CN104749624B - 一种地震岩相识别及其不确定性定量评价同步实现方法 - Google Patents
一种地震岩相识别及其不确定性定量评价同步实现方法 Download PDFInfo
- Publication number
- CN104749624B CN104749624B CN201510094046.9A CN201510094046A CN104749624B CN 104749624 B CN104749624 B CN 104749624B CN 201510094046 A CN201510094046 A CN 201510094046A CN 104749624 B CN104749624 B CN 104749624B
- Authority
- CN
- China
- Prior art keywords
- petrofacies
- elastic parameter
- probability
- seismic
- identification
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 208000035126 Facies Diseases 0.000 title claims abstract description 45
- 238000009826 distribution Methods 0.000 claims abstract description 56
- 239000011435 rock Substances 0.000 claims abstract description 50
- 230000000704 physical effect Effects 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000009825 accumulation Methods 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010068052 Mosaicism Diseases 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000003765 sex chromosome Anatomy 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Abstract
本发明涉及一种地震岩相识别及其不确定性定量评价同步实现方法，包括：确定岩相类型，开展测井岩相定义；建立测井物性参数与弹性间的岩石物理响应关系；建立岩相与测井属性的概率统计关系；建立井‑震尺度弹性参数的概率统计关系，构建岩相和地震尺度弹性参数的统计关系；反演目的层弹性参数概率分布信息；结合所述反演的目的层弹性参数概率信息以及所述岩相和地震尺度弹性参数的统计关系获取目的层岩相概率信息，根据所述岩相概率信息获取岩相分布的最大后验概率解，输出最终模型参数。本方案定量表征岩相识别各个环节的不确定性及其在岩相识别流程中的传播与积累特征，能够对地震岩相识别开展不确定性分析,降低油藏评价风险，适用范围广。
Description
技术领域
本发明涉及油气田、页岩气地震勘探领域，尤其涉及一种地震岩相识别及其不确定性定量评价同步实现方法。
背景技术
储层岩相识别是油藏评价与表征的重要手段。利用地震数据反演储层岩相分布信息的过程称之为地震岩相识别。地震岩相识别是获得地下介质内部图像、描述储层岩相分布信息的有效方法，可为储层地质统计学建模提供基础约束信息。地震岩相识别主要步骤包括地震资料反弹、井震尺度匹配、岩石物理建模及测井岩相定义,当岩相由弹性参数直接定义时岩石物理建模环节可忽略。在油田勘探初期测井资料稀少，地震数据往往是在井位之外获取岩相分布的唯一指导信息。由于地震资料在信噪比和分辨率等方面的局限性,以及地球物理模型的近似性和岩石的自然变异性等原因,利用地震资料开展储层岩相识别通常面临较大的不确定性。传统方法开展储层岩相识别仅能够得到唯一确定的岩相分布信息，忽视了岩相识别中各个环节不确定性因素对于最终结果的影响，无法评价其反演信息的不确定性，增加了后期油藏表征的风险。
总之 ，目前传统的地震岩相方法研究存在的主要问题是：1、传统方法采用地震反演的弹性参数直接预测岩相信息,无法考虑地震反演的不确定性对于岩相识别的影响。2、地震岩相识别中需要融合测井和地震信息，然而两种数据观测尺度的差异会不可避免的引入误差。传统方法无法考虑其误差对于岩相识别的影响。3、传统方法直接通过岩石物理模型建立储层物性和弹性参数的岩石物理关系，忽视了岩石非均质性以及岩石物理模型数学近似等不确定性因素的影响。4、在测井岩相定义环节中,传统方法基于测井数据直接建立储层岩相与物性参数或弹性参数的确定性关系，无法表征岩相定义环节中岩相与各个参数组合对应关系的不确定性。5、传统方法获取唯一确定的储层岩相分布信息，其反演结果无法作为约束信息服务于后续的储层地质统计学建模。6、地震岩相识别各个环节相互衔接,各个环节反演的不确定性信息也应随着反演流程传递和积累,从而实现反演结果不确定性的客观分析评价。传统方法仅传递上游环节的反演最优解，无法定量传递上游环节反演结果的不确定性信息，最终造成反演结果的不确定性无法评价，增加了油藏评价的风险。
