CN105700016B - 生物滩储层地震预测的方法 - Google Patents
生物滩储层地震预测的方法 Download PDFInfo
- Publication number
- CN105700016B CN105700016B CN201610094895.9A CN201610094895A CN105700016B CN 105700016 B CN105700016 B CN 105700016B CN 201610094895 A CN201610094895 A CN 201610094895A CN 105700016 B CN105700016 B CN 105700016B
- Authority
- CN
- China
- Prior art keywords
- organic bank
- reservoir
- waveform
- data
- seismic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000035699 permeability Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 2
- 239000004744 fabric Substances 0.000 claims 1
- 239000000463 material Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- XQCFHQBGMWUEMY-ZPUQHVIOSA-N Nitrovin Chemical compound C=1C=C([N+]([O-])=O)OC=1\C=C\C(=NNC(=N)N)\C=C\C1=CC=C([N+]([O-])=O)O1 XQCFHQBGMWUEMY-ZPUQHVIOSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005789 organism growth Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种生物滩储层地震预测的方法，所述方法包括：A)将地震数据进行波形重建，将重建的波形沿层时窗进行分类，根据分类后的波形以及工区内的地质信息来解释沉积微相；B)对生物滩目标区域的地震数据进行处理，得到生物滩目标区域的地震数据的多个地震属性数据体，将所述多个地震属性数据体进行融合，按照预定划分标准，预测所生物滩目标区域内的生物滩边界；C)根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度以及生物滩储层的储层信息，得到生物滩储层的平面非均质性。根据本发明示例性实施例的方法，可准确地预测了工区内的生物滩边界及其储层的平面非均质性，为生物滩储层的勘探开发提供了较好的技术支持和理论依据。
Description
技术领域
本发明总体说来涉及地震数据解释的技术领域。更具体地讲，涉及一种生物滩储层地震预测的方法。
背景技术
近年来，随着油气勘探开发对象复杂程度的增加和地震解释技术的日趋成熟，储层预测技术也朝着实用、高效和精细的方向发展，特别是长兴组礁滩储层，作为碳酸盐岩主力产层之一，是勘探难度较大的隐蔽性气藏。而滩有别于礁，一般在低缓的地形中形成，没有造礁生物生长，没有固定的形状，规模大小不等，不同位置的岩性和储集物性变化较大，没有滩前和滩后之分，地震响应也不如礁明显，所以生物滩的地震预测工作具有较强的探索性，尚处于一个发展阶段。目前的生物滩储层的分布预测方法还不够准确精细，不能为气藏的总体开发提供强有力的支撑。
发明内容
本发明的目的在于提供一种生物滩储层地震预测的方法，以解决现有的生物滩储层的分布预测方法不准确精细的问题。
本发明的一方面提供一种生物滩储层地震预测的方法，包括：A)将地震数据进行波形重建，将重建的波形沿层时窗进行分类，根据分类后的波形以及工区内的地质信息来解释沉积微相，得到泻湖区域、滩间区域、滩核及滩缘区域，将滩核及滩缘区域作为生物滩目标区域；B)对生物滩目标区域的地震数据进行处理，得到生物滩目标区域的地震数据的多个地震属性数据体，将所述多个地震属性数据体进行融合，按照预定划分标准，预测生物滩目标区域内的生物滩边界；C)根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度以及生物滩储层的储层信息，得到生物滩储层的平面非均质性。
可选地，在所述方法中，步骤A)中将地震数据进行波形重建的步骤包括：将地震数据中的地震道上的波形的所有采样点的振幅值进行归一化，依次以每个的采样点为中心纵向提取预定数量的采样点的归一化后的振幅值进行褶积，将褶积结果作为每个采样点的属性值，依次连接各采样点的属性值得到重建的波形。
可选地，在所述方法中，步骤A)中将重建的波形沿层时窗进行分类的步骤包括：基于自组织人工神经网络算法来将重建的波形沿层时窗进行分类。
可选地，在所述方法中，所述地质信息包括：厚度信息和岩性信息，所述地质信息根据工区内的钻井数据获取。
可选地，在所述方法中，多个地震属性数据体包括振幅变化率数据体、瞬时相位数据体和瞬时频率数据体，步骤B)中对生物滩目标区域的地震数据进行处理，得到生物滩目标区域的地震数据的多个地震属性数据体的步骤包括：B1)对生物滩目标区域的地震数据进行叠后处理，得到生物滩目标区域的叠后地震资料；B2)对得到的叠后地震资料进行转换得到振幅变化率数据体；B3)根据得到的叠后地震数据计算获得瞬时相位数据体和瞬时频率数据体。
