CN106842307A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106842307A CN106842307A CN201510877968.7A CN201510877968A CN106842307A CN 106842307 A CN106842307 A CN 106842307A CN 201510877968 A CN201510877968 A CN 201510877968A CN 106842307 A CN106842307 A CN 106842307A
- Authority
- CN
- China
- Prior art keywords
- waveform
- reservoir
- different type
- facies
- 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.)
- 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
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/614—Synthetically generated data
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- 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
- G01V2210/665—Subsurface modeling using geostatistical modeling
Abstract
本发明是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,包括:选取有效范围由大区域多相带变为小区域单一相带;将单一相带内储层划分为不同类型,并总结不同类型储层沉积特征和叠后地震反射特征;通过波动方程正演模拟出各类储层典型波形;使用井控混合相位子波反褶积方式对单一相带地震资料进行拓频处理;使用无监督神经网络分类方法对单一相带范围进行初步波形分类;重构波形模型道,再次波形分类,实现波形检索。本发明利用波动方程正演建立储层类型与波形对应关系,波形初步分类再检索实现某一相带内不同类型储层的精细预测,是一种有效、快速、识别小范围同一相带内不同类型储层的精细预测技术。
Description
技术领域
本发明涉及地震资料中的储层精细预测技术领域,特别是涉及到无监督的波形分类和已钻井监督波形分类优势相结合,利用波动方程正演建立储层类型与波形对应关系,波形初步分类后再波形检索实现某一相带内不同类型储层的精细预测方法。
背景技术
信号的波形特征是振幅、相位、时窗等信息的综合表征,地震波属于信号的一种,所以在物理意义上地震波形是地震反射波振幅、相位、频率等反射特征的综合表现。而地质意义上地震波形又是地下地质体岩性、物性、流体性质、结构、构造的综合响应,所以地震波形分析是沟通地球物理特征与地下地质特征的重要桥梁。任何与地震波传播有关的地质和地球物理参数都可以通过地震道波形的变化表现出来。
当前波形分析的应用主要体现在地震解释和波形分类预测地震相两个方面。波形分类预测地震相是以地震波形的物理意义和地质意义为理论依据。通过对地震波形进行分类,根据波形横向变化来进行大级别地震相划分,能够识别出三角洲前缘亚相、坡移扇、浊积岩等沉积相类型。但是波形分类预测技术目前存在以下两个问题。
第一个问题是随着陆上油气勘探方向由大型构造油气藏向隐蔽油气藏,特别是向岩性油气藏和微伏构造油气藏等方向转变,勘探难度越来越大,需求精度越来越高。地球物理技术是地震相、储层预测的常用和有利手段,这就要求地球物理技术必须不断进步创新以满足勘探需求。在当前油田实际勘探生产中已经要求预测精度达到沉积微相级别,甚至要求能够直接预测小范围同一相类型中不同类型储层以达到精细勘探的目的。而当前广泛使用的无监督神经网络分析技术进行波形分类识别地震相主要针对的是大区域范围研究,识别精度集中在相和亚相级别,不能够识别同相带内不同类型储层,已经不能够满足实际勘探开发的需要。那么如何实现预测范围由大到小,预测精度由模糊到精细,预测目的由区分沉积亚相到区分同一相带中不同类型储层也是当前波形分析技术亟需填充的空白。
第二个问题是当前主要使用的无监督神经网络地震波形分类技术,虽然可以实现无井监督自动聚类,但是考虑到地震资料从采集到最终处理成图受到地下地质情况、采集设备、噪声及其它干扰、以及后期处理手段等多种因素的综合影响,导致地震资料具有一定多解性,完全无监督的神经网络波形聚类常常会导致地震分类与地质体分类不匹配的情况。研究精度越高、沉积相或储层级别越小,这种不匹配情况越明显。那么如何能既有效地保留神经网络波形分类不受模型和井的限制,真实反映地震数据体波形变化情况的优势,又能够增加已钻井监督,以避免出现由地震资料多解性导致地震、地质体分类不统一而重复试验分类的情况,目前尚未有有效方法。
