CN107942405B - 预测砂泥岩薄互层砂体累积厚度的方法 - Google Patents
预测砂泥岩薄互层砂体累积厚度的方法 Download PDFInfo
- Publication number
- CN107942405B CN107942405B CN201711133194.2A CN201711133194A CN107942405B CN 107942405 B CN107942405 B CN 107942405B CN 201711133194 A CN201711133194 A CN 201711133194A CN 107942405 B CN107942405 B CN 107942405B
- Authority
- CN
- China
- Prior art keywords
- sand
- thin
- sand body
- cumulative thickness
- interbed
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 112
- 230000001186 cumulative effect Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009825 accumulation Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004062 sedimentation Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 244000264242 Descurainia sophia Species 0.000 claims 1
- 206010016256 fatigue Diseases 0.000 claims 1
- 239000010410 layer Substances 0.000 description 18
- 239000004575 stone Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 240000006829 Ficus sundaica Species 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other 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
- G01V2210/62—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
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
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)
Abstract
本发明提供一种预测砂泥岩薄互层砂体累积厚度的方法,该预测砂泥岩薄互层砂体累积厚度的方法包括:步骤1,加载地震数据;步骤2,确定提取地震属性时窗范围;步骤3,提取均方根振幅属性和质心频率属性;步骤4,建立均方根振幅、质心频率与薄互层砂体相对累积厚度的关系式;步骤5,计算砂泥岩薄互层砂体相对累积厚度并求取校正系数;步骤6,计算砂泥岩薄互层砂体累积厚度及成图。该预测砂泥岩薄互层砂体累积厚度的方法直接利用地震数据本身的振幅和频率信息,直接预测薄互层储层砂体累积厚度,避免了提频、时频分析等方法介入带来的误差,具有很高的可靠性。
Description
技术领域
本发明涉及油气地球物理勘探技术领域,特别是涉及到一种预测砂泥岩薄互层砂体累积厚度的方法。
背景技术
陆相含油气盆地砂泥岩薄互层广泛分布。薄互层是指不同岩性的薄层交互出现的一种地质现象,它的一个重要特征是每相邻两层的岩性不同,相同岩性的薄层隔层重复出现。砂泥岩薄互层储层纵向上单砂体厚度薄,横向上砂体通透性差。这种储层地震剖面上的一个或几个同相轴,往往是一个薄互层的反射。其中砂泥岩薄互层的砂体累积厚度是储层预测的重要指标。如今众多的薄层定量描述方法通常基于单砂体楔状模型,利用薄层地震属性可以识别厚度小于调谐厚度的孤立薄层。然而,利用上述适用于孤立薄层的定量描述方法不能有效预测薄互层砂体累积厚度。薄互层砂体厚度预测已成为制约薄互层油气勘探的核心问题。
基于时频分析的谱分解技术是一种基于单砂体楔状模型的预测薄层厚度的方法,用一系列离散的频率(尤其是高频)成分对地震资料进行解析成像,通过频率扫描从整体上反映储集层的形态、厚度,揭示地层纵向变化规律及沉积相带的演变,进而进行薄砂体的厚度预测。但是该方法对砂泥岩薄互层进行累积厚度预测是会产生较大的误差。
地震属性切片技术广泛应用研究薄层结构及其沉积演化过程,由于地震反射的干涉效应,某一时刻的地震切片并不能反映该深度地层的横向变化和展布情况,并且地震属性切片解释存在多解性。
地震属性分析技术是利用地震波的反射特征对薄层结构进行间接的分析和预测。地震属性是指地震数据经过数学变化后导出的关于地震波的几何特征、运动学特征、动力学特征和统计学特征的特殊量度。其中振幅和频率是最为稳定的基本属性。由于子波和薄层结构决定了地震波的反射特征及其地震属性。因此,地震属性中的确包含着薄层的结构特征信息。但是,薄互层条件下的地震属性(振幅和频率)与薄互层砂体累积厚度之间的预测关系尚缺乏相应研究。为此我们发明了一种新的预测砂泥岩薄互层砂体累积厚度的方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种直接利用地震属性准确预测砂泥岩薄互层砂体累积厚度的方法。
本发明的目的可通过如下技术措施来实现:预测砂泥岩薄互层砂体累积厚度的方法,该预测砂泥岩薄互层砂体累积厚度的方法包括:步骤1,加载地震数据;步骤2,确定提取地震属性时窗范围;步骤3,提取均方根振幅属性和质心频率属性;步骤4,建立均方根振幅、质心频率与薄互层砂体相对累积厚度的关系式;步骤5,计算砂泥岩薄互层砂体相对累积厚度并求取校正系数;步骤6,计算砂泥岩薄互层砂体累积厚度及成图。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,加载地震数据,将待分析的地震数据加载到系统中。
在步骤2中,以目标砂体所在的地震层位为时窗中心,以地震子波的周期为时窗长度,确定地震属性提取时窗。
在步骤2中,时窗选择原则是采用包含砂泥岩薄互层在内的时窗,提取振幅和频率属性对薄互层砂体累积厚度进行预测。
在步骤2中,在提取相应属性时,薄互层的位置与参考标准层在一个沉积旋回内,保证提取的属性体现相同的沉积环境,利于分析已知井同一旋回砂层变化与属性变化的最佳匹配。
在步骤3中,均方根振幅计算公式其中:ARMS为均方根振幅,X为地震道的采样振幅值,N为采样个数。
在步骤3中,质心频率计算公式其中:f为有效频带内的频率,单位赫兹(Hz),R(f)为f对应的频谱,f1为最小有效频率,f2为最大有效频率。
在步骤4中,以均方根振幅和质心频率为变量,建立这两个变量与砂泥岩薄互层砂体相对累积厚度的关系式。
在步骤4中,建立的关系式为:
其中:H'(x,y)为薄互层砂体相对累积厚度,单位是毫秒(ms);ARMS(x,y)为均方根振幅;fR(x,y)为质心频率,单位赫兹(Hz);(x,y)为地震数据位置坐标。
在步骤5中,根据公式计算出C(xi,yj),其中(xi,yj)是工区测井位置坐标,Hw(xi,yj)是测井资料得到的测井位置准确砂体累积厚度,H'(xi,yj)是利用步骤4的关系式计算出的测井位置砂体相对累积厚度,C(xi,yj)为测井位置砂体累积厚度校正系数,最后计算C(xi,yj)的平均值,得到全区的校正系数C。
在步骤6中,根据公式H(x,y)=C×H'(x,y),计算出H(x,y),其中(x,y)是工区地震数据位置坐标,C是根据步骤5得到的全区校正系数,H(x,y)是全区砂泥岩薄互层砂体累积厚度值,单位是毫秒ms。
在步骤6中,将本步骤所得到的砂泥岩累积厚度预测值绘制成砂泥岩薄互层砂体累积厚度图。
本发明中的预测砂泥岩薄互层砂体累积厚度的方法,提高了利用地震属性预测砂体累积厚度的精度。通过进行典型砂泥岩薄互层模型实验,建立了一种地震属性与薄互层砂体累积厚度的运算关系。本方法直接利用地震数据本身的振幅和频率信息,直接预测薄互层储层砂体累积厚度,避免了提频、时频分析等方法介入带来的误差,具有很高的可靠性。
附图说明
图1为本发明的预测砂泥岩薄互层砂体累积厚度的方法的一具体实施例的流程图;
图2为本发明的一具体实施例中设计的砂泥岩薄互层模型1从西南方向的俯视图;
图3为本发明的一具体实施例中设计的砂泥岩薄互层模型1从东北方向的俯视图;
图4为本发明的一具体实施例中模型1的砂体累积厚度图;
图5为本发明的一具体实施例中模型1的最北侧联络测线合成地震记录剖面图;
图6为本发明的一具体实施例中模型1的均方根振幅属性图;
图7为本发明的一具体实施例中模型1的质心频率属性图;
图8为本发明的一具体实施例中模型1的真实砂体累积厚度图;
图9为本发明的一具体实施例中模型1的预测砂体相对累积厚度图;
图10为本发明的一具体实施例中模型1的预测砂体累积厚度图;
图11为本发明的一具体实施例中设计的砂泥岩薄互层模型2从西南方向的俯视图;
图12为本发明的一具体实施例中模型2的最北侧联络测线合成地震记录剖面图;
图13为本发明的一具体实施例中模型2的真实砂体累积厚度图;
图14为本发明的一具体实施例中模型2的预测砂体累积厚度图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。本发明是以砂泥岩薄互层累积厚度为预测对象,如图2和3所示为一个砂泥岩薄互层模型,如图4所示为该砂泥岩薄互层模型真实的砂体累积厚度属性图。
如图2和3所示,模型1由两个楔形砂体叠置而成。第一个楔形砂体顶界面的深度为100ms,两个楔形砂体厚度同时沿Y轴线性增大,当Y=100m时(最北端),砂体累积厚度达到10ms,而两层楔形砂体之间的泥岩厚度沿X轴线性增大,当X=100m时(最东端),泥岩厚度达到5ms。砂体速度为3500m/s,泥岩速度为2500m/s。图4显示了模型1的砂体累计厚度,由图中可见,砂体在南端最薄,向北逐渐变厚,在达到最厚。选择主频为30Hz的零相位雷克子波,利用褶积模型生成网格为1m×1m的三维地震数据体,其中,主测线方向平行于Y轴,联络测线方向平行于X轴。图5显示了最北侧联络测线所对应的合成地震记录,由图5中可见,来自两个楔形体共四个反射界面的地震子波相互干涉形成一个复合波。
如图1所示,图1为本发明的预测砂泥岩薄互层砂体累积厚度的方法的的流程图,包括:
步骤101,地震数据加载:
将模型1对应的利用褶积模型生成的三维地震数据体加载到系统中。
步骤102,确定提取属性时窗范围:
时窗选择原则是采用包含砂泥岩薄互层在内的时窗,提取振幅和频率属性对薄互层砂体累积厚度进行预测。以目标砂体所在的地震层位为时窗中心,以地震子波的周期为时窗长度,确定地震属性分析时窗。在提取相应属性时,薄互层的位置必须与参考标准层在一个沉积旋回内,保证提取的属性体现相同的沉积环境,利于分析已知井同一旋回砂层变化与属性变化的最佳匹配。
步骤103,提取均方根振幅属性和质心频率属性:
均方根振幅计算公式其中:ARMS为均方根振幅,X为地震道的采样振幅值,N为采样个数。均方根振幅是将振幅平方的平均值再开平方,它将剖面上振幅值大的值更突出。此方法可直接从地震资料上识别薄层,对于勘探区内只有少量探井及参数井时,进行全区追踪控制,预测薄层厚度变化趋势效果较好。
质心频率计算公式其中:f为有效频带内的频率,单位赫兹(Hz),R(f)为f对应的频谱,f1为最小有效频率,f2为最大有效频率。由于质心频率的估算具有统计意义,一般认为该方法的鲁棒性较好。利用资料振幅谱的质心频率代替峰值频率,充分利用频谱的统计特性,以频谱多点的统计值代替单一峰值、稳定性增强,且质心频率在地震资料中的波动范围较峰值频率小,对单频波及随机噪音的敏感性也较峰值频率大幅下降。
在步骤2中确定的时窗内,提取分析时窗内均方根振幅及质心频率,如图6和7所示。通过对比分析图6和7所示属性图与图4所示砂体累积厚度图的特点,进一步印证单一地震属性已经不能满足准确预测薄互层砂体累积厚度的要求。
步骤104,建立均方根振幅、质心频率与薄互层砂体相对累积厚度的关系式:
以均方根振幅和质心频率为变量,建立这两个变量与砂泥岩薄互层砂体相对累积厚度的关系式,即其中:H'(x,y)为薄互层砂体相对累积厚度,单位是毫秒(ms);ARMS(x,y)为均方根振幅;fR(x,y)为质心频率,单位赫兹(Hz);
步骤105,砂泥岩薄互层砂体相对累积厚度的计算及校正:
步骤501,利用步骤104得到的公式计算出未校正的砂泥岩薄互层砂体相对累积厚度值H'(x,y),如图8和9所示;
步骤502,根据公式计算出C(xi,yj),其中(xi,yj)是工区测井位置坐标,Hw(xi,yj)是测井资料得到的测井位置准确砂体累积厚度,H'(xi,yj)是利用步骤4的关系式计算出的测井位置砂体相对累积厚度,C(xi,yj)为测井位置砂体累积厚度校正系数,最后计算C(xi,yj)的平均值,即为全区的校正系数C,本实施例的校正系数最终为10.2,如表1所示。
表1校正系数计算表
步骤106,砂泥岩薄互层砂体累积厚度的计算及成图:
根据公式H(x,y)=C×H'(x,y),计算出H(x,y),其中(x,y)是工区地震数据位置坐标,C是根据步骤5得到的全区校正系数,H(x,y)是根据本专利得到的全区砂泥岩薄互层砂体累积厚度值,单位是毫秒(ms)。最后将本步骤所得到的砂泥岩累积厚度预测值绘制成砂泥岩薄互层砂体累积厚度图,如图10所示,直观显示研究区砂泥岩薄互层砂体累积厚度大小及砂体平面展布情况,预测结果准确可靠。
本实施例为两个起伏砂体叠置而成的模型2,如图11。第一个砂体顶界面的深度为100ms,两个砂体同时变化,砂体累积厚度最大达到12ms,而两层砂体之间的泥岩厚度最大达到5ms。砂体速度为3500m/s,泥岩速度为2500m/s。选择主频为30Hz的零相位雷克子波,利用褶积模型生成网格为1m×1m的三维地震数据体,其中,主测线方向平行于Y轴,联络测线方向平行于X轴。图12显示了最北侧联络测线所对应的合成地震记录,由图12中可见,来自两个砂体共四个反射界面的地震子波相互干涉形成一个复合波。利用本发明预测模型2的砂体累计厚度,如图13和14所示,预测结果与真实情况一致。本发明可以直接利用地震数据本身的振幅和频率信息,直接预测薄互层储层砂体累积厚度,具有很高的可靠性。
Claims (10)
1.预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,该预测砂泥岩薄互层砂体累积厚度的方法包括:
步骤1,加载地震数据;
步骤2,确定提取地震属性时窗范围;
步骤3,提取均方根振幅属性和质心频率属性;
步骤4,建立均方根振幅、质心频率与薄互层砂体相对累积厚度的关系式;
步骤5,计算砂泥岩薄互层砂体相对累积厚度并求取校正系数;
步骤6,计算砂泥岩薄互层砂体累积厚度及成图;
在步骤4中,以均方根振幅和质心频率为变量,建立这两个变量与砂泥岩薄互层砂体相对累积厚度的关系式;
在步骤4中,建立的关系式为:
其中:H'(x,y)为薄互层砂体相对累积厚度,单位是毫秒(ms);ARMS(x,y)为均方根振幅;fR(x,y)为质心频率,单位赫兹(Hz);(x,y)为地震数据位置坐标。
2.根据权利要求1所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤1中,加载地震数据,将待分析的地震数据加载到系统中。
3.根据权利要求1所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤2中,以目标砂体所在的地震层位为时窗中心,以地震子波的周期为时窗长度,确定地震属性提取时窗。
4.根据权利要求3所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤2中,时窗选择原则是采用包含砂泥岩薄互层在内的时窗,提取振幅和频率属性对薄互层砂体累积厚度进行预测。
5.根据权利要求3所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤2中,在提取相应属性时,薄互层的位置与参考标准层在一个沉积旋回内,保证提取的属性体现相同的沉积环境,利于分析已知井同一旋回砂层变化与属性变化的最佳匹配。
6.根据权利要求1所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤3中,均方根振幅计算公式其中:ARMS为均方根振幅,X为地震道的采样振幅值,N为采样个数。
7.根据权利要求1所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤3中,质心频率计算公式其中:f为有效频带内的频率,单位赫兹(Hz),R(f)为f对应的频谱,f1为最小有效频率,f2为最大有效频率。
8.根据权利要求1所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤5中,根据公式计算出C(xi,yj),其中(xi,yj)是工区测井位置坐标,Hw(xi,yj)是测井资料得到的测井位置准确砂体累积厚度,H'(xi,yj)是利用步骤4的关系式计算出的测井位置砂体相对累积厚度,C(xi,yj)为测井位置砂体累积厚度校正系数,最后计算C(xi,yj)的平均值,得到全区的校正系数C。
9.根据权利要求8所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤6中,根据公式H(x,y)=C×H'(x,y),计算出H(x,y),其中(x,y)是工区地震数据位置坐标,C是根据步骤5得到的全区校正系数,H'(x,y)是全区砂泥岩薄互层砂体相对累积厚度值,单位是毫秒ms,H(x,y)是全区砂泥岩薄互层砂体累积厚度值,单位是毫秒ms。
10.根据权利要求9所述的预测砂泥岩薄互层砂体累积厚度的方法,其特征在于,在步骤6中,将本步骤所得到的全区砂泥岩薄互层砂体累积厚度值绘制成砂泥岩薄互层砂体累积厚度图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133194.2A CN107942405B (zh) | 2017-11-15 | 2017-11-15 | 预测砂泥岩薄互层砂体累积厚度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133194.2A CN107942405B (zh) | 2017-11-15 | 2017-11-15 | 预测砂泥岩薄互层砂体累积厚度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107942405A CN107942405A (zh) | 2018-04-20 |
CN107942405B true CN107942405B (zh) | 2019-09-24 |
Family
ID=61932388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711133194.2A Active CN107942405B (zh) | 2017-11-15 | 2017-11-15 | 预测砂泥岩薄互层砂体累积厚度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107942405B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188520B (zh) * | 2018-09-17 | 2020-05-08 | 中国石油天然气股份有限公司 | 薄储层厚度预测方法及装置 |
CN109581498B (zh) * | 2018-11-08 | 2020-07-10 | 中国石油天然气集团有限公司 | 储层厚度分布确定方法、系统、设备、可读介质 |
CN114428322A (zh) * | 2020-10-29 | 2022-05-03 | 中国石油天然气股份有限公司 | 基于频率属性预测薄储层厚度的方法及装置 |
CN113009567B (zh) * | 2021-03-31 | 2022-07-05 | 中国石油化工股份有限公司 | 泥包砂型薄储层地震特征的识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG184797A1 (en) * | 2010-05-05 | 2012-11-29 | Exxonmobil Upstream Res Co | Q tomography method |
CN103777243A (zh) * | 2012-10-25 | 2014-05-07 | 中国石油化工股份有限公司 | 砂泥岩薄互层储层厚度预测方法 |
RU2598907C1 (ru) * | 2012-11-28 | 2016-10-10 | Эксонмобил Апстрим Рисерч Компани | Сейсмическая отражательная q-томография |
CN103454685B (zh) * | 2013-08-09 | 2016-04-06 | 中国石油天然气股份有限公司 | 利用测井约束波阻抗反演预测砂体厚度的方法和装置 |
CN105334535B (zh) * | 2015-11-13 | 2018-04-17 | 中国石油化工股份有限公司 | 一种识别薄储层隐蔽岩性油气藏的方法 |
-
2017
- 2017-11-15 CN CN201711133194.2A patent/CN107942405B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107942405A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103527184B (zh) | 一种白云岩储层的预测方法和系统 | |
CN106526670B (zh) | 一种碎屑岩储层中地震属性砂体空间分布描述及评价的方法 | |
CN107942405B (zh) | 预测砂泥岩薄互层砂体累积厚度的方法 | |
CN101907725B (zh) | 裂缝预测方法和装置 | |
Nabawy et al. | Reservoir assessment and quality discrimination of Kareem Formation using integrated petrophysical data, Southern Gulf of Suez, Egypt | |
WO2019062655A1 (zh) | 薄夹层的确定方法和装置 | |
CN105334535A (zh) | 一种识别薄储层隐蔽岩性油气藏的方法 | |
CN104237945B (zh) | 一种地震资料自适应高分辨处理方法 | |
CN109870719B (zh) | 一种碳酸盐岩致密薄储层的井位布设方法、装置及系统 | |
Naseer | Seismic attributes and reservoir simulation’application to image the shallow-marine reservoirs of Middle-Eocene carbonates, SW Pakistan | |
Lambert et al. | Low‐frequency microtremor anomalies at an oil and gas field in Voitsdorf, Austria | |
CN101276001B (zh) | 地下非均匀介质地震探测复杂性定量评估方法 | |
Kamal'deen et al. | Mass-transport deposits controlling fault propagation, reactivation and structural decoupling on continental margins (Espírito Santo Basin, SE Brazil) | |
CN105116449B (zh) | 一种弱反射储层的识别方法 | |
Schneider et al. | Interpretation of fractured zones using seismic attributes—Case study from Teapot Dome, Wyoming, USA | |
CN112114380A (zh) | 一种用于砂砾岩油藏储层的预测方法 | |
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 | |
Gao et al. | Emplacement of intrusions of the Tarim Flood Basalt Province and their impacts on oil and gas reservoirs: A 3D seismic reflection study in Yingmaili fields, Tarim Basin, northwest China | |
Tebo et al. | Use of volume-based 3-D seismic attribute analysis to characterize physical-property distribution: a case study to delineate sedimentologic heterogeneity at the Appleton field, southwestern Alabama, USA | |
Okpoli et al. | Integration of Well logs and seismic attribute analysis in reservoir identification on PGS field onshore Niger Delta, Nigeria | |
CN105259576B (zh) | 一种利用地震统计特征的油气藏识别方法 | |
Vohs | 3D seismic attributes analysis in reservoir characterization: the Morrison NE field & Morrison field, Clark County Kansas | |
Maoshan et al. | Detecting carbonate-karst reservoirs using the directional amplitude gradient difference technique | |
Paris et al. | Predicting reservoir quality in the Bakken Formation, North Dakota, using petrophysics and 3C seismic data | |
Opara et al. | Near-surface seismic velocity model building from first arrival travel-times-a case study from an onshore, Niger Delta Field |
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 |