可选地，在所述方法中，在步骤C)中，生物滩储层的平面非均质性根据生物滩储层的第一平面非均质性和第二平面非均质性被确定，其中，所述第一平面非均质性根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度被确定，第二平面非均质性根据生物滩储层的储层信息被确定。
可选地，在所述方法中，在步骤C)中，第一平面非均质性通过将不同位置的地震数据的波形根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度来进行分类而被确定，其中，不同类别的波形对应不同的第一平面非均质性。
可选地，在所述方法中，储层信息包括以下参数：储层的纵横向分布信息、储层厚度、储层孔隙度和储层渗透率，所述储层信息根据工区内的钻井数据获取。
可选地，在所述方法中，在步骤C)中，第二平面非均质性通过计算每个位置的储层信息包括的多个参数的加权平均值而被确定，其中，所述不同的加权平均值对应不同的第二平面非均质性。
在根据本发明示例性实施例的生物滩储层地震预测的方法中，通过重构波形后的分类技术、多属性融合技术、储层平面非均质性来有效地解释了沉积微相、准确地预测了工区内的生物滩边界及其储层的平面非均质性，为生物滩储层的勘探开发提供了较好的技术支持和理论依据，也为今后生物滩储层的预测研究提供了思路和方法。
将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明的实施而得知。
附图说明
通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会变得更加清楚，其中：
图1示出根据本发明的实施例的生物滩储层地震预测的方法的流程图；
图2示出根据本发明的实施例的得出的沉积微相的分布图。
具体实施方式
下面参照附图详细描述本发明的实施例。
图1是示出根据本发明根据本发明的实施例的生物滩储层地震预测的方法的流程图。
参照图1，在步骤S10，将地震数据进行波形重建，将重建的波形沿层时窗进行分类，根据分类后的波形以及工区内的地质信息来解释沉积微相，得到泻湖区域、滩间区域、滩核及滩缘区域，将滩核及滩缘区域作为生物滩目标区域。
这里，将工区内原始采集的地震数据的波形进行重建以得到平滑的波形，以方便对波形进行分类。可以通过现有的各种方法来对地震数据的波形进行重建。例如，可针对地震数据包括的多道地震道波形中的任一道地震道波形，将所述任一道地震道波形上的所有采样点的振幅值进行归一化，依次以每个的采样点为中心纵向提取预定数量的采样点的归一化后的振幅值进行褶积，将褶积结果作为每个采样点的属性值，依次连接各采样点的属性值得到所述任一道地震道波形重建后的波形。重建后的波形未完全依靠单个采样点的振幅值，而是考虑了波形纵向上的整体变化，可为后续波形分类提供更好的依据。
可根据各种方法来对重建的波形沿层时窗进行分类，分类后不同种类的波形将反映不同的沉积微相。例如，可基于自组织人工神经网络算法来将重建的波形沿层时窗进行分类。波形的分类数量可略大于工区内的沉积微相的种数。
作为示例，所述工区内的地质信息可包括：地层厚度信息和岩性信息，所述地质信息可根据工区内的钻井数据获取。
根据工区内各个位置的重建的波形的类型以及地质信息来确定各个位置的沉积微相，即得到工区内的泻湖区域、滩间区域、滩核及滩缘区域。由于生物滩一般发育于滩核及滩缘区域，因此可以将滩核及滩缘区域作为生物滩目标区域。图2示出根据本发明的实施例的得出的沉积微相的分布图。
在步骤S20，对生物滩目标区域的地震数据进行处理，得到生物滩目标区域的地震数据的多个地震属性数据体，将所述多个地震属性数据体进行融合，按照预定划分标准，预测生物滩目标区域内的生物滩边界。
这里，所述多个地震属性数据体可包括各种属性的地震数据体，例如振幅变化率数据体、瞬时相位数据体和瞬时频率数据体。相应地，可通过以下步骤来获得所述振幅变化率数据体、瞬时相位数据体和瞬时频率数据体：对生物滩目标区域的地震数据进行叠后处理，得到生物滩目标区域的叠后地震资料；对得到的叠后地震资料进行转换得到振幅变化率数据体；根据得到的叠后地震数据计算获得瞬时相位数据体和瞬时频率数据体。
应理解，可通过对叠后地震资料进行各种可得到振幅变化率数据体的转换来获得振幅变化率数据体。可根据得到的叠后地震数据通过各种计算方法来获得瞬时相位数据体和瞬时频率数据体。
由于振幅变化率、瞬时相位和瞬时频率是能够反映生物滩发育的敏感属性，将这三类属性的数据体进行交汇融合，按照预定的生物滩划分标准，可以全面且准确地在所述生物滩目标区域内的预测出生物滩边界，可避免单一属性预测的局限性。一般说来，振幅变化率大、瞬时相位杂乱和瞬时频率变低的区域是生物滩发育的表现，以此能定性地刻画生物滩边界。
在步骤S30，根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度以及生物滩储层的储层信息，得到生物滩储层的平面非均质性。
本领域技术人员可以理解，所述生物滩储层的平面非均质性的强弱可以反映生物滩储层的好坏，生物滩储层的某个区域的平面非均质性越强，其储层发育的可能性越大。
