CN102893183A - 改进油气田发现与表征的可预测性的有源噪声注入计算 - Google Patents
改进油气田发现与表征的可预测性的有源噪声注入计算 Download PDFInfo
- Publication number
- CN102893183A CN102893183A CN2011800223235A CN201180022323A CN102893183A CN 102893183 A CN102893183 A CN 102893183A CN 2011800223235 A CN2011800223235 A CN 2011800223235A CN 201180022323 A CN201180022323 A CN 201180022323A CN 102893183 A CN102893183 A CN 102893183A
- Authority
- CN
- China
- Prior art keywords
- volume elements
- data
- attribute
- well
- resonance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012512 characterization method Methods 0.000 title abstract description 10
- 238000002347 injection Methods 0.000 title abstract description 9
- 239000007924 injection Substances 0.000 title abstract description 9
- 230000001976 improved effect Effects 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 392
- 238000001228 spectrum Methods 0.000 claims abstract description 105
- 230000008569 process Effects 0.000 claims description 283
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 266
- 239000011707 mineral Substances 0.000 claims description 266
- 230000003595 spectral effect Effects 0.000 claims description 101
- 239000013598 vector Substances 0.000 claims description 73
- 230000008878 coupling Effects 0.000 claims description 63
- 238000010168 coupling process Methods 0.000 claims description 63
- 238000005859 coupling reaction Methods 0.000 claims description 63
- 230000002520 cambial effect Effects 0.000 claims description 50
- 238000005481 NMR spectroscopy Methods 0.000 claims description 36
- 238000010606 normalization Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 33
- 238000005553 drilling Methods 0.000 claims description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 22
- 239000002131 composite material Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 239000007788 liquid Substances 0.000 claims description 2
- 239000012530 fluid Substances 0.000 abstract description 94
- 239000011435 rock Substances 0.000 abstract description 65
- 238000005305 interferometry Methods 0.000 abstract description 64
- 150000002430 hydrocarbons Chemical class 0.000 abstract description 43
- 239000004215 Carbon black (E152) Substances 0.000 abstract description 42
- 229930195733 hydrocarbon Natural products 0.000 abstract description 42
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 abstract description 13
- 230000001965 increasing effect Effects 0.000 abstract description 11
- 230000003993 interaction Effects 0.000 abstract description 9
- 238000001028 reflection method Methods 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 147
- 230000006870 function Effects 0.000 description 87
- 230000015572 biosynthetic process Effects 0.000 description 62
- 238000005755 formation reaction Methods 0.000 description 62
- 230000005284 excitation Effects 0.000 description 55
- 238000005259 measurement Methods 0.000 description 47
- 230000007246 mechanism Effects 0.000 description 43
- 238000004458 analytical method Methods 0.000 description 41
- 238000005516 engineering process Methods 0.000 description 40
- 238000013461 design Methods 0.000 description 34
- 229920006395 saturated elastomer Polymers 0.000 description 34
- 239000007789 gas Substances 0.000 description 28
- 239000003921 oil Substances 0.000 description 27
- 238000004519 manufacturing process Methods 0.000 description 26
- 238000012549 training Methods 0.000 description 24
- 239000002245 particle Substances 0.000 description 20
- 238000005381 potential energy Methods 0.000 description 20
- 238000007689 inspection Methods 0.000 description 19
- 238000005070 sampling Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 18
- 239000000284 extract Substances 0.000 description 17
- 230000009466 transformation Effects 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 15
- 230000014509 gene expression Effects 0.000 description 15
- 230000005610 quantum mechanics Effects 0.000 description 15
- 239000004576 sand Substances 0.000 description 14
- 238000012360 testing method Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000000354 decomposition reaction Methods 0.000 description 12
- 238000013507 mapping Methods 0.000 description 12
- 230000006835 compression Effects 0.000 description 11
- 238000007906 compression Methods 0.000 description 11
- 238000005520 cutting process Methods 0.000 description 11
- 230000002708 enhancing effect Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 10
- 238000013508 migration Methods 0.000 description 10
- 230000005012 migration Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 238000003908 quality control method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000013642 negative control Substances 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 7
- 238000000926 separation method Methods 0.000 description 7
- 238000010008 shearing Methods 0.000 description 7
- 239000002344 surface layer Substances 0.000 description 7
- 238000003325 tomography Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 230000005251 gamma ray Effects 0.000 description 6
- 230000005283 ground state Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 235000019738 Limestone Nutrition 0.000 description 5
- 241000209094 Oryza Species 0.000 description 5
- 235000007164 Oryza sativa Nutrition 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000009795 derivation Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 235000009566 rice Nutrition 0.000 description 5
- 150000003839 salts Chemical class 0.000 description 5
- 239000013049 sediment Substances 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 4
- 230000003466 anti-cipated effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000012938 design process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 4
- 239000006028 limestone Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000013641 positive control Substances 0.000 description 4
- 238000013442 quality metrics Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 208000035126 Facies Diseases 0.000 description 3
- 206010038743 Restlessness Diseases 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 239000004567 concrete Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000010206 sensitivity analysis Methods 0.000 description 3
- 238000010561 standard procedure Methods 0.000 description 3
- 239000011800 void material Substances 0.000 description 3
- 102100022618 COMM domain-containing protein 6 Human genes 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 101000899991 Homo sapiens COMM domain-containing protein 6 Proteins 0.000 description 2
- 238000012565 NMR experiment Methods 0.000 description 2
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011088 calibration curve Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005137 deposition process Methods 0.000 description 2
- 238000005183 dynamical system Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000005415 magnetization Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000001615 p wave Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005309 stochastic process Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 241001131796 Botaurus stellaris Species 0.000 description 1
- 230000005653 Brownian motion process Effects 0.000 description 1
- 241000238366 Cephalopoda Species 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 241001062233 Salmonella enterica subsp. enterica serovar Texas Species 0.000 description 1
- 241000364021 Tulsa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000003623 enhancer Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000012266 salt solution Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000004408 titanium dioxide Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
非线性谐振干涉测量法的应用作为一种新的地球物理学方法被引入,以改善次表层孔隙度、岩石与流体性质的表征中的可预测性。与除去随机信息噪声的反射方法形成对比,非线性谐振干涉测量法利用了完整的地震采集谱以评估如何通过改变感兴趣的岩性中的孔隙度等级和烃含量来差分地和直接地调制低频与高频噪声。在一些示例中,系统与技术实现了在采集的地震波场属性与软件中的非线性系统之间的新的计算交互作用以放大地震噪声中的失真,并且利用了以软件形式注入合成噪声以按低于地震分辨率的空间标度来检测烃圈闭以及岩性变化,由此增大了低分辨率数据的信息值。这些技术可广泛地用于去除常规碎屑与碳酸盐储层以及非常规页岩气资源矿床的风险。
Description
本申请要求2010年3月5日提交的题为“Active Noise InjectionComputations For Improved Predictability In Reservoir Characterization”的美国临时申请61/311,277的权益,该申请全部引用在此作为参考。
背景技术
在油气勘探过程中,地震勘测被用于估计次表层地况的感兴趣的特征。地震勘测使用受控的地震能量,比如由专用气枪或地震振动器产生的受控的地震能量。接收器检测被次表层特征反射的通常为波形式的地震能量。通过分析被反射的地震波穿过不同密度的次表层物质所用的时间,来检测这些次表层特征。三维地震测绘术也使用地震能量来产生次表层形成层的三维地图。分析地震数据的传统技术试图滤除噪声以识别出感兴趣的信号。然而,在滤除噪声的过程中,感兴趣的重要信息可能会丢失,由此在所得到的地震地图中可能很难区分开各种特征。一旦识别出有矿床,就钻出一探井以试图结论性地判断是否存在油或气。然而,探井可能非常昂贵,尤其是那些离岸的井,并且所受的风险在于这种井可能没有出产物。
发明内容
揭示了多种系统与技术,用于改进岸上与离岸的地震与电磁采集过程中的信噪比,用于改进水力裂缝监控与优化的微震技术,并且用于使用常规三维振动器指引烃成像的干涉测量采集过程。使用非线性随机量子能量源来分析地震数据,以通过虚拟振动与地震数据之间的交互作用来产生谐振。从通过噪声过滤不能获得的地震数据中,谐振的变化产生了感兴趣的信息。然后,这种谐振的变化的特征可以被确定和校准为孔隙度、流体性、或岩性。然后,在所得的大量的储层性质上,可以作出储层表征和钻井决定。这种系统与技术可以被用于消除新钻井位置的风险并且通过定位可能被错过的附近的生产层来重新开发不如预期的或废弃的井。
在这个世界上,超过60%的油储量和超过40%的气储量是在碳酸盐中。在一些示例中,本文所揭示的系统和技术可以被用于消除风险并表征复杂的地层碳酸盐、其堆叠、连续性、裂缝密度、间距以及孔隙度。对于鉴别有生产潜力的碳酸盐体而言,孔隙度极为关键。碳酸盐储层依然很难用三维地震测绘术来表征,这是因为快速的纵向与横向相变导致其异质性很大,较高的速度导致较低的地震分辨率,并且也不能对裂缝直接进行成像本身。对于各个井与补偿井的定位而言,盆地地理模型所能提供的洞察力很有限,因为各种形成层性质都以不可预计的方式变化。因为影响碳酸盐岩石的成岩作用(沉积物在其初始沉积过程中经历了化学、物理或生物的变化)范围很广,所以在这些碳酸盐中最终的孔隙度可能与沉积环境有关或者可能无关。此外,不像其它的岩性,碳酸盐中最初的原生孔隙度可能在成岩过程中被完全破坏了,并且可能产生了相当多的新的次生孔隙度。所以,为了预测井的生产能力,从三维地震数据中识别出特定图案的自然裂缝以及高度连续的孔隙度。
岸上和深水碎屑岩类储层是在世界上最大的、勘探最明确的且生产能力最强的烃区带中。这些包括各种浊流岩沙体几何形态,比如在复杂的下坡设置中的沟、叶、片和堤。后沉积应力修改了原生沉积结构,从而改变了孔尺寸分布和可渗透性特征,这对于以其它方式有沙化倾向的储层中的含油沙层与饱和分布的解释是很有挑战性的。这些高产储层的勘探成功以及后续的评估与开发都取决于精准地绘制在储层级或盆地级几何形态之内的沉积物分布的相互作用以描绘源、填料和储层地质情况。常规的消除风险的方法依赖于采集大偏移和更高频数据。尽管这已在一定程度上提高了结构解释的水平,但是尚无法获得全面的成功,因为没有流体成像能力。本申请揭示了多种系统与技术,利用了地震数据中的噪声并且增大了分辨率以与适当位置处的流体饱和一起来共同评估沙层积。这些技术可以帮助消除风险并且找到净产油层。这些技术也可以被用于解释在现有的三维地震勘测中的生产井和干井的分布。
在岸上勘探中,页岩气资源开发正快速变为一种全球的趋势。来自低可渗透性页岩形成层的井产物也可能是石油和天然气的源岩。因为较大的烃体被限制在页岩内的裂缝孔隙中或微孔内或被吸收在页岩内的矿物质和有机物质上,所以检测岩性的细微变化能在预测即使靠得很近的井的生产能力与经济效益时产生巨大变化。然而,这种岩性变化仅作为很弱的变化出现在常规的三维地震信号中,因为三维地震测绘术已被设计成主要对横跨多种岩性的大阻抗差异对比进行成像。因为在页岩形成层内的阻抗差异对比的变化是非常细微的,所以地球物理学家通过使用在页岩气储层中用常规地震测绘术所测得的信号来努力增加数值。本文所揭示的系统与技术可以检测岩性的这种细微变化。常规的数据可以根据所揭示的系统和技术来分析以识别出这种细微的变化。本文所揭示的系统与技术也可以被用于标识出页岩的脆度-使储层破裂的能力。
本说明书所描述主题的一个方面可以以多种方法来具体实施,其中包括这样一种方法,该方法包括:使感兴趣的地质次表层形成层的地震数据体元化成在感兴趣的形成层中具有各自的位置的多个体元;以及确定所述多个体元中的一个体元是否包括一属性;以及基于所述位置向一属性体输出所述体元是否包括所述属性;以及对所述多个体元中的至少一些其它的体元,执行所述确定和所述输出。
在一些示例中,所述方法可以进一步包括:对感兴趣的另一个形成层的地震数据,执行上面所列的步骤。确定所述多个体元中的一个体元是否包括一属性的步骤可以包括:确定所述多个体元中的所述体元是否包括孔隙度属性;以及所述方法还可以包括:将所述多个体元中的至少一些其它的体元组装到一孔隙度立方体中。确定所述多个体元中的一个体元是否包括一属性的步骤也可以包括:确定所述多个体元中的所述体元是否包括岩性属性;以及所述方法还可以包括:将所述多个体元中的至少一些其它的体元组装到一岩性立方体中。另外,确定所述多个体元中的一个体元是否包括一属性的步骤也可以包括:确定所述多个体元中的所述体元是否包括气、油、或水中的至少一种;以及所述方法还可以包括:将所述多个体元中的至少一些其它的体元组装到一液体立方体中。
在一些示例中,所述方法也可以包括:其中所述地震数据可以包括感兴趣的形成层的偏移叠前时间集合。确定所述多个体元中的一个体元是否包括一属性的步骤可以包括:确定所述多个体元中的所述体元是否包括岩性属性;对孔隙度属性,重复所述确定和所述输出;以及基于所述岩性属性的多个体元中的至少一些其它的体元且基于所述孔隙度属性的多个体元中的至少一些其它的体元,产生一用于指示打钻位置的在此-钻孔布置图。此外,使地震数据体元化的步骤还可以包括:将地震数据频谱地分解成多个频率体。
在一些示例中,所述方法可以进一步包括:将地震数据频谱地分解成高频体、中频体和低频体。所述地震数据可以包括三维地震数据,并且体元化的步骤可以包括从所述三维地震数据中产生多个一维体元矢量。确定所述多个体元中的一个体元是否包括一属性的步骤可以包括:基于来自一个或多个先前勘探过的地质次表层井的信息,获得用于该属性的控制数据;以及使用所述控制数据并且使用量子谐振干涉测量法来处理用于该体元的一维体元矢量以检测一谐振。
此外,所述方法可以进一步包括:基于所述属性体,来表征一结构圈闭。所述方法也可以包括:基于所述属性体,来表征一地层圈闭。另外,所述方法可以包括:使所述多个体元提高到预定的分辨率。
在另一个方面中,一种方法可以包括:获得与感兴趣的形成层相关联的多个体元中的一个体元的一维体元矢量;获得从与感兴趣的属性相关联的测井数据中产生的频谱数据;使所述频谱数据与所述一维体元矢量相耦合以确定是否发生谐振事件;当发生谐振事件时,产生指示所述体元具有感兴趣的属性的输出;以及当没有发生谐振事件时,产生指示所述体元不具有感兴趣的属性的输出。
在一些示例中,获得所述一维体元矢量的步骤包括:使所述一维体元矢量所对应的振幅归一化以落在一范围之内。并且,获得从测井数据中产生的频谱数据的步骤可以包括:获得地震噪声数据;从所述测井数据中获得井控制体元数据;以及使用量子力学模型将地震噪声数据与井控制体元数据组合起来以产生所述频谱数据。另外,获得井控制体元数据的步骤可以包括:使用从具有感兴趣属性的井的多个部分中的声波测井中推导出的小波,从用于所述属性的测井数据中确定能谱密度体元。此外,将地震噪声数据与井控制数据组合起来的步骤可以包括:将地震噪声数据以及与呈现出所述属性的测井数据相关联的体元的井控制体元数据组合起来。获得所述井控制体元数据的步骤也可以包括:获得未呈现出所述属性的体元的井控制体元数据;以及获得所述地震噪声数据的步骤可以包括:基于未呈现出噪声的体元的井控制体元数据,产生地震噪声数据。在某一示例中,使所述频谱数据与所述一维体元矢量相耦合以确定是否发生谐振事件的步骤包括:基于所述一维体元矢量、合成噪声以及所述频谱数据,使用核磁共振(“NMR”)主速率方程来产生量子随机谐振。
在另一方面中,一种方法可以包括:获得一地质次表层形成层的经体元化的地震数据中的一体元的体元数据;执行所述体元数据与频谱数据的第一非线性耦合以产生第一谐振,其中,所述耦合是通过其强度在第一截止频带内的噪声来驱动的;响应于产生第一谐振,将所述截止频带调节为与所述第一截止频带不同的第二截止频带;执行所述体元数据与和次表层形成层的属性相关联的频谱数据的第二非线性耦合以产生第二谐振,其中,所述第二耦合是通过其强度在第二截止频带内的噪声来驱动的;响应于产生所述第二谐振,产生所述属性存在于所述体元中的指示;以及响应于所述第二耦合未产生第二谐振,产生所述属性不存在于所述体元中的指示。
在一些示例中,第一谐振可以包括第一量子随机谐振。此外,所述方法也可以包括:将所述体元数据组装到具有所述属性存在于所述体元中的指示的一属性体中。经体元化的地震数据也可以包括含所述体元的多个体元;以及所述方法可以进一步包括:基于所述多个体元的平均强度的百分比,确定所述第一截止频带。所述方法也可以包括:在所述第一耦合之前,执行所述体元数据与和次表层形成层的属性相关联的频谱数据的第三耦合以产生第三谐振,其中,所述第三耦合是通过其强度在不同的第三截止频带内的噪声来驱动的;以及响应于产生所述第一谐振,将第三截止频带调节为所述第一截止频带。
在另一个方面中,一种方法包括:从在一矿床上的地质次表层形成层的经体元化的地震数据中获得一体元的第一矿床体元数据;确定包括所述属性的值的属性迭代范围,所述属性迭代范围包括至少第一值和第二值;从一现有的井的测井数据中确定控制钻井体元数据,所述控制钻井体元数据包括在所述现有的井中发现的属性的值列表的频谱能量,其中包括所述第一值的第一频谱能量以及所述第二值的第二频谱能量;使所述矿床体元数据与具有根据所述第一频谱能量设置的参数的频谱数据相耦合以产生第一谐振;以及响应于所述第一谐振,产生指示所述体元包括在至少所述第一值处的属性的输出。
在一些示例中,所述方法还包括:使所述矿床体元数据与具有根据所述第二频谱能量设置的参数的频谱数据相耦合以产生第二谐振;以及响应于所述第二谐振,产生指示所述体元包括在至少所述第二值处的属性的输出。此外,所述控制钻井体元数据可以包括与所述属性的第三值相对应的第三频谱数据;以及所述方法可以进一步包括:使所述矿床体元数据与具有根据所述第三频谱能量设置的参数的频谱数据相耦合以产生第三谐振;以及响应于所述第三谐振未被产生,产生指示所述体元不包括在所述第三值处的属性但包括在所述第一和第二值处的属性的输出。此外,所述属性可以包括孔隙度,所述第一值可以包括孔隙度的第一百分比,所述第二值可以包括比第一百分比大的孔隙度的第三百分比。
这些方面的其它实施例包括相应的系统、装置和计算机程序,被配置成执行所述方法的动作,并且被编码到计算机存储设备上。
附图说明
图1示出了用于储层表征的示例过程。
图2示出了在储层表征的过程中涉及到的元件的图形描绘的示例。
图3示出了用于储层表征的系统与技术的应用。
图4示出了次表层储层圈闭的示例。
图5示出了在地震数据被体元化之前用于处理一矿床的地震数据的流程图的示例。
图6列举了一矿床的一些次表层体及其分类的示例。
图7示出了使感兴趣的形成层的地震数据体元化的过程的示例。
图8A-8B示出了用于分析经体元化的数据的工作流程的示例。
图9A-9D示出了用于确定地震噪声数据的过程的示例。
图10描绘了用于提高或向上变频感兴趣的属性的分析的过程。
