CN107544091A - 一种高精度储层孔隙度定量预测方法及其应用 - Google Patents

Abstract

本发明提供一种高精度储层孔隙度定量预测的方法，应用于地震油气勘探中储层物性的解释，包括以下步骤：1、利用测井曲线计算弹性参数，将弹性参数值变换到同等的值域范围；2、统计研究区目的层段各弹性参数与孔隙度的相关系数，按照相关系数高低排序；3、利用相关系数最高的前两个弹性参数，以孔隙度作为目标曲线，采用坐标旋转思路，建立一个新的弹性参数PI（Porosity Impedance）；4、利用地震叠前反演的成果，生成PI数据体；5、采用地质统计协模拟，生成孔隙度数据体。本方法具有操作简便，大幅提高孔隙度的定量预测精度的优点。

Description

一种高精度储层孔隙度定量预测方法及其应用

技术领域

本发明属于地震信息处理技术领域，具体涉及一种高精度储层孔隙度定量预测方法及其应用。

背景技术

孔隙度是储层研究中的基本参数，一般而言，储层中孔隙度越大，储集油气能力越强。目前，地球物理学者为提高孔隙度的预测精度提出了各种有针对性的方法，并取得了一定的进展。

利用地震资料进行孔隙度预测，大致可以分为几类，其一：建立单个属性与孔隙度的关系，一般而言，在所有的弹性参数中，密度与孔隙度的相关性最好，由于密度反演受道集资料信噪比、角度范围、反演算法等影响，一般很难获取高精度的密度反演数据体，因此在实际生产中，往往是通过建立测井声波阻抗与孔隙度的关系式，然后将此关系式应用在反演的声波阻抗，计算出孔隙度数据体，此方法简便易行，但得到的孔隙度数据体精度相对较低。

其二：建立多种属性与孔隙度的关系，由于地震属性中蕴含了地层岩性、储层物性、流体等信息，有效的挖掘地震属性信息，可以用于孔隙度的预测。由于地震属性种类繁多，需要对属性进行优选，Hampson et al.(2001)采用step-wise优选，建立单个属性与孔隙度的相关系数表，然后选择相关性高的属性，采用多元线性回归（ Pramanik et al.,2004）、神经网络方法（Liu and Liu, 1998; Zhang et al., 2000; An et al., 2001;Leiphart and Hart, 2001; Tonn, 2002; Walls et al., 2002; Saggaf et al.,2003a，Li et al.,2011，AlBinHassan and Wang，2011）、或者遗传优化算法（Dorringtonand Link，2004） 等预测孔隙度，遗传算法在寻得最优孔隙度方面具有优势，但计算效率偏低，多元线性回归跟单属性回归一样，精度依然相对偏低，神经网络方法受网络结构及网络类型等影响，容易陷入局部最优解，而且在某些情况下，神经网络容易出现过拟合现象，对复杂地质情况下的孔隙度预测，效果较差。

其三：以岩石物理模型（Mavko et,al,2009Dario Grana，2016）为驱动，在贝叶斯反演框架下(Spikes K et al.,2007,Buland A et al.,2008,Grana D and Rossa E D,2010)，将储层物性参数的先验信息、岩石物理模型和叠前地震正演模拟结合，通过地质统计学随机反演，获取储层的物性参数及弹性参数。该方法往往采用非线性随机反演算法，将模型参数看作随机变量，通过一定规则的模型参数扰动，产生大量的模型，并对这些模型进行计算，将正演模拟的结果与实际观测数据进行比较，根据一定的准则，来确定是否接受该模型，理论上讲，随机反演不依赖于初始猜想，不容易陷入局部解中，此类方法能强化对研究工区岩石物理与地震数据的关系认识，可以获得储层物性的边缘概率，是目前被广泛研究的一种方法。对于实际生产来讲，此类方法对叠前道集的资料品质要求较高，对岩石物理模型的精度要求较高，计算效率相对较低，制约了在实际生产中的普及。

发明内容

为了解决上述问题，本发明提供一种高精度储层孔隙度定量预测方法，所述方法包括：

S1：利用测井曲线计算各种弹性参数，将弹性参数值变换到同等的值域范围；

S2：统计研究区目的层段各弹性参数与孔隙度的相关系数，按照相关系数高低排序；

S3：利用相关系数最高的前两个弹性参数，以孔隙度作为目标曲线，采用坐标旋转方法，建立一个新的弹性参数PI；

S4：利用地震叠前反演的成果，生成PI数据体；

S5：采用地质统计协模拟，生成孔隙度数据体；

进一步地，所述S1中弹性参数包括杨氏模量、体积模量、拉梅系数、泊松比，LR、MR和PDF；

进一步地，所述S3包括：

S31：选择2个相关系数最高的弹性参数E1、E2:；

S32：以孔隙度作为目标曲线，采用坐标旋转建立PI=E1*cosθ-E2*sinθ，其中θ为最优的角度；

S33：选择LR和PDF作为最优的弹性参数，其中LR表示E1，PDF表示E2；

S34：选择目标孔隙度，带入到PI公式中，进行坐标旋转，确定与孔隙度相关系数最高的角度；

进一步地，所述S4具体为通过S3得到的PI，采用地质统计学协模拟技术，建立弹性参数与孔隙度的变差函数；

进一步地，所述S5具体为通过S1-S3所述步骤，计算PI数据体，然后采用地质统计学模拟，计算孔隙度数据体；

本发明的有益效果如下：

1）通过计算弹性参数与孔隙度的相关系数和新的弹性参数PI，能直观的分析各种弹性参数与孔隙度的相关程度，避免了弹性参数选择的盲目性，大大提高弹性参数与孔隙度的相关度；

2）通过计算的PI数据体，利用变差函数分析，建立PI弹性参数与孔隙度的变差函数，能大大提高已知井孔隙度的吻合度；

3）本发明所述方法具有操作简便，大幅提高孔隙度的定量预测精度的优点。

附图说明

图1为本发明中所述弹性参数图；

图2为本发明中所述各弹性参数与孔隙度的交会图；

图3为本发明中所述最佳角度265度弹性曲线图；

图4为本发明中所述最佳角度优选的PI曲线图；

图5为本发明中所述PI与孔隙度曲线的交会图；

图6为本发明中所述波阻抗与孔隙度的变差函数图；

图7为本发明中所述PI与孔隙度的变差函数图；

图8为本发明中所述基于声波阻抗的孔隙度联井剖面图；

图9为本发明中所述基于PI的孔隙度联井剖面图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

下面结合附图和具体实施例对本发明作进一步说明，但不作为对本发明的限定。下面为本发明的举出最佳实施例：

如图1-图9所示，一种高精度储层孔隙度定量预测方法，所述方法包括：

S1：利用测井曲线计算弹性参数，将弹性参数值变换到同等的值域范围；

S2：统计研究区目的层段各弹性参数与孔隙度的相关系数，按照相关系数高低排序；

S3：利用相关系数最高的前两个弹性参数，以孔隙度作为目标曲线，采用坐标旋转方法，建立一个新的弹性参数PI；

S4：利用地震叠前反演的成果，生成PI数据体；

S5：采用地质统计协模拟，生成孔隙度数据体。

所述S1中弹性参数包括杨氏模量、体积模量、拉梅系数、泊松比、LR、MR和PDF。

所述S3包括：

S31：选择2个相关系数最高的弹性参数E1、E2；

S32：以孔隙度作为目标曲线，采用坐标旋转建立PI=E1*cosθ-E2*sinθ，其中θ为最优的角度；

S33：选择LR和PDF作为最优的弹性参数，其中LR表示E1，PDF表示E2；

S34：选择目标孔隙度，带入到PI公式中，进行坐标旋转，确定与孔隙度相关系数最高的角度。

所述S4具体为通过S3得到的PI，采用地质统计学协模拟技术，建立弹性参数与孔隙度的变差函数。

所述S5具体为通过S1-S3所述步骤，计算PI数据体，然后采用地质统计学模拟，计算孔隙度数据体。

一种高精度储层孔隙度定量预测方法，所述方法应用于地震油气勘探中储层物性的解释。

本发明所述方法包括如下步骤：

1）利用测井曲线计算弹性参数，比如杨氏模量、体积模量、拉梅系数、泊松比，LR、MR、PDF等，由于各弹性参数的值域变化大，需要将弹性参数数值归一到同等的值域范围（图1）；

2）计算研究区目的层段各弹性参数与孔隙度的相关系数（图2）；从图2中可以看出，基本的弹性参数纵波速度、横波速度与孔隙度之间的相关性并不好，但是一些弹性参数比如LR和PDF等，与孔隙度具有很好的相关性（图2）；

3）根据步骤2的结果，选择2个相关系数最高的弹性参数E1、E2，以孔隙度作为目标曲线，采用坐标旋转建立PI=E1*cosθ-E2*sinθ，其中θ为最优的角度，选择LR和PDF作为最优的弹性参数，其中LR表示E1，PDF表示E2，然后选择目标孔隙度，带入到PI公式中，进行坐标旋转，确定与孔隙度相关系数最高的角度，本次的最优角度为265度，拟合的相关系数平方为0.8920，并得到最高相关系数的PI（图3）；

图1 根据测井曲线，计算弹性参数图，从左至右分别为孔隙度，纵波速度，横波速度，密度，体积模量，LR，Lame，Mu，PR，Ym和PDF。

4）采用步骤3得到的PI，采用地质统计学协模拟技术，建立弹性参数与孔隙度的变差函数（图4），由于采用了坐标旋转技术提高了PI与孔隙度的相关度，从变差函数上看，PI较声波阻抗的变差函数更具有地质统计意义，一致性较好。

5）在叠前弹性参数反演的基础上，采用上述步骤1至步骤3所描述的方法，计算PI数据体，然后采用地质统计学模拟，计算孔隙度数据体，为了效果对比，生成了基于声波阻抗的孔隙度（实际生产中常用）和基于PI的孔隙度体（图5），从图中可以看出，A井孔隙不发育，而基于声波阻抗的模拟的孔隙度偏大，C井孔隙度发育，而模拟的结果较小，在D井与E井之间的相对底部位，孔隙度偏高，而基于PI模拟的孔隙度，与井上的实际情况，吻合度高。

以上所述的实施例，只是本发明较优选的具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (6)

1.一种高精度储层孔隙度定量预测方法，其特征在于，所述方法包括：

S1：利用测井曲线计算弹性参数，将弹性参数值变换到同等的值域范围；

S2：统计研究区目的层段各弹性参数与孔隙度的相关系数，按照相关系数高低排序；

S3：利用相关系数最高的前两个弹性参数，以孔隙度作为目标曲线，采用坐标旋转方法，建立一个新的弹性参数PI；

S4：利用地震叠前反演的成果，生成PI数据体；

S5：采用地质统计协模拟，生成孔隙度数据体。

2.根据权利要求1所述的方法，其特征在于，所述S1中弹性参数包括杨氏模量、体积模量、拉梅系数、泊松比、LR、MR和PDF。

3.根据权利要求2所述的方法，其特征在于，所述S3包括：

S31：选择2个相关系数最高的弹性参数E1、E2；

S32：以孔隙度作为目标曲线，采用坐标旋转建立PI=E1*cosθ-E2*sinθ，其中θ为最优的角度；

S33：选择LR和PDF作为最优的弹性参数，其中LR表示E1，PDF表示E2；

S34：选择目标孔隙度，带入到PI公式中，进行坐标旋转，确定与孔隙度相关系数最高的角度。

4.根据权利要求3所述的方法，其特征在于，所述S4具体为通过S3得到的PI，采用地质统计学协模拟技术，建立弹性参数与孔隙度的变差函数。

5.根据权利要求4所述的方法，其特征在于，所述S5具体为通过S1-S3所述步骤，计算PI数据体，然后采用地质统计学模拟，计算孔隙度数据体。

6.根据权利要求1所述的方法，其特征在于，一种高精度储层孔隙度定量预测方法，所述方法应用于地震油气勘探中储层物性的解释。