CN103278852A - 利用地震数据体波形结构特征模型预测油气的方法 - Google Patents
利用地震数据体波形结构特征模型预测油气的方法 Download PDFInfo
- Publication number
- CN103278852A CN103278852A CN2013100725745A CN201310072574A CN103278852A CN 103278852 A CN103278852 A CN 103278852A CN 2013100725745 A CN2013100725745 A CN 2013100725745A CN 201310072574 A CN201310072574 A CN 201310072574A CN 103278852 A CN103278852 A CN 103278852A
- Authority
- CN
- China
- Prior art keywords
- data volume
- seismic data
- kinds
- waveform
- model
- 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.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种利用地震数据体波形结构特征模型预测油气的方法,包括以下步骤:1)进行野外2D/3D地震数据体的采集;2)进行室内2D/3D地震数据体的常规处理;3)进行2D/3D地震数据体波形结构异常特征的特殊处理;4)建立2D/3D地震数据体波形结构异常特征模型;5)对经步骤2)常规处理的地震数据体模型与经步骤3)特殊处理的波形结构异常特征模型进行分析对比,找出它们的异同点,进而指出与油气有关系的波形结构异常特征模型;6)对经步骤5)得到的与油气有关系的地震数据体波形结构异常特征模型进行量化分析对比,并得到量化值;7)对地震数据体波形结构异常特征模型量化值与油气的关联进行分析;8)确定与含油气性有关联的地震数据体波形结构特征模型,得到油气预测结果。本发明有效地提高了油气预测的成功率。
Description
技术领域
本发明涉及一种油气预测的方法,特别是关于一种在石油勘探开发中利用地震数据体波形结构特征模型预测油气的方法。
背景技术
随着油气田勘探开发程度的不断深入,以及地震资料(地震数据体)采集精度的不断提高,直接应用地震数据体寻找油气成为可能。因为地震数据体中包含有最为原始的油气信息,分析地震数据体的波形结构特征(地震数据体数据的排列、组合)等的变化,能够较好地指示油气的情况,这已成为油田勘探、开发过程中越来越重要的研究课题。近几年来,已经涌现出各种地震数据体分析的方法,如:波形特征分析方法、时频分析方法和一些地震属性技术分析方法等。这些方法基本上是建立在地球物理的数学推导上,所以,这些方法在一些储层的油气预测中有时能够取得较好的效果,有时效果并不理想,具有很大的局限性,加上勘探找油找气难度逐步加大,传统的一些方法已经不适应新的要求,所以,需要采用新的油气预测方法,以便提高钻探成功率势在必行。
发明内容
针对上述问题,本发明的目的是提供一种能够提高钻前油气预测成功率,利用地震数据体波形结构特征模型预测油气的方法。
为实现上述目的,本发明采取以下技术方案:一种利用地震数据体波形结构特征模型预测油气的方法,包括以下步骤:1)进行野外2D/3D地震数据体的采集;2)进行室内2D/3D地震数据体的常规处理;3)进行2D/3D地震数据体波形结构异常特征的特殊处理;4)建立2D/3D地震数据体波形结构异常特征模型;5)对经步骤2)常规处理的地震数据体模型与经步骤3)特殊处理的地震数据体波形结构异常特征模型进行分析对比,找出它们的异同点,进而指出与油气有关系的波形结构异常特征模型;6)对经步骤5)得到的与油气有关系的地震数据体波形结构异常特征模型进行量化分析对比,并得到量化值;7)对地震数据体波形结构异常特征模型量化值与油气的关联进行分析;8)确定与含油气性有关联的地震数据体波形结构特征模型,得到油气预测结果。
所述步骤3)中的特殊处理是指把常规处理后的地震数据体的地震道提取出来的振幅数据经过拓扑变换后,变为类似测井曲线的一种处理过程,通过提取地震道振幅正负值的包络值,进行数据整理和变换,取绝对值,变成一条正值曲线的特殊处理过程。
所述步骤4)中的地震数据体波形结构异常特征模型,是指按地震数据点不同排列、组合建立起来的波形结构特征模型,共有840种地震数据体波形结构特征模型,其是由8种元类、32种亚类和800种微类在一个完整周期相位共同组成。
所述8种元类为最基本模型,其包括半圆形、漏斗形、钟形和方形,且分为正相位4种,负相位4种;所述32种亚类波形结构特征模型包括所述元类正相位4种最基本模型与所述元类负相位4种最基本模型组合的16种亚类,所述元类负相位4种最基本模型与所述元类正相位4种最基本模型组合的16种亚类;所述800种微类包括:所述元类和亚类的正相位20种与所述元类和亚类的负相位20种排列成一个完整波形周期的400种微类,所述元类和亚类的负相位20种与所述元类和亚类的正相位20种排列组合成一个完整波形周期的400种微类。