图11示出了用于建立一谐振事件的单调性的过程。
图12A到12B描述了用于产生激励级联数据并使其归一化的过程。
图13A-13D示出了如何形成属性特定的井控制体元数据的示例。
图14描述了实现干涉测量引擎和量子谐振干涉测量处理器的过程的示例。
图15示出了双井功能的示例。
图16示出了使用量子谐振干涉测量引擎的工作流程的示例。
图17A-17D示出了从地震数据中计算出属性数据的过程的示例。
图18A-18B示出了在训练模式和操作模式中的量子谐振干涉测量引擎的配置。
图19示出了用于校准量子谐振干涉测量引擎参数的方法。
图20示出了用本文所讨论的各种处理过程来产生输出的示例工作流程。
具体实施方式
图1示出了用于储层表征(也被称为储层的横向次表面预测)的示例过程100。在一些示例中,过程100可以被用于构造在地表下方的储层的计算机模型,该计算机模型包括该储层的所有特征,这些特征与其存储烃的能力有关并且还与产生烃的能力有关。过程100可以被用于发现、描绘烃(石油和天然气)储层并且确定其大小,以使用地震数据来产生岸上或离岸的井的钻孔布置图。在110,矿床数据和勘探标准被获得。勘探标准可以包括对准的勘探目标,比如在矿床(被分析是否有沉积物的位置)中搜索一种或多种形成层的标准。矿床被定义为覆盖了被认为含烃的潜在的次表面圈闭的区域。矿床产油与气所必须有的地质因素包括:存在源岩(在很长的时间段内经历高压与高温从而形成烃的有机富石);存在一种结构性地层或复合圈闭,以保存这些烃;在烃圈闭之上存在不可渗透的密封岩或盖岩,以便防止这些烃偏移或逃至表面;以及存在多孔储层岩,用于将油收集到其孔中并且是可渗透的,从而使得在生产期间这些烃将流到表面。
例如,勘探标准可以包括针对预定类型的次表面物质具有预定孔隙度、流体类型和岩性的目标形成层。多孔源岩或沉积物的孔隙度描述了在该物质中的空隙空间的片段,其中,该空隙可能包含诸如水、油、或气的流体,并且由下列比率定义:
其中,VV是空隙空间(比如流体)的体积,VT是包括固体和空隙成分的物质的总体积。孔隙度是诸如颗粒尺寸和覆盖的沉积物等许多因素的复函数。
图2示出了在过程100中涉及到的元件的图形描绘200的示例。例如,图2示出了在210A、210B和210C处的矿床数据的示例。矿床数据可以包括地震和其它地球物理学数据、岩石物理学数据以及该矿床的测井数据或来自另一个矿床上的相似形成层的测井数据。例如,地球物理学数据可以包括针对感兴趣的区域(比如针对矿床区域211)而获得的地震数据210A。例如,获得地球物理学数据的步骤可以包括:在用于进一步处理和分析的计算设备处,接收已经从一矿床区域中采集到的地球物理学数据。在一些示例中,获得所述数据的步骤可以包括:接收所述数据;主动地请求所述地球物理学数据;或者从矿床区域211中采集地球物理学数据。
地震数据210A可以包括:已经处理过的偏移叠前时间集合(标记为叠前时间偏移(PSTM)体);偏移叠前深度集合(标记为叠前深度偏移(PSDM)体);或原始的地震集合。按照SEGY形式中的PSTM堆叠或PSDM堆叠的形式,这些集合可以被堆叠成地震体(比如地震体220)。所述地震体可以是在地震采集栅格213上从二维地震采集、三维地震采集过程或多元地震过程中得到的。
地震数据也可以包括褶皱图214,褶皱图214包括多种已记录的地震反射数据。褶皱图214可以被用于确保高采集信噪比以及足够大的反射能量以便于后续的计算。三维地震勘测褶皱图可以是使用下列关系式来计算的:
其中,斑块(即,用地震能量进行分析的区域)的有用的表面积以及源线和接收器线间隔是从地震采集栅格213中获得的。方法100应用于:标准压缩波二维和三维地震采集;四维时间推移地震测绘术,其中随时间推移不断重复进行测量;4-C转换波多元地震测绘术,使用了压缩波(p波)源以及压缩波和剪切波(s波)接收器;以及9C全波多元地震测绘术,使用了压缩波和剪切波源以及接收器(具有压缩源和剪切的转换波或9C多元地震测绘术)。源线间隔是指路径点的连续行之间的距离,在这些路径点处将声激励发送至地面。地震采集的各种模态对于本领域技术人员而言是熟悉的在实践中,使用地震采集栅格213的采集过程记录了很大的方形或矩形斑块,这取决于感兴趣的区域,比如由矿床拥有者拥有的矿物租物。在感兴趣的区域处所获得的有用数据可以被若干种地球物理学因素补偿。例如,地球物理学因素可限制地震检波器覆盖区的最大有用半径。
作为一个示例,通过从多个振动器载重车或气枪向源点组中同时放出激励振动来移动一斑块并且记录更多的齐射,就可以在每一个次表面反射区域(被称为“面元”)上累积重叠次表面反射区并且构造统计重复。次表面图像的品质可与为次表面覆盖区的每个面元而记录的信息的统计多样性有关。例如,面元代表了包含全部勘测统计数据的三维勘测的最小区域。所获得的观察(这些观察包含来自次表层的声反射的独特的测量)的次数越多,曾引发那些观察的次表层地质配置的重新构建就越佳。术语面元与CMP(公共中点)面元是被可互换地使用的。它就是一个很小的矩形区域,其尺寸是1/2源线间隔×1/2收器线间隔且包括位于该区域内被假定属于一公共中点的所有中点。位于该面元内的所有地震轨迹将对该面元的褶皱有所贡献,并且将被CMP层叠。
用于产生常规的PSTM和PSDM体(这些体被用作到过程100的输入)的技术是本领域公知的。例如,Oz Yilmaz的书(及书中的参考文献)“Seismic DataAnalysis–Processing,Inversion,and Interpretation of Seismic Data”(第I和II卷,第1–2024页,2001年,由勘探地球物理学协会出版)讨论了始终从地震数据采集中产生PSTM和PSDM地震体的方法。在一些示例中,以一种预处理过的形式来获得地震数据,其中,用聚焦的地震信号对所述地震数据进行正确地成像,其中除去了不想要的能量(比如地震多次波),且其中真实的振幅地震处理已经保存了地震反射事件的振幅信息。
矿床数据也包括测井数据210C。针对识别出的岩石物理区,测井提供了物理的岩石性质。这些是可以从下列的井中获得的:已经在所考虑的矿床区域211上钻出的井;或者在另一个类似的矿床区域处的相似的源岩中钻出的井。测井包括声波测井、体密度测井、伽马射线测井、中子孔隙度测井以及电阻率测井。声波测井(比如偶极声波测井)也可以包括在井眼之内的压缩(p波)速度和剪切(s波)速度的采样。GeorgeAsquith和Charles Gibson的“Basic Well Log Analysis for Geologists”(第1-215页,1982年,由美国石油地质学家联合会出版,美国俄克拉荷马州塔尔萨市)及其中的参考文献提供了关于不同的测井及其关系的介绍和讨论。
测井数据可以被用于校准在已知的井处感兴趣的形成层的实际的岩石与流体性质,并且把这些性质与该已知的井的地震数据关联起来。这种测井数据也可以被用于解释在该已知的井的地震数据中发现的属性。如下文更详细地讨论的那样,通过使用来自一成矿井的地震体的地震数据,地震体的测井数据210C可以被用于预测在该地震体中的岩石与流体性质。测井数据210C可以被编辑并且针对一些问题(比如突发噪声、周波跳跃以及流体替换)被校正,或者可以按这样一种形式被获得。
矿床数据也可以包括岩石物理学数据210B,岩石物理学数据210B包括关于以勘探为目标的地质源岩(比如是通过勘探标准识别出的源岩)的类型(比如沙岩、石灰岩、白云岩和页岩)的信息。术语岩石物理学把在特定物理条件(比如压力、温度)下的岩石的地质性质(比如孔隙度、岩性、饱和度)与其相应的弹性和地震性质(比如弹性模量、速度、p波阻抗、s波阻抗)关联起来。通过使用岩石物理学建模,本领域技术人员可以从地质状况中预测弹性(地震)性质,或者使用岩石物理学反演就可以从弹性(地震)观察中预测出地质状况。此外,推导出的属性(比如脆度,被定义为岩石的压缩强度与拉伸强度之比)是从泊松比和杨氏模量中推导出的,而泊松比和杨氏模量是基于岩芯样本在实验室中测出的。脆度可以使用Vp/Vs比率(其中Vp、Vs分别表示p波和s波速度)来推导出,或者可以使用p波阻抗/s波阻抗来近似。一旦针对一矿床识别出源岩类型(即,作为潜在的烃的源的岩石),就可以获得岩石类型的基本的岩性和地质力学性质及其粒度组合的岩石物理学表格。通过现存的井的测井210C(包括针对那些现存的井而获得的地震数据),可以识别出源岩类型。岩石物理学数据210B包括按下列各方面列举的性质:声压缩波速度;剪切波速度;脆度;杨氏模量;以及横跨不同的岩相的声速变化的关系。
在115处,次表层体220的感兴趣的次表层形成层被识别以便进一步分析。感兴趣的形成层位于矿床区域211中的一矿床中。例如,次表面形成层可以包括图2所示的层225。矿床可以具有存在于次表层中的多个分离的承载烃的含油沙层区域。例如,二叠纪盆地井眼可能具有在Spraberry、Dean、Clearfork、Wolfcamp、Atoka、Strawn、Devonian、Fusselman、Ellenberger形成层内的烃含油沙层区域,所有这些需要如在115之中单独选择并且独立分析。分析100可以被用于分析在表面与地震数据所覆盖的最大深度之间的一个或多个或全部的形成层。常规的解释被用于识别地震层位或次表层反射表面,这些地震层位或次表层反射表面将上述多个次表层形成层分开。层位是被沉积环境中不同的层分开的反射层,并且该反射层是用不同的地震反射性质来表征的。这些是被二维数据中的曲线以及三维数据中的表面或相分开的。相被定义为在一些沉淀条件下形成的区别性的岩石单元,从而反映了特定的地质过程或沉淀沉积环境。从图形处理的角度来看,地震层位是在地震图像上用于描绘形成层的边沿(比如结构性的或地层的特征(比如断层)和图案)。上文提到的Oz Yilmaz的书详细讨论了用于在地震体中确定地震层位的常规方法。
在118处,矿床的地震体220中的地震数据被处理以便于体元化。体元化被定义为将地震体分解成三维体单元的计算过程,这些三维体单元接下来被分析以便得到岩石与流体性质。术语经体元化的数据涉及已经被分解成较小的三维体单元的地震体,并且还涉及与那些三维体单元的属性有关的数据。如结合图3所讨论的那样,地震数据被频谱地分解成多个分开的频谱分解。在步骤120中,将经体元化的数据频谱地分解就可以帮助确定矿床体元数据(也被称为矿床体元或经体元化的数据)的频率边界。术语矿床体元是指单个矿床体元数据,而多个矿床体元是指多个矿床体元数据。地震数据可以被分解成多个频率分离体,比如被高(比如对于岸上数据而言在80Hz和100Hz之间)、低(比如在3Hz和10Hz之间)和主振幅(比如在12Hz和70Hz之间)频率分离。
在120处,对于地震体220而言,地震数据210A被体元化成多个三维体单元(被称为体元)以便进一步分析,正如图2中的多个体元235所示的那样。在一些示例中,在120处使地震数据体元化的步骤包括:确定这些体元的尺寸与取向,这取决于所采集的地震数据的分辨率、沉积过程(这些沉积过程导致在矿物产地或盆地内的矿床区域中形成了烃储层)的地质理解以及在矿床的感兴趣的次表层岩性形成层中潜在圈闭的形成过程。维度可以被指定为下列两种:对于基于时间的地震体,x(英尺或米)×y(英尺或米)×z毫秒;或者对于基于深度的地震体,x(英尺或米)×y(英尺或米)×z(英尺或米)。在一些示例中,体元的垂直z维度被设为地震样本采集采样速率(比如0.5ms,1ms,2ms,或4ms)。采样速率越高,体元的分辨率就越高,最终,分析这些体元的结果的分辨率就越高。此外,面积的x和y维度受到地震勘测设计限制,或者受到PSTM/PSDM集合的“面元尺寸”(x×y维度)限制。在可以使用的许多地震处理算法中,地震数据在110处获得之前处理,面元尺寸在该过程中早先建立,并且最终的地震数据是面元尺寸有限的。如果在地震数据中面元尺寸是粗略的,则执行重新面元化和重新处理以产生更小的面元尺寸。如果重新处理是不可能的,则每个面元被调整尺寸为(该面元的x维度的2倍)×(该面元的y维度的2倍)×(采样速率或处理深度分辨率)。如果对于地震数据而言重新面元化和重新处理是可能的,则这些体元的尺寸可以被设为低至(该面元的x维度的0.5倍)×(该面元的y维度的0.5倍)×(采样速率或深度分辨率)。这些体元的维度决定了通过分析步骤125产生的最终属性分辨率。
在125处,经体元化的数据被分析。例如,通过使用量子谐振干涉测量术,经体元化的数据被逐个体元地分析,以确定多种属性的存在性以及地震数据中的感兴趣属性的面积的和垂直的范围。感兴趣的属性可以通过勘探标准来定义。感兴趣的属性的示例在122处被示出,并且包括:岩石性质;孔隙度;岩性;地质力学性质;脆度;流体存在性;流体(油、气、卤水、和/或水)的类型;以及各向异性。例如,对于每一个体元而言,孔隙度的百分比可以被标识,岩性特征可以被标识,并且流体的存在性可以被标识,比如水、气、或油。分析的结果可以包括每一个矿床体元的多种属性。对于一体元而言,地震数据可以被分析多次以便得到感兴趣的多种属性。结合图1-20的讨论提供了体元化的数据能被如何分析的示例。
一旦感兴趣的形成层中的矿床体元被分析,在130处就可以产生属性体。根据它们在地震体220中的原始布局,这些经分析的体元被组合,以产生一属性体,该属性体可以包括岩石与流体性质,这些岩石与流体性质被组合以找出高净含油沙层的区域或者孔隙度与流体类型(油和/或气)的有利组合。这些经分析的体元被组装成一个或多个三维属性体,图2示出了针对孔隙度的第一属性体275、针对流体体积的第二属性体280以及针对岩性的第三属性体。针对孔隙度的第一属性体示出了在感兴趣的形成层中的高孔隙度的区域。第一属性体275中的每一个被分析的体元示出了针对该体元而分析的孔隙度的程度。第二属性体280示出了在感兴趣的形成层中流体的分布。例如,气、油和水的分布可以被图示在第二属性体280中。第三属性体285示出了岩石性质(比如岩石的脆度)的分布。
在140处,储层被描绘。例如,勘探标准可以识别出期望储层所需的截止值。例如,对于孔隙度而言,可以定义一截止值,在该截止值之上感兴趣的储层被描绘出。换句话说,具有截止值之上的值的属性中所有的体元都可以作为储层的一部分被描绘。在一些示例中,截止值可以被动态地选择,这产生了不同尺寸的被描绘的储层。
在一些实现方式中,可以提供步骤140的被描绘的储层的数据以便在150处进一步处理并输出。例如,所描绘的储层的数据(包括所分析的体元数据)可以被提供给另一个处理模块,比如流动模型,以便进一步处理。在一些实现方式中,在步骤140处,确定是否所有感兴趣的形成层都已经被分析。如果没有,则针对另一个感兴趣的形成层,重复过程100的步骤120-140。在150处,如果没有其他感兴趣的形成层,则过程100继续到步骤160,其中,所描绘的储层的数据被用于产生一个或多个钻孔布置图。图2示出了钻孔布置图的示例,即三维钻孔布置图292和二维钻孔布置图,该三维钻孔布置图292标识了钻孔位置和钻孔轨迹,该二维钻孔布置图也指示了在哪里钻井。
图1所产生的输出可以被用在油气勘探与生产的各种领域中。例如,图3示出了本文所揭示的系统与技术的各种应用。例如,本文所揭示的系统与技术可以被用在油气租物采集过程330中,以提供精准的次表层绘图、估计烃形成层边界、优化矿床英亩数并且最优地提取烃并钻井。此外,通过确定次表层特征,本文所揭示的系统与技术可以被用在地震勘测设计333中,这种设计有利地引导了如何采集附加的二维、三维和多元地震数据或设置参数以实现高质量成像。例如,使用现有的老版本数据,可以分析多种使用老式的地震测绘术钻出勘探井或补偿井的储层性质,以形成新的勘测与设计质量地震数据和最佳频谱从而对潜在的结构/地层圈闭、复杂的裂纹和非共形的岩性进行成像。
此外,本文所揭示的系统与技术可以被用于勘探新的井。例如,对于端对端的可用的地质工艺的、地质的、地层的和地质地震的数据可以执行分析,以发现储层,表征形成层边界、孔隙度和性质,形成净含油沙层模型,并且推荐钻井目标并减小干井风险。此外,井轨迹和井眼偏差可以被设计成:使来自不整合面与裂缝的采收率达到最大。此外,本文所揭示的系统与技术可以被用于在正生产的或被证明的矿物产地中定位开发井。例如,可以确定用于放置补偿井的位置,以使采收率达到最大,并且使成本有效地引流这些烃形成层所需的井的数目达到最小。通过设计钻孔和注入侧坑道以最大程度地引流有生产能力的形成层和多区井含油沙层,本文所揭示的系统与技术可以被用于增强目前正生产的井,从而延长储层寿命和采收。
如在320中,本发明在图1-20中所描述的方法可以被用于:在矿物产地的原生、次生、增强的烃采收和重新形成过程中,或者在重新进入已封住或废弃的老井或现有的井的延长深度时,激活并增强各种溯流而上的油和气,以发现新的烃生产源并且找到被绕过的和错过的烃的矿穴。
图4示出了次表层储层圈闭的示例,在上文结合图3所描述的油气勘探的每一个阶段中都可以使用本文所描述的系统与技术分析这些次表层储层圈闭。按照传统,储层表征已经是一种主观的过程,其结果高度依赖于地球物理学解释人员的经验和才能、地震处理的品质以及形成层的复杂性。此外,岸上与离岸形成层的类型是多样化的和复杂的,从而迫使分析人员基于特定形成层类型(比如结构性区带、地层区带、或像盐丘那样的复合圈闭)、地质盆地以及资源区带(比如二叠纪盆地、巴肯页岩、或墨西哥湾)的经验来区分它们。
结构性圈闭是通过储层岩石的变形而形成的,比如背斜或断层,例如,背斜、正常的断层圈闭、秃顶式背斜、倒逆的断层圈闭、有断层的背斜、倾斜断块、圆盖、逆断层上的拖曳断层、破裂的储层、生长断层上的滚动背斜、滚动背斜上的背斜式或次级相向断层。地层圈闭是通过储层的沉积而形成的,比如矿脉或河道或储层岩石的侵蚀。示例包括堡礁、环礁、塔礁或斑礁、生物礁、角度整合面、细长-沙石沟道、扶壁或上超沙地、鱼卵岩浅滩、花岗岩冲积物以及向上倾斜变薄的沙石地层。复合圈闭是通过结构性的和地层的元素而形成的。这些包括盐丘(以及覆盖的丘和断层)、盐丘盖岩石、盐丘翼圈闭、向上倾斜相变、压实背斜、次生的或区域构造的白云石。
图4示出了这些形成层中的三个形成层的示例,即,结构圈闭410、复合圈闭420和地层圈闭430。示出了每一个形成层,具有针对这些形成层而获得的地震数据的示例性图形描绘:结构圈闭地震数据411;复合圈闭地震数据421;以及地层圈闭430。有多种类型的油与气的形成层,每一个形成层具有独特的地震数据。
每一个形成层的地震数据是通过下面的岩石、流体和岩性属性(比如孔隙度和流体类型)来定义的。在打钻之后从测井和岩心分析数据中可以获得相似的属性,这需要获取岩石样本并且执行详细的实验室分析。
通过将储层表征过程的基本交替的重新表述指定为弱信号检测问题,本文所揭示的系统与技术能够确定孔隙度、表征岩性并且表征流体。量子谐振干涉测量引擎被配置成:利用非线性量子随机谐振现象,将地震数据中的弱信号作为高噪声和高干扰环境中对噪声的扰动来进行检测。
常规的地球物理学处理除去了噪声;但是本文所揭示的系统与技术利用了地震数据内的低(比如3-10Hz)和高(比如80-119Hz)频低dB噪声振幅中的细微变化来增大分辨率。这些低频和高频振幅中的变化可能是非常小的,并且本发明使用了基于软件的量子谐振干涉测量引擎,该引擎具有噪声注入计算,例如,该引擎被实现成Vialogy公司的Virtual VibeTM以从非烃承载岩性中分离出烃。
例如,各种结构形成层的油与气勘探目标(比如图4所示的那些)被表述成使用谐振干涉测量术来解决的弱信号处理问题。对于结构圈闭410而言,结构圈闭地震数据411被分析以检测结构圈闭并且检测油饱和的量,比如在40%以上的油饱和。断层附近的地震数据被分析,以用油-水接触边界来检测烃承载岩性。这种烃岩性被视为用谐振干涉测量引擎分析的地震数据中感兴趣的信号,所有其它的岩性被视为噪声。
对于复合圈闭420,复合圈闭地震数据431被分析,以检测多孔的和可渗透的第三纪沙石,这些沙石围绕着盐丘向上倾斜。孔隙度沟道中的某一百分比以上(比如10%以上)的孔隙度被谐振干涉测量引擎视为复合圈闭地震测量411中感兴趣的信号,所有其它的相都被视为噪声。对于地层圈闭430而言,地层圈闭地震数据431被分析,以定位具有碳酸盐的塔礁。层叠的沙石或页岩层内的孔隙异常被谐振干涉测量引擎视为被分析的地层圈闭地震数据中感兴趣的信号,所有其它岩性都被视为噪声。
将很广的矿床与形成层特定问题重新表述成特定的弱信号处理目标的能力能够将本文所揭示的系统与技术应用于范围很广的油与气的问题,包括:形成层的类型;形成层的复杂度;岸上与离岸的井;新的矿物产地(使用模拟)和现有的矿物产地;数据模态(有源/无源的,比如三维/多元地震测绘术;永磁力-地球的;重力的)。此外,用于多个形成层的各种油与气钻井或采收率挑战可以作为弱信号处理问题提出,并且使用本文所描述的系统和技术解决。
图5示出了在针对感兴趣的形成层将地震数据体元化之前用于处理一矿床的地震数据的流程图500的示例。在503处,针对感兴趣的形成层,获得地震数据。地震数据可以采用下列形式:叠前时间或深度振幅偏移体。偏移是这样一种地球物理学过程,地球物理学事件(即,声反射能量的变化)在空间或时间中被几何地重新定位到在次表层发生该事件的位置而不是在表面处记录过该事件的位置,由此产生了次表层的精准图像。偏移算子是地球物理学领域公知的,并且被应用于时间域和空间域中,以分别产生时间振幅和深度振幅体。这两者之间的差异是该偏移算子能多恰当地表示上述速度模型。
通过应用时间偏移算法(比如Stolt偏移、Gazdag偏移、有限差偏移),在503中的地震数据可以被获得。深度偏移算法的示例包括Kirchoff偏移、反向时间偏移、高斯波束偏移以及波动方程偏移。在505,针对一振幅体,确定体积振幅频谱。例如,在低频振幅谱(比如3Hz–10HZ)、高频振幅谱(80Hz–130Hz)以及主频振幅谱(比如12Hz–70Hz)中,可以分析该振幅体,以使用谱分解技术来独立地估计并预测储层岩石和流体性质,这需要将地震信号分解成其各个组成频率。与地震采集硬件设置512有关的经完全处理的地震勘测振幅体包含了能够被用于该特定勘测的检波器/水听器记录下来的频率。
在地震勘测中,以地震波前为形式的地震能量(比如声能)向下传播至次表层中,并且在每一个岩性相和地质边界(比如不整合面、岩层边界等)处该地震能量就被反射、折射、和/或吸收。此外,当地震波前传播至下面的沉积物中时,它就衰减了,从而地震波前的频率内容随深度而减小。例如,高频被更佳地保留在地表附近,被更占主导的较低频率“淹没”。在实践中,频谱分解按不同的分立的频率间隔来评估地震响应。例如,较高的频率对较薄的岩层进行成像,而较低的频率对较厚的岩层进行成像。尽管本领域已知来自薄岩层的地震反射具有在用于表示其时间厚度的频域中的特征表达,但是地震响应是非独特的,并且衰减无法被归因于特定的属性。
步骤505-560描述了一系列频谱分解操作,以在感兴趣的形成层处按这些振幅的不同的信噪比来估计所采集的地震数据的带宽,并且将该带宽或处理过的地震数据划分成三个区域,即高频区域、低频区域和主振幅(大部分地震能量集中于该主振幅处)。
岩石与流体性质计算的物理学寻求分析下列影响:
1.烃/流体饱和–是基于低频处的地震反射振幅中的频谱能量衰减(或吸收)而被区分的。这些低频振幅被常规地震处理方法视为噪声,并且被滤除。
2.Vshale(被定义为页岩的体积,被表达为十进制分数或百分比)。Vshale是从高频振幅中很小的放大中估计出的。这些高频振幅被常规地震处理方法视为噪声,并且被滤除。
3.孔隙度属性是基于高频噪声中的散射而被区分的。这些高频振幅被常规地震处理方法视为噪声,并且被滤除。
4.脆度–一种地质力学性质,是基于低频与高频噪声中的相变而被确定的。这些低频与高频振幅被常规地震处理方法视为噪声,并且被滤除。
频谱分解在530中被用于将地震体带宽划分成高和低频属性。在一个实现方式中,在频谱分解过程中考虑的频率带宽包括低至-24dB的振幅。将上述三个区域分开的频带的具体情况取决于在实际的属性计算过程中所使用的量子谐振干涉测量引擎的参数,正如结合图8和10中的量子谐振干涉测量引擎828所描述的那样。根据量子谐振干涉测量引擎的参数,上述三个区域的分离边界是在520被确定的。在530所产生的频谱分解地震体之间的地震振幅中具有2dB到4dB的分离的优点是:它减少了在处理序列中为了准备地震数据110而使用梯形小波(比如Ormsby)所引入的伪像。作为示例,上述三个区域的分离边界可以在520被确定如下:主频振幅区域中的带宽可以包括在-6dB之上或在-10dB截止值之上的反射振幅;在比所获得的地震数据的中心频率低的频率上,低频振幅可以被设置在[-12dB或-16dB]与[-22dB或-24dB]之间;以及在比所获得的地震数据的中心频率高的频率上,高频振幅被设置在[-16dB]与[-22dB或-24dB]之间。在覆盖附加的10-12dB的频带与振幅之间的2dB或4dB分离滤波器产生了多达附加的4Hz至20Hz的数据,这取决于地震数据的采集品质?
如果数据已经被除去噪声或者是进行了带通处理的,如在516中那样,则这些频谱分解不是有效的,并且需要使用未应用频率滤波的处理工作流程来重新处理503中的地震数据。如果已经使用噪声衰减频谱增白对110中的地震数据进行预先处理,正如在514中那样,这增宽了或均衡了该信号的频谱从而使它相似于白噪声频谱,则频谱分解间隔必须被延长以获得在-20dB到-40dB区域中的低和高频频谱分解从而抵消因频谱增白而导致的非预期的噪声功率增大。这是在频谱增白操作被应用于叠前地震轨迹以增强信号与噪声振幅时被执行的。此外,频谱增白所产生的小波的频率内容中的逐个地震轨迹的变化是不期望有的效果,这是本方法在170中产生的输出,要被用于驱动振幅对偏移(AVO)、振幅对角度(AVA)处理、或者关于储层的时间推移研究。尽管通过在延长的低频和高频振幅中工作所得到的关于分辨率增益的数据很有限,正如在516中那样,就像使用本方法进行的经验研究中所示的那样,垂直的分辨率可以显著地增大,甚至翻倍。例如,在典型的勘测(被显示成对于-10dB以上的振幅具有10Hz到50Hz带宽)中,使带宽延长至4Hz到90Hz能有效地使垂直分辨率翻倍。
在502,在体积振幅谱中确定分离边界。在一些示例中,频率范围可以被设置成:低频范围(“LowF”),覆盖了上述体积振幅谱中最下面的5个百分点;高频范围(HighF),覆盖了上述体积振幅谱中最上面的5个百分点;以及主要振幅区域(“PrimeAmp”),覆盖了上述体积振幅谱的中间的8到92个百分点。与质量控制(QC)过程所要求的数据品质相比,这有益于对分辨率执行灵敏度分析,这些质量控制(QC)过程被应用于本方法所产生的输出。
在530,针对不同的频率范围,确定多个截止值。作为该步骤的结果,针对每一个地震层位,产生三个经SEGY划分的体积。根据目标孔隙度范围,从一个或多个频率范围体中提取多个矿床体元。作为示例,如果感兴趣的孔隙度期望小于8%-10%(比如,对于一些石灰石、白云石形成层而言)或者地质体是不连续的或地层地层叠的,则对于孔隙度确定而言HighF体积是较佳的。如果孔隙度被期望是很高的并且在较大的范围中发生变化(比如>15%),则PrimeAmp是较佳的。如果在矿床区域上孔隙度期望具有非常小的可变性(小于2%-3%),则可以使用LowF。
在540,对于QC以及检查孔隙度计算过程的一致性(连续性)而言,所有这三个区域都是很重要的。如果上游处理序列无法保存频谱,则HighF体积的使用是较佳的。从频谱分解的结果中推导出的频带受限频率体被用作到体元化过程的输入。在没有除去噪声的情况下产生的地震体是较佳的。尽管选择了频率受限体,但是重要的是要确保在图9A-9D中的岩石物理学模型和地震数据噪声被推导且被优化至相同的频率范围中。
在560,被划分的地震体被输出以用于体元化。
过程500允许将地震数据转变为一种表示,该表示允许采用在高频与低频振幅中的细微变化,这些细微变化在常规过程中会被视为噪声且会被滤除。通过将图5和6中的处理过程集中在最佳的输入数据上,针对感兴趣的形成层确定岩石和流体性质过程中的错误就减小了。
图6针对图1中的110处所讨论的矿床列举了一些次表层体(比如次表层体220)及其分类。这些次表层体可以被分析有没有潜在的感兴趣的形成层,正如图1中的115所讨论的那样。这些具体地驱动了图5中的单元503。这些输入可以被宽泛地分成六个类别,包括叠前时间或深度偏移集合610、原始地震集合620、叠后地震或深度偏移集合630、地震轨迹属性640、体属性650以及体块属性660。
在610,叠前时间(PSTM)或深度偏移(PSDM)地震集合是通过常规的二维、三维、或多元地震处理序列获得的,这在本领域中是公知的。在图1和2的一些示例中,较佳的是,用于地震集合610的处理序列:保留了振幅;保留了频谱;保留了相位;移除了地滚波和其它形成层外的相干噪声;使用了高密度断层摄影栅格来估计速度;按采集采样分辨率来处理数据;并且除去了经高度频谱衰减过的地震轨迹。
根据图1,630的叠后时间或深度集合可以被处理,但是,在一些示例中,过程700中所描述的体元化过程引入了伪像。
根据图1的过程100,可以处理原始集合620。在一些示例中,在实际钻孔之前试着预计钻孔输出时,原始地震集合最好用在证实模式中。如果成矿井已经被定位于该矿床处(期望使用本文所描述的系统和技术或者使用另一种常规方法和第二个人的意见,以看看可预期有什么样的结果),则原始地震集合630或已采集的原始地震轨迹可以被用于估计在该成矿井处的岩石与流体性质。
使用包括小波属性的叠后地震轨迹属性640之一或其组合就可以推导出到220的输入,瞬时属性642(比如瞬时相位体或主导频率或包络响应体)可以根据本文所揭示的系统和技术被用于回答专属于结构性地层和相模式的问题。有超过50个标准的几何的与基于小波的叠后属性,这些属性可以是用商业软件包产生的。其它地震轨迹属性包括衰减Q属性体642以及频谱分解属性体646。地震轨迹属性640可以根据本文的系统和技术被用于改善特定属性的信噪比或者聚焦于具有感兴趣的矿床的子区域。
体属性650包括全体属性,比如阻抗反演652(即同时的叠前反演)。体属性650也包括局部倾斜/方位角654,当在新位置处预测储层性质时,实际上占据了该矿床中感兴趣的每一个位置周围的相邻地震的子集。体属性650也包括空间相似度656,这可以被用于凸显地震体中细微的不连续,这些细微的不连续源自断层和复杂的倾斜。体属性650可以被用于对图1中的160处所产生的结果进行质量控制,还可以被用于找出具有已知的结构挑战的储层,比如复杂的倾斜。体属性650也可以被用于分析碎屑状的或沙石储层,这些储层包括叠层、沟道沙以及沙坝。
在660的更复杂的叠前推导属性(比如AVO属性,包括AVO截距、AVO梯度、AVO曲率和导数,这些是本领域技术人员已知的)、频谱对散射能量成像属性664或方位角-分区属性666可应用于分析复杂的碳酸盐、断裂储层以及具有已知的各向异性的矿床。与610的PSTM/PSDM体相比,它们提供了更高的信噪比,并且也集中了随机噪声。
