CN107783192B - 碳酸盐岩古河道充填物性质地震预测方法及系统 - Google Patents
碳酸盐岩古河道充填物性质地震预测方法及系统 Download PDFInfo
- Publication number
- CN107783192B CN107783192B CN201610796193.5A CN201610796193A CN107783192B CN 107783192 B CN107783192 B CN 107783192B CN 201610796193 A CN201610796193 A CN 201610796193A CN 107783192 B CN107783192 B CN 107783192B
- Authority
- CN
- China
- Prior art keywords
- parameter
- shi
- work area
- filling characteristics
- wave impedance
- 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.)
- Active
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
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing 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
- G01V2210/6169—Data from specific type of measurement using well-logging
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种碳酸盐岩古河道充填物性质地震预测方法及系统。该方法可以包括:基于工区叠前地震数据体,获得工区弹性参数;基于工区弹性参数与测井数据,建立物理模型,构建充填特征参数与工区弹性参数之间的函数关系;以及基于充填特征参数与工区弹性参数之间的函数关系,结合贝叶斯反演算法,获得充填特征参数,其中,工区弹性参数包括纵波阻抗、横波阻抗及密度;以及充填特征参数包括泥质含量和充填程度。本发明通过贝叶斯反演方法,实现对碳酸盐岩古河道充填特征参数的定量表征。
Description
技术领域
本发明涉及油气地球物理勘探领域,具体地,涉及一种碳酸盐岩古河道充填物性质地震预测方法及系统。
背景技术
碳酸盐岩油藏是全世界最重要的油气勘探开发领域之一,塔河油田是中国已经发现的储量最大的碳酸盐岩油藏。塔河油田奥陶系缝洞型碳酸盐岩油藏具有复杂特殊性,埋藏深,储集类型以裂缝、溶洞为主,且储层发育极不规则,纵横向非均质性强,储层预测难度大。塔河油田奥陶系碳酸盐岩油藏是典型的缝洞型储层,孔、洞、缝共存,储集体发育具有分区分带性,非均质性极强。油田开发实践表明,溶洞型储集体是碳酸盐岩缝洞型油藏主要的储集体类型,钻井过程中钻遇几率较大,是油田高产、稳产的关键。溶洞储集性能主要受溶洞规模、溶洞内充填物类型及充填程度的影响,不同充填特征的溶洞型储集体产量差异大,因此,准确地识别溶洞储集体的充填物类型及充填程度,对缝洞型油藏的高效开发具有重要意义。
发明人发现,目前对于地震手段识别溶洞的基本手段就是应用正演模型,采用基于叠后属性的充填程度定性解释方法,但对于溶洞充填识别尚未形成一套完整的技术系列,对内充填物性质不能更进一步地描述,很大程度制约了油田的高效开发。因此,有必要开发一种精确地定量表征充填特征参数的碳酸盐岩古河道充填物性质地震预测方法及系统。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种碳酸盐岩古河道充填物性质地震预测方法及系统,其能够通过贝叶斯反演方法,实现对古河道充填特征参数的定量表征。
根据本发明的一方面,提出了一种碳酸盐岩古河道充填物性质地震预测方法,所述方法可以包括:基于工区叠前地震数据体,获得工区弹性参数;基于所述工区弹性参数数据体与测井数据,建立物理模型,构建充填特征参数与所述工区弹性参数之间的函数关系;以及基于所述充填特征参数与所述工区弹性参数之间的函数关系,结合贝叶斯反演算法,获得所述充填特征参数,其中,所述工区弹性参数包括纵波阻抗、横波阻抗及密度;以及所述充填特征参数包括泥质含量和充填程度。