本发明由于采取以上技术方案,其具有以下优点:1、本发明通过对大量的实际地震数据体波形结构特征的研究,总结出了一套地震数据体波形结构特征模型,并利用总结出的与油气相关的地震数据体波形结构特征模型,对储层的含油气性进行预测,不但能够直接在地震资料的基础上快捷又准确地预测出油气层,提高探区钻探成功率,而且可以为油田提供钻前油气预测平面和剖面上的分布结果,指出油气层在地震剖面上所在位置、平面分布范围和分布规律。2、本发明建立了一种利用地震数据体波形结构特征模型对油气进行预测的新概念,其主要是研究地震数据体波形结构特征与含油气性关系的各种模型变化特征,通过对不同研究区块建立不同油气预测模型,不但系统深刻地揭示了地震数据体波形结构特征与油气的相互关系,而且促进了应用地震资料直接寻找油气技术的进一步发展,提高了我国油气预测技术在国际上的地位。3、本发明不必对数据作很多的条件限制,不需要进行大量的地震资料解释的工作,只需要提取原始地震数据体目的层处以及相邻处的地震数据体波形结构特征,并根据总结出来的地震数据体波形结构模型、测井和测试资料的情况,便可以进行油气的预测,不但加快了油气预测的进程,降低了油气预测的成本,而且提高了预测效率和钻探成功率。4、由于本发明方法预测模型为连续型,而不是离散型,所需的资料仅为常规的地震资料、测井资料即可,在油田勘探阶段和开发阶段均可以应用,所以可以进行较长远、连续动态的预测,并指出油气层在地震剖面上所在位置、平面分布规律和平面分布范围等,极大地提高了钻前油气预测成功率,钻前油气预测总体符合率可达70%以上。本发明可以广泛用于油气勘探开发全过程中。
附图说明
图1是本发明一个完整周期相位独立的800种(微类)波形示意图
图2是本发明分类中的8种元类波形示意图
图3是本发明分类中32种亚类排列组合而成的一个周期波形示意图
图4是波形相位为上正--下负组合的400种微类波形结构特征示意图
图5是波形相位为上负--下正组合的400种微类波形结构特征示意图
图6是不同组合波形相位的连续排列840种元类、亚类和微类波形结构特征模型示意图
图7是利用本发明波形结构特征模型预测油气的流程图
图8是地震数据体结构异常特征的特殊处理过程曲线示意图
图9是鄂尔多斯盆地大牛地气田原始地震剖面与结构特征剖面对比图
图10是鄂尔多斯盆地大牛地气田过三口井地震数据体结构特征模型量化对比图
图11是图10的局部放大示意图
图12是鄂尔多斯盆地大牛地气田预测有利气层平面分布图
具体实施方式
下面结合附图和实例对本发明进行详细的描述。
本发明利用地震数据体波形结构特征的模型来预测油气的构思是基于:当人工产生地震波穿过油气层时,不仅地震参数发生了一些数值的变化,而且也会出现了不同的地震数据体波形结构特征的变化。地震波形的这种变化关系是由于地层的岩性、物性、含气性、速度和密度等地震参数(或称地震属性参数)变化不同而形成的,而且,地震波形的这种变化特征不仅反映地下岩性的变化,还反映了地层中所含不同流体的变化。由于含油气储层物性与围岩物性的不同,流体性质的不同,不仅地震波穿过油气层时地震参数的变化会出现不同的地震相,而且也会出现不同的地震数据体波形结构特征。利用差异信息原理显示数值差(即地震相变原理)预测油气只是展示总信息量中的一部分,应用地震数据体波形结构特征预测油气则是展示总信息量中的另一部分。
长期的生产实践证明,由于地震数据体波形结构特征较为稳定,理论上讲它能够较好地用来预测油气性。如图1所示,本发明总结了最基本的800种完整的一个周期波形模型(包括最为简单的一个复波波形周期,以下均相同,不再赘述)。这是基于:在地震剖面上人们所见到的所有波形都是由“元类”和“亚类”的正、负相位相互组合形成的一个完整周期波形的“微类”,其中,元类8种(如图2所示),亚类32种(如图3所示),微类800种(如图1所示)。正、负相位的“元类”和“亚类”两类基本模型分别各为20种,正相位与负相位组合排列成一个周期为400种(如图4所示),负相位与正相位组合排列成一个周期为400种(如图5所示),所以,由正、负相位相互组合排列而形成的完整的一个周期波形模型,即微类总数为800种,我们将元类8种、亚类32种和微类800种共840种称为地震数据体波形结构特征模型的最基本的模型特征(如图6所示)。
对于薄层油气层(小于1/4λ波长),尤其对我国大量存在的小于10米的油气层(部分3~5米的油气层),理论上讲,在地震资料上,如果频率比较低,深度又比较大,是很难于预测出来的,但是,实际情况并非完全如此。我国发现的很多油气田单层油气厚度并不都大于1/4λ波长的厚度,究其原因,即使地层含有的油气层比较薄,也会在半个周期中发生地震数据体排列组合上的微细变化,由此带动波形结构特征的变化,有了波形的变化,必然引起地震相位的变化,所以,对于薄层的油气层,根据地震数据体波形结构特征模型,也有可能预测出来,当然,预测出来的油气层的最小厚度,还与频率等参数有关。下面对本发明的地震数据体波形结构特征模型的建立进行简要描述:
8种元类的地震数据体波形结构特征模型包括正相位P1、P2、P3、P4四种,负相位N1、N2、N3、N4四种(如表1所示):
表1地震正--负相位(半周期)元类8种波形结构特征模型示意表
表中第一列(I类)的波形为正相位、负相位的最基本特征模型。这8种模型统称之为“元类”,且分别对应为半圆形(P1,N1)、漏斗形(P2,N2)、钟形(P3,N3)和方形(P4,N4);各个相位通过人工模拟可以获得,生成参数如下:
1、P1--在深度为1400m处有一正反射系数,其速度为2800m/s,该反射系数与30Hz的Ricker(雷克)子波进行褶积得到此波形。
2、P2--在深度为1400m、1402.9m、1408.5m、1414.3m、1422.7m、1428.5m处各有一正反射系数,其速度分别为:2800m/s、2900m/s、2800m/s、2900m/s、2800m/s、2900m/s,上述反射系数与30Hz的Ricker子波进行褶积得到此波形。
3、P3--在深度为1450m、1455.6m、1464.3m、1469.9m、1475.7m、1478.5m处各有一正反射系数,其速度分别为:2900m/s、2800m/s、2900m/s、2800m/s、2900m/s、2800m/s,上述反射系数与30Hz的Ricker子波进行褶积得到此波形。
4、P4--在深度为1400m、1402.9m、1408.5m、1414.3m、1419.9m、1422.7m、1428.5m、1434.1m、1439.9m、1442.7m处各有一正反射系数,其速度分别为:2800m/s、2900m/s、2800m/s、2900m/s、2800m/s、2800m/s、2900m/s、2800m/s、2900m/s、2800m/s,上述反射系数与30Hz的Ricker子波进行褶积得到此波形。
5、N1--在深度为1400m处有一负反射系数,其速度为2800m/s,该反射系数与30Hz的Ricker子波进行褶积得到此波形。
6、N2--在深度为1400m、1402.9m、1408.5m、1414.3m、1422.7m、1428.5m处各有一负反射系数,其速度分别为:2800m/s、2900m/s、2800m/s、2900m/s、2800m/s、2900m/s,上述反射系数与30Hz的Ricker子波进行褶积得到此波形。
7、N3--在深度为1450m、1455.6m、1464.3m、1469.9m、1475.7m、1478.5m处各有一负反射系数,其速度分别为:2900m/s、2800m/s、2900m/s、2800m/s、2900m/s、2800m/s,上述反射系数与30Hz的Ricker子波进行褶积得到此波形。
8、N4--在深度为1400m、1402.9m、1408.5m、1414.3m、1419.9m、1422.7m、1428.5m、1434.1m、1439.9m、1442.7m处各有一负反射系数,其速度分别为:2800m/s、2900m/s、2800m/s、2900m/s、2800m/s、2800m/s、2900m/s、2800m/s、2900m/s、2800m/s,上述反射系数与30Hz的Ricker子波进行褶积得到此波形。
三十二种亚类包括正相位P1P1、P1P2、P1P3、P1P4、P2P1、P2P2、P2P3、P2P4、P3P1、P3P2、P3P3、P3P4、P4P1、P4P2、P4P3和P4P4十六种(如表2所示),和负相位N1N1、N1N2、N1N3、N1N4、N2N1、N2N2、N2N3、N2N4、N3N1、N3N2、N3N3、N3N4、N4N1、N4N2、N4N3和N4N4十六种(如表3所示):
表2地震正相位(半周期)亚类十六种波形结构特征模型组合示意表
表3地震负相位(半周期)亚类十六种波形结构特征模型组合示意表
各个相位生成参数如下:
1、P1P1--其表现特征为两个P1波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P1波形的形成相同。
2、P1P2--其表现特征为一个P1波形与另一个P2波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P1波形和P2波形的形成相同。
3、P1P3--其表现特征为一个P1波形与另一个P3波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P1波形和P3波形的形成相同。
4、P1P4--其表现特征为一个P1波形与另一个P4波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P1波形和P4波形的形成相同。
5、P2P1--其表现特征为一个P2波形与另一个P1波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P2波形和P1波形的形成相同。
6、P2P2--其表现特征为两个P2波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P2波形的形成相同。
7、P2P3--其表现特征为一个P2波形与另一个P3波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P2波形和P3波形的形成相同。
8、P2P4--其表现特征为一个P2波形与另一个P4波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P2波形和P4波形的形成相同。
9、P3P1--其表现特征为一个P3波形与另一个P1波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P3波形和P1波形的形成相同。
