Beruflich Dokumente
Kultur Dokumente
Por
Carlos Honorio Bastidas Prez
INFORME FINAL DE CURSOS EN COOPERACIN
Presentado ante la Ilustre Universidad Simn Bolvar
Como requisito Parcial para optar al Ttulo de
Ingeniero Geofsico
Por
Carlos Honorio Bastidas Prez
INFORME FINAL DE CURSOS EN COOPERACIN
Presentado ante la Ilustre Universidad Simn Bolvar
Como requisito Parcial para optar al Ttulo de
Ingeniero Geofsico
Realizado con la asesora de:
Tutor Acadmico: Dra. Milagrosa Aldana
Tutor Industrial: Ing. Roberto Falcn (PDVSA)
Cotutor Industrial: M. Sc. Marien Parra (PDVSA)
Este trabajo ha sido aprobado en nombre de la Universidad Simn Bolvar por el siguiente jurado
calificador:
________________________
Dra. Mara Ins Jcome
Presidente
________________________
Dra. Milagrosa Aldana
Tutor Acadmico
________________________
Ing. Roberto Falcn
Tutor Industrial
Por
Carlos Honorio Bastidas Prez
RESUMEN
El propsito de este estudio es el de analizar, a partir de la inversin de datos ssmicos
(inversin ssmica), la sensibilidad de ocurrencia de la truncacin del tope del Oligoceno (Fm.
Naricual) por parte del corrimiento de Pirital en las adyacencias del prospecto llamado Top B, en
el cual no existen pozos cercanos que puedan validar dicha hiptesis. Los antecedentes de esta
hiptesis surgen tras los resultados obtenidos por un pozo exploratorio ubicado en el prospecto
Top A (al noreste de Top B), en el cual se observaron cuatro fallas inversas asociadas a cinco
repeticiones de la Fm. Naricual durante toda su trayectoria. Cuando se lleg a la profundidad
objetivo, el pozo no encontr rastros de hidrocarburos atribuyndose como posible causa de esto
la decapitacin de la Fm. Naricual por parte del corrimiento de Pirital y, en consecuencia, la
posible migracin del fluido que se encontraba entrampado en dicha estructura.
Entre los mtodos de inversin ssmica utilizados estn el Sparse Spike, Model
Based y Bandlimited. Para cada una de las secciones interpretadas se plantearon dos posibles
hiptesis (1.Truncacin 2.No Truncacin); luego se realiz la inversin ssmica a cada una de las
secciones y con cada una de las hiptesis con el propsito de analizar la sensibilidad de
ocurrencia del evento de truncacin en diferentes regiones que iban desde el prospecto Top A
hasta el Top B. Por ltimo, se realiz una inversin 1-D utilizando un programa basado en
algoritmos genticos con el fin de generar pseudo registros de velocidad y densidad para ser
utilizarlos posteriormente como informacin adicional en inversiones 2-D donde se aplic el
mtodo Sparse Spike. Sin embargo, los resultados no fueron concluyentes dado que el
contraste de impedancia del tope del Oligoceno (Fm. Naricual) se perdi casi por completo en
todas las lneas y bajo ambas hiptesis, lo cual llev a proponer modificaciones en los parmetros
de la inversin 1-D, ejemplo variar el nmero de generaciones y la longitud de los pseudo
registros.
Finalmente, los resultados obtenidos en este trabajo indicaron que para la zona donde se
encuentra ubicado el prospecto Top B, la hiptesis no truncacin es la que tiene mayor
probabilidad de ocurrencia.
ii
DEDICATORIA
A mis padres Josefina y Carlos
A mis Hermanas Glenda e Isabel
A toda mi familia:
Tos, Tas, Abuelos, Abuelas, primos y primas
iii
AGRADECIMIENTOS
A ti, Seor, elevo mi alma, a ti que eres mi Dios. En ti he confiado.
En tu verdad gua mis pasos, instryeme, t que eres mi Dios y mi Salvador.
Seor, una vez ms te doy gracias por haberme abierto las puertas de esta casa de estudios
donde se imparten saberes, conocimientos y lecciones de vida.
A todos mis profesores que con su sapiencia sembraron en m sus enseanzas,
especialmente a mis tutores: Dra. Milagrosa Aldana, Ing. Roberto Falcn y M. Sc. Marien Parra.
A mis padres Josefina y Carlos, a mis hermanas Glenda e Isabel por apoyarme siempre.
A ti, to Humberto, te dedico especialmente este triunfo, en agradecimiento por estar
siempre a mi lado, brindndome t apoyo incondicional y oportuno.
A mis amigos y compaeros con los que compart durante toda la carrera: Alberto,
Vernica, Carmen, ngel, David, Eliseo, Mara Eugenia, Jorge, Wanda, Vera, Alejandra,
Michelle, Hctor, Simn, Gwendal, Thaina, Virginia, Melina y Omar, gracias por tantos
momentos maravillosos que pasamos juntos, siempre estarn en m corazn, para m fue todo un
honor y un placer haberlos conocido.
A los integrantes del proyecto donde realice la pasanta: ngel Gonzlez, Roberto Falcn,
Marien Parra, Eduardo Lezama, Dimas Medina, Yliannis Guevara, Jess Reyes, Maritza Morn,
Jos Marcano, Patricia Delgado, Danilo Luna y Rubn Marrero, gracias por brindarme su apoyo
en todo momento y por permitirme trabajar con ustedes durante estos seis meses. Para m fue un
honor haber trabajado con ustedes.
A Jos Antonio Lara y a Hctor Repilloza por transmitirme sus conocimientos y
apoyarme durante la realizacin de este trabajo.
A mis primas Zoridee y Zorelys, a Reynaldo Acosta y a Vctor Carreo por estar siempre
pendiente de mi, y brindarme siempre su ayuda y colaboracin durante mi estada en Puerto La
Cruz.
A todos mil gracias.
Calolo
iv
NDICE GENERAL
CAPTULO 1: Introduccin ........................................................................................................ 1
CAPTULO 2: Aspectos Tericos ................................................................................................ 3
2.1 Modelo Convolucional de la Traza Ssmica .......................................................................... 3
2.1.1 Impedancia Acstica ...................................................................................................... 3
2.1.2 Coeficiente de reflexin.................................................................................................. 4
2.1.3 Aproximacin a la ecuacin de Zoeppritz: Aki y Richard (1980) ................................. 6
2.2 Ecuacin de Gardner ............................................................................................................. 7
2.3 Teorema de Bayes ................................................................................................................. 8
2.4 Velocidades Ssmicas ............................................................................................................ 9
2.4.1 Velocidad Promedio ....................................................................................................... 9
2.4.2 Velocidad Intervlica...................................................................................................... 9
2.4.3 Velocidad RMS ............................................................................................................ 10
2.5 Algoritmo Gentico ............................................................................................................. 10
2.5.1 Mtodos de Seleccin ................................................................................................... 11
2.5.2 Cruce............................................................................................................................. 12
2.5.3 Mutacin ....................................................................................................................... 14
2.6 Inversin Ssmica ................................................................................................................ 15
2.6.1 Inversin Recursiva ...................................................................................................... 15
2.6.2 Inversin Sparse Spike ............................................................................................. 17
2.6.2.1 Maximum Likelihood Deconvolution ............................................................. 17
2.6.2.2 El mtodo de la norma L1 ..................................................................................... 18
2.6.3 Inversin Model Based............................................................................................. 19
2.6.3.1 Generalized Linear Inversion (GLI) ................................................................. 20
2.6.3.2 Seismic Lithologic Modelling (SLIM) .............................................................. 21
v
vii
Figura 4.12. Esquema que muestra cmo funciona la opcin Priority Value. .............................. 48
Figura 4.13. Tipos de especificaciones estratigrficas (geometras) que permite el programa. .... 49
Figura 5.1. Seccin reinterpretada lnea 1865. .............................................................................. 51
Figura 5.2. Seccin reinterpretada lnea 1970. .............................................................................. 52
Figura 5.3. Seccin reinterpretada lnea 2080. .............................................................................. 53
Figura 5.4. Seccin reinterpretada lnea 2195. .............................................................................. 54
Figura 5.5. Seccin reinterpretada lnea 2290. .............................................................................. 55
Figura 5.6. Seccin reinterpretada lnea 2380. .............................................................................. 56
Figura 5.7. Seccin reinterpretada lnea 2450. .............................................................................. 57
Figura 5.8. Modelo estructural en tiempo doble viaje (ms) para el tope del Oligoceno (Fm.
