CN105700021A - 一种基于数据重构预测岩性体的方法 - Google Patents
一种基于数据重构预测岩性体的方法 Download PDFInfo
- Publication number
- CN105700021A CN105700021A CN201610094796.0A CN201610094796A CN105700021A CN 105700021 A CN105700021 A CN 105700021A CN 201610094796 A CN201610094796 A CN 201610094796A CN 105700021 A CN105700021 A CN 105700021A
- Authority
- CN
- China
- Prior art keywords
- data
- lithologic
- value
- prediction
- threshold value
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于数据重构预测岩性体的方法,它包括以下步骤:对待测区域的地震资料进行提取和反演,获取该区域多种岩性体的预测数据体,并获得各岩性体所对应的预测数据体的门槛值;对确定门槛值后的各个预测数据体进行数据重构后加权处理,得到一个用于岩性预测的加权重构数据体,根据前述加权重构数据体获取待测区域的岩性。本发明利用重构数据体进行分析不同岩性体的空间展布情况。通过对不同预测岩性体的数据体门槛值进行设定,并对数据体上采样点进行重新赋值,再进行加权处理,进而得到加权重构数据体,该数据体更有利于分辨出不同岩性体,地质效果优于常规技术方法所预测岩性体的成果。
Description
技术领域
本发明涉及地球物理勘探中的地震资料解释处理技术领域,具体的说是一种利用数据体重构来预测不同岩性体的方法。
背景技术
目前,在油气勘探中岩性预测是一个比较重要的环节,不同的岩性体对油气的储集能力基本上不一样,如高孔隙度的砂岩及溶孔发育的礁灰岩对油气具有良好的储集能力,所以在石油勘探中是相当重要的勘探目标。如在四川盆地探区中的海相及湖相地层中寻找这类目标对该区的油气勘探具有重要意义,钻遇此类岩性的钻井大多数经测试均获工业气流。
常规的岩性体预测技术方法有很多种,基本上可分为叠前、叠后反演两大类,经过反演或属性计算可得到针对岩性体预测的属性数据体。但对于一个研究区内有多种类型的岩性体时,往往此时的单一属性体不能很好地对目的层段中的多种岩性体进行描述,预测结果往往具有很强的片面性;也有的方法是通过井上的岩性体、叠后波阻抗反演数据体进行岩性体解释,得到相关岩性体空间上的分布情况。一些专利如发明《基于数学形态学的岩性体自动追踪方法》(专利申请号:201410154418.8)的专利公开提供一种基于数学形态学的岩性体自动追踪方法,该方法包括选取用于岩性体自动追踪的地震属性体,并进行数据筛选;数据筛选结束后,检测保留下来的数据点的空间位置信息,对这些数据点进行砂体分类和编号;利用开运算对处理后得到的砂体边界做处理,断开两个粘连砂体间的窄通道,实现砂体的分离;以及根据最小砂体大小的设置,对应用开运算处理之后得到的砂体进行重新分类编号。可见近年来,对岩性体预测的技术方法很多,研究相对比较成熟。但是,针对岩性体的预测技术还不够完善,主要体现在以下几个方面:
(1)采用单一数据体进行不同岩性体的预测结果往往针对性不强,准确度不高。
(2)利用数据交会分析实施不同岩性体预测往往带有人为主观因素,并且预测的准确率不高。
为了针对上述传统岩性体描述技术方法的不足,解决对同一工区内的多种岩性体进行相应的区分及描述,本发明提供了一个相对简单的技术流程来实现对工区内的多种岩性体进行预测,更方便、准确地了解不同岩性体的分布情况,从而更好的为油气勘探服务。
发明内容
本发明目的在于克服现有常规岩性体预测技术中的上述和其他缺点,可以准确地预测出不同岩性体的平面及垂向上的分布状态。为此,本发明提供一种利用数据体重构来预测不同岩性体分布情况的方法。
本发明的技术方案是:
一种基于数据重构预测岩性体的方法,它包括以下步骤:
S1、对待测区域的地震资料进行提取和反演,获取该区域多种岩性体的预测数据体,并获得各岩性体所对应的预测数据体的门槛值;
S2、对步骤1所确定门槛值后的各个预测数据体进行数据重构后加权处理,得到一个用于岩性预测的加权重构数据体,根据前述加权重构数据体获取待测区域的岩性。
本发明的步骤S1中,预测数据体为利用叠前或叠后地震资料反演或属性提取后所得到的数据体,或者为两个或以上的数据体之间的数学运算所得到的数据体,在用于岩性体预测的数据体中,如果一个数据体能够实现岩性体预测时,则使用该数据体进行数据重构、加权计算;否则应该使用两个或两个以上的数据体分别实施数据重构、加权处理后,得到一个加权重构数据体用于岩性体预测。
本发明的岩性体包括砂岩、泥岩、灰岩、页岩以及生物礁,前述岩性体的物理特征各不相同,具有差异性。