根据本发明的另一方面,提出了一种碳酸盐岩古河道充填物性质地震预测系统,所述系统可以包括:用来基于工区叠前地震数据体,获得工区弹性参数的单元;用来基于所述工区弹性参数数据体与测井数据,建立碳酸盐岩储层岩石物理模型,构建充填特征参数与所述工区弹性参数之间的函数关系的单元;以及用来基于所述充填特征参数与所述工区弹性参数之间的函数关系,结合贝叶斯反演方法,获得所述充填特征参数的单元,其中,所述工区弹性参数包括纵波阻抗、横波阻抗及密度;以及所述充填特征参数包括泥质含量和充填程度。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的碳酸盐岩古河道充填物性质地震预测方法的步骤的流程图。
图2示出了根据本发明的一个实施方式的泥质含量的示意图。
图3示出了根据本发明的一个实施方式的充填程度的示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
实施方式1
图1示出了根据本发明的碳酸盐岩古河道充填物性质地震预测方法的步骤的流程图。
在该实施方式中,根据本发明的碳酸盐岩古河道充填物性质地震预测方法可以包括:步骤101,基于工区叠前地震数据体,获得工区弹性参数;步骤102,基于工区弹性参数与测井数据,建立碳酸盐岩储层岩石物理模型,构建充填特征参数与工区弹性参数之间的函数关系;以及步骤103,基于充填特征参数与工区弹性参数之间的函数关系,结合贝叶斯反演算法,获得充填特征参数,其中,工区弹性参数包括纵波阻抗、横波阻抗及密度;以及充填特征参数包括泥质含量和充填程度。
该实施方式通过贝叶斯反演方法,实现对古河道充填特征参数的定量表征。
下面详细说明根据本发明的碳酸盐岩古河道充填物性质地震预测方法的具体步骤。
在一个示例中,基于工区叠前地震数据体,可以获得工区弹性参数,其中,工区弹性参数可以包括纵波阻抗、横波阻抗及密度。
具体地,基于叠前地震数据体,通过地震反演的方法,可以利用商业软件,比如Jason、Strata等,选择合适的子波、低频模型以及合适的反演参数,可以获得纵向分辨率较高的纵波阻抗Ip(x,y,t)、横波阻抗Is(x,y,t)、密度ρ(x,y,t)。
在一个示例中,基于工区弹性参数与测井数据,可以建立碳酸盐岩储层岩石物理模型,构建充填特征参数与工区弹性参数之间的函数关系,其中,充填特征参数可以包括泥质含量和充填程度。
具体地,测井数据Well(z)可以包括:纵波阻抗Ip(z)、横波阻抗Is(z)、密度ρ(z)、泥质含量Vsh(z)、充填程度C(z)、纵波速度vp(z)。
具体地,为了将深度域测井数据同时间域的地震数据匹配起来,首先需要对深度域测井数据进行时深转换,时深转换的关系式可以为:
其中,t为时间域,z为深度域,vp(z)为纵波速度。
经过时深转换后,可以获得时间域的测井数据包括:时间域的纵波阻抗曲线Ip(t)、时间域的横波阻抗Is(t)、时间域的密度曲线ρ(t)、时间域的泥质含量Vsh(t)、时间域充填程度C(t)。
基于时间域的测井数据,建立物理模型,构建充填特征参数与工区弹性参数之间的函数关系可以为:
{Ip(t),Is(t),ρ(t)}=f(Vsh(t),C(t)…) (2)
在一个示例中,基于充填特征参数与工区弹性参数之间的函数关系,结合贝叶斯反演算法,可以获得充填特征参数。
在一个示例中,基于贝叶斯反演算法,可以构建目标函数,并确定充填特征参数的先验分布。
在一个示例中,目标函数可以为:
{Vsh,C}=argMax{p(Ip,Is,ρ|Vsh,C,…)·p(Vsh,C,…)} (3)
其中,Vsh为泥质含量,C为充填程度,{Vsh,C}表示充填特征参数的解,Ip为纵波阻抗,Is为横波阻抗,ρ为密度,p(Vsh,C,…)为充填特征参数的先验分布,p(Ip,Is,ρ|Vsh,C,…)为似然函数。
具体地,本发明可以采用贝叶斯分类算法,目标函数表示为在已知工区弹性参数条件下,泥质含量Vsh和充填程度C的最大后验概率分布:
{Vsh,C}=argMaxp(Vshj,Cj…|Ip,Is,ρ)j=1,2…,Nc (4)
其中,p(Vshj,Cj…|Ip,Is,ρ)表示充填特征参数的后验概率,Nc表示分类的类别数,j表示类别编号,本领域技术人员可以通过具体情况设定Nc用来控制预测精度。