Naricual) en el rea de estudio. ..................................................................................................... 58
Figura 5.9. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Sparse Spike
Linear Programming de H&R. ................................................................................................... 59
Figura 5.10. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Sparse Spike
Maximum Likelihood. .................................................................................................................. 60
Figura 5.11. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Bandlimited. .... 61
Figura 5.12. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Model Based. ... 62
Figura 5.13. Hiptesis no truncacin en la seccin 1865 utilizando el mtodo Sparse Spike
LP de H&R. ................................................................................................................................. 64
Figura 5.14. Hiptesis truncacin en la seccin 1865 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 64
Figura 5.15. Hiptesis no truncacin en la seccin 1970 utilizando el mtodo Sparse Spike
LP de H&R. ................................................................................................................................. 65
Figura 5.16. Hiptesis truncacin en la seccin 1970 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 66
ix
Figura 5.17. Hiptesis no truncacin en la seccin 2080 utilizando el mtodo Sparse Spike
LP de H&R. ................................................................................................................................. 67
Figura 5.18. Hiptesis truncacin en la seccin 2080 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 68
Figura 5.19. Hiptesis no truncacin en la seccin 2195 utilizando el mtodo Sparse Spike
LP de H&R. ................................................................................................................................. 69
Figura 5.20. Hiptesis truncacin en la seccin 2195 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 69
Figura 5.21. Hiptesis no truncacin en la seccin 2290 utilizando el mtodo Sparse Spike
LP de H&R. ................................................................................................................................. 70
Figura 5.22. Hiptesis truncacin en la seccin 2290 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 71
Figura 5.23. Hiptesis no truncacin en la seccin 2380 utilizando el mtodo Sparse Spike
LP de H&R. ................................................................................................................................. 72
Figura 5.24. Hiptesis truncacin en la seccin 2380 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 73
Figura 5.25. Hiptesis de truncacin en la seccin 2450 utilizando el mtodo Sparse Spike LP
de H&R. ......................................................................................................................................... 74
Figura 5.26. Comparacin de los valores de la funcin objetivo del mejor individuo y del
individuo promedio en cada una de las generaciones.................................................................... 75
Figura 5.27. Comparacin entre valores iniciales y finales de Vp despues de 199 generaciones . 76
Figura 5.28. Comparacin entre los valores iniciales y finales de densidad despues de 199
generaciones. ................................................................................................................................. 76
Figura 5.29. Comparacin entre la traza original (negra), la obtenida por algoritmos genticos
(roja) y la diferencia (negra - roja = azul) del modelo simple de capas planas. ............................ 77
Figura 5.30. Grficos de densidad de probabilidad posterior de las cinco primeras capas del
modelo. .......................................................................................................................................... 78
x
Figura 5.31. Pseudo registros de Vp y densidad obtenidos tras la corrida del programa (rojo) y
los introducidos inicialmente en el modelo simple de capas planas (azul). .................................. 79
Tabla 5.1. Tabla comparativa entre los coeficientes reales, de los pseudo registros y los que
propone las DPP. ........................................................................................................................... 80
Figura 5.32. Grfico de correlacin entre las reflectividades reales vs. calculadas. ..................... 81
Figura 5.33. Grfico de correlacin entre las velocidades. ........................................................... 82
Figura 5.34. Grfico de correlacin entre las densidades. ............................................................. 83
Figura 5.35. Comparacin de los valores de la funcin objetivo del mejor individuo y del
individuo promedio en cada una de las generaciones.................................................................... 84
Figura 5.36. Pseudo registro obtenido en la 1 generacin a partir del cdigo de algoritmos
genticos en el pozo ficticio Pozo_2195_1870. ......................................................................... 85
Figura 5.37. Pseudo registro obtenido en la 60 generacin a partir del cdigo de algoritmos
genticos en el pozo ficticio Pozo_2195_1870. ......................................................................... 86
Figura 5.38. Pseudo registro obtenido en la 60 generacin a partir del cdigo de algoritmos
genticos en el pozo ficticio Pozo_2195_1300. ......................................................................... 87
Figura 5.39. Comparacin entre sismogramas sintticos (rojos) y reales (negros) obtenidos en la
primera y ltima generacin del algoritmo gentico para el pozo ficticio Pozo_2195_1870.... 88
Figura 5.40. Inversin Ssmica original en la seccin 1865 utilizando el mtodo Sparse Spike
LP. ............................................................................................................................................... 89
Figura 5.41. Inversin ssmica en la seccin 1865 utilizando el mtodo Sparse Spike LP con la
inclusin de un pseudo registro. ................................................................................................. 90
Figura 5.42. Inversin ssmica en la seccin 1865 utilizando el mtodo Sparse Spike LP con la
inclusin de dos pseudo registros. .............................................................................................. 91
Figura 5.43. Inversin ssmica aplicando la hiptesis de no truncacin con la utilizacin de
pseudo registros y el mtodo Sparse Spike LP en la seccin 1865. ....................................... 92
Figura 5.44. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 1865. ................................................... 93
xi
xii
CAPTULO 1
INTRODUCCIN
Hoy en da en la industria petrolera es cada vez ms difcil descubrir nuevas reservas de
hidrocarburos, pues a lo largo de la historia y de manera continua se han estado incorporando
nuevos yacimientos cada vez ms complejos, lo que ha generado una constante evolucin de la
tecnologa que ha conllevado a una optimizacin en las metodologas para ubicar posibles
acumulaciones de hidrocarburos que sean factibles para su recuperacin desde el punto de vista
econmico. Es por ello que se necesita contar con equipo multidisciplinario compuesto
fundamentalmente por: gelogos, estructurlogos, geofsicos, bioestratgrafos, sedimentlogos,
petrofsicos y geoqumicos que sean capaces de aplicar metodologas que ayuden a reducir al
mximo el grado de incertidumbre y a establecer matrices de riesgo al momento de estudiar una
zona prospectiva.
En geofsica existen infinidades de tcnicas y metodologas disponibles para realizar este
tipo de estudios especializados en zonas de inters; entre otras, es posible integrar los resultados
de una Interpretacin Ssmica con los de la Inversin de impedancia acstica, metodologa que
ser aplicada en este trabajo. Por un lado se tiene a la Interpretacin Ssmica, la cual consiste
bsicamente en dar sentido geolgico a una seccin con base a la interpretacin de reflectores
presentes en una lnea smica, con el propsito de generar, en primera instancia, un modelo
estructural en donde se puedan identificar las diferentes oportunidades exploratorias existentes en
un rea determinada. La Inversin Ssmica consiste en generar modelos de impedancia (e.g.
acstica) a partir de la informacin ssmica y de pozos disponible, transformando de esta manera
la informacin de interfaces contenida en una traza smica a una informacin por intervalos que
posee mayor sentido geolgico, y como la impedancia acstica es una propiedad fsica de las
rocas que puede variar con la litologa, porosidad, el tipo de fluido contenido en los poros, la
profundidad, la presin, la temperatura entre otras, puede ser muy bien utilizada como indicador
de litologas, porosidades e incluso hidrocarburos (Manual de Entrenamiento Fugro Jason,
2005).
CAPTULO 2
ASPECTOS TERICOS
2.1 Modelo Convolucional de la Traza Ssmica
Los mtodos ssmicos se basan en la idea de la propagacin de ondas en el subsuelo con
el propsito de determinar de manera indirecta su constitucin interna. La respuesta obtenida una
vez que se inicia la propagacin se conoce como traza ssmica, y esta puede ser representada
matemticamente a partir del modelo convolucional, el cual indica que la traza ssmica no es ms
que la convolucin de la Ondcula (seal emitida por la fuente) con la serie de reflectividad de la
tierra, ms un componente aleatorio conocido como ruido.
S (t ) = w(t ) r (t ) + n(t )
(Ec. 1)
donde:
w(t) = Ondcula Ssmica
r(t) = La serie de reflectividad
n(t) = Ruido Aleatorio
Y * representa el operador convolucional
2.1.1 Impedancia Acstica
La impedancia acstica (IA) se define como el producto de la densidad () por la
velocidad de onda compresional (Vp) y las unidades convencionales utilizadas por la industria
petrolera son: (Kg/m3 * m/s) o (g/cc * ft/s).
IA = .Vp
(Ec. 2)
1
1
Onda Reflejada P
1 1 1
2 2 2
2
2
Onda Transmitida P
Onda Transmitida S
Figura 2.1. Ondas generadas a partir de la incidencia de una onda P sobre una interfaz entre dos
semiespacios infinitos elsticos.
sen1
cos 1
sen21
cos 21
Donde
cos 1
sen1
1
cos 21
1
1 sen21
1
sen 2
cos 2
2 2 21
sen2 2
112 2
2 2 cos 22
11
cos 2
sen2
A
sen1
B cos 1
2 2 2 1 cos 22 =
(Ec. 3)
11
C sen21
2 2 sen22 D cos 21
11
1
0
1 0
0 1
1
0
0
1
0
A 0
2 2 1 B 1
=
1 1 2 C 0
D 1
0
1
0
2 2
1 1
Donde
B+D=0
A C = 1
1
B 2 2 21 D = 0
1
1 1
A
2 2
C = 1
1 1
Entonces
2 2
(1 A) = 1
1 1
A1 + 2 2 = 2 2 1
1 1 1 1
Y finalmente
A=
2 2 1 1 IA2 IA1
=
2 2 + 1 1 IA2 + IA1
C = 1 A
(Ec. 4)
B=D=0
R( ) = 1 4 2 sen ( )
+
4 2
sen 2 ( )
2
2
2
Vp
V p Vs
2 cos ( ) V p
Donde:
Vs =
2 + 1
2
Vs2 + Vs1
2
Vs = Vs2 Vs1
Vp =
V p2 + V p1
2
V p = V p2 V p1
2 + 1
2
= 2 1
(Ec. 5)
= 0.23 * V p 0.25
(Ec. 6)
2.0
2.8
3.0
Do
lom
drite
Lim
4.3
25.000
20.000
Anhy
est
one
4.4
30.000
4.0
3.9
10.000
3.8
3.7
3.6
.2
15.000
12.000
Time Average
(Sandstone)
Sh
ale
4.1
al t
kS
c
o
Sa
nds
ton
e
Logarithm of Velocity
4.2
1.8
ite
4.5
8.000
7.000
6.000
= 0.23 V 0.25
.3
.4
Logarithm of Bulk Density
5.000
3.980
.5
Figura 2.2 Relacin de velocidad densidad entre rocas de diferentes litologas. Modificado de
Gardner 1974.
2.3 Teorema de Bayes
El Teorema de Bayes fue publicado en el ao 1763, llamado as por el nombre del monje
cisterciense que lo desarroll en respuesta a los postulados de la inferencia gaussiana. Segn
Muoz (1996) el estudio clsico de las distribuciones de probabilidad (o estadstica gaussiana)
supone funciones de densidades simtricas y bien definidas, as como la ausencia de cualquier
tipo de conocimiento previo por parte del investigador. Bayes, en la justificacin de su teora
argumentaba que los datos no necesariamente provenan de tales funciones de densidad, sino que
probablemente eran generados por leyes probabilsticas sujetas a formas asimtricas y sesgadas.
En el caso de que el investigador conociera estas caractersticas, el procedimiento correcto de
inferencia estadstica debera incorporar esta informacin para de esa manera contar con un
marco probabilstico ms apropiado para la inferencia estadstica.
Teorema de Bayes:
Sean A1, A2,, An,, sucesos mutuamente excluyentes y de probabilidad no nula, tales que
A1 A2 An = .. Si B es un suceso en de probabilidad no nula, entonces:
p( Ai | B) =
p( B | Ai ) p ( Ai )
n
p( B | A ) p( A )
i
i =1
donde:
p ( Ai | B) es la probabilidad de que ocurra un evento Ai, dada una causa B.
p( B | Ai ) es la probabilidad de que ocurra un evento B, dada una causa Ai.
p ( Ai ) es la probabilidad de que ocurra un evento Ai.
2.4 Velocidades Ssmicas
2Z
T
(Ec. 7)
donde:
Z = profundidad
T = tiempo doble de viaje
2.4.2 Velocidad Intervlica
Se define como la velocidad que se obtiene de dividir el espesor de una capa en el
subsuelo entre el tiempo que le toma viajar del tope a la base de la capa.
10
Vint =
2Z
T
(Ec. 8)
donde:
Z = profundidad
T = tiempo doble de viaje
2.4.3 Velocidad RMS
Es un promedio ponderado (por pesos) de velocidades. Los pesos estn determinados por
los valores de las velocidades intervlicas.
Vrms =
1 N 2
Vi ti (0)
t (0) i =1
(Ec. 9)
donde:
t(0) y ti(0) = tiempo doble de viaje
2.5 Algoritmo Gentico
Los algoritmos genticos (AG) son mtodos adaptativos que pueden usarse para resolver
problemas de bsqueda y optimizacin. Estn basados en el proceso gentico de los organismos
vivos. A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza acorde con los
principios de la seleccin natural y la supervivencia de los ms aptos, postulados por Darwin
(1859).
Los algoritmos genticos usan una analoga directa con el comportamiento natural.