这里，生物滩储层的平面非均质性可根据生物滩储层的第一平面非均质性和第二平面非均质性被确定。所述第一平面非均质性根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度被确定，第二平面非均质性根据生物滩储层的储层信息被确定。可根据第一平面非均质性和第二平面非均质性的加权平均值来确定所述平面非均质性。
所述第一平面非均质性可通过将不同位置的地震数据的波形根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度来进行分类而被确定。不同类别的波形对应不同的第一平面非均质性。一般而言，可根据波形的复杂程度来将波形分为以下几类：丘状、杂乱状、突变状、微扰动状和形态一致状。其中，丘状、杂乱状、突变状表征波形复杂程度强，丘状、杂乱状、突变状的平面非均质性程度要强于其他形状。
第二平面非均质性可通过计算每个位置的储层信息包括的多个参数的加权平均值而被确定，其中，所述不同的加权平均值对应不同的第二平面非均质性。储层信息可包括以下参数：储层的纵横向分布信息、储层厚度、储层孔隙度和储层渗透率，所述储层信息根据工区内的钻井数据获取。各参数的权值大小与其对平面非均质性的影响程度有关，一般而言，权值最大为储层渗透率，因为其最能影响流体在储层中的流动能力，其次为储层孔隙度、储层厚度。
在根据本发明示例性实施例的生物滩储层地震预测的方法中，通过重构波形后的分类技术、多属性融合技术、储层平面非均质性来有效地解释了沉积微相、准确地预测了工区内的生物滩边界及其储层的平面非均质性，为生物滩储层的勘探开发提供了较好的技术支持和理论依据，也为今后生物滩储层的预测研究提供了思路和方法。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。
Claims (8)
1.生物滩储层地震预测的方法，其特征在于，包括：
A)将地震数据进行波形重建，将重建的波形沿层时窗进行分类，根据分类后的波形以及工区内的地质信息来解释沉积微相，得到泻湖区域、滩间区域、滩核及滩缘区域，将滩核及滩缘区域作为生物滩目标区域；
B)对生物滩目标区域的地震数据进行处理，得到生物滩目标区域的地震数据的多个地震属性数据体，将所述多个地震属性数据体进行融合，按照预定划分标准，预测生物滩目标区域内的生物滩边界；
C)根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度以及生物滩储层的储层信息，得到生物滩储层的平面非均质性，
其中，步骤A)中将地震数据进行波形重建的步骤包括：将地震数据中的地震道上的波形的所有采样点的振幅值进行归一化，依次以每个的采样点为中心纵向提取预定数量的采样点的归一化后的振幅值进行褶积，将褶积结果作为每个采样点的属性值，依次连接各采样点的属性值得到重建的波形。
2.根据权利要求1所述的方法，其特征在于，步骤A)中将重建的波形沿层时窗进行分类的步骤包括：基于自组织人工神经网络算法来将重建的波形沿层时窗进行分类。
3.根据权利要求1所述的方法，其特征在于，所述地质信息包括：地层厚度信息和岩性信息，所述地质信息根据工区内的钻井数据获取。
4.根据权利要求1所述的方法，其特征在于，多个地震属性数据体包括振幅变化率数据体、瞬时相位数据体和瞬时频率数据体，步骤B)中对生物滩目标区域的地震数据进行处理，得到生物滩目标区域的地震数据的多个地震属性数据体的步骤包括：
B1)对生物滩目标区域的地震数据进行叠后处理，得到生物滩目标区域的叠后地震资料；
B2)对得到的叠后地震资料进行转换得到振幅变化率数据体；
B3)根据得到的叠后地震数据计算获得瞬时相位数据体和瞬时频率数据体。
5.根据权利要求1所述的方法，其特征在于，在步骤C)中，生物滩储层的平面非均质性根据生物滩储层的第一平面非均质性和第二平面非均质性被确定，其中，所述第一平面非均质性根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度被确定，第二平面非均质性根据生物滩储层的储层信息被确定。
6.根据权利要求5所述的方法，其特征在于，在步骤C)中，第一平面非均质性通过将不同位置的地震数据的波形根据所述生物滩边界内的不同位置的地震数据的波形的复杂程度来进行分类而被确定，其中，不同类别的波形对应不同的第一平面非均质性。
7.根据权利要求5所述的方法，其特征在于，储层信息包括以下参数：储层的纵横向分布信息、储层厚度、储层孔隙度和储层渗透率，所述储层信息根据工区内的钻井数据获取。
8.根据权利要求7所述的方法，其特征在于，在步骤C)中，第二平面非均质性通过计算每个位置的储层信息包括的多个参数的加权平均值而被确定，其中，所述不同的加权平均值对应不同的第二平面非均质性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610094895.9A CN105700016B (zh) | 2016-02-19 | 2016-02-19 | 生物滩储层地震预测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610094895.9A CN105700016B (zh) | 2016-02-19 | 2016-02-19 | 生物滩储层地震预测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105700016A CN105700016A (zh) | 2016-06-22 |