发明内容
本发明的目的是针对如何解决以上两个问题,提出了一种通过正演模拟典型波形实现井控约束,使无监督自动神经网络波形分类与已钻井监督波形分类二者优势有效结合,实现地震波形与地质体实现更有效对接,在圈定相带范围内进行波形再检索,有效、快速、识别小范围同一相带内不同类型储层的基于正演约束下波形分类再检索的储层精细预测方法。
本发明目的通过如下技术流程来实现:
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,包括:
将区域地震相分析结果与沉积相分析结果相结合,选取有效范围由区域多相带变为单一相带;
根据钻遇井测井、录井资料和叠前时间偏移地震资料,分析对波形产生影响的沉积要素,并以此为依据,将单一相带内储层划分不同类型,并总结各类型储层沉积特征和叠后地震响应特征;
分类之后根据不同类型储层岩性特征设计模型,通过高阶有限差分波动方程正演模拟出各类储层典型波形;使用Geoscope多井子波控制的井控混合相位子波反褶积方式对单一相带地震资料进行拓频处理;
使用无监督神经网络分类方法对单一相带范围进行初步波形分类;
将无监督神经网络波形初步分类与波动方程正演模拟提取的典型波形结合,重构波形模型道,再次波形分类,实现波形检索。
上述方案的具体实施步骤包括:
1)选取单一相带储层有利发育区:相带在精细层位解释的基础上,利用神经网络波形聚类方法划进行区域地震相划分,再结合区域沉积背景、地质统计的沉积相及古地貌分析确定目的相带的有利发育区带,然后以有利发育区为研究目标,实现研究范围的由多相带到单一相带内部;
2)划分储层类型,总结沉积特征:根据钻遇目的层的已知测井、录井资料综合地质分析将已确定的单一相带内储层划分成不同类型,并总结地质特征;
3)总结不同类型储层叠后地震响应特征:根据测井、录井及叠后地震成果资料分析确定选定区带的地球物理参数特征,进一步选择过井实际地震剖面采用高阶有限差分算法进行波动方程正演模拟,再结合叠后地震资料,总结已划分的不同类型储层的叠后地震响应特征;
4)波速度特征、频率特征确定研究区带内储层识别合适频带采用Geoscope多井子波控制的混合相位子波反褶积技术对地震资料进行处理,得到拓频后地震数据体;
5)正演模拟提取不同类型储层典型波形模板;根据前面总结的不同类型储层的岩性组合特征及叠后地震响应特征建立不同类型储层典型地质模型,进行高阶有限差分波动方程正演模拟,在得到的正演成果剖面上,提取到不同类型储层的波形作为典型波形模板;
6)无监督神经网络波形聚类后波形模型道重构:使用拓频后的地震资料在已选取的单一相带内进行无监督的神经网络波形分类,分类数大于储层类别个数,聚类后导出无监督分类的波形模型道文件,通过编辑波形文件采样点数值的方式,将无监督储层相关的波形替换成正演提取的不同类型储层的典型波形,得到重构后的波形模型道;
7)波形检索实现储层精细预测:拓频地震数据与重构后模型道重新对比,波形归类成图,实现波形检索,最终得到不同类型储层发育范围的精细预测图。
其中步骤2)已知测井、录井资料包括时窗内的岩性组合、上下围岩关系或砂岩百分含量。步骤3)正演前需要进行分析的物理参数包括单一相带内目的层段主频、纵波速度、密度。步骤4)通过统计的不同类型储层的岩性组合、薄储层厚度范围、纵波速度参数,根据公式薄储层厚度=速度/4*拓频频率,求出拓频的目的频带范围。
本发明的技术方案的主要效果体现在:既保留了无监督神经网络分类,真实全面反映地震信息变化的优点,加入了实际井监督下地质分类后正演提取波形模板作为约束,增强了地震分类与地质分类的匹配程度,降低了地震信息多解性产生的误差。本发明将以往只应用于区域的、精度有限的、地震相领域的波形分析技术拓展到单一相类型下不同类型储层的精细预测领域,使地震波形的特征性和敏感性得到充分利用,精细刻画出不同类型储层。本发明应用范围广,可以应用于浊积岩、滩坝、坡移扇各沉积发育区内不同类型储层的精细预测,实现无监督与有监督优势相结合、正演约束波形分类和相带内储层的精细预测。本发明能够有效筛选并快速逼近有利勘探目标,刻画有利勘探目标区边界,实现储集体精细、逐类检索的功能的。
附图说明
图1为本发明的波形检索技术方法流程图;
图2牛庄洼陷沙s3z4区域地震相分析;
图3过S136-W120原始地震剖面;
图4实际地质模型正演剖面;
图5不同类型坡移扇叠后地震特征总结表;
图6复赛谱域数提取子波振幅谱及相位谱;
图7拓频提高地震资料分辨率;
图8原始地震剖与拓频后地震剖面对比;
图9波动方程正演模拟提取不同类型储层波形;
图10编辑波形模型道种子文件数值实现波形重构;
图11波形检索识别牛庄洼陷s3z4坡移扇发育区内不同类型坡移扇储层图,
其中(a)牛庄洼陷s3z4坡移扇波形检索结果图;(b)牛庄洼陷s3z4坡移
扇波形检索结果识别不同类型储层;
