CN106707340A - 一种火山岩岩相的预测方法 - Google Patents

一种火山岩岩相的预测方法 Download PDF

Info

Publication number
CN106707340A
CN106707340A CN201611142635.0A CN201611142635A CN106707340A CN 106707340 A CN106707340 A CN 106707340A CN 201611142635 A CN201611142635 A CN 201611142635A CN 106707340 A CN106707340 A CN 106707340A
Authority
CN
China
Prior art keywords
volcanic
lithofacies
seismic
attribute
neural network
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.)
Pending
Application number
CN201611142635.0A
Other languages
English (en)
Inventor
祝文亮
熊金良
郭淑文
岳云福
邢兴
国春香
李冰
曹宏涛
祝必兴
彭雪梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Dagang Oilfield Co
Original Assignee
Petrochina Dagang Oilfield Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Petrochina Dagang Oilfield Co filed Critical Petrochina Dagang Oilfield Co
Priority to CN201611142635.0A priority Critical patent/CN106707340A/zh
Publication of CN106707340A publication Critical patent/CN106707340A/zh
Pending legal-status Critical Current

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
    • G01V1/28—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
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
    • 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
    • G01V2210/66—Subsurface modeling
    • G01V2210/667—Determining confidence or uncertainty in parameters

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

本发明涉及一种火山岩岩相的预测方法，涉及石油开发油藏工程的技术领域，其包括以下步骤：(1)模型正演：在地震地质层位标定的基础上，进行剖面模型正演；(2)地震属性提取：针对目标层位，提取沿层地震属性，确定属性时窗范围；(3)属性优选：优选反映火山岩分布的地震属性，并进行预处理；(4)火山岩岩相分类：根据钻井结果，对火山岩岩相进行类别划分；(5)多属性神经网络模式识别；(6)岩相预测：根据训练得到的神经网络参数对多个地震属性进行融合，预测未知区火山岩岩相的分布变化规律。本发明的预测方法融合了多地震属性及钻井信息，克服了单地震属性只能部分反映岩性组合差异的缺点，能够有效预测火山岩岩相的空间分布。