即,如果
p(Vshj,Cj,…|Ip,Is,ρ)>p(Vshm,Cm,…|Ip,Is,ρ)1≤j,m≤Nc,j≠m (5)
则
{Vsh,C}={TOCj,Cj} (6)
(5)与(6)的意义为,在已知纵波阻抗Ip,横波阻抗Is,密度ρ的情况下,求取泥质含量Vsh和充填程度C为不同值时的后验概率,其中,最大后验概率的值{TOCj,Cj}为充填特征参数的解。
具体地,基于贝叶斯公式,(4)可以改写为:
{Vsh,C}=argMax{p(Ip,Is,ρ|Vsh,C,…)·p(Vsh,C,…)} (3)
具体地,可以假设充填特征参数服从多维高斯分布,即充填特征参数的先验分布可以为:
其中,F代表多维高斯分布,为多维高斯分布的均值,为多维高斯分布的方差,Nr为岩石物理模型中,充填特征参数的变量的个数,权重系数αk满足
在一个示例中,基于充填特征参数的先验分布,结合抽样算法,可以获得工区弹性参数和充填特征参数的联合随机模拟结果。
在一个示例中,工区弹性参数和充填特征参数的联合随机模拟结果可以为:
{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N (8)
其中,N为随机抽样次数,i表示第i次随机抽样,i=1…N,Ipi为第i次随机抽样的纵波阻抗,Isi为第i次随机抽样的横波阻抗,ρi为第i次随机抽样的密度,Vshi为第i次随机抽样的泥质含量,Ci为第i次随机抽样的充填程度。
具体地,基于充填特征参数的先验分布,利用抽样算法对充填特征参数进行随机模拟,可以得到充填特征参数的随机模拟结果{Vshi,Ci,…}i=1…N。可以将{Vshi,Ci,…}i=1…N带入(2)可以得到工区弹性参数和充填特征参数的联合随机模拟结果(8)。其中,可以采用MCMC抽样Metropolis Hastings抽样算法等现有抽样算法进行随机模拟。
在一个示例中,基于贝叶斯分类算法与工区弹性参数和充填特征参数的联合随机模拟结果,可以求解目标函数。
在一个示例中,求解目标函数结果可以为:
其中,n为计数统计,n(Ip∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且纵波阻抗为Ip的随机采样样点的个数,n(Is∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且横波阻抗为Is的随机采样样点的个数,n(ρ∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且密度为ρ的随机采样样点的个数。
具体地,基于贝叶斯分类算法的条件独立性假设,如公式(3)所示的目标函数的计算形式可以改写为:
p(Vshj,Cj…|Ip,Is,ρ)=p(Ip|Vshj,Cj,…)·p(Is|Vshj,Cj,…)·p(ρ|Vshj,Cj,…)·p(Vshj,Cj,…) (10)
将(8)带入(10)可以得到:
在一个示例中,将工区弹性参数带入目标函数,可以获得充填特征参数。
具体地,可以将纵波阻抗Ip(x,y,t)、横波阻抗Is(x,y,t)、密度ρ(x,y,t)带入(11),求得充填特征参数Vsh(x,y,t)和C(x,y,t)。
可以基于充填特征参数Vsh(x,y,t)和C(x,y,t),结合常规地震属性对古河道空间特征的描述,实现对碳酸盐岩古河道充填特征的定量表征。
应用示例
为便于理解本发明实施方式的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
基于叠前地震数据体,通过地震反演的方法,利用Jason反演软件的RockTrace模块,也可以替换成其他可以得到纵波阻抗、横波阻抗和密度的叠前反演方法或者软件,选择合适的子波、低频模型以及合适的反演参数,获得纵向分辨率较高的纵波阻抗Ip(x,y,t)、横波阻抗Is(x,y,t)、密度ρ(x,y,t)。
将深度域测井数据(纵波阻抗Ip(z)、横波阻抗Is(z)、密度ρ(z)、泥质含量Vsh(z)、充填程度C(z)、纵波速度vp(z))同时间域的地震数据匹配起来,对深度域测井数据进行时深转换,时深转换的关系式为:
其中,t为时间域,z为深度域。获得时间域的测井数据包括:时间域的纵波阻抗曲线Ip(t)、时间域的横波阻抗Is(t)、时间域的密度曲线ρ(t)、时间域的泥质含量Vsh(t)、时间域的充填程度C(t)。