图12不同类型坡移扇预测面积。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
首先对照图1的标记1-5并结合本发明的技术方案进行总体说明:
1-使研究范围由区域多相带变为单一相带内部,根据传统地震相分析结合沉积相分析(厚度等值线图、古地貌),圈定单一相带范围,精细落实有利发育区边界。
2-以优化波形精度为目的对地震资料进拓频行处理,使用Geoscope多井子波控制的混合相位子波反褶积技术对研究工区地震资料进行拓频处理。与常规拓频选取平均子波,均匀介质相比,井控混合相位子波拓频多井子波控制,保存更多的地层变化信息、层段反射信息更加丰富。处理后的地震数据体主频提高,频带拓宽。
3-根据已钻井测、录井资料分析,确定对波形敏感的沉积要素,并以此为依据,对单一相带内不同类型储层进行波形相关地质分类。分类之后根据不同类型储层岩性特征设计模型,波动方程正演模拟出各类储层典型波形,目的是增加已钻井监督,避免出现由地震资料多解性导致地震波形分类与地质分类不匹配情况。
4-使用无监督神经网络波形分类技术对单一相带范围进行初步波形分类,这样初步波形分类具有不受模型和井限制的优势,能够纯粹、真实反映地震数据体波形变化情况。
5-将第4步得到的无监督神经网络波形初步分类方案与第3步得到的井控波动方程正演模拟提取的典型波形结合,重构波形模型道,再次波形分类,无监督自动神经网络波形分类与已钻井监督波形分类二者优势有效结合,实现地震波形与地质体实现更有效对接
下面结合附图1-12对本发明的具体实施步骤进行详细说明:
选定专一相带储层有利发育区。相带在精细层位解释的基础上,利用神经网络波形聚类方法划进行区域地震相划分(图2),再结合区域沉积背景、地质统计的沉积相及古地貌分析确定目的相带的有利发育区带。然后以有利发育区为研究目标,实现研究范围的由大至小(由多相带到专一相带内部)。在油田勘探中所研究的目的相带主要指有利储层发育的专一相带,例如:浊积岩有利发育相带、滩坝有利发育相带。
划分储层类型,总结沉积特征。根据钻遇目的层的已知测井、录井资料((时窗内的岩性组合、上下围岩关系或砂岩百分含量等因素)(图3)综合地质分析将已确定的有利相带内储层划分成不同类型,并总结地质特征(图5)。
总结不同类型储层叠后地震响应特征。测、录井及叠后地震成果资料分析确定选定区带的地球物理参数特征。进一步选择过井实际地震剖面采用高阶有限差分算法进行波动方程正演模拟(图4),再结合叠后地震成果资料,总结已划分的不同类型储层的叠后地震响应特征(图5)。
拓频提高地震资料精度和分辨率。根据前面总结的不同类型储层厚度、纵波速度特征、频率特征确定研究区带内储层识别合适频带采用Geoscope多井子波控制的混合相位子波反褶积技术(图6)对地震资料进行处理,得到拓频后地震数据体(图7),提高资料纵向横向识别精度,利于波形分类(图8)。
正演模拟提取不同类型储层典型波形模板。根据前面总结的不同类型储层的岩性组合特征及叠后地震响应特征(图5)建立不同类型储层典型地质模型,进行高阶有限差分波动方程正演模拟,在得到的正演成果剖面上,可以提取到不同类型储层的波形作为典型波形模板(图9)。
无监督神经网络波形聚类后波形模型道重构。使用拓频后的地震资料在已圈定的目的相带内进行无监督的神经网络波形分类,分类数大于储层类别个数。聚类后导出无监督分类的波形模型道文件,通过编辑波形文件采样点数值的方式,将无监督储层相关的波形替换成正演提取的不同类型储层的典型波形(图10),得到重构后的波形模型道。
波形检索实现储层精细预测。拓频地震数据与重构后模型道重新对比,波形归类成图,实现波形检索,最终得到不同类型储层发育范围的精细预测图(图11)。
下面通过典型应用实例对本发明进行说明。
斜坡扇油气藏是东营凹陷牛庄洼陷重点勘探的岩性油气藏之一,具有很大的勘探潜力。斜坡扇体不同于浊积岩与三角洲,分布范围多位于二者之间的坡折带上,沉积特征和地球物理特征非常独特,油田勘探工作者又称之为坡移扇
为使本发明的目的、内容、特征、优点更明显易懂,下面以牛庄洼陷沙三中不同类型坡移扇储层精细识别为例说明技术的具体实施方式:
第一步:对目的层位进行神经网络波形聚类,依据区域地震相分析结果,结合沉积相分析,落实坡移扇有利发育区(图2)。
第二步:对有利发育相带内已钻井钻遇坡移扇储层进行成因机制、岩性组合、上下围岩关系或砂岩百分含量等因素进行综合地质分析,将坡移扇储层划分成不同类型并总结沉积特征(图3、图5):滑动-厚砂型(坡移扇厚度20m-40m,单砂体厚度4m-15m)、滑塌-薄互层型(坡移扇厚度15m-25m,单砂体厚度1m-4m)、碎屑流-厚层泥岩夹薄层砂型(坡移扇厚度4m-15m,单砂体厚度1m-2m)。
第三步:测、录井及叠后地震成果资料分析确定坡移扇储层发育区的地球物理参数特征:研究区多口井提取目的层主频为26HZ-31HZ,工区纵波速度进行分析:砂岩速度区间3000~4500m/s;泥岩、灰钙质泥岩、油页岩速度区间2200~3500m/s。通过过井实际地震剖面采用高阶有限差分算法进行波动方程正演模拟(图4),再结合叠后地震成果资料,总结滑动-厚砂型、滑塌-薄互层型、碎屑流-厚层泥岩夹薄层砂型坡移扇叠后地震响应特征(图5)。