可以按照像SEGY这样的工业格式来产生次表层体,并且所产生的次表层体被用作输入以便进行图1中的进一步处理。如果630、640、650、或660中的任何属性被用作输入,正如在220中那样,则需要详细的处理工作流程脚本以理解如何构建这些属性、在其产生过程中所使用的算法参数以及可以被应用的任何平滑算子。
图7示出了用于使感兴趣的形成层的地震数据体元化的过程700的示例。离岸或岸上的矿床可以具有在不同深度处的若干个形成层,这些形成层被假定含有烃。例如,多形成层地质截面可以具有多个烃形成层,比如Grayburg沙石(在5000英尺处)、在6200英尺深处的ClearFork、8300英尺深处的Spraberry、9800英尺处的Wolfcamp碳酸盐、12600英尺处的Atoka石灰石。在本示例中,通过使用图7中的过程700,每一个感兴趣的形成层被独立地分析和处理。在705,例如,从地震体中感兴趣的多个形成层中选择特定的感兴趣的形成层(比如“Clear Fork”)。对于选定的感兴趣的形成层,确定边界地层(比如顶部和底部地层)。地层是在地震图像上的边缘,或者形成一垂直的截面。通过使用常规自动地层拾取软件程序,基于一种或多种技术(比如常规反射振幅、相干性属性、阻抗反演、或谱分解),就可以确定上述边界地层。通过使用声波测井推导小波或垂直地震分布(VSP)或交叉钻孔地震以人工地挑选感兴趣的形成层的顶部和底部地层,也可以确定上述边界地层。在一些示例中,在110获得的地震数据可以是从另一个地球物理学或岩石物理学软件应用程序或另一计算设备中获得的,其被预先处理过从而确定了顶部和底部地层。在一些示例中,地震地层可以是使用诸如下列的地震属性来推导的:反射振幅体;振幅对偏移(AVO)属性体(梯度、截距、流体因素等);振幅对角度(AVA)体;瞬时相位;等等。这些属性中的一个或多个可以是输入到上述体元化过程700。从起始的叠前时间偏移(PSTM)集合体或叠前深度偏移(PSDM)集合体中可以推导出630、640、650和660中所列举的所有的地震属性。根据结构复杂性、或形成层各向异性(断裂),PSTM/PSDM集合可以被各向同性地或各向异性地偏移。
在710,感兴趣的形成层的体元大小被设定。例如,使用12.5m乘以12.5m乘以10m或25m乘以25m乘以1ms的体元尺寸,通过将上述数据重新栅格化和重新处理成12.5m乘以12.5m,就可以分析具有1ms采样和25m乘以25m面元大小的PSTM体。垂直深度或时间维度被设为体元深度的采样分辨率。实际的地震轨迹被重新采样至5倍的采样间隔。此外,该体被重新面元化成2倍的普通深度点(CDP)分辨率。CDP表示用于倾斜反射器的普通反射点以及使用地震采集勘测所产生的复速度场。出于计算和成本的原因,有可能以CDP面元分辨率、甚至使用2*CDP乘以2*CDP乘以采样分辨率来继续使用这些体元。
在一些示例中,尽管地层确定足够精准,但是在720地层上方和下方的警戒区被形成了。警戒区被用于抵消上游的处理误差、次最佳的统计方案、处理器到处理器可变性、和/或地震速度模型估计的多种限制,这些都可能导致705中的输入体的不精确性。地震速度模型是次表层中给定位置的配对(时间/深度、速度)的列表,其中已完成了速度分析。通过使用本文所揭示的系统与技术(比如图1中125的分析),各种属性(比如感兴趣的形成层的孔隙度连续性性质)的分析产生了结构上更精准的储层属性体,这些体具有修改的地层边界。
基于感兴趣的形成层的厚度,可以选择720中的警戒区。例如,如果感兴趣的形成层小于20ms(以时间测得的深度)或200英尺总厚度(以英尺测得的深度),则警戒区可以被分别选择为+/-8ms或+/-40英尺以确保地层事件限制差错和很小的极性偏移被解决。如果感兴趣的形成层大于20ms总厚度或大于200英尺,则警戒区被选择为地层厚度的20%。对于小形成层(小于60英尺厚),两个警戒区被设为一组合厚度,该厚度至少匹配于该形成层厚度(至少是100%)。
在一些示例中,对于比10,000英尺浅的深度,警戒区厚度可以被确定为是地震速度模型估计误差边界的上边界的10倍,这在地震数据的PSTM/PSDM处理期间被报告过;对于更深的深度,则是该速度估计误差的20倍,以补偿成像误差。此外,假定在地震地层形成过程中恰当地解释了形成层倾斜和结构复杂性。
在730,一旦警戒区已被建立,则通过使用压扁算子,包括警戒区的地层可选地被压扁至固定的时间/深度数值,以产生压扁的板层。在一些示例中,740的分析也可以继续使用未压扁的感兴趣的形成层,该形成层具有上边界和下边界以及警戒区。地层压扁(通过时间或深度移动)是标准的实用程序操作,大部分地球物理学软件包中都有。
在740,地震轨迹被内插。地震轨迹代表了当声能从源穿过次表层到达接收器或接收器阵列时弹性波场对岩石或沉积层的界面上的速度和密度对比度的响应。压扁的板层中所有的地震轨迹(PSDM/PSTM地震体的组分)被内插从而以采样速率的5倍报告振幅。对于板层中的地震数据(该地震数据具有低分辨率勘测,且处理采样速率是2ms),实现了按照PSTM/PSDM处理采样速率的10倍进行重新采样。
在750,在具有压扁地层的感兴趣的形成层中,提取了多个体元。板层中的地震数据中的普通中点(CMP)集合被划分成“微小面元”以允许按照常规勘测设计分辨率的2倍、3倍、或4倍上调面积分辨率来进行处理。对于3D地震勘测而言,大面元尺寸是较佳的,并且被设计成满足空间混叠标准,该标准是由下式给出的:
其中,v是最小速度,
f是地震信号的最大频率,
并且ξ是最大反射器倾斜。
地震轨迹被层叠在微小面元之内。面积分辨率可以随地震数据的高补偿采集而增大,以增大面积分辨率。通过组合来自多个微小面元中的多个地震轨迹的振幅,构建了多个体元。在任何层叠之前,基于普通深度点(CDP)面元化的栅格被确定大小,以容纳每个体元至少4个(2X2)用户确定尺寸的微小面元。在面积维度方面,体元尺寸的示例可以是42.5’X42.5’和21.25’X 21.25’。在垂直(时间或深度)维度中,体元尺寸的示例可以是2ms、4ms、8ms(即8’、16’、20’深度)。地震轨迹被内插至0.4X采样时间,比如0.4ms(针对2ms采样的采集)。在750,通过使用软件处理将体元边界所包含的地震振幅复制到一数据结构中,将感兴趣的形成层的整个压扁的地层(在上和下地层警戒区之内)提取成目标大小的体元。这些体元预设了空间和时间分辨率,按该分辨率分析一形成层。通过单独体元的迭代分析(一次一个体元),确定储层属性。对于750提取的每一个体元,螺旋展开算法被并入本文中作为参考,该算法来自Gulati的美国专利7,466,851。
在760,将3D体元数据结构转换成地震振幅的1D数据矢量。尽管可以使用行与列展开,正如并入本文中的Gulati的7,466,851中那样,但是行展开是较佳的,以使混叠效应达到最小。
图8A示出了使用量子谐振干涉测量处理来分析经体元化的数据的工作流程800的示例。结合图8A所描述的机器(比如激励级联引擎807、RI处理器831、井控制体元数据工厂、干涉测量耦合器833和计量器839)代表了图1中的125处所执行的分析的示例。这种机器可以由计算设备(比如数据处理装置)来实现。例如,该机器可以被实现成计算机代码,当被处理器运行时就执行与该机器相关联的多种功能。在一些示例中,该机器可以被实现成计算机模块,这些模块接收输入并且产生输出。这些计算机模块可以被实现在数据处理装置上。在一些示例中,由该机器所实现的功能可以是由多个计算设备来执行的,比如多个通过网络而连接的计算设备。
工作流程800具有多个输入,这些输入包括:从PSTM或PSDM振幅体上的谱分解中获得的体元数据805;地震噪声数据814;岩石物理学测井数据,这包括孔隙度数据817;岩性数据820;流体性质数据823;以及计算机生成的合成噪声842。当输入的体元数据具有感兴趣的属性(比如感兴趣的岩石和流体性质)时,计算机生成的合成噪声842驱动谐振干涉测量动力学,这导致了谐振。
体元数据805可以是有限长度的一维输出矢量,包括空间频率振幅,是由图7中所示的过程760产生的。因为感兴趣的形成层的体元的输入体元数据805可以是很短的一维谱序列(这些序列的长度可以是小于200个数据点),所以它们也被称为谱碎片。
对于每一个体元地震数据而言,体元数据包括来自特定的谱分解的地震振幅,即图5中的560处获得的LowF、HighF、或PrimeAmplitude体积。根据几何序列,图8A中的机器可以逐个体元地分析感兴趣的形成层中的体元的体元数据805。可以使用各种几何序列。例如,该序列可以从任何形成层隅角开始,并且可以通过行为主穿行或列为主穿行来继续,或者通过深度为主取向来继续。在一些示例中,直接从地理3D任意定形的主体中选择一体元以便分析。
在一些示例中,可以设计一种序列以隐含地捕获该体元在该感兴趣的形成层之内的地址和/或精确的坐标和取向。在一些示例中,在图1的步骤120,上述体元的体元数据的副本被制作,此处所分析的体元数据可以作为一属性体被输出。在130,上述体元的体元数据的分析的结果作为副本被往回写到相同的位置。体元输入和结果的这种镜像的读-写操作确保了体元的地址被精确地保存了。
地震噪声数据814包括来自低频带和高频带之外的振幅的噪声模型,这些低频带和高频带是在560中获得的并且被用于储层属性的计算过程。这些低频带和高频带是通过图9-11所详细描述的过程而推导出的,以确保该噪声模型使用在低频和高频信息之外的信息,所述低频和高频信息是在体元的体元数据中被分析的。图8A-8B示出了用于确定地震噪声数据814的过程的示例。干涉测量引擎828在下文中会被更详细地讨论,可以具有高达100倍的经校准的信噪比增强。然而,干涉测量器引擎828的校准取决于被分析的体元的振幅。例如,对于在-16dB到-22db范围中被分析的体元的振幅而言,在图9-B到9-D所示的噪声模型设计阶段期间,被图8B-8D所处理的噪声频带的噪声功率的输入值与-16dB到-22dB信号功率振幅分离得很好。当各种分贝范围被分析时,干涉测量引擎828可以被重新校准(比如,像结合图26和27中的框图所讨论的那样)。
测井可以选自类似的现有的井(比如与被分析的地震数据相同的矿床中的那些井),或者可以选自其它非本地的井(具有相似的岩石类型、相似的形成层和相似的圈闭构造,正如被分析的地震数据所来自的区域)。如上所述,测井数据包括类似的现有的井的孔隙度数据817、岩性数据820、流体数据823(比如类型与流体饱和)以及岩石性质数据824。来自这种测井的次表层部分被分析以形成一参考模型,该参考模型是关于在感兴趣的形成层中可以预期什么样的不同范围的孔隙度、Vshale百分比和流体类型的模型。类似井的测井可以包括伽马射线测井、中子测井孔隙度、偶极子声波测井以及电阻率测井,这些测井代表了该井中的次表层部分。测井部分可以显示出该类似井的岩石与流体性质的可变性。在一些示例中,在感兴趣的区域中,这些测井部分可以是10英尺厚、16英尺厚、或32英尺厚,分别对应于1ms、2ms、或4ms的采样分辨率。
体元及其属性是由体元数据来定义的。测井数据被一井控制体元工厂826处理。井控制体元工厂826产生井控制体元数据827。井控制体元数据(比如美国加州Pasadena市的ViaLogy公司在QuantumRD 3.0中所使用的体元井)及其属性也是通过井控制体元来定义的。井控制体元数据包括指示感兴趣的属性的数据,该数据是从源中推导出的而不是从产生感兴趣的形成层的矿床体元数据805的地震数据中推导出的。例如,在图8A中,通过使用具有已知属性的已知井的测井,从地震数据中提取感兴趣的属性的井控制体元数据。换句话说,这些井控制体元是从类似井的井眼中的地震数据中提取的。使用归一化的激励级联变换,该井控制体元数据可以被转变成一维矢量,这种变换产生了在其能谱密度和实际的属性值之间的单调关联,正如在图13A-13D中所描述的那样。例如,通过使用与图7中相同的过程,井控制体元数据可以被转变成一维矢量,以产生输出760。
图13A-13D示出了一种用于处理测井数据以产生感兴趣的属性(比如孔隙度、Vshale、流体饱和以及脆度)的井控制体元数据827的过程的示例。例如,对于感兴趣的属性(比如孔隙度),能谱密度是从一个或多个类似井中的声波部分中获得的以识别已知孔隙度的位置。然后,那些位置所对应的地震数据是基于已识别的位置而被识别的。井控制体元是从声波部分所对应的地震数据中提取的。例如,在井控制体元数据工厂826中,声波测井被用于估计感兴趣的区域(比如在类似井中具有期望孔隙度的区域)的声阻抗变化。小波核函数(比如雷克子波)被用于在与傅里叶变换的空间频率带宽相似的频率间隔上使声波测井参数化,该傅里叶变换被实现在807中使体元数据转变成激励级联的过程中,该807被用于形成760中的输入数据的一维体元。小波核函数使用相同的谱分解,该谱分解产生在805中被体元化的振幅体(即,如图5的步骤540所示那样)。经校准的井控制体元数据代表了小波模型的傅里叶变换的能谱密度,该小波模型被用于对826中的声波部分进行参数化和建模。能谱密度描述了空间频率矢量的能量(该能量是从井控制体元数据工厂中所使用的小波中推导出的)是如何随频率而分布的。构建井控制体元数据的方法是在图12中描述的。
如果f(t)是平方可积有限能量信号并且该信号的谱密度Φ(ω)是该信号的连续傅里叶变换的幅值的平方,则
其中,ω是角频率(普通频率的2π倍)并且F(ω)是f(t)的连续傅里叶变换,并且F*(ω)是其复共轭。
因为对于声波测井部分而言被用于对属性存在事件(正如声波测井部分中所看到的那样)建模的小波核函数的空间频率是离散的且具有值fn且涉及数目无限的元素,所以用于井控制体元数据的能谱密度是由下式给出的:
离散傅里叶变换可以被用作有限长度的小波核函数。能谱密度是空间频率的函数,而非时间的函数。
矿床体元数据805被激励级联引擎807转变成一维谱矢量,然后被归一化以形成体元数据805的归一化的激励级联。根据220中所选择的输入地震体以及540中所选择的谱分解,归一化补偿了振幅值的高可变性。图12A示出了在808如何确定激励级联的示例。图12B示出了如何基于能谱密度使激励级联归一化的示例。
然后,由量子谐振干涉测量引擎828来分析归一化的激励级联811,比如由美国加州Pasadena市的Vialogy公司在QuantumRD 3.0中产生的“QRI引擎”。量子谐振干涉测量引擎828包括量子谐振干涉测量处理器831("RI"处理器),用于处理地震噪声数据814和井控制体元数据827以产生诸如量子表达式函数(“QEF”)831的谱数据。图8是在QEF的上下文中被讨论的,然而,涉及工作流800的系统和技术可以是在使用任何谱数据(包括QEF)时被使用。QEF包括在用于推断感兴趣的属性存在所必需的阈值之下的复杂噪声。例如,QEF可以包括经周期性调制的合成噪声,该合成噪声是使用地震数据噪声814而构造出的,而地震数据噪声814被合成有色噪声调制并且通过实现量子随机谐振(QSR)动力学的量子谐振干涉测量处理器831处理。
量子谐振干涉测量处理器831通过使用量子力学模型的主速率方程组合了地震噪声数据814和井控制体元数据827以产生例如双稳态量子函数,并且通过量子谐振干涉测量引擎来驱动这种组合。RI处理器831如何产生QEF的示例是结合图14以及图18进行讨论的。在美国专利6,963,806、7,571,056和6,780,589中进一步详细描述了QEF的其它示例,这些专利的全部内容都被并入本申请中作为参考。
干涉测量引擎也包括干涉测量耦合器833,该干涉测量耦合器833将归一化的激励级联811与RI处理器831所产生的QEF耦合起来,使用合成噪声842来驱动该耦合。该合成噪声(比如白噪声或有色噪声)可以是通过随机数字发生器来产生的。例如,随机数字的序列可以被产生并且被调节成落在均匀标度之内。该标度是由截止边界来定义的,比如井控制体元数据的能谱密度的平均值的+/-10%,该井控制体元数据是使用不具有感兴趣的属性的测井部分推导出的。缺乏感兴趣的属性的井控制体元数据是由负的控制体元数据定义的。从具有感兴趣的属性的测井部分中推导出的井控制体元数据是由正的井控制数据来定义的。根据感兴趣的输出,使用图13A、13B、13C或13D的流程,获得了在噪声设计中所使用的负的控制体元数据。在图11中,在1122处干涉测量耦合器被初始化时,可以设置该截止值。后续的初始化可以产生不同的截止值,用于找到在那些不同的截止值处的谐振。这可以被用于维持谐振的单调性。合成噪声的示例是一随机数字序列,产生该随机数字序列是为了指示平均井控制体元数据的10%的能谱密度。干涉测量耦合器833使用量子力学模型来重复地耦合归一化的激励级联与QEF以产生量子随机谐振。例如,核磁共振(“NMR”)主速率方程可以被用于产生QSR。由干涉测量耦合器833所执行的基于NMR的QSR实现方式的示例被呈现在图17和21中。在一些示例中,QSR也可以是使用自旋玻色子模型、光学腔模型和SQUID模型来实现的。美国专利7,567,876、6,780,589和6,920,397描述了量子力学模型的示例,这些专利被并入在本申请中作为参考。
干涉测量耦合器833代表了在矿床体元数据与一表达式函数之间的主动非线性耦合,该表达式函数是使用合成噪声与地震推导噪声的组合来设计的。计算的目的是跟踪输入的矿床体元数据与表达式函数是否能够耦合以产生被命名为谐振事件的新信息。这种用于产生谐振的干涉测量耦合可以被实现成使用在矿床体元数据与在本文中被定义为表达式函数的任何谱数据类型之间的非线性交互作用。可被用于实现表达式函数以产生谐振事件的非线性算子包括随机谐振、量子随机谐振、量子谐振干涉测量、单调位势算子、准线性椭圆差分算子、角边界算子、Galerkin算子、非线性信息过滤器以及扩展的卡尔曼滤波器。实现非线性嵌入函数的任何半组算子也是可以使用的。
如果在体元数据的归一化的激励级联中发现感兴趣的属性,则当该感兴趣的属性的QEF函数与归一化的激励级联相耦合时将出现随机谐振836。谐振836可以指示该特定的感兴趣的属性的存在。在一些示例中,正如图17所描述的那样,干涉测量耦合器实现了一种主速率方程,该方程描述了能够呈现NMR的系统的与时间有关的演变。当因量子隧穿事件而出现谐振时,如833内所模拟的那样,在836中输出作为一谐振事件被记录并且被报道。此外,经转变和增强的数据矢量在833中被输出。增强的数据矢量是通过833处的干涉测量耦合的归一化的激励级联的修改的结果,该结果具有来自831的QEF。计量器839实现了均方根振幅求和以产生被分析的体元的谐振振幅。计量器839可以确定当谐振振幅值是在预先建立的阈值之上时在该体元中发现了感兴趣的属性。此外,在839,谐振数据可以被量化,以产生在该体元中发现的感兴趣的属性的量的指示。例如,839中的谐振可以指示在从感兴趣的形成层中的特定区域中推导出的体元中存在油、气、或水。
图8B示出了图8A中所描述的用于计算感兴趣的形成层的孔隙度属性体和高亮部分的工作流程的示例,这些孔隙度属性体和高亮部分是在预先规定的孔隙度阈值之上(比如20%),正如在8160中那样。根据图1中的过程100,处理输入数据8110(包括在时间或深度中的叠前偏移地震反射率振幅体8112或者8114中的声阻抗地震反演)以在120处产生多个体元。此外,反射率体8112和/或声阻抗地震反演8114是使用图5和图7的方法500和700来提取的,并且在激励级联引擎808处被转变为归一化的激励级联,正如结合图8A所讨论的那样。此外,通过使用图13A所描述的方法1300,测井部分8135是从获得输入数据8110的同一矿床中的井中推导出的,以形成孔隙度井控制体元数据。对于感兴趣的测井部分,设计噪声8130是组合上述合成噪声与井控制体元数据的结果。设计噪声8130代表了在组合地震噪声与井控制体元数据以形成一模型的过程中RI处理器831的输出,该模型被干涉测量耦合器833用来分析从输入数据8110中推导出的体元数据。地图8160代表了从单独的体元结果组件的结果中推导出的孔隙度-立方体体的垂直部分,正如160所预计的那样,并且进一步是通过使用图19A中所描述的孔隙度工作流程将839的结果组合起来而实现的。
图8A中的QRI处理器831组合了从地震噪声数据814(该地震噪声数据814是从PSTM/PSDM集合或图6中所标识的其它属性的谱分解中推导出的)中所推导出的振幅与相位信息以及井控制体元数据827,以向干涉测量耦合器833产生量子表达式函数(“QEF”)。干涉测量耦合器833耦合了输入的体元数据805(该数据已经在811中被转变成与QRI处理器831所输出的一维QEF矢量输出相同的一维表示和矢量长度)以产生指示存在感兴趣的储层属性(比如孔隙度)的谐振。814的地震噪声数据设置了一个能谱密度阈值,干涉测量耦合器833的输出必须超过该能谱密度阈值以产生一谐振事件836。该阈值被规定成指示地震数据中有没有一属性值是在该感兴趣的属性的阈值之上。激励级联引擎808和QRI处理器831的输出在干涉测量耦合器833中组合起来以产生增强的数据矢量,并且与谐振事件一起提供了感兴趣的形成层的岩石或流体性质的检测与量化的基础。
图9A示出了用于确定地震噪声数据814的过程9100的示例。在9105,获得了被划分的地震体。例如,图5中的过程的结果实现了谱分解计算过程以在低频、高频和主振幅区域中产生被划分的地震体560,它们是到噪声设计过程9100的输入。这些也被称为谱分解体。过程9100被独立地应用于低频、高频和主振幅区域以产生低频、高频和主振幅地震噪声,其中之一根据振幅体输入9105(也被称为感兴趣的谱分解体)的本性被用在图8A中所规定的过程流程800中。例如,低频噪声被用于确定流体饱和或流体的类型(油、水、或气)。高频噪声被用于计算Vshale以产生岩性属性。
此外,在9108,获得了被考虑的矿床的目标分辨率。这是由客户要求、地质情况、和/或对矿床的了解情况而设置的,受到地震数据采集硬件设置和地震勘测设计限制。在一些示例中,在9108处所获得的分辨率要求可以与510、512、514和516中设置的一样。对于感兴趣的属性(比如孔隙度)而言,目标分辨率可以包括目标面积分辨率以及目标垂直分辨率。
在9108处,通过使用来自该矿床上已知的类似的井(这些井不满足感兴趣的属性的截止阈值标准)的区域,获得了井控制体元数据。例如,通过使用图13A中所描述的过程,在孔隙度工作流程(实现该工作流程以估计一形成层范围的孔隙度)中,孔隙度的值的期望范围是在5%和20%之间,其孔隙度低于5%的测井的部分被用于获得井控制体元数据。如先前定义的那样,通过使用不包含感兴趣属性的井中的井控制体元数据所获得的井控制体元数据被称为负的控制体元数据。
在9110,频带受限体区域被选择。被划分的体被子频带化成很小的频带,以估计在被划分的地震体中的振幅灵敏度和相位灵敏度变化。一旦灵敏度分析9110完成了,噪声即可被恰当地设计成与负的控制体元数据振幅相一致,从而驱动感兴趣的属性的计算过程。
在9120,振幅走廊(corridor)被确定,以估计被划分的地震体的体元数据振幅中的变化,这种变化是因固有的地震噪声而导致的。这为将要被用于噪声设计的振幅提供了多种参数,该噪声设计被量子谐振干涉测量处理器831和1022使用。在9160处,相位走廊被确定。这为噪声设计的相位提供了多种参数,该噪声设计随后将被量子谐振干涉测量处理器831和1022使用。
步骤9110、9120和9160在图9B、9C和9D中被更详细地描述。步骤9110、9120和9160确定了在一些感兴趣的条件下805中的所有矿床体元数据的振幅的变化,并且确定了在相同的感兴趣的条件下地震划分体中的振幅的相位极性的变化。在矿床上的井的具体区域中的被划分的地震体的振幅与相位这两者的可变性被用于形成在图8A和图10中所使用的地震推导噪声814。例如,如果图17A中的孔隙度属性工作流程的目标是要找出孔隙度在4%之上的区域,则孔隙度低于4%的测井部分被用于形成噪声振幅与相位参数。
在9108,使用瞬时谱振幅与相位属性而计算出的地震推导噪声中较高的谱保真度能够使地震岩石与流体属性的分辨率较高。合成小波被用于对照测井进行测试,以建立解析特定深度的空间特征所必需的频率边界。例如,在感兴趣的形成层深度处100Hz左右的频率可以解析分开16-20英尺的那些地震反射。
步骤9110、9120和9160使用子频带化操作来分析地震划分体的子频带(这是使用Gabor-Morlet变换方法的变体来实现的,可在常规的地震处理软件工具中得到),从而产生窄带分析性轨迹。为了不同的原因,在9110、9120和9160中执行子频带化操作。为了分析在被划分的地震体中地震振幅变化和地震相位变化中的变化的频率灵敏度,执行9110中的子频带化。9120和9160中的子频带化被执行,以形成走廊或最大值变化,这是可以容忍的,因为有随机的形成层中的地震噪声。应用Gabor-Morlet变换方法而获得的每一个窄带滤波输出的振幅与相位代表了该轨迹的窄带部分的平均振幅与相位。从被划分的地震体中推导出的子频带窗口或子频带之间的2Hz到4Hz分离是用户设置的一个示例。通过使起始的划分体的频率带宽除以子频带窗口,就导出子频带的数目(k)。然后,k-Gabor-Morlet核函数被应用于整个被划分的地震体以产生k-子频带轨迹。子频带轨迹体被用在9120和9160处,以输出ζ-振幅和相位走廊,正如图9-B和9-C(代表了9160和9140的细节)所详细描述的那样。
在图9B中,振幅走廊是使用在9110处所产生的子频带体来选择的,以执行灵敏度分析并评估噪声强度的变化。如果在形成井控制体元数据所使用的井的测井部分中能谱密度是不变的,则通过重新组合子频带体振幅(如上所述应用Gabor-Morlet变换方法而产生的)来选择一振幅走廊。
在9250处的输出建立了上述子频带,这些子频带将在9170被用于噪声振幅和噪声相位参数计算过程。
在9210处,使用了标准的复数离散小波变换(CDWT)。对于本领域技术人员而言,CDWT分离了地震数据中的角度信息和极性标度。通过将小波系数分别投影到正频率和负频率上,就获得了CDWT变换的方向性。经变换的数据导致了复数小波变换,其实部和虚部之间是准正交关系,并且该复数小波变换具有很强的方向选择性,这对于确保足够的能量与方向选择性是很重要的。CDWT被应用在9210处,以产生多个(某一整数k个)子频带。一旦子频带已产生,则作为示例那些分开2Hz或5Hz的子频带就被用于评估噪声灵敏度。
在9220,归一化的振幅属性被计算并且被用作瞬时相位属性的计算过程的输入,该计算过程输出在地震划分体内的地震轨迹的瞬时相位角的余弦。9220中的操作放大了压缩地震波传播的相位成分,该压缩地震波传播导致地震勘测中所获得的反射振幅。因为9220提供了相位速度的估计,所以它没有振幅信息并且很适合噪声设计。
如在9230那样,在矿床上的井周围选择感兴趣的区域,以感兴趣的形成层为目标,且该感兴趣的区域是在该井的+/-5CDP(公共深度点)面元之内。在9240,9220的瞬时相位体的值被平滑化。步骤9220的输出的导数是通过计算瞬时加速而实现的,并且被检查以确保所得到的导数的值是在很小的间隔上,该导数是谱分解中的振幅的一分数(比如在+/-50%之内),该谱分解被体元化以估计图1中110的岩石与流体属性计算。如果9240的瞬时加速体中的振幅是在上述+/-50%限值之外,则钻井列表被修改以消除具有高“信号内容”的测井部分。如果9250满足了用于找到在不具有感兴趣的属性的矿床体元数据的+/-50%之内的振幅(比如在截止值之下的孔隙度)的条件,地震数据可以被用于设计噪声。
图9C描述了一种用于估计噪声振幅以设计9100中的地震噪声的过程。在9310,通过使用与9110中所用的一样的子频带化变换对子频带进行重新组合,就选择了轨迹子频带走廊。在9320,经重新组合的子频带体是经Hilbert变换的,并且该输出的实部和虚部在9330和9340分离。这是通过应用复数巴特沃思滤波器在时域中实现的。该滤波器的实部(零相位)产生了地震轨迹的实部,由此确保了上述实部与虚部这两者都将具有相同的谱特征。频带受限的巴特沃思滤波器是一个示例性的滤波器,它满足了Hilbert变换的频带受限要求。上述复数轨迹的虚部具有与实部完全一样的振幅谱。实的和虚的轨迹被用于产生在图9C所描述的分析中所使用的实部与虚部。
在9350,小波包络算子被应用,以评估经Hilbert变换的实部的可变性从而形成9340。针对9340中所产生的子频带体,计算该包络的最大值处的瞬时振幅值。并行地,针对9310的子体,计算瞬时带宽。9350中的Hilbert变换输出的实部也被用于计算该实部的残差。在9370,瞬时振幅被组织以产生一直方图,在9380该直方图被用于计算噪声的残差。在一些示例中,比残差噪声振幅的2%或5%更低的百分比可以在9360中被用于获得上述噪声体。
在图9D中,通过使用9410中所产生的子频带体,来选择最佳的轨迹走廊。在9410,包络调制相位属性被计算。瞬时相位的强度代表了轨迹包络大小。它被用于评估强事件的相位变化,而没有较弱事件的干扰(就像在瞬时相位体中那样),反之亦然。它放大了波传播的相位分量。在9420,瞬时相位属性被计算,并且其归一化的振幅被用于评估相位灵敏度。在9420,归一化的振幅属性被计算,以产生瞬时相位角的余弦。9420中的操作放大了波传播的相位分量。因为它提供了相位速度的估计,所以它没有振幅信息并且很适合噪声设计。
在9430,包络属性相对于时间的二阶导数被计算。9430的结果捕获在地震带宽之内可见的所有反射界面。因为该属性按传统被用于地震分析中以评估岩性的陡然变化并且显示出事件的陡然性,所以它有效地捕获了该数据中的不连续性。
在9450,包络属性的时间导数也是从地震子频带体中计算出的,以评估相位传播性质。作为9450的输出,凸显与地震能的吸收有关的上升时间的陡然性,在处理相位传播的过程中它是更有效的。
9450的结果在9460被再次子频带化,以理解该数据中的相位可变性。在9440,使来自包络二阶导数属性的强度关联于在感兴趣的区域中的测井的附近所推导出的井控制体元数据。如果这种关联是很低的(比如低于20%),则包络二阶导数可以被处理以与井控制周围的地震相联系。一旦在使用图9C和9D时噪声相位和噪声振幅走廊是可用的,则上述结果被组合以提供驱动量子谐振干涉测量引擎和干涉测量耦合器所需的噪声。噪声振幅和噪声相位的这些体具有在其属性中的有用的解释性的性质;可以参与断层/各向异性分布。来自9380和9450的结果在9170被组合,以设计被量子谐振干涉测量处理器所使用的噪声,从而关于输入的不特殊的体元数据产生谐振。
图10描述了用于感兴趣的属性的提升或上调分析的过程,该分析是从一个面积/垂直(时间和/或深度)地震分辨率提升或上调到更高的分辨率;并且为了产生多标度储层属性(即,在图1中所描述的工作流程的相同或不同迭代中的多种分辨率处的输出),其中岩石或流体性质的相同的属性体是按多种分辨率来产生的。这被执行以能够实现不同的应用,比如:(i)消除打钻位置的风险;(ii)驱动储层流动和储层状态模型;(iii)执行地球统计应用;(iv)设计断裂/水力裂缝分析协议;(v)计划用于增强的油/气恢复的水/二氧化碳/氮气注入;(vi)解决储层生产或烃流动问题;和/或(vii)执行烃储层的大小确定。