基于时间域的测井数据,建立物理模型,构建充填特征参数与工区弹性参数之间的函数关系为:
{Ip(t),Is(t),ρ(t)}=f(Vsh(t),C(t)…) (2)
采用贝叶斯分类算法,目标函数表示为在已知工区弹性参数条件下,泥质含量Vsh和充填程度C的最大后验概率分布:
{Vsh,C}=argMaxp(Vshj,Cj…|Ip,Is,ρ)j=1,2…,Nc (4)
其中,{Vsh,C}表示充填特征参数的解,p(Vshj,Cj…|Ip,Is,ρ)表示充填特征参数的后验概率,Nc表示分类的类别数,j表示类别编号分类的类别数。
即,如果
p(Vshj,Cj,…|Ip,Is,ρ)>p(Vshm,Cm,…|Ip,Is,ρ)1≤j,m≤Nc,j≠m (5)
则
{Vsh,C}={TOCj,Cj} (6)
(5)与(6)的意义为,在已知纵波阻抗Ip,横波阻抗Is,密度ρ的情况下,求取泥质含量Vsh和充填程度C为不同值时的后验概率,其中,最大后验概率的值{TOCj,Cj}为充填特征参数的解。
基于贝叶斯公式,将(4)改写为:
{Vsh,C}=argMax{p(Ip,Is,ρ|Vsh,C,…)·p(Vsh,C,…)} (3)
其中,Vsh为泥质含量,C为充填程度,Ip为纵波阻抗,Is为横波阻抗,ρ为密度,p(Vsh,C,…)为充填特征参数的先验分布,p(Ip,Is,ρ|Vsh,C,…)为似然函数。
假设充填特征参数服从多维高斯分布,即充填特征参数的先验分布为:
其中,F代表多维高斯分布,为多维高斯分布的均值,为多维高斯分布的方差,Nr为岩石物理模型中,充填特征参数的变量的个数,权重系数αk满足
基于充填特征参数的先验分布,利用MCMC抽样Metropolis Hastings抽样算法对充填特征参数进行随机模拟,得到充填特征参数的随机模拟结果{Vshi,Ci,…}i=1…N。将{Vshi,Ci,…}i=1…N带入(2)得到工区弹性参数和充填特征参数的联合随机模拟结果为:
{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N (8)
其中,N为随机抽样次数,i表示第i次随机抽样,i=1…N,Ipi为第i次随机抽样的纵波阻抗,Isi为第i次随机抽样的横波阻抗,ρi为第i次随机抽样的密度,Vshi为第i次随机抽样的泥质含量,Ci为第i次随机抽样的充填程度。
基于贝叶斯分类算法的条件独立性假设,将如公式(3)所示的目标函数的计算形式改写为:
p(Vshj,Cj…|Ip,Is,ρ)=p(Ip|Vshj,Cj,…)·p(Is|Vshj,Cj,…)·p(ρ|Vshj,Cj,…)·p(Vshj,Cj,…) (10)
将(8)带入(10)中得到:
其中,n为计数统计,n(Ip∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且纵波阻抗为Ip的随机采样样点的个数,n(Is∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且横波阻抗为Is的随机采样样点的个数,n(ρ∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且密度为ρ的随机采样样点的个数。
将纵波阻抗Ip(x,y,t)、横波阻抗Is(x,y,t)、密度ρ(x,y,t),带入(11),可以求得充填特征参数Vsh(x,y,t)和C(x,y,t)。
图2示出了根据本发明的一个实施方式的泥质含量的示意图。图3示出了根据本发明的一个实施方式的充填程度的示意图。
如图2和图3所示,可以基于充填特征参数Vsh(x,y,t)和C(x,y,t),结合常规地震属性对古河道空间特征的描述,实现对古河道充填特征的定量表征。
综上所述,根据本发明的基于三维地震资料的储层物性参数概率地球物理反演方法,提出了基于贝叶斯的碳酸盐岩古河道充填特征参数地震反演方法,该方法综合应用了统计岩石物理模型、蒙特卡罗仿真模拟技术和贝叶斯分类方法等理论。基于贝叶斯反演框架建立反演目标函数,碳酸盐岩古河道充填特征参数的最大后验概率为最终解。通过该方法能够更进一步的对古河道填充物性质及物性特征进行描述,更好的为油田的高效开发服务。
本领域技术人员应理解,上面对本发明的实施方式的描述的目的仅为了示例性地说明本发明的实施方式的有益效果,并不意在将本发明的实施方式限制于所给出的任何示例。
实施方式2
根据本发明的实施方式,提供了一种碳酸盐岩古河道充填物性质地震预测系统,系统可以包括:用于基于工区叠前地震数据体,获得工区弹性参数的单元;用于基于工区弹性参数与测井数据,建立物理模型,构建充填特征参数与工区弹性参数之间的函数关系的单元;以及用于基于充填特征参数与工区弹性参数之间的函数关系,结合贝叶斯反演算法,获得充填特征参数的单元,其中,工区弹性参数包括纵波阻抗、横波阻抗及密度;以及充填特征参数包括泥质含量和充填程度。
该实施方式通过贝叶斯反演方法,实现对古河道充填特征参数的定量表征。
在一个示例中,获得充填特征参数包括:基于贝叶斯反演算法,构建目标函数,并确定充填特征参数的先验分布;基于充填特征参数的先验分布,结合抽样算法,获得工区弹性参数和充填特征参数的联合随机模拟结果;基于贝叶斯分类算法与工区弹性参数和充填特征参数的联合随机模拟结果,求解目标函数的结果;以及将工区弹性参数带入目标函数的结果,获得充填特征参数。
在一个示例中,目标函数可以为:
{Vsh,C}=argMax{p(Ip,Is,ρ|Vsh,C,…)·p(Vsh,C,…)} (3)
其中,Vsh为泥质含量,C为充填程度,{Vsh,C}表示充填特征参数的解,Ip为纵波阻抗,Is为横波阻抗,ρ为密度,p(Vsh,C,…)为充填特征参数的先验分布,p(Ip,Is,ρ|Vsh,C,…)为似然函数。
在一个示例中,工区弹性参数和充填特征参数的联合随机模拟结果可以为:
{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N (8)
其中,N为随机抽样次数,i表示第i次随机抽样,i=1…N,Ipi为第i次随机抽样的纵波阻抗,Isi为第i次随机抽样的横波阻抗,ρi为第i次随机抽样的密度,Vshi为第i次随机抽样的泥质含量,Ci为第i次随机抽样的充填程度。
在一个示例中,目标函数的结果可以为:
其中,n为计数统计,n(Ip∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且纵波阻抗为Ip的随机采样样点的个数,n(Is∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且横波阻抗为Is的随机采样样点的个数,n(ρ∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且密度为ρ的随机采样样点的个数。
本领域技术人员应理解,上面对本发明的实施方式的描述的目的仅为了示例性地说明本发明的实施方式的有益效果,并不意在将本发明的实施方式限制于所给出的任何示例。
以上已经描述了本发明的各实施方式,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施方式。
Claims (10)
1.一种碳酸盐岩古河道充填物性质地震预测方法,所述方法包括:
基于工区叠前地震数据体,获得工区弹性参数;
基于所述工区弹性参数与测井数据,建立物理模型,构建充填特征参数与所述工区弹性参数之间的函数关系;以及
基于所述充填特征参数与所述工区弹性参数之间的函数关系,结合贝叶斯反演算法,获得所述充填特征参数,
其中,所述工区弹性参数包括纵波阻抗、横波阻抗及密度;以及
所述充填特征参数包括泥质含量和充填程度;
其中,测井数据包括:纵波阻抗Ip(z)、横波阻抗Is(z)、密度ρ(z)、泥质含量Vsh(z)、充填程度C(z)、纵波速度vp(z);
对深度域测井数据进行时深转换,时深转换的关系式为:
其中,t为时间域,z为深度域,vp(z)为纵波速度;
获得时间域的测井数据包括:时间域的纵波阻抗曲线Ip(t)、时间域的横波阻抗Is(t)、时间域的密度曲线ρ(t)、时间域的泥质含量Vsh(t)、时间域充填程度C(t);
时间域的测井数据,建立物理模型,构建充填特征参数与工区弹性参数之间的函数关系为:
{Ip(t),Is(t),ρ(t)}=f(Vsh(t),C(t)…) (2)。
2.根据权利要求1所述的碳酸盐岩古河道充填物性质地震预测方法,其中,获得所述充填特征参数包括:
基于所述贝叶斯反演算法,构建目标函数,并确定所述充填特征参数的先验分布;
基于所述充填特征参数的先验分布,结合抽样算法,获得所述工区弹性参数和所述充填特征参数的联合随机模拟结果;
基于贝叶斯分类算法与所述工区弹性参数和所述充填特征参数的联合随机模拟结果,求解所述目标函数的结果;以及
将所述工区弹性参数带入所述目标函数的结果,获得所述充填特征参数。
3.根据权利要求2所述的碳酸盐岩古河道充填物性质地震预测方法,其中,所述目标函数为:
{Vsh,C}=argMax{p(Ip,Is,ρ|Vsh,C,…)·p(Vsh,C,…)} (3)
其中,Vsh为泥质含量,C为充填程度,{Vsh,C}表示充填特征参数的解,Ip为纵波阻抗,Is为横波阻抗,ρ为密度,p(Vsh,C,…)为充填特征参数的先验分布,p(Ip,Is,ρ|Vsh,C,…)为似然函数。
4.根据权利要求2所述的碳酸盐岩古河道充填物性质地震预测方法,其中,所述工区弹性参数和所述充填特征参数的联合随机模拟结果为:
{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N (8)
其中,N为随机抽样次数,i表示第i次随机抽样,i=1…N,Ipi为第i次随机抽样的纵波阻抗,Isi为第i次随机抽样的横波阻抗,ρi为第i次随机抽样的密度,Vshi为第i次随机抽样的泥质含量,Ci为第i次随机抽样的充填程度。
5.根据权利要求4所述的碳酸盐岩古河道充填物性质地震预测方法,其中,所述目标函数的结果为:
其中,n为计数统计,n(Ip∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且所述纵波阻抗为Ip的随机采样样点的个数,n(Is∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且所述横波阻抗为Is的随机采样样点的个数,n(ρ∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且所述密度为ρ的随机采样样点的个数,p(Vshi,Ci,...|Ip,Is,ρ)为充填特征参数的后验概率,n(Vshi,Ci,...)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci}的个数。
6.一种碳酸盐岩古河道充填物性质地震预测系统,所述系统包括:
用于基于工区叠前地震数据体,获得工区弹性参数的单元;
用于基于所述工区弹性参数与测井数据,建立物理模型,构建充填特征参数与所述工区弹性参数之间的函数关系的单元;以及
用于基于所述充填特征参数与所述工区弹性参数之间的函数关系,结合贝叶斯反演算法,获得所述充填特征参数的单元,
其中,所述工区弹性参数包括纵波阻抗、横波阻抗及密度;以及
所述充填特征参数包括泥质含量和充填程度;
其中,测井数据包括:纵波阻抗Ip(z)、横波阻抗Is(z)、密度ρ(z)、泥质含量Vsh(z)、充填程度C(z)、纵波速度vp(z);
对深度域测井数据进行时深转换,时深转换的关系式为:
其中,t为时间域,z为深度域,vp(z)为纵波速度;
获得时间域的测井数据包括:时间域的纵波阻抗曲线Ip(t)、时间域的横波阻抗Is(t)、时间域的密度曲线ρ(t)、时间域的泥质含量Vsh(t)、时间域充填程度C(t);
时间域的测井数据,建立物理模型,构建充填特征参数与工区弹性参数之间的函数关系为:
{Ip(t),Is(t),ρ(t)}=f(Vsh(t),C(t)…) (2)。
7.根据权利要求6所述的碳酸盐岩古河道充填物性质地震预测系统,其中,所述获得充填特征参数包括:
基于所述贝叶斯反演算法,构建目标函数,并确定所述充填特征参数的先验分布;
基于所述充填特征参数的先验分布,结合抽样算法,获得所述工区弹性参数和所述充填特征参数的联合随机模拟结果;
基于贝叶斯分类算法与所述工区弹性参数和所述充填特征参数的联合随机模拟结果,求解所述目标函数的结果;以及
将所述工区弹性参数带入所述目标函数的结果,获得所述充填特征参数。
8.根据权利要求7所述的碳酸盐岩古河道充填物性质地震预测系统,其中,所述目标函数为:
{Vsh,C}=argMax{p(Ip,Is,ρ|Vsh,C,…)·p(Vsh,C,…)} (3)
其中,Vsh为泥质含量,C为充填程度,{Vsh,C}表示充填特征参数的解,Ip为纵波阻抗,Is为横波阻抗,ρ为密度,p(Vsh,C,…)为充填特征参数的先验分布,p(Ip,Is,ρ|Vsh,C,…)为似然函数。
9.根据权利要求7所述的碳酸盐岩古河道充填物性质地震预测系统,其中,所述工区弹性参数和所述充填特征参数的联合随机模拟结果为:
{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N (8)
其中,N为随机抽样次数,i表示第i次随机抽样,i=1…N,Ipi为第i次随机抽样的纵波阻抗,Isi为第i次随机抽样的横波阻抗,ρi为第i次随机抽样的密度,Vshi为第i次随机抽样的泥质含量,Ci为第i次随机抽样的充填程度。
10.根据权利要求9所述的碳酸盐岩古河道充填物性质地震预测系统,其中,所述目标函数的结果为:
其中,n为计数统计,n(Ip∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且所述纵波阻抗为Ip的随机采样样点的个数,n(Is∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且所述横波阻抗为Is的随机采样样点的个数,n(ρ∩Vshi,Ci,…)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci},且所述密度为ρ的随机采样样点的个数,p(Vshi,Ci,...|Ip,Is,ρ)为充填特征参数的后验概率,n(Vshi,Ci,...)为统计{Ipi,Isi,ρi,Vshi,Ci,…}i=1…N中{Vsh,C}的值等于{Vshi,Ci}的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610796193.5A CN107783192B (zh) | 2016-08-31 | 2016-08-31 | 碳酸盐岩古河道充填物性质地震预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610796193.5A CN107783192B (zh) | 2016-08-31 | 2016-08-31 | 碳酸盐岩古河道充填物性质地震预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107783192A CN107783192A (zh) | 2018-03-09 |
CN107783192B true CN107783192B (zh) | 2019-08-23 |
Family
ID=61451608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610796193.5A Active CN107783192B (zh) | 2016-08-31 | 2016-08-31 | 碳酸盐岩古河道充填物性质地震预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107783192B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491624A (zh) * | 2018-03-21 | 2018-09-04 | 中国石油化工股份有限公司 | 碳酸盐岩古暗河充填性预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104516017A (zh) * | 2013-09-29 | 2015-04-15 | 中国石油化工股份有限公司 | 一种碳酸盐岩岩石物理参数地震反演方法 |
-
2016
- 2016-08-31 CN CN201610796193.5A patent/CN107783192B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104516017A (zh) * | 2013-09-29 | 2015-04-15 | 中国石油化工股份有限公司 | 一种碳酸盐岩岩石物理参数地震反演方法 |
Non-Patent Citations (3)
Title |
---|
Petrophysical-properties estimation integrating statistical rock-physics with seismic inversion under Bayesian framework;Teng Long et al.;《SPG/SEG Shenzhen 2011 International Geophysical Conference Technical Program Expanded Abstracts》;20111231;第2299-2305页 |
Probabilistic petrophysical properties estimation integrating viscoelastic AVA inversion with statistical rock physics;Long Teng et al.;《SEG Las Vegas 2012 Annual Meeting》;20121231;第1-5页 |
基于贝叶斯分类的储层物性参数联合反演方法;胡华锋等;《石油物探》;20120531;第51卷(第3期);第225-227页、图1 |
Also Published As
Publication number | Publication date |
---|---|
CN107783192A (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11500117B1 (en) | Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration | |
EP3254142B1 (en) | A method for determining sedimentary facies using 3d seismic data | |
CN106569266B (zh) | 页岩气储层脆性矿物含量预测方法 | |
CN107290782B (zh) | 储层孔隙度、含水饱和度和泥质含量参数同时反演新方法 | |
US11802985B2 (en) | Method and system for analyzing filling for karst reservoir based on spectrum decomposition and machine learning | |
CN107797139B (zh) | 页岩储层游离气含气量地震预测方法及系统 | |
CN104502997B (zh) | 一种利用裂缝密度曲线预测裂缝密度体的方法 | |
CN104898161B (zh) | 一种基于测井响应模拟体的有效砂岩预测方法 | |
CN106556867A (zh) | 基于贝叶斯分类的相控孔隙度反演方法 | |
CN107203005A (zh) | 一种定量化计算裂缝描述参数的方法 | |
CN106291682B (zh) | 一种基于基追踪方法的叠后声波阻抗反演方法 | |
CN104122581B (zh) | 一种叠后声波阻抗反演方法 | |
CN107942404B (zh) | 一种确定裂缝的方法及装置 | |
CN104698492A (zh) | 一种计算异常地层压力的方法 | |
CN106168676A (zh) | 基于地震资料的地层岩性和流体识别方法和装置 | |
CN105301647B (zh) | 区分灰质泥岩和砂岩的方法 | |
CN107255834A (zh) | 一种基于地震约束的声波测井曲线校正方法 | |
CN107861149B (zh) | 基于波形驱动下的叠前纵横波速度比模拟方法 | |
CN108491624A (zh) | 碳酸盐岩古暗河充填性预测方法 | |
CN107783192B (zh) | 碳酸盐岩古河道充填物性质地震预测方法及系统 | |
CN104484573B (zh) | 一种确定地层刚性系数的方法 | |
CN106547028A (zh) | 预测页岩储层toc的方法和装置 | |
CN105589097A (zh) | 碎屑岩储层地震描述的相控去灰方法 | |
CN105242317B (zh) | 一种纵波速度的确定方法及装置 | |
CN104698493A (zh) | 一种计算异常地层压力的方法 |
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 |