Integrated charge and seal assessment in the Monagas fold and thrust belt of Venezuela / M. Neumaier, R. Littke, T. Hantschel [et al.] // AAPG Bulletin. – 2014. – Vol. 98, №7. – P. 1325–1350. DOI: 10.1306/01131412157 Scholar
13.Kuznetsova, E.A. Description and prospects of oil and gas potential of the Middle Devonian – Lower Frasnian complex of the south-east of the Timan-Pechora province / E.A. Kuznetsova // IOP Conf. Ser.: Earth Environ. Sci. – 1021 – 012036. DOI: 10.1088/1755-1315/1021/1/012036 Scholar
14.Maerten, L. Chronologic modeling of faulted and fractured reservoirs using geomechanically based restoration / L. Maerten, F. Maerten // Technique and industry applications: AAPG Bulletin. – 2006. – Vol. 90, № 8. – P. 1201–1226. DOI: 10.1306/02240605116 Scholar
15.Magoon, L.B. The Petroleum system: from source to trap / L.B. Magoon, W.G. Dow. – Tulsa, Oklahoma: AAPG, 1994. – 655 p. DOI: 10.1306/M60585 Scholar
16.Nemcok, M. Thrustbelts. Structural architecture / M. Nemcok, S. Schamel, R. Gayer // Thermal Regimes and Petroleum Systems. – 2009. – 527 p. DOI: 10.2113/gscannim.44.6.1563 Scholar
17.PetroMod petroleum system modeling // Schlumberger Information Solutions. – 2011. – № 10. – 256 p. Scholar
18.Schneider, F. Basin modeling in complex area: examples from Eastern Venezuela and Canadian Foothills / F. Schneider // Oil and Gas Science and Technology. – 2003. – Vol. 58, № 2. – P. 313–324. DOI: 10.2516/ogst:2003019 Scholar
19.Дьяконов, А.И. Оценка газонефтяного потенциала автохтонов и аллохтонов Предуральского краевого прогиба на эволюционно-генетической основе / А.И. Дьяконов, Т.А. Овчарова, С.В. Шелемей. – Утка: УГТУ, 2008. – 76 с. Scholar
20.Кузнецова, Е.А. Влияние скорости осадконакопления на нефтегазоносность отложений юго-восточных районов Тимано-Печорской нефтегазоносной провинции / Е.А. Кузнецова // Новые направления нефтегазовой геологии и геохимии. Развитие геологоразведочных работ. – 2019. – С. 293–298. Scholar
21.Кузнецова, Е.А. Использование вероятностно-статистических методов анализа глубокопогруженных отложений Верхнепечорской впадины / Е.А. Кузнецова, В.И. Галкин // Недропользование. – 2023. – Т. 23, № 1. –С. 11–17. DOI: 10.15593/2712-8008/2023.1.2 Scholar
22.Peters, K.E. The Biomarker Guide: Vol. 2. Biomarkers and Isotopes in Petroleum Systems and Earth History / K.E. Peters, C.C. Walters, J.M. Moldowan. – Cambridge, 2007. – 1155 p. DOI: 10.1017/CBO9781107326040 Scholar
23.Виртск, А.Ю. Применение регрессионного анализа для оценки эффективности работы нефтяных скважин с парафинистой нефтью / А.Ю. Виртскю, В.С. Микшина // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2020. – Т. 331, № 1. – С. 117–124. DOI: 10.18799/24131830/2020/1/2453 Scholar
24.Вистелиус, А.В. Основы математической геологии / А.В. Вистелиус. – Л.: Недра, 1980. – 389 с. Scholar
25.Галкин, В.И. Разработка статистических моделей для прогноза поглощения по характеристикам разрывных нарушений / В.И. Галкин, Д.В. Резвухина // Недропользование. – 2021. – Т. 21, № 3. – С. 102–108. DOI: 10.15593/2712-8008/2021.3.1 Scholar
26.Давыденко, А.Ю. Вероятностно-статистические методы в геолого-геофизических приложениях / А.Ю. Давыденко. – Иркутск, 2007. – 29 с. Scholar
27.Девис, Дж. Статистика и анализ геологических данных / Дж. Девис. – М.: Мир, 1977. – 353 с. Scholar
28.Девис, Дж.С. Статистический анализ данных в геологии / Дж.С. Девис. – Кн. 1. – М.: Недра, 1990. – 319 с. Scholar
29.Девис, Дж.С. Статистический анализ данных в геологии / Дж.С. Девис. – Кн. 2. – М.: Недра, 1990. – 426 с. Scholar
30.Дементьев, Л.Ф. Математические методы и ЭВМ в нефтегазовой геологии / Л.Ф. Дементьев. – М.: Недра, 1987. – 264 с. Scholar