例如,图1中的过程100的输出可以帮助管理生产并且作出关于在哪些区域上进行下一次打钻的决定或者在哪些井上完成将来生产的决定。过程100的输出也被用于驱动储层模型软件仿真以作出操作决定(这些决定是本发明之外的),并且其输出是通过流程100而产生的。外部储层模型可以是按不同的分辨率同时运行的计算。通过使用粗地震分辨率来输出较高分辨率从而驱动储层模型软件仿真,图10中的过程流程可以被用于产生多分辨率输出。因为大多数储层模型与栅格化的单元一起工作或者使用三维体单元表示来管理并存储储层属性(这些属性接下来被用于管理并作出针对感兴趣的或正在生产中的形成层的工程或操作决定),所以来自图10的更精准的提升的储层属性(包括孔隙度、Vshale和流体饱和度)以可以被外部储层模型软件仿真直接使用的格式以及面积/垂直分辨率输出用于体元的结果。
作为一个示例,图10的过程能够使用垂直维度中的粗地震分辨率获得输入,从而以接近上述起始的测井分辨率来产生体元输出839。图10所执行的提升的示例将是使用地震振幅体作为输入,分辨率是55英尺乘以55英尺乘以2ms时间面元(或55英尺乘以55英尺乘以30英尺深度)且测井是在2英尺采样处,以提供用于体元的输出,该输出被提升至27.5英尺乘以27.5英尺乘以0.5ms时间(或27.5英尺乘以27.5英尺乘以10英尺深度)。图10能够实现提升。另一个RI处理器1022被用于将归一化的激励级联输出811转变成具有不同性质的不同分辨率。其它RI处理器1022使用与量子谐振干涉测量引擎828中的RI处理器831所使用的那些参数和输入不同的初始化参数和输入处理器。结果,RI处理器1022按比体元数据805更高的分辨率来产生体元输出。结果,图10所示工作流程1000所产生的输出将不同于没有RI处理器1022时的工作流程。
如上所述,通过激励级联引擎808,体元数据805被转变成一维谱矢量并被归一化。RI处理器1022将归一化的一维谱矢量与合成的宽带有色/随机噪声1024组合起来,并且通过RI引擎来驱动该组合的结果,该RI引擎使用了利用QSR动力学数据的量子力学模型(比如美国加州Pasadena市的ViaLogy公司在QuantumRD 3.0中所使用的“Virtual Vibe”)。例如,NMR模型可以被用于将该合成的宽带有色/随机噪声与上述一维谱矢量组合起来。与RI处理器831中所使用的相比,一种不同的量子力学模型可以被用在RI处理器1022中。加州Pasadena市的ViaLogy公司所生产的QuantumRD 3.0使用了基于NMR的实现方式以实现RI处理器831。作为一个示例,该合成的宽带有色/随机噪声的均匀缩放间隔被设为匹配于负的控制体元数据805的平均能谱密度振幅的10%。
在一些示例中,RI处理器1022被引入以增大谐振事件836的稳健性并且防止感兴趣的属性被有噪声的或低品质的地震数据中的高振幅影响或者受获得体元数据的地震轨迹中的数据中的频率周期性影响。例如,由激励级联引擎808所产生的激励级联中的周期性有可能触发谐振事件836。这对于识别流体标记物而言可能是一种挑战,图13C中描述用于确定流体性质的流体标记。此外,通过RI处理器1022运行归一化的激励级联可以被用于检测掩埋在输入体的边界附近的弱信号(即-22dB左右或-24dB左右)。
RI处理器1022也用作一种预调节机制,该预调节机制通过向与感兴趣的岩石或流体性质直接有关的某些频率提供定形,来对被引入干涉测量耦合器833中的一维归一化激励级联进行预调节。例如,低频与流体饱和估计有关。所以,RI处理器1022可以被配置成增强例如3HZ或4HZ窗口中的振幅。RI处理器1022提供一种独立程度的控制以使图1的工作流程偏移至对于特定的岩石与流体性质而言更重要的频谱区域。在一些实现方式中,多个RI处理器(比如RI处理器1022)可以被引入,以接收1022的输出作为一输入并且进一步调节该输入以产生多个输出,这些输出产生更高的频率或更高的分辨率属性。
图11示出用于建立谐振事件836的单调性的过程1100。例如,当通过干涉测量耦合器833来实现谐振时,过程1100被应用以完成谐振事件834。在1110,体元数据(比如由激励级联引擎所产生的一维谱矢量)被获得,以便通过上述过程1100进行处理。在1122,耦合器被初始化。在初始化的过程中,合成有色噪声842的强度的初始截止边界(即阈值)被设置。例如,该截止边界被设为在过程100中的118处的输入地震数据中的矿床体元数据的平均强度的一分数强度。例如,合成噪声824是使用随机数字发生器算法来构建的。被用作合成噪声截止边界的一分数的示例是被划分体的强度的10%的缩放强度。
在1120,干涉测量耦合器被运行以产生谐振。如果在1125没有实现一谐振,则该体元的体元数据在1160失效,这意味着没有针对该体元建立稳健的谐振事件,并且因此该体元没有呈现出感兴趣的属性。失效的体元在1150被组装成一体元组件1150,该体元组件1150具有一指示,指明了针对该体元没有感兴趣的属性。这些结果被写入与推导出该体元数据的输入体中相同的体元地址(即相同的位置、取向和尺寸)。在1110,针对另一个体元,重复该过程1100。
如果在1125实现了谐振,则判定在1130是否已经建立了谐振事件的单调性(比如持久性)。例如,判定在该体元的足够多数目的截止边界处是否已经找到谐振。如果不是这样,则截止边界被调节(比如增大)至不同的截止边界。例如,该截止值可以被翻倍,比如通过从被划分体的强度的10%增大至20%。用经调节的截止边界使耦合器在1122处重置,并且重复上述过程。
如果在1130,针对该体元建立了单调性,则该体元在体元组件中被组装,该体元组件具有一指示,指明了针对该体元确定了稳健的谐振事件,由此对于该体元而言发现了感兴趣的属性。通过根据过程1100建立了单调性,谐振被视为是稳健的并且不是体元数据中的噪声的伪像或被添加到干涉测量耦合器842的外部合成噪声842的伪像。在一些示例中,当在三个不同的截止边界处(比如在10%、20%、30%处)实现了谐振时,就建立了单调性。在1110,针对另一个体元,该过程1100继续。
图12A-12B描述一种用于产生激励级联数据并使其归一化的过程,其输出被表达为一维数据矢量,在使用图8A和图10中针对每一个体元而详细描述的过程来计算孔隙度、Vshale、流体饱和与脆度属性的过程中使用了该一维数据矢量。例如,图12A和12B提供了可以被激励级联引擎808执行的过程的示例。产生激励级联输出的过程取决于被分析的矿床体元属性,因为取决于所考虑的属性它使用了不同的正的井控制体元数据和负的井控制体元数据参数1235。
图12A的过程如下。在1215,通过使用展开操作,在1210利用图7的过程700所获得的输入的体元数据被转变为一维数据矢量。从用于管理工业标准SEGY标记中的地震数据组的三维数据结构中提取的数据是作为一维数据矢量被产生的。展开的变体可以被应用于转变数据。例如,展开的类型的一些变化在美国专利7,466,851中讨论,该专利被并入在本申请中作为参考。在一些示例中,通过使用行-为主(逐行地按x维度行进,然后在时间或深度中的每一个连续的层)、或列-为主(逐列地按y维度行进,然后在时间或深度中的每一个连续的层)、或向外旋转(按顺时针或逆时针序列,从矿床体元数据的中心或角落开始,然后在增大时间或深度的过程中向外且向下旋转或者在减小深度或时间的过程中向上旋转),在地震数据处理中所使用的展开可能需要三维体元中的数据元素的遍历以转变成一维数据。与图13A-13D中相同的方法也被用于从正的控制体元数据和负的控制体元数据中产生激励级联。为了标记,在三维体元边界之内所包括的地震轨迹面元被称为“微型面元”,以将它们与CDP面元区分开,而CDP面元则对应于PSTM/PSDM地震体或地震属性体中的地震轨迹位置,正如图6中那样。如果多个体元使用多个CDP面元,则微型面元可以对应于CDP面元。
在一些示例中,展开以将三维矿床体元数据转变为一维矢量是顺时针向外螺旋遍历的,该遍历是从三维体元的左上角(比如地理学的西北)开始的,按在增大时间/深度时向下的每一时间或深度层。对于只具有2乘以2个轨迹微型面元的体元而言,这意味着为每一个连续的层从上到下写入左上角、右上角、右下角和左下角(或者在地震数据的SEGY表示中时间或深度增大地)。向内螺旋方法被用于其微型面元数目大于2的那些体元。该方法也适用于奇数数目的面元。或者,向外螺旋方法也可以被用于具有奇数个微型面元维度(比如3乘以3或5乘以5)的那些体元,从体元层的中心中的位置处开始。在1215的三维体元展开的输出导致了一维数据矢量,该一维数据矢量具有在每一个微型面元位置处的地震振幅值。
在一些示例中,起始的地震振幅板层可以被体元化成具有与地震地层的顶部相对应的体元中心。对于大多数矿床而言,在设计一体元时,2乘以2CDP面元的体元大小以及深度或时间中的5个采样点是较佳的,根据目标空间分辨率用5或10的因子对时间和深度维度进行重新采样。所以,在按1ms或2ms分辨率进行采样的地震数据的一维起始数据矢量中,从1215输出的经一维转变的输出具有2乘以2乘以5乘以5即100个数据点;或者,在按4ms或更高的分辨率进行采样的地震数据的起始一维矢量中,具有2乘以2乘以5乘以10即200个数据点。
在1225,该一维矢量(最初包括来自应用于PSTM或PSDM集合体的频带受限谱分解过程的地震振幅)接下来被傅里叶变换成空间频率的一维矢量。基于在所有的x、y、z维度中的三维体元数据中相邻的数据元素的关系和周期性,放大空间频率。感兴趣的属性的井控制体元数据参数(是使用图13A-13D所描述的方法产生的,并且在1220被维持)被用于将上述一维数据矢量划分成k-RMS-频带(均方根),其中k至少是1且小于从矿床体元数据中推导出的一维数据矢量的长度的一半。对于不同的感兴趣的属性,使用图13A-13D的过程来确定k的值。此外,k-rms-频带代表了在1215针对每一个感兴趣的k-频带计算一维矢量中的谱成分的振幅的均方根的结果。如在1230那样,所有的k-rms-频带的能谱密度被计算。
步骤1240-1255描述了一种或多种调制变换,在1225需要对经谱变换的体元数据执行这些调制变换以产生激励级联,其中能谱密度值满足了在井控制体元数据产生过程中所确定的条件。如在图2中那样,调制核函数的表示和类型是通过该矿床的岩石物理学输入而被确定的。对于不同的源岩石类型(烃的源),比如沙石、白云石、石灰石、粉砂岩,调制核函数是不同的。
这些调制核函数在1235被部署用于抵消如下事实所导致的不确定性:受限的(即使在该矿床上有大量的井)井控制无法总能捕获下面的源岩粒基质(例如白云石)的完全的可变性与复杂性,并且地震反射仅仅捕获了形成层的整体性质。针对不同的配置(比如页岩-石灰石-页岩或者燧石-白云石-燧石),对于高/低/主要振幅频率(“模型”)中不同的相变,维持一小波核函数库(比如使用Ricker或Ormsby小波)。这些相代表了由井眼中的声波测井所成像的变化的声阻抗边界。该方法使用了井-控制/类似物来评估在识别核函数中的矿物产地专属可变性,这些识别核函数就像小波核函数那样可以分离不同频域中的地震相。此外,每一个识别核函数的能谱密度(或功率谱密度)被计算。通过使用岩石物理学手册-表格(该手册-表格提供了实际的实验数据,用于测量不同的岩石成分和颗粒大小的p波、s波速度中的变化),可以建立“不确定性边界”。在1240,基于井控制品质的分析(来自测井联系的地震-合成),能谱密度或推导出的功率密度度量被计算,这是从感兴趣的任何谱分解中的地震数据中恢复出“岩石识别核函数”所必需的。在1245,该一维谱数据与库1235中的岩石识别核函数(被表示成标准合成小波核函数的参数)进行卷积。一旦来自库1235中的合适的核函数与1225所产生的输出进行卷积,则在1255计算所得的能谱密度。将1255所产生的结果与在感兴趣的属性的井控制体元数据设计过程中使用1250所设置的能谱密度标准进行比较。如果没有达到能谱密度的足够大的阈值,则从1235选择另一个核函数并且重复上述过程。如果需要不止2次卷积以将能谱密度增强至在井控制体元数据设计过程中所设置的阈值,则在1225所产生的体元谱矢量被重新采样并且被内插以使该长度翻倍,例如,从1215所设置的100个数据点的长度变为200个数据点。在1250所需的迭代的次数也是在图13A-13D的井控制体元数据设计过程中被设置的。图12A所示的过程的结果是在1260被输出的,并且被标记为激励级联1260。
图12B示出了一种归一化过程的示例,该归一化过程被应用以准备并调节激励级联以便引入至图8A和图10中的干涉测量耦合器833。在12170,因为从中推导出这些体元的起始的地震数据的振幅是不同的并且可能在实数空间中非常大的域内取值,所以所有的数据被均匀地重新缩放至比如[-1.0,1.0]或者另一个范围[-F,+F],其中F是实数。接下来,在12180使用来自储存库12185的调制参数,用周期性的信号对在12170所获得的经重新缩放的激励矢量进行频率调制。这可能需要根据一输入(即激励矢量)按其频率的变化进行正弦载波的编码,以强调瞬时频率的变化。此外,如果这些事件匹配于测井中所看到的那些,则来自体元数据的激励级联数据的瞬时频率中的细微变化被用于产生谐振。作为一示例,来自12185的调制参数可以被选择,以将瞬时频率增强因子10。这种调制的结果(也被称为在正弦载波上加载该数据)在12190被输出。
图13A示出了如何形成孔隙度专属井控制体元数据的示例。在将图8A和图10的孔隙度测井数据817转变成827的井控制体元数据的过程中,可以形成井控制体元数据。井控制体元数据的参数(作为13170的输出且是通过图13A中所描述的过程而建立的)被用在图8、图10的实现方式中,且也被用在图12A中的激励级联的计算过程中。在不同矿床中的不同形成层中,不同的孔隙度范围是感兴趣的。通过图17A所描述的孔隙度工作流程或孔隙度-立方体工作流程(具体地在17101和17105),建立在图13A中考虑的矿床的感兴趣的孔隙度标准。一旦感兴趣的孔隙度范围17105被指定,则图13A的过程形成了用于图12A的变换矿床体元数据的参数,且这些参数与孔隙度属性的计算有关。基于矿床地质模型,垂直分辨率被建立,如在13102那样,用于分析测井和地震数据。来自矿床或类似物上感兴趣的井中的中子孔隙度测井的深度部分在13104被分析以区分测井子部分,这些测井子部分将被进一步分析。这可以包括地质测井归一化、岩石物理学归一化以及有效的孔隙度计算过程,由此不同的井(这些井是由不同的公司在不同的时间使用不同的技术和测井工具来钻井和测井的)被归一化,从而使得这些部分可以被有效地比较。在13104,归一化的或尚未去除归一化的以及归一化的测井可以被用作起始点。对于感兴趣的形成层的有效孔隙度,可以使测井归一化。例如,如果目标形成层需要确定Goen石灰石的孔隙度,则参考测井需要被预先处理至特定的有效石灰石孔隙度。
在13110,在提取出的孔隙度测井部分上的形成层截止值被建立,以确保通过使用由测井公司所实现的标准过程与质量控制对这些形成层截止值进行恰当地归一化。形成层截止值的示例将是范围[2%,18%](美国得州中心的二叠纪岩石)、或[8%,36%](美国俄克拉荷马州中的Frio沙)、或[11%,48%](西非离岸矿物产地中的上新世沙石)。在13110,图13A中的过程可以按任何感兴趣的间隔进行工作。
在13120,针对在13104被输出的井眼中的区域,声波测井部分被提取。在13120,建立声波测井部分限值,并且被复制的测井部分以及感兴趣的部分之内的孔隙度值作为(起始深度、孔隙度)成对的元组被提取。因为相同的深度范围被用于图13A-13D中所有的过程,所以结束深度不被指定。示例深度部分是8英尺、16英尺、10英尺、16英尺、32英尺、或其度量等价值(对于遵循米制公约的矿床而言)。
声波测井部分是在13120被提取的,以完全密封住该测井部分阻抗(或声速变化)。例如,如果16英尺部分被用于测井分析以设计孔隙度示例,则32英尺声波部分可以被提取,使得16英尺测井部分位于该声波部分之间。如果声波与测井部分是相同的大小并且被顶部或底部对准,则也可以使用提取13120。如果双极声波是可用的,则针对p波(压缩)速度和s波(剪切)速度重复在13120的提取。在一些示例中,经补偿的声波是较佳的。如果声波不是可用的,则可以使用像Gardner的公式那样的关系式从其它测井(比如密度测井)中近似出声波。在13120,如果针对参考井尚未获得声波测井,则可推导出声波测井的任何方法都可以被用于实现上述提取。如果多个井是可用的,或者如果该井已经遇到大厚度的感兴趣的形成层,则多个参考测井部分和相应的声波部分被获得。这些井和声波测井部分被分选且按照增大的顺序排列以形成多个组。通过使用直方图构建方式,多个测井部分被组织在多个组中或多个孔隙度-面元中,以覆盖在13110建立的孔隙度的范围。一个示例是组[0-4%,>4%-8%,>8%-12%,…,>24%-28%]。
在13130,通过使用小波分析,从包含孔隙度测井部分的相应的声波测井部分中提取出底层的小波。通过使用多属性软件数据结构(比如列表或n维数组),使声波部分与测井部分相关联。在13130所使用的提取的初始小波被选择成匹配于针对谱分解所选择的相同的频带宽。尽管使用高频谱分解体是实现本方法的最佳模式,但是孔隙度属性计算过程也可以对主振幅或高频或全谱地震数据实现,如在110那样。
在13140,计算每一个声波部分的能谱密度,并且重新安排该能谱密度,以形成能谱密度对增大的孔隙度-面元的线图。在13150,功率谱密度或任何功率度量(可使在13130推导出的小波参数减小至一标量数字)可以被用于实现该检查。
在13150,检查被执行,以观察小波参数(用于对声波部分中的信息进行编码)的能谱密度或备选的标量表示是否是具有正斜率的线性的,并且与孔隙度测井相对应的不同部分是否被很好地分离开并且容纳属于不同井的不同测井部分中的变化或标准偏移。如果在13150所产生的结果显示出线性,则在13170输出这些参数以用于形成井控制体元数据且也用在激励级联引擎808中。如果这些部分没有被分离开,则在13130的结果与另一个核函数(该核函数来自图12A中的岩石物理学库1235)进行卷积。在13155,相同的库被维持且被表示。在13160,13155的来自调制函数库中的岩石物理学调制核函数之间的卷积被实现。
在卷积之后,通过使用小波变换(比如Ricker或Ormsby),所得的数据被再次参数化。步骤13140、13150被重复,直到线性被建立。13155的从调制函数库的每一个新核函数的选择也被用在811处所示的T1-TN步骤中,以实现激励级联。在13170的输出的满意产生以及线性测试的完成暗示着:一致的井控制被用于将井数据联系到地震划分体并且校准地震属性。使用多个核函数以实现能谱密度中的线性或者实现有关的标量测量(每一个核函数代表了更高的空间频率维度)足以(但非必然)使多个井处的联系达到最佳。如果在5次或6次卷积中无法建立线性,则可以从该过程中丢掉一些测井部分以抵消测井可能有误的可能性,或者一些井代表了岩石物理学的、结构的、或地层学的非均匀性、或次最佳的井归一化。在量子谐振干涉测量引擎和干涉测量耦合器迭代期间,使用经卷积的矢量的能谱密度将测井联系到地震划分体的线性图的充分性提供了离井眼很远的孔隙度预测的精确性。
图13B示出了当在单元827把图8A和图10的岩性(比如伽马射线)测井数据820转换成测井控制体元数据时如何形成Vshale专属测井控制体元数据以分析岩性的示例。Vshale是岩性的量化表示,并且对于结构的、地层学的以及组合储层的沉积类型的碎屑而言特别有关。测井控制体元数据的参数(作为13270的输出且是通过图13B中所描述的过程而建立的)被用在图8、图10的实现方式中,且也被用在图12A中的激励级联的计算过程中。在不同矿床中的不同形成层中,不同范围的Vshale是感兴趣的。通过图13B的方法所考虑的矿床的感兴趣的Vshale标准是通过图17B中所描述的岩性工作流程(具体地在17201和17205)而被建立的。
一旦感兴趣的Vshale范围17205被指定,则图13B的方法提供用于形成图12A中的过程的变换的参数的方法,该方法与Vshale属性的计算过程有关。基于矿床地质模型,垂直分辨率被建立,如在13202那样,用于分析测井和地震数据。来自矿床或类似物上感兴趣的井中的伽马射线测井的深度部分在13204被分析以区分测井子部分(即感兴趣的参考区域),这些测井子部分将被进一步分析。这可以包括地质测井归一化、岩石物理学归一化以及有效的Vshale计算过程,由此不同的井(这些井是由不同的公司在不同的时间使用不同的技术和测井工具来钻井和测井的)被归一化,从而使得这些部分可以被有效地比较。基于矿床地质模型,垂直分辨率被建立,如在13102那样,用于分析测井和地震数据。对于感兴趣的形成层的有效Vshale,可以使这些测井归一化。例如,如果目标形成层需要确定Wilcox沙石的Vshale,则参考测井需要被预先处理至有效的Vshale比率。
在13210,在提取出的伽马测井部分上的形成层截止值被建立,以确保通过使用由测井公司所实现的标准过程与质量控制对这些形成层截止值进行恰当地归一化。形成层截止值的示例将是范围[10%,90%](美国得州南部中心的Wilcox沙石)、或[30%,70%](美国俄克拉荷马州的Vickersburg沙)、或[5%,95%](印度尼西亚离岸矿物产地中的上新世沙石)。在13210,图13B中的过程可以按任何感兴趣的间隔进行工作。
在13220,针对截止区域,声波测井部分被提取。建立了测井部分限值,并且测井的多个部分被复制,感兴趣的部分之内的Vshale数值作为(起始深度、Vshale)成对的元组被提取。上述计算过程也可以在伽马射线强度值中实现,如来自测井中那样,而无需将它们映射到Vshale。在这种情况下,所得的体积将是伽马射线预测算子,与Vshale预测算子相对。因为相同的深度范围被用于图13A-13D中所有的过程,所以结束深度不被指定。示例深度部分是8英尺、16英尺、10英尺、16英尺、32英尺、或其度量等价值(对于遵循米制公约的矿床而言)。
声波测井部分是在13220被提取的,以完全密封住该测井部分阻抗(或声速变化)。例如,如果16英尺部分被用于测井分析以设计Vshale示例,则32英尺声波部分将被提取,使得16英尺测井部分位于该声波部分之间。如果声波与测井部分是相同的大小并且被顶部或底部对准,则也可以使用提取13220。如果双极声波是可用的,则针对p波(压缩)速度和s波(剪切)速度重复在13220的提取。在一些示例中,经补偿的声波是较佳的。如果声波不是可用的,则可以使用像Gardner的公式那样的关系式从其它测井(比如密度测井)中近似出声波。在13220,如果针对参考井尚未获得声波测井,则可推导出声波测井的任何方法都可以被用于实现上述提取。如果多个井是可用的,或者如果该井已经遇到大厚度的感兴趣的形成层,则多个参考测井部分和相应的声波部分被获得。这些井和声波测井部分被分选且按照增大的顺序排列以形成多个组。通过使用直方图构建方式,多个测井部分被组织在多个组中或多个Vshale-面元中,以覆盖在13210建立的Vshale的范围。一个示例是组[0-10%,>10%-20%,>20%-30%,…,>80%-90%,>90%,100%]。
通过使用小波分析,基于Vshale属性,从相应的声波测井部分(对应于在13204所选择的测井部分)中提取出底层的小波。通过使用多属性软件数据结构(比如列表或n维数组),使声波部分与测井部分相关联。在13230所使用的初始小波被选择成匹配于针对谱分解所选择的相同频带宽。更具体地讲,在110,Vshale计算过程可以针对主要-振幅或高频或完整谱地震数据实现。
在13240,计算每一个声波部分的能谱密度,并且重新安排该能谱密度,以形成能谱密度对增大的Vshale-面元的线图。在13150,功率谱密度或任何功率测量(可使在13250推导出的小波参数减小至一标量数字)可以被用于实现该检查。
在13250,检查被执行,以观察小波参数(用于对声波部分中的信息进行编码)的能谱密度或备选的标量表示是否是具有正斜率的线性的,并且与Vshale测井相对应的不同部分是否被很好地分离开并且容纳属于不同井的不同测井部分中的变化或标准偏移。如果在13250所产生的结果显示出线性,则在13270输出这些参数以用于形成井控制体元数据且也用在激励级联引擎808中。如果这些部分没有被分离开,则在13230的结果与另一个核函数(该核函数来自图12A中的岩石物理学库1235)进行卷积。在13255,相同的库被维持且被表示。在13260,来自13255的岩石物理学调制核函数之间的卷积被实现。
在卷积之后,通过使用小波变换(比如Ricker或Ormsby),所得的数据被再次参数化。步骤13240、13250被重复,直到线性被建立。13255的从上述库对每一个新核函数的选择也被用在811所示的T1-TN步骤中,以实现激励级联。在13270的输出的满意产生以及线性测试的完成暗示着:一致的井控制被用于将井数据联系到地震数据并且校准地震属性。使用多个核函数以实现能谱密度中的线性或者实现有关的标量测量(每一个核函数代表了更高的空间频率维度)足以(但非必然)使多个井的联系达到最佳。如果在预定次数(比如5次或6次)的卷积中无法建立线性,则可以从该过程中丢掉一些测井部分以抵消测井可能有误的可能性,或者一些井代表了岩石物理学的、结构的、或地层学的非均匀性、或次最佳井归一化。在量子谐振干涉测量引擎和干涉测量耦合器迭代期间,使用经卷积的矢量的能谱密度将测井联系到地震数据的线性图的充分性提供了离井眼很远的Vshale预测的精确性。
图13C示出了如何形成流体饱和专属井控制体元数据以分析流体性质(像图8A中那样)的示例。在具有高有效孔隙度的部分中电阻率测井值是流体分布的一种度量,并且可以用于分析碳酸盐以及碎屑或沉积物、结构类型、地层以及组合储层。井控制体元数据的参数(作为13370的输出且是通过图13C中所描述的过程而建立的)被用在图8A、图10的实现方式中,且也被用在图12A中的激励级联的计算过程中。作为与孔隙度和岩性属性计算过程的区别,符合勘探阈值或井开发利益的流体饱和部分也可以是从井芯分析的结果中推导出的。测井公司通常采用侧井或其它岩石芯后钻孔。这些被发送到芯分析实验室,以获得来自该井中的感兴趣的区域的水与烃饱和的详细分析。在该井中的每一个位置(取芯样品之处),流体类型(水、气、油)的值可以是可获得的。在13304,这种值的表格被用于评注感兴趣的区域并且形成深度与电阻率值之间的映射。在不同矿床中的不同的成层中,不同范围的电阻率是感兴趣的。通过图13C的过程所考虑的矿床的感兴趣的流体饱和标准是通过图17C中所描述的流体饱和工作流程(具体地在17301和17305)而被建立的。
一旦在17305感兴趣的饱和或电阻率测井值范围被指定,则图13C的过程形成了用于图12A中的过程的变换的参数,且这些参数与流体属性的计算有关。例如,在13302,垂直的分辨率被建立。来自矿床或类似物上感兴趣的井中的电阻率测井的深度部分在13304被分析以区分测井子部分,这些测井子部分将被进一步分析。这可以包括地质测井归一化、岩石物理学归一化以及有效的流体存在和流体饱和计算过程,由此不同的井(这些井是由不同的公司在不同的时间使用不同的技术和测井工具来钻井和测井的)被归一化,从而使得这些部分可以被有效地比较。对于感兴趣的形成层的有效流体类型和饱和,可以使这些测井归一化。例如,如果目标形成层需要确定Wilcox沙石的饱和,则参考测井需要被预先处理至有效的流体饱和水平(如果可获得的话,使用岩石芯数据来进行这种预先处理)。气-切割、油切割、气-油-比率(GOR)是本领域的术语,不同的组织和矿床使用这些术语来表示烃的饱和水平。任何暗示的、推导出的、或计算出的流体类型或饱和的测量值(可以往回关联于该井和测井)是用于识别感兴趣的部分以在地震数据进行查找或进行避免(如在水饱和的或水湿的井中那样)的候选。
在13310,在提取出的电阻率测井部分上的形成层截止值被建立,以确保通过使用由测井公司所实现的标准过程与质量控制对这些形成层截止值进行恰当地归一化。形成层截止值的示例将是范围[10%,100%](美国得州南部中心的Wilcox沙石)、或[30%,70%](俄克拉荷马州的Vickersburg沙)、或[5%,95%](离岸矿物产地中的上新世沙石)。流体或烃饱和可以是在0%到100%的范围中。在13310,图13C中的过程可以按任何感兴趣的间隔进行工作。
在13220,针对截止区域,声波测井部分被提取。作为一个示例,建立了测井部分限值,并且测井的多个部分被复制,感兴趣的部分之内的电阻率值作为(起始深度、电阻率)成对的元组被提取。上述计算过程也可以被实现在电阻率测井强度值(作为一个示例,这些值可以在数字上介于0.1欧姆到1000欧姆的范围中)中,而无需将它们映射到饱和。在这种情况中,所得的体将是电阻率值预测算子,与饱和预测算子相对。通过使用附加的校准表格,可以从电阻率属性预测体中获得饱和。因为相同的深度范围被用于图13A-13D中所有的过程,所以结束深度不被指定。示例深度部分是8英尺、16英尺、10英尺、16英尺、32英尺、或其度量等价值(对于遵循米制公约的矿床而言)。
声波测井部分是在13320被提取的,以完全密封住该测井部分阻抗(或声速变化)。例如,如果16英尺部分被用于测井分析以设计饱和示例,则32英尺声波部分将被提取,使得16英尺测井部分位于该声波部分之间。如果声波与测井部分是相同的大小并且被顶部或底部对准,则也可以使用提取13320。如果双极声波是可用的,则针对p波(压缩)速度和s波(剪切)速度重复在13320的提取。在13320,如果针对参考井尚未获得声波测井,则声波测井可以按各种方式被推导出,并且可以被用于实现在13320的提取。如果多个井是可用的,或者如果该井已经遇到大厚度的感兴趣的形成层,则多个参考测井部分和相应的声波部分被获得。这些井和声波测井部分被分选且按照增大的顺序排列以形成多个组。通过使用直方图构建方式,多个测井部分被组织在多个组中或多个流体饱和-面元中,以覆盖在13310建立的饱和的范围。一个示例是组[0-10%,>10%-20%,>20%-30%,…,>80%-90%,>90%,100%]。
通过使用小波分析,从相应的声波测井部分中提取出底层的小波。通过使用多属性软件数据结构(比如列表或n维数组),使声波部分与测井部分相关联。在13330所使用的初始小波被选择成匹配于针对谱分解所选择的相同的频带宽。更具体地讲,在110,流体饱和计算可以对主要振幅或低频或全谱地震数据实现。
在13340,计算每一个声波部分的能谱密度,并且重新安排该能谱密度,以形成能谱密度对增大的饱和-面元或电阻率的线图。在13330,功率谱密度或任何功率度量(可使在13350推导出的小波参数减小至一标量数字)可以被用于实现该检查。