Description

一种火山岩岩相的预测方法
技术领域
本发明涉及石油勘探开发地球物理的技术领域，更具体地说，本发明涉及一种火山岩岩相的预测方法。
背景技术
近年来，随着非常规储层油气勘探的逐步深入，火山岩逐渐成为储层预测新的研究热点。火山岩油气藏非常复杂，1987年在美国首先发现了火山岩油气藏，至今为止世界上火山岩油气储量主要集中在美国、俄罗斯、古巴及东欧的一些国家。中国最近几年开始重视火山岩油气藏，也陆续勘探出一定的储量。大港油田也有所发现，但总体勘探开发和相关研究仍处于准备阶段
当火山岩岩相带变化较快时，不同的火山岩岩相的地震反射特征类似，常规地震属性对火山石相带分布表现不清楚。火山岩分布预测主要是利用地质、钻井、测井、录井等来确定有利区带，受钻井平面分布限制较大。因此，火山岩的空间展布规律预测还需要借助地震预测方法，地震属性预测就是其中手段之一，然而常规单地震属性分析很难区分火山岩岩相带变化，所以急需一种针对火山岩岩相的井震结合的预测方法。
发明内容
为了解决现有技术中的上述技术问题，本发明的目的在于提供一种火山岩岩相的预测方法。
为了解决发明所述的技术问题并实现发明目的，本发明采用了以下技术方案：
本发明的火山岩岩相的预测方法，其特征在于包括以下步骤：
(1)模型正演：精细层位标定，建立火山岩岩相地质模型并进行地震正演，分析火山岩强振幅形成机理以及不同火山岩岩相带的地震响应特征差异；
(2)地震属性提取：针对目标层位，提取沿层的地震属性，并选择地震属性的提取时窗；
(3)地震属性选择：从步骤(2)提取的地震属性中选择反映岩性差异大的地震属性，并进行属性预处理；
(4)火山岩岩相分类：根据已知井的钻井结果，对火山岩岩相进行类别划分，每个岩相分别用相应的数字表示；
(5)多属性神经网络模式识别：将步骤(3)选择的地震属性作为神经网络样本的输入端，将步骤(4)中的火山岩岩相分类结果作为神经网络样本的输出端，对神经网络节点参数进行学习训练；
(6)岩相预测：根据步骤(5)训练得到的神经网络参数和步骤(3)选择的地震属性，进行多属性神经网络属性预测，预测未知区火山岩岩相的平面分布。
其中，在步骤(1)中，利用测井、录井和薄片分析数据进行岩相标定，通过褶积进行包括火山岩剖面的单井地震模型正演。
其中，步骤(2)中的地震属性包括正半周、负半周及全波长的振幅、弧长、频率和波形聚类属性。
其中，步骤(3)地震属性选择的地震属性为负半周时窗的弧长、振幅频率比和瞬时频率。
其中，在步骤(4)中，按厚度及火山岩岩相设定学习样本分类，其中″1″对应的是厚层溢流火山岩岩相，″0″对应的是火山沉积相带，″0.5″对应的是薄层的爆发岩相。
其中，在步骤(5)中进行神经网络属性融合，将步骤(3)选择的地震属性作为BP神经网络的输入，将步骤(4)获得的已知井的岩相分类结果作为BP神经网络输出，进行神经网络学习训练，得到神经网络各节点的权系数。
其中，在步骤(6)中将步骤(3)选择的地震属性输入到步骤(5)训练后的BP神经网络中，进行非线性神经网络计算，最终进行未知区火山岩岩相分布预测。
具体来说，本发明所述的火山岩岩相的预测方法，包括以下步骤：
(1)模型正演：根据测井及薄片岩性分析结果，井震结合进行精细层位与岩性标定，建立火山岩岩相地质模型并进行地震正演，获取与实际井旁道最匹配地震记录，分析火山岩类强振幅形成机理以及不同火山岩厚度与岩相组合的地震响应特征差异；
(2)地震属性提取：针对火山岩发育的目标层，沿层开时窗提取包括振幅、频率和波形的地震属性，结合步骤(1)获得的岩性标定和模型正演分析结果，测试属性提取时窗大小对结果的影响，分析火山岩岩相及厚度变化时的振幅及频率的变化规律及敏感性，并确定属性时窗大小。
