CN105989240A - 砂层预测方法及装置 - Google Patents
砂层预测方法及装置 Download PDFInfo
- Publication number
- CN105989240A CN105989240A CN201510100232.9A CN201510100232A CN105989240A CN 105989240 A CN105989240 A CN 105989240A CN 201510100232 A CN201510100232 A CN 201510100232A CN 105989240 A CN105989240 A CN 105989240A
- Authority
- CN
- China
- Prior art keywords
- data
- sand
- layer
- seismic
- seismic wavelet
- 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
Abstract
本发明实施例提供一种砂层预测方法及装置,该方法包括:将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;对所述砂层地震子波数据进行重构得到重构地震数据体;进一步地,对所述重构地震数据体进行波形分析及属性分析,并根据分析结果可准确地预测砂层分布信息,从而提升了油气钻探效率。
Description
技术领域
本发明实施例涉及石油地震勘探薄砂层技术领域,尤其涉及一种砂层预测方法及装置。
背景技术
近年来,薄砂层圈闭的勘探越来越受到重视。薄砂层圈闭的储层主要为厚度较薄的砂层,但薄砂层分布不稳定、横向变化快且地层对比特征不明显(即缺乏明显的对比标志),同时受到断裂的发育和构造形态起伏的影响,从而砂层分布非常复杂,因此,如何确定薄砂层的分布是急需解决的技术问题。同时由于薄砂层埋藏较深、地震数据信噪比低及地震分辨率低等因素,给薄砂层的预测带来巨大困难。
现有技术中,通常通过高频域储层反演法和频谱分析方法预测薄砂层。其中,高频域储层反演法通过根据地震数据及测井数据建立波阻抗模型,并根据所述地震数据进行横向上约束以预测砂层连续性。频谱分析法通过对地震剖面作频谱分析以提取单频剖面,并对单频剖面进行频率补偿,同时既保留低频信息又突出高频的分辨率,对补偿后的频谱作傅里叶逆变换后得到高分辨率的重建剖面,以识别进行薄砂层识别。
但现有技术中,常规的地震信号处理中所使用的方法都是假设地震子波是单一固定的,而实际情况中地震子波是随时空变化的,可能导致一些比较弱的地震子波信息丢失和形成假象,因此,采用现有技术中的方法无法对中国西部深埋低信噪比的薄砂层的进行准确地预测,从而制约了油气钻探成功率。
发明内容
本发明实施例提供一种砂层预测方法及装置,用以提升油气钻探效率。
第一方面,本发明实施例提供一种砂层预测方法,包括:
将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;
根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;
对所述砂层地震子波数据进行重构得到重构地震数据体;
对所述重构地震数据体进行波形分析及属性分析,并根据分析结果预测砂层分布信息。
可选地,所述对所述砂层地震子波数据进行重构得到重构地震数据体,包括:
根据所述砂层地震子波数据的位置,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
可选地,所述对所述重构地震数据体进行波形分析,包括:
对所述重构地震数据体进行波形分解,得到波形分量;
对所述波形分量进行分析,得到波形分析结果。
可选地,所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度信息;
对应地,所述已知砂层数据的属性信息包括:频率、波长、周期及地层厚度信息。
可选地,所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息;
对应地,所述已知砂层数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息。
第二方面,本发明实施例提供一种砂层预测装置,包括:
分解模块,用于将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;
筛选模块,用于根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;
重构模块,用于对所述砂层地震子波数据进行重构得到重构地震数据体;
预测模块,用于对所述重构地震数据体进行波形分析及属性分析,并根据分析结果预测砂层分布信息。
可选地,所述重构模块具体用于:
根据所述砂层地震子波数据的位置,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
可选地,所述预测模块具体用于:
对所述重构地震数据体进行波形分解,得到波形分量;
对所述波形分量进行分析,得到波形分析结果。
可选地,所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度信息;
对应地,所述已知砂层数据的属性信息包括:频率、波长、周期及地层厚度信息。
可选地,所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息;
对应地,所述已知砂层数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息。
本发明中,通过将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;进一步地,根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;进一步地,对所述砂层地震子波数据进行重构得到重构地震数据体;并对所述重构地震数据体进行波形分析及属性分析,并根据分析结果可准确预测砂层分布信息;从而提升了油气钻探效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1A为本发明砂层预测方法实施例一的流程示意图;
图1B为地震数据分解方法原理图;
图2A为本发明砂层预测方法实施例二的流程示意图;
图2B为子波重构示意图;
图3为本发明砂层预测装置实施例一的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,造成砂层预测困惑的根本原因主要有两个,其中:(1)常规地震信号处理中所用方法都是假设地震子波是单一固定的,但实际情况中地震子波是随时空变化的,由于假设与实际情况有较大差距,可能导致一些比较弱的信息丢失及形成假象;(2)常规滤波只是去掉或减少干扰波所在的频率成分,但由于实际上干扰波也是以子波的形式存在于地震道中,且干扰波与有效波的频段可能交叠在一起的,因此,常规频率滤波并不能去掉干扰波。本发明实施例中,通过对地震子波进行分解,获取与砂层对应的砂层地震子波数据(即删除与砂层分布无关的地震子波),并对所述砂层地震子波数据进行重构得到重构地震数据体,从而最大限度地反映薄砂层的变化。
可选地,本发明实施例中,对在埋深大、地震资料品质低和无钻井/钻井未钻达的薄砂层提出了一种砂层预测方法,可以避免因受噪音和单一子波影响而造成信息丢失和假象的问题,更加准确地预测砂层分布。
图1A为本发明砂层预测方法实施例一的流程示意图,如图1A所示,本实施例的方法可以包括:
S101、将目标层段的地震数据分解为不同的特征子集。
图1B为地震数据分解方法原理图,如图1B所示,实际上震源子波在向下传播过程中,遇到许多反射界面会发生反射,形成多个不同振幅(决定于反射界面反射系数的绝对值)、不同极性(决定于反射系数正负)和到达时间有先有后(决定于反射界面的深度和/或覆盖层的波速)的地震子波;在地震记录仪上得到的波形是由所述地震子波叠加得到的结果,即实际地震记录仪中的地震子波有多个成分,如包括震源信号、地表反射、检波器响应及记录仪器的滤波等。
本发明实施例中,通过将目标层段的地震数据分解为不同的特征子集;其中,特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;也即将目标层段的地震数据分解为不同频率的频率特征子集及不同振幅的振幅特征子集;从而实现地震道在时频域内的精确分解。可选地,所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度等信息;所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性等信息。可选地,所述特征子集还包括相位特征子集,所述相位特征子集中的地震子波数据的属性信息包括:相位及周期等信息。
S102、根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据。
本发明实施例中,由于砂层和非砂层对地震信号的响应不同,即对应的地震子波的形状不同(如频率、振幅、相位等不同),根据已知砂层数据对所述特征子集内的地震子波数据进行筛选,获取与砂层对应的砂层地震子波数据(有效地震子波),舍弃与砂层分布无关的地震子波(即实现了滤波功能);其中,所述已知砂层数据为已钻井钻探到的砂层数据,所述已知砂层数据包括砂层数据的属性,可选地,所述砂层数据的属性指砂层的地球物理属性。可选地,当所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度等信息;对应地,所述已知砂层数据的属性信息包括:频率、波长、周期及地层厚度等信息。可选地,当所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性等信息;对应地,所述已知砂层数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性等信息。可选地,当所述相位特征子集中的地震子波数据的属性信息包括:相位及周期等信息;对应地,所述已知砂层数据的属性信息包括:相位及周期等信息。可选地,所述已知砂层数据的属性信息可同时包括:频率、波长、周期、地层厚度、最大振幅、地层中的岩石特性、地层中的流体特性及相位等信息。
具体地,根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据。
本发明实施例中,通过将所述已知砂层数据的属性信息及所述特征子集内地震子波数据的属性信息进行比较;若所述地震子波数据的属性信息并不是所述已知砂层数据中的属性信息(即所述地震子波数据的属性信息不存在于所述已知砂层数据的属性信息集合中),认为所述地震子波数据为与砂层分布无关的地震子波数据(即非砂层地震子波数据),则将所述地震子波数据从所述特征子集中删除;若所述地震子波数据的属性信息是所述已知砂层数据中的属性信息(即所述地震子波数据的属性信息存在于所述已知砂层数据的属性信息集合中),认为所述地震子波数据为与砂层分布对应的地震子波数据(即为砂层地震子波数据),则保留所述砂层地震子波数据(即有效地震子波数据)。
S103、对所述砂层地震子波数据进行重构得到重构地震数据体。
本发明实施例中,对所述砂层地震子波数据进行重构得到重构地震数据体(可生成新的地震剖面),所述重构地震数据体可最大限度的反映砂层(或储层)的横向变化。
可选地,步骤S103包括:根据所述砂层地震子波数据的位置,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
本发明实施例中,保持所述砂层地震子波数据的位置(即将目标层段的地震数据分解为不同的特征子集时,所述砂层地震子波数据处于对应特征子集中的位置)不变,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
S104、对所述重构地震数据体进行波形分析及属性分析,并根据分析结果预测砂层分布信息。
本发明实施例中,由于相同埋深环境的砂层具有相似的地球物理响应(即所述砂层对地震信号的响应相同)及子波响应(可选地,所述子波响应包括:子波频率、子波振幅及子波相位等信息),可根据已知钻井揭示的砂层位置确定该深段对应的所述砂层的地球物理响应(如砂层数据的属性);对所述重构地震数据体进行波形分析及属性分析,并根据分析结果可准确地预测砂层分布信息(如能反应出砂层的横向变化和分布范围,可突出储层和非储层的差异),从而提升了油气钻探效率;可选地,根据分析结果与地球物理属性分析结果联合分析,将钻井的地球物理信息融合到所述重构地震数据体的分析中,预测砂体的分布。
可选地,通过对所述重构地震数据体进行波形分析,得到波形分析结果;对所述重构地震数据体进行属性分析,得到属性分析结果;根据所述波形分析结果与所述属性分析结果预测砂层分布信息。
本发明实施例中,通过对所述重构地震数据体进行波形分解,得到波形分量;并对所述波形分量进行分析,得到波形分析结果;进一步地,对所述重构地震数据体进行属性分析,得到属性分析结果;进一步地,根据所述波形分析结果与所述属性分析结果可准确地预测砂层分布信息。
可见,本发明实施例从地球物理学的角度出发,对深埋薄砂层预测中造成误差的原因进行了深入地分析研究,结合构造地质因素和已知砂层段(与目标砂层段有相同的埋深环境)的频谱分析,对所述特征子集内的地震子波数据进行筛选以确定砂层地震子波数据(即砂层对应的频率范围和子波序列等),从而科学有效地消除干扰波的影响和单一子波的假象,切实提高薄砂层的预测精度。
本发明实施例中,(1)对目标层段的地震子波分解过程是基于地质层对地震信号反射的地球物理响应深入分析基础上,根据反射过程中地震信号的时变性来研究有效子波,而非假设地震子波为单一子波,因此,经过反射接收到的地震信号较完整;(2)子波分解是基于充分分析了地震子波的影响因素,及消除震源、检波器安置条件等采集环境及处理过程中的拉伸、均衡处理的影响,从根本上提高了有效信息的反应;从而可对对埋深较大的地质薄砂层进行计算,而不受地层埋深的限制,提高了砂层预测的精度。
本发明实施例中,通过将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;进一步地,根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;进一步地,对所述砂层地震子波数据进行重构得到重构地震数据体;进一步地,对所述重构地震数据体进行波形分析及属性分析,并根据分析结果可准确地预测砂层分布信息,从而提升了油气钻探效率。
本发明砂层预测实施例二中,以神木三维地震工区为例进行对该方法进行详细说明。其中,神木三维地震工区为戈壁和山地,由于在采集地震数据时震源种类较多(如炸药震源和非炸药震源),若两次采集地震数据的时间间隔长,则地震信号接收器型号不一致;另外,由于新近系、古近系发育中砾岩与薄层砂岩、泥岩频繁互层,大地吸收滤波强,高频率成分衰减严重,造成地震数据品质差、信噪比低及地震分辨率低等。假设待勘探目标层段为白垩系舒善河组薄层砂岩,所述砂岩层厚度10~20m,纵横向变化大,埋藏深度大于6000m。由于地震子波在传播过程中的时变性,振幅和波形变化较大,造成砂层标定不准确。同时地震分辨率低,若采用现有技术中的高频储层反演方法(如地质统计学反演、伽马拟声波反演、相控非线性随机反演等),预测结果多解性强,与实际钻井不符合,可见常规砂层预测技术难以精确预测砂层分布。图2A为本发明砂层预测方法实施例二的流程示意图,针对该区采取上述实施例所述的砂层预测方法对砂层分布重新预测,如图2A所示,具体步骤如下:
S201、对目标层段的地震数据进行多子波分解。
本发明实施例中,根据井震标定结果对三维区叠前深度偏移数据进行古近系底和白垩系底界面的解释,以解释层位时间窗作为目标层段,将所述目标层段的地震数据分解为不同主频的雷克子波的序列或集合(即频率特征子集),其中,所述序列或集中包含地震子波数据。
S202、根据已知砂层数据对所述地震子波数据进行筛选。
本发明实施例中,根据已钻遇薄砂层的井进行井旁地震道分析,如神木三维区的有利砂层地震子波主频为13-35Hz(已知砂层数据);根据所述砂层数据对所述地震子波数据进行筛选,从而舍弃与砂层分布没有直接关系的地震子波数据,而保留与砂层分布相关的砂层地震子波数据。
具体地,若所述地震子波数据的频率属性信息并不是所述13-35Hz之间的频率(即所述地震子波数据的属性信息不存在于所述已知砂层数据的属性信息集合中),认为所述地震子波数据为与砂层分布无关的地震子波数据(即非砂层地震子波数据),则将所述地震子波数据从所述特征子集中删除;若所述地震子波数据的频率属性信息是所述13-35Hz之间的频率(即所述地震子波数据的属性信息存在于所述已知砂层数据的属性信息集合中),认为所述地震子波数据为与砂层分布对应的地震子波数据(即为砂层地震子波数据),则保留所述砂层地震子波数据(即有效数据)。
S203、对所述砂层地震子波数据进行重构得到重构地震数据体。
图2B为子波重构示意图,如图2B示,可选地,地震子波重构具体过程如下:保持通过地震道分解得到的全部或者部分具有不同主频、不同振幅和/或不同相位的地震子波的分解后的位置不变,重新叠加,从而形成重构地震数据体。可选地,步骤S202中根据已知砂层数据对子波分解后的所述地震子波数据进行筛选得到砂层地震子波数据,进一步地,步骤S203中根据所述砂层地震子波数据的位置(步骤S201中进行子波分解后的位置),对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。假如选择全部的地震子波进行叠加,那么重构得到的地震道将与原始的地震道相同。。
S204、对所述重构地震数据体进行波形分析。
本发明实施例中,对所述重构地震数据体进行波形分解,得到多个波形分量,如第一分量、第二分量及第三分量等;并对所述波形分量进行分析,得到波形分析结果,如波形分解剖面;可选地,先提取所述波形分量的属性,进一步地,通过将所述波形分量的属性与已知砂层数据进行比较,若所述波形分量的属性与所述已知砂层数据相吻合,则通过该分析结果对未钻探区的砂层分布进行预测。可选地,波形分析能体现不同厚度、频率的地质体的分布特征。
S205、利用重构地震数据体进行属性分析,并结合波形分析结果预测薄砂层分布信息。
本发明实施例中,通过对重构地震数据体进行属性分析,其中,属性分析能反应地下岩石物理性质的地震表现,一定程度可反应地质的分布特征;进一步地,结合上述波形分析结果预测薄砂层分布信息,即通过将属性与波形结合共同分析砂体,相互补充,能更加充分、可靠地解释地质体特征。
采用本发明实施例提供的砂层预测方法对神木三维区白垩系薄砂层进行了预测,新发现并落实了8个薄砂层圈闭,其中,神木2号圈闭已经钻探成功,预测资源量包括:20亿立方米天然气及180万吨凝析油。
图3为本发明砂层预测装置实施例一的结构示意图,如图3所示,本实施例提供的砂层预测装置30包括:分解模块301、筛选模块302、重构模块303及预测模块304。
其中,分解模块301用于将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;
筛选模块302用于根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;
重构模块303用于对所述砂层地震子波数据进行重构得到重构地震数据体;
预测模块304用于对所述重构地震数据体进行波形分析及属性分析,并根据分析结果预测砂层分布信息。
可选地,所述重构模块具体用于:
根据所述砂层地震子波数据的位置,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
可选地,所述预测模块具体用于:
对所述重构地震数据体进行波形分解,得到波形分量;
对所述波形分量进行分析,得到波形分析结果。
可选地,所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度信息;
对应地,所述已知砂层数据的属性信息包括:频率、波长、周期及地层厚度信息。
可选地,所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息;
对应地,所述已知砂层数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息。
本实施例的砂层预测装置,可以用于本发明上述任意砂层预测方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种砂层预测方法,其特征在于,包括:
将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;
根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;
对所述砂层地震子波数据进行重构得到重构地震数据体;
对所述重构地震数据体进行波形分析及属性分析,并根据分析结果预测砂层分布信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述砂层地震子波数据进行重构得到重构地震数据体,包括:
根据所述砂层地震子波数据的位置,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
3.根据权利要求1所述的方法,其特征在于,所述对所述重构地震数据体进行波形分析,包括:
对所述重构地震数据体进行波形分解,得到波形分量;
对所述波形分量进行分析,得到波形分析结果。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度信息;
对应地,所述已知砂层数据的属性信息包括:频率、波长、周期及地层厚度信息。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息;
对应地,所述已知砂层数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息。
6.一种砂层预测装置,其特征在于,包括:
分解模块,用于将目标层段的地震数据分解为不同的特征子集;其中,所述特征子集中包含地震子波数据;所述特征子集包括:频率特征子集及振幅特征子集;
根据已知砂层数据的属性信息及所述地震子波数据的属性信息,对所述地震子波数据进行筛选,获取砂层地震子波数据;其中,所述砂层地震子波数据为与砂层对应的地震子波数据;
重构模块,用于对所述砂层地震子波数据进行重构得到重构地震数据体;
预测模块,用于对所述重构地震数据体进行波形分析及属性分析,并根据分析结果预测砂层分布信息。
7.根据权利要求6所述的装置,其特征在于,所述重构模块具体用于:
根据所述砂层地震子波数据的位置,对所述砂层地震子波数据进行叠加,得到所述重构地震数据体。
8.根据权利要求6所述的装置,其特征在于,所述预测模块具体用于:
对所述重构地震数据体进行波形分解,得到波形分量;
对所述波形分量进行分析,得到波形分析结果。
9.根据权利要求6-8中任一项所述的装置,其特征在于,所述频率特征子集中的地震子波数据的属性信息包括:频率、波长、周期及地层厚度信息;
对应地,所述已知砂层数据的属性信息包括:频率、波长、周期及地层厚度信息。
10.根据权利要求6-8中任一项所述的装置,其特征在于,所述振幅特征子集中的地震子波数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息;
对应地,所述已知砂层数据的属性信息包括:最大振幅、地层中的岩石特性及地层中的流体特性信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510100232.9A CN105989240B (zh) | 2015-03-06 | 2015-03-06 | 砂层预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510100232.9A CN105989240B (zh) | 2015-03-06 | 2015-03-06 | 砂层预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105989240A true CN105989240A (zh) | 2016-10-05 |
CN105989240B CN105989240B (zh) | 2018-09-04 |
Family
ID=57039830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510100232.9A Active CN105989240B (zh) | 2015-03-06 | 2015-03-06 | 砂层预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105989240B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108254785A (zh) * | 2017-12-28 | 2018-07-06 | 中国石油天然气股份有限公司 | 储层确定方法和装置 |
CN112130209A (zh) * | 2020-08-28 | 2020-12-25 | 中国石油天然气集团有限公司 | 岩溶储层预测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757216B1 (en) * | 2003-05-15 | 2004-06-29 | Exxonmobil Upstream Research Company | Method for post processing compensation of amplitude for misaligned and misstacked offset seismic data |
CN103886199A (zh) * | 2014-03-19 | 2014-06-25 | 中国人民解放军装备学院 | 调制光谱信号的谐波小波分析方法 |
-
2015
- 2015-03-06 CN CN201510100232.9A patent/CN105989240B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757216B1 (en) * | 2003-05-15 | 2004-06-29 | Exxonmobil Upstream Research Company | Method for post processing compensation of amplitude for misaligned and misstacked offset seismic data |
CN103886199A (zh) * | 2014-03-19 | 2014-06-25 | 中国人民解放军装备学院 | 调制光谱信号的谐波小波分析方法 |
Non-Patent Citations (2)
Title |
---|
王香文等: "地质统计学反演技术在薄储层预测中的应用", 《石油与天然气地质》 * |
陈海清: "柴达木盆地柴西南三维区岩性地层圈闭识别技术研究", 《万方数据》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108254785A (zh) * | 2017-12-28 | 2018-07-06 | 中国石油天然气股份有限公司 | 储层确定方法和装置 |
CN112130209A (zh) * | 2020-08-28 | 2020-12-25 | 中国石油天然气集团有限公司 | 岩溶储层预测方法及装置 |
CN112130209B (zh) * | 2020-08-28 | 2024-03-26 | 中国石油天然气集团有限公司 | 岩溶储层预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105989240B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10324211B2 (en) | Seismic spectral balancing | |
CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
CN107132573B (zh) | 一种应用子波分解重构技术识别强阻抗屏蔽下岩性油藏的方法 | |
WO2017035104A1 (en) | Velocity model seismic static correction | |
CN105759312A (zh) | 一种储层特征法井震标定方法 | |
Naseer | Seismic attributes and reservoir simulation’application to image the shallow-marine reservoirs of Middle-Eocene carbonates, SW Pakistan | |
CN105938203B (zh) | 一种储层特性的检测方法及装置 | |
CN105116449B (zh) | 一种弱反射储层的识别方法 | |
CN107728230B (zh) | 一种基于地球物理三联技术的岩性油藏预测方法 | |
Faraji et al. | Integration of core data, well logs and seismic attributes for identification of the low reservoir quality units with unswept gas in the carbonate rocks of the world’s largest gas field | |
Martuganova et al. | 3D deep geothermal reservoir imaging with wireline distributed acoustic sensing in two boreholes | |
CN105092343A (zh) | 一种基于叠前道集去除薄层调谐效应的方法 | |
CN111077578B (zh) | 岩层分布预测方法和装置 | |
CN105989240B (zh) | 砂层预测方法及装置 | |
Curia et al. | Estimating rock physical parameters using anisotropic 3D seismic data to characterize unconventional Vaca Muerta oil shale deposits in the Neuquèn Basin, western Argentina | |
Wang | Full-azimuth, high-density, 3D single-point seismic survey for shale gas exploration in a loess plateau area, Southeast of Ordos Basin, China | |
Chopra et al. | Seismic reservoir characterization of Bone Spring and Wolfcamp Formations in the Delaware Basin—A case study: Part 1 | |
Aamir et al. | Deterministic and stochastic Seismic Inversion, a comparison study applied to capture major heterogeneities and its associated uncertainties during early characterization stage in Upper Jurassic reservoirs in the UAE | |
Naseer et al. | Delineation of stratigraphic traps within the basin floor fans of Miocene sedimentary sequences, offshore Indus, Pakistan using inverted acoustic impedance simulations | |
Kaka | Analysis of Microseismic Events to Understand the Fracture Growth During Hydraulic Fracturing: A Case Study of a Shale Gas Reservoir | |
Tawfik et al. | Integrated Stochastic Inversion Approach Assessing Thin Reservoirs Full Potential in the Prolific Oil-Prone Periphery of Hassi Messaoud Field, Algeria | |
Bray | Velocity, Attenuation, and Microseismic Uncertainty Analysis of the Niobrara and Montney Reservoirs | |
CN103760599A (zh) | 一种微小断层检测方法及断层检测装置 | |
CN117930380A (zh) | 基于地震沉积学的碳酸盐岩储层预测方法和系统 | |
Castillo | Seismic Attribute Characterization of Monteith Formation: Tight Gas Sandstones in the Western Canada Sedimentary Basin, Alberta, Canada |
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 |