Trabajan con una poblacin de individuos, cada uno de los cuales representa una solucin factible
a un problema dado. A cada individuo se le asigna un valor o puntuacin, relacionado con la
bondad de dicha solucin (evaluado en una funcin objetivo). En la naturaleza esto equivaldra al
grado de efectividad de un organismo para competir por unos determinados recursos. Cuanto
mayor sea la adaptacin de un individuo al problema, mayor ser la probabilidad de que el mismo
sea seleccionado para reproducirse, cruzando su material gentico con otro individuo
seleccionado de igual forma. Este cruce producir nuevos individuos (descendientes de los
11
anteriores) los cuales comparten algunas de las caractersticas de sus padres. Cuanto menor sea la
adaptacin de un individuo, menor ser la probabilidad de que dicho individuo sea seleccionado
para la reproduccin, y por tanto de que su material gentico se propague en sucesivas
generaciones (Los Algoritmos Genticos, 2001).
2.5.1 Mtodos de Seleccin
En el mtodo de optimizacin de algoritmos genticos existen una gran variedad de
tcnicas que permiten seleccionar a los individuos que se cruzarn para crear otra generacin. A
continuacin se presentan los ms comunes (Marczyk, 2004).
Seleccin elitista: se garantiza la seleccin de los miembros ms aptos de cada
generacin. (La mayora de los AG no utilizan elitismo puro, sino que usan una forma
modificada por la que el individuo mejor, o algunos de los mejores, son copiados hacia la
siguiente generacin en caso de que no surja nada mejor).
Seleccin proporcional a la aptitud: los individuos ms aptos tienen ms probabilidades de
ser seleccionados, pero no la certeza.
Seleccin por rueda de ruleta: una forma de seleccin proporcional a la aptitud en la que
la probabilidad de que un individuo sea seleccionado es proporcional a la diferencia entre
su aptitud y la de sus competidores. (Conceptualmente, esto puede representarse como un
juego de ruleta donde cada individuo obtiene una seccin de la ruleta, pero los ms aptos
obtienen secciones mayores que las de los menos aptos. Luego la ruleta se hace girar, y
cada vez se elige al individuo que posea la seccin en la que se pare la ruleta).
Seleccin escalada: al incrementarse la aptitud media de la poblacin, la fuerza de la
presin selectiva tambin aumenta y la funcin de aptitud se hace ms discriminatoria.
Este mtodo puede ser til para seleccionar ms tarde, cuando todos los individuos tengan
una aptitud relativamente alta y slo les distingan pequeas diferencias en la aptitud.
Seleccin por torneo: se eligen subgrupos de individuos de la poblacin, y los miembros
de cada subgrupo compiten entre ellos. Slo se elige a un individuo de cada subgrupo
para la reproduccin.
12
13
14
Acabar con poblaciones degeneradas: puede ocurrir que por haber un cuasi-mnimo, bien
porque en pasos inciales apareci un individuo demasiado bueno que acab con la
diversidad gentica, la poblacin tenga los mismos fenotipos.
15
gentico est estancado, pero tambin es cierto que reduce el algoritmo gentico a una bsqueda
aleatoria, por lo que es siempre conveniente utilizar otros mecanismos de diversidad, como por
ejemplo aumentar el tamao de la poblacin, o garantizar la aleatoriedad de la poblacin inicial
(Verdejo, 2006).
2.6 Inversin Ssmica
i +1Vi +1 iVi Z i +1 Z i
=
i +1Vi +1 + iVi Z i +1 + Z i
= densidad
V = velocidad compresional
Z = impedancia acstica
i = i-esima capa
(Ec. 10)
16
Z i +1 + Z i Z i +1 Z i
2 Z i +1
=
+
Z i +1 + Z i Z i +1 + Z i Z i +1 + Z i
1 ri =
2Z i
Z i +1 + Z i Z i +1 Z i
=
Z i +1 + Z i Z i +1 + Z i Z i + 1 + Z i
de igual manera.
entonces.
Z i +1 1 + ri
=
Zi
1 ri
y finalmente.
1 + ri
Z i +1 = Z i
1 ri
(Ec. 11)
1 + ri
Z 2 = Z1
,
1 ri
1 + r2
Z3 = Z2
, y as sucesivamente
1 r2
i =1 1 ri
(Ec. 12)
17
involucra dos aspectos. El primero, dnde se puede obtener el componente de baja frecuencia?,
y segundo cmo incorporrselo?
El contenido de baja frecuencia se puede obtener de tres maneras distintas:
De un registro snico filtrado: El registro snico es la mejor manera de obtener el
contenido de baja frecuencia en las adyacencias del pozo. Sin embargo, presenta dos
problemas: es usualmente corto con respecto a la data ssmica y presenta una falta de
componentes laterales.
De un anlisis de velocidad: Las velocidades intervlicas son obtenidas del apilamiento de
funciones de velocidad a lo largo de la seccin ssmica usando la formula de Dix. La
funcin resultante puede ser bastante ruidosa y es aconsejable aplicar algn tipo de filtro.
De un modelo geolgico: Usando todas las fuentes disponibles, podra construirse un
modelo geolgico en bloques.
2.6.2 Inversin Sparse Spike
2.6.2.1 Maximum Likelihood Deconvolution
Una de las suposiciones fundamentales de la Deconvolucin Maximum Likelihood es
que la reflectividad de la tierra est compuesta de una serie de largos eventos superpuestos en un
fondo Gaussiano de pequeos eventos. Este tipo de suposiciones no es del todo irrazonable ya
que geolgicamente este tipo de largos eventos est asociado a discordancias y a mayores
cambios litolgicos entre capas (Russell, 1988).
De las suposiciones acerca de un modelo se puede obtener una funcin objetivo la cual se
podra minimizar hasta generar un resultado ptimo o una reflectividad muy parecida y una
ondcula con una combinacin consistente con la suposicin estadstica.
La funcin objetivo J viene dada por
r 2 (k ) L n 2 (k )
+
2m ln( ) 2( L m) ln(1 )
2
2
k =1 R
k =1 N
L
J =
(Ec. 13)
18
m = numero de reflexiones
L = nmero total de muestras
N = la raz cuadrada de varianza de ruido
n = ruido de la k-esima muestra
= probabilidad de que una muestra sea una reflexin
Matemticamente el comportamiento de la funcin objetivo est expresado en trminos de
los parmetros mostrados anteriormente. No hay suposiciones sobre la ondcula. La reflectividad
esta postulada a ser dispersa, principalmente gobernada por el parmetro lambda, la relacin entre
los nmeros de spikes distintos de cero y el nmero total de muestras de una traza.
Normalmente lambda es un nmero mucho ms pequeo que 1. Los otros parmetros necesarios
para describir el comportamiento esperado son R (el tamao RMS de los spikes largos) y N (el
tamao RMS del ruido). Con estos parmetros especficos cualquier solucin de una
deconvolucin puede ser examinada para ver si es probable que sea el resultado de un proceso
estadstico con esos parmetros.
En trminos ms sencillos se busca la solucin con el mnimo nmero de spikes en la
serie de reflectividad y la menor cantidad de componente de ruido (Russell, 1988).
2.6.2.2 El mtodo de la norma L1
Otro mtodo de inversin que utiliza la suposicin sparse spike es el mtodo de la
norma L1. Este mtodo es a veces confundido con la programacin lineal. En realidad, ambos
nombres implican aspectos distintos del mtodo. El modelo matemtico usado en la construccin
del algoritmo es la minimizacin de la norma L1. Sin embargo el mtodo utilizado para resolver
el problema es la programacin lineal.
La otra diferencia clave en el mtodo de programacin lineal es que la norma L1 es
minimizada ms que la norma L2. La norma L1 es definida como la suma de los valores
absolutos de la traza ssmica. Mientras que la norma L2 por otro lado es definida como la raz
cuadrada de la suma al cuadrado de los valores de la traza ssmica. A continuacin se muestran
las dos normas aplicadas a una traza x:
19
X1 = X i
i =1
X 2 = X i2
i =1
(Ec. 14)
1/ 2
(Ec. 15)
Donde la norma L2 es
f2 = 1+1 = 2 y g2 = 2
f1 = 1 + 1 = 2 y g1 = 2
En este caso la norma L1 de la ondcula g es ms pequea que la de la norma L1 de f,
mientras que la norma L2 tanto f como g son iguales. De ah minimizando la norma L1 se podra
revelar que g es la traza ssmica preferida basados en el hecho de que es poco densa.
2.6.3 Inversin Model Based
Este mtodo consiste en la construccin de un modelo inicial el cual posteriormente es
comparado con la data ssmica, en donde el resultado de esta comparacin entre la data real y la
data modelada es utilizado constantemente para actualizar el modelo hasta que haya una buena
correlacin con la data ssmica. Este mtodo intuitivamente es muy atractivo ya que evita la
inversin directa en s. Pero por otro lado es posible que dicho modelo ajuste muy bien, pero sea
incorrecto, debido a que existe un nmero infinito de pares de velocidad profundidad que
generen el mismo valor de tiempo (Russell, 1988).
20
Dos aproximaciones que se utilizan en este tipo de inversin son la Generalized Linear
Inversion (GLI) y Seismic Lithologic Method (SLIM).
2.6.3.1 Generalized Linear Inversion (GLI)
Es un mtodo que puede ser aplicado prcticamente a cualquier tipo de datos geofsicos
para determinar las caractersticas geolgicas que generaron esos resultados. Es decir dando un
conjunto de observaciones geofsicas, donde el mtodo GLI generar el modelo geolgico que
mejor se ajuste a las observaciones con un ajuste de mnimos cuadrados. (Russell, 1988)
Matemticamente, si se expresa el modelo y las observaciones en vectores, se tiene que:
M = ( m1 , m2 , m3 ,......... .mk ) T vector de k modelos
T = (t1 , t 2 , t 3 ,......... .t n ) T vector de n observaciones
F ( M 0 )
M
M
donde:
M 0 = Modelo Inicial
M = Modelo real de la tierra
M = Variacin en los parmetros del modelo
F ( M ) = Observaciones
(Ec. 16)
21
Mientras que el error entre las observaciones y los valores computados es:
F = F ( M ) F ( M 0 )
Por lo tanto la ecuacin de anterior puede ser expresada como una ecuacin matricial
F = AM
CAPTULO 3
UBICACIN GEOGRFICA Y GEOLOGA DEL REA
3.1 Ubicacin Geogrfica
Presenta un flanco sur pasivo, apoyado en el basamento gneo metamrfico del Escudo de
Guayana, caracterizado por un rgimen extensivo y un flanco Norte activo que presenta
22
23
estructuras compresivas asociadas a la colisin entre las placas Caribe y Sudamericana, lo que
propicia la definicin de dos dominios operacionales, uno hacia el Norte del Corrimiento de
Pirital y otro hacia el Sur (PDVSA, 2000).
3.2 Tectnica Regional
24
25
oblicua entre las placas Caribe y Suramericana durante esta ltima etapa de margen activo
(Informe interno PDVSA, 2007).
El patrn observado en la Serrana del Interior involucra corrimientos, retrocorrimientos y
rampas laterales, que controlan la geometra y disposicin de las estructuras. Este patrn se repite
a diferentes escalas, y se extiende a las estructuras soterradas que representan las trampas del
Norte de Monagas (Informe PDVSA, 2007).
