CN106415321B - 用于储层建模的基于瞬时等时属性的地质体识别 - Google Patents
用于储层建模的基于瞬时等时属性的地质体识别 Download PDFInfo
- Publication number
- CN106415321B CN106415321B CN201580027453.6A CN201580027453A CN106415321B CN 106415321 B CN106415321 B CN 106415321B CN 201580027453 A CN201580027453 A CN 201580027453A CN 106415321 B CN106415321 B CN 106415321B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- seismic image
- geologic
- seismic
- attribute
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000002955 isolation Methods 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 8
- 238000007596 consolidation process Methods 0.000 claims description 6
- 230000035699 permeability Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008021 deposition Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000002706 plastid Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 241001415846 Procellariidae Species 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 241000364021 Tulsa Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000005428 wave function Effects 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- 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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- 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
- G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
- G01V1/345—Visualisation of seismic data or attributes, e.g. in 3D cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/643—Horizon tracking
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本文公开了为储层建模提供感兴趣区域的稳健识别的自动化系统和方法。一个实施例包括:获得地下区域的地震图像;执行全体积层位拾取并导出所述地震图像中的每个点的瞬时等时属性(IIA)值;至少部分基于所述IIA值识别所述地震图像内的一个或多个地质体;并且在地质单元模型中表示所述一个或多个地质体。地质体的识别可以包括:应用IIA值过滤来隔离所述地震图像中的快速或慢速沉积的间隔;确定所述地震图像中的每个点的储层‑非储层指标属性值;应用储层‑非储层指标值过滤来隔离所述隔离的间隔中的推定储层或非储层的子区间;确定所述地震图像中的每个点的产油指标属性值;以及应用产油指标值过滤来隔离所述隔离的子区间中的推定产油层。
Description
储层模拟需要储层的三维模型。该模型采用网格或一些其它技术来将储层区域划分成单元,每个单元具有针对一个或多个地球物理性质中的每一个的关联值。典型性质包括孔隙度、渗透率和含水饱和度。可能需要数百万个单元来充分表示性质的空间分布,足以用于流动模拟器预测油气采收率、生产曲线以及协助规划井的数目。随着单元数目增加,地质单元模型对动态模拟而言变得更加繁重。
限制模型大小的一种方式是仅对感兴趣区域中的单元进行建模。然而,为了能够切除或忽略地下不影响储层行为的部分,分析人员必须能够识别特别感兴趣的那些区域。通常,这种识别是通过操纵由分析人员控制的三维地震图像来实现的。例如,分析人员可以要求计算和显示地震波的某些属性,例如幅度、相位、相关性和关联的导出性质。分析人员可以将颜色和不透明度值分配给不同范围的属性值以突出数据的某些部分。分析人员可以选择通过数据体的不同视点和“切片”取向。分析人员可以沿选定的参考层位“平坦化”图像,或者平坦化所有的层位。简而言之,分析人员拥有一系列工具供他使用,以用于查看地震图像来识别特定的感兴趣区域。然而,分析人员识别感兴趣区域所需的时间通常相当有限,并且在实践中,通常是在仅对地震图像数据的一小部分完成分析的情况下作出决定。