发明内容
针对背景技术中出现的问题，本发明提出一种地震岩相识别及其不确定性定量评价同步实现方法，基于工区地质特征及岩心、录井资料，所述方法包括以下步骤：
步骤a.确定岩相类型，根据测井物性和/或测井弹性参数开展测井岩相定义；
步骤b.建立岩相与测井属性的概率统计关系；
步骤c.将测井弹性参数尺度放大至地震尺度，建立井-震尺度弹性参数的概率统计关系，构建岩相和地震尺度弹性参数的统计关系；
步骤d.针对地震资料，采用贝叶斯线性AVO反演方法反演目的层弹性参数概率分布信息；
步骤e.结合所述反演的目的层弹性参数概率信息以及所述岩相和地震尺度弹性参数的统计关系获取目的层岩相概率信息，根据所述岩相概率信息获取岩相分布的最大后验概率解，输出最终模型参数。
优选的是，所述步骤a后进一步包括：通过统计岩石物理技术建立测井物性参数与弹性间的岩石物理响应关系。
在上述任一方案中优选的是，步骤d中所述反演的目的层弹性参数概率分布信息表征地震反演的不确定性对于地震岩相识别的影响。
在上述任一方案中优选的是，采用高斯混合模型拟合所有岩相的物性、弹性参数概率分布。
在上述任一方案中优选的是，所述岩石物理响应关系表征岩石物理模型数学近似以及岩石非均质性引入的不确定性。
在上述任一方案中优选的是，所述步骤c中测井弹性参数尺度放大至地震尺度的过程中结合工区地震资料分辨率。
在上述任一方案中优选的是，所述步骤c中井-震尺度弹性参数的概率统计关系表征井-震尺度数据匹配的不确定性。
在上述任一方案中优选的是，所述步骤d中反演的目的层弹性参数概率分布信息表征地震反演环节的不确定性。
在上述任一方案中优选的是，所述输出的最终模型参数包括：纵波速度、横波速度、密度概率模型、岩相概率模型、岩相最大后验概率模型中至少一种，所述最终模型参数用于油气藏储层预测。
在上述任一方案中优选的是，所述高斯混合模型是传统高斯模型的线性加权叠加。
在上述任一方案中优选的是，所述步骤c进一步包括：
分析工区地震资料的分辨率；
确定合适的窗口长度对目的层测井弹性参数曲线开展尺度放大；
获取地震尺度的弹性参数；
统计各个岩相中测井尺度与地震尺度弹性参数的概率分布特征及垂向变差函数特征，得到测井尺度与地震尺度模拟曲线；
对所述模拟曲线进行统计分析获取所述测井尺度与地震尺度弹性参数的统计信息。
在上述任一方案中优选的是，所述步骤d进一步包括：
统计高斯模型先验概率信息；
提取地震数据子波；
分析地震噪声统计特征及反演相关参数；
结合贝叶斯AVO线性反演方法获取储层弹性参数的概率信息。
在上述任一方案中优选的是，所述步骤e包括：联合测井岩相定义、岩石物理建模、井震尺度匹配、地震数据反演环节中的条件概率信息以及工区岩相分布的先验信息,采用概率融合方法获取给定地震数据条件下储层岩相的概率分布。
在上述任一方案中优选的是，所述方法采用全贝叶斯分类方法开展岩相识别。
在上述任一方案中优选的是，所述全贝叶斯分类方法包含各个变量之间的相关性。
本方案提供的方法有益效果：1、相对于传统的确定性方法而言，基于概率统计方法能够定量表征岩相识别各个环节的不确定性及其在岩相识别流程中的传播与积累特征，从而能够对地震岩相识别开展不确定性分析,降低油藏评价风险；2、本技术方案通过测井信息建立岩相与地震尺度弹性参数的统计关系然后结合地震反演的弹性参数概率信息开展储层岩相识别，该方案适用于油田勘探初期测井资料贫乏情况下的油藏表征工作；3、本技术方案无需考虑岩相的横向连续性问题；4、本技术方案采用全贝叶斯分类技术开展岩相划分,相对于朴素贝叶斯分类,全贝叶斯分类考虑了各个变量之间的相关性信息,岩相划分的结果更加准确,岩相概率的不确定性更加客观实际；5、本技术方案考虑了的地震岩相识别各个环节的不确定性因素的影响,与实际情况相符合，获取的岩相概率准确客观的表征了地震数据预测岩相分布的不确定性；6、本技术方案通过高斯混合模型拟合岩相和储层参数的概率分布，与传统的高斯模型相比，高斯混合模型的多峰特征更加符合实际数据的统计特征。
附图说明
图1是按照本发明的地震岩相识别及其不确定性定量评价同步实现方法一优选实施例的流程图。
图2是本发明一实施例输入的一维岩相序列模型。
图3是根据图1所述实施例方法得到的测井弹性空间概率信息。
图4是根据图1所述实施例方法得到的信噪比为3:1的情况下地震岩相识别结果。
具体实施方式
下面参照附图结合示例性的实施例对本发明进行详细描述。
针对地震岩相识别方法不确定性等问题，本发明的目的是提供一种基于概率统计的地震岩相识别方法。本发明是在研究了以下问题的基础之上提出的：（1）地震反演具有较强的不确定性,对地震岩相识别影响较大,采用贝叶斯理论的AVO反演方法开展地震资料反演获取储层弹性参数的概率分布信息, 可以实现地震反演不确定性的定量分析；（2）通过概率统计手段开展井震尺度匹配可以表征井震数据尺度差异引入的不确定性；（3）当岩相由储层物性参数定义时, 引入统计岩石物理方法可定量表征传统岩石物理模型的数学近似及其岩石非均质性等因素所引入的不确定性；（4）通过高斯混合模型拟合储层物(弹)性参数分布能过较好的表征实际资料的多峰特征,获取更为准确的岩相和储层物(弹)性参数的统计关系。本发明首先利用高斯混合模型拟合储层物(弹)性参数的概率分布建立岩相与储层物(弹)性的概率统计关系；然后结合统计岩石物理方法（当岩相由弹性参数定义时可以忽略该步骤）、井震尺度概率匹配方法建立岩相和地震尺度弹性参数的概率统计关系；采用贝叶斯线性AVO反演方法获取出储层弹性参数概率信息；最终联合储层弹性参数概率信息和岩相与地震尺度弹性参数的概率统计关系获取储层岩相概率分布信息。
如图1所示，为本发明实施例一种基于概率统计的地震岩相识别方法，具体包括：
101、基于测井数据的岩相定义：首先基于岩心、录井等信息定义工区目的层的岩相类型。然后结合目的层测井物性和弹性数据开展岩相敏感性分析，选取岩相敏感参数开展测井岩相定义。敏感参数可以是储层物性参数或弹性参数。假设各个岩相内敏感属性的分布满足高斯模型且总体分布满足高斯混合模型，在此基础之上基于测井信息获取测井岩相序列的概率分布信息。高斯混合模型是传统高斯模型的线性加权叠加，其多峰特征较高斯模型更加符合实际数据的统计特征。该环节中，岩相与测井敏感参数的不确定性通过其条件概率表征。
102、在上述步骤中若定义的岩相敏感参数为储层物性参数,就需要通过当前步骤建立储层物性参数与弹性参数的岩石物理响应关系：由于传统岩石物理模型的数学近似以及岩石的非均质性等因素的影响，储层物性参数和弹性参数的地球物理响应关系较为复杂。传统岩石物理建模方法不能够表征建模过程中物性参数和弹性参数岩石物理响应关系的不确定性。统计岩石物理结合传统岩石物理与信息论，采用概率方法表征实际岩石物理建模的不确定性。统计岩石物理建模建立储层物性和弹性参数岩石物理响应关系的同时也表征了响应关系的不确定性。
103、基于测井弹性参数曲线和地震数据分辨率等信息开展井震尺度匹配：首先分析工区地震资料的分辨率，确定合适的窗口长度对目的层测井弹性参数曲线开展尺度放大，获取地震尺度的弹性参数。其次，统计各个岩相中测井尺度与地震尺度弹性参数的概率分布特征及其垂向变差函数特征。通过上述统计信息产生大量测井尺度与地震尺度模拟曲线以丰富统计样本。对模拟曲线开展统计分析获取两种尺度弹性参数的统计信息。
104、基于工区地震数据反演储层弹性参数概率分布：首先统计其高斯模型先验概率信息;对地震数据提取合适的子波;分析地震噪声的统计特征以及反演的相关参数;最后结合贝叶斯AVO线性反演方法获取储层弹性参数的概率信息。概率信息既是地震反演的解,同时也体现了地震反演的不确定性信息。
105、基于贝叶斯原理，联合岩相分布先验信息和各个环节统计的条件概率信息计算储层岩相概率信息：联合测井岩相定义、岩石物理建模、井震尺度匹配、地震数据反演等环节中的条件概率信息以及工区岩相分布的先验信息,采用概率融合方法获取给定地震数据条件下储层岩相的概率分布。利用全贝叶斯分类方法开展岩相识别。全贝叶斯分类较朴素贝叶斯分类增加考虑了各个变量之间的相关性，分类结果更加准确。反演的岩相概率包含了各个环节的不确定性对于地震岩相识别的影响，客观实际的表征预测岩相信息的不确定性。
本发明具体采取以下工作步骤来实现上述技术方案：基于工区地质特征以及岩心、录井、测井等信息确定岩相类型 → 基于工区测井数据建立岩相与储层物性或者弹性属性的统计关系 → 若采用储层物性参数和岩相建立统计关系，则需借助统计岩石物理构建物性与弹性参数的统计关系，以表征岩石物理响应关系的不确定性→通过概率尺度匹配方法建立测井尺度弹性参数与地震尺度弹性参数的统计关系以表征井震尺度差异的不确定性 → 采用贝叶斯AVO线性反演方法反演储层弹性参数信息，以表征地震反演的不确定性 → 融合上述各个环节的概率统计关系，最终获取储层岩相概率分布信息 → 根据岩相分布信息获取岩相分布的最大后验概率解 → 输出最终模型参数，包括纵波速度、横波速度、密度概率模型、岩相概率模型、岩相最大后验概率模型，用于油气藏储层预测。技术方案与工作步骤详细叙述如下：
（1）本发明首先根据工区地质特征，以及岩心、录井等信息确定工区的岩相类型。与地质上基于沉积模式的相的概念有所不同的是，地震岩相识别中的岩相根据岩石的物理属性划分。各岩相之间存在物性或者弹性参数的差异。