(3)地震属性选择：从多个属性中选择有效区分火山岩岩相的地震属性，包括时窗弧长、振幅频率比、瞬时频率属性，这几个属性的平面预测结果能部分满足火山岩分布的预测，但是总体预测规律与钻井结果还存在差异，需要进一步综合多个属性及钻井结果进行火山岩岩相相带的精细预测。
(4)火山岩岩相分类：根据研究目标区内的钻井结果，对火山岩岩相进行类别划分，将每个岩相用相应的一个数字表示，划分了三类常见的火山岩岩相：其中″1″对应厚层溢流火山岩岩相，″0″对应火山沉积相带，″0.5″对应薄层的爆发火山岩岩相。
(5)多属性神经网络模式识别：将步骤(3)选择的地震属性数据作为BP神经网络样本输入端，将步骤(4)中所有已知井的岩相分类结果作为BP神经网络样本输出端，在输入输出已知的情况下，对神经网络节点参数进行学习训练，得到神经网络各隐层节点之间的权系数。
(6)岩相预测：将研究目标区选择的地震属性数据作为神经网络输入端，再应用步骤(5)中训练完成的神经网络参数，对研究目标区内所有点的火山岩岩相进行计算，井震结合得到火山岩岩相平面分布。
与最接近的现有技术相比，本发明所述的火山岩储层的预测方法具有以下有益效果：
在本发明的预测方法中综合利用了测井、录井、薄片分析等数据，并利用正演分析了地震响应特征的差异，提高了属性提取的针对性，预测准确度相对传统提取属性方法有很大提高，优选了地震属性，并将神经网络计算方法首次应用到复杂火山岩岩相预测中。采用本发明的火山岩类预测方法在X地区进行了试验和应用，相比其他算法(甜点属性、高亮体等融合属性)，能更加有效的区分火山岩的分布规律，理论结合实际取得了较好的效果。
附图说明
图1为实例1中的多井模型正演图。
图2为实例1中的连井剖面属性分析图。
图3为实例1中的负半周瞬时频率属性图。
图4为实例1中的负半周时窗弧长属性图。
图5为实例1中的负半周振幅频率比属性图。
图6为实例1中的神经网络拓扑图。
图7为实例1中的多属性神经网络火山岩岩相分布预测图
图8为实例1中的DG潜山中生界火山岩评价图。
具体实施方式
以下将结合具体实施例对本发明所述的火山岩岩相的预测方法做进一步的阐述，以期对本发明的技术方案做出更完整和清楚的说明。
本发明所述的火山岩岩相的预测方法，包括以下步骤：
(1)模型正演：根据测井及薄片岩性分析结果，井震结合进行精细层位与岩性标定，建立火山岩岩相地质模型并进行地震正演，获取与实际井旁道最匹配地震记录，进而分析火山岩强振幅形成机理以及不同火山岩厚度与岩相组合的地震响应特征差异。
(2)地震属性提取：针对火山岩发育的目标层位，利用现有技术(现有公知的商业软件)沿层开时窗提取常规地震属性(各种振幅类、频率和弧长类)，并结合已钻井的岩性标定和模型正演分析结果，分析典型火山岩厚度变化时的常规地震属性的变化规律及敏感性，并进行常规地震属性时窗测试最终确定最佳属性提取的时窗。
(3)属性优选：从多个属性中选出有效区分火山岩的地震属性，所述地震属性包括时窗弧长、振幅频率比、瞬时频率，这几个属性的平面预测结果能部分满足火山岩分布的预测，但是每个属性的预测规律与钻井结果还存在差异，需要进一步综合多个属性及钻井结果进行火山岩岩相带的精细预测。
(4)火山岩岩相分类：根据研究目标区内的钻井结果，对火山岩岩相进行类别划分，将每个岩相用相应的一个数字表示，本发明实例中，划分了三类常见的火山岩岩相：其中″1″对应的是优质厚层溢流火山岩岩相，″0″对应的是火山沉积相带，″0.5″对应的是薄层的爆发火山岩岩相。
(5)多属性神经网络模式识别：将步骤(3)中优选的地震属性井旁道数据作为神经网络输入端，再将步骤(4)中所有已知井的岩相分类结果作为BP神经网络样本输出端，在输入输出已知的情况下，对神经网络节点参数进行学习训练，得到神经网络各隐层节点之间的权系数。