发明内容
因此,本文公开了为储层建模提供感兴趣区域的稳健识别的自动化系统和方法。一个方法实施例包括:获得地下区域的地震图像;执行全体积层位拾取并导出所述地震图像中的每个点的瞬时等时属性(IIA)值;至少部分基于IIA值识别地震图像内的一个或多个地质体;以及在地质单元模型中表示所述一个或多个地质体。该方法还可以包括:从所述地质单元模型导出储层生产计划;以及显示所述储层生产计划的一个或多个参数。在至少一些情况下,地质体的识别包括应用IIA值过滤来隔离地震图像中的快速或慢速沉积的间隔;确定所述地震图像中的每个点的储层-非储层指标属性值;应用储层-非储层指标值过滤来隔离所述隔离的间隔中的推定储层或非储层的子间隔;确定所述地震图像中的每个点的产油(pay)指标属性值;以及应用产油指标值过滤来隔离所述隔离的子间隔中的推定产油层。
一个系统实施例包括:具有地质建模软件的存储器;以及耦合到所述存储器以执行所述软件的一个或多个处理器。地质建模软件使得所述一个或多个处理器:获得示出作为地下区域的位置的函数的地震属性值的地震图像;在地震图像中执行全体积层位拾取并从地震图像导出作为位置的函数的瞬时等时属性(IIA)值;至少部分基于所述IIA值识别所述地震图像内的一个或多个地质体;并且在地质单元模型中表示所述一个或多个地质体。
附图说明
在附图中:
图1是地震勘测的示意图。
图2是具有有限差分波场模拟器的地震勘测系统的框图。
图3示出了说明性的数字化接收信号迹线。
图4示出了表示感兴趣的地下区域的数据空间。
图5示出了采用说明性建模系统的地质建模器。
图6是适用于地球物理建模的说明性的硬件平台的框图。
图7是说明性的地下建模方法的流程图。
图8是说明性的3D地震图像。
图9示出了从地震图像中拾取的一组说明性的τ层位。
图10a-10d示出了基于属性的地质体识别。
图11示出了说明性的提取的3D地质体。
图12示出了说明性的地质单元模型。
然而,应当理解,在附图中给出的具体实施例及其具体实施方式不限制本公开。相反,它们为普通技术人员提供了在随附权利要求的范围内辨别与给定实施例中的一个或多个包括在一起的替代形式、等价物和修改的基础。
具体实施方式
地震勘测可以在陆地上或在水中执行。如图1所示,在感兴趣区域104附近的能量源102生成传播到感兴趣区域中并从诸如地层边界的内部特征反射的波106。最终,反射波108到达表面112上的接收器110的阵列。记录系统114捕获所接收的信号以用于存储和处理。使用许多不同的源位置并且可选地使用不同的接收器位置来重复该过程。虽然存在用于将接收的波信号转换为地下结构的图像的各种方法,但是最流行的这种技术采用有限差分波场建模,其是使用离散时间步长和波函数导数的快速近似在时间上向前或向后传播波的过程。
因此,地震成像过程可以体现在诸如图2所示的系统和上下文中。地震接收器110的阵列将地震波转换为被放大和数字化的电信号。(说明性的信号波形S0、S1和S2在图3中示出)。记录系统114经由总线202或其它通信路径收集数字化信号,并将数字化信号存储在信息存储介质上以用于随后处理。通常,每个数字化信号与参数204(诸如接收器位置和炮点位置以及如系统设计者认为有价值的其它信息)相关联。记录系统114可以执行一些初始处理以过滤和/或压缩数据,并且在至少一些情况下,执行质量控制。
记录系统114经由因特网或一些其它通信机制206将地震勘测数据提供给具有用于成像过程的足够的计算资源的数据处理中心208。数据处理中心包括一个或多个计算机,其可以使用有限差分波场建模来执行偏移,从而将记录的地震信号转换成地下结构的三维地图或“图像”,其可以显示在监视器210上并存储在持久储存器中以供随后使用。
为了模拟波场并构造图像,数据处理中心将感兴趣区域建模为被划分为单元网格402的二维或三维空间。图4示出了3D空间的示例。假定单元体内的所有点的性质是一致的,并且因此可以表示为单个点。通常,成像过程为每个单元产生反射率或相干性的一些度量。
如图5所示,地质建模器采用工作站504的用户界面502来查看和分析地震图像。工作站504是诸如图6所示的地下建模系统的硬件平台的一部分。说明性硬件平台经由局域网(LAN)604将工作站504耦接到一个或多个多处理器计算机606。一个或多个多处理器计算机606又经由存储区域网络(SAN)608耦接到一个或多个共享存储单元610。使用个人工作站504,地质建模器能够将地震图像数据加载到系统中,以配置和监测地震图像数据的处理并且从系统检索结果,任选地以体积图像的形式。
个人工作站504可以采用台式计算机的形式,该台式计算机具有示出输入和结果数据的图形表示的显示器,以及使用户能够移动文件并执行处理软件的键盘。LAN 604提供多处理器计算机606和个人工作站504之间的高速通信。LAN 604可以采用以太网网络的形式。
多处理器计算机606(一个或多个)提供并行处理能力以使得能够适当地促进输入数据的处理以导出结果数据。每个计算机606包括多个处理器612、分布式存储器614、内部总线616、SAN接口618和LAN接口620。每个处理器612对分配的任务进行操作以解决整个问题的一部分,并且有助于总体结果的至少一部分。与每个处理器612相关联的是分布式存储器模块614,其存储应用软件和工作数据集以供处理器使用。内部总线616经由相应的接口618、620提供处理器间通信和与SAN或LAN网络的通信。不同计算机606中的处理器之间的通信可以由LAN 604提供。
SAN 608提供对共享存储设备610的高速存取。SAN 608可以采取例如光纤通道(Fibrechannel)或无限宽带(Infiniband)网络的形式。共享存储单元610可以是采用磁盘介质用于非易失性数据存储的大型独立信息存储单元。为了提高数据存取速度和可靠性,共享存储单元610可以被配置为冗余磁盘阵列(“RAID”)。
是软件将硬件平台配置为作为地下地质建模系统来操作。一个或多个专有的或商购可得的软件包可以安装在硬件平台上以提供期望的功能。可以采用用户编写的脚本、工作流程或其它编程机制来定制软件的操作并自动化某些操作,诸如下面针对地质体提取概述的那些操作。支持使用这种用户编程的商购可得软件的示例包括支持使用TCL(“工具命令语言”)或CLI(“命令语言接口”)的Paradigm的GOCAD软件和包括用于编写工作流程的过程管理器的Schlumberger的Petrel软件。这两个软件包都支持使用可以用传统编程语言(诸如C++)编写的插件。
图7是可以实现为用户编写的脚本、工作流程或程序并且由图6的系统实现的说明性地下建模方法的流程图。各个块可以表示各个软件模块,尽管在一些实施例中,多个块可以实现为单个模块。在块702中,系统建立对地震图像的存取。(在图8中示出了说明性的地震图像可视化802。切除部分揭示了将在下面用于说明性目的的图像的垂直和水平切片)。在块704、706和708中加载和处理地震图像,以找到τ表面,计算储层-非储层属性,以及导出产油属性。
在块704中,系统应用全局地震解释技术(诸如年龄体(AgeVolume)、PaleoScan、体积平坦化(Volumetric Flattening)或HorizonCube)来在地震图像中执行全体积层位拾取。这样的技术被呈现在文献中,包括J.Lomask和A.Guitton,“VolumetricFlattening:aninterpretation tool”,The Leading Edge 26,888-897,2007;J.Lomask等人,“New toolsfor seismic stratigraphic interpretation:Stratal convergence andinstantaneous isochronattribute cubes derived from volumetric flattening ofexperimentalstrata”,AAPG Bulletin 93:4,453-459,2009年4月;和Paul deGroot,“Global Seismic Interpretation Techniques are Coming ofAge”,23rdInt.Geophys.Conf.,2013年8月11-14。所识别的层位通常对应于共享给定地质时间的沉积表面,即,τ表面。图9示出了将地震图像的垂直切片用作参考的所识别的τ表面902的说明性集合。
在块706中,系统处理地震图像数据以为图像中的每个点确定储层属性值。(图10b示出了与地震图像的一部分相关联的储层属性值的水平切片906。不同的颜色表示不同的属性值。如下面随后讨论的,在给定阈值之上的属性值周围示出黑色轮廓。)储层属性值落入如下的范围内,该范围在一端指示地震图像的相关联部分表示类似储层(即,具有相对高的孔隙度和不良固结)的相,并且在另一端指示所表示的相是非类似储层的(即,相对低的孔隙度和良好的固结)。如文献中所述,存在用于计算此属性的各种方法,其中最合适的方法在区域之间变化。参见,例如,S.Chopra和K.J.Marfurt,Seismic attributes for Drospect identification and reservoir characterization,Soc.ExplorationGeophysicists:Tulsa,257-556,2007。
在块708中,系统处理地震图像数据以为图像中的每个点确定产油属性值。(图10c示出了与地震图像的一部分相关联的产油属性值的水平切片908。不同的颜色表示属性的不同值。如下面随后讨论的,在给定阈值以上的属性值周围示出黑色轮廓。)产油属性表示可生产烃的密度或浓度的一些量度,其中较高的值通常是期望的。与储层属性一样,存在用于计算该属性的各种方法,其中最合适的方法在区域之间变化。参见上面提到的Chopra和Marfurt的书。
在块710中,系统采用τ层位来导出图像中的每个点的瞬时等时属性(IIA)值。IIA属性是层位之间的距离的(移动平均)测量,其中较大的厚度对应于较快沉积的区,并且较小的值对应于较慢沉积的区。该属性的计算也在文献中阐述。(图10a示出了与地震图像的一部分相关联的IIA属性值的水平切片904。不同的颜色表示该属性的不同值。如下面随后讨论的,在给定阈值之上的属性值周围示出黑色轮廓。)
然后,系统组合各种属性以执行地质体识别过程,如块712所示。在所示实施例中,地质体识别过程是由块714-718表示的三个操作的顺序,但是从以下描述中清楚的,可以组合或省略操作中的一些。在一些变体中,可以包括附加操作。