3.3 Estratigrafa del rea
importantes de areniscas arcillosas de grano fino. Ha sido subdividida en zonas que van desde la
A hasta la F como se describe a continuacin: la zona basal F es una cua de lutitas grises, con
algunas arenas y limolitas. La zona E est constituida por arenas friables de grano fino, que
forman numerosos lentes separados por intervalos lutticos. La zona D es tambin luttica, con
pocas arenas, mientras que la C, presenta un desarrollo de areniscas similar al de la zona E.
La zona B es un intervalo luttico, y la zona superior A, consiste en limolitas, lutitas limosas
y areniscas laminadas, de grano fino.
Formacin Morichito (Mioceno Tardo Plioceno): Compuesta por conglomerados constituidos
por peones, peas y gravas intercaladas con arenas y limolitas, en una matriz arcillosa de color
pardo, ocasionalmente carbonosa a ligntica.
26
Formacin Carapita (Oligoceno Tardo Mioceno Medio): Constituida principalmente por una
espesa secuencia de lutita gris oscuro a negro, en ocasiones gris verdoso, astillosas, con
superficies cncavas micropirticas, fosilferas, microcarbonceas.
Formacin Naricual (Oligoceno): Caracterizada por una alternancia de areniscas y lutitas que
comnmente claras a gris rosado, de grano medio a grueso, muy duras y cuarcticas, intercaladas
con capas delgadas de lutitas y algunas capas de carbn.
Formacin Caratas (Eoceno Temprano a Tardo): Est compuesta por dos secuencias litolgicas
fcilmente diferenciables: la inferior, peltico arenosa que es la Formacin Caratas sensu stricto,
y la superior carbontica, bioclstica llamada Miembro Tinajitas.
A continuacin se presenta la figura 3.2 correspondiente a la tabla de correlacin
estratigrfica de la Cuenca Oriental de Venezuela.
27
28
Formacin Vidoo (Campaniense Eoceno Temprano): Est constituida por lutitas oscuras,
ricas en foraminferos, con capas menores de areniscas y limolitas calcreas duras, con
glauconita. En la seccin tipo consiste de una secuencia de lutitas negras, silceas, y calcreoarenceas, frecuentemente glauconticas y piritosas, con intercalaciones menores de limolitas
calcreas, gris verdoso y areniscas de grano fino, gris oscuro, de espesores centimtricos.
Formacin San Juan (Maastrichtiense Tardo): Consiste de una alternancia montona de capas
de areniscas muy duras, gris a gris claro de grano fino, bien escogidas, escasamente glauconticas
y localmente calcreas y limolitas negras.
Formacin San Antonio (Cretcico Tardo): Compuesta esencialmente por calizas y lutitas
negras, como la Formacin Querecual, infrayacente, pero adems contiene numerosas capas de
areniscas duras de color gris claro y de chert.
Formacin Querecual (Albiense Tardo Santoniense): Consiste de calizas arcillosas,
CAPTULO 4
METODOLOGA
El rea de estudio cuenta con 4 cubos ssmicos dispuestos de manera estratgica para
abarcar todas las reas de inters de la zona manteniendo siempre un rea comn (ver figura 4.1).
El cubo ssmico utilizado fue el denotado bajo el nombre monmrg07 el cual es el resultado de
la unin (merge) de 4 cubos ms pequeos por la empresa china BGP en el ao 2007. Entre
sus principales caractersticas hay que mencionar que es un cubo sin postproceso, con un
intervalo de muestreo de 4 ms, 993 Km2 de rea total, el tiempo de grabacin es de 8000 ms y el
mismo no haba sido previamente interpretado. El cubo cfam3d15, a diferencia del anterior, s
tena postproceso y contaba con una interpretacin de fallas y horizontes de escasa densidad
espacial, pero suficiente como para realizar una migracin de la interpretacin hacia el cubo
monmrg07 en donde se desarroll todo el estudio. Debido a que ambos cubos presentaban una
orientacin muy similar, tal y como se observa en la Figura 4.1, fue posible aplicar una
metodologa de transferencia de fallas y horizontes de manera manual con el propsito de
familiarizarse tanto con el rea de estudio, como con el software de interpretacin.
29
30
monmrg07
cfam3d15
31
respectivamente; adems, aquellos que presenten la letra X antecedida por el nmero del pozo en
el respectivo campo se refieren a aquellos que son exploratorios.
monmrg07
cfam3d15
N
CBA-7X
CBB-2X
38
08
IL 2
86
IL 1
97
IL 1
19
IL 2
29
IL 2
CBC-6
CBC-13
CBC-9
IL 2
CBC-16
45
IL 2
CBB-1X
CBA-3
CBA-8 CBA-2X
CBA-6X
32
Para construir el cubo de velocidades fue necesario contar con los datos de velocidad
intervlica provistos por el Centro de Procesamiento Geofsico, los mismos fueron obtenidos
como subproducto final de la migracin Post-stack en tiempo. Estos datos fueron cargados al
programa Gocad como puntos discretizados en el espacio correspondientes a cada uno de los
datos incluidos en el archivo. A continuacin se procedi a definir el volumen de inters, para
luego realizar la interpolacin definiendo previamente los mejores parmetros relacionados con el
nmero de celdas contenidas en cada una de las direcciones del cubo (X, Y, Z), con el propsito
de obtener una buena resolucin visual de las imgenes y por ltimo se suaviz la interpolacin.
En la figura 4.9 se muestra el modelo de velocidades intervlicas pertenecientes al rea de
estudio, donde se observa la presencia de dos cambios laterales en los slices (planos
horizontales de la figura 4.9); el primero, se puede observar a partir del cubo N 4 (de izquierda a
derecha y de arriba a abajo) donde claramente se evidencia un rango de velocidades mayores
hacia el noroeste, y el segundo se puede observar en el cubo N 7 donde el rango de velocidades
mayores, por el contrario, se encuentra hacia el sureste.
33
Velocidad (m/s)
Figura 4.3. Modelo de velocidades intervlicas (m/s) obtenido de los datos de procesamiento.
34
siete lneas, para luego generar el modelo estructural de la zona y de esta manera validar la
interpretacin realizada en este trabajo as como en estudios previos. Los pasos bsicos que se
siguieron fueron:
Convertir los datos puntuales de fallas y horizontes provenientes de Seisworks en
superficies interpoladas 3-D utilizando el mtodo de interpolacin DSI (Discrete
Smooth Interpolation) que ofrece la aplicacin.
Establecer los lmites definitivos de los contactos entre las fallas y luego los
contactos entre fallas y horizontes.
Crear los correspondientes saltos de fallas
4.5 Cdigo de Algoritmos Genticos
= 2,2 gr/cc
V = 1500 m/s
= 2,4 gr/cc
V = 1600 m/s
= 2,38 gr/cc
V = 1950 m/s
= 2,46 gr/cc
V = 1600 m/s
= 2,56 gr/cc
V = 3200 m/s
Figura 4.4. Modelo simple de capas planas con sus correspondientes valores de velocidad y
densidad.
35
36
Sparse Spike MLD (ver Captulo 2) en donde las reflectividades del subsuelo estn
representadas por una serie de largos eventos (coeficientes de reflexin altos) superpuestos en un
fondo gaussiano de pequeos eventos (coeficientes de reflexin bajos). Bsicamente la subrutina
toma las amplitudes mximas y mnimas de la traza y las convierte en pulsos o spikes situados
en los puntos mximos y/o mnimos, segn sea el caso, siempre y cuando el valor absoluto de la
amplitud del pulso sea mayor a un umbral seleccionado por el usuario, el cual puede variar entre
0 y 1 (ver figura 4.5). Un umbral igual a 0 implica la generacin de una serie de reflectividad
tomando en cuenta todos los rangos de amplitudes de picos y valles de la traza ssmica real y un
umbral cercano a 1 implica la generacin de una serie de reflectividad a partir de los picos y
valles de mayor amplitud de la traza ssmica real. En este estudio se aplic un umbral igual a
0.05, debido a que se quera suprimir en cierta medida un componente de la serie de pequeos
eventos, los cuales no se consideraban de importancia para realizar la inversin 1-D; por el
contrario adicionaban dificultad a la resolucin del problema ya que implican tiempo adicional de
cmputo.
Figura 4.5 Modelo esquemtico que muestra cmo funciona la subrutina sparsenessCB1.m
37
38
los descendientes son sometidos a la probabilidad de mutar uno de sus cromosomas, para que
luego los individuos padres sean remplazados por sus descendientes y se repita el proceso una y
otra vez hasta completar el nmero mximo de generaciones establecidas con anterioridad.
Finalmente se decodifican los cromosomas binarios de cada unos de los individuos en vectores
reales que contengan Vp y densidad para calcular la serie de reflectividad y convolucionarla con
la ondcula con el fin de generar el sismograma sinttico que luego ser comparado con el real.
Adicionalmente se generan los registros de Vp, Vp y densidad. En las figuras 4.6 y 4.7 se
presenta el diagrama de flujo del cdigo de algoritmos genticos utilizado en este trabajo.
39
Inicio
Traza SEG-Y
Normalizacin de
la traza ssmica
Si
No
Gen <Max Gen
Obtencin de la serie de
reflectividad a partir de la
traza ssmica segn el
tamao del umbral
Tendencia de
Velocidades
Gen = Gen +1
Se cruzan los
individuos
seleccionados
Gen = 0
Se seleccionan los
individuos de la
poblacin utilizando el
mtodo de la ruleta
Se realiza el ranking de
los individuos
Grficos de
Best vs. Gen +1
Mean vs. Gen +1
40
Se decodifican los
cromosomas binarios de
cada uno de los individuos
en vectores reales que
contienen Vp y densidad
Se calcula la serie de
reflectividad y se
convoluciona con la
ondcula para generar el
sismograma sinttico
Comparacin de la
traza real con la
traza sinttica
obtenida
Registros
resultantes de Vp,
Vp y densidad
Fin
41
entrada fueron los siguientes: una ventana de tiempo de 0 8000 ms, el intervalo de muestreo de
la ssmica fue de 4 ms, el umbral utilizado para filtrar la serie de reflectividad y obtener la serie
de largos eventos fue de 0.05, el rango de densidades que utiliz el algoritmo para generar una
solucin variaba entre 2,2 gr/cc y 2,75 gr/cc, mientras que el rango de velocidades
compresionales variaba entre 0.3 m/ms y 0.3 m/ms, los cuales posteriormente seran sumados de
manera algebraica a las tendencias de velocidades provenientes del cubo de velocidades obtenido
en el programa Gocad. El nmero de generaciones mximas utilizadas fue de 60 y 100 fue el
nmero de individuos asignados por subpoblacin, es decir el nmero de individuos asignados a
cada capa para tratar de hallar el conjunto de valores de velocidad y densidad que se ajustara
mejor a los datos reales. La probabilidad de mutacin fue de 0.001 y la probabilidad asignada
para que ocurriera una recombinacin o cruce entre dos pares de individuos fue de 0.7. La
duracin promedio de la inversin fue 3 horas, utilizando una computadora con procesador Intel
Pentium D de 3.2 GHz y 2 GB de RAM. En la figura 4.20 se muestran los pseudo registros de
Vp, Vp y densidad obtenidos tras haber realizado una inversin 1-D en uno de los pozos
ficticios.