(6)岩相预测：将研究区内优选的所有的地震属性数据作为神经网络输入端，再应用步骤(5)中训练完成的神经网络参数，对研究区内所有点的火山岩岩相进行计算，井震结合得到火山岩岩相平面分布。克服单地震属性只能部分反映岩相差异的缺点，有效预测火山岩岩相的平面分布。
以下作为示例性地，本发明将结合具体X地区中的实际测井及地震资料对本发明所述的火山岩岩相的预测方法做进一步的阐述，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。在此需要明确，尽管实施例1仅以X地区中的测井、地震资料进行分析，但本发明的火山岩岩相的预测方法同样也适用于其他具有火山岩储层地区的油气资源预测，并且具有与实施例1基本相同的预测效果。
实施例1
如附图1所示，首先根据典型井测井资料，分析火山岩的速度3330～4167米/秒，厚度30-85米，上覆Ek3段泥岩速度2500～3700米/秒，厚度4-32米。根据所有典型井火山岩的厚度、速度以及上覆和下覆围岩地层的钻遇情况建立几口典型井的正演模型(如图1a)。选择20Hz的Ricker子波通过正演模拟出得到地震反射记录(图1b)，通过与实际井旁道的地震反射记录(图1c)相比较，并结合模型计算出来的振幅、频率属性(图1d)可以分析不同火山岩岩相带的地震反射特征。通过对比可以发现，z1508井这样的优质厚层溢流相火山岩的地震反射特征是强波峰、高频、复波谷、长波长；而z91井是属于爆发火山岩岩相，由于上覆泥岩和中生界火山岩的速度差异虽然也对应的是的高频强波峰反射、但是强波峰对应是一个强波谷一个比较短的波长时间。另外从地震反射上可以看出，虽然不同火山岩岩相带的典型井基本都对应的是强波峰反射，但是波谷的强弱以及负半周波形的长短与火山岩的厚度相关性更好。因此，对该区进行地震属性火山岩预测时，地震属性的时窗应选择在负半周。
第二，针对研究区内几口重点井z74-z91井连井剖面按前面分析的地震属性时窗范围进行属性提取(图2)，分别提取了负半周波形面积、瞬时频率、均方根振幅、平均时窗弧长、振幅频率比等属性，并进行了属性分析，结合钻井结果分析其中变化点规律与重点井差异，从中优选有效区分火山岩的地震属性：时窗弧长、瞬时频率、振幅频率比。这几个属性的平面预测结果能部分满足火山岩分布的预测，但是总体预测规律与钻井结果还存在差异。
最后，根据优选的地震属性(振幅频率比、时窗弧长、瞬时频率)(图3-5)做为神经网络的输入(其中A1代表瞬时频率、A2代表时窗弧长、A3代表振幅频率比)，已知井样本作为输出进行神经网络学习(如图6)，神经网络的计算判别首先根据已知井点的地震属性及井点钻井结果建立学习样本，再根据样本参数及优选的地震属性对网络节点参数进行训练，直到满足精度要求为止。训练好的网络就能将地震属性信息与火山岩岩相参数之间复杂的映射关系通过一组权值描绘出来。参加预测的地震数据必须处于相同的地质构造带上，以保障预测成果可靠性。
在本实施例中，本研究区的学习样本参数为火山岩岩相带，按岩相将已经井的样本分为3类，其中″1″对应的是优质厚层溢流火山岩岩相，″0″对应的是火山沉积相带，″0.5″对应的是薄层的爆发火山岩岩相。对全区进行了火山岩分布相带预测，预测结果如图7所示。根据地震预测结果以及钻井结果做出的DG潜山火山岩含油评价结果如图8所示。从综合评价预测结果可以看出，DG潜山中生界地层北部1类火山岩岩相带分布广泛；z11断层上升盘1类火山岩分布范围较小，主要分布在这1508断块附近；z1602附近为火山尖灭岩相带。z1508井北部的断层夹持区预测结果为1类火山岩岩相带，通过图7与图8的对比分析，可验证该多属性神经网络火山岩类预测方法的有效性。
对于本领域的普通技术人员而言，具体实例只是结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (8)