本发明的步骤S1中,不同岩性体的预测数据体门槛值设定包括以下步骤:
S1-a、根据待测区域中各井的测井资料(由测井设备记录)、岩性资料(录井地质资料)获取不同岩性体的深度范围数据,并根据测井资料从预测数据体中提取相关岩性的预测数据体;(根据各井的测井资料及岩性资料统计及确定不同岩性体的深度范围数据,并根据不同的岩性体的物理差异特征采取合适的地震资料、反演或属性计算方法提取相关的数据体,要求相关预测数据体在数据值方面能将预测岩性体与其它非预测岩性体区分开来)
S1-b、利用测井资料及岩性资料对各相关岩性的预测数据体进行井—震标定,确定各井的时深关系;
S1-c、根据井—震标定所得到的时深关系将步骤S1-a中获取的不同岩性体的深度范围数据转换到相关数据体的时间域中,得到各岩性体所对应的预测数据体的数据值,并综合各井相关的同一岩性体的数据构成数据集,从各岩性体的数据集中确定该岩性体预测数据的门槛值范围,依此类推,从而实现不同岩性体的门槛值设置。
本发明的步骤S1-c中:对于各岩性体,从数据集中确定出最大及最小门槛值,其中门槛值求取方式为综合各井相关的同一岩性体的数据构成数据集{Ji},门槛值求取的计算公式如下:
Jmax=max{Ji}(1)
Jmin=min{Ji}(2)
式(1)—(2)中Ji为井中该岩性段所对应数据体的第i个采样点的数据值,Jmax为该岩性体的最大门槛值,Jmin为该岩性体的最小门槛值。
本发明的步骤S2具体为:
S2-a、采用步骤S1-c获取的各岩性体的门槛值对步骤S1-a获取的相关岩性的预测数据体进行重构赋值得到重构数据体:对于不同的岩性体将各自门槛值内的数据值赋值为某一常数值,不同的岩性体对应不同的常数值,各个门槛值外的数据均赋值为零值,以示对岩性体的数据进行区分。依此类推,得到一系列各个岩性体对应的重构数据体。
S2-b、对各个岩性体的重构数据体进行加权处理,得到一个加权重构数据体。(首先,针对不同的岩性体预测使用分配好的数据体进行,并设置相关岩性体的门槛值。要求一个数据体可以用于预测一种或以上的岩性体,也可将不同的岩性体分开使用不同的数据体进行相关的预测计算,要求不同的数据体不能预测同一岩性体;然后,不同的数据体根据分配好预测的岩性体的门槛值进行重构赋值,门槛值外的数据设置为零值,门槛值内的数据设置为某一个常数值,不同岩性体的常数值不能相同,并且两种或以上的代表岩性的常数值进行加权计算时所得的结果不能与任一岩性体的常数值相等;最后,对各个数据体进行重构赋值后针对同一道同一个采样点进行加权计算得到一个加权重构数据体,利用该数据体进行岩性体预测。若当加权后所得到的数据值不与任何一个岩性体的常数值一致时,应根据实际情况、地质资料及井上岩性资料进行再次重新赋值,赋值为某一个预测岩性体的常数值。一般情况下,应根据该采样点的上、下、左及右采样点的常数值进行赋值为某一个岩性体的常数值)
本发明的步骤S2-a具体为:根据门槛值范围实施数据体的数据重构:
若某一岩性的预测数据体中采样点的数据值在该岩性体的门槛值范围内,则将该数据值设置为某一个常数K值;若采样点的数据值在门槛值范围外,则将该采样点的数据值赋值为零即:
a、若某一个预测数据体的第i个采样点的数据值为Ji,假设当Ji<Jmin时,Jmin为该数据体针对某一预测岩性体的最小门槛值,则Ji=0;
b、假设当Jmin≤Ji≤Jmax时,Jmax为该数据体针对该预测岩性体的最大门槛值,则Ji=K,要求K值一般情况下为一常数值,不同岩性体的常数K值不能相同,并且K值之间的组合后加权结果不能与任何一个岩性体设定的K值一致;
c、假设当Ji>Jmax时,则Ji=0。
8、根据权利要求6所述的基于数据重构预测岩性体的方法,其特征是步骤S2-b具体为:对各岩性体的重构数据体进行加权处理,加权处理的计算公式如下:
式(3)中为第i个采样点的第j个重构数据体的数据值,Mi为加权处理后的第i个采样点的数据值,若某一采样点的加权数据值Mi与要预测的任何一个岩性体的常数值K不一致,则根据实际情况、地质资料及井上岩性资料进行重新赋值,赋值为某一种预测岩性体的常数值。
本发明中,当若某一采样点的加权数据值Mi与要预测的任何一个岩性体的常数值K不一致时,根据该采样点的上、下、左、右采样点的常数值进行赋值为某一种岩性体的常数值。(通常选择相邻采样点所属的岩性体种类较多的岩性体常数进行赋值)
本发明的有益效果:
本发明利用重构数据体进行分析不同岩性体的空间展布情况。通过对不同预测岩性体的数据体门槛值进行设定,并对数据体上每道的采样点数据进行重构赋值,并且进行加权处理,进而得到一个加权重构数据体,该数据体更有利于分辨出不同岩性体,地质效果优于常规技术方法所预测岩性体的成果。利用本发明技术方法实施陆相沉积地层及生物礁等岩性体识别方面均取得良好的效果,与勘探区的实钻钻井资料吻合度较高。
附图说明
图1是本发明技术流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示,一种基于数据重构预测岩性体的方法,包括以下步骤:
①对待测区域的地震资料进行提取和反演,获取该区域多种岩性体的预测数据体,并获得各岩性体所对应的预测数据体的门槛值;
②对步骤1所确定门槛值后的各个预测数据体进行数据重构后加权处理,得到一个用于岩性预测的加权重构数据体,根据前述加权重构数据体获取待测区域的岩性。
其中,对待测区域的地震资料进行提取和反演,获取该区域多种岩性体的预测数据体,并获得各岩性体所对应的预测数据体的门槛值,包括以下步骤:
1-1根据各井的测井资料、岩性资料统计及确定不同岩性体的深度范围数据,并根据不同的岩性体的物理差异特征采取合适的地震资料、反演或属性计算方法提取相关的数据体。预测数据体为利用叠前或叠后地震资料反演或属性提取后所得到的数据体,或者为两个或以上的数据体之间的数学运算所得到的数据体。在用于岩性体预测的数据体中,如果一个数据体能实现岩性体预测时,则使用该数据体进行数据重构计算;否则应该使用两个或两个以上的数据体实施数据重构、加权处理后,得到一个重构数据体用于岩性体预测。其中,不同岩性体是指不同的岩性类型,包括砂岩、泥岩、灰岩、页岩以及生物礁,这些岩性体的物理特征各不相同,具有差异性,要求相关数据体在数据值方面能将预测岩性体与其它非预测岩性体区分开来。
1-2利用测井资料及岩性资料对各个预测数据体进行井—震标定,确定各井的时深关系。一般情况下,根据测井的声波、密度资料进行计算并形成合成地震道,根据合成地震道与过井地震道的波形关系、岩性资料实施对比,当两者波形相近或一致时的时间—深度的对应关系即可得到相关的时深关系。
1-3利用测井、井中岩性资料得到不同岩性体的深度范围数据,根据井—震标定所得到的时深关系将岩性段的深度范围数据转换到相关数据体的时间域中,得到各个岩性段所对应的预测数据体的数据值,并综合各井相关的同一岩性段的同一种数据构成数据集,从数据集中确定该预测数据的门槛值范围。依此类推,从而实现不同岩性体的门槛值设置。具体为利用井上的测井资料及岩性体的深度范围数据、时深关系,根据各井的时深关系将井上的不同岩性体的深度数据从深度域转换到各个数据体的时间域上,统计并确定各井上不同岩性段所对应的数据体时间段内的采样点上的数据值,统计并建立不同岩性段所对应的数据体的数据集,从数据集中确定出最大及最小门槛值,其中门槛值求取方式为建立各井井中某一种岩性段所对应的同一个数据集{Ji},门槛值求取的计算公式如下:
Jmax=max{Ji}(1)
Jmin=min{Ji}(2)
式(1)—(2)中Ji为井中该岩性段所对应数据体的第i个采样点的数据值,Jmax为该数据体针对该预测岩性体的最大门槛值,Jmin为该数据体针对该预测岩性体的最小门槛值。
其中,对确定门槛值后的各个预测数据体进行数据重构后加权处理,得到一个用于岩性预测的加权重构数据体,根据前述加权重构数据体获取待测区域的岩性,包括以下步骤:
2-1采用获取的各岩性体的门槛值对相关岩性的预测数据体进行重构赋值得到重构数据体。对于不同的岩性体将各自门槛值内的数据值赋值为某一常数值,不同的岩性体对应不同的常数值,各个门槛值外的数据均赋值为零值,以示对岩性体的数据进行区分。依此类推,得到一系列各个岩性体对应的重构数据体。具体为若数据体中CDP道集上采样点的数据值在门槛值范围内,则将该数据值设置为某一个常数K值;若数据体中CDP道集上采样点的数据值在门槛值范围外,则将该采样点的数据值赋值为零;
其中,数据体的数据重构赋值方式如下:
a、若某一个数据体的第i个采样点的数据值为Ji,假设当Ji<Jmin时,Jmin为该数据体针对某一预测岩性体的最小门槛值,则Ji=0;
b、假设当Jmin≤Ji≤Jmax时,Jmax为该数据体针对该预测岩性体的最大门槛值,则Ji=K,要求K值一般情况下为一常数值,不同岩性体的常数K值不能相同,并且K值之间的组合后加权结果不能与任一个岩性体设定的K值一致;
c、假设当Ji>Jmax时,则Ji=0。
2-2对各个岩性体的重构数据体进行加权处理,得到一个加权重构数据体。(首先,针对不同的岩性体预测使用分配好的数据体进行,并设置相关岩性体的门槛值。要求一个数据体可以用于预测一种或以上的岩性体,也可将不同的岩性体分开使用不同的数据体进行相关的预测计算,要求不同的数据体不能预测同一岩性体;然后,不同的数据体根据分配好预测的岩性体的门槛值进行重构赋值,门槛值外的数据设置为零值,门槛值内的数据设置为某一个常数值,不同岩性体的常数值不能相同,并且两种或以上的代表岩性的常数值进行加权计算时所得的结果不能与任一岩性体的常数值相等;最后,对各个数据体进行重构赋值后针对同一道同一个采样点进行加权计算得到一个加权重构数据体,利用该数据体进行岩性体预测。若当加权后所得到的数据值不与任何一个岩性体的常数值一致时,应根据实际情况、地质资料及井上岩性资料进行再次重新赋值,赋值为某一个预测岩性体的常数值。一般情况下,应根据该采样点的上、下、左及右采样点的常数值进行赋值为某一个岩性体的常数值)具体步骤为首先实施各个岩性体的数据值重构后(步骤2-1),再对各个重构后的数据体进行数据加权处理,进而得到一个加权重构数据体,利用该加权重构数据体进行不同岩性体的分布预测,加权处理的计算公式如下:
式(3)中为某一个CDP点上第i个采样点的第j个重构数据体的数据值,Mi为该CDP点数据加权处理后的第i个采样点的数据值,若某一采样点的加权数据值Mi与要预测的任何一个岩性体的K值不一致,应根据实际情况、地质资料及井上岩性资料进行重新赋值,赋值为某一种预测岩性体的常数值。一般情况下,应根据该采样点的上、下、左及右采样点的常数值进行赋值为某一种岩性体的常数值。
本发明实例为:
根据本次发明技术流程(图1),制定工作步骤,实例中是对某三维工区内的湖相沉积地层进行不同岩性体预测。
在步骤①中考虑到该工区的湖相沉积地层主要是纯砂岩、泥岩、钙质砂岩、灰岩等四种岩性,所以利用本发明流程针对该四种岩性体实施预测。根据步骤1利用叠前或叠后地震数据实施针对四个岩性体的反演或属性提取,分别得到伽马数据体、电阻率数据体、大角度弹性阻抗数据体等三个数据体。再根据各井的测井数据、岩性数据及叠后地震数据实施井—震标定,得到各井的时深关系,利用该时深关系将各井井中的不同岩性体的深度数据投影到各个预测数据体上,得到不同岩性段的时间域位置及其对应的采样点的数据,并建立相关的数据集及从数据集中确定门槛值。实例中根据井中某一岩性体的数据与其围岩的数据存在明显差别,选出针对灰岩预测使用大角度弹性阻抗数据体,其门槛值为11600~17000;针对钙质砂岩预测使用电阻率数据体,其门槛值157.1~20000;针对纯砂岩预测使用电阻率数据体,门槛值15~157;针对泥岩预测使用伽马数据体,门槛值设定为58~130。
在步骤②中根据针对不同岩性体的预测数据门槛值及数据体进行各个预测数据体的数据重构后加权处理,得到一个加权重构数据体。其中纯砂岩的常数K值设定为3,泥岩的常数K值设定为5,钙质砂岩的常数K值设定为7,灰岩的常数K值设定为9,门槛值外的采样点的数据值均设定为0,对这三个数据体的数据进行重构,并进行加权处理从而得到一个加权重构数据体,可以实施不同岩性体的预测。实际操作中应根据加权重构数据值的不同计算结果,经地质沉积特征及井资料、采样点的周围加权数据值分布情况,设定相应的再次重构赋值条件。实例中若当重构数据体中的某个采样点的Mi等于8时,则重新设定Mi等于常数5;当重构数据体中的某个采样点的Mi等于10时,则重新设定Mi等于常数3;当重构数据体中的某个采样点的Mi等于12时,则重新设定Mi等于常数9;当重构数据体中的某个采样点的Mi等于12时,则重新设定Mi等于常数5;当重构数据体中的某个采样点的Mi等于14时,则重新设定Mi等于常数5;当重构数据体中的某个采样点的Mi等于16时,则重新设定Mi等于常数9;当重构数据体中的某个采样点的Mi等于15时,则重新设定Mi等于常数5;当重构数据体中的某个采样点的Mi等于8时,则重新设定Mi等于常数5;当重构数据体中的某个采样点的Mi等于19时,则重新设定Mi等于常数9;当重构数据体中的某个采样点的Mi等于21时,则重新设定Mi等于常数5;当重构数据体中的某个采样点的Mi等于24时,则重新设定Mi等于常数5。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (9)
1.一种基于数据重构预测岩性体的方法,其特征是它包括以下步骤:
S1、对待测区域的地震资料进行提取和反演,获取该区域多种岩性体的预测数据体,并获得各岩性体所对应的预测数据体的门槛值;
S2、对步骤1所确定门槛值后的各个预测数据体进行数据重构,之后进行加权处理,得到一个用于岩性预测的加权重构数据体,根据前述加权重构数据体获取待测区域的岩性。
2.根据权利要求1所述的基于数据重构预测岩性体的方法,其特征是步骤S1中,预测数据体为利用叠前或叠后地震资料反演或属性提取后所得到的数据体,或者为两个或以上的数据体之间的数学运算所得到的数据体,在用于岩性体预测的数据体中,如果一个数据体能够实现岩性体预测时,则使用该数据体进行数据重构、加权计算;否则应该使用两个或两个以上的数据体分别实施数据重构、加权处理后,得到一个重构数据体用于岩性体预测。
3.根据权利要求1或2所述的基于数据重构预测岩性体的方法,其特征是岩性体包括砂岩、泥岩、灰岩、页岩以及生物礁,前述岩性体的物理特征各不相同,具有差异性。
4.根据权利要求1所述的基于数据重构预测岩性体的方法,其特征是步骤S1中,不同岩性体的预测数据体门槛值设定包括以下步骤:
S1-a、根据待测区域中各井的测井资料、岩性资料获取不同岩性体的深度范围数据,并根据测井资料从预测数据体中提取相关岩性的预测数据体;
S1-b、利用测井资料及岩性资料对各相关岩性的预测数据体进行井—震标定,确定各井的时深关系;
S1-c、根据井—震标定所得到的时深关系将步骤S1-a中获取的不同岩性体的深度范围数据转换到相关数据体的时间域中,得到各岩性体所对应的预测数据体的数据值,并综合各井相关的同一岩性体的数据构成数据集,从各岩性体的数据集中确定该岩性体的预测数据的门槛值范围,依此类推,从而实现不同岩性体的门槛值设置。