第四步:根据坡移扇储层厚度、纵波速度特征以及频率特征,计算研究区带内有利坡移扇储层识别的频带范围30-80HZ。使用Geoscope多井子波控制的混合相位子波反褶积技术对研究工区地震资料进行拓频处理(图6),得到拓频后地震数据体(图7),使主频由28-31HZ提高到28-45HZ,频带范围由0-42HZ拓宽到0-80HZ。提高了地震资料分辨率与波形精度(图8)。
第五步:根据前面总结的三种坡移扇储层的岩性组合特征及叠后地震响应特征(图5)建立不同类型储层典型地质模型,进行高阶有限差分波动方程正演模拟,在得到的正演剖面上,可以提取到三种类型坡移扇波形作为典型波形模板。(图9)。
第六步:在第一步落实的坡移扇发育相带范围内,使用拓频后的地震数据体,采用无监督神经网络波形分类法进行初步波形分类,由此得到存储着波形分类信息的、可编辑的波形模型道种子文件。
第七步:根据第五步得到的各类型坡移扇储层的典型波形,重构第六步中初步波形分类方案中得到的储层波形模型道,可以通过改变无监督波形分类种子文件的波形采样点数值实现(图10)。
第八步:在坡移扇发育区内,使用重构后的波形模型道,对拓频后地震数据体再次波形聚类。即地震数据体波形与重构模型道的不同类型坡移扇典型波形相互对比、聚类,实现波形检索,完成对坡移扇不同类型储层的精确预测,得到不同类型坡移扇分布图(图11)。
第九步:通过坡移扇预测成果图件,根据不同类型坡移扇与有效储层的对应关系,实现对优势储层的快速定位和面积预测(图11、图12)
通过上述实施例进一步说明,本发明的基于正演约束的波形分类再检索的储层精细预测方法,通过地震相和沉积相分析落实单一相类型分布范围,已钻井监督建立储层类型与波形的联系,正演模拟提取不同类型储层波形,在落实范围内无监督神经网络波形分类方案与正演模拟提取的地质波形分类方案结合,重构波形模型道,避免地震分类与地质分类不统一,波形再检索,最终实现单一相带内储层精细预测。此项技术能满足当前油田实际勘探生产中预测小范围同一相类型中不同类型储层的需求。同时此项技术既保留了无监督神经网络分类真实全面反映地震信息变化的优点,又加入了实际井监督下地质分类后正演提取波形模板作为约束,增强了地震分类与地质分类的匹配程度,降低了地震信息多解性产生的误差,所以此项技术满足油田精细勘探的需求,快速、有效、直观的实现储层精细预测。
Claims (5)
1.一种基于正演约束下波形分类再检索的储层精细预测方法,其特征在于包括:
将区域地震相分析结果与沉积相分析结果相结合,选取有效范围由区域多相带变为单一相带;
根据钻遇井测井、录井资料和叠前时间偏移地震资料,分析对波形产生影响的沉积要素,并以此为依据,将单一相带内储层划分不同类型,并总结各类型储层沉积特征和叠后地震响应特征;
分类之后根据不同类型储层岩性特征设计模型,通过高阶有限差分波动方程正演模拟出各类储层典型波形;使用Geoscope多井子波控制的井控混合相位子波反褶积方式对单一相带地震资料进行拓频处理;
使用无监督神经网络波形分类方法对单一相带范围进行初步波形分类;
将无监督神经网络波形初步分类产生的模型道波形与波动方程正演模拟提取的典型波形结合,重构波形模型道,再次波形分类,实现波形检索。
2.根据权利要求1所述的正演约束下波形分类再检索的储层精细预测方法,其特征在于具体实施步骤包括:
1)选取单一相带储层有利发育区:相带在精细层位解释的基础上,利用神经网络波形聚类方法划进行区域地震相划分,再结合区域沉积背景、地质统计的沉积相及古地貌分析确定目的相带的有利发育区带,然后以有利发育区为研究目标,实现研究范围由多相带转变到单一相带内部;
2)划分储层类型,总结沉积特征:根据钻遇目的层的已知测井、录井资料综合地质分析将已确定的单一相带内储层划分成不同类型,并总结地质特征;
3)总结不同类型储层叠后地震响应特征:根据测井、录井及叠后地震成果资料分析确定选定区带的地球物理参数特征,进一步选择过井实际地震剖面采用高阶有限差分算法进行波动方程正演模拟,再结合叠后地震资料,总结已划分的不同类型储层的叠后地震响应特征;
4)波速度特征、频率特征确定研究区带内储层识别合适频带采用Geoscope多井子波控制的混合相位子波反褶积技术对地震资料进行处理,得到拓频后地震数据体;
5)正演模拟提取不同类型储层典型波形模板;根据前面总结的不同类型储层的岩性组合特征及叠后地震响应特征建立不同类型储层典型地质模型,进行高阶有限差分波动方程正演模拟,在得到的正演成果剖面上,提取到不同类型储层的波形作为典型波形模板;
6)无监督神经网络波形聚类后波形模型道重构:使用拓频后的地震资料在已选取的单一相带内进行无监督的神经网络波形分类,分类数大于储层类别个数,聚类后导出无监督分类的波形模型道文件,通过编辑波形文件采样点数值的方式,将无监督储层相关的波形替换成正演提取的不同类型储层的典型波形,得到重构后的波形模型道;