42
Figura 4.8. Pseudos registros obtenidos de Vp, Vp y densidad en uno de los pozos ficticios.
4.6 Inversin Ssmica
43
44
Una vez con los pozos ya proyectados de manera correcta sobre el tope de la Formacin
Naricual, se procedi a la completacin y reedicin de los registros de densidad y Snico. Los
registros de densidad fueron completados utilizando la ecuacin de Gardner (ver Ecuacin 6),
mientras que los registros snicos fueron corridos casi en su totalidad a lo largo de todos los
pozos por lo que no fue necesario realizar ninguna completacin utilizando ecuaciones empricas;
sin embargo, si se tuvieron que realizar algunas reediciones asociadas a lecturas ilgicas o
errneas por parte de la herramienta durante la corrida.
Ya con los registros de Densidad y Snico completados y reeditados, se procedi al
clculo de los registros de impedancia acstica y de manera automtica el software Hampson &
Russell gener la serie de reflectividad para cada pozo.
CBC-9
45
46
monmrg07
N
cfam3d15
Figura 4.10. Distribucin de los tipos de fuentes utilizadas en una de las regiones del cubo. Las
lneas rojas representan la utilizacin de dinamita, mientras que las azules indican la utilizacin
de camiones vibroseis. Modificado de BGP, 2007.
47
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
15
20
25
30
35
40
45
50
55
70
60
65
Frecuencia (Hz)
48
Adicional a esto, existen otras opciones en el software Hampson & Russell que permiten
refinar aun ms el modelo inicial. Una de ellas consiste en la interpolacin del contenido de baja
frecuencia presente en cada uno de los pozos a lo largo de todo el cubo ssmico. La opcin de
interpolacin predeterminada es el mtodo IDP (Inverse Distance Power); sin embargo, se
prefiri utilizar el mtodo Kriging ya que ste gener una interpolacin ms coherente sobre la
regin delimitada por el cubo ssmico. Otra opcin importante est asociada a la prioridad entre
horizontes; esto quiere decir que a cada horizonte se le asignaba un valor (Priority Value) para
que al momento en el que dos horizontes se interceptaran tuviera continuidad aquel horizonte con
el nmero ms alto. En la figura 4.12 se muestra esquemticamente cmo funciona la opcin
Priority Value; en el primer caso H1 es mayor que H2, por lo cual al momento de interceptarse
ambos horizontes se garantiza solo la continuidad del horizonte H1, mientras que en el segundo
caso (H1<H2), se garantiza la continuidad del horizonte H2.
Figura 4.12. Esquema que muestra cmo funciona la opcin Priority Value.
La ltima opcin que se utiliz para refinar el modelo inicial consisti en definir las
especificaciones estratigrficas entre los horizontes incluidos en el modelo. Esta opcin
bsicamente permite definir la geometra de los eventos presentes entre dos horizontes
interpretados, los cuales segn la figura 4.13 pueden ser: toplap, cuando el horizonte
suprayacente corresponde a una discordancia, conformable, cuando entre ambos horizontes
existen eventos que mantienen un grado de parlelismos o subparlelismos y baselap, cuando
el horizonte infrayacente corresponde a una discordancia. Debido a esto fue necesario ir
asignando el tipo de geometra presente entre dos horizontes consecutivos a lo largo de todo el
eje del tiempo doble de viaje y basado en los conocimientos geolgicos del rea, a partir de los
49
cuales el programa se guiara para refinar y dar un mejor sentido geolgico a las variaciones de
impedancia acstica.
Toplap
Conformable
Baselap
50
El siguiente mtodo utilizado fue el Bandlimited (ver Captulo 2), donde el nico
parmetro modificado fue el Contraint High Cut Frecuency, el cual se estableci en 10Hz, y
su tiempo de cmputo fue de aproximadamente 40 segundos para una seccin.
Por ltimo se utiliz el mtodo Model Based (ver Captulo 2) en el cual se estableci
que las variaciones de impedancia entre iteraciones no fuesen ni menores ni mayores a un 25%,
un tamao de bloque promedio de 4 ms, un preblanqueo de un 1% y que el nmero de iteraciones
realizadas fuese de 10. El tiempo total de cmputo para realizar la inversin de una sola seccin
fue de 40 minutos.
4.6.2 Inversin Ssmica en Hampson & Russell con los Pseudo registros de Velocidad y
Densidad
Este procedimiento consisti en la implementacin de la metodologa de inversin
ssmica utilizando el software Hampson & Russell con la adicin de los pseudo registros de
velocidad y densidad generados en Matlab. Los pozos ficticios fueron localizados hacia los
extremos de cada una de las siete secciones de inters para contabilizar un total de 14 pozos
ficticios. Dado que los pseudo registros fueron creados en el dominio del tiempo y el programa
no posea ninguna opcin para cargar la informacin de pozos en ese dominio, se procedi a
engaar al programa asignando de manera errnea la columna que contena datos de tiempo
como si fuesen los de profundidad, luego se cre una curva tiempo profundidad que
representara una relacin directamente proporcional, donde N pies en un pozo equivalen a N
ms en la ssmica. Ya con los pozos cargados, correctamente ubicados y en el domino del tiempo
se procedi a aplicar nuevamente la metodologa de inversin ssmica con el software Hampson
& Russell utilizando en este caso nicamente el mtodo Sparse Spike Linear Programming.
CAPTULO 5
RESULTADOS Y ANLISIS
5.1 Interpretacin Ssmica
NO
SE
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
La Pica
Dis.Pirital 1
Dis.Pirital 2
Pirital Oligoceno
Naricual Aloc.
Pirital Mioceno
Naricual
B
Top
San Juan
TopB 1
monmrg07
Jusepin
Furrial
cfam3d15
N
CBA-7X
CBA-3
CBA-8 CBA-2X
CBA-6X
0
45
IL 2
CBB-1X
CBB-2X
0
29
IL 2
0
38
IL 2
CBC-16
5
86
IL 1
0
08
IL 2
5
19
IL 2
CBC-13 CBC-6
CBC-9
0
97
IL 1
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
Mesa-Las Piedras
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
52
y TopB1) que atraviesa los horizontes de Naricual, Caratas Vidoo y San Juan, as como un
retrocorrimiento asociado al corrimiento de Pirital.
TWT
(s)
SE
NO
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
Mesa-LasPiedras
Dis.Pirital 2
La Pica
Dis.Pirital 1
Naricual Aloc.
Pir
it
al R
et r
o
it
Pir
l
al O
o
cen
igo
Pi
o
en
oc
Mi
l
a
ri t
Naricual
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
pB
To
JL_2
B1
Top
San Juan
Jusepin
monmrg07
Furrial
cfam3d15
N
CBA-7X
CBA-3
CBA-8 CBA-2X
CBA-6X
0
45
IL 2
CBB-1X
CBB-2X
IL
IL
80
23
CBC-16
90
22
IL
IL
65
18
80
20
IL
70
19
95
21
IL
CBC-13 CBC-6
CBC-9
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
La figura 5.2 corresponde a la seccin reinterpretada 1970. Al igual que en la figura 5.1 se
observan los tres corrimientos principales del rea (Furrial, Jusepn y Pirital), as como el
retrocorrimiento asociado al corrimiento de Pirital. Sin embargo ahora se observan tres fallas
inversas (TopB, JL_2 y TOPB1) que atraviesan a los horizontes Naricual, Caratas Vidoo y
San Juan.
53
TWT
(s)
NO
SE
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
La Pica
Dis.Pirital 2
Pirital Oligoceno
Pirital Mioceno
Naricual Aloc.
Naricual
TopB R
etro
San Juan
pB
To
B
Top
Jusepin
monmrg07
Furrial
cfam3d15
N
CBA-7X
CBA-3
CBA-8 CBA-2X
CBA-6X
0
45
IL 2
CBB-1X
CBB-2X
IL
IL
80
23
CBC-16
90
22
IL
IL
65
18
80
20
IL
70
19
95
21
CBC-13 CBC-6
CBC-9
IL
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
Mesa-LasPiedras
Dis.Pirital 1
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
54
TWT
(s)
SE
Dis.Pirital 1
Mesa-Las Piedras
Dis.Pirital 2
Pirital Oligoceno
Naricual Aloc.
La Pica
Pirital Mioceno
Piri
t al
Ret
ro
Naricual
Top
B
San Juan
Ret
ro
monmrg07
pB
To
B
Top
Jusepin
cfam3d15
Furrial
CBA-3
CBA-8 CBA-2X
CBA-6X
0
45
IL 2
CBB-1X
CBB-2X
0
29
IL 2
0
38
IL 2
CBC-16
IL
65
18
0
08
IL 2
IL
70
19
95
21
CBC-13 CBC-6
CBC-9
IL
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
NO
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
En la figura 5.4 se presenta la seccin reinterpretada 2195. Al igual que en la figura 5.3,
no se aprecia que los corrimientos Furrial y Jusepn atraviesen los horizontes Naricual, Caratas
Vidoo y San Juan. Por otro lado, nuevamente se observa la presencia de las fallas inversas
sintticas (TopB y TopB1) y la antittica (TopB Retro), as como el retrocorrimento y el retro
splay asociados al corrimiento de Pirital.
55
TWT
(s)
Mesa-Las Piedras
Dis.Pirital 1
Dis.Pirital 2
Piri
t al
Ret
ro
Pirital Oligoceno
Naricual Aloc.
Pirital Mioceno
Naricual
Top
B
San Juan
monmrg07
Ret
ro
pB
To
B
Top
cfam3d15
Furrial
CBA-3
CBA-8 CBA-2X
CBA-6X
IL
CBB-1X
50
24
CBB-2X
0
29
IL 2
0
38
IL 2
CBC-16
IL
IL
95
21
CBC-13 CBC-6
CBC-9
80
20
5
86
IL 1
0
97
IL 1
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
SE
NO
La Pica
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
56
TWT
(s)
NO
SE
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
Mesa-LasPiedras
Dis.Pirital 2
Pir
i
Naricual Aloc.
Pirital Mioceno
t ro
Re
3
t ro
Re
B1
Top
t ro
Re
1
monmrg07
Naricual
pB
To
pB
To
pB
To
A
F-7X
San Juan
CBA
pB
To
cfam3d15
Furrial
CBA-3
CBA-8 CBA-2X
CBA-6X
0
45
IL 2
CBB-1X
La Pica
Pirital Oligoceno
ta
lR
et
ro
XB
F-7
CBB-2X
0
29
IL 2
0
38
IL 2
CBC-16
IL
IL
95
21
CBC-13 CBC-6
CBC-9
80
20
5
86
IL 1
0
97
IL 1
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
Dis.Pirital 1
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
57
TWT
NO
(s)
Dis.Pirital 1
Dis.Pirital 2
Pirital Oligoceno
San Juan Aloc.