5.根据权利要求4所述的基于数据重构预测岩性体的方法,其特征是步骤S1-c中:对于各岩性体,从数据集中确定出最大及最小门槛值,其中门槛值求取方式为综合各井相关的同一岩性体的数据构成数据集{Ji},门槛值求取的计算公式如下:
Jmax=max{Ji}(1)
Jmin=min{Ji}(2)
式(1)—(2)中Ji为井中该岩性段所对应数据体的第i个采样点的数据值,Jmax为该岩性体的最大门槛值,Jmin为该岩性体的最小门槛值。
6.根据权利要求5所述的基于数据重构预测岩性体的方法,其特征是步骤S2具体为:
S2-a、采用步骤S1-c获取的各岩性体的门槛值对步骤S1-a获取的相关岩性的预测数据体进行重构赋值得到重构数据体:对于不同的岩性体将各自门槛值内的数据值赋值为某一常数值,不同的岩性体对应不同的常数值,各个门槛值外的数据均赋值为零值,以示对岩性体的数据进行区分;依此类推,得到一系列各个岩性体对应的重构数据体。
S2-b、对各个岩性体的重构数据体进行加权处理,得到一个加权重构数据体。
7.根据权利要求6所述的基于数据重构预测岩性体的方法,其特征是步骤S2-a具体为:根据门槛值范围实施数据体的数据重构:
若某一岩性的预测数据体中采样点的数据值在该岩性体的门槛值范围内,则将该数据值设置为某一个常数K值;若采样点的数据值在门槛值范围外,则将该采样点的数据值赋值为零即:
a、若某一个预测数据体的第i个采样点的数据值为Ji,假设当Ji<Jmin时,Jmin为该数据体针对某一预测岩性体的最小门槛值,则Ji=0;
b、假设当Jmin≤Ji≤Jmax时,Jmax为该数据体针对该预测岩性体的最大门槛值,则Ji=K,要求K值为一常数值,不同岩性体的常数K值不能相同,并且K值之间的组合后加权结果不能与任何一个岩性体设定的K值一致;
c、假设当Ji>Jmax时,则Ji=0。
8.根据权利要求6所述的基于数据重构预测岩性体的方法,其特征是步骤S2-b具体为:对各岩性体的重构数据体进行加权处理,加权处理的计算公式如下:
式(3)中为第i个采样点的第j个重构数据体的数据值,Mi为加权处理后的第i个采样点的数据值,若某一采样点的加权数据值Mi与要预测的任何一个岩性体的常数值K不一致,则根据实际情况、地质资料及井上岩性资料进行重新赋值,赋值为某一种预测岩性体的常数值。
9.根据权利要求8所述的基于数据重构预测岩性体的方法,其特征是若某一采样点的加权数据值Mi与要预测的任何一个岩性体的常数值K不一致时,根据该采样点的上、下、左、右采样点的常数值进行再次赋值为其中一种岩性体的常数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610094796.0A CN105700021B (zh) | 2016-02-19 | 2016-02-19 | 一种基于数据重构预测岩性体的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610094796.0A CN105700021B (zh) | 2016-02-19 | 2016-02-19 | 一种基于数据重构预测岩性体的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105700021A true CN105700021A (zh) | 2016-06-22 |
CN105700021B CN105700021B (zh) | 2018-02-13 |
Family
ID=56223315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610094796.0A Active CN105700021B (zh) | 2016-02-19 | 2016-02-19 | 一种基于数据重构预测岩性体的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105700021B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464719A (zh) * | 2020-10-26 | 2021-03-09 | 中国石油天然气集团有限公司 | 波阻抗曲线的归一化方法、装置、计算机设备及存储介质 |
CN112578447A (zh) * | 2020-11-26 | 2021-03-30 | 中国石油天然气股份有限公司西南油气田分公司勘探开发研究院 | 一种基于数据降维及重构的储层预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090119018A1 (en) * | 2007-11-07 | 2009-05-07 | Schlumberger Technology Corporation | Subterranean formation properties prediction |
CN102928877A (zh) * | 2012-11-14 | 2013-02-13 | 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 |
CN103529474A (zh) * | 2012-07-02 | 2014-01-22 | 中国石油化工股份有限公司 | 采用岩性细分实现岩相精细描述的方法 |
-
2016
- 2016-02-19 CN CN201610094796.0A patent/CN105700021B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090119018A1 (en) * | 2007-11-07 | 2009-05-07 | Schlumberger Technology Corporation | Subterranean formation properties prediction |
CN103529474A (zh) * | 2012-07-02 | 2014-01-22 | 中国石油化工股份有限公司 | 采用岩性细分实现岩相精细描述的方法 |
CN102928877A (zh) * | 2012-11-14 | 2013-02-13 | 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 |
Non-Patent Citations (3)
Title |
---|
于正军: "地震属性融合技术及其在储层描述中的应用", 《特种油气藏》 * |
段春节 等: "基于井位的地震属性融合技术研究", 《地球物理学进展》 * |
王宗家 等: "渤南地区沙一段泥页岩储层叠后属性预测", 《油气地球物理》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464719A (zh) * | 2020-10-26 | 2021-03-09 | 中国石油天然气集团有限公司 | 波阻抗曲线的归一化方法、装置、计算机设备及存储介质 |
CN112578447A (zh) * | 2020-11-26 | 2021-03-30 | 中国石油天然气股份有限公司西南油气田分公司勘探开发研究院 | 一种基于数据降维及重构的储层预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105700021B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Corbeanu et al. | Detailed internal architecture of a fluvial channel sandstone determined from outcrop, cores, and 3-D ground-penetrating radar: Example from the middle Cretaceous Ferron Sandstone, east-central Utah | |
CN1275048C (zh) | 用于浅流探测的方法 | |
Grana et al. | A rock physics and seismic reservoir characterization study of the Rock Springs Uplift, a carbon dioxide sequestration site in Southwestern Wyoming | |
Isyaku et al. | Integrated well log and 2-D seismic data interpretation to image the subsurface stratigraphy and structure in north-eastern Bornu (Chad) basin | |
Changzi et al. | Seismic prediction of sweet spots in the Da'anzhai shale play, Yuanba area, the Sichuan Basin | |
CN105700021B (zh) | 一种基于数据重构预测岩性体的方法 | |
Avseth et al. | Statistical discrimination of lithofacies from pre-stack seismic data constrained by well log rock physics: Application to a North Sea turbidite system | |
Convers-Gomez | Prediction of Reservoir Properties for Geomechanical Analysis Using 3-D Seismic Data and Rock Physics Modeling in the Vaca Muerta Formation, Neuquén Basin, Argentina | |
Chenin | Examining Seismic Amplitude Responses of Gaseous Media Using Unsupervised Machine Learning | |
Holman | Seismic characterization of fractured rock fabric in Mississippian limestone, Payne county Oklahoma | |
Bailey | Examination of Anisotropy Using Amplitude Variation with Angle and Azimuth (AVAZ) in the Woodford Shale, Anadarko Basin, Oklahoma | |
Rolfs | Integrated geomechanical, geophysical, and geochemical analysis of the Bakken Formation, Elm Coulee field, Williston Basin, Montana | |
Braaksma et al. | The origin and nature of seismic reflections of sharp‐based shoreface deposits (upper Jurassic Siliciclastics, northern France) | |
Golyan | Compaction, rock property evolution and rock physics diagnostics of Askeladd discovery, Norwegian Barents Sea | |
Ferrante | A multidisciplinary geophysical approach to recognize and quantify the gas occurrence in the Northern Adriatic | |
Batool | RESERVOIR CHARACTERIZATION OF MEHAR BLOCKS USING SEISMIC AND WELL DATTA | |
Anggraeni et al. | Lithology Discrimination and Pore-Fluid Detection Using 3D Pre-Stack Simultaneous Inversion: A Case Study at Gumai Formation, Jambi Sub-Basin, South Sumatra | |
Bray | Velocity, Attenuation, and Microseismic Uncertainty Analysis of the Niobrara and Montney Reservoirs | |
Shah | Evaluation of Petroleum Potential of the Balkassar Block Potwar Basin Pakistan, with Integrated Interpretation of Source, Reservoir and Structure | |
Jiang | The technology of effective reservoir prediction in fault development zone | |
Ishikawa et al. | Discrimination of Microseismicity Caused by Proppant Injection Using Microseismic Waveform Clustering: The Horn River Basin Case Study | |
Roy | Near-surface characterization via seismic surface-wave inversion | |
Elkaseh | Identification of Regional Shale Gas Sweet Spots and Unconventional Reservoirs Using Well Logs and Seismic Data | |
Murphy | A Time-Lapse Study of Microseismic Velocity and Reflection Imaging | |
Zhi | Geophysical characterizations of the Paskapoo Formation |
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 |