（2）确定工区岩相类型后，建立工区岩相和测井物性或者弹性参数的统计关系。通过各个属性参数对岩相的敏感性而确定最终岩相划分的属性。采用高斯混合模型拟合多个岩相的物性或者弹性参数分布，在各个岩相内假设其满足高斯模型。高斯混合模型是高斯模型的线性加权叠加，其多峰特征较传统的高斯模型更加符合实际数据的分布特征。在此，假设建立了岩相和弹性参数的统计关系。弹性参数高斯混合分布可表征为：
(1)
其中，F表示岩相，为岩相比例先验信息；为弹性参数矢量(纵横波速度及密度)，为弹性参数分布，满足高斯混合模型；为单一岩相的弹性参数分布，满足高斯分布：
(2)
N为高斯函数，其均值和协方差矩阵分别为和。
根据贝叶斯理论，给定弹性参数条件下岩相概率可表示为：
(3)
即为测井岩相识别的条件概率。概率模型参数由测井数据统计确定。
对于给定的测井信息，通过可以获取测井岩相概率信息。
（3）测井岩相定义环节中若建立的是岩相和物性参数的统计关系，则需要通过统计岩石物理方法建立物性参数与弹性参数的统计关系，已便于后续建立岩相与弹性参数的统计关系。
统计岩石物理是综合多学科的地球物理方法，结合传统岩石物理、信息论和统计学以表征传统岩石物理模型的不确定性。统计岩石物理可在给定弹性参数条件下预测物性参数概率分布，其中岩石的非均质性及测井数据测量误差等可通过概率信息的不确定性量化表征。统计岩石物理的概念形式为：
(4)
其中，为测井弹性参数矢量，代表传统岩石物理模型，表示误差。
设任意岩相的物性与弹性参数联合分布满足高斯模型。则所有岩相总体分布满足高斯混合模型：
(5)
其中是物性与弹性属性的联合分布，和分别为联合分布中第i个岩相的统计均值和协方差矩阵。在联合分布基础上,条件概率可表示为：
(6)
其中表示给定测井弹性参数条件下物性参数的概率分布，即统计岩石物理的概率形式。给定测井弹性参数，通过可获取物性参数的概率分布。通过Chapman-Kolmogorov方程联合条件概率和计算条件概率：
(7)
通过式(4)- 式(7),最终建立岩相与弹性参数的统计关系。
（4）条件概率建立岩相与测井弹性参数的统计关系，然而地震岩相识别中弹性参数是通过地震反演获得。由于地震数据与测井数据测量尺度的不同，地震岩相识别需要建立井-震尺度弹性参数的统计关系以实现井震尺度匹配，从而进一步建立地震尺度弹性参数和岩相的统计关系。
地震尺度弹性参数记为。形如式(5)和式(6)，统计与测井尺度弹性参数的条件概率，然后结合计算：
(8)
其中为地震尺度弹性参数条件下的岩相概率。通过就可将地震反演获取的弹性参数直接转换为岩相概率信息。
（5）建立了岩相和弹性参数的统计关系后，地震岩相识别通过地震反演获取工区的地震尺度弹性参数信息，然后通过将反演获得的信息转换为岩相信息。由于地震弹性参数反演往往具有较大的不确定性。通过贝叶斯线性AVO反演在寻求最优解的同时，可对反演结果的不确定性进行定量评价。
地震弹性参数反演中，弹性属性的先验分布一般满足高斯模型：
(9)
其中和分别为高斯模型的均值和协方差矩阵。
由线性反演理论可知，地震观测数据可近似表示为：
(10)
其中是线性算子，是地震噪声。
根据统计学原理，变量概率分布形态在线性变换前后保持不变。故亦满足高斯分布：
(11)
其均值与协方差矩阵分别满足：
(12)
(13)
其中为地震噪声的协方差矩阵。
设地震数据与弹性参数的联合分布满足高斯模型。给定地震数据条件下弹性参数概率分布可表示为：
(14)
其均值和协方差矩阵分别满足：
(15)
(16)
是反演的最大后验概率解(MAP)，定量表征的不确定性信息。
地震岩相识别中，通过地震反演获得了目的层弹性参数的概率分布后，联合地震反演结果与条件概率可以获得目的层岩相概率信息：
(17)
其中，为地震岩相识别的岩相概率。获得的目的层模型参数包括纵波速度、横波速度和密度。
如图2所示，是本实施例中输入的一维岩相序列模型：a)一维岩相序列，b-d)纵横波速度及其密度曲线(实线为测井尺度数据、虚线为地震尺度数据)，e) 合成地震角度道集数据(入射角度分别为12°、24°和36°)。
如图3所示，是本实施例测井弹性空间概率信息图，图中：a)纵波速度-横波速度二维边缘概率分布，b)纵波速度-密度二维边缘概率分布，c)横波速度-密度二维边缘概率密度分布，d)纵横波速度及密度联合概率分布。
如图4所示，是本实施例中在信噪比为3:1的情况下地震岩相识别结果：a)岩相序列，b)地震尺度岩相序列，c)岩相概率，d)岩相最大后验概率序列。
