CN105589096B - 一种基于d-s证据理论的沉积相带划分方法 - Google Patents
一种基于d-s证据理论的沉积相带划分方法 Download PDFInfo
- Publication number
- CN105589096B CN105589096B CN201410563283.0A CN201410563283A CN105589096B CN 105589096 B CN105589096 B CN 105589096B CN 201410563283 A CN201410563283 A CN 201410563283A CN 105589096 B CN105589096 B CN 105589096B
- Authority
- CN
- China
- Prior art keywords
- attribute
- seismic properties
- sedimentary facies
- evidence
- type
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于D‑S证据理论的沉积相带划分方法,属于石油化工产业地球物理勘探领域。本方法包括:(1)提取地震属性,然后根据工区实际情况,确定所需的地震属性的种类和个数;(2)对第(1)步中所确定的所有地震属性分别进行标准化处理,使得所有地震属性都在同一尺度[0,1]下;(3)建立沉积相类型分类,对各种沉积相类型分别进行标识,最后获得属性沉积类型标识;(4)确定属性证据体;(5)对步骤(4)获得的属性证据体进行计算,得到沉积相带划分结果m(Aijn)。
Description
技术领域
本发明属于石油化工产业地球物理勘探领域,具体涉及一种基于D-S证据理论的沉积相带划分方法。
背景技术
目前,国内外利用地质统计学进行相控建模逐渐成为研究的主流方向。相控建模也称为“两步法建模”。其第一步是指:利用地质统计学离散变量建模方法对不同沉积相引起的大范围非均质性进行模拟生成相模型,或者通过人工解释生成相模型,即“相建模”;第二步是指:在第一步生成相模型的基础上,利用合适的地质统计学连续变量建模方法对物性参数进行模拟,即“相控建模”。
针对“两步法建模”的第一步“相建模”而言,目前生成相模型的途径主要有两种:一是采用地质统计学基于目标的随机模拟算法生成,或者采用多点地质统计学方法生成“训练图像”;二是通过研究人员对沉积微相进行分析,人工解释得出相模式图。就第一种方式而言,无论是基于目标的随机模拟还是多点地质统计学,它们都是通过随机算法采用测井数据参与模拟计算,因此相模型的生成速度快,但不能对单个相进行精细描述,这样就不能突出单个相的数据分布特征,而且它们生成多个实现,其模拟结果存在不确定性和多解性,尤其是在测井数据不充足的情况下,模拟的结果可信度会更加降低。对于第二种方式,研究人员根据地质构造和沉积模式结合地震、露头、钻井、测井等数据可以编制出相模式图,这种方式准确度高,但耗时长,工作量很大。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种基于D-S证据理论的沉积相带划分方法,能够快速的、准确性高地进行沉积相带划分。
本发明是通过以下技术方案实现的:
(1)提取地震属性,然后根据工区实际情况,确定所需的地震属性的种类和个数;
(2)对第(1)步中所确定的所有地震属性分别进行标准化处理,使得所有地震属性都在同一尺度[0,1]下;
(3)建立沉积相类型分类,对各种沉积相类型分别进行标识,最后获得属性沉积类型标识;
(4)确定属性证据体;
(5)对步骤(4)获得的属性证据体进行计算,得到沉积相带划分结果m(Aijl)。
所述步骤(1)中提取地震属性是这样实现的:
在有工区解释层位的情况下,沿解释层位提取地震属性,在没有工区解释层位的情况下,在研究目标区沿时间切片提取地震属性,所提取的地震属性包括:瞬时属性、频率属性、振幅属性、波形属性、能量属性。
所述步骤(2)的标准化处理是采用min-max标准化处理方法实现的,具体如下:
对原始数据进行线性变换:设minA和maxA分别为属性A的最小值和最大值,将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x’,其公式为:x’=(x-minA)/(maxA-minA)(即新数据=(原数据-极小值)/(极大值-极小值)),这样处理后,使得所有的地震属性都在同一尺度[0,1]下。
所述步骤(3)是这样实现的:
根据工区情况对研究区进行沉积相类型划分,获得N种沉积类型;
对这N种沉积类型分别进行标识,第一种标识为1,第二种标识为2,以此类推,第N种标识为N;
分别对每个标准化处理后的地震属性进行沉积类型分类,即将每个标准化处理后的地震属性的值分段,将每一段与一种沉积类型对应,并将此段标识为对应的沉积类型的标识,这样完成对每个地震属性的属性沉积类型标识。
所述步骤(4)是这样实现的:
属性证据体就是上述第(3)步所获得的属性沉积类型标识,属性证据体的数据格式与提取的地震属性格式一致,即:提取的属性是沿层或者沿时间切片提取,因此数据排列是以线道号的方式排列的,线道的每个网格点上是地震属性值,在经过第(3)步的处理后,原来网格点上的地震属性值就变成了属性沉积类型标识,即1、2、3、4...N。
所述步骤(5)是这样实现的:
采用下面的公式对步骤(4)获得的属性证据体进行计算:
其中,i为线号,j为道号。
其中,mijl(Aijl)为属性沉积类型标识;l为属性证据体的序号;
ε为证据的可信度,其中
与现有技术相比,本发明的有益效果是:通过D-S证据理论进行地震属性沉积相带划分,得出的结果是沉积相分布图。由于结合了人工解释的结果与算法的优化,本发明对比已有的技术,具有快速获得准确的相模式,又能降低结果多解性的优势。
附图说明
图1本发明方法的步骤框图
图2实现思路
图3河流相三维地质模型
图4正演地震振幅
图5河流相三维地质模型切片
图6(a)均方根振幅
图6(b)瞬时相位
图6(c)瞬时振幅
图7计算结果。
具体实施方式
下面结合附图对本发明作进一步详细描述:
无论是基于目标的随机模拟,还是人工解释,都是从测井数据出发,如果研究工区内的测井数据不充足,其相模式结果的准确度就会不高。而地震数据包含丰富的地质变化信息,所提取的地震属性则是确定性的,针对目标工区,对提取的地震属性进行专家筛选,优选出的地震属性在目标工区中具有代表性和准确性。因此充分利用地震属性数据参与计算,既能快速的获得相模式,又加入人工解释能降低结果的多解性。D-S证据理论作为一种数学工具,在不确定性的表示、量度和组合方面的优势受到广泛地重视,它允许人们对不精确、不确定性问题进行建模,并进行推理。针对上述两种“相建模”方式的优缺点,本发明的目的是提供一种能够快速的、准确性高的沉积相带划分方法
本发明针对相控建模及“两步法建模”中的第一步建模方法存在的不足,基于孙全提出的一种新证据理论的合成公式,对其进行改进,结合地震数据的特点进行计算公式推导,建立了地震多属性与沉积相模式的关系式,由此计算可以通过地震属性获得沉积相带的划分结果。
以往使用D-S证据理论进行数据融合时,对存在的一个事件,通过不断加入证据进行信息融合,可以更加准确的判定改事件为真还是为假;但是由于地下储层的复杂未知性,采用地震多属性融合技术进行计算,期望得出的结果并不是真假,而是沉积相分布图,这个图件是由以线道号为网格点的数据组成。通过改进的D-S证据理论,可以充分利用有效的地震属性参与计算,既能快速的获得相模式,又加入人工解释能降低结果的多解性,为下一步的物性建模提供准确的结果。
(1)技术原理:
传统的D-S证据合成公式如下:
其中它的大小反映了证据冲突程度。系数1/(1-k)称为归一化因子,它的作用是为了避免在合成时将非零的概率赋给空集。
孙全提出的一种新证据理论合成公式如下:
设m1,m2,…,mn所对应的证据集为:F1,F2,…,Fn,并设证据集i,j之间的冲突大小为kij,则:
定义ε为证据的可信度,其中n为证据源的个数。是n个证据集中每对证据集总和的平均,它反映了证据两两之间的冲突程度。ε是的减函数,反映了证据的可信度,也就是当证据之间的冲突增大时,证据的可信度将降低。k反映证据总体上冲突程度,当k大时,不一定大,新的公式可以写成:
m(A)=p(A)+k*ε*q(A),A≠Φ,X (3)
其中:
式(3)又可写成如下形式:
新合成公式实际上是一个加权和的形式。1-k和k是加权系数。当k较小时,即证据冲突较小,式(4)中第一项起主要作用。当k=0时,新的合成公式等同于D-S合成公式(1);当k→1时,即证据高度冲突时,合成结果将主要由式(4)中的ε*q(A)决定。ε为证据可信度,q(A)为证据对A的平均支持度。因此,对于高度冲突的证据,其合成结果将主要由证据可信度ε和证据平均支持度q(A)的乘积决定。
公式(4)虽然对传统的D-S证据理论进行了改进,但是它只是对算法稳定性和精度的改进,并不适用于地震数据格式的要求,需要对公式进行进一步改进,使其满足地震数据格式计算的需要。直接对公式(4)进行改进,从公式(1)至(4)的推导过程中可以发现,A作为一个属性整体参与计算,最终的结果m(A)是一个标识A的概率值。但在地震数据中,以线道号为网格节点,通过优选不同的属性,该节点就有不同的值。因此重新定义A用来标识地震属性,则Aijn表示某一属性值,则公式(4)可以写为:
其中:i表示线号,j表示道号;该公式将以属性为单位的整体计算转变为以线道号网格点为单位的融合计算。
(2)根据以上的分析和改进,可以得出初步的融合方法技术流程:
①提取地震属性,在有工区解释层位的情况下,沿解释层位提取地震属性,在没有工区解释层位的情况下,在研究目标区沿时间切片提取地震属性,所提取的属性包括:瞬时属性、频率属性、振幅属性、波形属性、能量属性,针对工区实际情况,确定所需属性的种类和个数;
②对第①步中所确定的所有地震属性分别进行min-max标准化处理,min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值,将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x’,其公式为:新数据=(原数据-极小值)/(极大值-极小值),标准化的目的是使得所有的地震属性都在同一尺度[0,1]下;