7)波形检索实现储层精细预测:拓频地震数据与重构后模型道重新对比,波形归类成图,实现波形检索,最终得到不同类型储层发育范围的精细预测图。
3.根据权利要求2所述的正演约束下波形分类再检索的储层精细预测方法,其特征在于步骤2)已知测井、录井资料包括时窗内的岩性组合、上下围岩关系或砂岩百分含量。
4.根据权利要求2所述的正演约束下波形分类在检索的储层精细预测方法其特征在于步骤3)正演前需要进行分析的物理参数包括单一相带内目的层段主频、纵波速度、密度。
5.据权利要求2所述的正演约束下波形分类在检索的储层精细预测方法其特征在于步骤4)通过统计的不同类型储层的岩性组合、薄储层厚度范围、纵波速度参数,根据公式薄储层厚度=速度/4*拓频频率,求出拓频的目的频带范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510877968.7A CN106842307B (zh) | 2015-12-04 | 2015-12-04 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510877968.7A CN106842307B (zh) | 2015-12-04 | 2015-12-04 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106842307A true CN106842307A (zh) | 2017-06-13 |
CN106842307B CN106842307B (zh) | 2020-10-13 |
Family
ID=59149364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510877968.7A Active CN106842307B (zh) | 2015-12-04 | 2015-12-04 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106842307B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576984A (zh) * | 2017-07-27 | 2018-01-12 | 中国石油天然气集团公司 | 地震振幅属性提取过程中时窗的确定方法和装置 |
CN108415075A (zh) * | 2018-01-24 | 2018-08-17 | 中国海洋石油集团有限公司 | 一种少井条件下的储层预测方法 |
CN108646291A (zh) * | 2018-05-04 | 2018-10-12 | 北京信息科技大学 | 基于果蝇神经网络算法的子波整形反褶积处理方法及装置 |
CN109425889A (zh) * | 2017-08-22 | 2019-03-05 | 中国石油化工股份有限公司 | 一种用于刻画古岩溶暗河的方法 |
CN109581489A (zh) * | 2017-09-28 | 2019-04-05 | 中国石油化工股份有限公司 | 嵌套式地震相的提取方法及系统 |
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 |
CN110687596A (zh) * | 2019-10-17 | 2020-01-14 | 中国石油化工股份有限公司 | 基于最小地震波形单元分类的层位自动解释方法 |
CN111025384A (zh) * | 2019-11-26 | 2020-04-17 | 中国石油天然气股份有限公司 | 基于波形分类交汇融合的储层预测方法和装置 |
CN112379442A (zh) * | 2020-11-02 | 2021-02-19 | 中国石油天然气集团有限公司 | 地震波形分类方法及装置 |
CN112392469A (zh) * | 2019-08-12 | 2021-02-23 | 中国石油天然气集团有限公司 | 储层特征分类确定方法及装置 |
CN113156505A (zh) * | 2021-04-16 | 2021-07-23 | 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 |
CN113325472A (zh) * | 2021-05-21 | 2021-08-31 | 成都理工大学 | 基于主成分分析的地震波场次成分提取方法 |
CN113484907A (zh) * | 2021-08-16 | 2021-10-08 | 西南石油大学 | 一种预测不同类型储层平面上分布的方法 |