Pir
it
al
Re
t ro
Naricual Aloc.
p
To
3
ro
et
BR
2
ro
et
BR
1
ro
et
BR
A
F-7X
La Pica
Pirital Mioceno
p
To
San Juan
Naricual
TopB 1
B
Top
CBA
monmrg07
Furrial
cfam3d15
CBA-3
CBA-8 CBA-2X
CBA-6X
0
45
IL 2
CBB-1X
CBB-2X
0
29
IL 2
0
38
IL 2
CBC-16
65
18
0
08
IL 2
IL
70
19
5
19
IL 2
CBC-13 CBC-6
CBC-9
IL
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
Mesa-Las Piedras
p
To
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
SE
TWT
(s)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
58
TWT(ms)
Figura 5.8. Modelo estructural en tiempo doble viaje (ms) para el tope del Oligoceno (Fm.
Naricual) en el rea de estudio.
En la figura 5.8 se puede observar que el modelo estructural posee sentido geolgico, ya
que existen ciertas evidencias en la figura que lo afirman, como por ejemplo la presencia del alto
estructural en el centro representado por colores fros (blanco, morado y azul marino)
correspondiente a rangos de tiempo doble de viaje de 2500 3200 ms, donde adems se presenta
un cierre de la estructura contra falla (TopB) hacia el S-SE, y adicionalmente se aprecia como la
estructura presenta una mayor profundizacin hacia el NO donde se quiere evaluar las hiptesis
truncacin y no truncacin.
5.2 Inversin Ssmica
59
SE
NO
TWT
(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-LasPiedras
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
TopB R
etro
pB
To
B
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.9. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Sparse Spike
Linear Programming de H&R.
60
respuesta para los horizontes del tope del Oligoceno y Cretcico inferidos hacia el sureste de la
seccin a un tiempo doble de viaje de aproximadamente 6000 ms, debido a la presencia de una
especie de semiespacio infinito generado por la inversin.
Por otro lado, en la figura 5.10 se presentan los resultados obtenidos al aplicar la hiptesis
no truncacin en la seccin 2080 utilizando el mtodo Sparse Spike Maximum Likelihood de
H&R.
SE
NO
TWT
(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-Las Piedras
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
TopB R
etro
pB
To
B1
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.10. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Sparse Spike
Maximum Likelihood.
61
cambios laterales de impedancia, como por ejemplo en el bloque de Pirital, que no estn
asociados a ningn tipo de evento geolgico, sino a problemas del programa al momento de
utilizar la informacin de los horizontes para obtener una continuidad lateral de la inversin.
En la figura 5.11 se presentan los resultados obtenidos al aplicar la hiptesis de no
truncacin en la seccin 2080 utilizando el mtodo Bandlimited de H&R.
SE
NO
TWT
(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-LasPiedras
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
TopB R
etro
pB
To
B
Top
Jusepin
5.0
Furrial
6.0
7.0
En este caso se puede observar que los resultados obtenidos por el mtodo Bandlimited
presentaron las mismas caractersticas y observaciones mencionadas anteriormente en las figura
5.10.
Por otro lado en la figura 5.12 se presentan los resultados obtenidos al aplicar la hiptesis
de no truncacin en la seccin 2080 utilizando el mtodo Model Based de H&R.
62
SE
NO
TWT
(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-LasPiedras
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
TopB R
etro
pB
To
B
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.12. Hiptesis No Truncacin en la seccin 2080 utilizando el mtodo Model Based.
63
64
SE
NO
TWT
(s)
CBC-9
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
B
Top
TopB 1
San Juan
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.13. Hiptesis no truncacin en la seccin 1865 utilizando el mtodo Sparse Spike
LP de H&R.
SE
TWT NO
(s)
CBC-9
0.0
Dis.Pirital 1
La Pica
Mesa-LasPiedras
1.0
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
B
Top
TopB 1
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.14. Hiptesis truncacin en la seccin 1865 utilizando el mtodo Sparse Spike LP
de H&R.
65
NO
TWT
(s)
CBB-1X
0.0
CBC-13
CBB-2X
Mesa-LasPiedras
1.0
Dis.Pirital 2
La Pica
Dis.Pirital 1
Naricual Aloc.
2.0
Pir
it
al R
et r
o
Pi
l ig
lO
rit a
no
oce
o
en
i oc
M
l
it a
Pir
3.0
Naricual
pB
To
4.0
San Juan
JL_2
B1
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.15. Hiptesis no truncacin en la seccin 1970 utilizando el mtodo Sparse Spike
LP de H&R.
66
NO
SE
TWT(s)
CBB-1X
0.0
CBC-13
CBB-2X
Mesa-Las Piedras
1.0
Dis.Pirital 2
La Pica
Dis.Pirital 1
2.0
Naricual Aloc.
Pir
it
al R
et r
o
Pi
lig
lO
rit a
no
oce
o
en
ioc
M
l
it a
Pir
3.0
Naricual
pB
To
4.0
JL_2
B1
Top
San Juan
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.16. Hiptesis truncacin en la seccin 1970 utilizando el mtodo Sparse Spike LP
de H&R.
67
SE
NO
TWT(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-Las Piedras
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
TopB R
etro
pB
To
B
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.17. Hiptesis no truncacin en la seccin 2080 utilizando el mtodo Sparse Spike
LP de H&R.
68
SE
NO
TWT(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-Las Piedras
Dis.Pirital 2
La Pica
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
4.0
San Juan
TopB R
etro
pB
To
CBA-8
Naricual
CBC-6
B1
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.18. Hiptesis truncacin en la seccin 2080 utilizando el mtodo Sparse Spike LP
de H&R.
Nuevamente en las figuras 5.19, 5.20, 5.21 y 5.22 correspondientes a las hiptesis de no
truncacin y truncacin en la seccin 2195 y 2290 respectivamente, se aprecia cmo en la
primera seccin (donde se aplic la hiptesis de no truncacin) existe un contraste de
impedancias presente a lo largo de toda la seccin entre los 3000 ms y 4000 ms
aproximadamente, el cual posee en gran medida las mismas tendencias de los horizontes
interpretados (Naricual, Caratas-Vidoo y San Juan) a esas profundidades de tiempo doble de
viaje y, en consecuencia, se sospecha de una posible ausencia del evento de truncamiento. Lo
anterior se ve reflejado en los resultados obtenidos en la seccin 2195 donde se aplic la hiptesis
de truncacin; en ella se puede observar la presencia de un ligero contraste de impedancia que
posee la misma tendencia de la interpretacin hecha bajo la hiptesis de no truncacin.
69
SE
NO
TWT(s)
CBA-6X
0.0
Mesa-LasPiedras
Dis.Pirital 1
1.0
Dis.Pirital 2
Pirital Oligoceno
2.0
Pirital Mioceno
Piri
t al
Ret
ro
3.0
4.0
La Pica
Naricual Aloc.
Naricual
Top
B
San Juan
pB
To
Ret
ro
B
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.19. Hiptesis no truncacin en la seccin 2195 utilizando el mtodo Sparse Spike
LP de H&R.
SE
NO
TWT(s)
CBA-6X
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
Dis.Pirital 2
La Pica
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
Piri
t al
Ret
ro
3.0
CBA-6X
San Juan
4.0
Top
B
Naricual
pB
To
Ret
ro
B
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.20. Hiptesis truncacin en la seccin 2195 utilizando el mtodo Sparse Spike LP
de H&R.
70
SE
NO
TWT(s)
CBC-16
0.0
Mesa-LasPiedras
Dis.Pirital 1
Dis.Pirital 2
1.0
2.0
La Pica
Pirital Oligoceno
Piri
t al
Ret
ro
Naricual Aloc.
Pirital Mioceno
3.0
4.0
San Juan
Top
B
Naricual
pB
To
Ret
ro
B
Top
5.0
Furrial
6.0
7.0
Figura 5.21. Hiptesis no truncacin en la seccin 2290 utilizando el mtodo Sparse Spike
LP de H&R.
71
SE
NO
TWT(s)
CBC-16
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
Dis.Pirital 2
La Pica
Pirital Oligoceno
2.0
Piri
t al
Ret
ro
Naricual Aloc.
Pirital Mioceno
3.0
San Juan
4.0
Naricual
pB
To
Top
B
Ret
ro
B
Top
5.0
Furrial
6.0
7.0
Figura 5.22. Hiptesis truncacin en la seccin 2290 utilizando el mtodo Sparse Spike LP
de H&R.
72
profundidad, ocasionando que el programa deba realizar una interpolacin de los datos (al
momento de construir el modelo inicial) en una distancia muy pequea.
SE
NO
TWT(s)
CBA-7X
0.0
CBA-2X CBA-3
Dis.Pirital 1
Mesa-Las Piedras
1.0
Dis.Pirital 2
Pirital Oligoceno
Naricual Aloc.
2.0
3.0
Piri
t al
Ret
ro
Franja amarilla
t ro
Re
t ro
Re
t ro
Re
pB
To
1
5.0
Naricual
pB
To
XB
F-7
A
F-7X
San Juan
La Pica
Pirital Mioceno
pB
To
4.0
B1
Top
pB
To
Furrial
6.0
7.0
Figura 5.23. Hiptesis no truncacin en la seccin 2380 utilizando el mtodo Sparse Spike
LP de H&R.
73
SE
NO
TWT(s)
CBA-2X CBA-3
CBA-7X
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
2.0
Dis.Pirital 2
San Juan Aloc.
Piri
t al
Ret
ro
Naricual Aloc.
Pirital Mioceno
XB
F-7
3.0
Naricual
p
To
3
5.0
ro
et
BR
ro
et
BR
tro
Re
A
F-7X
pB
To
San Juan
p
To
4.0
La Pica
Pirital Oligoceno
B
Top
pB
To
Furrial
6.0
7.0
Figura 5.24. Hiptesis truncacin en la seccin 2380 utilizando el mtodo Sparse Spike LP
de H&R.
74
SE
NO
TWT(s)
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
Dis.Pirital 2
La Pica
Pirital Oligoceno
2.0
Pir
it
Naricual Aloc.
al
Re
t ro
Pirital Mioceno
3.0
pB
To
Naricual
tro
Re
3
B
Top
5.0
tro
Re
ro
et
BR
A
F-7X
pB
To
4.0
p
To
San Juan
TopB 1
Furrial
6.0
7.0
Figura 5.25. Hiptesis de truncacin en la seccin 2450 utilizando el mtodo Sparse Spike LP
de H&R.
75
Figura 5.26. Comparacin de los valores de la funcin objetivo del mejor individuo y del
individuo promedio en cada una de las generaciones.
En l se pudo observar como a medida que iban evolucionando los individuos hacia la
siguiente generacin, la diferencia entre los valores de la funcin objetivo, tanto del individuo
promedio como del mejor individuo, se iba reduciendo considerablemente durante las primeras
generaciones. A partir de la generacin 60 se puede ver que ambos grficos tienden a converger;
sin embargo el grfico perteneciente al valor del individuo promedio tambin comenzaba a
presentar ciertas variaciones (comportamiento ruidoso) que impedan su estabilizacin producto
de haber cambiado el factor de mutacin de 0.1% a 0.5%. El propsito de este cambio fue evitar
en mucha mayor medida la convergencia hacia soluciones representadas por mnimos locales.