10、P3P2--其表现特征为一个P3波形与另一个P2波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P3波形和P2波形的形成相同。
11、P3P3--其表现特征为两个P3波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P3波形的形成相同。
12、P3P4--其表现特征为一个P3波形与另一个P4波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P3波形和P4波形的形成相同。
13、P4P1--其表现特征为一个P4波形与另一个P1波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P4波形和P1波形的形成相同。
14、P4P2--其表现特征为一个P4波形与另一个P2波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P4波形和P2波形的形成相同。
15、P4P3--其表现特征为一个P4波形与另一个P3波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P4波形和P3波形的形成相同。
16、P4P4--其表现特征为两个P4波形叠加而成的正相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与P4波形的形成相同。
17、N1N1--其表现特征为两个N1波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N1波形的形成相同。
18、N1N2--其表现特征为一个N1波形与另一个N2波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N1波形和N2波形的形成相同。
19、N1N3--其表现特征为一个N1波形与另一个N3波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N1波形和N3波形的形成相同。
20、N1N4--其表现特征为一个N1波形与另一个N4波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N1波形和N4波形的形成相同。
21、N2N1--其表现特征为一个N2波形与另一个N1波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N2波形和N1波形的形成相同。
22、N2N2--其表现特征为两个N2波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N2波形的形成相同。
23、N2N3--其表现特征为一个N2波形与另一个N3波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N2波形和N3波形的形成相同。
24、N2N4--其表现特征为一个N2波形与另一个N4波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N2波形和N4波形的形成相同。
25、N3N1--其表现特征为一个N3波形与另一个N1波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N1波形和N2波形的形成相同。
26、N3N2--其表现特征为一个N3波形与另一个N2波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N3波形和N2波形的形成相同。
27、N3N3--其表现特征为两个N3波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N3波形的形成相同。
28、N3N4--其表现特征为一个N3波形与另一个N4波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N3波形和N4波形的形成相同。
29、N4N1--其表现特征为一个N4波形与另一个N1波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N4波形和N1波形的形成相同。
30、N4N2--其表现特征为一个N41波形与另一个N2波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N4波形和N2波形的形成相同。
31、N4N3--其表现特征为一个N4波形与另一个N3波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N4波形和N3波形的形成相同。
32、N4N4--其表现特征为两个N4波形叠加而成的负相位半周期波形特征,其反射参数和选取子波参数进行褶积的方法、原理、参数与N4波形的形成相同。
如果将地震波形分成正、负两个相位分别进行深入分析研究,可以总结出一些波形的微细变化特征,这样,就可以由此建立起地震波形模型的最基本单元特征模型,即地震波形正相位的基本模型及其组合模型(如表4所示)和地震波形负相位的基本模型及其组合模型(如表5所示):
表4地震正相位(半周期)元类和亚类共二十种波形结构特征模型组合示意表
表5地震负相位(半周期)元类和亚类共二十种波形结构特征模型组合示意表
表4、表5中的第二列到第五列为各正负相位的四种基本模型的相互组合,共32种模型(如表6所示),我们称之为“亚类”。:
表6地震正、负相位(半周期)元类和亚类共四十种波形结构特征模型组合示意表
如果将8种元类和32种亚类进行波形相位上正--下负组合和上负--下正组合,便可以得到800种微类波形结构特征的相互组合,进而形成完整的一个周期波形模型(如图6所示)。
本发明提出的“利用地震数据体波形结构特征模型预测油气的方法”,可以概括为下列八个步骤(如图7所示):
步骤一、进行野外2D/3D地震数据体的采集;
步骤二、进行室内2D/3D地震数据体的常规处理;
步骤三、进行2D/3D地震数据体波形结构异常特征的特殊处理;
步骤四、建立2D/3D地震数据体波形结构异常特征模型;
步骤五、对原始/常规处理的地震数据体模型与经过特殊处理的地震数据体波形结构异常特征模型进行分析对比;
步骤六、对地震数据体波形结构异常特征模型进行量化分析并得到量化值;
步骤七、对地震数据体波形结构异常特征模型量化值与油气的关联进行分析;
步骤八、确定与含油气性有关联的地震数据体波形结构特征模型,得到油气预测结果。
下面对本发明方法的各个步骤分别加以说明如下:
步骤一、进行野外2D/3D地震数据体的采集
野外的2D/3D地震数据体采集,主要工作内容是人工激发地震波和接收地震波以及地震测线、激发点、接收点的测定等,基本内容及步骤如下:
1、确定观测系统--在室内设计好测线位置,并将室内设计的测线位置具体布置到野外工区,定出炮点和检波点的位置,陆上则埋木桩标出。
2、人工地震波激发--在规定的位置放炮,陆地主要是钻井埋炸药,在海上用汽枪。
3、地震波接收--按测线上的桩号布置排列,在检波点上埋好检波器,由地震仪(包括检波器)完成,每炮都要检查记录的质量。
上述地震波的激发和接收都是由地震仪上的操作员控制的。
步骤二、进行室内2D/3D地震数据体的常规处理
室内2D/3D地震数据体的常规处理包括:预处理,真振幅恢复,静校正,叠前噪声分析和压制,反褶积,速度分析、动校正、叠加和偏移等工作。常规地震数据体处理的目的是为地震数据体波形结构特征的特殊处理作准备。
步骤三、进行2D/3D地震数据体波形结构异常特征的特殊处理
地震数据体波形结构异常特征的特殊处理,是指把常规处理后的地震数据体的地震道提取出来的振幅数据经过拓扑变换后,变为类似测井曲线的一种处理过程,通过提取地震道振幅正负值的包络值,进行数据整理和变换,取绝对值,变成一条正曲线(如图8所示)。图中左一为一个原始地震道,图中左二的两条曲线分别为地震道振幅负包络线和正包络线,图中左三左侧的曲线为对正负值取绝对值的包络值线,图中左三右侧的曲线为一条处理后的新曲线。关于地震数据体波形结构特征的特殊处理方法与步骤,在专利名称为“利用地震数据体结构特征预测油气的方法”的专利文件中有详细表述,在此不再赘述。
步骤四、建立2D/3D地震数据体波形结构异常特征模型
建立2D/3D地震数据体波形结构异常特征模型,是指按地震数据点不同排列、组合建立起来的波形结构特征模型,共有840种地震数据体波形结构特征模型,他们是由8种元类、32种亚类和800种微类在一个完整周期相位共同组成的(如图4所示)。
步骤五、对常规处理的地震数据体模型与特殊处理的地震数据体波形结构异常特征模型进行分析对比
对经步骤二常规处理的地震数据体模型与经步骤三特殊处理的地震数据体波形结构异常特征模型进行分析、对比,找出它们的异同点,进而指出与油气有关系的波形结构特征模型,比如:
如图9所示,是一张鄂尔多斯盆地大牛地气田原始剖面与结构特征剖面二种不同地震模型剖面对比图,图中上半部为原始地震剖面图,图中下半部为经过特殊处理(SDS)后的地震数据体波形结构异常特征剖面图。从这二种地震剖面对比图可以清楚看到,上半部的原始地震剖面图,根本看不出过D1-1-53井、DK3和D3-1-79井三口井的含气情况;图下半部的经过处理后的地震数据体波形结构异常特征剖面图,三口井的各自含气特征不尽相同,D1-1-53井和DK3井地震数据体波形结构异常特征比D3-1-79井明显,实钻结果,D1-1-53井和DK3井为气井,D3-1-79井为非产气井,这就说明了利用地震数据体波形结构特征模型预测油气的方法可以有效地预测油气。
步骤六、对地震数据体波形结构异常特征模型进行量化分析并得到量化值
首先,对地震数据体波形结构异常特征模型进行量化分析,是指对步骤五得到的与油气有关系的波形结构异常特征模型进一步深化数值的研究,通过对两种模型数值量化结果的分析、对比,找出它们数值的异同点,指出与油气有关联的波形结构异常特征模型的数值量化研究结果,即上述840种模型中某种与油气有关联的模型的数值量化研究结果,比如:
如图10、图11所示,是一张鄂尔多斯盆地大牛地气田过三口井地震数据体波形结构异常特征模型量化对比图,三口井分别为D1-1-53井、DK3和D3-1-79井,图中纵坐标为时间,图中横坐标为地震振幅。从图中可以看出,含气井与不含气井的地震数据体波形结构异常特征模型在图形上显然不同。
然后,求解地震数据体波形结构异常特征模型量化值:
求解地震数据体波形结构异常特征模型量化值,包括斜率、夹角等的常规计算,其目的是将步骤六的研究结果变为直观的一组数值(如表7所示),研究结果可以比较精确、直观地确定含气井与不含气井地震数据体波形结构特征异常值的大小,尽可能地减少人为判定因素的影响。
表7鄂尔多斯盆地大牛地气田过DK15井波形结构异常特征数值表
从表7可以清楚看出,含气井DK15井的地震数据体波形结构异常特征比较大的结构异常值段在t时间序列中的t5,t6和t7,其结构异常值相对误差(%)大小分别为15.68%,11.78%和20.98%,它们所对应的地震数据体波形结构异常特征剖面为有利含气层段,时间段在1350ms~1400ms(如图9所示)。
步骤七、对结构异常特征模型量化值与油气关联进行分析
对地震数据体波形结构异常特征模型量化值与油气关系分析,是把由步骤六求解得到的地震数据体波形结构异常特征模型量化值与含油气井或不含油气井关联度进行分析,其目的是根据关联度大小,确定油气井、干井和水井。有关关联度计算方法与步骤,在名称为“利用地震数据体结构特征预测油气的方法”的已有专利文件中有表述,在此不再赘述。
步骤八、确定与含油气性有关联的地震数据体波形结构特征模型,得到油气预测结果。
根据关联分析结果,对比排序,就可以确定与含油气性有关联的地震数据体波形结构特征模型,并得到油气预测结果。如果与有油气层段关联性好的,则确定为含油气层;如果与有油气层段关联性差的,则为非含油气层;如果与已知干层关联性好,则确定为干层。所以,根据地震数据体波形结构特征模型可以得到油气预测结果。
实施例1:鄂尔多斯盆地大牛地气田应用
如图12所示,鄂尔多斯盆地大牛地气田主力气层为上古生界二叠系下石盒子组陆相含煤碎屑岩盒2和盒3等七个主力气层,它具有:①成藏控制因素不明了,背斜构造特征不明显,无断层作用;②气藏类型为地层--岩性圈闭砂岩隐蔽气藏;③储层非均质性强,横向变化大;④气层厚度普遍较薄,一般5~10米;⑤受煤系地层影响,储层预测难度加大;⑥含气丰度较低,含气特征不明显等特点。通过分析该区的地震数据体波形结构特征模型,预测出大牛地气田盒2、盒3二个主力气层主要分布在DK2-DK12-DK13井区(Block1)、DK18-DK24-DK19井区(Block2)和D16-DK4-DK15井区(Block3),以及D15井区(Block4)、D30井区(Block5)和D4-3-2井区(Block6)的六个有利含气区(圈闭)之中;平面上分布在东西两个条带上,呈带状南北方向和东西方向展布;尤其以DK2-DK12-DK13井区、DK18-DK24-DK19井区和D16-DK4-D15井区的地震数据体波形结构特征模型最为典型。在上述预测的有利含气区中部署了一系列开发井,钻井成功率达82%以上,取得了显著的经济效益。
如图10、图11所示,从图中可以清楚看到,D1-1-53井结构特征模型与D3-1-79井结构特征模型明显不同,D1-1-53井含气,D3-1-79井不含气,对应元类8种波形结构特征模型图(如表1所示),含气井D1-1-53井结构特征模型应归属于表1中的元类第二行第二列II类的N2负相位半周期(半瓣)中,不含气D3-1-79井应归属于表1中的元类第二行第三列III类的N3负相位半周期(半瓣)中。
通过上述鄂尔多斯盆地大牛地气田应用实例可以看出,采用本发明方法,不仅可以预测油气存在的剖面位置(如图9下半图的SDS剖面,气层时间段在1350ms~1400ms),而且可以定量化、比较精确地预测出油气层平面分布范围(如图12所示),从而有效地提高钻探成功率。
上述实施例子仅用于说明本发明,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (5)
1.一种利用地震数据体波形结构特征模型预测油气的方法,包括以下步骤:
1)进行野外2D/3D地震数据体的采集;
2)进行室内2D/3D地震数据体的常规处理;
3)进行2D/3D地震数据体波形结构异常特征的特殊处理;
4)建立2D/3D地震数据体波形结构异常特征模型;
5)对经步骤2)常规处理的地震数据体模型与经步骤3)特殊处理的地震数据体波形结构异常特征模型进行分析对比,找出它们的异同点,进而指出与油气有关系的波形结构异常特征模型;
6)对经步骤5)得到的与油气有关系的地震数据体波形结构异常特征模型进行量化分析对比,并得到量化值;
7)对地震数据体波形结构异常特征模型量化值与油气的关联进行分析;
8)确定与含油气性有关联的地震数据体波形结构特征模型,得到油气预测结果。
2.如权利要求1所述的利用地震数据体波形结构特征模型预测油气的方法,其特征在于:所述步骤3)中,特殊处理是指把常规处理后的地震数据体的地震道提取出来的振幅数据经过拓扑变换后,变为类似测井曲线的一种处理过程,通过提取地震道振幅正负值的包络值,进行数据整理和变换,取绝对值,变成一条正值曲线的特殊处理过程。
3.如权利要求1所述的利用地震数据体波形结构特征模型预测油气的方法,其特征在于:所述步骤4)中所述的地震数据体波形结构异常特征模型,是指按地震数据点不同排列、组合建立起来的波形结构特征模型,共有840种地震数据体波形结构特征模型,其是由8种元类、32种亚类和800种微类在一个完整周期相位共同组成。
4.如权利要求2所述的利用地震数据体波形结构特征模型预测油气的方法,其特征在于:所述步骤4)中所述的地震数据体波形结构异常特征模型,是指按地震数据点不同排列、组合建立起来的波形结构特征模型,共有840种地震数据体波形结构特征模型,其是由8种元类、32种亚类和800种微类在一个完整周期相位共同组成。
5.如权利要求3或4所述的利用地震数据体波形结构特征模型预测油气的方法,其特征在于:
所述8种元类为最基本模型,其包括半圆形、漏斗形、钟形和方形,且分为正相位4种,负相位4种;
所述32种亚类波形结构特征模型包括所述元类正相位4种最基本模型与所述元类负相位4种最基本模型组合的16种亚类,所述元类负相位4种最基本模型与所述元类正相位4种最基本模型组合的16种亚类;
所述800种微类包括:所述元类和亚类的正相位20种与所述元类和亚类的负相位20种排列成一个完整波形周期的400种微类,所述元类和亚类的负相位20种与所述元类和亚类的正相位20种排列组合成一个完整波形周期的400种微类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310072574.5A CN103278852B (zh) | 2013-03-07 | 2013-03-07 | 利用地震数据体波形结构特征模型预测油气的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310072574.5A CN103278852B (zh) | 2013-03-07 | 2013-03-07 | 利用地震数据体波形结构特征模型预测油气的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103278852A true CN103278852A (zh) | 2013-09-04 |
CN103278852B CN103278852B (zh) | 2016-01-13 |
Family
ID=49061423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310072574.5A Expired - Fee Related CN103278852B (zh) | 2013-03-07 | 2013-03-07 | 利用地震数据体波形结构特征模型预测油气的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103278852B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106412913A (zh) * | 2016-10-13 | 2017-02-15 | 西安瀚炬网络科技有限公司 | 一种无线网络的扫描分析方法及系统 |
CN106680872A (zh) * | 2017-02-06 | 2017-05-17 | 中国石油大学(华东) | 一种高效的海洋天然气水合物地震研究方法 |
CN117192603A (zh) * | 2023-09-11 | 2023-12-08 | 大庆油田有限责任公司 | 一种识别含气储层的地震属性提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2400664A (en) * | 2003-04-10 | 2004-10-20 | Schlumberger Holdings | A method for automated extraction of surface primitives from seismic data |
CN101266299A (zh) * | 2008-04-14 | 2008-09-17 | 林昌荣 | 利用地震数据体结构特征预测油气的方法 |
CN102465700A (zh) * | 2010-11-08 | 2012-05-23 | 中国石油化工股份有限公司 | 碳酸盐岩储层评估方法 |
US20120316850A1 (en) * | 2011-06-10 | 2012-12-13 | International Business Machines Corporation | Full waveform inversion using combined shot data and no scratch disk |
-
2013
- 2013-03-07 CN CN201310072574.5A patent/CN103278852B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2400664A (en) * | 2003-04-10 | 2004-10-20 | Schlumberger Holdings | A method for automated extraction of surface primitives from seismic data |
CN101266299A (zh) * | 2008-04-14 | 2008-09-17 | 林昌荣 | 利用地震数据体结构特征预测油气的方法 |
CN102465700A (zh) * | 2010-11-08 | 2012-05-23 | 中国石油化工股份有限公司 | 碳酸盐岩储层评估方法 |
US20120316850A1 (en) * | 2011-06-10 | 2012-12-13 | International Business Machines Corporation | Full waveform inversion using combined shot data and no scratch disk |
Non-Patent Citations (1)
Title |
---|
姚爽: "地震波形结构分析技术及其在储层预测中的应用研究", 《中国优秀硕士学位论文全文数据库(基础科学辑 )》, no. 4, 15 April 2012 (2012-04-15), pages 011 - 490 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106412913A (zh) * | 2016-10-13 | 2017-02-15 | 西安瀚炬网络科技有限公司 | 一种无线网络的扫描分析方法及系统 |
CN106680872A (zh) * | 2017-02-06 | 2017-05-17 | 中国石油大学(华东) | 一种高效的海洋天然气水合物地震研究方法 |
CN106680872B (zh) * | 2017-02-06 | 2018-11-06 | 中国石油大学(华东) | 一种高效的海洋天然气水合物地震研究方法 |
CN117192603A (zh) * | 2023-09-11 | 2023-12-08 | 大庆油田有限责任公司 | 一种识别含气储层的地震属性提取方法 |
CN117192603B (zh) * | 2023-09-11 | 2024-03-15 | 大庆油田有限责任公司 | 一种识别含气储层的地震属性提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103278852B (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101738639B (zh) | 提高岩石裂缝参数精度的方法 | |
CN101158724B (zh) | 基于偶极小波的储层厚度预测方法 | |
CN106842307B (zh) | 一种基于正演约束下波形分类再检索的储层精细预测方法 | |
CN105044770A (zh) | 致密砂砾岩气藏储层定量预测方法 | |
CN105528522A (zh) | 一种基于空间网格计算连续性油气藏资源量的方法及装置 | |
CN107748399B (zh) | 利用重力界面反演识别山前带深部构造层方法 | |
CN109870719B (zh) | 一种碳酸盐岩致密薄储层的井位布设方法、装置及系统 | |
CN105005097A (zh) | 利用重力、磁力、电磁、地震资料综合识别火成岩方法 | |
CN103245971A (zh) | 井中断点引导的地震小断层解释方法及装置 | |
CN106875471A (zh) | 煤系含或隔水层三维可视化建模方法 | |
CN101236257A (zh) | 油井位置确定技术方法 | |
CN106556866A (zh) | 一种利用岩石物理模板对储层定量解释的方法 | |
CN105005077A (zh) | 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法 | |
CN105527653A (zh) | 一种基于地质信息的虚拟井构建方法 | |
CN105629304B (zh) | 一种基于多属性的砂体叠合模式识别方法 | |
CN107515957A (zh) | 泥页岩层序地层划分方法 | |
CN110824563A (zh) | 一种基于Xgboost算法的储层岩性预测方法 | |
CN111899338B (zh) | 一种覆盖区地层岩性三维建模的方法、装置及系统 | |
CN105350959B (zh) | 由测井岩性密度确定页岩气储层含气饱和度的方法 | |
CN108663714A (zh) | 一种沉积微相刻画方法 | |
CN102914799A (zh) | 非等效体波场正演模拟方法及装置 | |
CN103278852B (zh) | 利用地震数据体波形结构特征模型预测油气的方法 | |
CN113393335A (zh) | 基于多地震属性优化的储层油气预测方法及装置 | |
Zhang et al. | Sedimentology and sequence stratigraphy of the second member of Shuangyang Formation, Y45 Block, Moliqing oilfield, Yitong Basin, China | |
CN105093330B (zh) | 多地震道积累振幅差分解谱寻找井旁缝洞储集体的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160113 Termination date: 20180307 |