A Stochastic Method for Automated Matching of Horizons across a Fault in 3D Seismic Data Dissertation

ADMASU, FITSUM. A Stochastic Method for Automated Matching of Horizons across a Fault in 3D Seismic Data. Seismic data are pictures showing subsurface seismic reflectivity. Seismic data interpretations concern with building geological models with the aim to describe relationship between the seismic data and a priori geological information. The models are used for hydrocarbon exploration or other geotechnical investigations. This thesis work is motivated by a demand of computer-assisted interpretation of seismic data. Manual interpretations take too long and are almost always non-unique. The computer-assisted interpretation has advantages in that it provides a faster interpretation framework and a consistent workflow. This thesis focuses on automating horizon matching across a fault surface. Horizons are visible boundaries between certain sediment layers in seismic data. Faults are discontinuity surfaces across which horizons are cut and displaced. Automation tools, such as auto-trackers, are widely being used to assist horizon interpretation. However, they fall short of tracking horizons across faults. Horizon matching across faults is done after defining the fault surface, and it is about establishing the pre-fault geological continuity of horizons. In order to define the fault surface, a new semi-automatic fault-tracking method has been developed. It involves fault enhancing through the use of a log-Gabor filter followed by fault tracking based on an active contour model. The thesis proposes a new Bayesian-based fully automated method for horizon matching across a fault. The new method exploits the existing 3D spatial information and the multi-resolution nature of sediment layer structures in seismic images. A stochastic model has been defined under a marked point process framework. It models spatial data correlations and geological continuity constraints about sediment layers. The optimal matching solution has been found as a parameter which maximizes the stochastic model conditioned on seismic data. This is done by using a multi-resolution stochastic annealing algorithm. Application of the proposed method is compared with real 3D seismic data interpretations. Tests were made for 20 different fault patches taken from 4 seismic data sets. Automated matching results on 16 faults were considered acceptable after comparing them with references obtained manually. The method works well for planar faults and relies on the correct definition of horizon geometries. Additional tests show that the new method is more robust than previous methods while providing coarse-fine scale horizon matching. Abstract deutsche Fassung deutsche Fassung ADMASU, FITSUM. A Stochastic Method for Automated Matching of Horizons across a Fault in 3D Seismic Data. Seismische Daten zeigen seismische Reflektionen unter der Erdoberfläche. Bei der Interpretation dieser Daten versucht man, Modelle zu konstruieren, die die Beziehung zwischen den gemessenen Daten und den schon zuvor bekannten geologischen Informationen beschreibt. Diese Modelle können dann für Kohlenwasserstoff-Untersuchungen oder andere geotechnische Erkundungen genutzt werden. Diese Arbeit wird durch die Nachfrage nach computergestützter Interpretation seismischer Daten motiviert. Eine manuelle Interpretation der Daten ist oft zeitaufwendig und nicht eindeutig. Die Vorteile computergestützter Verfahren sind daher die schnellere Berechnung und ein konsistenter Arbeitsablauf. Der Schwerpunkt dieser Arbeit ist die automatische Zuordnung von Erdschichten zu geologischen Bruchstellen. Erdschichten sind sichtbare Grenzen zwischen bestimmten Sedimentschichten in seismischen Daten, während Bruchstellen Diskontinuitätsflächen sind, an denen die Erdschichten gegeneinander verschoben werden. Automatische Werkzeuge wie etwa Auto-Tracker werden häufig bei der Interpretation von Erdschichten genutzt. Sie sind jedoch unzureichend, wenn es um die Verfolgung der Erschichten über Bruchstellen hinaus geht. In diesem Fall ist es notwendig, die Fläche des Bruches genau zu definieren und die geologischen Zusammenhänge der Erdschichten vor dem Bruch zu ermitteln. In dieser Arbeit wird ein semi-automatischer Tracking-Ansatz benutzt, um Bruchstellen zu bestimmen. Dieser besteht aus einer Hervorhebung der Brüche und einer anschliessenden modell-basierten Verfolgung. In dieser Arbeit wird eine vollautomatische Methode für die Zuordnung von Erdschichten über Bruchstellen hinweg vorgestellt. Ziel ist es, ein robustes Werkzeug zur Verfügung zu stellen, dass die räumlichen Informationen in den dreidimensionalen seismischen Daten nutzt. Die Methode nutzt ein Marked-Point-Prozess Framework. Ein Point-Prozess ist dabei über eine Menge einander zugeordneter Punkte definiert. Dieser Marked-Point-Prozess nutzt einen Energieterm, der sowohl grundlegend seismische Informationen der Szene als auch geologisches Wissen berücksichtigt. Optimale Lösungen werden mittels eines stochastischen AnnealingAlgorithmus auf mehreren Auflösungsstufen gefunden. Die Anwendung der vorgestellten Methode wird mit einer realen Interpretation der seismischen Daten in 3D verglichen. Es wurden Tests für 20 verschiedene Ausschnitte aus vier Datensätzen durchgeführt. Die Ergebnisse des automatischen Prozesses wurden in 16 Fällen als akzeptabel bewertet. Die Methode liefert gute Ergebnisse bei ebenen Brüchen und ist abhängig von einer korrekten Definition der Geometrie der Erdschichten. Zusätzliche Test zeigen, dass die neue Methode robuster als zuvor vorgestellte Methoden ist. Ferner bietet eine sie grob-zu-fein Zuordnung von Erdschichten.