Los grficos de las figuras 5.27 y 5.28 presentan las comparaciones de los valores de
velocidad de onda P y densidad de los individuos en la generacin 1 y 200. En ellos se puede
visualizar cmo, una vez transcurridas casi 200 generaciones, la mayora de los individuos se
alinean en alguna de las cinco tendencias presentes (asociado a los valores obtenidos de
velocidad y densidad para las cinco primeras capas), lo que revela cmo los individuos fueron
evolucionando a lo largo de las generaciones. Se observan algunos individuos que no se agrupan
en ninguna de las tendencias y probablemente sean producto de una mutacin en algunos de sus
cromosomas durante el cruce entre sus padres.
76
Figura 5.27. Comparacin entre valores iniciales y finales de Vp despues de 199 generaciones
Figura 5.28. Comparacin entre los valores iniciales y finales de densidad despues de 199
generaciones.
Una vez obtenidos los valores de velocidad y densidad, el programa gener el sismograma
sinttico y fue desplegado junto con el original como se muestra en la figura 5.29.
77
Figura 5.29. Comparacin entre la traza original (negra), la obtenida por algoritmos genticos
(roja) y la diferencia (negra - roja = azul) del modelo simple de capas planas.
Desde el punto de vista cualitativo se puede observar que la correlacin entre ambas
trazas es muy buena, al igual que la diferencia entre ambas trazas da una idea de la bondad de la
inversin, lo que significa que los valores de velocidad y densidad obtenidos por el programa
resuelven el problema inverso. Sin embargo habr que ver con los resultados obtenidos en los
pseudo - registros que se presentarn ms adelante qu tan buena y confiable es la solucin
obtenida por el algoritmo.
Una de las opciones adicionales que permite el programa, es la generacin de grficos de
densidad de probabilidad posterior. A partir de dichos grficos es posible precisar cules son los
valores ms probables para cada capa en futuras generaciones basado en el teorema de Bayes (ver
Captulo 2).
78
Figura 5.30. Grficos de densidad de probabilidad posterior de las cinco primeras capas del
modelo.
A partir del grfico mostrado en la figura 5.30, donde se presentan los grficos de
densidad de probabilidad a posteriori, se puede observar que los DPP (Grficos de Densidad de
Probabilidad Posterior) correspondientes a las velocidades de onda P muestran un
comportamiento unimodal en algunos casos y en otros bimodal, mientras que los DPP
correspondientes al de densidad son parecidos a los de velocidad de onda P, con excepcin del
correspondiente para la ltima capa donde se puede observar un comportamiento trimodal.
Finalmente, con la informacin generada por el algoritmo gentico, el programa despliega
en pantalla los pseudo registros asociados a velocidad y densidad (Ver figura 5.31).
79
1500
Figura 5.31. Pseudo registros de Vp y densidad obtenidos tras la corrida del programa (rojo) y
los introducidos inicialmente en el modelo simple de capas planas (azul).
En la figura 5.31 se puede observar que los valores tanto de velocidad como de densidad
corresponden en su mayora a las tendencias mostrados en las figuras 5.27 y 5.28, luego de haber
transcurrido 200 generaciones; sin embargo existe una excepcin, especficamente en los valores
de densidad donde inicialmente una de las tendencias de los individuos es de aproximadamente
2,75 grs/cc mientras que el valor desplegado en el pseudo registro corresponde a 2,65 grs/cc
(para la ltima capa), representando una variacin lo suficientemente sustancial como para
afectar la correlacin entre la traza sinttica calculada por el programa y la original. Por otro lado,
observando detenidamente la figura 5.28, se puede ver que existen al menos 3 individuos que
presentan 2,65 grs/cc como valor comn de densidad. Sumado a esto, se procedi al clculo del
coeficiente de reflectividad en esa interfaz utilizando ambos valores de densidad y el resultado
obtenido determin que existe un mejor ajuste cuando se utiliza el valor de 2,65 grs/cc; con lo
que se puede concluir que a pesar de existir una gran cantidad individuos con una propiedad en
comn, no necesariamente stos representan la mejor solucin y es all donde entran en juego
80
aquellas minoras de individuos que son capaces de ofrecer una mejor solucin al problema y
que, probablemente, sern estadsticamente elegibles en futuras generaciones.
Otro punto importante a tener en cuenta es que los valores en los pseudo registros no
corresponden con los que se esperara obtener segn los resultados mostrados en los grficos de
densidad de probabilidad posterior, por lo que fue necesario realizar el clculo de los coeficientes
de la serie de reflectividad para todas las interfaces, obteniendo unos resultados nada
satisfactorios, tal y como se puede observar en la tabla 5.1. Es decir estos grficos indican la
probabilidad de aparicin de individuos con esas propiedades en generaciones futuras, sin
embargo dichos individuos no necesariamente generarn las mejores soluciones para el problema.
Coeficiente
Coeficiente
Coeficiente
Original
Pseudo
DPP
Capa 1 Capa 2
0,0756
0,0754
0,2941
Capa 2 Capa 3
0,0944
0,0920
0,0264
Capa 3 Capa 4
-0,0821
-0,0880
-0,1451
Capa 4 Capa 5
0,3509
0,3266
-0,4078
Interfaz
Tabla 5.1. Tabla comparativa entre los coeficientes reales, de los pseudo registros y los que
propone las DPP.
Por otro lado hay que mencionar que los valores obtenidos de coeficientes de reflexin
provenientes de los datos de los pseudos registros, si bien ajustaron con los coeficientes
originales, fue necesario saber cmo era la prediccin de propiedades de manera individual para
evaluar el problema de la no unicidad en las soluciones; es por ello que se procedi a la
construccin de los tres grficos que se muestran en las figuras de la 5.32 a la 5.34.
En la figura 5.32 se muestra cmo es la relacin y ajuste entre los valores de los
coeficientes de reflectividades reales provenientes del modelo simple de capas planas y los
coeficientes generados a partir de los resultados obtenidos por el algoritmo gentico. Se puede
81
observar que el ajuste es muy bueno tal y como fue sealado anteriormente al referirse a la
comparacin entre sismogramas sintticos original y el obtenido por el programa.
Reflectividades Reales vs. Calculadas
y = 0.9513x - 0.0028
2
R = 0.9985
0.4
Reflectividades Calculadas
0.35
0.3
0.25
0.2
0.15
0.1
0.05
-0.15
-0.1
0
-0.05
0
-0.05
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
-0.1
-0.15
Reflectividades Reales
Figura 5.32. Grfico de correlacin entre las reflectividades reales vs. calculadas.
82
frecuencia, es mejor no hacer ningn tipo de manipulacin por lo que dichos resultados no
necesariamente poseern algn sentido desde el punto de vista geolgico del rea.
Velocidades Calculades
4000
3500
3000
2500
2000
1500
1000
500
0
1400
1500
1600
1700
1800
Velocidades Reales
1900
2000
83
y = -1.1772x + 5.0507
R2 = 0.2233
Densidades Calculadas
2.5
2
1.5
1
0.5
0
2.15
2.2
2.25
2.3
2.35
2.4
2.45
2.5
Densidades Reales
84
Figura 5.35. Comparacin de los valores de la funcin objetivo del mejor individuo y del
individuo promedio en cada una de las generaciones.
En la figura 5.35 se presenta un grfico que muestra cmo es la variacin del valor de la
funcin objetivo, tanto del mejor individuo como del individuo promedio a lo largo de las
generaciones. La razn por la cual no se observan grandes diferencias, sobretodo en las primeras
generaciones (como en el caso del modelo simple de capas paralelas), se debe a que los valores
iniciales de velocidad no se encontraban predispuestos en un gran conjuto de valores para ser
utilizados al momento de proponer soluciones, sino que se asign un subconjunto mucho ms
reducido para ayudar al algoritmo a encontrar soluciones sobre rangos que variaran en funcin de
las tendencias provenientes del modelo de velocidades y de esta manera, obtener valores ms
coherentes en las zonas de estudio as como tambien reducir el problema de la no unicidad en las
soluciones presentadas por el algoritmo.
En las figuras 5.36, 5.37 y 5.38 se presentan los pseudo registros generados por el
algoritmo gnetico. Primero se muestran unos pseudo registros obtenidos a partir de la
ejecucin del cdigo utilizando una sola generacin (figura 5.36); el propsito es mostrar cmo el
85
algoritmo evoluciona a lo largo de las generacines modificando tanto los valores de velocidad
como los de densidad hasta optimizar la solucin.
Figura 5.36. Pseudo registro obtenido en la 1 generacin a partir del cdigo de algoritmos
genticos en el pozo ficticio Pozo_2195_1870.
Otro punto importante a destacar es el comportamiento tan inestable que presentan los
pseudo registros de densidad y de Vp. Sin embargo se puede observar que al momento de
introducir el contenido de baja frecuencia en el pseudo registro de velocidad (panel del medio),
este adopta una forma mucho ms parecida a un registro real; incluso se observa un incremento
muy parecido a una tendencia lineal que luego se estabiliza a los 6000 ms de tiempo doble de
viaje.
86
Figura 5.37. Pseudo registro obtenido en la 60 generacin a partir del cdigo de algoritmos
genticos en el pozo ficticio Pozo_2195_1870.
87
Figura 5.38. Pseudo registro obtenido en la 60 generacin a partir del cdigo de algoritmos
genticos en el pozo ficticio Pozo_2195_1300.
En la figura 5.39 se muestra una comparacin entre los sismogramas real y sintticos
producto de los pseudo registros tanto para la primera como la ltima generacin.
88
Figura 5.39. Comparacin entre sismogramas sintticos (rojos) y reales (negros) obtenidos en la
primera y ltima generacin del algoritmo gentico para el pozo ficticio Pozo_2195_1870.
89
NO
TWT(s)
CBC-9
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
B
Top
4.0
San Juan
TopB 1
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.40. Inversin Ssmica original en la seccin 1865 utilizando el mtodo Sparse Spike
LP.
90
continuidad lateral de la franja delgada suprayacente al tope del Oligoceno, mientras que la
regin que previamente haba resultado ser muy ruidosa, ha adoptado un valor de impedancia
prcticamente uniforme.
SE
NO
TWT(s)
CBC-9
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
B
Top
4.0
San Juan
TopB 1
5.0
Jusepin
Furrial
6.0
7.0
Figura 5.41. Inversin ssmica en la seccin 1865 utilizando el mtodo Sparse Spike LP con la
inclusin de un pseudo registro.
91
NO
TWT(s)
CBC-9
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
B
Top
4.0
San Juan
TopB 1
5.0
Jusepin
Furrial
6.0
7.0
Figura 5.42. Inversin ssmica en la seccin 1865 utilizando el mtodo Sparse Spike LP con la
inclusin de dos pseudo registros.
92
SE
TWT(s)
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
San Juan Aloc.