在13350,检查被执行,以观察小波参数(用于对声波部分中的信息进行编码)的能谱密度或备选的标量表示是否是具有正斜率的线性的,并且与电阻率测井相对应的不同部分是否被很好地分离开并且容纳属于不同井的不同测井部分中的变化或标准偏移。如果在13350所产生的结果显示出线性,则在13370输出这些参数以用于形成井控制体元数据且也用在激励级联引擎808中。如果这些部分没有被分离开,则在13330的结果与另一个核函数(该核函数来自图12A中的岩石物理学库1235)进行卷积。在13355,相同的库被维持且被表示。在13360,来自13355的岩石物理学调制核函数之间的卷积被实现。
在卷积之后,通过使用小波变换(比如Ricker或Ormsby小波),所得的数据被再次参数化。步骤13340、13350被重复,直到线性被建立。从上述库13355中的每一个新核函数的选择也被用在811所示的T1-TN步骤中,以实现激励级联。在13370的输出的满意产生以及线性测试的完成暗示着:一致的井控制被用于将井数据联系到地震数据并且校准地震属性。使用多个核函数以实现能谱密度中的线性或者实现有关的标量测量(每一个核函数代表了更高的空间频率维度)足以(但非必然)使多个井处的联系达到最佳。如果在预定次数的卷积(比如5次或6次卷积)中无法建立线性,则可以从该过程中丢掉一些测井部分以抵消测井可能有误的可能性,或者一些井代表了岩石物理学的、结构的、或地层学的非均匀性、或次最佳的井归一化。在量子谐振干涉测量引擎和干涉测量耦合器迭代期间,使用经卷积的矢量的能谱密度将测井联系到地震数据的线性图的充分性提供了远离井眼的流体类型或流体饱和预测的精确性。
图13D示出了如何形成地质力学属性(比如脆度专属井控制体元数据)以分析次表层岩石脆度性质的示例。图8A是井控制体元数据。脆度属性已经被显示出对于形成非常规资源(比如页岩气矿床,在结构的、地层的以及组合储层方面,它们具有其自己的分类)而言很重要。井控制体元数据的参数(作为13470的输出且是通过图13D中所描述的过程而建立的)被用在图8、图10的实现方式中,且也被用在图12A中的激励级联的计算过程中。满足勘探阈值或井开发利益的脆度值是从井芯样品分析或切割部分分析的结果中推导出的。在钻井(如在钻井的同时进行测井的过程中那样)或后钻孔期间,测井公司通常采用侧井或其它岩石芯和切割。这些被发送到芯分析实验室,以获得来自该井中的感兴趣的区域的脆度、弹性、颗粒大小的详细分析。在该井中的每一个位置(取芯样品之处),脆度的值可以是可获得的。在13404,一相关值表格被用于评注感兴趣的区域并且形成深度与脆度值之间的映射。在不同矿床中的不同形成层中,不同的脆度的范围是感兴趣的。通过图13D的过程所考虑的矿床的感兴趣的脆度标准是通过图17D中所描述的脆度体工作流程(具体地在17401和17405)而被建立的。
一旦感兴趣的脆度数值范围17405被指定,则图13D的过程形成了用于图12A的过程的变换的参数,且这些参数与脆度属性的计算有关。例如,在13402,垂直的分辨率被建立。来自矿床或类似物上感兴趣的井中的深度部分在13404被分析以区分测井子部分,这些测井子部分将被进一步分析。这可以包括地质测井归一化、岩石物理学归一化以及有效的脆度计算过程,由此不同的井(这些井是由不同的公司在不同的时间使用不同的技术和测井工具来钻井和测井的)被归一化,从而使得这些部分可以被有效地比较。
在13420,针对截止区域,声波测井部分被提取。作为一个示例,建立了测井部分限值,并且测井的多个部分被复制,感兴趣的部分之内的相关联的脆度值作为(起始深度、脆度值)成对的元组被提取。所得的体将是来自地震数据体的直接的脆度值预测算子。通过使用附加的校准表格,可以从脆度属性预测体中获得附加的地质力学性质(比如用于单位岩石部分的杨氏模量)。因为相同的深度范围被用于图13A-13D中所有的过程,所以结束深度不被指定。示例深度部分是8英尺、16英尺、10英尺、16英尺、32英尺、或其度量等价值(对于遵循米制公约的矿床而言)。
声波测井部分是在13420被提取的,以完全密封住该测井部分阻抗(或声速变化)。例如,如果16英尺部分被用于测井分析以设计饱和示例,则32英尺声波部分将被提取,使得16英尺测井部分位于该声波部分之间。如果声波与测井部分是相同的大小并且被顶部或底部对准,则也可以使用提取13420。如果双极声波是可用的,则针对p波(压缩)速度和s波(剪切)速度重复13420的过程。如果针对参考井尚未获得声波测井,则声波测井可以按各种方式被推导出,并且可以被用于实现13420。如果多个井是可用的,或者如果该井已经遇到大厚度的感兴趣的形成层,则多个参考测井部分和相应的声波部分被获得。这些井和声波测井部分被分选且按照增大的顺序排列以形成多个组。通过使用直方图构建方式,多个测井部分被组织在多个组中或多个脆度-面元中,以覆盖在13410建立的感兴趣的范围。
通过使用小波分析,从获取脆度芯的井的相应的声波测井部分中提取出底层的小波。通过使用多属性软件数据结构(比如列表或n维数组),使声波部分与测井部分相关联。在13430使用的初始小波被选择成匹配于针对谱分解所选择的相同的频带宽。更具体地讲,在110,脆度计算对主要振幅或高频或全谱地震数据实现。在13440,计算每一个声波部分的能谱密度,并且重新安排该能谱密度,以形成能谱密度对增大脆度的线图。功率谱密度或任何功率测量(可使在13430推导出的小波参数减小至一标量数字)可以被用于实现13450的检查。
在13450,检查被执行,以观察小波参数(用于对声波部分中的信息进行编码)的能谱密度或备选的标量表示是否是具有正斜率的线性的,并且与脆度井部分属性相对应的不同部分是否被很好地分离开并且容纳属于不同井的不同井部分部分中的变化或标准偏移。如果在13450所产生的结果显示出线性,则在13470输出这些参数以用于形成井控制体元数据且在808也用在激励级联引擎中。如果这些部分没有被分离开,则在13430的结果与另一个核函数(该核函数来自图12A中的岩石物理学库1235)进行卷积。在13455,相同的库被维持且被表示。在13460,来自13455的岩石物理学调制核函数之间的卷积被实现。
在卷积之后,通过使用小波变换(比如Ricker或Ormsby小波),所得的数据被再次参数化。步骤13440、13450被重复,直到线性被建立。从上述库13455的每一个新核函数的选择也被用在811所示的T1-TN步骤中,以实现激励级联。在13470的输出的满意产生以及线性测试的完成暗示着:一致的井控制被用于将井数据联系到地震数据并且校准地震属性。使用多个核函数以实现能谱密度中的线性或者实现有关的标量测量(每一个核函数代表了更高的空间频率维度)足以(但非必然)使多个井处的联系达到最佳。如果在预定次数的卷积(比如5次或6次卷积)中无法建立线性,则可以从该过程中丢掉一些测井部分以抵消测井可能有误的可能性,或者一些井代表了岩石物理学的、结构的、或地层学的非均匀性、或次最佳的井归一化。在量子谐振干涉测量引擎和干涉测量耦合器迭代期间,使用经卷积的矢量的能谱密度将测井联系到地震数据的线性图的充分性从地震数据组提供了远离井眼的脆度预测的精确性。
图14描述了一种基于数学模型来实现图8中的量子谐振干涉测量引擎828以及图10中的量子谐振干涉测量处理器1022的过程,已知该数学模型在被合成噪声(比如合成噪声842)驱动时呈现出量子随机谐振(“QSR”)现象。当在输入的数据中满足一些条件时(正如在应用于矿床体元数据805的激励级联引擎808的输出中那样),QSR现象产生了谐振事件。通过利用在下列(i)与(ii)之间的非线性相互作用,如在811中那样,量子谐振干涉测量引擎与干涉测量耦合器1022一起检测以数据强度的细微变化为形式的弱信号:(i)经恰当预调节的体元数据,被从805变换为归一化的激励级联;以及(ii)经综合设计且经动态调节的复数噪声输出,该输出使用了通过将白/有色噪声与来自地震的噪声混合起来从而推导出的831。被标记为QEF,这种“合成复数噪声”源自经数字仿真的一维量子力学(Q-M)系统(该系统被经典的白噪声调制)的经典投影。在Gulati的美国专利6,920,397、6,963,806和7,567,876中(被并入本文中作为参考),描述了用于实现量子谐振干涉测量动力学的自旋玻色子系统动力学。这些专利中所呈现的方法通过引用被并入本文中,用作量子谐振干涉测量引擎828的备选实现方式。图14示出了一种新的过程,该过程基于从核磁共振(NMR)效应的双能级系统中推导出的主速率方程来实现QSR算法。一维自旋玻色子系统的基于NMR自旋的近似的主速率方程的软件实现被用于模拟呈现出NMR的底层量子力学(Q-M)系统的动力学。831的输出与来自811的输出的输入数据样本相耦合,以产生谐振事件836。新的标量可观测的输出(追踪了模拟的Q-M系统的动力学的变化)提供了用于检测并量化该输入数据中的信号内容的基础。过程1400包括一维D-M系统及其非线性动力学的选择与定制;标量可观测的选择与指定被用于推断出一事件的检测,该事件定义了矿床体元数据的状况以确定在已建立的检测限值之上存在感兴趣的属性,这种检测限值是使用图13A-13D中感兴趣的属性的正的控制体元数据和负的控制体元数据来建立的。
图14描述了一种用于形成量子表达式函数的有效方法,用于驱动干涉测量耦合器833。量子力学理论方面的专家已经示出了:通过使用变分法,密度算子可以被用于统一不同的量子力学理论,经典数学近似可以在软件实现中模拟复数量子力学效应并且减小计算复杂性和开发时间。受相同的随机限值近似(SLA)的影响(该近似是在自旋玻色子系统中的QSR现象学的核心之处),在很宽的系统类别(其与时间有关的动力学可以使用Bloch速率方程来描述)中可以证明隧穿谐振事件。此外,包括NMR系统的时间演变的主速率方程就提供了用于实现隧穿谐振以检测并分析感兴趣事件的一更简单路径。在NMR系统之内,自旋玻色子浴耦合被自旋热储层以及热弛豫和脱散时间所替代。
在图14中所描述的从自旋玻色子动力学切换到NMR动力学的过程中,关键的折衷是:在谐振事件处的急剧的隧穿变化(是在使用自旋玻色子动力学实现的QSR期间所观察到的,参见Gulati的美国专利6,963,806和6,920,397,该专利通过引用并入本文中)被细微但在统计上显著且“可见”的隧穿速率(TR)的变化所替代。
此外,作为切换至NMR动力学的结果,量子谐振干涉测量引擎被校准,以评估下列两种情况之间的TR变化:没有信号状况(TR0),一种参考控制(即具有已知结果的正的控制体元数据,即在测井与岩石芯样本中观察到的属性值);TRN和未知的数据状况(TRU)。信号检测是基于下列决定:
△=||(TRU-TR0)/(TRN-TR0)||其中△>ζ-预设的SLA走廊(方程.1)
下文概述了这些概念中的一些概念。
双能级系统(NMR实现)近似
Imafuku等人的论文“Quantum stochastic resonance in driven spin-bosonsystem with stochastic limit approximation”(报告编号WU-HEP-99-9,http:∥arxiv.org/abs/quant-ph/9910025v1,1999年10月)引入了“被驱动的自旋玻色子模型”这一理论概念,该模型受双稳态系统中的量子随机谐振的随机限值近似(SLA)影响。他们的方法采取在“深冷”热浴中的费米子-布居双阱势能。在这种配置中,费米子下沉至最低可能允许的能级,即所谓的系统基态(n=0)。每一个阱中有两个基态,指定|L>和|R>用于左阱和右阱基态。采用这两个态作为希尔伯特空间的基态,它们通过哈密顿量描述了该系统:
其中,ε是这两个态之间的能量差,△是这两个井之间的隧穿振幅。它们的下一步是创建这两个态的叠加以产生两个新的态|±),具有这两个基态的希尔伯特空间相对于先前的希尔伯特空间之间的关系是通过下列旋转变换而实现的:
这种变换的原因是:它将自旋系统简化成一种双态系统,其能隙ω0是由下式给出的:
一种简单的正弦驱动函数(相似于随机谐振中的舟皿的摇摆,其频率是Ω且振幅是ξ)可以被用于驱动这种自旋系统。所施加的力被描述成“扰动的”(与系统能量差相比是不大的)哈密顿量W:
W=ξXsinΩt
其中,X是由下式定义的“位置”算子:
X=|R><R|-|L><L|
他们宣称,X也是在外部周期性的驱动力的影响之下测量上述两个态|L>和|R>之间的转移的有序参数。
在上述构造中,玻色子噪声源是自旋-玻色子模型的玻色子部分。该想法是:费米子系统耦合到玻色子能量储层,后者可以向费米子系统添加能量或者可以从费米子系统中拿走能量。基于量子力学中的波动-耗散理论,阐述了在平衡地耦合到热储层的系统中可逆转的波动是可能的,该系统可以从该热储层中吸取热能或者将能量耗散至该储层中。波动-耗散理论是所谓的布朗运动或电路中的约翰噪声的基础。这种热平衡噪声的谱是白色的,即在所有的频率上都是常量。玻色子储层可以被用作在随机限值近似的条件下的热储层的类似物。
一旦S-B模型被设置好,就通过位置算子X的动力学来监控S-B系统的响应:
其中,上述各项是:
τ=时间“t”的新的重新缩放版本,τ=λ2t;;
λ=费米子系统和玻色子系统之间的相互作用的强度;
trB=在玻色子自由度之上在上述括号之内的矩阵的轨迹;
ρB=玻色子基态密度算子;ρB=|0><0|
H=总的系统哈密顿量。
图14使用双能级系统(TLS)的密度算子实现了自旋-玻色子动力学的新的近似。在常规随机谐振(SR)中,静态有色噪声(不是从输入信号中固有的噪声中推导出的)被注入到动力学系统中(或者其模拟或数字仿真中)。最终,带噪声输入信号自身(即,希望增强并检测任何感兴趣的信号(如果有的话)的信号)作为与时间有关的扰动被(实际地或仿真地)应用于该动力系统。呈现出SR现象的此类最简单的经典动力系统是在一维保守势能中移动的点粒子的动力系统,并且该动力系统受与速度有关的摩擦(以及所注入的噪声和输入信号)影响。在电子学、化学、光学以及自然科学的其它分支中有这种系统的变体,但是底层的数学模型在呈现出SR机制的所有的经典现象中都是大致相同的。
如在1405,QSR双阱被实现,从而包括了如下这样一种算法模型:点粒子的惯性(质量)是可忽略的,其对势能梯度、输入信号和所注入的噪声的响应是通过粒子位置的一阶导数;换句话说,非线性的、随机的、驱动的普通常微分方程是一阶的。ViaLogy公司的QuantumRD 3.0中所使用的动态数学模型的示例是:
x'(t)=-V'(x(t))+f(t)+w(t)(方程.5)
其中:x(t)是粒子的位置;
V(x)是势能,被重新缩放以编码该拖拽(摩擦)系数;
f(t)是在先前的部分中处理的有噪声的输入信号;以及
w(t)是所注入的噪声。这是随机过程,例如,它可以通过再次使用白(Wiener)噪声或有色噪声来实现的,但是它与对f(t)内固有的噪声进行建模所使用的随机过程完全无关。例如,如果w(t)也是Wiener过程,则它具有其自己的噪声强度ξ,与η无关。
用于势能V(x)(导致SR)的示例性数学选择是一种双稳态双阱四次(阶数是4)多项式。
即使不是这种情况,对于任何给定的输入信号而言,如果ξ=0,也可以选择势能V(x)的参数,使得该粒子(一旦已落入上述两个阱之一中)将待在那里。注意,忽略该输入信号中固有的噪声、f(t)的纯粹信号部分对足够低的Ω的双稳态势能的影响实际上是使它周期性地倾斜了;使得对于一个半周期而言右阱底部高于左阱底部,而对于周期2π/Ω的另一半周期而言左边上升至右边的阱之上。
已为给定的输入信号选择了不允许阱之间转移的势能,考虑当所注入的噪声的强度ξ逐渐地增大时会发生什么。所注入的噪声推动该粒子执行一种布朗运动,并且如果ξ是足够大的,则该粒子将在两个阱之间按期望的那样频繁转移。然而,这些转移(通过双态泊松过程大致描述了这些转移)是随机的;所以,再一次,它们的图案并不以任何显著的程度反映出埋在输入信号内的周期性的正弦曲线。
所以,当所注入的噪声太低时没有SR出现,当太高时也没有。如果,在ξ的中值处,发现了(通过物理系统的分析近似、仿真和观察的组合):阱之间的转移图案常常前后紧接。
在使用感兴趣的信号的情况下,转移时间序列呈现出与频率Ω的正弦曲线高度相关。该效果可以很容易地将输入信号f(t)的SNR放大一大因子,因为它是与势能(而非感兴趣的信号的振幅)的参数一起的注入噪声,该注入噪声决定了输出信号的振幅。
在1400的方法中,底层的QSR(量子随机谐振)是控制差分方程中的应变量(该变量是从中提取出输出(经处理过的)信号的变量)并不代表该物理系统的可观察量而是量子振幅与几率。所以,这些量子动态方程还原成耦合的常微分方程(ODE),用于阱之间的瞬时转移。本领域技术人员已经知道,量子系统呈现出因阱之间的隧穿、热化、脱散、缠结的相互作用而导致的变化更丰富的注入噪声,这些在被优化时可以导致比经典SR中可能的情况更高的SNR增益因子。
有趣的是,在应变量中,QSR效应的控制方程是线性的,并且甚至不需要明确的注入噪声项(添加的或其它方式的)。通过输入信号调制动力学的方式,进入非线性。
f(t)倍增地进入ODE。
控制该过程的一种方式是通过调制环境温度(模拟的或实际的)。
脱散:注入噪声即使没有被明确放入ODE中,也经历了弛豫时间,这源自因量子系统与其环境相互作用所导致的量子脱散,该注入噪声由此影响了对该系统进行的部分量子测量。
热化:注入噪声的另一种方式是通过“量子摩擦”,这同样是通过量子系统与其环境的相互作用而诱发的。
由此,量子谐振干涉测量引擎实现方法在两类噪声之间作出了区分:固有的噪声(输入信号中存在的,由此不是通过SR/QSR算法可控的);以及注入噪声,是作为动态物理系统的仿真的一部分被添加的。注入噪声可以是不同类型的组合:有色噪声,热噪声,以及量子脱散噪声。
图14描述了没有玻色子模式的QSR公式更改。要对其进行分析和除噪声的与时间有关的信号(将要表示的)被用于将上述势能调制成下列与时间有关的信号:
V1(x,t)=V(x)+f(t)x
其中,输入信号是
对TLS(双能级系统)的近似的削截:
因为双态系统的希尔伯特空间具有两个自由度,所以横跨该空间的完整的基础包括两个独立的状态,例如,一双态系统具有自旋1/2粒子(比如电子,其自旋可以具有数值+1/2或-1/2,其单位是)的自旋。已经显示出,如果在这两个态之间有能量非对称性,则复杂动力学可能出现并且非线性效应可以被观察到。该TLS可以是使用标准泡利自旋矩阵来表示的:
分别参照作为自旋向上和自旋向下的σz的本征态。这些TLS希尔伯特空间基矢量(在来自一维粒子量子自由度的削截中)对应于合适的二次单阱(不稳定)势能的基态,这些势能分别以V(x)的右和左阱为中心。在削截时,零信号、零噪声哈密顿量接下来被未经扰动的TLS哈密顿量算子大致替代。
其中,如上文定义的和ε0被视为的ε(t)的DC分量。
通过量子马尔可夫主方程的密度算子演变:
在我们的方法中,Legget-Coppersmith等人QSR形式主义的环境玻色子模态浴被替代,伴有热化和量子脱散的同时的连续过程(后者等价于σz的连续的部分测量)。即TLS密度算子的时间演变的所得主方程是通常的QSR布洛克速率方程的修改版本;它具有两个独立可调的弛豫时间常数。演变的密度算子(在本示例中即2乘以2厄密矩阵)代表了具有部分测量的σz的TLS,使得一般来讲该阱(就预先削截势能而言)和波函数在任何给定的时间t处都不被准确地确定;相反,它们是“模糊的”。
我们的近似主方程(在中是线性的,但是在该信号中是非线性的)是:
(方程.8)
kB是波尔兹曼常数;
tr表示希尔伯特空间轨迹;
τ1和τ2分别表示热与脱散的弛豫时间。
密度算子被表示成2乘以2矩阵。
输入信号是f(t)。为了产生所有的FFT和SNR,替换x(t)及其变换以及与从ξ(t)中推导出的相应条目的自动关联(或者,y(t)或z(t)将同样有效)。
重要的是,要注意到:马尔可夫量子主方程通常满足下列条件:(i)它们描述了比储层相关时间标度更大的时间标度的动力学;(ii)这些静止的方案给出了与储层的热平衡状态。但是,已经显示出只对单一的系统(比如单一谐振子和单一双能级系统)有效。
所以,核磁共振(NMR)系统-TLS系统可以被用作密度近似的底层模型。NMR一般情况下理在存在两个正交磁场时来自原子核的质子的原子核自旋的行为。通过以具有自旋=1/2的单个质子为示例,可以理解基本的NMR理论。因为其量子力学自旋性质,质子表现得像微小的磁棒。在存在外部磁场的情况下,质子具有大致两个选项:使它自身与该场相对齐,或者与该场相反(即反平行)。
与该场相反需要更多的能量,并且对准的和反平行的状态之间的这种能量差随着磁场强度的增大而增大。如先前针对TLS所讨论的那样,电子(是费米子)具有非整数的自旋值。更具体地讲,每一个电子可以具有要么自旋(ms)=1/2要么自旋ms=-1/2。该自旋是与磁性相关联的电子的量子力学性质,在某种意义上,能想出每一个电子作为微小的磁棒,该磁棒具有北和南极。这种磁学性质帮助电子使它自己与外部施加的磁场相对准,以便降低其能量。很明显,当电子的北极与外部的场对准时该能量是最低的,而当它与外部的场相反时它的能量是最高的。
从数学上来看,该能量被表达成:
E=-msγ(hbar)B0
其中,
E=在磁场中的电子的能量
ms=1/2或-1/2
γ=常数–也被称为旋磁比
hbar=普朗克常量(h)/2π
B0=外部磁场的强度。
能量E是线性地依赖于B0的值(所有其余的系数都是参数)。正常情况下,当不存在外部磁场时,自旋=1/2或-1/2的电子的能量明显没有差异。但是,当施加外部磁场时,这种能量的“简并度”就被除去了,并且在自旋“向上”和自旋“向下”状态之间有明确的能量差异。
这种类比被用于实现QRI中的信号增强的谐振。NMR的“谐振”部分来自如下事实:如果现在可以从正交电磁(RF)场中以光子的形式提供能量差,则可以使这些自旋在其取向上翻转。RF光子的频率=E/h。在NMR实验中,这些信号来自当这些自旋翻转时所吸收的RF能量。
由存在这些自旋的周围热环境所提供的能量也可以引起自旋翻转。因此,对于具有无数的质子的实体材料而言,上能级(Nup)中的质子的数目与下能级(Ndown)中的质子的数目的平衡比率是由下式给出的:
Nup/Ndown=e-E/kT(其中,k=波尔兹曼常数,并且T=绝对温度)。
按照常规,z轴被指定为自旋磁矩的轴。因此,在热平衡时,材料的净磁矩Mz是由下式给出的:
Mz=hγ(Ndown-Nup)
热弛豫以及量子脱散弛豫:这些是已理解的机制,电子自旋可以通过这些机制将其能量耗散到环境中。这些机制是独特的,并且通过时间常数来表征,这些时间常数可以告诉你这些耗散效应发生在什么样的时间标度上。通过使用热弛豫时间常数,最后使双稳态费米子系统与热储层(而非玻色子储层)相耦合。因此,QRI实现方式中的快速近似不是用于自旋玻色子系统,而是用于自旋热储层系统。
密度矩阵:基于量子马尔可夫近似,在马尔可夫链方法中的自旋-密度矩阵被设置了,其中系统的将来状态仅仅取决于目前的状态而非过去的状态。基于由Nicholas Metropolis提出的算法(即Metropolis-Hastings算法),实现了状态更新。
密度矩阵被定义成用于描述量子系统的统计状态的轨迹的厄密共轭矩阵。为了获得可观察量的值,该特定的可观察量的具体的“密度算子”作用于该系统的密度矩阵以产生与该可观察量相对应的特征值。在我们的情况中,该算子是哈密顿量,代表了该系统的总能量。
至于对角元素,它们包括在PotMinA和PotMinB(ε0)之间的能量差,向PotMinB(ε0)添加了ζk矢量(该输入信号(功率谱)的第k个元素)。
德尔塔(△)对应于一横磁场,用于使自旋的取向从+ive z方向翻转成-ive z方向,并且反之亦然。
储层温度升高因子(1+ζk)。
磁性自旋的时间演变
热弛豫时间常数(t1):当材料的磁矩(M0)的平衡值被改变时,比如通过施加外部RF激励,则通过向上述热环境放出其能量增益,该系统试着回到其平衡态。这种热弛豫过程(也被称为自旋-晶格弛豫)是通过下列方程控制的:
Mz(t)=M0(1-e-t/t1)
自旋脱散时间常数(t2):在一些NMR实验中,在上述自旋绕着外部磁场方向旋进的过程中,这些自旋被束到一起从而彼此“同相”或相干。然而,因磁场中的非均匀性,“脱散”效应出现了,即这些自旋在绕着z轴旋转的过程中彼此扩展开了。这种效应可以在本质上被视为在xy平面中的净磁矩的恶化。当这些自旋被束到一起时,在x-y平面中有一净磁矩。当它们被完全除去相干并且在随机的旋进轨道中时,Mxy=0。因此,除去相干性的弛豫过程(也被称为自旋-自旋弛豫)是通过下列方程被控制的:
Mxy(t)=Mxy0(e-t/t2)
布洛赫方程:现在,可以构建运动的“布洛赫”方程,这些方程是用于NMR的麦克斯韦方程,用于描述在热环境与自旋-自旋除去相干性皆存在的情况下在RF激励之下的自旋运动的动力学。
其中,B1=横向RF磁场(在该情况下即△),ω0是拉莫尔频率(恒定的),ω是与时间有关的旋进频率(并不是很肯定该ω是如何与该方程相关的。但是可认为,它可能会作为能量非对称项出现)。尽管布洛赫方程描述了磁矩的演变,但是通过使两侧都乘以γB它们就可以被转换成与时间有关的能量方程(即哈密顿演变)。
通过用H来表示与时间无关的哈密顿量,并且将上述两个能级标记为|a>和b>,这两个能级具有相应的正交能量本征值Ea和Eb。该系统的动力学可以被规定如下:
在某一时刻t0处,让该系统处于任意的(且完全一般的)状态中,
|ψ(t0)>=ca|a>|cb|b>
然后,在H之下演变,在时刻t处,
状态将是
其中,双能级系统中所有状态的组都可以被映射到由上文所讨论的运动方程所限制的布洛赫球上。
在1405,用外部驱动周期函数来驱动的QSR双稳态阱是使用下列来初始化的:
system Energy Ratio=betaε0
x=x0
y=0
z=0
x′=0
y′=0
z′=0
其中,x、y、z表示从方程10、11、12给出的一般形式中定制出的布洛赫速率方程中的变量,xo表示NMR粒子的状态变量,α和τ表示热化系数。增强的体元数据和隧穿速率被重设。
图15示出了示例性的双阱函数。
enhancedData[0]=x0
countCrossings=0
使用图9A-9D所描述的过程所设计的噪声以及图9C所输出的振幅走廊和图9D所输出的相位走廊被用于设计被添加到所输入的体元数据的噪声,以使由X所给出的粒子的状态初始化。
在1410,双阱如1510中那样,这种设计是使用下列条件来验证的:
lf(systemEner gyRatio>maxEnergyRatio)
barrierWidth=2ε0e-systmEntegyRatio
x=x0+tanh(systemEnergyRatio)
其中,系统能量比例是用户设置的参数。
在1420,迭代计数被初始化以开始NMR迭代。
在1430,根据下式使NMR-QSR迭代参数初始化:
εnow=εo+inputData[k]·abs(potentialMinA)
tanhArg=β·rabiRoot
tanVal=1
if(tanhArg<maxEnergyRatio)tanhVal=tanh(tanhArg)
在1440,从布洛赫速率方程中推导出的NMR-QSR运动方程是根据下列来迭代的:
布洛赫方程是一组耦合的差分方程,可以被用于描述在任何条件下NMR数学模型中的磁化矢量的行为。当恰当地积分时,布洛赫方程将产生作为时间的函数的磁化分量x'、y'、z’。只有x’中的行为被用于追踪粒子状态的变化以推断出谐振事件。
使用由下式给出的状态更新的方程在1450更新了粒子状态:
enhancedData[k]=enhancedData[k-1]+dt·x′
x=enhancedData[k]
y=y+dt·y′
z=z+dt·z′
reg1=regThreshold-(x2+y2+z2)
在1460,可以使用下列逻辑来计算隧穿速率(TR)。
一旦TR已被更新,则迭代计数k在1470被更新。
在1480,执行检查以评估该迭代计数是否已经被超过。如果为是,则过程1400使NMR-QSR迭代停止并且输出一矿床体元输出。该矿床体元输出被定义为839中的增强型数据和隧穿速率TR。
参照图8和10,量子谐振干涉测量处理器831可以是使用过程1400的步骤1405到步骤1420来实现的。此外,干涉测量耦合器833可以是使用步骤1440到1480来实现的。
参照图10,量子谐振干涉测量处理器1022可以是使用步骤1405到1480来实现的。只有使用1450计算出的增强型数据被输出,并且作为一输入被重新引入干涉测量耦合器833中以产生谐振836。量子谐振干涉测量处理器831可以是使用步骤1405到1420来实现的。并且,干涉测量耦合器833可以是使用步骤1440到1480来实现的,正如图8中那样。QRI处理器831是使用单元1405到1420来实现的,正如在图8中那样。
图15示出了一种双阱函数的示例,用于表示在1405所实现的四次势能。
图16示出了使用量子谐振干涉测量引擎1628(比如量子谐振干涉测量引擎828)的工作流程1600的示例。工作流程1600被标记为一种差分干涉测量模式,由此通过将已知具有相同的感兴趣属性的数据与井控制体元的输出进行比较来确定在从矿床体元数据805中推导出的归一化的激励级联811中存在感兴趣的属性。差分干涉测量模式被用于从感兴趣的形成层中所有的矿床体元中产生地震数据输出体,该感兴趣的形成层具有与在井控制体元数据(被称为“参考体元数据”)中找到的相同的性质。通过使用图13A-13D的方法,参考体元数据可以是从单个井控制体元或多个井控制体元中形成的。
差分干涉测量被用于产生用于询问的结果,比如“在租借的Escondido沙石形成层中寻找孔隙度在20%以上的所有区域,正如在第32号井中看到的那样”或“避免在KCB租借的Goen平台中水湿的所有区域,正如在第26号井中看到的那样”。涉及感兴趣的属性(比如岩石、流体和地质力学性质)的询问(被重新表述以提供“存在”或“不存在”响应)被统称为“感兴趣的矿床问题”。
参考体元数据是通过下列步骤而形成的:根据图13A-13D中的流程,分析与针对该矿床而提出的感兴趣的矿床问题有关的测井曲线;以及从井控制中确定满足感兴趣标准的测井部分以形成井控制体元数据1620(即被标记为参考体元数据)。一旦参考体元数据已经被产生,则来自地震划分体的矿床体元数据(如在图5中那样)被转变为归一化的激励级联矢量并且被量子谐振干涉测量引擎1628分析。来自量子谐振干涉测量引擎1628的结果被比较,以观察体元数据是否具有与参考体元数据相同的性质从而回答感兴趣的矿床问题。
工作流程1600示出了操作的差分干涉测量模式。在这种模型中,如1600中的操作,通过将839的输出与从井控制体元数据中推导出的归一化的激励级联的输出进行比较,确定了在归一化的激励级联(比如从矿床体元数据805中推导出的归一化级联811)中存在感兴趣的属性。通过使用如1600中的操作的差分干涉测量模式,可以对照正的井控制体元数据或负的井控制体元数据来比较一矿床体元数据。对照通过使用图12A和12B中的流程而获得的一个或多个井控制体元,可以比较矿床体元数据。工作流程1600的输出是确定在矿床体元数据中有没有感兴趣的属性。