| CN105700016B true CN105700016B (zh) | 2018-09-25 |
Family
ID=56222289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610094895.9A Active CN105700016B (zh) | 2016-02-19 | 2016-02-19 | 生物滩储层地震预测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105700016B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107576997A (zh) * | 2017-08-24 | 2018-01-12 | 西南石油大学 | 一种台内滩相薄储层分布的预测方法 |
| CN107831554A (zh) * | 2017-10-25 | 2018-03-23 | 中国石油化工股份有限公司 | 一种复杂生物礁微相识别与判定方法 |
| CN108629072B (zh) * | 2018-03-12 | 2019-07-09 | 山东科技大学 | 面向地震油气储层分布的卷积神经网络学习与预测方法 |
| CN113156505B (zh) | 2021-04-16 | 2022-04-01 | 成都理工大学 | 一种“基底构造-古地貌-地震相”三要素递进约束的断陷湖盆礁滩储层识别方法 |
| CN113341460B (zh) * | 2021-06-08 | 2022-05-27 | 中国石油大学(华东) | 一种基于连续算子分裂的循环式极小化地震数据重建方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2503507B (en) * | 2012-06-29 | 2015-04-15 | Foster Findlay Ass Ltd | Adaptive fault tracking |
| CN104950334B (zh) * | 2015-06-16 | 2017-11-10 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
| CN105223618B (zh) * | 2015-09-22 | 2019-05-07 | 中国石油天然气集团公司 | 薄层沉积微相反演方法和装置 |
-
2016
- 2016-02-19 CN CN201610094895.9A patent/CN105700016B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105700016A (zh) | 2016-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109804274B (zh) | 使用机器学习进行地震相识别的系统和方法 | |
| CN105700016B (zh) | 生物滩储层地震预测的方法 | |
| CN109061765B (zh) | 非均质薄砂岩互层油藏的圈闭评价方法 | |
| US20200183047A1 (en) | Automated Reservoir Modeling Using Deep Generative Networks | |
| West et al. | Interactive seismic facies classification using textural attributes and neural networks | |
| Zhang | Filter-based training pattern classification for spatial pattern simulation | |
| CN110609320B (zh) | 一种基于多尺度特征融合的叠前地震反射模式识别方法 | |
| CN102981182B (zh) | 基于无监督分类的二维地震数据全层位自动追踪方法 | |
| Rahimi et al. | Reservoir facies classification based on random forest and geostatistics methods in an offshore oilfield | |
| 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 | |
| Colombera et al. | The Shallow-Marine Architecture Knowledge Store: a database for the characterization of shallow-marine and paralic depositional systems | |
| Ma et al. | Depositional facies analysis and modeling of the Judy Creek reef complex of the Upper Devonian Swan Hills, Alberta, Canada | |