31.Дементьев, Л.Ф. Применение математической статистики в нефтепромысловой геологии / Л.Ф. Дементьев, М.А. Жданов, А.Н. Кирсанов. – М., 1977. – 255 с. Scholar
32.Дрейпер, Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит. – М.: «Диалектика», 2017. – 912 с. Scholar
33.Кошкин, К.А. Разработка вероятностных моделей зонального прогноза нефтегазоносности центральной части Пермского свода по структурно-мощностным критериям / К.А. Кошкин, И.А. Татаринов // Вестник Пермского национального исследовательского политехнического университета. Недропользование. – 2021. – Т. 21, № 1. – С. 2–8. DOI: 10.15593/2712-8008/2021.1.1 Scholar
34.Кривощеков, С.Н. Разработка вероятностно-статистической методики прогнозного нефтегазоносности структур / С.Н. Кривощеков, В.И. Галкин, А.С. Волкова // Нефтепромысловое дело. – М.: ВНИИОЭНГ, 2010. – № 7. – С. 28–31. Scholar
35.Михалевич, И.М. Применение математических методов при анализе геологической информации (с использованием компьютерных технологий: Statistica) / И.М. Михалевич. – Иркутск: ИГУ, 2006. – 115 с. Scholar
36.Поморский, Ю.Л. Методы статистического анализа экспериментальных доннагрфия / Ю.Л. Поморский. – Л., 1960. – 174 с. Scholar
37.Поротов, Г.С. Математические методы моделирования в геологии / Г.С. Поротов. – СПб.: Изд-во Санкт-Петербург. гос. горн. ин-та (техн. ун-та), 2006. – 223 с. Scholar
38.Путилов, И.С. Разработка технологий комплексного изучения геологического строения и размещения месторождений нефти и газа / И.С. Путилов. – Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2014. – 285 с. Scholar
39.Татаринов, И.А. Вероятностно-статистическая оценка зональной нефтегазоносности Пермского свода по геохимическим критериям / И.А. Татаринов // Недропользование. – 2022. – Т. 22, № 1. – С. 2–8. DOI: 10.15593/2712-8008/2022.1.1 Scholar
40.Чини, Р.Ф. Статические методы в геологии: пер. с англ. / Р.Ф. Чини. – М.: Мир, 1986. – 189 с. Scholar
41.Шарапов, И.П. Применение математической статистики в геологии. Статистический анализ геологических данных / И.П. Шарапов. – М.: Недра, 1971. – 246 с. Scholar
42.Ядзинская, М.Р. Математические методы в гидрогеологии и инженерной геологии / М.Р. Ядзинская. – Пермь: ПГНИУ, 2022. – Ч. 1. – 93 с. Scholar
43.Ядзинская, М.Р. Математические методы в гидрогеологии и инженерной геологии / М.Р. Ядзинская. – Пермь: ПГНИУ, 2022. – Ч. 2. – 92 с. Scholar
44.Amanat, U. Chaudry. Oil well testinghanbook / U. Chaudry Amanat // Advanced TWPSON Petroleum Systems Inc. – Houston, 2004. – 525 p. Scholar
45.Friedman, J. Regularized discriminant analysis / J. Friedman // Journal of the American Statistical Association. – 1989. – Vol. 84. – P. 165–175. DOI: 10.2307/2289860 Scholar
46.Horne, R.N. Modern well test analysis: A computer Aided Approach / R.N. Horne. – 2nd ed. – Palo Alto: PetrowayInc, 2006. – 257 p. Scholar
47.Johnson, N.L. Statistics and experimental design / N.L. Johnson, F.C. Leone. – New York–London–Sydney–Toronto, 1977. – 606 p. Scholar
48.Montgomery, D.C. Introduction to liner regression analysis / D.C. Montgomery, E.A. Peck. – New York: John Wiley & Sons, 1982. – 504 p. Scholar
49.Tan, P.N. Introduction to data mining / P.N. Tan, M. Steinbach, V. Kumar. – Boston: Pearson Addison Wesley, 2005. – 769 p. Scholar
50.Tiab, D. Modern core analysis. Vol. 1. Theory, core laboratories / D. Tiab. – Houston, Texas, 1993. – 200 p. Scholar
51.Watson, G.S. Statistic on spheres / G.S. Watson. – New York: John Wiley and Sons, Inc., 1983. – 238 p. Scholar
52.Yarus, J.M. Stochastic Modeling and Geostatistics. Principles, Methods, and Case Studies / J.M. Yarus, R.L. Chambers // AAPG Computer Applications in Geology Series. – № 3. – Tulsa: American Association of Petroleum Geologists, 379 p. Scholar

Article information

Published: 31 March 2024
Issue date: 31 March 2024
Issue: Vol. 24, No. 1 (2024)