本方案具有以下优点：1、本技术方案所述的基于概率统计的地震岩相识别方法，相对于传统的确定性方法而言，基于概率统计方法能够定量表征岩相识别各个环节的不确定性及其在岩相识别流程中的传播与积累特征，从而能够对地震岩相识别开展不确定性分析,降低油藏评价风险；2、本技术方案通过测井信息建立岩相与地震尺度弹性参数的统计关系然后结合地震反演的弹性参数概率信息开展储层岩相识别，该方案适用于油田勘探初期测井资料贫乏情况下的油藏表征工作；3、本技术方案无需考虑岩相的横向连续性问题；4、本技术方案采用全贝叶斯分类技术开展岩相划分,相对于朴素贝叶斯分类,全贝叶斯分类考虑了各个变量之间的相关性信息,岩相划分的结果更加准确,岩相概率的不确定性更加客观实际；5、本技术方案考虑了的地震岩相识别各个环节的不确定性因素的影响,与实际情况相符合，获取的岩相概率准确客观地表征了地震数据预测岩相分布的不确定性；6、本技术方案通过高斯混合模型拟合岩相和储层参数的概率分布，与传统的高斯模型相比，高斯混合模型的多峰特征更加符合实际数据的统计特征。
为了更好地理解本发明，以上结合具体实施例对本发明作了详细说明。但是，显然可对本发明进行不同的变型和改型而不超出权利要求限定的本发明更宽的精神和范围。因此，以上实施例具有示例性而没有限制的含义。
Claims (15)
1.一种地震岩相识别及其不确定性定量评价同步实现方法，基于工区地质特征及岩心、录井资料，其特征在于，所述方法包括以下步骤：
步骤a.确定岩相类型，根据测井物性和/或测井弹性参数开展测井岩相定义；
步骤b.建立岩相与测井属性的概率统计关系；
步骤c.将测井弹性参数尺度放大至地震尺度，建立井-震尺度弹性参数的概率统计关系，构建岩相和地震尺度弹性参数的统计关系；
步骤d.针对地震资料，采用贝叶斯线性AVO反演方法反演目的层弹性参数概率分布信息；
步骤e.结合所述反演的目的层弹性参数概率信息以及所述岩相和地震尺度弹性参数的统计关系获取目的层岩相概率信息，根据所述岩相概率信息获取岩相分布的最大后验概率解，输出最终模型参数。
2.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤a后进一步包括：通过统计岩石物理技术建立测井物性参数与弹性参数间的岩石物理响应关系。
3.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，步骤d中所述反演的目的层弹性参数概率分布信息表征地震反演的不确定性对于地震岩相识别的影响。
4.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，采用高斯混合模型拟合所有岩相的物性、弹性参数概率分布。
5.根据权利要求2所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述岩石物理响应关系表征岩石物理模型数学近似以及岩石非均质性引入的不确定性。
6.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤c中测井弹性参数尺度放大至地震尺度的过程中结合工区地震资料分辨率。
7.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤c中井-震尺度弹性参数的概率统计关系表征井-震尺度数据匹配的不确定性。
8.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤d中反演的目的层弹性参数概率分布信息表征地震反演环节的不确定性。
9.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述输出的最终模型参数包括：纵波速度、横波速度、密度概率模型、岩相概率模型、岩相最大后验概率模型中至少一种，所述最终模型参数用于油气藏储层预测。
10.根据利要求4所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述高斯混合模型是传统高斯模型的线性加权叠加。
11.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤c进一步包括：
分析工区地震资料的分辨率；
确定合适的窗口长度对目的层测井弹性参数曲线开展尺度放大；
获取地震尺度的弹性参数；
统计各个岩相中测井尺度与地震尺度弹性参数的概率分布特征及垂向变差函数特征，得到测井尺度与地震尺度模拟曲线；
对所述模拟曲线进行统计分析获取所述测井尺度与地震尺度弹性参数的统计信息。
12.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤d进一步包括：
统计高斯模型先验概率信息；
提取地震数据子波；
分析地震噪声统计特征及反演相关参数；
结合贝叶斯AVO线性反演方法获取储层弹性参数的概率信息。
13.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述步骤e包括：联合测井岩相定义、岩石物理建模、井震尺度匹配、地震数据反演环节中的条件概率信息以及工区岩相分布的先验信息,采用概率融合方法获取给定地震数据条件下储层岩相的概率分布。