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
B
Top
San Juan
5.0
TopB 1
Jusepin
Furrial
6.0
7.0
93
NO
SE
TWT(s)
0.0
Mesa-Las Piedras
1.0
Dis.Pirital 1
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
B
Top
Jusepin
TopB 1
5.0
Furrial
6.0
7.0
Figura 5.44. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 1865.
SE
NO
TWT(s)
0.0
Mesa-Las Piedras
1.0
La Pica
Dis.Pirital 2
Dis.Pirital 1
Naricual Aloc.
2.0
Pir
it
al R
et r
o
Pi
o
cen
l ig o
O
l
rit a
it al
Pir
no
oce
Mi
3.0
Naricual
B
Top
4.0
San Juan
5.0
JL_2
B1
Top
Jusepin
Furrial
6.0
7.0
94
SE
NO
TWT(s)
0.0
Mesa-Las Piedras
1.0
La Pica
Dis.Pirital 2
Dis.Pirital 1
Naricual Aloc.
2.0
Pir
it
al R
et r
o
o
cen
l ig o
O
l
it a
Pir
o
en
ioc
lM
a
t
i
Pir
3.0
Naricual
San Juan
4.0
B
Top
JL_2
B1
Top
5.0
Jusepin
Furrial
6.0
7.0
Figura 5.46. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 1970.
95
SE
NO
TWT(s)
CBC-6
CBA-8
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
Dis.Pirital 2
La Pica
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
4.0
TopB R
etro
San Juan
B
Top
CBC-6
Naricual
CBA-8
pB
To
Jusepin
5.0
Furrial
6.0
7.0
NO
TWT(s)
0.0
1.0
CBC-6
CBA-8
Mesa-Las Piedras
Dis.Pirital 1
Dis.Pirital 2
La Pica
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
CBA-8
4.0
San Juan
TopB R
etro
pB
To
B
Top
CBC-6
Naricual
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.48. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 2080.
96
SE
NO
TWT(s)
CBA-6X
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
Dis.Pirital 2
La Pica
2.0
Pirital Oligoceno
Naricual Aloc.
Piri
t al
Ret
ro
Pirital Mioceno
3.0
Naricual
CBA-6X
4.0
San Juan
Top
B
Ret
ro
pB
To
B
Top
Jusepin
5.0
6.0
Furrial
7.0
97
SE
NO
TWT(s)
CBA-6X
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
Dis.Pirital 2
La Pica
2.0
Pirital Oligoceno
Naricual Aloc.
Piri
t al
Ret
ro
Pirital Mioceno
3.0
Naricual
CBA-6X
San Juan
4.0
Top
B
Ret
ro
pB
To
B
Top
1
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.50. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 2195.
NO
SE
TWT(s)
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
2.0
Dis.Pirital 2
Pirital Oligoceno
Piri
t al
Ret
ro
La Pica
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
5.0
Top
B
Ret
ro
pB
To
B
Top
Furrial
6.0
7.0
98
NO
SE
TWT(s)
0.0
Mesa-Las Piedras
Dis.Pirital 1
1.0
2.0
Dis.Pirital 2
Pirital Oligoceno
La Pica
Naricual Aloc.
Piri
t al
Ret
ro
Pirital Mioceno
3.0
San Juan
4.0
5.0
Naricual
Top
B
Ret
ro
pB
To
B
Top
Furrial
6.0
7.0
Figura 5.52. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 2290.
99
SE
NO
TWT(s)
0.0
Dis.Pirital 1
Mesa-Las Piedras
1.0
Dis.Pirital 2
Pirital Oligoceno
2.0
Pir
i
ta
lR
et
ro
3.0
Pirital Mioceno
t ro
Re
CBA
5.0
B1
Top
t ro
Re
San Juan
t ro
Re
pB
To
pB
To
A
F-7X
Naricual
pB
To
XB
F-7
4.0
La Pica
Naricual Aloc.
pB
To
Furrial
6.0
7.0
NO
TWT(s)
0.0
Dis.Pirital 1
Mesa-Las Piedras
1.0
Dis.Pirital 2
Pirital Oligoceno
2.0
Pir
it
Pirital Mioceno
al
Re
t ro
3.0
t ro
Re
2
t ro
Re
1
5.0
t ro
Re
pB
To
pB
To
A
F-7X
San Juan
Naricual
pB
To
XB
F-7
4.0
La Pica
Naricual Aloc.
1
TopB
CBA
pB
To
Furrial
6.0
7.0
Figura 5.54. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 2380.
100
NO
SE
TWT(s)
0.0
1.0
Mesa-Las Piedras
Dis.Pirital 1
Dis.Pirital 2
Pirital Oligoceno
2.0
Pir
it
al
Re
t ro
3
tro
Re
2
pB
ro
To
et
BR
ro
et
BR
San Juan
A
F-7X
Pirital Mioceno
p
To
4.0
p
To
3.0
Naricual Aloc.
La Pica
Naricual
TopB 1
B
Top
CBA
5.0
Furrial
6.0
7.0
Figura 5.55. Inversin ssmica aplicando la hiptesis de truncacin con la utilizacin de pseudo
registros y el mtodo Sparse Spike LP en la seccin 2450.
5.2.7 Inversin Ssmica con pseudo registro aplicando otros parmetros
Debido a que los resultados obtenidos tras aplicar inversiones ssmicas utilizando los
pseudo registros generados en Matlab no fueron para nada alentadores, se procedi a realizar
una inversin de prueba, donde se variaron algunos parmetros asociados a la manera en la que se
generaban los pseudo registros, dichos parmetros a modificar fueron el nmero de
generaciones, el cual se aument de 60 a 200 generaciones y la reduccin en longitud de los
pseudo registros que se estimaron con Algoritmos Genticos. El propsito de estos cambios
estaba basado en la idea de reducir an ms las diferencias entre los valores de la funcin
objetivo del mejor individuo y el del individuo promedio, lo cual se traducira posteriormente en
una mejor correlacin entre la traza real y la traza sinttica producto de las sucesivas evoluciones
del algoritmo, mientras que la decisin de reducir la longitud de los pseudo registros se deba
fundamentalmente a tratar de conservar los contrastes de impedancia cercanos al tope del
Oligoceno (Naricual). En la figura 5.56 se muestra el resultado en una de las secciones despus
de realizar las modificaciones antes mencionadas.
101
SE
NO
TWT(s)
CBC-6
CBA-8
0.0
Dis.Pirital 1
1.0
Mesa-Las Piedras
La Pica
Dis.Pirital 2
Pirital Oligoceno
2.0
Naricual Aloc.
Pirital Mioceno
3.0
Naricual
4.0
San Juan
TopB R
etro
pB
To
B
Top
Jusepin
5.0
Furrial
6.0
7.0
Figura 5.56. Inversin ssmica en la seccin 2080 utilizando el mtodo Sparse Spike LP con la
inclusin de un pseudo registro que llega a 3500 ms.
En la figura 5.56 se presentan los resultados obtenidos tras aplicar una inversin en la
seccin 2080 utilizando el mtodo Sparse Spike LP con la inclusin de un pseudo registro
que se obtuvo tras correr una inversin 1 D (algoritmos genticos) con 200 generaciones y en
una ventana de tiempo ms pequea comprendida entre 0 ms y 3500 ms aproximadamente. En
este caso se observa como la inclusin de un pseudo registro de mucha menor longitud, permite
conservar un contraste de impedancias en el tope del Oligoceno y adicionalmente introduce un
contraste de impedancia mucho ms caracterstico en el bloque de Pirital.
Finalmente a manera de resumen es importante destacar que los resultados obtenidos en
este trabajo al aplicar las inversiones ssmicas 2-D (sin pseudo - registros), muestran que las
lneas cercanas al prospecto Top B presentan contrastes de impedancia que permiten establecer
que la hiptesis no truncacin es la que posee mayor probabilidad de ocurrencia. Mientras que
los resultados obtenidos al realizar las inversiones 2-D con pseudo registros no fueron
concluyentes, por lo que se propone para futuros estudios variar algunos parmetros al momento
de realizar las inversiones 1-D con algoritmos genticos.
CAPTULO 6
CONCLUSIONES
103
prcticamente por completo a lo largo de cada una de las lneas de ambas hiptesis, lo que
impidi establecer cul tena mayor probabilidad de ocurrencia. Sin embargo se propuso
modificar algunos parmetros inciales al realizar la inversin 1-D con el programa de algoritmos
genticos, como por ejemplo aumentar el nmero de generaciones y reducir la longitud en
tiempo de los pseudo registros. Estas modificaciones, mejoran los resultados obtenidos con
algoritmos genticos y, en principio, al incorporarlos a la inversin de las lneas ssmicas, se
obtienen contrastes de impedancia ms caractersticos en el bloque de Pirital y, adems,
conservar el contraste de impedancia obtenido inicialmente para el tope del Oligoceno.
CAPTULO 7
REFERENCIAS
Alvarez, G. (2002). Velocity inversion of a seismic trace with a micro genetic algorithm. SEP
reports 112.
Banihasan, N., Riahi, M. y S. Motavalli. (2002). Recursive and Sparse Spike Inversion Methods
on Reflection Seismic Data. Iran: University of Tehran.
Chaplet, M. (2005). La Serrana del Interior y su relacin estructural con la fosa de Espino.
Estratigrafa comparativa y tectnica. Petrleos de Venezuela y Aguasuelos
Ingeniera, informe interno, Puerto La Cruz.
Gardner, G., Gardner L y R. Gregory. (1974). Formation Velocity and Density The Diagnostic
Basics for Stratigraphic Traps. Geophysics, vol. 39.
Gestal P., M. (2004). Introduccin a los Algoritmos Genticos, [en lnea]. Espaa:
Universidade da Corua. Disponible en: http//:sabia.tic.udc.es/~mgestal [2008, 12
de Enero].
Hampson, D. y M. Galbraith. (1981). Wavelet Extraction by Sonic Log Correlation. Geophysics.
Informe de Procesamiento BGP (2007).
Informe Interno PDVSA (2000).
Informe Interno PDVSA (2007).
Los Algoritmos Genticos (2001), [en lnea]. Universidad da Corua. Disponible en:
http://www.unknown.com [2008, 12 de enero].
Mallick, S. (1995). Model-based inversion of amplitude-variations-with-off set data using a
genetic algorithm. Geophysics, vol. 60.
Manual de entrenamiento Fugro Jason: InvertTracePlus. (2005).
104
105
AAPG Memoir
62, p. 741-756.
Passalacqua, H., Gou, Y., Fernandez, F. y F. Roure. (1995). Crustal Architecture Strain
Partitioning in the Eastern Venezuelan Ranges, in A. J. Tankard, R. Suarez S., and
H. J. Welsink, Petroleum basins of South America. AAPG Memoir 62, p 667-679.
PDVSA-Intevep.
(2007).
Cdigo
Geolgico
de
Venezuela.
Disponible
en:
106
Xu, Y. (1999). AVO developments applied to Blackfoot 3C-2D broadband line. Canada:
University of Calgary.