способ оценки температуры в недрах земли

Формула изобретения

1. Способ оценки температуры в недрах Земли, включающий построение геоэлектрического разреза по измеренным на поверхности Земли естественным электромагнитным полям, с последующей математической обработкой полученного разреза и получением прогнозного температурного распределения, отличающийся тем, что на поверхности Земли в диапазоне частот, достаточном для проникновения поля на искомую глубину в точках, где необходимо осуществить прогноз температуры, а также в точках, расположенных вблизи всех имеющихся скважин, в которых известны или могут быть выполнены измерения температуры, измеряют горизонтальные компоненты электромагнитного поля, для каждой частоты вычисляют эффективную электропроводность и осуществляют ее одномерную инверсию, а математическую обработку осуществляют с использованием искусственных нейронных сетей.

2. Способ по п.1, отличающийся тем, что минимальную и максимальную частоты оценивают из формулы для скин-слоя проникновения поля в среду , где h - глубина, представляющая интерес, - магнитная проницаемость, в отсутствии магнитных аномалий равная магнитной проницаемости вакуума = ₀=4 ×10^-7 Г/м, - оценка удельной электропроводности среды на глубине h, - частота.

Описание изобретения к патенту

Изобретение относится к области геофизических средств исследования Земли, а именно электромагнитных исследований, и может быть использовано при оценке температуры земной коры до глубин, определяющихся глубиной калибровочных скважин.

Известен (RU, патент 2013537) способ определения физических параметров, в том числе и температуры, в скважине путем помещения в скважину на соответствующую глубину терморегистрирующего устройства.

Недостатком известного способа следует признать возможность определения температуры только в пробуренных скважинах. Для ее определения таким способом в других областях необходимо бурить новые скважины, что требует затрат, в сотни раз превышающих стоимость электромагнитных работ.

Известны оценки распределения температуры в переходном слое и нижней мантии Земли по данным глобального магнитовариационного зондирования (Дмитриев В. И. и др. Физика Земли, 1988, №2, стр.3-8). Согласно известному способу по данным магнитных обсерваторий, неравномерно распределенных на поверхности Земли, строят усредненную (глобальную) кривую распределения удельной электропроводности Земли с глубиной. На основе анализа имеющихся гипотез о глобальном распределении с глубиной температуры строят ее усредненную теоретическую модель (в классе гиперболических функций), параметрически зависящую от неизвестных энергий активации пород и скорости изменения температуры с глубиной. Затем по формуле, связывающей температуру с удельной электропроводностью (типа где - удельная электропроводность, Т - температура, Е - энергия активации, к - постоянная Больцмана), модельная кривая температуры пересчитывается в модельную кривую удельной электропроводности. Составляют функционал невязки между модельной функцией электропроводности и той, которая рассчитана на основании данных магнитовариационного зондирования. Его минимизация методом градиентного спуска позволяет оценить неизвестные параметры, характеризующие искомое глобальное распределение температуры с глубиной.

Глобальное магнитовариационное зондирование (ГМВЗ) представляет собой определение эффективных электродинамических параметров Земли (импеданса, кажущегося удельного сопротивления и т.п.) в предположении ее сферической симметрии по данным естественного геомагнитного поля. В основе ГМВЗ лежит метод частотного зондирования Земли по результатам сферического гармонического анализа (СГА) вариаций на мировой сети магнитных обсерваторий в широком диапазоне периодов (частот) (от солнечно-суточных и их гармоник, Dst-вариаций, 27-дневных, полугодовых и годовых и, наконец, 11-летних). Для получения параметров МВЗ, которые рассчитываются, например, через комплексное отношение внешней части скалярного магнитного потенциала к внутренней, используют в основном сферический гармонический анализ выделенных вариаций магнитного поля, измеренного на обсерваториях. Известны измерения геомагнитного поля на территории Европы, начиная с 1889 года. Со временем, сеть геомагнитных обсерваторий расширялась и распространялась по всему Земному шару, но все же они расположены только на суше (в том числе на островах), а не равномерно на всей поверхности сферы, точность этих измерений также изменялась со временем и, следовательно, применение сферического гармонического анализа к этим данным влечет ряд допущений. Имеющихся данных недостаточно для однозначного решения проблем, поэтому предложенные модели распределения температуры и электропроводности на больших глубинах носят гипотетический характер.

