CN104884974A - 利用人工神经网络进行3d地震数据深度转换的系统和方法 - Google Patents

Abstract

本发明通过提供用于将堆叠的或者优选地时间偏移3D地震数据及相关的地震属性从时间域转换到深度域的系统和方法，符合上述需要并克服现有技术中的一个或多个缺陷。在一个实施例中，本发明包括用于将三维地震数据从时间域转换到深度域的方法。

Description

利用人工神经网络进行3D地震数据深度转换的系统和方法

相关申请的交叉引用

不适用。

有关联邦资助研究的声明

不适用。

技术领域

本发明一般涉及利用人工神经网络的三维(“3D”)进行地震数据深度转换的系统和方法。更具体地，本发明涉及将堆叠的或者优选的时间偏移(time migrated)3D地震数据及相关的地震属性从时间域(time domain)转换到深度域(depth domain)。

背景技术

对于涉及通过储层(油藏)(reservoir)表征研究、水平井规划和地质导向、模拟设计(stimulation design)和油藏模拟来估计储层储量的地学科学家和油藏工程师而言，将3D地震数据从时间域转换到深度域是非常重要的。深度转换后的地震数据可用于通过井控来增强储层孔隙度和厚度的地层映射，检验为了留在油气层中而沿水平井长度做出的结构/断层解释，以为储层储量计算和总资产管理提供更精确的框架。

许多传统技术和程序已经被开发，以将地震数据从时间域转换到深度域。这些技术包括来自校验炮测量(check-shot survey)、速度测量、堆叠速度、断层成像、声波反演、测井数据等的正在开发的速度模型。然而，这些技术中有许多集中在将储层层位(horizon)(结构映射)从时间域转换到深度域，而不是将地震体(seismic volume)及其相关的地震属性从时间域转换到深度域，这通常被称为体深度(volume depthing)。此外，目前实践中的体深度从未100％准确地用在储层表征研究中，因为对于所需的分辨率来说，速度模型最终还是过于简单。结果是，当整个地震体被转换到深度域时，感兴趣的储层层段(interval)被平滑甚至在结果中丢失。

现代地震解释方法和工具经常使用沿着地震体边或覆盖地震体的各种地震属性的联合提炼(co-rendering)。用于地震解释的一百多个属性的大部分都在时间域中被计算和解释。将它们转换到与地震数据的深度转换相一致的深度通常是可行的，但在实践中很少这样做。而且，这样的属性深度转换会遭遇与在上述地震深度转换中提及的储层层段中同样的分辨率损失。事实上，由于许多基于时间的属性的更高锐利性(sharpness)，这种损害甚至可能更加严重。最近重要的研究集中在基于层位的属性，例如既可以在时间域或也可以在深度域中计算的相干性和曲率。这样的属性提供在深度域中的值，但很少被解释，甚至被解释为深度域中的体属性。显然用于将许多时间域储层属性映射到深度域的高分辨率方法期望能够有助于提高地震解释以及后续的储层评估和规划的可靠性和细节了解。

发明内容

通过提供用于将堆叠的或者优选的时间偏移3D地震数据及相关的地震属性从时间域转换到深度域的系统和方法，本发明满足上述需要并克服了现有技术中的一个或多个缺陷。

在一个实施例中，本发明包括一种用于将三维地震数据从时间域转换到深度域的方法，该方法包括：i)使用人工神经网络而不用在感兴趣的储层层段内或在其附近的声波测井，来预测选择的井的声波时差(intervaltransit times)；ii)将所选择的井的时深对转换成沿地震时间层的时深对；iii)通过在三维地震时间体中重新排列地震道(seismic traces)形成参考层，以将所述地震时间层对准每个道上的时间零点；iv)使用所述转换后的时深对，将相对深度赋值给(assign)所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值；v)形成表示时深层体的多个构造上修正的表面；以及vi)将所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值从所述地震时间体传送(transfer)到所述时深层体中的所述多个构造上修正的表面。

在另一个实施例中，本发明包括一种承载计算机可执行指令的程序载体装置，用于将三维地震数据从时间域转换到深度域。该指令可被执行以实施下述：i)使用人工神经网络而不用在感兴趣的储层层段内或在其附近的声波测井，来预测选择的井的声波时差；ii)将所选择的井的时深对转换成沿地震时间层的时深对；iii)通过在三维地震时间体中重新排列地震道形成参考层，以将所述地震时间层对准每个道上的时间零点；iv)使用所述转换后的时深对，将相对深度赋值给在所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值；v)形成表示时深层体的多个构造上修正的表面；以及vi)将所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值从所述地震时间体传送到所述时深层体中的所述多个构造上修正的表面。

通过各个实施例及相关附图的以下说明，本发明的其它方案、优点以及实施例将变得对本领域技术人员显而易见。

附图说明

下文参考附图描述本发明，其中类似的元件引用类似的附图标记，并且其中：

图1是示出用于实施本发明的方法的一个实施例的流程图。

图2是示出用于实施本发明的系统的一个实施例的框图。

具体实施方式

虽然具体地描述本发明的主题，然而，说明书本身不意欲限制本发明的范围。因此，该主题还可与其它技术相配合而以其它方式被具体实施为包括不同步骤或与本文所描述的那些相类似的步骤的组合。此外，尽管这里可以使用术语“步骤”以描述所采用的方法的不同要素，但是该术语不应该被解释为在本文公开的各种步骤之中或之间暗含了任何特定的顺序，除非说明书明确限定具有特定顺序。尽管本发明可以被应用于油气工业，但是本发明的系统和方法不限于此，而是还可以应用到诸如水资源管理、碳封存、或医学成像的其他工业来达到类似的结果。

方法描述

现在参照图1，示出用于实施本发明的方法100的一个实施例的流程图。方法100提供一种非常有效的方式，以容易地用高分辨率将3D地震数据及相关的地震属性从时间域转换到深度域，用于储层研究。在构造覆盖层(overburden)复杂性的情况下，时间偏移地震数据可以使用Larner等人的方法(1981)被成像射线校正。方法100包含一个或多个步骤，用于训练多感知反向传播人工神经网络，以针对储层研究区域中的每个井学习声波时差。人工神经网络用于这样的目的，其对于与声波测井不可用或者声波测井可用但被不可接受的噪声污染的井，从与同一井有关的其它测井中预测声波测井。可以使用具有良好声波测井的井来训练人工神经网络以预测声波测井。合理的基本假设是，由于在地质情况、埋藏历史等的相似性原因，人工神经网络系数的未知横向变化在具体感兴趣的储层层段内将会是微不足道的，因此，单个人工神经网络可用于所有井。然而，可以优选一个以上人工神经网络。

在步骤102中，使用参考图2描述的客户端接口和/或视频接口及本领域公知的技术，在感兴趣的储层层段内或紧靠感兴趣的储层层段处选择地震时间层。为了可以在感兴趣的储层层段内或紧邻感兴趣的储层层段处识别和选择地震时间层，可以使用储层地震数据来解释储层层段(reservoirinterval)。地震时间层可能产生于来自储层层段的顶部或底部的反射或者来自储层层段内、该储层层段正上面或正下面的一些其它分层的反射。可选地，当在覆盖层和储层两者中的构造复杂性情况下，可以以相同的方式用深度偏移地震数据而不是时间偏移地震数据来选择地震深度层。例如，可以使用本领域公知的技术(诸如射线追踪法或光程函数法)将地震深度层转换成地震时间层，同时保持在地震时间层上的钻孔位置(well location)。

在步骤104中，可以使用参考图2描述的客户端接口和/或视频接口选择横穿(intersect)感兴趣的储层层段的井及相关的测井数据。

在步骤106中，可以使用公知的多元(multi-variate)统计技术处理来自所选择的井的测井数据，以去除不可靠的数据部分，如噪声。测井数据可包括例如来自裸井或套管井测井数据的可用数据。

在步骤108中，可以使用本领域公知的技术沿所选择的地震时间层将测井深度精选(picks)(顶部)转换成深度。与所选择的地震时间层相对应的反射层的深度在井中被识别，并且可以使用例如克里格(kriging)的技术来内插和/或外插那些深度精选，以为所有所选择的地震时间层内的每个样本位置提供深度。

在步骤110中，可以使用来自所选择的井的声波测井的声波时差、处理后的测井数据及本领域公知的技术来训练和验证(validate)人工神经网络。

在步骤112中，可以使用人工神经网络而不用在感兴趣的储层层段内或在其附近的有效的声波测井，来预测所选择的井的声波时差(代表(proxy)声波测井)。可以使用公知的质量控制技术来仔细地分析和研究经由人工神经网络生成的声波时差，以确定每个声波时差所需的精度水平。

在步骤114中，可以通过对来自所选择的井的声波测井的声波时差和代表声波测井的声波时差进行数值积分，来针对来自感兴趣的储层层段的每个选择的井产生相等时间/可变深度(时深)对。在针对每个钻孔位置的所选择的地震时间层的深度建立用于这种积分的时间原点(time origin)。虽然可以选择更精细的增量并针对该更精细的增量对地震数据进行重新采样以便可视化和解释，但相等的时间增量优选地为分析后的地震数据，通常为2毫秒。可变的深度储层层段可以尽可能小或大。根据需要小心地进行小的调整，以确保深度与可用的地质层精选一致。用这种方式，考虑到在非常精细的层(level)处的垂直变化和横向变化，可以开发高精确度的时深模型。通过比较，其它传统技术可以仅使用少至一个井或者一个校验炮测量，导致过于简化的、平滑的速度模型，其产生缺少必要细节的时深关系。

在步骤116中，可以使用本领域公知的技术将所有所选择的井的时深对转换成沿所选择的地震时间层的时深对。

在步骤118中，通过在3D地震体中(在时间上)重新排列地震道来形成参考层，使得所选择的地震时间层出现在每个道上的时间零点处。地震时间体中的每个单独的地震道向上或向下移动，使得在每个道上的所选择的地震时间层采用新的常数时间。例如，如果在地震道(I，J)上参考层时间为2.14秒且恒定时间为1.96秒，那么整个地震道将通过向上移动0.18秒来重新排列。在每个地震道(I，J)被处理之后，参考层将作为在每个地震道上以1.96秒排列的平坦层出现。在这一点上，参考层为用于所有后续深度的起始时间(origin time)。

在步骤120中，使用转换后的时深对将感兴趣的储层层段处或在其附近的相对深度赋值给每个地震样本幅值及相关的地震属性值。例如，如果以恒定的时间步长(例如，2毫秒增量)对地震数据进行采样且参考层为1.996秒水平分层(horizontal slice)，则其在时间上按照1.998时间切片(timeslice)、2.000秒时间切片等。每个水平分层之间的地下距离通常不是恒定的深度增量，但是通常会随道(trace)且随时间而改变。在速度随着深度的线性增加的情况下，深度步长随时间以指数形式增长。因此，如果层位处于1.996秒，则1.998秒时间切片可能对应于参考层之下6英尺的位置，而2.000秒时间切片对应于参考层之下15英尺的位置。

在步骤122中，可以通过将沿所选择的地震时间层的深度添加至赋值给每个地震样本幅值及相关的地震属性值的深度形成表示时深层体的多个构造上修正(structurally correct)的表面。用这种方式，可以确定在感兴趣的储层层段处或在其附近的每个地震样本幅值及相关的地震属性值的绝对深度。每个深度对应于沿所选择的地震时间层的时深对并在深度上限定构造上修正的表面。多个构造上修正的表面的采集限定了时深层体并限制了在地下内的深度体积。

在步骤124中，例如，可以使用本领域公知的诸如运算(均值、最接近的节点、中位数，平均等)方法、几何方法或地质统计方法的技术，将感兴趣的储层层段处或在其附近的每个地震样本幅值及相关的地震属性值从地震时间体传送到时深层体中的多个构造上修正的表面。用这种方式，地震时间体和时深层体处于相同的位置(colocate)。优选地，使用最接近于层样本位置的值(因为它似乎是统计学上最准确的)将地震属性从地震时间体传送到时深层体中的多个构造上修正的表面。此外，当所选择的地震时间层在重新排列之前具有显著的构造复杂性时，在将它们传送到多个构造上修正的表面之前，优选地重新计算在最垂直于该表面的方向上的地震属性，如美国专利号7,702,463所述的。

在步骤126中，可以使用多个构造上修正的表面及本领域公知的诸如体现在商业软件包(例如如兰德马克图形公司的决策空间桌面(DecisionSpaceDesktop))中的技术来构建包含时深层体的3D地理细胞模型。

在步骤128中，可以使用本领域公知的技术将来自时深层体中的构造上修正的表面的每个地震样本幅值及相关的地震属性值传送到3D地理细胞模型。因为每个地震属性值处在深度域中并与储层井段、工程数据和微地震信息完美地搭配，因此，3D地理细胞模型可用在储层和/或其它石油和天然气表征研究以及非传统储层中的水平井规划中。例如，额外的益处可包括使用设计井模拟的结果、微地震检测(故障检测)和电缆测井。

系统描述

本发明可以经由一般称为由计算机执行的软件应用或应用程序的计算机可执行指令程序(例如，程序模块)来实施。该软件例如可以包括执行特定任务或实施特定抽象数据类型的例程(routine)、程序、对象、组件以及数据结构。该软件形成使计算机根据输入源而作出反应的界面。决策空间(DecisionSpace)桌面地球模型(其是由兰德马克图形公司营销的商业软件应用)可以被用作实施本发明的界面应用。该软件也可以与其它代码段配合，以响应于所接收的数据与所接收的数据的源联合启动各种任务。其它代码段可以提供优化组件，包括但不限于，神经网络、地球模型、历史拟合(history matching)、优化、可视化、数据管理、储层模拟和经济学。该软件可以被存储和/或承载在任何类型的存储器上，例如CD-ROM、磁盘、磁泡存储器(bubble memory)以及半导体存储器(例如，各种类型的RAM或ROM)。此外，该软件及其结果可以通过各种载体介质(例如光学纤维、金属导线)来发送和/或经由任何类型的网络(例如互联网)来发送。

此外，本领域技术人员将意识到本发明可以利用包括手持装置、多处理器系统、基于微处理器或可编程消费电子产品、迷你计算机、大型计算机等各种计算机系统配置来实践。与本发明一起使用的任何数量的计算机系统和计算机网络是可以接受的。本发明可以在分布式计算环境中实践，其中通过经由通信网络链接的远程处理装置来执行任务。在分布式计算环境中，程序模块可以位于包括存储装置的本地计算机存储介质和远程计算机存储介质两者中。因此，本发明可以在计算机系统或其它处理系统中与各种硬件、软件或其组合连接实施。

现在参照图2，框图示出了用于在计算机上实施本发明的系统的一个实施例。该系统包括有时称为计算系统的计算单元，该计算单元包含存储器、应用程序、客户端接口、视频接口以及处理单元。该计算单元仅是合适的计算环境的一个示例，并且不意欲建议对本发明的使用或功能性的范围的任何限制。

该存储器主要存储应用程序，该应用程序也可以被描述为包含计算机可执行指令的程序模块，其通过用于实施这里描述并在图1中示出的本发明的计算单元来执行。因此，该存储器包括3D地震数据深度转换模块，其使参考图1示出和描述的方法成为可能并且集成图2所示的其余应用程序的功能。该存储器还包括DecisionSpace桌面地球模型，该DecisionSpace桌面地球模型可以被用作接口应用以将测井输入数据提供给3D地震数据深度转换模块和/或显示来自3D地震数据深度转换模块的数据结果。虽然DecisionSpace桌面地球模型可以被用作接口应用，但可以使用其它接口应用，相反，或者3D地震数据深度转换模块可以被用作独立的应用程序。

虽然计算单元被显示为具有通用存储器，然而计算单元典型地包括各种计算机可读介质。举例来说明，并非限制，计算机可读介质可以包括计算机存储介质和通信介质。计算系统存储器可以包括呈易失性和/或非易失性存储器形式的计算机存储介质，例如只读存储器(ROM)和随机存取存储器(RAM)。基本输入/输出系统(BIOS)被典型地存储在ROM中，所述输入/输出系统包含例如在启动期间有助于计算单元内的元件之间传递信息的基本例程。RAM典型地包含可立即访问和/或目前被处理单元操作的数据和/或程序模块。举例来说明，并非限制，计算单元包括操作系统、应用程序、其它程序模块以及程序数据。

存储器中示出的组件也可以包括在其它可移动/不可移动、易失性/非易失性计算机存储介质中，或者它们可以经由应用程序接口(“API”)或云计算在计算单元中实施，所述云计算可以驻留在经由计算机系统或网络连接的单独的计算单元上。仅举例而言，硬盘驱动器可以从不可移动的非易失性磁性介质读取或者向其写入，磁盘驱动器可以从可移动非易失性磁盘读取或者向其写入，以及光盘驱动器可以从可移动非易失性光盘(例如CDROM或其它光介质)读取或者向其写入。能够在示例性操作环境中使用的其它可移动/不可移动、易失性/非易失性计算机存储介质可以包括但不限于盒式磁带、快闪存储卡、数字多用光盘、数字视频磁带、固态RAM、固态ROM等。上文讨论的驱动器及其相关的计算机存储介质提供计算机可读指令、数据结构、程序模块以及用于计算单元的其它数据的存储。

客户可以经由客户端接口将命令和信息输入计算单元，该客户端接口可以是诸如键盘和指点设备(通常被称为鼠标、轨迹球或触摸垫)等输入装置。输入装置可以包括麦克风、操纵杆、卫星天线(satellite dish)、扫描仪等。这些及其它输入装置经常通过耦接至系统总线的客户端接口连接至处理单元，但是可以通过其它接口和总线结构连接，例如并行端口或通用串行总线(USB)。

监视器或其它类型的显示装置可以经由接口(例如，视频接口)被连接至系统总线。图形用户接口(“GUI”)也可以使用视频接口来从客户端接口接收指令，并且将指令发送到处理单元。除了监视器之外，计算机也可以包括其它外围输出装置(例如，扬声器和打印机)，该外围输出装置可以经由输出外围接口连接。

虽然计算单元的许多其它内部组件未示出，然而本领域普通技术人员将理解这种组件及其互连是公知的。

虽然结合目前优选实施例描述了本发明，但本领域技术人员将理解其并不意欲将本发明限制于那些实施例。因此，在不脱离由所附权利要求及其等同项限定的本发明的精神和范围的情况下，预期可对公开的实施例作出各种替代实施例和变型。

Claims (22)

1.一种用于将三维地震数据从时间域转换到深度域的方法，所述方法包括包括：

使用人工神经网络而不用在感兴趣的储层层段内或在其附近的声波测井，来预测选择的井的声波时差；

将所选择的井的时深对转换成沿地震时间层的时深对；

通过在三维地震时间体中重新排列地震道形成参考层，以将所述地震时间层对准每个道上的时间零点；

使用所述转换后的时深对，将相对深度赋值给所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值；

形成表示时深层体的多个构造上修正的表面；以及

将在所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值从所述地震时间体传送到所述时深层体中的所述多个构造上修正的表面。

2.根据权利要求1所述的方法，其中使用来自所选择的井的声波测井的声波时差来训练所述人工神经网络。

3.根据权利要求1所述的方法，其中在所述感兴趣的储层层段内选择所述地震时间层。

4.根据权利要求1所述的方法，其中所选择的井横穿所述感兴趣的储层层段。

5.根据权利要求1所述的方法，其中通过将沿所述地震时间层的深度与赋值给每个地震样本值及各自的地震属性值的所述相对深度相加，来形成表示所述时深层体的所述多个构造上修正的表面。

6.根据权利要求5所述的方法，其中从所选择的井的测井深度精选中来转换沿所述地震时间层的所述深度。

7.根据权利要求1所述的方法，还包括：使用所述多个构造上修正的表面来构建包含所述时深层体的三维地理细胞模型。

8.根据权利要求1所述的方法，还包括：将每个地震样本值及各自的地震属性值从所述时深层体中的所述多个构造上修正的表面传送到所述三维地理细胞模型。

9.根据权利要求2所述的方法，其中对于所述感兴趣的储层层段中的每个选择的井，通过对所述声波时差和所述预测后的声波时差进行数值积分，产生所选择的井的所述时深对。

10.根据权利要求5所述的方法，其中将沿所述地震时间层的所述深度与赋值给每个地震样本值及各自的地震属性值的所述相对深度的相加表示每个地震样本值及各自的地震属性值的绝对深度，并限定在每个绝对深度处的构造上修正的表面。

11.根据权利要求1所述的方法，其中通过将地震深度层转换成所述地震时间层来获得所述地震时间层。

12.一种承载计算机可执行指令的程序载体装置，用于将三维地震数据从时间域转换到深度域，所述指令可被执行以实施下述：

使用人工神经网络而不用在感兴趣的储层层段内或在其附近的声波测井，来预测选择的井的声波时差；

将所选择的井的时深对转换成沿地震时间层的时深对；

通过在三维地震时间体中重新排列地震道形成参考层，以将所述地震时间层与每个道上的时间零点对齐；

使用所述转换后的时深对，将相对深度赋值给在所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值；

形成表示时深层体的多个构造上修正的表面；以及

将所述感兴趣的储层层段处或在其附近的每个地震样本值及各自的地震属性值从所述地震时间体传送到所述时深层体中的所述多个构造上修正的表面。

13.根据权利要求12所述的程序载体装置，其中使用来自所选择的井的声波测井的声波时差来训练所述人工神经网络。

14.根据权利要求12所述的程序载体装置，其中在所述感兴趣的储层层段内选择所述地震时间层。

15.根据权利要求12所述的程序载体装置，其中所选择的井横穿所述感兴趣的储层层段。

16.根据权利要求12所述的程序载体装置，其中通过将沿所述地震时间层的深度与赋值给每个地震样本值及各自的地震属性值的所述相对深度相加，来形成表示所述时深层体的所述多个构造上修正的表面。

17.根据权利要求16所述的程序载体装置，其中从所选择的井的测井深度精选中来转换沿所述地震时间层的所述深度。

18.根据权利要求12所述的程序载体装置，还包括：使用所述多个构造上修正的表面来构建包含所述时深层体的三维地理细胞模型。

19.根据权利要求12所述的程序载体装置，还包括：将每个地震样本值及各自的地震属性值从所述时深层体中的所述多个构造上修正的表面传送到所述三维地理细胞模型。

20.根据权利要求13所述的程序载体装置，其中对于所述感兴趣的储层层段中的每个选择的井，通过对所述声波时差和所述预测后的声波时差进行数值积分，产生所选择的井的所述时深对。

21.根据权利要求16所述的程序载体装置，其中将沿所述地震时间层的所述深度与赋值给每个地震样本值及各自的地震属性值的所述相对深度的相加表示每个地震样本值及各自的地震属性值的绝对深度，并限定在每个绝对深度处的构造上修正的表面。

22.根据权利要求12所述的程序载体装置，其中通过将地震深度层转换成所述地震时间层来获得所述地震时间层。