在1610,通过使用图12A中的过程1200以及图12B中的12100,从矿床体元数据中产生归一化的激励级联。在1620,通过使用图12A中的流程1200以及图12B中的12100,从一个或多个井控制体元中产生归一化的激励级联,并称之为参考体元数据。根据感兴趣的属性,根据图13A-13D所描述的流程,井控制体元被产生并且被处理。
来自1610和1620中的输出被引入量子谐振干涉测量引擎828,该引擎是被地震噪声(比如地震噪声814,例如是使用图9A-9B中的流程产生的)和成对序列(1610之后是1620,或1620之后是1610)中的输入来驱动的。在一些示例中,量子谐振干涉测量引擎828的两个版本可以被独立地用于过程1610和1620,其结果在1630被重新组合。
根据过程1400中所描述的流程,量子谐振干涉测量引擎1628产生了隧穿速率输出1630。一旦已经从处理输入1610和1620中获得了1630的输出,则在1640隧穿速率输出被比较以确定是否使用输入1610和1620获得了谐振。
在1640,确定在使用由矿床体元数据1610所驱动的量子谐振干涉测量引擎1628时所输出的隧穿速率变化是否大于或等于在使用由参考体元数据1620所驱动的量子谐振干涉测量引擎1628时的隧穿速率变化。这种条件的成功推断被称为干涉测量谐振偶极子1640。干涉测量谐振偶极子需要将量子谐振干涉测量引擎1628配置成使得:谐振事件发生在参考体元数据被呈现时,并且当只有来自地震数据噪声1614(比如地震噪声814)的输入被呈现时才没有谐振事件发生。输入的未知且不典型的矿床体元数据在被引入到量子谐振干涉测量引擎1628中时可能或者可能无法产生隧穿谐振。当隧穿速率变化(是在使用矿床体元数据作为输入或参考体元数据作为输入的情况下通过观察隧穿速率而确定的)与隧穿速率输出(是只使用地震噪声作为输入而获得的)之间有统计差异时,推断出隧穿谐振。通过运行从地震噪声和井控制体元数据中推导出的多个输入并且针对这些运行计算平均与标准偏差,就建立了用于干涉测量谐振偶极子1640的统计差异标准。作为一个示例,在一个实施例中,在以井控制体元数据作为输入以及以地震噪声数据作为输入时输出的TR之间的2s差异被用作一种统计显著性的度量以建立用于1640的阈值。
在1650,如果在1640发现了干涉测量谐振偶极子,就推断出在矿床体元数据中存在感兴趣的性质。在1660,如果在1640没有发现干涉测量谐振偶极子,就推断出在矿床体元数据中没有感兴趣的性质。在一些示例中,过程1600可以被应用于对从120中感兴趣的划分地震体中所推导出的所有的矿床体元数据进行排序。
图17A示出了过程17100的示例,用于从地震数据中计算并预测形成层孔隙度。使用本文所讨论的系统和技术(比如通过使用量子谐振干涉测量引擎828)就可以执行工作流程17100。在不同矿床的不同形成层中,不同的孔隙度范围是感兴趣的。油气勘探与生产的经济效益规定了孔隙度数值的截止值,这些截止值与在矿床上定位新的井或新的补偿井有关。例如,用于补偿井的打钻位置被确定与现有的井有关,并且可能受井之间的间隔要求限制,这种井之间的间隔要求是该特定的形成层的管理规则所强加的。例如,在美国的一些州,对于一些形成层而言,在40英亩间隔上只能钻1个井。对次表层形成层孔隙度的精准了解被用于最佳地对井进行定位,以避免干井并使采收率达到最大。用于孔隙度的商业勘探标准是由委托的项目地质工作者提供,或者由勘探经理或租借拥有者/运营者提供。过程17100所提供的答案的类型的一些示例包括:
-什么是形成层孔隙度?或者,什么是租借的泥盆纪形成层孔隙度?
-在租借的泥盆纪形成层中找到在x%以上的孔隙度(其中,x可以是10%、6%、或12%、或任何数字的截止值)?
-在租借的泥盆纪形成层中孔隙度在12%以上的英亩数是多少?
-在租借的密西西比纪形成层中有孔隙度在12%以上的沙石沟道么?
-在租借的一个新部分上期望钻出一个开采补偿井,此处孔隙度匹配于一特定位置处现有的钻井中所发现的相同的孔隙度。找到具有相同的孔隙度特征的区域?
-哪一个租借部分应该被首先开采(比如一个区块对另一个区块)。基于其孔隙度分布情况描绘Abo储层并确定其大小?通过使用图2的过程17100,可以回答这些问题,以找到最高的孔隙度或在特定的截止值之上的孔隙度,从而形成孔隙度-立方体输出275。
过程17100在被迭代地实现以针对每一个矿床体元确定估计出的最大孔隙度时就可以确定孔隙度-立方体。一旦针对一矿床建立了感兴趣的孔隙度范围,则该范围被分解成多个区间,基于该矿床上的井控制或者使用来自其它矿物产地的类似的井控制就可以分析这些区间。针对一阈值(该阈值是由针对上述感兴趣的范围而设置的最低区间所建立的)以上的孔隙度,测试矿床体元的矿床体元数据。工作流程17100可以被迭代地执行,使得在连续的迭代中只有超过在先前的运行中所建立的孔隙度阈值的那些体元才被分析以评估它们是否超过新的阈值。超过在迭代过程中的孔隙度标准的矿床体元数据被标记为“继续存在的矿床体元”数据。针对继续存在的体元数据,重复这一过程,直到整个孔隙度范围都被覆盖。
主要振幅谱分解560或高频谱分解体560在17102被获得,且作为专属于形成层孔隙度估计的计算过程的起始输入。例如,这种起始输入可以在图5的步骤560被获得。起始输入是在760被体元化的(比如结合图7对其进行了描述),以产生矿床体元数据的序列。根据过程17100,单独的矿床体元被按顺序地处理,以构建孔隙度-立方体输出17160。在17190,归一化的激励级联是从矿床体元数据中产生的(比如结合12190对其进行了描述),并且被输入到量子谐振干涉测量引擎828。
在17101,例如,从地质工作者、运营者、或租借股东那儿获得了感兴趣的孔隙度范围作为一外部输入。在17105,感兴趣的孔隙度范围被用于产生截止阈值以选择合适的测井部分从而形成井控制体元数据。该孔隙度范围被归约成多个孔隙度增量区间,比如4%的孔隙度增量(比如用于沙石)或2%(比如用于像Strawn这样的碎屑石灰岩)。在17120,来自17105的用于孔隙度增量区间的孔隙度截止阈值被用于形成井控制体元数据(比如,通过使用图13A中详细描述的流程)以产生一输出,如13170中那样。
在17407,井控制体元数据被用于校准量子谐振干涉测量引擎828的参数,该引擎被用于(比如在实现1400中所描述的流程的过程中)在从感兴趣的形成层中的一些区域(这些区域的孔隙度匹配于或超过在另一个矿床处相同的形成层中钻出的类似井的矿床上的井控制中看到的孔隙度)中推导出矿床体元时产生谐振事件。这些标准包括用于双阱函数的参数的校准,比如在图15中所描述的与隧穿速率和谐振的确定有关。针对在继续存在的矿床体元数据上通过量子谐振干涉测量引擎828而迭代的每一个连续的孔隙度区间,重新设置双阱参数。双阱参数可以包括:
双阱势能函数中的能量非对称性的初始化,
井之间的间距
双阱中的两个井的宽度
势垒高度
方程10、11、12中的布洛赫速率方程所允许的最大跳跃
用于自旋-粒子的驻留时间。
针对隧穿谐振(比如通过使用上述过程1700)检查用于一矿床体元的量子谐振干涉测量引擎828的输出,以查看该矿床体元数据是否符合在17101提供的孔隙度阈值标准,并且该输出被用于产生井控制矿床体元数据。在量子谐振干涉测量引擎的第一次迭代中的矿床体元数据以及在该量子谐振干涉测量引擎的连续运行中的继续存在的矿床体元数据被量子谐振干涉测量引擎828处理,以产生一输出,在17130评估该输出。如果确定了孔隙度标准被超过(比如基于1400的方法或者使用1600的差分干涉测量方法),则推断该矿床体元数据是用于下一次迭代的继续存在的矿床体元数据。如果孔隙度阈值没有被超过,则在任何接下来的迭代中该矿床体元不被迭代。
在17140执行一检查,以确保用于当前迭代的所有矿床体元数据或继续存在的矿床体元数据都已被处理。如果不是这样,则在该序列中的下一个矿床体元或继续存在的矿床体元数据在17170被检索,并且从流程17100中的17190起重复该过程。如果17140的检查指明了所有的矿床体元数据或继续存在的矿床体元数据已经被处理,则另一个检查17150被执行以观察用于该工作流程的孔隙度的上限是否已被超过。如果17150的检查是成功的,则孔隙度-立方体结果被输出(比如以SEGY标志被输出)。如果17150的检查是不成功的,则孔隙度阈值被更新至在17145建立的下一个区间。量子谐振干涉测量引擎参数(比如双阱参数)被更新以用于下一次迭代。并且,该过程被重复。
过程17100可以被用于实现感兴趣的一个或多个孔隙度区间。它也可以被用于通过建立单个区间[0,阈值]并且在第一次迭代之后评估继续存在的矿床体元数据组来推导出在感兴趣的孔隙度阈值之上所有的体元。在继续存在的矿床体元数据中的这组体元提供了其形成层孔隙度在预先指定的感兴趣的截止阈值之上或之下的形成层的区域。
图17B示出了工作流程17200的示例,该工作流程使用地震数据来计算并预测Vshale等级。使用本文所讨论的系统和技术(比如通过使用量子谐振干涉测量引擎828)就可以执行工作流程17100。在不同矿床的不同形成层中,不同的Vshale范围是感兴趣的。不像孔隙度那样,Vshale常常被用作一种回避-属性,即,为了定位一井就要避开那些具有高Vshale的区域。油气勘探与生产的经济效益规定了Vshale值的低截止值,这些截止值与在矿床上定位新的井或新的补偿井有关。对次表层形成层Vshale的精准了解被用于最佳地对井进行定位,以避免干井并使采收率达到最大。例如,用于Vshale的商业勘探标准是由委托的项目地质工作者提供,或者由勘探经理或租借拥有者/运营者提供。过程17200所提供的答案的类型的一些示例包括:
-具有低于30%的Vshale等级的区域是多大?
-在沙石沟道中,Vshale的百分比是多少?
这些问题可以通过使用过程17200来回答,以找到低于预先规定的Vshale截止标准的区域从而形成Vshale-体或岩性-立方体输出,就像图2中的275所示出的那样。
过程17200在被迭代地实现以针对每一个矿床体元确定估计出的最大Vshale时就可以确定岩性-立方体。一旦针对一矿床建立了感兴趣的Vshale范围,则该范围被分解成多个区间,基于该矿床上的井控制或者使用来自其它矿物产地的类似的井控制就可以分析这些区间。针对一阈值(该阈值是由针对上述感兴趣的范围而设置的最低区间所建立的)以上的Vshale,测试矿床体元的矿床体元数据。工作流程17200可以被迭代地执行,使得在连续的迭代中只有超过在先前运行中所建立的Vshale阈值的那些体元才被分析,以评估它们是否超过新的阈值。超过在迭代过程中的Vshale阈值的矿床体元数据被标记为“继续存在的矿床体元”数据。针对继续存在的矿床体元数据,重复这一过程,直到整个孔隙度范围都被覆盖。
主要振幅谱分解或高频谱分解体是在17202被获得的,且作为专属于形成层Vshale估计的计算过程的起始输入。例如,这种起始输入可以是在图5的步骤560被获得的。起始输入是在17290被体元化的(比如结合图7对其进行了描述),以产生矿床体元数据的序列。根据过程17200,单独的矿床体元被按顺序地处理,以构建岩性-立方体输出17260。在17290,归一化的激励级联是从矿床体元数据中产生的(比如结合12190对其进行了描述),并且被输入到量子谐振干涉测量引擎828。
在17201,例如,从地质工作者、运营者、或租借股东那儿获得了感兴趣的Vshale范围作为外部输入。在17205,感兴趣的Vshale范围被用于产生截止阈值以选择合适的测井部分从而形成井控制体元数据。该Vshale范围被归约成多个Vshale增量区间,比如20%的Vshale增量(比如用于沙石)或10%的增量(比如用于像Strawn这样的碎屑石灰岩)。在17220,来自17205的Vshale截止阈值被用于形成井控制体元数据(比如,通过使用图13B中详细描述的流程)以产生一输出,如13270那样。
在17207,井控制体元数据被用于校准量子谐振干涉测量引擎828的参数,该引擎被用于(比如在实现1400中所描述的流程的过程中)在从感兴趣的形成层中的一些区域(这些区域的Vshale匹配于或超过在另一个矿床相同的形成层中钻出的类似井的矿床上的井控制中看到的Vshale)中推导出体元数据时产生谐振事件。这些标准包括用于双阱函数的参数的校准,比如在图15中所描述的与隧穿速率和谐振的确定有关。针对在继续存在的矿床体元数据上通过量子谐振干涉测量引擎828而迭代的每一个连续的Vshale区间,重新设置双阱参数。双阱参数可以包括:
双阱势能函数中的能量非对称性的初始化,
井之间的间距,
双阱中的两个井的宽度,
势垒高度,
方程10、11、12中的布洛赫速率方程所允许的最大跳跃,以及
用于特定阱中的自旋-粒子的驻留时间。
针对隧穿谐振(比如通过使用上述过程1700)检查量子谐振干涉测量引擎828的输出,以查看该矿床体元数据是否符合在17201提供的Vshale阈值标准,并且该输出被用于产生井控制矿床体元数据。在量子谐振干涉测量引擎的第一次迭代中的矿床体元数据以及在该量子谐振干涉测量引擎的连续运行中的继续存在的矿床体元数据被量子谐振干涉测量引擎828处理,以产生一输出,在17230评估该输出。如果确定了Vshale标准被超过(比如基于1400中的方法或者使用1600的差分干涉测量方法),则推断该矿床体元数据是用于下一次迭代的继续存在的矿床体元数据。如果Vshale阈值没有被超过,则在任何接下来的迭代中该矿床体元不被迭代。
在17240执行检查,以确保用于当前迭代的所有矿床体元数据或继续存在的矿床体元数据都已被处理。如果不是这样,则该序列中的下一个矿床体元或继续存在的矿床体元数据在17270被检索,并且从流程17200中的单元17290起重复该过程。如果17240的检查指明了所有的矿床体元数据或继续存在的矿床体元数据已经被处理,则另一检查17250被执行以观察用于该工作流程的Vshale的上限是否已被超过。如果17250的检查是成功的,则岩性-立方体结果被输出(比如以SEGY标志被输出)。如果17250的检查是不成功的,则Vshale阈值被更新至在17245所建立的下一个区间。量子谐振干涉测量引擎参数(比如双阱参数)被更新以用于下一次迭代。并且,该过程被重复。
流程17200可以被用于实现感兴趣的一个或多个Vshale区间。它也可以被用于通过建立单个区间[0,阈值]或[阈值,形成层的上界范围]并且在第一次迭代之后评估继续存在的矿床体元数据组,来推导出在感兴趣的Vshale阈值之上或之下所有的体元。在继续存在的矿床体元数据中的这组体元提供了其Vshale在预先指定的感兴趣的截止阈值之上或之下的形成层的区域。
图17C示出了过程17300的示例,该过程使用地震数据来确定流体存在性以及流体类型(包括油、气以及水)。过程17300也可以被用于确定油-水接触边界或气-水边界。在一些示例中,过程17300实现了对流体标记物(用于油、气以及水)的搜索,这种流体标记物是从阱控制体元数据中推导出的。在一些示例中,过程17300实现了矿床体元数据中的低频谱衰减的定量估计。对于本领域技术人员而言已知且已由受控实验的经验测量所显示的是:像油、水和气这样的流体使声音传播与反射中的低频发生差分衰减。然而,这种衰减非常小,通常小于1%(对于碎屑状的多层结构而言),甚至低至0.01%(像strawn石灰岩这样的紧致的碳酸盐),而地震数据中的噪声则可能比1%~3%还高。在这种情况下,在高背景噪声与杂波中,地震中的反射的谱能量的差分衰减是相对很弱的信号。过程17300甚至可以从这种背景噪声和杂波中识别出差分衰减。
过程17300在有流体位置或烃圈闭之间作出区分,并且将它与曾经有烃但现在已偏移了且可能被盐水或淡水替代了的那些区域进行对比。对于常规的岸上以及离岸碳酸盐和碎屑状的区带而言,这具有商业方面的暗示。它也被用于解释当紧靠在一起钻出的井和补偿井在烃采收率和存在性方面通常具有不同的结果时所观察到的不稳定的行为。过程17300使用地震数据来检测烃相关信息。例如,具体地讲,通过使用低频谱分解体,过程17300可以检测在地震数据中的谱衰减。这种技术被用于低频谱分解,但是也可以被用于高频和主要振幅谱分解。
低频被用于检测、区分和描绘流体与油水接触。重要的不是图像质量或低频自身,而是能够看出在低频中的相对衰减,正如通过岩石物理学识别出的感兴趣的区域与水湿区域或没有流体的区域之间的差异所建立的那种在低频中的相对衰减。
使用测井数据与地震体可以延长用于经处理体的低频边界。通过组合地震数据、测井数据和底层的岩石物理学性质以估计超越常规处理的边界以外的属性并且使用岩石物理学关系,来设计这两者如何可以被有意义地组合。不像常规的地震阻抗反演处理(该处理是使用–6dB以上或-10dB以上的振幅来驱动的),本方法利用了不同的谱带宽状态。通过使输入数据带宽延长另一个-10dB到-14dB,本方法根据地震检波器的谐振频率有效地使用于驱动该分析的低频在目标处延长了2Hz到6Hz,其中假定了活跃的震源存在于低频区域中达合适的时间窗口(取决于感兴趣的形成层)。
总之,图13C的方法(如在13300用于设计井控制体元数据)确保了正的控制体元与负的控制体元被转变成一维谱数据分组,这些分组的频率使得因变化的流体类型与流体饱和度而导致的谱能量衰减在感兴趣的井控制区域中分离出来;并且这些井控制体元数据可以是从PSTM/PSDM地震体谱分解中在低频区间被提取出的。通过将所提取的谱分解的振幅限制成在-22dB到-24dB之上,为了满足边界条件,底层的量子谐振干涉测量引擎被校准以提供1:100SNR检测。如果要使用低于-24db的振幅的话,将需要不同的校准来处理矿床体元数据并且设计井控制体元数据。
如果从谱分解中提取的井控制体元数据中的谱能量衰减无法分离感兴趣的区域(甚至向下至-24dB)用于流体确定,则这些体元与一个或多个合成载波核函数(使用带有变化振幅和旁瓣的Ricker小波来推导出这些核函数)进行卷积,如在1200那样。
在17302,低频谱分解体被获得,作为用于流体估计的起始输入。例如,这种起始输入可以在图5中的步骤560被获得。
起始输入被体元化(比如结合图7对其进行了描述),以产生矿床体元数据的序列。根据过程17300,用于各个矿床体元的矿床体元数据被按顺序地处理,以构建流体体输出17360。
在17390,归一化的激励级联从矿床体元数据中产生(比如结合12190对其进行了描述),并且被输入到量子谐振干涉测量引擎828。
在17301,流体标记库是指经验研究的结果、或实验室实验的观察、或基于岩心分析的校准表格,用于规定岩石类型和流体饱和度之间的关系、不同的测井曲线之间的关系以及不同的形成层、圈闭和矿物产地的深度。数据可以是从与感兴趣的矿床相同的地质盆地或矿物产地中获得的。用于矿床的井控制可以包括使用在该矿床上已经钻出的井的部分进行岩心分析的结果,用于报告烃饱和水平。在其它情况下,提供电阻率测井与流体饱和水平之间的关系的手册是可以使用的。在一些情况下,推导出的积水现象(该积水现象从其它测井曲线和岩芯数据中构建出)是可用的。可用的流体性质数据可以被用于建立在矿床上或在类似物上钻出的井之内的部分的等价物。
一旦用测井曲线建立了感兴趣的流体区域的等价物,则在17305确定井控制体元数据(比如结合图13C所描述的)。来自17305的输出被标记为流体标记物,因为它呈现了能谱密度水平超过数的变化,这些变化可以是在感兴趣的形成层中存在流体或流体类型的指示符。此外,如果已经使用过程13300形成了绝对的谱衰减关系,则过程17300可以输出一流体体,用于代表在该形成层上的谱衰减的预测。
在17305,流体标记物和多个井部分被用于产生截止阈值,以选择并形成井控制体元数据。来自17305的输出被用于校准17307量子谐振干涉测量引擎的参数(例如,如当实现1400中所描述的流程时),这些参数要被用于在从具有流体标记物或其谱衰减水平超过感兴趣的截止阈值的形成层中的区域中推导出矿床体元时产生谐振事件。这些标准包括用于双阱函数的参数的校准(比如在图15中所描述的),与隧穿速率和谐振的确定有关。双阱参数可以包括:
双阱势能函数中的能量非对称性的初始化,
井之间的间距
双阱中的两个井的宽度,
势垒高度,
方程10、11、12中的布洛赫速率方程所允许的最大跳跃,以及
用于特定的阱中的自旋-粒子的驻留时间。
针对隧穿谐振(比如通过使用上述过程1700)检查量子谐振干涉测量引擎828的输出,以查看该矿床体元数据是否符合在17301提供的谱衰减阈值标准,并且该输出被用于产生井控制矿床体元数据。
在量子谐振干涉测量引擎的第一次迭代中矿床体元数据被量子谐振干涉测量引擎828处理,以产生一输出,在17330评估该输出。如果确定了衰减标准被超过(比如基于1400中的方法或者使用1600的差分干涉测量方法),则推断该矿床体元数据是用于下一次迭代的继续存在的矿床体元数据。如果谱衰减阈值没有被超过,则在任何接下来的迭代中该矿床体元不被迭代。
在17340执行一检查,以确保用于当前迭代的所有矿床体元数据或继续存在的矿床体元数据都已被处理。如果不是这样,则在该序列中的下一个矿床体元在17370被检索,并且从流程17300中的单元17390起重复该过程。如果17340的检查指明了所有的矿床体元数据已经被处理了,则流体-立方体结果被输出(比如按SEGY标记)。
流程17300可以被用于在感兴趣的多种流体之间进行检测和区分。它也可以被用于通过建立单个区间[0,阈值]或[阈值,形成层的上界范围]并且在第一次迭代之后评估继续存在的矿床体元数据组,来推导出在感兴趣的谱衰减阈值之上或之下所有的体元。继续存在的矿床体元数据中的这组体元提供了具有在预先规定的感兴趣的截止阈值之上或之下的谱衰减的形成层中的区域。
图17D示出了过程17400的示例,该工作流程使用地震数据来计算并预测脆度等级。在不同矿床的不同形成层中,不同的脆度范围是感兴趣的。用于脆度的勘探标准是由委托的项目地质工作者提供,或者由勘探经理或租借拥有者/运营者提供。
过程17400是使用迭代的工作流程来实现的,以确定针对每个矿床体元数据而估计的最大脆度。一旦针对一矿床建立了感兴趣的脆度范围,则该范围被分解成多个区间,基于该矿床上的井控制或者使用来自其它矿物产地的类似的井控制就可以分析这些区间。针对一阈值(该阈值是由针对上述感兴趣的范围而设置的最低区间所建立的)以上的脆度,测试所有的矿床体元数据。在连续的运行中,只有超过在先前运行中所建立的脆度阈值的那些体元被分析,以评估它们是否超过新的阈值。超过在迭代过程中的脆度标准的矿床体元数据被标记为“继续存在的矿床体元”数据。针对继续存在的体元数据,重复这一过程,直到整个脆度范围都被覆盖。
主要振幅谱分解或高频谱分解体在17402被获得,且作为专属于形成层脆度估计的计算过程的起始输入。例如,这种起始输入可以在图5的步骤560被获得。起始输入在17490被体元化(比如结合图7对其进行了描述),以产生矿床体元数据的序列。根据过程17400,单独的矿床体元被按顺序地处理,以17460在构建脆度-立方体输出。在17490,归一化的激励级联从矿床体元数据中产生(比如结合12190对其进行了描述),并且被输入到量子谐振干涉测量引擎828。如在12190,归一化的激励级联从矿床体元数据中产生,并且被输入到量子谐振干涉测量引擎828。
在17405,感兴趣的脆度范围被用于产生截止阈值,以选择合适的测井部分从而形成井控制体元数据。上述脆度范围被归约成多个脆度增量区间。在17420,来自17405的脆度截止阈值被用于形成井控制体元数据(比如,在13470,使用图13D中详细描述的流程来产生一输出)。
在17407,井控制体元数据被用于校准量子谐振干涉测量引擎828的参数,这些参数被用于(比如在实现1400中所描述的流程的过程中)在从上述形成层中的一些区域(这些区域的脆度匹配于或超过在另一个矿床相同的形成层中钻出的类似井的矿床上的井控制中看到的脆度)中推导出矿床体元数据时产生谐振事件。这些标准包括用于双阱函数的参数的校准(比如在图15中所描述的),与隧穿速率和谐振的确定有关。针对通过量子谐振干涉测量引擎828对继续存在的矿床体元数据迭代的每一个连续的脆度区间,重新设置双阱参数。双阱参数可以包括:
双阱势能函数中的能量非对称性的初始化,
井之间的间距
双阱中的两个井的宽度,
势垒高度,
方程10、11、12中的布洛赫速率方程所允许的最大跳跃,以及
用于特定的阱中的自旋-粒子的驻留时间。
针对隧穿谐振(比如通过使用上述流程1700)检查用于一矿床体元的量子谐振干涉测量引擎828的输出,以查看该矿床体元数据是否符合在17401提供的脆度阈值标准,并且该输出被用于产生井控制矿床体元数据。在量子谐振干涉测量引擎的第一次迭代中的矿床体元数据以及在该量子谐振干涉测量引擎的连续运行中的继续存在的矿床体元数据被量子谐振干涉测量引擎828处理,以产生一输出,在17430评估该输出。如果确定了孔隙度标准被超过(比如基于1400中的方法或者使用1600的差分干涉测量方法),则推断该矿床体元数据是用于下一次迭代的继续存在的矿床体元数据。如果脆度阈值没有被超过,则在任何接下来的迭代中该矿床体元不被迭代。
在17440执行检查,以确保用于当前迭代的所有矿床体元数据或继续存在的矿床体元数据都已被处理。如果不是这样,则在该序列中的下一个矿床体元或继续存在的矿床体元数据在17470被检索,并且从流程17400中的单元17490起向前重复该过程。如果17440的检查指明了所有的矿床体元数据或继续存在的矿床体元数据已经被处理,则另一检查17450被执行以观察用于该工作流程的孔隙度的上限是否已被超过。如果17450的检查是成功的,则岩性-立方体结果被输出(比如按SEGY标志)。如果17450的检查是不成功的,则脆度阈值被更新至在17445建立的下一个区间。量子谐振干涉测量引擎参数(比如双阱参数)被更新以用于下一次迭代。并且,该过程被重复。
过程17400可以被用于实现感兴趣的一个或多个脆度区间。它也可以被用于通过建立单个区间[0,阈值]或[阈值,形成层的上界范围]并且在第一次迭代之后评估继续存在的矿床体元数据组,来推导出在感兴趣的脆度阈值之上或之下所有的体元。继续存在的矿床体元数据中的这组体元提供了具有在预先规定的感兴趣的截止阈值之上或之下的脆度的形成层中的区域。
量子谐振干涉测量引擎828可以分两级配置。例如,图18A和18B示出了分别在训练模式和操作模式中的配置。训练模式1810产生了用于下列的参数的校准:
(1)非线性动力学,被实现在量子谐振干涉测量过程831和干涉测量耦合器833之内;
(2)用于产生谐振事件的指标数字(比如在特定的检测极限(LOD)、量化极限(LOQ)、精准度之上的信号)的初始化;以及
(3)用于833实现方程10到12的干涉参数以及流程1400的量子力学动力学的底层参数的校准与优化。训练数据包括:从合适的井控制体元数据中推导出的归一化的激励级联数据的示例;以及经恰当调整的合成与地震数据噪声。
井控制体元数据的子集被用于测试,以验证训练模式是否被成功地完成。用于训练模式的整个数据组被标记为“训练组”。例如,该训练组可以包括井控制体元数据,这些井控制体元数据具有用于流体属性值的孔隙度、Vshale和谱衰减,这些值都低于感兴趣的截止值(或者高于感兴趣的截止值,比如在Vshale属性计算过程中)。
操作模式1820产生了经校准的量子谐振干涉测量引擎的使用,该引擎通过训练模式1810被初始化且被校准以检测并表征矿床体元数据。用于操作模式1820的操作数据组被标记为“输入组”。量子谐振干涉测量引擎8要求输入数据是具有下列性质的一系列实数:
具有长度k的一维实数矢量。推荐4≤k≤2048,
可以针对上述训练组定义一品质度量,使得具有已知信号的样品>LOD,并且
如果signal(sample_i)>signal(sample_j),则metric(sample_i)>metric(sample_j)。
井控制部分(如在结合图13A-13D所讨论的那样,被用在井控制体元数据的选择中并且按照特定属性值的增大或减小的顺序来排列,并且成功地符合上述测试,如在13170、13270、13370、或13470中那样)是可以被用在建立一品质度量的过程中的数据的示例。
在训练模式1810中所使用的特定的品质度量的示例是用于样本(1..n)的第一时刻的关联系数,其中,n是在上述训练组中使用的井控制体元数据的数目,该关联系数与所有标记的示例的信号强度相关联(即,具有相关联信号等级的训练组成员)。如针对所有的信号示例所规定的那样,品质度量被要求相对于信号强度是单调的。如果使用第一时刻无法满足上述的测试,则第二或第三时刻被检查。此外,如果对于第一、第二、第三阶时刻一阶关联没有产生单调的结果,则二阶偏相关被应用。如果二阶偏相关测量没有产生单调的关系(如上文所定义的那样),则变换[T1…TN]被重新实现(如在808中那样)以产生一激励级联。
在训练模式1810中,干涉测量耦合器833采用其输入-“输入数据”,并且在单元833之内实现了迭代混响以产生两个结果输出:被标记为“TR”和“增强的数据”。TR代表了方程10到15的经典实现方式中的变换速率或方程10到15的量子力学实现方式中的隧穿速率。它是信噪比增强(SNR)的一种度量。通常,较高的TR数值指示了较高的SNR。如在1400中那样,TR表征了经噪声调制的预先调节的输入数据对一维基于NMR的量子力学自旋系统的动力学的影响。经优化的量子谐振干涉测量引擎针对信号(具有感兴趣的属性的矿床体元数据和井控制体元数据)和背景示例(已知不具有感兴趣属性的矿床或井控制体元数据)产生了在统计学意义上不同的TR,并且提供了易处理的计算过程以便在原本有噪声的数据中检测感兴趣的属性。
在18110输出的增强数据代表了一系列实数的输出矢量,所具有的基数与作为输入矢量被呈现给干涉测量耦合器833的归一化的激励级联相同。来自干涉测量耦合器833的增强数据代表了在输入数据的SNR上的SNR增强。
通过下列规范,域-特性被编码到干涉测量耦合器833中:(i)TR-阈值,用于使噪声与LOD之上的信号分离开,如在谐振事件836中那样;以及(ii)校准曲线,用于信号量化以产生谐振振幅,如在图8和图10中的839中那样。
如果将输入样本所展现出的TR与噪声样本所展现出的TR(也被标记为TR阈值)分离开一个或多个标准偏差,则信号存在性可以被推断出。尽管增强的数据矢量在信号检测过程中没有任何效用,其中信号存在性仅仅是基于经校准的数据组上的TR的统计显著的变化而被推断出的,但是其性质可以被用于评估QSR-NMR迭代程序动力学的正确性。然而,来自833的增强数据确实在信号量化过程中扮演了一角色,其中增强数据可以被应用于校准曲线以评估多少信号存在于预先校准的标度上。
在干涉测量耦合器833的每一次执行之后,TR计算(如在一收敛测试中那样)被执行以观察平均的TR值是否已经收敛。对于这种收敛测试而言,L2范数就足够了。作为一个示例,