Недостатками известного способа следует признать:

а) возможность определения таким способом только усредненной (глобальной) температуры земных недр с глубин порядка 400 км, с которой можно предположить ее однородность;

б) низкую точность, обусловленную неравномерностью распределения магнитных обсерваторий на земной поверхности и необходимостью использования гипотез о механизмах электропроводности по всей глубине от поверхности до мантии Земли.

Таким образом, о практическом выходе таких оценок говорить не приходится.

Техническая задача, решаемая с использованием разработанного способа, состоит в обеспечении возможности построения прогнозных оценок температуры по электромагнитным данным без априорной информации о геологическом строении недр.

Технический результат, получаемый при реализации предложенного способа, состоит в обеспечении возможности уточнения прогноза температуры земной коры в случаях, когда имеющихся термограмм недостаточно, осуществлении более точного прогноза температуры за пределами области калибровочных скважин, проведении мониторинга температуры в скважинах по режимным наблюдениям электромагнитного поля в их окрестности и осуществлении бесконтактной дистанционной оценки температуры в скважинах на участках, характеризующихся экстремальными для традиционных терморегистрирующих устройств условиями.

Для достижения указанного технического результата предложено использовать способ оценки температуры в недрах Земли. Согласно предложенному способу на поверхности Земли в точках, где необходимо осуществить прогноз температуры, а также в точках, расположенных вблизи всех имеющихся скважин, в которых проведены или могут быть выполнены измерения температуры, измеряют горизонтальные компоненты электромагнитного поля, в интервале частот, достаточном для проникновения поля на глубину, до которой необходимо осуществить прогноз температуры. Если до этой глубины известно распределение удельной электропроводности пород, то минимальную и максимальную частоты можно оценить из формулы для скин-слоя проникновения поля в среду где h - глубина, представляющая интерес, - магнитная проницаемость, в отсутствии магнитных аномалий равная магнитной проницаемости вакуума = ₀=4 ×10^-7 Г/м, - удельная электропроводность среды в точке измерения поля, - частота). Если распределение удельной электропроводности пород неизвестно, то можно использовать диапазон частот, характерный для стандартной электроразведочной электромагнитной аппаратуры, например, для часто используемой в России станции Phoenix MTU-5. После стандартной обработки измеренных временных рядов данных (см., например, Varentsov, Arrays of simultaneous electromagnetic soundings: design, data processing and analysis. In: Electromagnetic Sounding of the Earth's Interior (Ed.V.Spichak), Elsevier, Amsterdam, 2006) с использованием Фурье-преобразования получают значения горизонтальных компонент электрического и магнитного поля в частотной области, и по двум поляризациям поля в первичном поле определяют компоненты тензора импеданса Z( ) из формулы:

Затем для каждой частоты вычисляют эффективную электропроводность по известной формуле где Zэф=(Z_xxZ_yy -Z_xyZ_yx) ^1/2 - инвариантный импеданс. С использованием одномерной инверсии этой функции, вычисленной для всех измеренных частот (например, согласно алгоритму, приведенному, в [Constable et al., Occam's inversion: A practical algorithm for generating smooth models from electromagnetic sounding data: Geophysics, 1987, 52(3), 289-300), в каждой точке измерения поля строят вертикальные профили удельной электропроводности (при этом важно, чтобы ее значения были определены, в частности, в точках измерения температуры в скважинах). Производят калибровку построенных профилей с использованием аппарата искусственных нейросетей "с учителем" (см. описание этого метода, например, в монографии Уоссермен, Нейрокомпьютерная техника: теория и практика. Пер. с англ., М., 1992, 240 с). Для этого искусственные нейросети обучают на их соответствии термограммам из скважин. При этом, в частности, в качестве входа нейросети используют географические координаты пункта измерения поля, глубины измерения температуры в скважинах, а также их значения, а в качестве выхода - найденные в результате инверсии значения удельной электропроводности в соседних точках (на тех же глубинах). В ходе обучения искусственной нейросети на этих данных фактически строят "аппроксиматор", с использованием которого затем производят прогноз температуры на глубинах в точках измерения электромагнитного поля. При этом в качестве входа нейросети используют географические координаты пункта измерения поля, ближайшего к точке, для которой делают прогноз температуры, глубины, на которых определены значения удельной электропроводности, а также собственно ее значения, а в качестве выхода - прогнозные значения температуры на тех же глубинах в пункте, где осуществляется прогноз.

Способ в одном из вариантов реализуют следующим образом. На поверхности в точках, где необходимо осуществить прогноз, а также в окрестности скважин, в которых выполнены измерения температуры, проводят измерения естественного электромагнитного поля, индуцированного в Земле ионосферными токовыми системами. Затем проводят одномерную инверсию полученных данных для построения в каждой точке вертикального профиля удельной электропроводности. Искусственную нейросеть обучают соответствию профилей удельной электропроводности, построенных в окрестности скважин, и соответствующих термограмм. Обученную таким образом нейросеть используют затем для прогноза температурных профилей по рассчитанным профилям электропроводности в точках измерения электромагнитных данных.

В качестве примера приведен прогноз температуры по электромагнитным данным, измеренным на Бишкекском геодинамическом полигоне (северный Тянь Шань). Для проведения эксперимента все данные 5 раз разбивались на 12 обучающих пар "профиль электропроводности / профиль температуры" и 3 тестирующие пары. Искусственные нейросети обучали соответствию значений электропроводности, а также координат точек, в которых они заданы, значениям температуры в этих же точках. Затем их использовали для прогноза значений температуры по трем профилям электропроводности, не использованным для обучения нейросети, а результаты сравнивали с термограммами из соответствующих скважин. В Таблице 1 приведены результаты прогноза по магнитотеллурическим и температурным данным, а также только по температурным данным. Как видно из Таблицы 1, средняя относительная ошибка прогноза по температурным данным составляет 29,5%, в то время как по электромагнитным и температурным данным - 11,9%. В случае наличия априорных данных о геологии рассматриваемого региона средняя ошибка прогноза в данном случае может быть уменьшена до 8,9%.

Табл.1
№ скважин и МТ пунктов	Относительные ошибки прогноза температуры (в %)			Локальные особенности земной коры между скважиной и МТ пунктом
	1	2	3
Т1-МТ550	24.25	31,3	24,91	Разлом надвигового типа
Т4-МТ625	12,5	26,06	5,92	Нет
Т5-МТ620	7,68	12,4	16,69	Разлом надвигового типа
Т5-МТ627	0,713	23,76	16,69	Нет
Т6-МТ549	8,8	3,92	14,86	Нет
Т6-МТ618	16,02	10,54	14,86	Нет
Т7-МТ613	0,712	8,89	17,24	Нет
Т8-МТ617	0,96	24,4	13,23	Нет
Т9-МТ621	8,93	48,13	14,77	Нет
Т10-МТ614	1,35	16,12	5,95	Нет
Т11-МТ618	29,1	31,74	16,45	Нет
Т12-МТ571	9,0	15,55	17,93	Нет
Т13-МТ529	9,6	32,1	135,15	Холодные потоки воды
Т14-МТ550	10,22	26,5	27,01	Нет
Т16-МТ543	26,94	136,77	101,19	Глубинный разлом
Средняя ошибка	11,89±2,33	29,9±8,1	29,52±9,22
Средняя ошибка без учета аномальных зон	8,9±2,45	21±3,6	14,98±1,7