14.根据权利要求1所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述方法采用全贝叶斯分类方法开展岩相识别。
15.根据权利要求14所述的地震岩相识别及其不确定性定量评价同步实现方法，其特征在于，所述全贝叶斯分类方法包含各个变量之间的相关性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510094046.9A CN104749624B (zh) | 2015-03-03 | 2015-03-03 | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510094046.9A CN104749624B (zh) | 2015-03-03 | 2015-03-03 | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104749624A CN104749624A (zh) | 2015-07-01 |
| CN104749624B true CN104749624B (zh) | 2017-07-07 |
Family
ID=53589594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510094046.9A Expired - Fee Related CN104749624B (zh) | 2015-03-03 | 2015-03-03 | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104749624B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106066493A (zh) * | 2016-05-24 | 2016-11-02 | 中国石油大学(北京) | 贝叶斯岩相判别方法及装置 |
| CN107462927A (zh) * | 2016-06-03 | 2017-12-12 | 中国石油化工股份有限公司 | 基于朴素贝叶斯分类的地震岩相预测方法和装置 |
| CN107527223A (zh) * | 2016-12-22 | 2017-12-29 | 北京锐安科技有限公司 | 一种购票信息分析的方法及装置 |
| CN107065013B (zh) * | 2016-12-27 | 2019-01-25 | 中国石油大学(华东) | 一种地震尺度下的层速度确定方法及装置 |
| CN106772587A (zh) * | 2017-02-23 | 2017-05-31 | 河海大学 | 基于同位多相协同克里金的地震弹性参数相控建模方法 |
| CN107817521B (zh) * | 2017-10-27 | 2019-07-12 | 河海大学 | 一种基于改进的成分克里金的岩性分布概率识别方法 |
| CN107884825B (zh) * | 2017-11-08 | 2020-04-14 | 电子科技大学 | 一种基于地震多属性的不确定性建模方法 |
| CN108665545B (zh) * | 2018-05-10 | 2022-03-18 | 中国石油天然气集团有限公司 | 录井参数三维地质模型建立方法 |
| CN108828662B (zh) * | 2018-05-24 | 2020-04-07 | 深圳大学 | 一种地震震源反演可视分析方法、存储介质及服务器 |
| CN109001805B (zh) * | 2018-05-24 | 2020-03-31 | 深圳大学 | 一种地震震源反演不确定性分析方法、存储介质及服务器 |
| CN110609327B (zh) * | 2018-06-14 | 2021-04-27 | 中国石油化工股份有限公司 | 基于叠前地震属性的碳酸盐岩储集相预测方法及装置 |
| CN108897042B (zh) * | 2018-08-28 | 2020-03-10 | 中国石油天然气股份有限公司 | 有机质含量地震预测方法及装置 |
| CN109613615B (zh) * | 2018-12-07 | 2020-05-19 | 成都北方石油勘探开发技术有限公司 | 基于叠前地震响应分析的地质体尺度定量估算方法 |
| CN110333534B (zh) * | 2019-06-19 | 2020-10-30 | 中国地质大学（武汉） | 一种基于Biot理论的贝叶斯时移AVO反演方法及系统 |
| CN113589373A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 井震联合自适应多参数智能岩相识别方法 |