| CN110609327B (zh) | 基于叠前地震属性的碳酸盐岩储集相预测方法及装置 | |
| Wang et al. | Facies analysis by integrating 3D seismic attributes and well logs for prospect identification and evaluation—A case study from Northwest China | |
| Argüello Scotti et al. | Sedimentary architecture of an ancient linear megadune (Barremian, Neuquén Basin): Insights into the long‐term development and evolution of aeolian linear bedforms | |
| CN108663714A (zh) | 一种沉积微相刻画方法 | |
| CN108226997A (zh) | 一种基于叠前地震数据的地震相划分方法 | |
| CN113033648A (zh) | 一种使用机器学习算法实现测井解释的方法 | |
| Song et al. | Unsupervised seismic facies analysis with spatial constraints using regularized fuzzy c-means | |
| Allen et al. | Geologically constrained electrofacies classification of fluvial deposits: An example from the Cretaceous Mesaverde Group, Uinta and Piceance Basins | |
| Wethington et al. | Stratigraphic architecture of the Mississippian limestone through integrated electrofacies classification, Hardtner field area, Kansas and Oklahoma | |
| Nguyen et al. | Application of random forest algorithm to predict lithofacies from well and seismic data in Balder field, Norwegian North Sea | |
| Fournillon et al. | Characterization of karstic networks by automatic extraction of geometrical and topological parameters: comparison between observations and stochastic simulations | |
| Hosseini et al. | A Meta attribute for reservoir permeability classification using well logs and 3D seismic data with probabilistic neural network. | |
| Liu et al. | Geostatistical modeling for fine reservoir description of Wei2 block of Weicheng oilfield, Dongpu depression, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180419 Address after: No. 189, fan Yangxi Road, Zhuozhou City, Baoding, Hebei Applicant after: BGP INC., CHINA NATIONAL PETROLEUM Corp. Address before: Shuangliu County Huayang Huayang Road in Chengdu city of Sichuan Province in 610213 section of No. 216, Igawa geophysical exploration company of the Ministry of science and technology Applicant before: GEOPHYSICAL EXPLORATION COMPANY OF CNPC CHUANQING DRILLING ENGINEERING Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201116 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: No. 189, fan Yangxi Road, Zhuozhou City, Baoding, Hebei Patentee before: BGP Inc., China National Petroleum Corp. |