③建立沉积相类型分类,首先根据工区情况对研究区进行沉积相类型划分,比如,将工区划分为四种沉积类型:河流相、河漫滩、点砂坝和泥岩,对这四种沉积类型分别进行标识,即:河流相标识为1、河漫滩标识为2、点砂坝标识为3、泥岩标识为4,如果沉积类型更多,可以依次继续进行标识。然后针对第②步标准化后的地震属性,对每个地震属性分别进行类型分类,比如:属性A,属性值在标准化后在区间[0,1]之间,[0,0.25)为泥岩,则[0,0.25)标识为4,[0.25,0.6)为河漫滩,则[0.25,0.6)标识为2,[0.6,0.9)为点砂坝,则[0.6,0.9)标识为3,[0.9,1]为河流相,则[0.9,1]标识为1;属性B,属性值在标准化后同样也在区间[0,1]之间,[0,0.3)为河流相,则[0,0.3)标识为1,[0.3,0.5)为点砂坝,则[0.3,0.5)标识为3,[0.5,0.7)为泥岩,则[0.5,0.7)标识为4,[0.7,1]为河漫滩,则[0.7,1]标识为2。以此准则对每种属性分别进行沉积类型标识。
④确定属性证据体,属性证据体就是上述第③步所获得的属性沉积类型标识,它的数据格式与提取的地震属性格式一致,即:提取的属性是沿层或者沿时间切片提取,因此数据排列是以线道号的方式排列的,线道的每个网格点上是地震属性值,在经过第③步的处理后,原来网格点上的地震属性值就变成了沉积分类标识值:1、2、3、4...了。
⑤在第④步获得属性证据体之后,采用公式(5)对属性证据体进行计算,公式中i为线
号,j为道号,其他参数说明请见公式推导说明。计算结果即为沉积相分类结果,即沉积相划
分结果。
图1示出本发明一种基于DS证据理论的沉积相带划分方法的具体流程,图2示出本发明针对地震数据进行算法改进的实现思路。
下面是本发明的一个实施例:
建立一个三维曲流河实验模型(层顶埋深1100米)。其网格大小是100×100×30,一个网格单元代表实际大小是20m×20m×2m,如图3所示。对岩石物理模型采用褶积算法合成叠后地震记录,采用频率为50Hz的零相位雷克子波,采样间隔为1ms,样点数为51。对应的地震振幅剖面如图4所示。沿虚线位置提取模型的切片图,如图5所示。沿虚线位置分别各向上下开5ms时窗提取与岩性相关的属性,经过优选,最终确定均方根振幅、瞬时振幅和瞬时相位三种属性,并对其进行数据预处理和归一化。对三种属性值进行区间划分,将其划分为河流相、河漫滩和泥岩三种岩相,由于河漫滩较小,将其与河流相合并为一相,如图6(a)至图6(c)所示。归一化后每个线道号上都有一个数据,将其作为每个线道号网格点上的基本可信度分配值。采用公式对每个线道号上的三种基本可信度分配进行计算,最终输出沉积相分布图,如图7所示。对比图5三维地质模型,两者的形态完全一致。
本发明针对相控建模及“两步法建模”中的第一步建模方法存在的不足,基于孙全提出的一种新证据理论的合成公式,对其进行改进,结合地震数据的特点进行计算公式推导,建立了地震多属性与沉积相模式的关系式,由此计算可以通过地震属性获得沉积相带的划分结果。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
Claims (5)
1.一种基于D-S证据理论的沉积相带划分方法,其特征在于:所述方法包括:
(1)提取地震属性,然后根据工区实际情况,确定所需的地震属性的种类和个数;
(2)对第(1)步中所确定的所有地震属性分别进行标准化处理,使得所有地震属性都在同一尺度[0,1]下;
(3)建立沉积相类型分类,对各种沉积相类型分别进行标识,最后获得属性沉积类型标识;
(4)确定属性证据体;(5)对步骤(4)获得的属性证据体进行计算,得到沉积相带划分结果m(Aij);
其中,步骤(5)是这样实现的:
采用下面的公式对步骤(4)获得的属性证据体进行计算,得到沉积相带划分结果m(Aij):
其中,i为线号,j为道号,A为地震属性,F为证据集,n为属性证据体总数;
其中,mijl(Aijl)、mijh(Aijh)为属性沉积类型标识;l、h为属性证据体的序号,k为证据冲突程度;
ε为证据的可信度,其中
2.根据权利要求1所述的基于D-S证据理论的沉积相带划分方法,其特征在于:步骤(1)中提取地震属性是这样实现的:
在有工区解释层位的情况下,沿解释层位提取地震属性,在没有工区解释层位的情况下,在研究区沿时间切片提取地震属性,所提取的地震属性包括:瞬时属性、频率属性、振幅属性、波形属性、能量属性。
3.根据权利要求2所述的基于D-S证据理论的沉积相带划分方法,其特征在于:步骤(2)的标准化处理是采用min-max标准化处理方法实现的,具体如下:
对原始数据进行线性变换:设minA和maxA分别为属性A的最小值和最大值,将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x’,其公式为:x’=(x-minA)/(maxA-minA),这样处理后,使得所有的地震属性都在同一尺度[0,1]下。
4.根据权利要求3所述的基于D-S证据理论的沉积相带划分方法,其特征在于:步骤(3)是这样实现的:
根据工区情况对研究区进行沉积相类型划分,获得N种沉积相类型;
对这N种沉积相类型分别进行标识,第一种标识为1,第二种标识为2,以此类推,第N种标识为N;
分别对每个标准化处理后的地震属性进行沉积相类型分类,即将每个标准化处理后的地震属性的值分段,将每一段与一种沉积相类型对应,并将此段标识为对应的沉积相类型的标识,这样完成对每个地震属性的属性沉积类型标识。
5.根据权利要求4所述的基于D-S证据理论的沉积相带划分方法,其特征在于:步骤(4)是这样实现的:
属性证据体就是第(3)步所获得的属性沉积类型标识,属性证据体的数据格式与提取的地震属性格式一致,因此数据排列是以线号与道号的方式排列的,线道的每个网格点上是地震属性值,在经过第(3)步的处理后,原来网格点上的地震属性值就变成了属性沉积类型标识,即1、2、3、4…N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410563283.0A CN105589096B (zh) | 2014-10-21 | 2014-10-21 | 一种基于d-s证据理论的沉积相带划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410563283.0A CN105589096B (zh) | 2014-10-21 | 2014-10-21 | 一种基于d-s证据理论的沉积相带划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105589096A CN105589096A (zh) | 2016-05-18 |
CN105589096B true CN105589096B (zh) | 2019-07-23 |
Family
ID=55928820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410563283.0A Active CN105589096B (zh) | 2014-10-21 | 2014-10-21 | 一种基于d-s证据理论的沉积相带划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105589096B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109725348A (zh) * | 2017-10-30 | 2019-05-07 | 中国石油化工股份有限公司 | 一种基于地震资料识别沉积相的方法 |
CN110967747A (zh) * | 2018-09-30 | 2020-04-07 | 中国石油化工股份有限公司 | 地震属性匹配体获取方法及系统 |
CN112346117B (zh) * | 2019-08-09 | 2023-06-30 | 中国石油天然气集团有限公司 | 一种基于地震属性融合的储层特征预测方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06309492A (ja) * | 1993-04-21 | 1994-11-04 | Eastman Kodak Co | 複数分類器出力合成方法及び合成システム |
CN102928877B (zh) * | 2012-11-14 | 2016-02-17 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于d-s证据理论的地震属性融合方法 |
-
2014
- 2014-10-21 CN CN201410563283.0A patent/CN105589096B/zh active Active
Non-Patent Citations (2)
Title |
---|
Case study on sediment classification using seismic attributes and 2d high-resolution seismic data;Fabio R. de Santana et al.;《IEEE》;20131231;第1-6页 |
基于D-S证据理论的多参数反演的火成岩识别—以塔里木盆地哈拉哈塘地区为例;张昆等;《东北石油大学学报》;20130228;第37卷(第1期);第54页 |
Also Published As
Publication number | Publication date |
---|---|
CN105589096A (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3217192B1 (en) | Method for looking for oil and gas reservoir on the basis of trap-3d software | |
US10228478B2 (en) | Method of searching for oil-gas reservoir based on trap-3D software | |
CN102918423B (zh) | 用于地震烃体系分析的方法 | |
US20150066460A1 (en) | Stratigraphic function | |
Anifowose et al. | Integrating seismic and log data for improved petroleum reservoir properties estimation using non-linear feature-selection based hybrid computational intelligence models | |
Zhou et al. | A pattern‐search‐based inverse method | |
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 | |
CN109541685B (zh) | 一种河道砂体识别方法 | |
CN102176052B (zh) | 一种面向三维层面网格生成的层序分析方法 | |
CN106338764B (zh) | 生物启发计算地层圈闭油气藏超剥线识别方法 | |
US20230161061A1 (en) | Structured representations of subsurface features for hydrocarbon system and geological reasoning | |
Schneider et al. | Interpretation of fractured zones using seismic attributes—Case study from Teapot Dome, Wyoming, USA | |
CN104422969A (zh) | 一种减小电磁测深反演结果非唯一性的方法 | |
CN105589096B (zh) | 一种基于d-s证据理论的沉积相带划分方法 | |
Li et al. | Seismic structure interpretation based on machine learning: A case study in coal mining | |
Ishola et al. | Combining multiple electrode arrays for two-dimensional electrical resistivity imaging using the unsupervised classification technique | |
John et al. | Seismic facies identification and classification using simple statistics | |
Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
CN103278852B (zh) | 利用地震数据体波形结构特征模型预测油气的方法 | |
Šapina | A comparison of artificial neural networks and ordinary kriging depth maps of the lower and upper Pannonian stage border in the Bjelovar Subdepression, Northern Croatia | |
Phelps et al. | Exploring viable geologic interpretations of gravity models using distance-based global sensitivity analysis and kernel methods | |
Lewis et al. | Fluvial architecture of the Burro Canyon Formation using UAV-based photogrammetry and outcrop-based modeling: implications for reservoir performance, Rattlesnake Canyon, southwestern Piceance Basin, Colorado | |
Lyu et al. | Classification, modeling and characterization of marine carbonate paleokarst reservoirs in Tahe Oilfield, Tarim 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 | |
CN103901475A (zh) | 一种属性等值线图绘制方法及装置 |
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 |