| CN111832636B (zh) * | 2020-06-30 | 2024-04-12 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
| CN114624763A (zh) * | 2020-12-10 | 2022-06-14 | 中国石油天然气股份有限公司 | 地震相图生成方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6016462A (en) * | 1997-08-29 | 2000-01-18 | Exxon Production Research Company | Analysis of statistical attributes for parameter estimation |
| CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
| CN103675907A (zh) * | 2012-09-20 | 2014-03-26 | 中国石油化工股份有限公司 | 一种基于岩相约束的avo反演油气检测方法 |
| CN104297785A (zh) * | 2014-09-29 | 2015-01-21 | 中国石油天然气股份有限公司 | 岩相约束储层物性参数反演方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8792302B2 (en) * | 2010-05-26 | 2014-07-29 | Westerngeco L.L.C. | Estimating anisotropic parameters |
-
2015
- 2015-03-03 CN CN201510094046.9A patent/CN104749624B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6016462A (en) * | 1997-08-29 | 2000-01-18 | Exxon Production Research Company | Analysis of statistical attributes for parameter estimation |
| CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
| CN103675907A (zh) * | 2012-09-20 | 2014-03-26 | 中国石油化工股份有限公司 | 一种基于岩相约束的avo反演油气检测方法 |
| CN104297785A (zh) * | 2014-09-29 | 2015-01-21 | 中国石油天然气股份有限公司 | 岩相约束储层物性参数反演方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 曹丹平，等.多尺度地震资料联合反演方法研究.《地球物理学报》.2009,第52卷(第4期),1059-1067. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104749624A (zh) | 2015-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104749624B (zh) | 一种地震岩相识别及其不确定性定量评价同步实现方法 | |
| Chaki et al. | Well-log and seismic data integration for reservoir characterization: A signal processing and machine-learning perspective | |
| US9097821B2 (en) | Integrated workflow or method for petrophysical rock typing in carbonates | |
| CN102692645B (zh) | 利用纵波、转换波数据联合反演储层纵横波速度比的方法 | |
| Anifowose et al. | Integrating seismic and log data for improved petroleum reservoir properties estimation using non-linear feature-selection based hybrid computational intelligence models | |
| CN104502997B (zh) | 一种利用裂缝密度曲线预测裂缝密度体的方法 | |
| CN102508293A (zh) | 一种叠前反演的薄层含油气性识别方法 | |
| CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
| US11353616B2 (en) | Methods and systems for processing slowness values from borehole sonic data | |
| Jeong et al. | A fast approximation for seismic inverse modeling: Adaptive spatial resampling | |
| Zhang et al. | First arrival picking of microseismic signals based on nested U-Net and Wasserstein Generative Adversarial Network | |
| CN101430386B (zh) | 一种地震多参数融合气藏检测方法 | |
| CN106772570A (zh) | 火成岩开启缝地震预测方法 | |
| CN107678064A (zh) | 一种声波时差实时提取方法 | |
| Boyd et al. | Quantifying spatial uncertainty in rock through geostatistical integration of borehole data and a geologist's cross-section | |
| Zhang et al. | A spatially coupled data-driven approach for lithology/fluid prediction | |
| Lee et al. | Automatic labeling strategy in semi-supervised seismic facies classification by integrating well logs and seismic data | |
| Li et al. | CNN-Based Network Application for Petrophysical Parameter Inversion: Sensitivity Analysis of Input–Output Parameters and Network Architecture | |
| Mojeddifar et al. | Gas-bearing reservoir characterization using an adjusted Parzen probabilistic network | |
| Nath et al. | Prediction and analysis of geomechanical properties using deep learning: A Permian Basin case study | |
| Parimontonsakul | An Analytical Approach to Automate Stratigraphic Correlation using Well Logging Information | |
| Gogoi et al. | Neural network analysis and seismic-velocity model building in Upper Assam Basin, India: An aid to reservoir-characterization study | |
| Xie et al. | A novel genetic inversion workflow based on spectral decomposition and convolutional neural networks for sand prediction in Xihu Sag of East China Sea | |
| Ciabarri et al. | Analytical Uncertainty Propagation in Facies Classification with Uncertain Log-Data | |
| Mohammadi et al. | Faults and fractures detection using a combination of seismic attributes by the MLP and UVQ artificial neural networks in an Iranian oilfield |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170707 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |