CN105629304A - 一种基于多属性的砂体叠合模式识别方法 - Google Patents

Abstract

本发明涉及一种基于多属性的砂体叠合模式识别方法，包括以下步骤：1)结合目标工区的地质信息参数，分别建立五种叠合模式的地球物理理论模型，并分别进行模型正演，得到对应的合成地震数据；2)对五种叠合模式所得到的地震数据分别提取地震属性；3)选取一部分地震属性作为特征属性，并分别建立五种叠合模式的特征序列模板；4)将实际工区中的不连续砂体分离出来，并提取与建立特征序列模板所用的相同的地震属性；5)将五种不同的特征序列模板分别与实际工区分离出并提取的地震属性进行相关性计算，求解出相关系数；6)取相关系数最大的一个特征序列模板，该特征序列模板所对应的叠合模式即为实际工区的砂体叠合模式。

Description

一种基于多属性的砂体叠合模式识别方法

技术领域

本发明涉及一种基于多属性的砂体叠合模式识别方法，属于石油勘探与开发技术领域。

背景技术

随着油田工区勘探开发的成熟度越来越高，建立三维储层定量地质模型成为储层研究的重点目标，这也说明储层研究发展的阶段更高了。对油藏进行科学的评价、开发管理、以及对油藏进行三维模拟均要求有一个比较准确的三维储层地质模型，即表征储层的地质属性在三维空间上的变化与分布的数字化模型，这一模型具有常规储层地质的二维图件无可比拟的优点。而随着开发的成熟度越来越高，新发现的油藏大多具有以下特点：构造油气藏越来越难找，油气藏的规模越来越小，储层岩性的横向变化越来越剧烈，这就大大增加了人们对地下地质构造的认识难度，也不利于后续的开发生产。面对这些状况，利用现有的各类数据来建立起高分辨率的三维储层模型，进而实现对储层分布规律及其非均质性的精细描述，是一个较为理想的应对方法。建立三维储层地质模型的其中一个重要的步骤是对砂体的分布进行识别。

当前，在地震储层研究中通过地震属性、波阻抗等信息寻找砂体分布，已经成为油气分析的重要技术。但在沙泥薄互层的情况下，受限于地震记录的分辨率，单纯基于地震数据得到的砂体反演结果只能够显示砂体的整体特征，难以了解砂体内幕。实际上，在沙泥岩互层，尤其是岩层较薄的情况下，基于地震记录识别的砂体可能是多个砂体、泥质夹层的复合体，如何基于现有数据分析砂体内幕成为当前急待解决的问题。本发明就是通过已有的地质模式作为约束条件，构建相应的砂体叠合模式；利用这些叠合模式作为先验条件，然后从地震数据中提取相应属性，通过对比属性间的相似关系，找到各砂体最佳的叠合模式，从能够了解各个砂体内部的沙泥岩分布特征。

发明内容

针对上述问题，本发明的目的是提供一种能够获知砂体内部沙泥岩分布特征的基于多属性的砂体叠合模式识别方法。

为实现上述目的，本发明采用以下技术方案：一种基于多属性的砂体叠合模式识别方法，包括以下步骤：1)结合目标工区的地质信息参数，分别建立五种叠合模式的地球物理理论模型，并分别进行模型正演，得到对应的合成地震数据；2)对五种叠合模式所得到的地震数据分别提取地震属性；3)选取一部分地震属性作为特征属性，并分别建立五种叠合模式的特征序列模板；4)将实际工区中的不连续砂体分离出来，并提取与建立特征序列模板所用的相同的地震属性；5)将五种不同的特征序列模板分别与实际工区分离出并提取的地震属性进行相关性计算，求解出相关系数；6)取相关系数最大的一个特征序列模板，该特征序列模板所对应的叠合模式即为实际工区的砂体叠合模式。

所述步骤3)中，所述特征序列为A＝(A1,A2,A3,A4,A5)，A1＝(a11,a12,a13,a14)，a11＝(p1,p2,p3)，其中，Ai代表第i(i＝1,2,…,5)个模板的特征序列，aij代表第i(i＝1,2,…,5)模板的第j(j＝1,2,…,4)个特征属性，p1、p2、p3代表某个特征属性的具体数据。

所述步骤2)中所提取的地震属性包括振幅属性、频率属性、相位属性。

所述步骤1)中建立地球物理理论模型所用到的目标工区的地质信息参数包括不同岩性的速度、密度、孔隙度、厚度。

本发明由于采取以上技术方案，其具有以下优点：1、本发明方法通过识别砂体的叠合模式，从而能够判断出砂体内部的砂泥岩分布特征。2、本发明方法可以由计算机来实现，从而实现自动识别过程，识别效率高。3本发明能够对用于建模的数据提供更为严格的约束，有利于提高模型的精准度。

附图说明

图1为本发明的方法流程示意图；

图2为本发明所用到的五种砂体叠合模式的地球物理模型图；

图3为本发明中五种叠合模式模型及其合成地震记录；其中，图(a)、(b)、(c)、(d)、(e)分别代表第一、二、三、四、五种模式的模型图及合成地震数据；

图4为五种叠合模式合成地震记录中提取的最大最小振幅信息；

图5为具体实施例秦皇岛32-6油田过井沉积相分布；

图6为具体实施例秦皇岛32-6油田明砂体叠合模式反演结果；

图7为具体实施例秦皇岛32-6油田沉积相平面分布；

图8为具体实施例秦皇岛32-6油田砂体叠合模式反演结果。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图2所示，目前在地质学上，一项受到普遍认可的成果是将河道砂体简化总结为五种地质概念叠合模式(由井涌泉博士根据岳大力老师的研究成果首先提出的)：

第一种模式为楔形砂体模型，为最简单的砂体叠合模式，模型中只有单个砂体且砂体的厚度不断变化；

第二种模式为两个砂体组合，砂体厚度恒定但砂体间的泥岩厚度不断变化；

第三种模式为两个楔形体组合，砂体间泥岩厚度恒定；

第四种为三个砂体组合，砂体间为泥岩，中间砂体的位置不断变化；

第五种为四个砂体组合，砂体间为泥岩，中间两个砂体的位置不断变化。

本发明的是以上述理论成果为基础而实施的，本发明的步骤如下(如图1所示)：

1)结合目标工区的地质信息参数(包括工区地下底层中砂岩、泥岩、火山岩等不同岩性的速度、密度、孔隙度、厚度等)，建立五种叠合模式的地球物理理论模型，并分别进行模型正演，得到对应的合成地震数据。

模型正演时首先对模型进行赋值参数：砂岩的密度为2.1g/cm³，砂岩的速度为2000m/s；泥岩的密度为2.3g/cm³，泥岩的速度为2580m/s。正演时用到的地震子波为雷克子波，频率为40Hz。

2)对五种叠合模式所得到的地震数据分别提取地震属性(如图3所示)，包括振幅属性、频率属性、相位属性等。

3)选取一部分地震属性作为特征属性，并分别建立五种叠合模式的特征序列模板。

将特征属性转化为特征序列，即指将选取的特征属性按顺序放到同一个一维序列中。为了减少用于叠合模式识别时的计算量，可以对选取的特征属性进行抽取，如每个属性选择三个数作为该特征属性的特征值，依次放到同一个一维序列中。如假设有四个特征属性，每个特征属性我们用三个数据来表征，那么最终的一维特征序列为A＝(A1,A2,A3,A4,A5)，A1＝(a11,a12,a13,a14)，a11＝(p1,p2,p3)，其中，Ai代表第i(i＝1,2,…,5)个模板的特征序列，aij代表第i(i＝1,2,…,5)模板的第j(j＝1,2,…,4)个特征属性，p1、p2、p3代表某个特征属性的具体数据。

4)将实际工区中的不连续砂体分离出来，并提取与建立特征序列模板所用的相同的地震属性。

5)将五种不同的特征序列模板分别与实际工区分离出并提取的地震属性进行相关性计算，并求解出相关系数，其中，相关系数的计算公式如下：

$\begin{array}{c}r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-\stackrel{\‾}{y})}^2}}\\ =\frac{n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i{y}_i-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i}{\sqrt{n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x_i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2}\sqrt{n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y_i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i\right)}^2}}\end{array}$

式中，x_i表示目标砂体数据，n表示采样点数，y_i表示模板数据。

6)取相关系数最大的一个特征序列模板，该特征序列模板所对应的叠合模式即为实际工区的砂体叠合模式。

至此，完成了对实际工区砂体的叠合模式的识别，一旦识别出了实际工区砂体的叠合模式，那么砂体内部的特征也就清楚了。

下面以秦皇岛32-6油田为具体实施例，来具体说明本发明的基于多属性的砂体叠合模式识别方法流程。

该油田构造位于渤中坳陷石臼坨凸起中西部，凸起周边被渤中、秦南和南堡三大富油凹陷所环绕，是渤海海域油气富集最有利地区之一，构造面积约110km²，含油面积39.7km²，东南距427油田约20km，东距428西油田42km，西北距京塘港约20km。根据资料显示，在凸起石臼坨上，发育着两套含油层系，自下而上分别为：前第三系潜山地层与上覆新生界地层构成储盖组合；由新生界储盖组合构成的含油层系，其中包括四个层组，分别为：明化镇、馆陶、东营及沙河街组。该油田工区钻遇了第二套含油层系中的前三套层组，其中明化镇组下段为该油田的主力含油层段。为了方便研究，我们在该油田北区划定一定范围作为研究的目标工区。划定的目标工区面积约13.5km2，工区内有A、B两个平台，共46口井，其中包括两口直井。工区范围为线号范围196至366，道号范围481至737，采样时间范围为900至1300ms，采样间隔为2ms。目的层段为新近系的明化镇组，包括明化镇1、明化镇2、明化镇3和明化镇4共4个油组，地震解释层位8层。

图5为秦皇岛32-6油田目标工区过井的沉积相分布图，图6为砂体叠合模式的反演结果。对比图5和图6二者之间整体相态分布较为相似。由于沉积相分析基于测井数据，而砂体叠合模式依据地震数据进行计算，因此二者在局部位置存在差异。

此外，沉积相分析虽然能够划分不同相带，但同一沉积相内往往视为均质；与之相比，砂体叠合模式反演方法能够得到砂体的叠合类型，且充分考虑所在位置的地震属性信息，因此能够更加精确的刻画砂体的非均质性。

如图7所示为秦皇岛32-6油田目标工区沉积相的平面分布图，图8为砂体叠合模式的平面分布图，二者之间存在较大的差异。这种差异来自于所用信息的不同，基于测井的沉积相分析与基于地震的砂体叠合模式分析由于所有数据的差异，必然会导致结果的不对应。沉积相分析从井信息出发，在井附近能够很好的吻合，但在远离井的位置，其可靠性将受到挑战。反观砂体叠合模式反演，虽然其在井附近难以与井完全匹配，由于其依靠地震信息进行分析研究，因此在远井位置依然具有较高的可靠性。

本发明仅以上述实施例进行说明，各部件的结构、设置位置及其连接都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (4)

1.一种基于多属性的砂体叠合模式识别方法，包括以下步骤：

1)结合目标工区的地质信息参数，分别建立五种叠合模式的地球物理理论模型，并分别进行模型正演，得到对应的合成地震数据；

2)对五种叠合模式所得到的地震数据分别提取地震属性；

3)选取一部分地震属性作为特征属性，并分别建立五种叠合模式的特征序列模板；

4)将实际工区中的不连续砂体分离出来，并提取与建立特征序列模板所用的相同的地震属性；

5)将五种不同的特征序列模板分别与实际工区分离出并提取的地震属性进行相关性计算，求解出相关系数；

6)取相关系数最大的一个特征序列模板，该特征序列模板所对应的叠合模式即为实际工区的砂体叠合模式。

2.如权利要求1所述的一种基于多属性的砂体叠合模式识别方法，其特征在于：所述步骤3)中，所述特征序列为A＝(A1,A2,A3,A4,A5)，A1＝(a11,a12,a13,a14)，a11＝(p1,p2,p3)，其中，Ai代表第i(i＝1,2,…,5)个模板的特征序列，aij代表第i(i＝1,2,…,5)模板的第j(j＝1,2,…,4)个特征属性，p1、p2、p3代表某个特征属性的具体数据。

3.如权利要求1所述的一种基于多属性的砂体叠合模式识别方法，其特征在于：所述步骤2)中所提取的地震属性包括振幅属性、频率属性、相位属性。

4.如权利要求1所述的一种基于多属性的砂体叠合模式识别方法，其特征在于：所述步骤1)中建立地球物理理论模型所用到的目标工区的地质信息参数包括不同岩性的速度、密度、孔隙度、厚度。