在块714中,系统基于IIA属性识别地质体。地质体是具有在所选范围内的属性值的连续图像像素(模型单元)。在块714中,系统确定(并且可选地显示)具有高于阈值的IIA值的那些像素。(在图10a中,该识别被示出为地质体周围的黑色轮廓。)阈值可以基于属性值的范围来初始设置(例如,设置阈值以消除低于第90百分点的所有值),并且此后自动或手动地调整以使地质体的形状符合沉积的沉积物所预期的模式。
在块716中,基于储层属性来细化在块714中识别的地质体。保留具有高于阈值的储层属性值的那些模型单元(例如,图10b中画轮廓的那些);其余的从所识别的地质体中排除。阈值可以基于储层属性计算方法来初始设置,并且此后自动或手动调整以满足连续性和重叠的客观标准。
在块718中,基于产油属性进一步细化在块716中识别的地质体。保留具有高于阈值的产油属性值的那些模型单元(例如,图10c中画轮廓的那些);其余的从所识别的地质体中排除。产油阈值可以基于产油属性计算方法来初始设置,并且此后自动或手动调整以实现在某个预定目标范围内的体积。如图10d中的交叉影线910所示,由块712识别的地质体对应于从IIA、储层和产油属性隔离得到的画轮廓的地质体的交集。图11是说明性三维地质体的透视图。
在块720中,系统构建地质单元模型以以适于储层模拟的形式来表示所识别的地质体。系统以统计表示的方式对地震图像信息进行重采样以匹配地质单元模型的模拟适合的分辨率。通常,地质单元模型的空间分辨率比地震图像的空间分辨率更粗糙。在足够的信息可用的情况下(例如,来自勘探或偏移井的地层性质日志、来自基于过程的建模的模拟结果、来自露头的地层外推信息和地质学家采用的其它多种源),地震图像性质被映射到相关地球物理性质(例如,孔隙度、渗透率和饱和度)。在其中不足的信息可用于提供对地球物理性质的充分确定的地球单元模型中可能存在“空值”。
在块722中,系统形成概率立方体,应用如下文献中阐述的原理,所述文献包括S.B.Strebelle等人,“Method for making a reservoir facies model utilizing atraining image and a geologically interpretedfacies probability cube”,USPat.App.Pub.2006/0041409 A1。对于地质单元模型中的每个单元,概率立方体为集合中的每个候选相分配概率,该概率是给定单元由该相构成的可能性。可以基于地震图像数据和其它可用信息自动地分配概率,可选地使用神经网络、专家系统或可以执行模式识别和外推的系统的一些其它实现。可替换地,可以手动构造或修改概率立方体。
在块724中,系统采用概率立方体,可选地结合一个或多个训练图像或模板(参见Strebelle)来填充空值并且用相关地球物理性质的统计代表性分布来完成地质单元模型。说明性的完成的地质单元模型在图12中示出。
在块726中,系统生成用于地质单元模型的一个或多个生产策略,使用在块728中的储层流动模拟器评估每个生产策略。生产策略可以包括诸如井眼轨迹、完井区以及注入/生产速率限制的参数的值。策略的生成和评估可以自适应地或根据用于非线性问题的任何期望的优化技术来执行。一旦找到令人满意的生产策略,系统就将相关参数传送给地质建模器,以用于由储层生产团队进行的可能评估和采用。
不严格要求上述方法中的块以给定的顺序执行。在至少一些实施方式中,块可以被并行化以使得能够在地震图像的不同部分上同时执行多个操作。此外,虽然使用较低的阈值来过滤属性值,但是一些实施方式可以采用上阈值(例如,当搜索非常规产油层时)或范围(例如,当排除既不是储层也不是非常规储层的相时)。其它属性可以可替换地或附加地用于自动化地质体识别。尽管前述方法可以是自动的,但是它们仍然可以被手动监控,例如,使用地质建模器检查每个块的结果,并且如果结果不令人满意,则用新参数重复该块。
一旦完全理解了上述公开内容,许多其它变体和修改对于本领域技术人员将变得显而易见。旨在将下面的权利要求解释为包括所有这样的变体和修改。
Claims (12)
1.一种对地下区域进行建模的方法,所述方法包括:
获得作为地下区域中的位置的函数的地震属性值的地震图像;
在所述地震图像中执行全体积层位拾取,以及从所述地震图像导出作为位置的函数的瞬时等时属性IIA值;
通过如下步骤来至少部分基于所述IIA值,识别所述地震图像内的一个或多个地质体:应用IIA值过滤来隔离地震图像中的快速或慢速沉积的间隔;基于所述地震图像来确定作为位置的函数的储层-非储层指标属性值;应用储层-非储层指标值过滤来隔离所述隔离的间隔中的推定储层或推定非储层的子间隔,其中所述推定储层具有相对高的孔隙度和不良固结,并且所述推定非储层具有相对低的孔隙度和良好的固结;基于所述地震图像来确定作为位置的函数的产油指标属性值;以及应用产油指标值过滤来隔离所述隔离的子间隔中的推定产油层;以及
在地质单元模型中表示所述一个或多个地质体。
2.根据权利要求1所述的方法,还包括显示表示所述一个或多个地质体的所述地质单元模型。
3.根据权利要求1所述的方法,还包括:
至少部分基于所述一个或多个地质体的地震属性值,从所述地震图像导出概率立方体;以及
使用所述概率立方体来完成所述地质单元模型。
4.根据权利要求1所述的方法,还包括:
从所述地质单元模型导出储层生产计划;以及
显示所述储层生产计划的一个或多个参数。
5.根据权利要求4所述的方法,其中所述导出储层生产计划包括获得多个生产计划候选,并模拟所述多个生产计划候选中的每个的储层性能。
6.根据权利要求1所述的方法,其中所述表示包括:
将可用井数据与所述地震图像进行匹配;
将地震数据的属性映射到至少包括孔隙度、渗透率和饱和度的储层性质;以及
重采样到适合于储层性能模拟的空间分辨率。
7.一种用于对地下区域进行建模的系统,所述系统包括:
具有地质建模软件的存储器;以及
耦合到所述存储器以执行所述软件的一个或多个处理器,所述软件使所述一个或多个处理器:
获得示出作为地下区域中的位置的函数的地震属性值的地震图像;
在所述地震图像中执行全体积层位拾取,并从所述地震图像导出作为位置的函数的瞬时等时属性IIA值;
通过如下步骤来至少部分基于所述IIA值识别所述地震图像内的一个或多个地质体:应用IIA值过滤来隔离地震图像中的快速或慢速沉积的间隔;基于所述地震图像来确定作为位置的函数的储层-非储层指标属性值;应用储层-非储层指标值过滤来隔离所述隔离的间隔中的推定储层或推定非储层的子间隔,其中所述推定储层具有相对高的孔隙度和不良固结,并且所述推定非储层具有相对低的孔隙度和良好的固结;基于所述地震图像来确定作为位置的函数的产油指标属性值;以及应用产油指标值过滤来隔离所述隔离的子间隔中的推定产油层;以及
在地质单元模型中表示所述一个或多个地质体。
8.根据权利要求7所述的系统,其中所述软件还使所述一个或多个处理器显示表示所述一个或多个地质体的所述地质单元模型。
9.根据权利要求7所述的系统,其中所述软件还使所述一个或多个处理器:
至少部分基于所述一个或多个地质体的地震属性值,从所述地震图像导出概率立方体;以及
使用所述概率立方体来完成所述地质单元模型。
10.根据权利要求7所述的系统,其中所述软件还使所述一个或多个处理器:
从所述地质单元模型导出储层生产计划;以及
显示储层生产计划的一个或多个参数。
11.根据权利要求10所述的系统,其中作为所述导出储层生产计划的一部分,所述软件使所述一个或多个处理器获得多个生产计划候选,并模拟所述多个生产计划候选中的每个的储层性能。
12.根据权利要求10所述的系统,其中作为所述表示的一部分,所述软件使所述一个或多个处理器:
将可用井数据与地震图像匹配;
将地震数据的属性映射到至少包括孔隙度、渗透率和饱和度的储层性质;以及
重采样到适合于储层性能模拟的空间分辨率。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/311,987 | 2014-06-23 | ||
US14/311,987 US9702996B2 (en) | 2014-06-23 | 2014-06-23 | Instantaneous isochron attribute-based geobody identification for reservoir modeling |
PCT/US2015/017667 WO2015199759A1 (en) | 2014-06-23 | 2015-02-26 | Instantaneous isochron attribute-based geobody identification for reservoir modeling |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106415321A CN106415321A (zh) | 2017-02-15 |
CN106415321B true CN106415321B (zh) | 2018-08-31 |
Family
ID=52630520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580027453.6A Expired - Fee Related CN106415321B (zh) | 2014-06-23 | 2015-02-26 | 用于储层建模的基于瞬时等时属性的地质体识别 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9702996B2 (zh) |
EP (1) | EP3158368B1 (zh) |
CN (1) | CN106415321B (zh) |
AU (1) | AU2015280679B2 (zh) |
CA (1) | CA2946292A1 (zh) |
WO (1) | WO2015199759A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11215723B2 (en) * | 2016-10-18 | 2022-01-04 | Schlumberger Technology Corporation | Determining subsurface layers using machine learning |
US11112515B2 (en) * | 2018-03-30 | 2021-09-07 | Bp Corporation North America Inc. | Seismic velocity derived hydrocarbon indication |
US10969507B2 (en) | 2018-10-25 | 2021-04-06 | Saudi Arabian Oil Company | Seismic channel geobody extraction for basin fairway simulation |
CN109779619B (zh) * | 2019-01-21 | 2023-02-28 | 中国石油天然气集团有限公司 | 一种通过核磁t2谱计算地层含水饱和度的方法 |
US11187821B2 (en) | 2019-01-23 | 2021-11-30 | Saudi Arabian Oil Company | Integration of seismic driven rock property into a geo-cellular model |
CN111624651B (zh) * | 2019-02-28 | 2023-08-22 | 中国石油天然气股份有限公司 | 基于古地貌约束的储层预测方法及装置 |
US11500118B2 (en) * | 2019-03-08 | 2022-11-15 | International Business Machines Corporation | Seismic data representation and comparison |
RU2718135C1 (ru) * | 2019-09-09 | 2020-03-30 | Общество с ограниченной ответственностью "Газпромнефть Научно-Технический Центр" (ООО "Газпромнефть НТЦ") | Способ и система прогнозирования эффективных толщин в межскважинном пространстве при построении геологической модели на основе метода кластеризации спектральных кривых |
CN113805227B (zh) * | 2021-09-10 | 2024-05-17 | 中国石油大学(华东) | 一种隐伏地层尖灭线识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5796678A (en) | 1997-08-11 | 1998-08-18 | Trans Seismic International, Inc. | Method for determining the presence of fluids in a subterranean formation |
US20060041409A1 (en) * | 2004-08-20 | 2006-02-23 | Chevron U.S.A. Inc. | Method for making a reservoir facies model utilizing a training image and a geologically interpreted facies probability cube |
CN1797036A (zh) | 2004-12-29 | 2006-07-05 | 中国石油天然气集团公司 | 一种绘制地震层位等值线构造图的方法 |
US8843353B2 (en) * | 2011-08-25 | 2014-09-23 | Chevron U.S.A. Inc. | Hybrid deterministic-geostatistical earth model |
WO2014099200A1 (en) * | 2012-12-20 | 2014-06-26 | Exxonmobil Upstream Research Company | Vector based geophysical modeling of subsurface volumes |
-
2014
- 2014-06-23 US US14/311,987 patent/US9702996B2/en active Active
-
2015
- 2015-02-26 EP EP15708665.3A patent/EP3158368B1/en active Active
- 2015-02-26 WO PCT/US2015/017667 patent/WO2015199759A1/en active Application Filing
- 2015-02-26 AU AU2015280679A patent/AU2015280679B2/en active Active
- 2015-02-26 CN CN201580027453.6A patent/CN106415321B/zh not_active Expired - Fee Related
- 2015-02-26 CA CA2946292A patent/CA2946292A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
AU2015280679B2 (en) | 2019-05-09 |
CA2946292A1 (en) | 2015-12-30 |