||TR(i)/TR(i-1)||<ε
其中,ε是容限阈值,比如<0.05。如果收敛没有发生,则增强数据被反馈回给TR计算块用于另一过程迭代。
在操作模式中用于控制TR收敛过程的参数包括下列:
(1)TR-背景–在训练阶段通过处理大量的已知不含信号的样本数据矢量(纯噪声)而计算出的平均TR值。TR-背景是在训练期间通过使用一组背景(没有信号)样本而计算出的;
(2)收敛标准-用于收敛的迭代的最大数目。迭代的最大数目是一控制参数。QSR-NMR迭代程序参数被配置成在训练期间在100次迭代(以达到LOD检测)中实现2X增强。一旦该条件被实现,用于操作阶段的迭代的次数通常被设为200次,以允许现实的噪声和LOD附近的杂波干扰中的不确定性和变化。这确保了性能的稳健性;
(3)一致性标准–当TR平均值满足背景“区别”标准时连续的迭代步骤(convergenceSteps)的数目。背景区别意味着在统计学意义上不同于TR_background。上述convergenceSteps的值是maxIterConvergence的很小分数,并且通常是从它中推导出的(例如,convergenceSteps通常是5或7次连续的迭代,但是小于maxIterConvergence的5%);以及
(4)分离的程度(separationDegree)-这是TRmean的收敛值和TRbackground之差的阈值。上述separationDegree的值通常是1。当使假阳性的风险达到最小非常重要时,像2或3这样更高的值可以被使用。
背景“区别”是由下列公式决定的:
|TRmean–TRbackground|>separationDegree*σbackground
其中,s表示在TR值上的标准偏差,这些TR值是通过使用不符合感兴趣的标准或者被视为负控制的井控制矿床体元数据而获得的。
这种区别对于大量的连续步骤(比如5或7个)而言必须保持,并且等于convergenceSteps以便满足上述一致性标准。对于噪声是平稳的那些应用而言,3个连续的步骤可能是足够的。对于具有不平稳噪声的应用而言,经验规则是要实现高达MaxIterations的5%的一致分离。
TR计算模块具有作为核心元件的干涉测量耦合QSR-NMR引擎迭代程序。该干涉测量耦合QSR-NMR引擎模块被执行了固定的预先确定的迭代次数。这些迭代(被标记为InnerIterations)对应于呈现上述输入序列的重复次数。对于第一次迭代,QSR模块将数据归一化模块所产生的数据作为其输入,并且将其与内部产生的噪声组合起来。接下来,每一次迭代使用了在先前的迭代步骤中所产生的增强数据,该增强数据在与新产生的噪声矢量组合起来之后被往回反馈给干涉测量耦合QSR-NMR引擎。由此,经典的可加噪声参数随着每一次迭代而改变(基本上,噪声强度是逐渐增大的)。当所有的迭代已经被执行时,TR的平均值被计算,由QSR产生的最后的增强数据矢量被视为最终的输出矢量。
下列参数控制上述TR计算过程:
TR计算迭代(maxIterTRComputation)-这是用于TR计算的迭代的最大次数。这被设为在训练阶段使LOD处的信号情况的SNR翻倍所必需的迭代次数的至少两倍。使用200作为默认值;
最小噪声强度(minNoiseStrengthTRComputation)-这是第一次运行QSR所使用的噪声强度。良好的初始值小于图5中的输入数据的最大值的5%;以及
噪声强度增量(noiseStrengthIncrementTRComputation)–对于每一次迭代该噪声强度所增大的量。
从在NMR系统上的量子随机谐振理论实现方式中推导出了在干涉测量耦合QSR-NMR引擎模块之内的过程。该QSR模块以归一化的实数矢量为输入数据,该矢量的绝对振幅(<0.3)代表了不典型的信号(被埋在噪声之中),并且该QSR模块基本上实现了量子随机谐振动力学以确定在该QSR模块之内的两个量子力学“能量”状态之间的隧穿速率。除了隧穿速率以外,该QSR模块也产生“增强的”实数数据矢量,与原始输入数据相比该矢量具有针对掩埋信号的更高SNR。通过估计在全高半宽之下的面积,就计算出了用于输入数据和增强数据的信号功率。通过使用在这两种情况中的用于信号和噪声的面积,可以计算SNR:增强数据与输入数据信噪比是在信号与背景噪声之间的功率比的项:
其中,P是平均功率,A是均方根(RMS)振幅。信号与噪声功率(或振幅)必须在系统中的相同或等价的点处并且在相同的系统带宽之内被测量。
在量子谐振干涉测量引擎的参数已经被建立之后,在训练阶段进行的828之内建立感兴趣的TR阈值,正如上文所描述的那样。有可能的是,在迭代模式中执行训练阶段,两种过程(QSR优化和TR阈值确定)被重复许多次。例如,如果使用初始的经优化参数组没有建立TR阈值,则必须通过改变SNR增益来调节QSR引擎参数。然后,TR阈值确定过程被再次尝试。
在计量器的一些实现方式中,计量器是一个判定框,在该判定框中将用于当前数据样本的TR与在训练阶段所获得的预定阈值进行比较,以便于判定在输入数据中是否存在信号。对于TR阈值确定而言,必须使用大量的控制数据样本。这些数据样本落在两个类别之中:
背景-没有信号存在;以及
信号-信号的固定值(具有比LOD更高的SNR)是存在的。
对于每一个类别,期望最少有20个样本。当被QSR引擎处理时,每一个数据样本产生相应的TRmean值。由此,产生了与上述两个类别相对应的两组TR值。这些被分别指定为用于背景与信号的TRB和TRS。仅当这两组TR值在统计学意义上为不同时,该QSR引擎才被正确地优化。每一组TR值的标准偏差与平均值被计算且被分配:分别用于背景和信号的σB,μB,σS,μS。临界差异参数接下来被用于评估这两个TR数据组之间的差异。
临界差异参数是由下列公式给出的:
CR=(μS-μB)/(σS 2/nS+σB 2/nB)
其中,nS和nB分别是在信号和背景数据组中的样本的数目。对于井-优化QSR引擎而言,CR值必须在区间[-1.96,1.96]之外。可能有两个原因使CR的值没有落在该区间之内。数据样本没有被恰当地选择(信号存在于背景样本中,或者信号样本中所存在的是不够的)。这可以通过重新访问所选的样本组而修复,或者(如果这是一选择)产生一些人工数据,其中SNR可以被严格地控制。上游的模块尚未被优化。这使调谐过程回到开始处。这些参数必须被重新调节。
如果这两个组在统计学意义上是不同的,则TR阈值被计算如下:
thresholdTR=(σB+σS)/2。如此计算的阈值被用在操作模式中以判定收敛。
图19示出了用于校准量子谐振干涉测量引擎参数的方法1900。例如,在第一矿床体元的第一次迭代之前,使量子谐振干涉测量引擎初始化(如在流程17100、17200、17300和17400所讨论的那样)。一旦所有的矿床体元数据都已经被量子谐振干涉测量引擎828分析了,并且感兴趣的属性参数被更新以处理下一个区间(如在17145、17245、17345或17445所讨论的那样),量子谐振干涉测量引擎参数被再次更新以处理继续存在的矿床数据体元(如结合图17A-17D所讨论的那样)。
下面的讨论使用孔隙度-立方体工作流程17100作为一示例。该技术可等同地应用于岩性-立方体、流体-体以及脆度体的计算过程。一旦在17105已经建立了孔隙度范围并且孔隙度计算区间被建立了,则来自与不同的孔隙度区间相关的合适的井部分的井控制体元数据中的能谱能量值(如图13A中那样)在1402被获得,并且被用于使双阱函数(该函数在图15中被描述且被用在流程1400中)的参数初始化。
在1902,与感兴趣的属性范围相对应的井控制体元数据能谱密度范围被获得。在1910,量子谐振干涉测量引擎参数被计算,并且包括下列:
NMR-QSR双阱参数包括:
点计数–这是代表输入数据矢量的大小的数字。较佳的是,点计数是2的幂,但这不是要求。点计数32(当使用德尔塔脉冲核函数时)、64(当使用高斯峰值核函数时)和128(当使用CWT-连续小波变换核函数时)被用作示例。实际的矢量大小可能取决于原始数据元素的数目(例如,被用于扫过输入图像的窗口之内的像素的数目)。在预处理预调节T变换期间,实现了一致性(将矢量大小改为2的幂)。点计数的大值可能导致假原因谐振,这是因所注入的加性的周期性噪声与量子力学系统之间的耦合造成的,该量子力学系统可能导致LOD信号等级附近的假阳性。也可以将计算时间添加到上述过程。量子谐振干涉测量引擎的计算处理速度减小了。上述点计数实际上是一维1峰值核函数的离散化的结果,该核函数被用于预先调节到干涉测量耦合器的输入并使该输入归一化。
噪声颜色–需要周期性合成噪声来驱动NMR-QSR动力学。这种噪声是由其颜色和强度(振幅)来表征的。在噪声颜色为1(白噪声)处,噪声颜色的默认值可能保留不变。当使用量子谐振干涉测量引擎时,这被用作控制参数以加速/减缓SNR增益。它具有有限的影响,并且可以破坏QSR动力学的稳定性以设置为>>1。但是,当其它参数的调节无法产生期望的SNR时,作为检测信号的最后一种手段它是可调的。
噪声强度–噪声强度(振幅)是在双阱设计之外的主要可调值,并且通过改善所输出的SNR来直接地控制信号的检测;
驻留时间–为了让量子谐振干涉测量引擎判定在该处理期间已发生转变,量子谐振干涉测量引擎必须显示出一定的稳定性,即,状态不呈现出随机转变。因此,驻留时间是一种稳定性标准,该标准基本上规定了系统状态必须保持为两种量子力学状态之一的最小时间。驻留时间实际上可以被表达为时间步长数(如上文提到过的那样,一个时间步长对应于处理输入数据矢量之内的下一个元素)。由此,驻留时间的最小值是一。驻留时间的值越高,稳定程度越高,但代价是总时间(输入数据矢量的长度)内所记录的转变越少。
势垒-这是用于定义QSR模型的四次函数的两个参数之一。它被用于控制在使用量子谐振干涉测量引擎获得谐振的过程中的精确度和置信度。
势能最小值–这是用于定义QSR模型的四次函数的第二个参数;
激活温度;
粒子质量;
双阱能量–从测井曲线(声学、密度、伽马等)中推导出非对称性。它控制在能谱密度空间中不同的感兴趣的区域之间的分离;
热弛豫时间–这提供了用于被引入到量子谐振干涉测量引擎中的(合成+地震)噪声的调制与放大的协议;
脱散弛豫时间,代表了必须被加到该系统以补偿因环境脱散而导致的损失的噪声;
最大能量比例–这被用在量子谐振干涉测量引擎中以检查该系统能量是否保持在四次势能的合理边界之内。它对于该引擎的性能而言不是关键的,并且默认值可以是在优化过程中被确定的;
调节器阈值,被用于对谐振事件建立置信度度量;
初始位置–这是在方程10、11、12所给出的运动的布洛赫速率方程中的系统(x,y,z)的初始状态。这一参数必须落在该四次函数的起作用区域的边界之内。它的影响是最小的,并且仅用作该迭代的起始点。从用于定义该四次函数的其它参数中,可以计算出初始位置的有效初始值。
在1920,在调谐TR收敛模块的过程中有三个参数:
最大收敛迭代–这是迭代的最大次数,这之后干涉测量耦合器单元833放弃尝试实现TR收敛。用于该参数的默认值被设为100。较高的值增大了收敛的可能性,但是需要增大的计算时间;
收敛置信度–这是连续迭代的次数,其中TR值必须保持在TR平均值上所限制的ε之内以推断收敛。该参数的值应该是最大收敛迭代的分数(可以使用默认值5%)。较高的值将增大置信度等级,其代价是增大了执行时间;
-收敛ε-是平均值周围的区间的宽度,在该区间内允许TR值波动以满足收敛标准。如果TR的算术平均的最大值与最小值之差小于预先规定的连续迭代次数的收敛ε,则推断出收敛。通过该参数的值的组合以及收敛置信度设置,确定了收敛置信度等级。
在1920的TR阈值是在训练阶段期间在量子谐振干涉测量引擎的参数已经被设置之后被建立的。然而,训练阶段可以是在迭代模式中被执行的,其中两个处理过程(量子谐振干涉测量引擎优化过程与TR阈值确定过程)被重复了许多次。例如,如果使用初始的经优化的参数组没有建立TR阈值,则可以通过改变SNR增益来调节量子谐振干涉测量引擎参数。然后,TR阈值确定过程被再次尝试。
为了比较用于矿床数据的TR,将当前的数据样本与在训练阶段所获得的预定阈值进行比较,以便于判定输入数据中是否存在信号。对于TR阈值确定而言,需要大量的井控制体元数据样本。这些数据样本落在两个类别之中:被称为“背景”–即没有感兴趣的属性(即截止值之上的属性);以及被称为“信号”–存在于截止值之上的具有感兴趣的属性的井控制体元数据的固定值,也被称为“LOD之上的信号”。
使用少至1个的井控制体元数据就可以建立TR阈值。当被量子谐振干涉测量引擎处理时,每一个数据样本产生相应的TR值。由此,产生了与上述两个类别相对应的两组TR值。这些被分别指定为用于背景与信号的TRB和TRS。仅当这两组TR值在统计学意义上为不同时,该量子谐振干涉测量引擎才被正确地优化。每一组TR值的标准偏差与平均值被计算且被分配:分别用于背景和信号的σB,μB,σS,μS。临界差异参数接下来被用于评估这两个TR数据组之间的差异。
临界差异参数是由下式给出的:
CR=(μS-μB)/(σS2/nS+σB2/nB)
其中,nS和nB分别是在信号和背景数据组中的样本的数目。对于井-优化的量子谐振干涉测量引擎而言,CR值必须是在区间[-1.96,1.96]之外。可能有两个原因使CR的值没有落在该区间之内。数据样本没有被恰当地选择(信号存在于背景样本中,或者信号样本中所存在的是不够的)。这可以通过重新访问所选的样本组而修复。
如果这两个组在统计学意义上是不同的,则TR阈值被计算如下:thresholdTR=(σB+σS)/2。如此计算的阈值被用在操作模式中以判定收敛。
在1940,基于量子谐振干涉测量引擎迭代推导出边界。
-总时间-量子谐振干涉测量引擎处理作为矿床体元数据矢量的一维阵列时间序列的归一化的激励级联。由此,总时间参数决定了在输入数据的每一个元素之间的增量时间差。第一数据元素被分配了时间值零,最后一个元素具有等于(PointCount-1)*TotalTime/PointCount的时间值。这个参数建立了多个标度,按这些标度来检测多个转变,量子谐振干涉测量引擎相对于该标度增大SNR。
在1950,量子谐振干涉测量迭代计数被增大。
-迭代次数–这是在QSR迭代程序模块之内运行该QSR引擎的最大次数。从原理上看,迭代次数越大,以较长的执行时间为代价检测出信号的几率就越佳。必须仔细关注这一重要参数值的选择,因为在总的计算时间增大这一方面可能要付出很高的代价,在SNR增益方面没有可比较的益处。
在1960,示出了NMR-QSR井设计双参数的概要。这些包括与测井曲线中的区域分离的能谱密度有关的能量非对称性。井分离被用于调制在感兴趣的区域(比如油与水)之间的期望分离。势垒高度被用于建立期望的置信度。但是迭代次数与数据中的固有噪声和不确定性有关。
图20示出了一种示例工作流程2000,用于利用本文所讨论的各种过程来产生输出。工作流程2000使用在本文中所描述的各种过程来产生输出,从而确定烃存储的大小并产生勘探与生产的钻井目标。
常规的地震处理工作流程序列的结果(例如,使用了标准现用的软件地球物理学包,以产生叠前时间或深度偏移集合)在220被获得。在一些示例中,较佳的是保存振幅、谱以及相位信息并且避免带通滤波器。通过使用地层挑选的最佳实践方法,产生了地震地层,以区分感兴趣的形成层。对220所获得的地震数据执行谱分解,以将地震体划分成低频、主要振幅和高频划分体,如560中那样。
通过使用过程17100且以高频或主要振幅划分作为输入,在17160产生一孔隙度-立方体。通过使用过程17200且使用高频或主要振幅划分作为输入,在17260产生一岩性-立方体。通过使用过程17300且以高频或主要振幅划分作为输入,在17360产生一流体体。
过程17100、17200和17300使用了图9A-9C中的流程以在9170产生地震数据噪声,并且从随机数字发生器中产生正弦周期性调制的合成噪声842。地震数据噪声与合成噪声被组合起来以驱动量子谐振干涉测量引擎,该引擎被用于通过分析从地震划分体中推导出的矿床体元数据的序列来产生孔隙度-立方体、岩性-立方体以及流体体。
流程17100、17200、17300的结果被组合,如在2050那样,以识别并凸显在结果体之内的矿床体元数据,从而确定具有预定的截止值之上的孔隙度值的体元、具有满足感兴趣的标准Vshale值的体元以及用于显示出存在感兴趣的流体的体元。满足所有这三种标准的体元被集聚以组装一次表层地质体。在地震体中的地质体的大小、位置和取向定义了潜在的烃储层的性质。因为各个矿床体元数据的大小是已知的,所以该储层地质体的大小被计算出来。来自2050的结果被用于进行烃勘探、钻井以及生产的决定。在一些实现方式中,钻井、勘探以及生产的决定使用了孔隙度-立方体、岩性-立方体、或流体体结果的子集(比如只用一个或两个)。
在本说明书中所描述的主题的实现方式可以被实现成一个或多个计算机程序即计算机程序指令的一个或多个模块,这些程序被编码在计算机存储介质上,以便于数据处理装置来执行,或者用于控制数据处理装置的操作。或者,程序指令可以被编码到人工产生的传播信号上,例如,机器产生的电、光、或电磁信号,产生这些信号是为了编码信息从而传播至合适的接收机装置以便于数据处理装置来执行。计算机存储介质可以是或者可以被包括在计算机可读存储设备、计算机可读存储基板、随机或串行存取存储器阵列或设备、或前述中的一个或多个的组合。此外,尽管计算机存储介质不是传播信号,但是计算机存储介质可以是在人工产生的传播信号中所编码的计算机程序指令的源或目的地。计算机存储介质也可以是或者被包括在一个或多个单独的物理部件或介质(比如多个CD、盘片、或其它存储设备)。
本说明书中所描述的操作可以被实现成由数据处理装置对一个或多个计算机可读存储设备上所存储的数据或从其它源接收到的数据执行的操作。
术语“数据处理装置”包括用于处理数据的所有类型的装置、设备和机器,例如,包括可编程处理器、计算机、芯片上的系统、或前述的组合。该装置可以包括专用逻辑电路,比如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除了硬件之外,该装置也可以包括为计算机程序创建执行环境的代码,例如,用于构成处理器固件、协议栈、数据库管理系统、操作系统、交叉平台运行时间环境、虚拟机、或它们的组合的代码。该装置和执行环境可以实现各种不同的计算模型体系基础设施,比如网页服务、分布式计算以及栅格计算基础设施。
计算机程序(也被称为程序、软件、软件应用程序、脚本、或代码)可用任何形式的编程语言编写,包括汇编或编译语言、说明或过程语言,并且其可以任何形式部署,包括作为独立程序或者作为模块、组件、子例程、对象、或其他适合在计算机环境中使用的单元。计算机程序可以但不需要对应于文件系统中的文件。程序可以被存储在保持其它程序或数据(比如在标记语言文本中所存储的一个或多个脚本)的文件的一部分中,或者被存储在专用于该程序的单个文件中,或者被存储在多个协作的文件(比如用于存储一个或多个模块、子程序、或代码部分的文件)中。计算机程序可被部署成在一个计算机上或在一个站点或跨多个站点分布的多个计算机上执行,并且通过通信网络互连。
本说明书所描述的过程和逻辑流程可以被一个或多个可编程处理器执行,从而执行一个或多个计算机程序以通过对输入数据进行操作并产生输出来执行多种动作。这些过程和逻辑流程还可由装置执行,并且该装置可被实现为专用逻辑电路,例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
作为示例,适于执行计算机程序的处理器包括通用微处理器和专用微处理器两者,以及任何类型的数字计算机中的任何一个或多个处理器。一般而言,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于根据指令执行多种动作的处理器以及用于存储指令和数据的一个或多个存储设备。一般而言,计算机还将包括或可用于耦合以从和/或向用于存储数据的一个或多个大容量存储设备(例如,磁盘、磁光盘或光盘)接收数据和/或传输数据。然而,计算机不需要具有这种设备。此外,计算机可以被嵌入到另一个设备中,比如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏控制台、全球定位系统(GPS)接收器、或便携式存储设备(比如USB闪存驱动器)等等。适于体现计算机程序指令和数据的信息载体包括所有形式的非易失性存储器,作为示例该非易失性存储器包括:储存设备(例如,EPROM、EEPROM)和闪存设备;磁盘(例如,内部硬盘或可移动盘);磁光盘;以及CD-ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路系统补充和/或被纳入该专用逻辑电路系统。
为了提供与用户的交互,此处描述的系统和技术可在具有用于向用户显示信息的显示设备(如,CRT(阴极射线管)或LCD(液晶显示器)显示器)与用户可通过它向计算机提供输入的键盘和定位设备(如,鼠标或跟踪球)的计算机上实现特征。其他类型的设备也可用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感觉反馈,例如,视觉反馈、听觉反馈、或触觉反馈;以及来自用户的输入可按任何形式接收,包括声音、语音和/或触觉输入。此外,通过发送文件给用户所使用的设备并且从中接收文件,计算机可以与用户交互作用;例如,响应于从网页浏览器接收到的请求,将网页发送给用户的客户机设备上的网页浏览器。
此处描述的系统和技术可被实现为计算机系统,包括后端组件(如,作为数据服务器)或者包括中间件组件(如,应用服务器)或者可包括前端组件(如,具有用户通过它与此处描述的系统和技术的实现进行交互的图形用户界面或web浏览器),或者这些后端、中间件或前端组件的任意组合。系统的组件可通过任何形式或介质的数字数据通信(例如,通信网络)来互连。通信网络的示例包括局域网和广域网、互联网、对等网络、无线网络、移动电话网络等等。
计算系统可包括客户机和服务器。客户机和服务器一般相距甚远且通常通过通信网络交互。客户机和服务器的关系根据在相应计算机上运行的且彼此具有客户机-服务器关系的计算机程序来产生。在一些实现方式中,服务器将数据(比如HTML页面)发送到客户机设备(比如,为了向用户显示数据并且接收与客户机设备交互作用的用户的输入)。在客户机设备处产生的数据(比如用户交互作用的结果)可以是从服务器处的客户机设备中接收到的。
已描述了多个实现方式。然而,将理解可进行各种修改。此外,可提供其他步骤,或可从所述流程中去除步骤,并将其他组件添加到所述系统,或从所述系统去除其它组件。因此,其它实现方式也在所附权利要求的范围之内。
Claims (30)
1.一种机器实现的方法,包括:
将感兴趣的地质次表层形成层的地震数据体元化成在感兴趣的形成层中具有各自的位置的多个体元;以及
确定所述多个体元中的一个体元是否包括一属性;以及
基于所述位置向一属性体输出所述体元是否包括所述属性;以及
对所述多个体元中的至少一些其它的体元,执行所述确定和所述输出。
2.如权利要求1所述的方法,其特征在于,
确定所述多个体元中的一个体元是否包括一属性的步骤包括:确定所述多个体元中的所述体元是否包括孔隙度属性;以及
所述方法还包括:将所述多个体元中的至少一些其它的体元组装到一孔隙度立方体中。
3.如权利要求1所述的方法,其特征在于,
确定所述多个体元中的一个体元是否包括一属性的步骤包括:确定所述多个体元中的所述体元是否包括岩性属性;以及
所述方法还包括:将所述多个体元中的至少一些其它的体元组装到一岩性立方体中。
4.如权利要求1所述的方法,其特征在于,
确定所述多个体元中的一个体元是否包括一属性的步骤包括:确定所述多个体元中的所述体元是否包括气、油、或水中的至少一种;以及
所述方法还包括:将所述多个体元中的至少一些其它的体元组装到一液体立方体中。
5.如权利要求1所述的方法,其特征在于,
所述地震数据包括用于感兴趣的形成层的偏移叠前时间集合。
6.如权利要求1所述的方法,还包括:
确定所述多个体元中的一个体元是否包括一属性的步骤包括:确定所述多个体元中的所述体元是否包括岩性属性;
对孔隙度属性,重复所述确定和所述输出;以及
基于关于岩性属性的多个体元中的至少一些其它的体元且基于关于孔隙度属性的多个体元中的至少一些其它的体元,产生用于指示打钻位置的在此-钻孔布置图。
7.如权利要求1所述的方法,其特征在于,
使地震数据体元化的步骤还包括:将地震数据频谱地分解成多个频率体。
8.如权利要求7所述的方法,还包括:
将地震数据频谱地分解成高频体、中频体和低频体。
9.如权利要求1所述的方法,其特征在于,
所述地震数据包括三维地震数据,并且
其中体元化的步骤包括从所述三维地震数据中产生多个一维体元矢量。
10.如权利要求9所述的方法,其特征在于,
确定所述多个体元中的一个体元是否包括一属性的步骤包括:基于来自一个或多个先前勘探过的地质次表层井的信息,获得用于该属性的控制数据;以及使用所述控制数据并且使用量子谐振干涉测量法来处理用于该体元的一维体元矢量以检测一谐振。
11.如权利要求1所述的方法,还包括:
对于另一个感兴趣的形成层的地震数据,执行权利要求1的步骤。
12.如权利要求1所述的方法,还包括:
基于所述属性体来表征一结构圈闭。
13.如权利要求1所述的方法,还包括:
基于所述属性体来表征一地层圈闭。
14.如权利要求1所述的方法,还包括:
使所述多个体元提高到预定的分辨率。
15.如权利要求1所述的方法,其特征在于:
其中体元化的步骤包括:产生用于所述体元的一维体元矢量;
获得从与感兴趣的属性相关联的测井数据中产生的频谱数据;
其中,所述确定包括:
使所述频谱数据与所述一维体元矢量相耦合以确定是否发生谐振事件;以及
当发生谐振事件时,产生指示所述体元具有感兴趣的属性的输出,以及
当没有发生谐振事件时,产生指示所述体元不具有感兴趣的属性的输出。
16.如权利要求15所述的方法,其特征在于,
产生所述一维体元矢量的步骤包括:使所述一维体元矢量所对应的振幅归一化以落在一范围之内。
17.如权利要求15所述的方法,其特征在于,
获得从测井数据中产生的频谱数据的步骤包括:
获得地震噪声数据;
从所述测井数据中获得井控制体元数据;以及
使用量子力学模型将地震噪声数据与井控制体元数据组合起来以产生所述频谱数据。
18.如权利要求17所述的方法,其特征在于,
获得井控制体元数据包括:
通过使用从具有感兴趣的属性的井的多个部分中的声波测井中推导出的小波,从用于所述属性的测井数据中确定能谱密度体元。
19.如权利要求17所述的方法,其特征在于,
将地震噪声数据与井控制数据组合起来的步骤包括:将地震噪声数据以及与呈现出所述属性的测井数据相关联的体元的井控制体元数据组合起来。
20.如权利要求17所述的方法,其特征在于,
获得所述井控制体元数据的步骤包括:获得未呈现出所述属性的体元的井控制体元数据;以及
获得所述地震噪声数据的步骤包括:基于未呈现出噪声的体元的井控制体元数据,产生地震噪声数据。
21.如权利要求11所述的方法,其特征在于,
使所述频谱数据与所述一维体元矢量相耦合以确定是否发生谐振事件的步骤包括:
基于所述一维体元矢量、合成噪声以及所述频谱数据,使用核磁共振(“NMR”)主速率方程来产生量子随机谐振。
22.一种计算机可读介质,用于对计算机程序产品进行编码,所述计算机程序产品可操作以使数据处理装置执行包括下列的操作:
从一地质次表层形成层的经体元化的地震数据中获得一体元的体元数据;
执行所述体元数据与频谱数据的第一非线性耦合以产生第一谐振,其中,所述耦合是通过具有在第一截止频带内的强度的噪声来驱动的;
响应于产生所述第一谐振,将所述截止频带调节为与所述第一截止频带不同的第二截止频带;
执行所述体元数据与和次表层形成层的属性相关联的频谱数据的第二非线性耦合以产生第二谐振,其中,所述第二耦合是通过具有在第二截止频带内的强度的噪声来驱动的;
响应于产生所述第二谐振,产生所述属性存在于所述体元中的指示;以及
响应于所述第二耦合未产生第二谐振,产生所述属性不存在于所述体元中的指示。
23.如权利要求22所述的计算机可读介质,其特征在于,
所述第一谐振包括第一量子随机谐振。
24.如权利要求22所述的计算机可读介质,所述操作还包括:
将所述体元数据组装到具有所述属性存在于所述体元中的指示的一属性体中。
25.如权利要求22所述的计算机可读介质,其特征在于,
经体元化的地震数据包括含所述体元的多个体元;以及
所述操作进一步包括:基于所述多个体元的平均强度的百分比,确定所述第一截止频带。
26.如权利要求22所述的计算机可读介质,所述操作包括:
在所述第一耦合之前,执行所述体元数据与和次表层形成层的属性相关联的频谱数据的第三耦合以产生第三谐振,其中,所述第三耦合是通过具有在不同的第三截止频带内的强度的噪声来驱动的;以及
响应于产生所述第一谐振,将所述第三截止频带调节为所述第一截止频带。
27.一种设备,包括:
用于从在一矿床上的地质次表层形成层的经体元化的地震数据中获得一体元的第一矿床体元数据的装置;
用于确定包括所述属性的值的属性迭代范围的装置,所述属性迭代范围包括至少第一值和第二值;
用于从一现有井的测井数据中确定控制井体元数据的装置,所述控制井体元数据包括在所述现有井中发现的属性值列表的频谱能量,其中包括用于所述第一值的第一频谱能量以及用于所述第二值的第二频谱能量;
用于使所述矿床体元数据与具有根据所述第一频谱能量设置的参数的频谱数据相耦合以产生第一谐振的装置;以及
用于响应于所述第一谐振而产生指示所述体元包括在至少所述第一值处的属性的输出的装置。
28.如权利要求27所述的设备,还包括:
用于使所述矿床体元数据与具有根据所述第二频谱能量设置的参数的频谱数据相耦合以产生第二谐振的装置;以及
用于响应于所述第二谐振而产生指示所述体元包括在至少所述第二值处的属性的输出的装置。
29.如权利要求28所述的设备,其特征在于,
所述控制井体元数据包括与所述属性的第三值相对应的第三频谱数据;以及
还包括:
用于使所述矿床体元数据与具有根据所述第三频谱能量设置的参数的频谱数据相耦合以产生第三谐振的装置;以及
用于响应于所述第三谐振未被产生而产生指示所述体元不包括在所述第三值处的属性但包括在所述第一和第二值处的属性的输出的装置。
30.如权利要求27所述的设备,其特征在于,
所述属性包括孔隙度,并且
所述第一值包括孔隙度的第一百分比,所述第二值包括比所述第一百分比大的孔隙度的第三百分比。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US31122710P | 2010-03-05 | 2010-03-05 | |
US61/311,227 | 2010-03-05 | ||
US32703510P | 2010-04-22 | 2010-04-22 | |
US61/327,035 | 2010-04-22 | ||