1.一种火山岩岩相的预测方法，其特征在于包括以下步骤：
(1)模型正演：精细层位标定，建立火山岩岩相地质模型并进行地震正演，分析火山岩强振幅形成机理以及不同火山岩岩相的地震响应特征差异；
(2)地震属性提取：针对目标层位，提取沿层的地震属性，并选择地震属性的提取时窗；
(3)地震属性选择：从步骤(2)提取的地震属性中选择反映岩性差异大的地震属性，并进行属性预处理；
(4)火山岩岩相分类：根据已知井的钻井结果，对火山岩岩相进行类别划分，每个岩相分别用相应的数字表示；
(5)多属性神经网络模式识别：将步骤(3)选择的地震属性作为神经网络样本的输入端，将步骤(4)中的火山岩岩相分类结果作为神经网络样本的输出端，对神经网络节点参数进行学习训练；
(6)岩相预测：根据步骤(5)训练得到的神经网络参数和步骤(3)选择的地震属性，进行多属性神经网络属性预测，预测未知区火山岩岩相的平面分布。
2.根据权利要求1所述的火山岩岩相的预测方法，其特征在于：在步骤(1)中，利用测井、录井和薄片分析数据进行岩相标定，通过褶积进行包括火山岩剖面的单井地震模型正演。
3.根据权利要求1所述的火山岩岩相的预测方法，其特征在于：步骤(2)中的地震属性包括正半周、负半周及全波长的振幅、弧长、频率和波形聚类属性。
4.根据权利要求1所述的火山岩岩相的预测方法，其特征在于：步骤(3)选择的地震属性为负半周时窗的弧长、振幅频率比和瞬时频率。
5.根据权利要求1所述的火山岩岩相的预测方法，其特征在于：数字″1″对应的是厚层溢流火山岩岩相，数字″0″对应的是火山沉积相带，″0.5″对应的是薄层的爆发岩相。
6.根据权利要求1所述的火山岩岩相的预测方法，其特征在于：在步骤(5)中进行神经网络属性融合，将步骤(3)选择的地震属性作为BP神经网络的输入，将步骤(4)获得的已知井的岩相分类结果作为BP神经网络输出，进行神经网络学习训练，得到神经网络各节点的权系数。
7.根据权利要求6所述的火山岩岩相的预测方法，其特征在于：在步骤(6)中将步骤(3)选择的地震属性输入到步骤(5)训练后的BP神经网络中，进行非线性神经网络计算，最终进行未知区火山岩岩相分布预测。
8.一种火山岩岩相的预测方法，其特征在于包括以下步骤：
(1)模型正演：根据测井及薄片岩性分析结果，井震结合进行精细层位与岩性标定，建立火山岩岩相地质模型并进行地震正演，获取与实际井旁道最匹配地震记录，分析火山岩类强振幅形成机理以及不同火山岩厚度与岩相组合的地震响应特征差异；
(2)地震属性提取：针对火山岩发育的目标层，沿层开时窗提取包括振幅、频率和波形的地震属性，结合步骤(1)获得的岩性标定和模型正演分析结果，测试属性提取时窗大小对结果的影响，分析火山岩岩相及厚度变化时的振幅及频率的变化规律及敏感性，并确定属性时窗大小；
(3)地震属性选择：从多个属性中选择有效区分火山岩岩相的地震属性，选择的地震属性为时窗弧长、振幅频率比、瞬时频率；
(4)火山岩岩相分类：根据研究目标区内的钻井结果，对火山岩岩相进行类别划分，将每个岩相用相应的一个数字表示，划分为三类火山岩岩相：其中数字″1″对应厚层溢流火山岩岩相，数字″0″对应火山沉积相带，数字″0.5″对应薄层的爆发火山岩岩相；
(5)多属性神经网络模式识别：将步骤(3)选择的地震属性数据作为BP神经网络样本输入端，将步骤(4)中所有已知井的岩相分类结果作为BP神经网络样本输出端，在输入输出已知的情况下，对神经网络节点参数进行学习训练，得到神经网络各隐层节点之间的权系数；
(6)岩相预测：将研究目标区选择的地震属性数据作为神经网络输入端，再应用步骤(5)中训练完成的神经网络参数，对研究目标区的火山岩岩相进行计算，井震结合得到火山岩岩相平面分布。
CN201611142635.0A 2016-12-13 2016-12-13 一种火山岩岩相的预测方法 Pending CN106707340A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611142635.0A CN106707340A (zh) 2016-12-13 2016-12-13 一种火山岩岩相的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611142635.0A CN106707340A (zh) 2016-12-13 2016-12-13 一种火山岩岩相的预测方法

Publications (1)

Publication Number Publication Date
CN106707340A true CN106707340A (zh) 2017-05-24

Family

ID=58937181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611142635.0A Pending CN106707340A (zh) 2016-12-13 2016-12-13 一种火山岩岩相的预测方法

Country Status (1)

Country Link
CN (1) CN106707340A (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229011A (zh) * 2017-12-29 2018-06-29 中国地质大学（武汉） 一种页岩岩相发育主控因素判断方法、设备及存储设备
CN108830140A (zh) * 2018-04-28 2018-11-16 中国石油大学(华东) 一种基于电成像测井分形维数的火山岩岩性识别方法
CN109164491A (zh) * 2018-10-15 2019-01-08 中国石油大学(北京) 一种基于分类支持向量机的地震岩相识别方法及系统
CN109212610A (zh) * 2018-10-31 2019-01-15 中国石油化工股份有限公司 基于欧式距离近似匹配的井震数据提取方法
CN109765609A (zh) * 2019-01-30 2019-05-17 中国石油大学(北京) 一种基于目的层与相邻层地震属性的砂体预测方法及系统
CN110554427A (zh) * 2019-07-23 2019-12-10 中国石油化工股份有限公司 一种基于地震波形正演的岩性组合预测方法
CN111077590A (zh) * 2019-12-06 2020-04-28 成都理工大学 顺托果勒地区二叠系-奥陶系火山岩发育特征及分布规律的分析方法
CN111474601A (zh) * 2019-01-24 2020-07-31 中国石油天然气股份有限公司 一种逐级预测火山岩优质储层的方法
CN111596365A (zh) * 2020-06-18 2020-08-28 中国海洋石油集团有限公司 针对盐下湖相碳酸盐岩储层段的火山喷发岩地震解释方法
CN112034515A (zh) * 2020-08-14 2020-12-04 中国海洋石油集团有限公司 一种基于无监督神经网络的火山通道识别方法
CN112083498A (zh) * 2020-10-16 2020-12-15 山东科技大学 一种基于深度神经网络的多波地震油气储层预测方法
CN112394394A (zh) * 2019-08-13 2021-02-23 中国石油化工股份有限公司 一种超深层火山岩的识别方法
CN112485844A (zh) * 2019-09-12 2021-03-12 中国石油天然气股份有限公司 火山岩岩性岩相分布预测方法和预测装置
CN112649865A (zh) * 2019-10-12 2021-04-13 中国石油化工股份有限公司 基于特征子波的火山岩储层识别方法及系统
CN112882092A (zh) * 2021-01-11 2021-06-01 中国海洋大学 一种基于多属性cnn井震联合反演方法、系统、介质及应用
CN113393335A (zh) * 2020-03-13 2021-09-14 中国石油天然气集团有限公司 基于多地震属性优化的储层油气预测方法及装置
CN113589373A (zh) * 2020-04-30 2021-11-02 中国石油化工股份有限公司 井震联合自适应多参数智能岩相识别方法
CN113589368A (zh) * 2020-04-30 2021-11-02 中国石油化工股份有限公司 火成岩影响地震反射特征变化及规律的定量分析方法
CN113655539A (zh) * 2020-05-12 2021-11-16 中国石油化工股份有限公司 测井约束定性预测溢流相火山岩平面展布的方法
CN113655524A (zh) * 2020-05-12 2021-11-16 中国石油化工股份有限公司 利用人工地震数据及地震属性识别火山机构的解释方法
CN114035230A (zh) * 2021-11-08 2022-02-11 庆阳新庄煤业有限公司新庄煤矿 一种基于bp神经网络进行地震多属性联合寻优预测分析方法
CN114152977A (zh) * 2020-09-07 2022-03-08 中国石油化工股份有限公司 基于地质特征约束的储层参数预测方法、装置和存储介质
CN114167498A (zh) * 2021-11-30 2022-03-11 中海石油(中国)有限公司 一种测井和地震属性联合的分步聚类分析方法
CN115421181A (zh) * 2022-07-27 2022-12-02 北京超维创想信息技术有限公司 一种基于深度学习的三维地质模型相控属性建模方法
CN115480310A (zh) * 2021-06-16 2022-12-16 中国石油天然气股份有限公司 一种基于逆多元二次核熵权融合的地震相分析方法
CN115857015A (zh) * 2022-12-15 2023-03-28 吉林大学 一种火山地层中定量预测沉凝灰岩分布的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5444619A (en) * 1993-09-27 1995-08-22 Schlumberger Technology Corporation System and method of predicting reservoir properties
CN1165562A (zh) * 1995-09-19 1997-11-19 埃尔夫·阿奎坦生产公司 自动地震图形识别方法
CN102650702A (zh) * 2012-05-03 2012-08-29 中国石油天然气股份有限公司 一种地震波形分析及储层预测方法和装置
CN104280770A (zh) * 2014-09-28 2015-01-14 中国石油大港油田勘探开发研究院 致密过渡岩储层的预测方法
CN104914467A (zh) * 2015-05-22 2015-09-16 中国石油天然气股份有限公司 提取分类模型道的地震相聚类分析方法
CN105005077A (zh) * 2015-07-06 2015-10-28 成都理工大学 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法
CN105629304A (zh) * 2015-12-29 2016-06-01 中国海洋石油总公司 一种基于多属性的砂体叠合模式识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5444619A (en) * 1993-09-27 1995-08-22 Schlumberger Technology Corporation System and method of predicting reservoir properties
CN1165562A (zh) * 1995-09-19 1997-11-19 埃尔夫·阿奎坦生产公司 自动地震图形识别方法
CN102650702A (zh) * 2012-05-03 2012-08-29 中国石油天然气股份有限公司 一种地震波形分析及储层预测方法和装置
CN104280770A (zh) * 2014-09-28 2015-01-14 中国石油大港油田勘探开发研究院 致密过渡岩储层的预测方法
CN104914467A (zh) * 2015-05-22 2015-09-16 中国石油天然气股份有限公司 提取分类模型道的地震相聚类分析方法
CN105005077A (zh) * 2015-07-06 2015-10-28 成都理工大学 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法
CN105629304A (zh) * 2015-12-29 2016-06-01 中国海洋石油总公司 一种基于多属性的砂体叠合模式识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张洪波等: "高精度地震属性储层预测技术研究", 《天然气工业》 *

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229011B (zh) * 2017-12-29 2021-03-30 中国地质大学（武汉） 一种页岩岩相发育主控因素判断方法、设备及存储设备
CN108229011A (zh) * 2017-12-29 2018-06-29 中国地质大学（武汉） 一种页岩岩相发育主控因素判断方法、设备及存储设备
CN108830140A (zh) * 2018-04-28 2018-11-16 中国石油大学(华东) 一种基于电成像测井分形维数的火山岩岩性识别方法
CN109164491A (zh) * 2018-10-15 2019-01-08 中国石油大学(北京) 一种基于分类支持向量机的地震岩相识别方法及系统
CN109212610B (zh) * 2018-10-31 2021-06-22 中国石油化工股份有限公司 基于欧式距离近似匹配的井震数据提取方法
CN109212610A (zh) * 2018-10-31 2019-01-15 中国石油化工股份有限公司 基于欧式距离近似匹配的井震数据提取方法
CN111474601A (zh) * 2019-01-24 2020-07-31 中国石油天然气股份有限公司 一种逐级预测火山岩优质储层的方法
CN109765609A (zh) * 2019-01-30 2019-05-17 中国石油大学(北京) 一种基于目的层与相邻层地震属性的砂体预测方法及系统
CN110554427A (zh) * 2019-07-23 2019-12-10 中国石油化工股份有限公司 一种基于地震波形正演的岩性组合预测方法
CN110554427B (zh) * 2019-07-23 2024-04-26 中国石油化工股份有限公司 一种基于地震波形正演的岩性组合预测方法
CN112394394A (zh) * 2019-08-13 2021-02-23 中国石油化工股份有限公司 一种超深层火山岩的识别方法
CN112485844B (zh) * 2019-09-12 2023-10-27 中国石油天然气股份有限公司 火山岩岩性岩相分布预测方法和预测装置
CN112485844A (zh) * 2019-09-12 2021-03-12 中国石油天然气股份有限公司 火山岩岩性岩相分布预测方法和预测装置
CN112649865A (zh) * 2019-10-12 2021-04-13 中国石油化工股份有限公司 基于特征子波的火山岩储层识别方法及系统
CN112649865B (zh) * 2019-10-12 2024-04-09 中国石油化工股份有限公司 基于特征子波的火山岩储层识别方法及系统
CN111077590A (zh) * 2019-12-06 2020-04-28 成都理工大学 顺托果勒地区二叠系-奥陶系火山岩发育特征及分布规律的分析方法
CN113393335A (zh) * 2020-03-13 2021-09-14 中国石油天然气集团有限公司 基于多地震属性优化的储层油气预测方法及装置
CN113589368B (zh) * 2020-04-30 2023-12-01 中国石油化工股份有限公司 火成岩影响地震反射特征变化及规律的定量分析方法
CN113589373A (zh) * 2020-04-30 2021-11-02 中国石油化工股份有限公司 井震联合自适应多参数智能岩相识别方法
CN113589368A (zh) * 2020-04-30 2021-11-02 中国石油化工股份有限公司 火成岩影响地震反射特征变化及规律的定量分析方法
CN113655539A (zh) * 2020-05-12 2021-11-16 中国石油化工股份有限公司 测井约束定性预测溢流相火山岩平面展布的方法
CN113655524A (zh) * 2020-05-12 2021-11-16 中国石油化工股份有限公司 利用人工地震数据及地震属性识别火山机构的解释方法
CN113655524B (zh) * 2020-05-12 2023-12-08 中国石油化工股份有限公司 利用人工地震数据及地震属性识别火山机构的解释方法
CN111596365A (zh) * 2020-06-18 2020-08-28 中国海洋石油集团有限公司 针对盐下湖相碳酸盐岩储层段的火山喷发岩地震解释方法
CN111596365B (zh) * 2020-06-18 2023-11-21 中国海洋石油集团有限公司 针对盐下湖相碳酸盐岩储层段的火山喷发岩地震解释方法
CN112034515A (zh) * 2020-08-14 2020-12-04 中国海洋石油集团有限公司 一种基于无监督神经网络的火山通道识别方法
CN112034515B (zh) * 2020-08-14 2023-02-24 中国海洋石油集团有限公司 一种基于无监督神经网络的火山通道识别方法
CN114152977A (zh) * 2020-09-07 2022-03-08 中国石油化工股份有限公司 基于地质特征约束的储层参数预测方法、装置和存储介质
CN114152977B (zh) * 2020-09-07 2023-01-10 中国石油化工股份有限公司 基于地质特征约束的储层参数预测方法、装置和存储介质
CN112083498A (zh) * 2020-10-16 2020-12-15 山东科技大学 一种基于深度神经网络的多波地震油气储层预测方法
CN112882092A (zh) * 2021-01-11 2021-06-01 中国海洋大学 一种基于多属性cnn井震联合反演方法、系统、介质及应用
CN115480310A (zh) * 2021-06-16 2022-12-16 中国石油天然气股份有限公司 一种基于逆多元二次核熵权融合的地震相分析方法
CN115480310B (zh) * 2021-06-16 2024-06-07 中国石油天然气股份有限公司 一种基于逆多元二次核熵权融合的地震相分析方法
CN114035230A (zh) * 2021-11-08 2022-02-11 庆阳新庄煤业有限公司新庄煤矿 一种基于bp神经网络进行地震多属性联合寻优预测分析方法
CN114167498B (zh) * 2021-11-30 2023-09-15 中海石油(中国)有限公司 一种测井和地震属性联合的分步聚类分析方法
CN114167498A (zh) * 2021-11-30 2022-03-11 中海石油(中国)有限公司 一种测井和地震属性联合的分步聚类分析方法
CN115421181B (zh) * 2022-07-27 2023-10-20 北京超维创想信息技术有限公司 一种基于深度学习的三维地质模型相控属性建模方法
CN115421181A (zh) * 2022-07-27 2022-12-02 北京超维创想信息技术有限公司 一种基于深度学习的三维地质模型相控属性建模方法
CN115857015B (zh) * 2022-12-15 2023-10-20 吉林大学 一种火山地层中定量预测沉凝灰岩分布的方法
CN115857015A (zh) * 2022-12-15 2023-03-28 吉林大学 一种火山地层中定量预测沉凝灰岩分布的方法

Similar Documents

Publication Publication Date Title
CN106707340A (zh) 一种火山岩岩相的预测方法
CN107356958B (zh) 一种基于地质信息约束的河流相储层分步地震相预测方法
CN101158724B (zh) 基于偶极小波的储层厚度预测方法
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
CN108802812A (zh) 一种井震融合的地层岩性反演方法
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
CN106842307A (zh) 一种基于正演约束下波形分类再检索的储层精细预测方法
CN108415075A (zh) 一种少井条件下的储层预测方法
CN102736107A (zh) 一种能量约束非均质储层厚度识别系统
CN105093306A (zh) 一种地球物理勘探中储层自动解释与厚度求取方法
CN105005080A (zh) 一种利用振幅比率属性识别地层圈闭尖灭线的方法
Wood Gamma-ray log derivative and volatility attributes assist facies characterization in clastic sedimentary sequences for formulaic and machine learning analysis.
CN111239824A (zh) 一种火山岩岩相的预测方法
CN108663714A (zh) 一种沉积微相刻画方法
CN105116449A (zh) 一种弱反射储层的识别方法
CN106199725A (zh) 一种基于正振幅求和属性的煤岩厚度预测方法及装置
Wood Enhancing lithofacies machine learning predictions with gamma-ray attributes for boreholes with limited diversity of recorded well logs
CN117452518B (zh) 基于多学科数据融合聚类算法的储层岩性预测方法
Changzi et al. Seismic prediction of sweet spots in the Da'anzhai shale play, Yuanba area, the Sichuan Basin
CN108121008A (zh) 一种地震属性预测河道砂空间分布的方法
Yu Hydraulic unit classification of un-cored intervals/wells and its influence on the productivity performance
CN109283577A (zh) 一种地震层位标定方法
CN109425889A (zh) 一种用于刻画古岩溶暗河的方法
CN107329168B (zh) 一种沉积体岩性识别方法及系统
Méndez et al. Predicting and 3D modeling of karst zones using seismic facies analysis in Ordovician carbonates of the Tahe oilfield, China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170524

RJ01 Rejection of invention patent application after publication