WO2015199759A1 (en) | 2015-12-30 |
CN106415321A (zh) | 2017-02-15 |
AU2015280679A1 (en) | 2016-11-03 |
EP3158368B1 (en) | 2023-08-30 |
EP3158368A1 (en) | 2017-04-26 |
US20150369935A1 (en) | 2015-12-24 |
US9702996B2 (en) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106415321B (zh) | 用于储层建模的基于瞬时等时属性的地质体识别 | |
CA3122686C (en) | Automated reservoir modeling using deep generative networks | |
EP3682269B1 (en) | Seismic image data interpretation system | |
Hale | Methods to compute fault images, extract fault surfaces, and estimate fault throws from 3D seismic images | |
Regone et al. | Geologic model building in SEAM Phase II—Land seismic challenges | |
CA2920499C (en) | Stratigraphic function | |
EP2250520B1 (en) | Method for indexing a subsurface volume for the purpose of inferring geologic information | |
RU2223521C2 (ru) | Способ и устройство для создания, проверки и модификации геологических моделей подповерхностных зон | |
Wu et al. | Deep learning for characterizing paleokarst collapse features in 3‐D seismic images | |
CN106772579B (zh) | 一种薄煤层中地震叠前反演方法和装置 | |
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 | |
EP3329307A1 (en) | Assignment of systems tracts | |
EP3371629A1 (en) | Representing structural uncertainty in a mesh representing a geological environment | |
Araya-Polo et al. | Fast and accurate seismic tomography via deep learning | |
US20220221604A1 (en) | Method of analysing seismic data | |
WO2016115437A1 (en) | Approaches to tying well logs to seismic data | |
Wamriew et al. | Deep neural network for real-time location and moment tensor inversion of borehole microseismic events induced by hydraulic fracturing | |
Lorentzen et al. | Mapping Cretaceous faults using a convolutional neural network-A field example from the Danish North Sea. | |
Love | Visualize the Opportunity From Prospect to Project | |
Nester et al. | Seismic interpretation: part 7. Geophysical methods | |
Burford et al. | A seismic modelling environment as a research and teaching tool for 3-D subsurface modelling | |
Karrenbach | An Integrated Multi-component Processing and Interpretation Framework for 3D Borehole Seismic Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180831 |
|
CF01 | Termination of patent right due to non-payment of annual fee |