PCT/US2011/027456 WO2011109839A2 (en) | 2010-03-05 | 2011-03-07 | Active noise injection computations for improved predictability in oil and gas reservoir discovery and characterization |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102893183A true CN102893183A (zh) | 2013-01-23 |
Family
ID=44542883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011800223235A Pending CN102893183A (zh) | 2010-03-05 | 2011-03-07 | 改进油气田发现与表征的可预测性的有源噪声注入计算 |
Country Status (7)
Country | Link |
---|---|
EP (1) | EP2542918A2 (zh) |
CN (1) | CN102893183A (zh) |
BR (1) | BR112012022450A2 (zh) |
CA (1) | CA2792052A1 (zh) |
MX (1) | MX2012010271A (zh) |
RU (1) | RU2012142308A (zh) |
WO (1) | WO2011109839A2 (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105425287A (zh) * | 2015-11-09 | 2016-03-23 | 中国地质大学(北京) | 地震波的叠前分离方法 |
CN106814397A (zh) * | 2016-12-21 | 2017-06-09 | 长江大学 | 一种多参数联合反演计算岩石散射衰减的方法 |
CN107918142A (zh) * | 2017-09-08 | 2018-04-17 | 北京派特森科技股份有限公司 | 一种地震勘探方法 |
CN107967711A (zh) * | 2016-10-18 | 2018-04-27 | 中国石油化工股份有限公司 | 油藏区块模型可视化集成与精细拾取装置及方法 |
CN109642959A (zh) * | 2016-06-23 | 2019-04-16 | 斯多恩吉公司 | 使用被动地震信号表征一个区域的下方地层的方法以及相应的系统 |
CN110056345A (zh) * | 2018-10-30 | 2019-07-26 | 西安石油大学 | 一种适用于页岩气储层的测井评价方法 |
CN110226109A (zh) * | 2016-12-12 | 2019-09-10 | 吉奥奎斯特系统公司 | 增强的地质服务表征 |
CN110837116A (zh) * | 2018-08-15 | 2020-02-25 | 中国石油天然气股份有限公司 | 盐穴储气库运行上限压力的确定方法 |
CN111868756A (zh) * | 2018-01-31 | 2020-10-30 | 谷歌有限责任公司 | 通过强化学习进行量子计算 |
CN112689778A (zh) * | 2018-05-31 | 2021-04-20 | 沙特阿拉伯石油公司 | 使用混合线性和非线性算法的反演地层建模 |
CN113156526A (zh) * | 2021-04-26 | 2021-07-23 | 中国地质科学院地球物理地球化学勘查研究所 | 全区多源电磁测深法及多场源多分量数据联合反演技术 |
CN113238288A (zh) * | 2021-05-20 | 2021-08-10 | 桂林电子科技大学 | 一种基于差值谱线的旋翼目标特征提取方法 |
CN114089416A (zh) * | 2021-11-17 | 2022-02-25 | 成都理工大学 | 一种利用薛定谔方程进行地震波衰减梯度估计的方法 |
CN114137616A (zh) * | 2021-12-03 | 2022-03-04 | 成都信息工程大学 | 一种利用量子力学原理进行储层含气性检测的方法 |
CN114152981A (zh) * | 2021-12-03 | 2022-03-08 | 成都信息工程大学 | 一种势能波函数域地震资料品质因子估计方法 |
CN114492213A (zh) * | 2022-04-18 | 2022-05-13 | 中国石油大学(华东) | 基于小波神经算子网络模型剩余油饱和度和压力预测方法 |
CN114895359A (zh) * | 2022-07-13 | 2022-08-12 | 中国科学院地质与地球物理研究所 | 一种das同井监测实时微地震有效事件去噪方法及系统 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015185991A2 (en) * | 2014-06-02 | 2015-12-10 | Cgg Services Sa | Spectral analysis and processing of seismic data using orthogonal image gathers |
GB2571208A (en) * | 2016-12-09 | 2019-08-21 | Landmark Graphics Corp | Wavelet estimation for four-dimensional characterization of subsurface properties based on dynamic simulation |
WO2018156113A1 (en) * | 2017-02-22 | 2018-08-30 | Landmark Graphics Corporation | Well exploration, service and production appliance architecture |
CN108629835B (zh) * | 2017-03-20 | 2021-10-01 | 哈尔滨工业大学 | 基于高光谱、真彩图与点云互补的室内重建方法及系统 |
CN107664771B (zh) * | 2017-09-28 | 2019-03-12 | 西南石油大学 | 一种基于相似性系数的微地震全波形定位方法 |
KR102189311B1 (ko) * | 2018-08-21 | 2020-12-09 | 두산중공업 주식회사 | 학습된 모델을 이용한 해석 장치 및 이를 위한 방법 |
US11150368B2 (en) | 2018-11-26 | 2021-10-19 | Saudi Arabian Oil Company | Frequency based geological feature detection from seismic data |
CN111381278B (zh) * | 2018-12-29 | 2022-08-30 | 中国石油天然气股份有限公司 | 碳酸盐岩的参数预测方法以及装置 |
CN112147675B (zh) * | 2019-06-28 | 2022-07-05 | 中国石油天然气股份有限公司 | 一种储层流体检测方法及装置 |
US11409012B2 (en) | 2019-10-21 | 2022-08-09 | Saudi Arabian Oil Company | Frequency based method for reducing the effect of multiples in seismic data |
CN111339671B (zh) * | 2020-02-28 | 2023-03-28 | 西安石油大学 | 页岩储层双向流-固耦合数值计算方法 |
CN111736221B (zh) * | 2020-05-15 | 2023-08-22 | 中国石油天然气集团有限公司 | 振幅保真度确定方法及系统 |
CN111898065B (zh) * | 2020-06-18 | 2023-06-06 | 长江大学 | 一种页岩脆性指数计算方法、设备及可读存储介质 |
CN111767887B (zh) * | 2020-07-08 | 2022-06-28 | 吉林大学 | 基于小波分解与ime频率估计的瞬变电磁数据处理方法 |
US11977198B2 (en) | 2020-10-06 | 2024-05-07 | Saudi Arabian Oil Company | Isofrequency volumes ratio workflow to detect gas reservoirs in 3D domain |
US11333780B2 (en) | 2020-10-09 | 2022-05-17 | Saudi Arabian Oil Company | Method and system for processing a three-dimensional (3D) seismic dataset |
US20220221614A1 (en) * | 2021-01-11 | 2022-07-14 | Shandong University Of Science And Technology | Analysis method, system and storage media of lithological and oil and gas containing properties of reservoirs |
US11592589B2 (en) | 2021-01-14 | 2023-02-28 | Saudi Arabian Oil Company | Seismic attribute map for gas detection |
CN114660269B (zh) * | 2022-03-23 | 2023-09-19 | 中国海洋石油集团有限公司 | 一种古潜山天然气动态成藏过程恢复方法 |
CN116088047B (zh) * | 2023-03-22 | 2023-06-09 | 广东石油化工学院 | 一种基于断层模型的油气藏搜寻方法及系统 |
CN116256801B (zh) * | 2023-05-16 | 2023-07-21 | 中国科学院地质与地球物理研究所 | 基于图像融合的深地油气精准导航断层表征方法与系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064261A1 (en) * | 1999-02-22 | 2004-04-01 | Sandeep Gulati | Technique for analyzing arrayed signals using quantum expressor functions |
US20040063136A1 (en) * | 1999-02-22 | 2004-04-01 | Sandeep Gulati | Repeatable software-based active signal processing technique |
US20050015204A1 (en) * | 2003-05-22 | 2005-01-20 | Fangjian Xue | Method for prospect identification in asset evaluation |
CN1790056A (zh) * | 2005-06-29 | 2006-06-21 | 吴会良 | 利用谐振原理进行油气检测的方法 |
CN101149439A (zh) * | 2007-11-13 | 2008-03-26 | 符力耘 | 高分辨率非线性储层物性反演方法 |
CN101506686A (zh) * | 2006-06-21 | 2009-08-12 | 特拉斯帕克地球科学公司 | 地质沉积体系的解释 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MY125603A (en) * | 2000-02-25 | 2006-08-30 | Shell Int Research | Processing seismic data |
US6912467B2 (en) * | 2002-10-08 | 2005-06-28 | Exxonmobil Upstream Research Company | Method for estimation of size and analysis of connectivity of bodies in 2- and 3-dimensional data |
WO2008137804A1 (en) * | 2007-05-02 | 2008-11-13 | Feng Derek D | Quantum theory-based continuous precision nmr/mri: method and apparatus |
-
2011
- 2011-03-07 BR BR112012022450A patent/BR112012022450A2/pt not_active IP Right Cessation
- 2011-03-07 CN CN2011800223235A patent/CN102893183A/zh active Pending
- 2011-03-07 EP EP11751523A patent/EP2542918A2/en not_active Withdrawn
- 2011-03-07 RU RU2012142308/08A patent/RU2012142308A/ru unknown
- 2011-03-07 MX MX2012010271A patent/MX2012010271A/es not_active Application Discontinuation
- 2011-03-07 CA CA2792052A patent/CA2792052A1/en not_active Abandoned
- 2011-03-07 WO PCT/US2011/027456 patent/WO2011109839A2/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064261A1 (en) * | 1999-02-22 | 2004-04-01 | Sandeep Gulati | Technique for analyzing arrayed signals using quantum expressor functions |
US20040063136A1 (en) * | 1999-02-22 | 2004-04-01 | Sandeep Gulati | Repeatable software-based active signal processing technique |
US20050015204A1 (en) * | 2003-05-22 | 2005-01-20 | Fangjian Xue | Method for prospect identification in asset evaluation |
CN1790056A (zh) * | 2005-06-29 | 2006-06-21 | 吴会良 | 利用谐振原理进行油气检测的方法 |
CN101506686A (zh) * | 2006-06-21 | 2009-08-12 | 特拉斯帕克地球科学公司 | 地质沉积体系的解释 |
CN101149439A (zh) * | 2007-11-13 | 2008-03-26 | 符力耘 | 高分辨率非线性储层物性反演方法 |
Non-Patent Citations (1)
Title |
---|
孙淑琴等: "用地面核磁共振方法评估含水层涌水量的实例", 《地球物理学进展》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105425287A (zh) * | 2015-11-09 | 2016-03-23 | 中国地质大学(北京) | 地震波的叠前分离方法 |
CN105425287B (zh) * | 2015-11-09 | 2017-10-27 | 中国地质大学(北京) | 地震波的叠前分离方法 |
US10712461B2 (en) | 2015-11-09 | 2020-07-14 | China University Of Geosciences (Beijing) | Prestack separating method for seismic wave |
CN109642959A (zh) * | 2016-06-23 | 2019-04-16 | 斯多恩吉公司 | 使用被动地震信号表征一个区域的下方地层的方法以及相应的系统 |
CN107967711A (zh) * | 2016-10-18 | 2018-04-27 | 中国石油化工股份有限公司 | 油藏区块模型可视化集成与精细拾取装置及方法 |
CN110226109B (zh) * | 2016-12-12 | 2024-03-05 | 吉奥奎斯特系统公司 | 增强的地质服务表征 |
CN110226109A (zh) * | 2016-12-12 | 2019-09-10 | 吉奥奎斯特系统公司 | 增强的地质服务表征 |
CN106814397B (zh) * | 2016-12-21 | 2019-08-06 | 长江大学 | 一种多参数联合反演计算岩石散射衰减的方法 |
CN106814397A (zh) * | 2016-12-21 | 2017-06-09 | 长江大学 | 一种多参数联合反演计算岩石散射衰减的方法 |
CN107918142B (zh) * | 2017-09-08 | 2019-07-19 | 北京派特森科技股份有限公司 | 一种地震勘探方法 |
CN107918142A (zh) * | 2017-09-08 | 2018-04-17 | 北京派特森科技股份有限公司 | 一种地震勘探方法 |
CN111868756B (zh) * | 2018-01-31 | 2023-11-03 | 谷歌有限责任公司 | 通过强化学习进行量子计算 |
CN111868756A (zh) * | 2018-01-31 | 2020-10-30 | 谷歌有限责任公司 | 通过强化学习进行量子计算 |
CN112689778A (zh) * | 2018-05-31 | 2021-04-20 | 沙特阿拉伯石油公司 | 使用混合线性和非线性算法的反演地层建模 |
CN110837116A (zh) * | 2018-08-15 | 2020-02-25 | 中国石油天然气股份有限公司 | 盐穴储气库运行上限压力的确定方法 |
CN110837116B (zh) * | 2018-08-15 | 2021-06-01 | 中国石油天然气股份有限公司 | 盐穴储气库运行上限压力的确定方法 |
CN110056345A (zh) * | 2018-10-30 | 2019-07-26 | 西安石油大学 | 一种适用于页岩气储层的测井评价方法 |
CN110056345B (zh) * | 2018-10-30 | 2020-11-24 | 西安石油大学 | 一种适用于页岩气储层的测井评价方法 |
CN113156526A (zh) * | 2021-04-26 | 2021-07-23 | 中国地质科学院地球物理地球化学勘查研究所 | 全区多源电磁测深法及多场源多分量数据联合反演技术 |
CN113238288A (zh) * | 2021-05-20 | 2021-08-10 | 桂林电子科技大学 | 一种基于差值谱线的旋翼目标特征提取方法 |
CN113238288B (zh) * | 2021-05-20 | 2022-07-01 | 桂林电子科技大学 | 一种基于差值谱线的旋翼目标特征提取方法 |
CN114089416B (zh) * | 2021-11-17 | 2023-02-21 | 成都理工大学 | 一种利用薛定谔方程进行地震波衰减梯度估计的方法 |
CN114089416A (zh) * | 2021-11-17 | 2022-02-25 | 成都理工大学 | 一种利用薛定谔方程进行地震波衰减梯度估计的方法 |
CN114152981B (zh) * | 2021-12-03 | 2023-08-08 | 成都信息工程大学 | 一种势能波函数域地震资料品质因子估计方法 |
CN114137616B (zh) * | 2021-12-03 | 2023-08-11 | 成都信息工程大学 | 一种利用量子力学原理进行储层含气性检测的方法 |
CN114152981A (zh) * | 2021-12-03 | 2022-03-08 | 成都信息工程大学 | 一种势能波函数域地震资料品质因子估计方法 |
CN114137616A (zh) * | 2021-12-03 | 2022-03-04 | 成都信息工程大学 | 一种利用量子力学原理进行储层含气性检测的方法 |
CN114492213A (zh) * | 2022-04-18 | 2022-05-13 | 中国石油大学(华东) | 基于小波神经算子网络模型剩余油饱和度和压力预测方法 |
CN114895359B (zh) * | 2022-07-13 | 2022-09-13 | 中国科学院地质与地球物理研究所 | 一种das同井监测实时微地震有效事件去噪方法及系统 |
CN114895359A (zh) * | 2022-07-13 | 2022-08-12 | 中国科学院地质与地球物理研究所 | 一种das同井监测实时微地震有效事件去噪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
BR112012022450A2 (pt) | 2016-07-12 |
RU2012142308A (ru) | 2014-04-10 |
MX2012010271A (es) | 2012-12-17 |
CA2792052A1 (en) | 2011-09-09 |
EP2542918A2 (en) | 2013-01-09 |
WO2011109839A3 (en) | 2011-12-29 |
WO2011109839A2 (en) | 2011-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102893183A (zh) | 改进油气田发现与表征的可预测性的有源噪声注入计算 | |
US8649980B2 (en) | Active noise injection computations for improved predictability in oil and gas reservoir characterization and microseismic event analysis | |
US8612156B2 (en) | Active noise injection computations for improved predictability in oil and gas reservoir discovery and characterization | |
Grammer et al. | Integration of outcrop and modern analogs in reservoir modeling: Overview with examples from the Bahamas | |
Sharma et al. | Determination of lithology and brittleness of rocks with a new attribute | |
Tolstukhin et al. | Ekofisk 4D seismic-seismic history matching workflow | |
Di et al. | Estimating subsurface properties using a semisupervised neural network approach | |
Al-Mudhafar | Geostatistical lithofacies modeling of the upper sandstone member/Zubair formation in south Rumaila oil field, Iraq | |
Leisi et al. | Petrophysical parameters estimation of a reservoir using integration of wells and seismic data: a sandstone case study | |
Davies et al. | A method for fine-scale vertical heterogeneity quantification from well data and its application to siliciclastic reservoirs of the UKCS | |
Méndez et al. | Rock type prediction and 3D modeling of clastic paleokarst fillings in deeply-buried carbonates using the Democratic Neural Networks Association technique | |
Nguyen et al. | Application of random forest algorithm to predict lithofacies from well and seismic data in Balder field, Norwegian North Sea | |
Sabouhi et al. | An integrated approach to distribute carbonate reservoir properties, using lithofacies and seismic attributes: a case study from SW of Iran | |
Shen et al. | Data-driven interpretation of ultradeep azimuthal propagation resistivity measurements: Transdimensional stochastic inversion and uncertainty quantification | |
Garcia et al. | Enhanced formation evaluation in the Permian basin using a novel field-scale workflow including wells with missing data | |
Vo Thanh et al. | Integrated artificial neural network and object-based modelling for enhancement history matching in a fluvial channel sandstone reservoir | |
Aghchelou et al. | Lithofacies estimation by multi-resolution graph-based clustering of petrophysical well logs: Case study of south pars gas field of iran | |
Jia et al. | Seismic response analysis and distribution prediction of source rocks in a survey of the South China Sea | |
Waggoner | Lessons learned from 4D projects | |
Grammer et al. | Carbonate platforms: Exploration-and production-scale insight from modern analogs in the Bahamas | |
Thore et al. | 4D propagated layer-based inversion | |
Lee et al. | Basin‐scale prediction of S‐wave Sonic Logs using Machine Learning techniques from conventional logs | |
Moradi et al. | Integrated reservoir characterization of the Permo-Triassic gas reservoirs in the Central Persian Gulf | |
Ouenes et al. | Seismically driven improved fractured reservoir characterization | |
Anyanwu et al. | Integrated Reservoir Modeling and Uncertainty Assessment of a Reservoir Complex in the Niger Delta |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1178977 Country of ref document: HK |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130123 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1178977 Country of ref document: HK |