CN103628816B - 地震属性指导水平井导向的方法及其装置 - Google Patents
地震属性指导水平井导向的方法及其装置 Download PDFInfo
- Publication number
- CN103628816B CN103628816B CN201310576690.0A CN201310576690A CN103628816B CN 103628816 B CN103628816 B CN 103628816B CN 201310576690 A CN201310576690 A CN 201310576690A CN 103628816 B CN103628816 B CN 103628816B
- Authority
- CN
- China
- Prior art keywords
- well
- seismic properties
- data
- horizontal well
- gamma
- 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.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种地震属性指导水平井导向的方法和装置，所述方法包括：获取水平井导向的随钻测井资料；沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点的地震属性进行加权叠加，将加权叠加结果作为该点的地震属性；结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性；利用随钻测井资料中的伽玛数据与地震属性建立统计模型，最终实现利用地震属性预测沿水平井轨迹的伽玛数据，利用该伽玛属性判断沿井轨迹的岩性，指导水平井导向。该方法为水平井的地质导向提供更好的地震技术支撑，提高了钻遇目标岩性的钻遇率，对针对碎屑岩的水平井地质导向具有良好的应用前景。
Description
技术领域
本发明涉及水平井钻井技术领域，更具体地讲，涉及一种地震属性指导水平井导向的方法和装置。
背景技术
目前，国内水平井地质导向技术还处于发展阶段，我国水平井钻井过程中地震技术没有参与水平井的地质导向过程。水平井地质导向主要利用随钻测井中的伽玛、电阻率、气测曲线等测井曲线，该类曲线只能在钻后测得。利用随钻测井曲线，预测下一步岩性变化，调整下一步钻井轨迹，没有充分利用地震数据的横向高分辨率优点，在岩性变化不大的情况下能达到较好的效果，但在岩性复杂区采用常规方法地质导向，其目标岩性钻遇率较低。现有的地震属性优化算法有粗集理论、遗传算法、神经网络算法等相关算法，目前针对地震属性通常采用单一优化算法，其计算工作量大，同时没有明确的地质意义。
因此，需要一种提高钻遇目标岩性钻遇率的水平井导向方法。
发明内容
本发明的目的在于解决上述技术问题，因此，本发明的一方面提供了一种地震属性指导水平井导向的方法和装置。
为了实现上述目的，提供了一种地震属性指导水平井导向的方法，可包括以下步骤：获取水平井导向的随钻测井资料；沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性；结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性；利用随钻测井资料中的伽玛数据与地震属性建立统计模型，实现利用地震属性预测沿水平井轨迹的伽玛数据并判断沿井轨迹的岩性，指导水平井导向。
优选地，可利用神经网络算法与粗集理论相结合来优选出对伽玛数据敏感的多个地震属性。
优选地，可通过采用神经网络算法和加权叠加算法来建立统计模型。
优选地，上述步骤可还包括：当出现预测差异时，修正已有统计模型关系，指导下一步钻井方向。
为了实现上述目的，提出了一种地震属性指导水平井导向的装置，可包括：获取模块，获取水平井导向的随钻测井资料；提取模块，沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性；选择模块，结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性；建模模块，利用随钻测井资料中的伽玛数据与地震属性建立统计模型，指导水平井导向。
优选地，可利用神经网络算法与粗集理论相结合来优选出对伽玛数据敏感的多个地震属性。
优选地，建模模块可通过采用神经网络算法和加权叠加算法建立统计模型。
优选地，上述装置可还包括修正模块，当出现预测差异时，修正已有统计模型关系，指导下一步钻井方向。
上述地震属性指导水平井导向的方法和装置，通过将地震属性应用于水平井的地质导向，提高了钻遇目标岩性的钻遇率，对于针对碎屑岩的水平井地质导向具有良好的应用前景。
附图说明
通过下面结合附图对本发明的示例性实施例进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：
图1是根据本发明示例性实施例的地震属性指导水平井导向方法的流程图；
图2是示出平均振幅和包络差属性与伽玛之间的关系曲线的示意图；
图3是示出统计模型建立过程的示意图；
图4是示出利用地震属性预测与实际测得的伽玛曲线对比关系的示意图；
图5是根据本发明第一示例性实施例的地震属性指导水平井导向装置的框图；
图6是根据本发明第二示例性实施例的地震属性指导水平井导向装置的框图。
具体实施方式
以下，参照附图来详细说明本发明的实施例。
总体来讲，根据本发明的地震属性指导水平井导向方法包括以下步骤：获取水平井导向的随钻测井资料；沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性；结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性；利用随钻测井资料中的伽玛数据与地震属性建立统计模型，实现利用地震属性预测沿水平井轨迹的伽玛数据并判断沿井轨迹的岩性，指导水平井导向。
下面将结合本发明的具体实施例来对本发明的地震属性指导水平井导向的方法进行详细描述。
图1是示出根据本发明示例性实施例的地震属性指导水平井导向方法的流程图。
在步骤S101，获取水平井导向的随钻测井资料。
具体地讲，首先以本领域公知的方法进行野外勘探采集，以得到原始采集的数据，然后，经过地震资料处理，得到需要用于计算地震属性的叠后地震数据。
在步骤S102，沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性。
具体地讲，沿水平井轨迹的属性提取，为了避免单一样点的不准确性，每个样点属性的提取采用加权叠加方式，沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性。
在步骤S103，结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性。
具体地讲，结合区内已有的水平井地质导向的随钻伽玛数据，把地震属性和伽玛数据经过自组织神经网络量化后，通过粗集理论（RS决策）进行属性优选，优选出排名靠前的多个地震属性。图2是示出平均振幅和包络差属性与伽玛之间的关系曲线的示意图，如图2所示，平均振幅和包络差属性与伽玛具有较好的相关性。
粗糙集理论是对不完整数据进行分析、推理，发现数据间的关系，提取有用信息，简化信息处理，研究不精确、不确定知识的表达、学习、归纳的有利工具。对冗余的数据约简是其核心内容，一般是约去过剩的条件属性，用最少的属性区分不同的决策，提供同样多的信息，使决策表中的决策属性和条件属性的依赖关系不发生变化。对地震属性的约简也正是基于此来达到的。数据约简包括属性约简（等价于从决策表中消去一些不必要的列）和值约简（等价于从决策表中消去一些无关紧要的属性值）。
可应用粗集理论对地震属性进行优选，目的是为了从众多地震属性中选出一些敏感的地震属性，即从决策表中选出一些条件属性，因此地震多属性优选实质为粗集理论中的属性约简。本发明采用了一种基于区别矩阵的属性频率约简算法。需要指出的是对地震属性优选必须满足决策表为相容决策表。
因此需要先建立决策表，通过是否满足决策表来确定优选过程是否结束。判断决策表是否相容，如果相容则量化结束，否则，在神经网络对该属性进行重新分类，再判断决策表是否相容，如果相容则量化结束。
在步骤S104，利用随钻测井资料中的伽玛数据与地震属性建立统计模型，指导水平井导向。
具体地讲，选取已有水平井的伽玛数据，将优选的点加权叠加后的属性与伽玛数据利用神经网络建立统计模型，从而实现利用地震属性预测伽玛数据，判断目标地层沿轨迹的岩性变化情况。
统计模型是指地震属性数据与测井伽玛数据之间的映射关系，这种映射关系即是两类数据之间的关系，可以是线性的也可是非线性的。
图3是示出统计模型建立过程的示意图，如图3所示，统计模型可以采用神经网络算法来建立。利用地震数据（作为输入数据）与已知的测井伽玛数据（作为输出数据），建立两者相互之间的非线性关系（映射关系），也即建立起两者之间的统计模型，两数据之间的关系模型通常是隐藏在程序算法内部，不是关心的重点。利用这个模型，可将输入的地震数据通过建立的关系模型直接输出伽玛数据。
在水平井钻井时，利用地震属性预测的伽玛数据，判断沿水平井轨迹方向岩性的变化情况，调整轨迹，可避开不利岩性，提高目标岩性的钻遇率。图4是示出利用地震属性预测与实际测得的伽玛曲线对比关系的示意图。图4中曲线b为实测伽玛曲线，曲线a为预测伽玛曲线，两者差异较小，说明利用优选的地震属性能够较好的预测伽玛曲线。
图4中有2个利用地震属性预测成果成功预警的轨迹调点。在井深4201米预测的伽玛曲线突然增大，对应岩性由砂岩变为泥岩，因此向上调整井轨迹，在井深4294米预测的伽玛曲线减小，对应岩性由泥岩变为砂岩，因此向下调整井轨迹。在上述两个岩性变化点，预测伽玛曲线发生了较大的变化，说明利用地震属性能够有力指导水平井地质导向。
在步骤S105，当出现预测差异时，修正已有统计模型关系，指导下一步钻井方向。
图5是示出根据本发明第一示例性实施例的地震属性指导水平井导向装置的框图。
如图5所示，地震属性指导水平井导向的装置包括：获取模块501、提取模块502、选择模块503和建模模块504。
获取模块501用于获取水平井导向的随钻测井资料。
提取模块502用于沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性。
选择模块503用于结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性。例如，可通过利用神经网络算法与粗集理论相结合来优选出对伽玛数据敏感的多个地震属性。
建模模块504利用随钻测井资料中的伽玛数据与地震属性建立统计模型，指导水平井导向。例如，建模模块可通过采用神经网络算法和加权叠加算法来建立统计模型。
图6是根据本发明第二示例性实施例的地震属性指导水平井导向装置的框图。
如图6所示，本发明第二示例性实施例的地震属性指导水平井导向的装置包括：获取模块601、提取模块602、选择模块603、建模模块604和修正模块605。
获取模块601用于获取水平井导向的随钻测井资料。
提取模块602用于沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性。
选择模块603用于结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性。
建模模块604利用随钻测井资料中的伽玛数据与地震属性建立统计模型，指导水平井导向。
当出现预测差异时，修正模块605修正已有统计模型关系，指导下一步钻井方向。
应该理解，根据本发明示例性实施例的地震属性指导水平井导向装置可执行以上参照图1至图4描述的地震属性指导水平井导向方法，为了避免重复，在此不再赘述。
上述地震属性指导水平井导向的方法和装置，通过将地震属性应用于水平井的地质导向，提高了钻遇目标岩性的钻遇率，对针对碎屑岩的水平井地质导向具有良好的应用前景。
上面已经结合具体实施例描述了本发明，但是本发明的实施不限于此。在本发明的精神和范围内，本领域技术人员可以进行各种修改和变型，这些修改和变型将落入权利要求限定的保护范围之内。
Claims (8)
1.一种地震属性指导水平井导向的方法，包括以下步骤：
获取水平井导向的随钻测井资料；
沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点的地震属性进行加权叠加，将加权叠加结果作为该点地震属性；
结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性；
利用随钻测井资料中的伽玛数据与地震属性建立统计模型，实现利用地震属性预测沿水平井轨迹的伽玛数据并判断沿井轨迹的岩性，指导水平井导向，其中，统计模型是指随钻测井资料中的伽玛数据与地震属性之间的映射关系。
2.如权利要求1所述的方法，其中，利用神经网络算法与粗集理论相结合来优选出对伽玛数据敏感的多个地震属性。
3.如权利要求1所述的方法，其中，通过采用神经网络算法和加权叠加算法来建立统计模型。
4.如权利要求1到3中任一权利要求所述的方法，还包括：当出现预测差异时，修正已有统计模型关系，指导下一步钻井方向。
5.一种地震属性指导水平井导向的装置，包括：
获取模块，获取水平井导向的随钻测井资料；
提取模块，沿水平井轨迹的每个点，以该点为中心纵向上提取规定个数样点属性进行加权叠加，将加权叠加结果作为该点属性；
选择模块，结合区内已有的水平井地质导向的随钻测井资料，优选出对伽玛数据敏感的多个地震属性；
建模模块，利用随钻测井资料中的伽玛数据与地震属性建立统计模型，指导水平井导向，其中，统计模型是指随钻测井资料中的伽玛数据与地震属性之间的映射关系。
6.如权利要求5所述的装置，其中，利用神经网络算法与粗集理论相结合来优选出对伽玛数据敏感的多个地震属性。
7.如权利要求5所述的装置，其中，建模模块通过采用神经网络算法和加权叠加算法来建立统计模型。
8.如权利要求5到7中任一权利要求所述的装置，还包括修正模块，当出现预测差异时，修正已有统计模型关系，指导下一步钻井方向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310576690.0A CN103628816B (zh) | 2013-11-18 | 2013-11-18 | 地震属性指导水平井导向的方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310576690.0A CN103628816B (zh) | 2013-11-18 | 2013-11-18 | 地震属性指导水平井导向的方法及其装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103628816A CN103628816A (zh) | 2014-03-12 |
| CN103628816B true CN103628816B (zh) | 2016-03-16 |
Family
ID=50210234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310576690.0A Active CN103628816B (zh) | 2013-11-18 | 2013-11-18 | 地震属性指导水平井导向的方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103628816B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104453875B (zh) * | 2014-10-29 | 2018-05-01 | 中国石油集团川庆钻探工程有限公司 | 基于自组织竞争神经网络的页岩气储层识别方法 |
| CN105760673B (zh) * | 2016-02-22 | 2018-05-25 | 中国海洋石油集团有限公司 | 一种河流相储层地震敏感参数模板分析方法 |
| CN107153881B (zh) * | 2016-03-03 | 2021-03-16 | 中国石油化工股份有限公司 | 一种钻井风险的预测方法 |
| CN108397130B (zh) * | 2018-02-02 | 2019-11-08 | 中国石油天然气集团有限公司 | 钻井方法和装置 |
| CN110397402B (zh) * | 2018-04-23 | 2021-01-29 | 中国石油天然气股份有限公司 | 钻井方法及装置 |
| CN110795888A (zh) * | 2019-09-12 | 2020-02-14 | 四川宏华电气有限责任公司 | 一种石油钻井风险预测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5597046A (en) * | 1995-04-12 | 1997-01-28 | Foster-Miller, Inc. | Guided mole |
| CN101476463A (zh) * | 2009-01-23 | 2009-07-08 | 丛山 | 水平井随钻自然伽马地质导向方法 |
| CN102140889A (zh) * | 2011-03-09 | 2011-08-03 | 邱世军 | 一种水平井随钻测井地质导向方法 |
| CN102518425A (zh) * | 2011-12-30 | 2012-06-27 | 斯伦贝谢金地伟业油田技术(山东)有限公司 | 方向性伽马随钻测井仪 |
-
2013
- 2013-11-18 CN CN201310576690.0A patent/CN103628816B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5597046A (en) * | 1995-04-12 | 1997-01-28 | Foster-Miller, Inc. | Guided mole |
| CN101476463A (zh) * | 2009-01-23 | 2009-07-08 | 丛山 | 水平井随钻自然伽马地质导向方法 |
| CN102140889A (zh) * | 2011-03-09 | 2011-08-03 | 邱世军 | 一种水平井随钻测井地质导向方法 |
| CN102518425A (zh) * | 2011-12-30 | 2012-06-27 | 斯伦贝谢金地伟业油田技术(山东)有限公司 | 方向性伽马随钻测井仪 |
Non-Patent Citations (1)
| Title |
|---|
| 地质导向技术在江汉油田广华区块中的应用;邢书超;《中国优秀硕士学位论文全文数据库基础学科辑》;20130131(第01期);第3,4,53,69-70页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103628816A (zh) | 2014-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103628816B (zh) | 地震属性指导水平井导向的方法及其装置 | |
| US11016214B2 (en) | Dolomite reservoir prediction method and system based on well and seismic combination, and storage medium | |
| WO2016065127A1 (en) | A system and method of pore type classification for petrophysical rock typing | |
| CN105488248B (zh) | 一种深部矿层和岩层的判定方法 | |
| CN105652323B (zh) | 一种储层预测方法 | |
| WO2004070425A1 (en) | Method for computing complexity, confidence and technical maturity indices for reservoir evaluations | |
| CN103472484A (zh) | 基于rs三维敏感地震属性分析的水平井轨迹优化方法 | |
| Hui et al. | An integrated machine learning-based approach to identifying controlling factors of unconventional shale productivity | |
| CN105005079A (zh) | 一种井曲线反演方法 | |
| CN107807410A (zh) | 储层地球物理敏感参数优选方法及系统 | |
| CN105093304A (zh) | 一种地球物理勘探利用测井曲线自动求取岩性曲线的方法 | |
| US20230160304A1 (en) | Method and system for predicting relative permeability curve based on machine learning | |
| Theloy et al. | An uncertainty approach to estimate recoverable reserves from the Bakken petroleum system in the North Dakota part of the Williston Basin | |
| CN105277979B (zh) | 一种地震属性的优化方法和装置 | |
| CN105240006A (zh) | 一种适用于火山岩储层的油水层识别方法 | |
| CN116305850A (zh) | 一种基于随机森林模型的地层热导率预测方法 | |
| CN107448195A (zh) | 识别地层中轻质油层与凝析气层的方法及应用 | |
| Sarkheil et al. | Fracture analysis in Tabnak hydrocarbon field of Iran by using fractal geometry and multi-fractal analysis | |
| CN110118994B (zh) | 一种基于地震反演和机器学习的陆相烃源岩定量预测方法 | |
| CN106568918B (zh) | 页岩有机碳含量toc预测方法 | |
| Howell et al. | History matching CSG production in the Surat basin | |
| Liggett et al. | Evaluating the sensitivity of DRASTIC using different data sources, interpretations and mapping approaches | |
| CN110309597A (zh) | 基于构型界面的阻流带模型确定方法、装置及存储介质 | |
| Hollis et al. | Uncertainty management in a giant fractured carbonate field, Oman, using experimental design | |
| CN112412390B (zh) | 基于深度学习模型评价固井第二界面的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180223 Address after: 072751 Zhuozhou, Baoding, Fan Yang Road West, No. 189 Patentee after: Dongfang Geophysical Exploration Co., Ltd., China Petrochemical Corp. Address before: 610213 No. 1, No. 1, No. 1, Huayang Avenue, Huayang Town, Shuangliu County, Chengdu, Sichuan Patentee before: China National Petroleum Corporation Chuanqing Drilling Engineering Geophysical Exploration Company Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200917 Address after: 100007 Beijing, Dongzhimen, North Street, No. 9, No. Patentee after: CHINA NATIONAL PETROLEUM Corp. Patentee after: BGP Inc., China National Petroleum Corp. Address before: 072751 Zhuozhou, Baoding, Fan Yang Road West, No. 189 Patentee before: BGP Inc., China National Petroleum Corp. |