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 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104570067A (zh) * | 2013-10-11 | 2015-04-29 | 中国石油化工股份有限公司 | 一种地球物理勘探中相控地震反演方法 |
CN104977611A (zh) * | 2014-04-08 | 2015-10-14 | 中国石油化工股份有限公司 | 一种生物礁储层雕刻方法 |
-
2015
- 2015-12-04 CN CN201510877968.7A patent/CN106842307B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104570067A (zh) * | 2013-10-11 | 2015-04-29 | 中国石油化工股份有限公司 | 一种地球物理勘探中相控地震反演方法 |
CN104977611A (zh) * | 2014-04-08 | 2015-10-14 | 中国石油化工股份有限公司 | 一种生物礁储层雕刻方法 |
Non-Patent Citations (6)
Title |
---|
MARCÍLIO CASTRO DE MATOS ET AL.: "Unsupervised seismic facies analysis using wavelet transform and self-organizing maps", 《GEOPHYSICS》 * |
刘豪等: "《油气储层地震综合预测技术及应用》", 31 October 2013, 中国地质大学出版社有限责任公司 * |
唐湘蓉: "生物礁滩储层预测与流体识别研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
张昆: "塔里木盆地 JY 地区火成岩地震相与地震反演的应用研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
张杰等: "地震相分析技术在马岭油田储层预测中的应用", 《天然气地球科学》 * |
王甜: "CQ地区高分辨率层序地层划分方法", 《油气地球物理》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576984B (zh) * | 2017-07-27 | 2019-05-07 | 中国石油天然气集团公司 | 地震振幅属性提取过程中时窗的确定方法和装置 |
CN107576984A (zh) * | 2017-07-27 | 2018-01-12 | 中国石油天然气集团公司 | 地震振幅属性提取过程中时窗的确定方法和装置 |
CN109425889B (zh) * | 2017-08-22 | 2020-10-20 | 中国石油化工股份有限公司 | 一种用于刻画古岩溶暗河的方法 |
CN109425889A (zh) * | 2017-08-22 | 2019-03-05 | 中国石油化工股份有限公司 | 一种用于刻画古岩溶暗河的方法 |
CN109581489A (zh) * | 2017-09-28 | 2019-04-05 | 中国石油化工股份有限公司 | 嵌套式地震相的提取方法及系统 |
CN108415075B (zh) * | 2018-01-24 | 2019-09-06 | 中国海洋石油集团有限公司 | 一种少井条件下的储层预测方法 |
CN108415075A (zh) * | 2018-01-24 | 2018-08-17 | 中国海洋石油集团有限公司 | 一种少井条件下的储层预测方法 |
CN108646291B (zh) * | 2018-05-04 | 2019-11-12 | 北京信息科技大学 | 基于果蝇神经网络算法的子波整形反褶积处理方法及装置 |
CN108646291A (zh) * | 2018-05-04 | 2018-10-12 | 北京信息科技大学 | 基于果蝇神经网络算法的子波整形反褶积处理方法及装置 |
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 |
CN112392469A (zh) * | 2019-08-12 | 2021-02-23 | 中国石油天然气集团有限公司 | 储层特征分类确定方法及装置 |
CN110687596B (zh) * | 2019-10-17 | 2021-07-06 | 中国石油化工股份有限公司 | 基于最小地震波形单元分类的层位自动解释方法 |
CN110687596A (zh) * | 2019-10-17 | 2020-01-14 | 中国石油化工股份有限公司 | 基于最小地震波形单元分类的层位自动解释方法 |
CN111025384A (zh) * | 2019-11-26 | 2020-04-17 | 中国石油天然气股份有限公司 | 基于波形分类交汇融合的储层预测方法和装置 |
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 |
CN112379442A (zh) * | 2020-11-02 | 2021-02-19 | 中国石油天然气集团有限公司 | 地震波形分类方法及装置 |
CN113156505A (zh) * | 2021-04-16 | 2021-07-23 | 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 |
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 |
US11656376B2 (en) | 2021-04-16 | 2023-05-23 | Chengdu University Of Technology | Method for identifying reef-shoal reservoir in faulted lacustrine basin based on “basement structure-paleogeomorphology-seismic facies” progressive constraint |
CN113325472A (zh) * | 2021-05-21 | 2021-08-31 | 成都理工大学 | 基于主成分分析的地震波场次成分提取方法 |
CN113484907A (zh) * | 2021-08-16 | 2021-10-08 | 西南石油大学 | 一种预测不同类型储层平面上分布的方法 |
CN113484907B (zh) * | 2021-08-16 | 2023-07-25 | 西南石油大学 | 一种预测不同类型储层平面上分布的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106842307B (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109061765B (zh) | 非均质薄砂岩互层油藏的圈闭评价方法 | |
CN111257926B (zh) | 一种利用老旧地震资料进行古河谷铀储层预测的方法 | |
CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
CN106707340A (zh) | 一种火山岩岩相的预测方法 | |
CN106597543B (zh) | 一种地层沉积相划分方法 | |
CN105445800A (zh) | 一种厚层砂体顶部分异岩性油藏的识别方法 | |
CN109541685B (zh) | 一种河道砂体识别方法 | |
CN111175819B (zh) | 井震多级约束的砂砾岩扇体沉积相带精细划分方法 | |
CN110824563A (zh) | 一种基于Xgboost算法的储层岩性预测方法 | |
CN104280770A (zh) | 致密过渡岩储层的预测方法 | |
CN105116449A (zh) | 一种弱反射储层的识别方法 | |
CN110717301A (zh) | 一种基于支持向量机算法的流动单元信息分类识别方法 | |
CN111239824A (zh) | 一种火山岩岩相的预测方法 | |
CN110927817B (zh) | 一种薄层叠置河道水平井轨迹优化设计及控制的方法 | |
CN112505754B (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
CN104516019B (zh) | 一种基于频谱形状的油气预测方法 | |
CN107132574B (zh) | 一种海相地层碎屑岩岩性组合的预测方法 | |
CN116856845A (zh) | 一种致密砂岩气藏水平井地质导向方法 | |
Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
CN109083640B (zh) | 海上河流相油藏边部储量有效动用方法 | |
CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
CN107831537B (zh) | 高砂地比浊积岩储层描述方法 | |
Hami-Eddine et al. | Anomaly detection using dynamic Neural Networks, classification of prestack data | |
CN115576011B (zh) | 一种基于地质模型的相控储层预测方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |