CN108073744B - 基于地质统计学的浊积扇推进距离预测方法 - Google Patents
基于地质统计学的浊积扇推进距离预测方法 Download PDFInfo
- Publication number
- CN108073744B CN108073744B CN201611025245.5A CN201611025245A CN108073744B CN 108073744 B CN108073744 B CN 108073744B CN 201611025245 A CN201611025245 A CN 201611025245A CN 108073744 B CN108073744 B CN 108073744B
- Authority
- CN
- China
- Prior art keywords
- fan
- turbidimetric
- propulsion distance
- prediction
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于地质统计学的浊积扇推进距离预测方法,该基于地质统计学的浊积扇推进距离预测方法包括:步骤1,通过区域地质、地震、钻井资料的分析,进行地质模型筛选与数据统计;步骤2,基于步骤1中统计的样本数据,分析因变量与自变量相关性;步骤3,建立浊积扇推进距离定量预测模型;步骤4,在预测目标区随机筛选控制点,进行预测目标区自变量统计;步骤5,进行浊积扇推进边界线勾绘。该基于地质统计学的浊积扇推进距离预测方法操作简便、可在油田勘探部署中广泛应用,进一步完善了浊积扇储层分布规律的研究,为古湖泊沉积演化过程研究、多类型湖相砂体的预测提供了新的研究思路和技术手段。
Description
技术领域
本发明涉及油田开发技术领域,特别是涉及到一种基于地质统计学的浊积扇推进距离预测方法。
背景技术
浊积扇是含油气盆地中一种重要的含油砂体,往往具有物性好、含油性好、产能高的特点,浊积扇的发育演化与分布规律是沉积盆地演化过程研究中的一项重要研究工作。而浊积扇推进距离的研究是浊积扇储层分布规律研究的重中之重,研究成果可直接指导油田勘探部署。浊积扇的分布规律与储层预测方面,前人做过大量研究工作,但浊积扇推进距离方面,前人未做过针对性的研究工作。
浊积扇的分布规律方面,前人采用地质、地球物理、地质统计等方法进行过大量研究工作。地质方法大多是依据已钻井数据,结合地震资料、古地貌认识绘制浊积扇储层等厚图,定性推测浊积扇的推进距离,预测结果对油气勘探具有一定的指导作用,但由于是定性推测,在实际应用中还需结合地球物理方法,才能使预测结果更加聚焦,从而降低勘探风险。地球物理技术在浊积扇储层分布预测中的应用非常广泛,除常规的地震相、地球物理属性、波阻抗反演等方法外,前人还尝试了地震地貌学、层速度反演处理、BP神经网络与多点地质统计井震约束等多种方法。地震地貌学强调在相对地质年代域中对沉积体成像,表征了地震相的平面反射形态。通过地震地貌学的沉积解释,容易把控沉积体的展布范围及其在沉积体系中的发育部位。沉积体的地震地貌学解释结果反投影到反演剖面上,可实现相控下的砂体雕刻,使属性分析和反演达到有机结合,从而提高沉积体和储层的预测精度。层速度反演处理是将层速度从波阻抗中分离出来,利用层速度与岩性、孔、渗关系曲线,将其转换为岩性平面图,结合浊积岩体的岩性、物性特征,预测浊积岩体的发育部位。BP神经网络与多点地质统计井震约束浊积水道模拟是在建立沉积相的过程中,提出分层次约束的方法,即以BP神经网络算法控宏观,以多点地质统计学约微观的方法流程,同时结合已知井的岩性类型数据点和源于地震的岩性类型数据点,再现浊积水道的沉积展布规律。总之,地球物理方法繁多,但由于在实际操作中往往脱离地质规律约束,且操作中环节繁多,预测结果的影响因素众多,故在实际应用中的效果往往差强人意。
研究证实,浊积扇的推进距离受到了主物源扇体发育规模、同沉积断层活动性、浊积扇发育区古地貌等多因素的控制。这一地质规律启示我们主物源扇体发育规模、同沉积断层活动性、浊积扇发育区古地貌等因素可以作为预测浊积扇推进距离的一项重要参数进行定量化表征,从而达到定量预测浊积扇推进距离的目的。为此我们发明了一种新的基于地质统计学的浊积扇推进距离预测方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种作简便、适于勘探部署的基于地质统计学的浊积扇推进距离预测方法。
本发明的目的可通过如下技术措施来实现:基于地质统计学的浊积扇推进距离预测方法,该基于地质统计学的浊积扇推进距离预测方法包括:步骤1,通过区域地质、地震、钻井资料的分析,进行地质模型筛选与数据统计;步骤2,基于步骤1中统计的样本数据,分析因变量与自变量相关性;步骤3,建立浊积扇推进距离定量预测模型;步骤4,在预测目标区随机筛选控制点,进行预测目标区自变量统计;步骤5,进行浊积扇推进边界线勾绘。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,通过区域地质、地震、钻井资料的分析,筛选与预测目标区地质条件类似的邻区作为实际地质模型,量化表征实际地质模型中控制浊积扇推进距离的影响因素,包括扇体厚度表征主物源扇体规模、断层活动速率表征同沉积断层活动性、底形坡度表征沉积区古地貌,据此原则进行样本的筛选与扇体厚度、同沉积断层活动速率及底形坡度等数据的统计。
在步骤2中,基于步骤1中统计的样本数据,建立浊积扇推进距离与扇体厚度、同沉积断层活动速率及底形坡度这些影响因素的定量关系,分析其相关性。
在步骤3中,根据样本数据,采用线性回归的计算方法,建立浊积扇推进距离的定量预测模型。
在步骤4中,在预测目标区随机筛选控制点,统计每个控制点的扇体厚度、同沉积断层活动速率及底形坡度,完成预测目标区自变量统计表。
在步骤5中,将步骤4中统计的预测目标区控制点自变量数据引入到浊积扇推进距离定量预测模型,求取每个控制点的浊积扇推进距离,依据每个控制点的数据,勾绘浊积扇推进的最远边界线。
本发明中的基于地质统计学的浊积扇推进距离预测方法,通过一定数量样本数据的统计,在分析推进距离与主物源扇体发育规模、同沉积断层活动性、浊积扇发育区古地貌之间的定量相关关系的基础上,将线性回归这一数学方法引入到浊积岩推进距离预测这一地质问题中,形成了一套操作简便、适于勘探部署的浊积扇推进距离预测方法。该方法主要适用于浊积扇与主扇体(扇三角洲或近岸水下扇)之间发育同沉积断层的情形下浊积扇推进距离的预测,对于其他类型浊积岩推进距离的预测也有一定的借鉴意义。应用该方法预测的浊积扇推进距离可为断陷湖盆浊积砂体预测提供有力的指导作用。
附图说明
图1为本发明的基于地质统计学的浊积扇推进距离预测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A地区X组段浊积扇推进距离与底形坡度定量关系图;
图3为本发明的一具体实施例中A地区X组段浊积扇推进距离定量预测图。
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。
如图1所示,图1为本发明的基于地质统计学的浊积扇推进距离预测方法的流程图。
步骤101,地质模型筛选与数据统计
通过区域地质、地震、钻井资料的分析,筛选与预测目标区地质条件类似的邻区作为实际地质模型。量化表征实际地质模型中控制浊积扇推进距离的影响因素,具体而言,扇体厚度表征主物源扇体规模、断层活动速率表征同沉积断层活动性、底形坡度表征沉积区古地貌。据此原则进行样本的筛选与扇体厚度、同沉积断层活动速率及底形坡度等数据的统计。
步骤102,分析因变量与自变量相关性
基于步骤101中统计的样本数据,建立浊积扇推进距离与扇体厚度、同沉积断层活动速率及底形坡度等影响因素的定量关系,分析其相关性。
步骤103,建立浊积扇推进距离定量预测模型
运用MATLAB软件,将样本数据输入,采用线性回归的计算方法,建立浊积扇推进距离的定量预测模型。
步骤104,预测目标区自变量统计
在预测目标区随机筛选控制点,统计每个控制点的扇体厚度、同沉积断层活动速率及底形坡度,完成预测目标区自变量统计表。
步骤105,浊积扇推进边界线勾绘
将步骤104中统计的预测目标区控制点自变量数据引入到浊积扇推进距离定量预测模型,求取每个控制点的浊积扇推进距离,依据每个控制点的数据,勾绘浊积扇推进的最远边界线。
以下为本发明的一具体实施例:
研究对象为A地区的古近系X组段沉积,通过地质资料的综合分析认为该沉积为一套浊积扇沉积。该套浊积扇沉积位于一条大型同沉积断层下降盘,综合分析认为其发育规模主要受到了同沉积断层上升盘近岸水下扇体厚度、同沉积断层活动速率及浊积扇沉积区底形坡度等因素的影响。首先选择样本点并进行上述3大控制因素的定量统计。基于样本数据,建立浊积扇推进距离与扇体厚度、同沉积断层活动速率及底形坡度等影响因素的定量关系,如浊积扇推进距离与沉积区底形坡度埕正相关(如图2)。
将样本数据输入到MATLAB软件,采用线性回归的计算方法,建立浊积扇推进距离的定量预测模型。在预测目标区随机筛选控制点,统计每个控制点的扇体厚度、同沉积断层活动速率及底形坡度,完成预测目标区自变量统计表,如表1所示。
表1A地区X组段预测区主要控制点参数统计表
将控制点自变量数据引入到浊积扇推进距离定量预测模型,求取每个控制点的浊积扇推进距离,依据每个控制点的数据,勾绘浊积扇推进的最远边界线。完成研究区的浊积扇推进距离定量预测(如图3)。
本发明中的基于地质统计学的浊积扇推进距离预测方法,将线性回归这一数学计算方法,引入用于解决浊积扇推进距离预测这一地质问题,提出了一种操作简便、可在油田勘探部署中广泛应用的浊积扇推进距离定量预测方法。进一步完善了浊积扇储层分布规律研究方法,为古湖泊沉积演化过程研究、多类型湖相砂体的预测提供了新的研究思路和技术手段。
Claims (1)
1.基于地质统计学的浊积扇推进距离预测方法,其特征在于,该基于地质统计学的浊积扇推进距离预测方法包括:
步骤1,通过区域地质、地震、钻井资料的分析,进行地质模型筛选与数据统计;
步骤2,基于步骤1中统计的样本数据,分析因变量与自变量相关性;
步骤3,建立浊积扇推进距离定量预测模型;
步骤4,在预测目标区随机筛选控制点,进行预测目标区自变量统计;
步骤5,进行浊积扇推进边界线勾绘;
在步骤1中,通过区域地质、地震、钻井资料的分析,筛选与预测目标区地质条件类似的邻区作为实际地质模型,量化表征实际地质模型中控制浊积扇推进距离的影响因素,包括扇体厚度表征主物源扇体规模、断层活动速率表征同沉积断层活动性、底形坡度表征沉积区古地貌,据此原则进行样本的筛选与扇体厚度、同沉积断层活动速率及底形坡度这些数据的统计;
在步骤2中,基于步骤1中统计的样本数据,建立浊积扇推进距离与扇体厚度、同沉积断层活动速率及底形坡度这些影响因素的定量关系,分析其相关性;
在步骤3中,根据样本数据,采用线性回归的计算方法,建立浊积扇推进距离的定量预测模型;
在步骤4中,在预测目标区随机筛选控制点,统计每个控制点的扇体厚度、同沉积断层活动速率及底形坡度,完成预测目标区自变量统计表;
在步骤5中,将步骤4中统计的预测目标区控制点自变量数据引入到浊积扇推进距离定量预测模型,求取每个控制点的浊积扇推进距离,依据每个控制点的数据,勾绘浊积扇推进的最远边界线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611025245.5A CN108073744B (zh) | 2016-11-16 | 2016-11-16 | 基于地质统计学的浊积扇推进距离预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611025245.5A CN108073744B (zh) | 2016-11-16 | 2016-11-16 | 基于地质统计学的浊积扇推进距离预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108073744A CN108073744A (zh) | 2018-05-25 |
CN108073744B true CN108073744B (zh) | 2021-08-20 |
Family
ID=62160733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611025245.5A Active CN108073744B (zh) | 2016-11-16 | 2016-11-16 | 基于地质统计学的浊积扇推进距离预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108073744B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109085647B (zh) * | 2018-07-30 | 2021-05-04 | 中国石油化工股份有限公司 | 适用于断陷盆地陡坡带扇体顶面形变量的计算方法 |
CN109143337B (zh) * | 2018-08-06 | 2020-01-24 | 中国石油大学(华东) | 一种浊积砂体储层建模方法 |
CN113970790B (zh) * | 2021-10-28 | 2022-07-26 | 中国石油大学(北京) | 深海水道储层快速评价方法、装置及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063626A (zh) * | 2014-07-11 | 2014-09-24 | 中国石油大学(华东) | 一种它源圈闭充满度的预测方法 |
CN105467463A (zh) * | 2015-08-14 | 2016-04-06 | 中国石油大学(华东) | 近岸水下扇洪水沉积单元体最大延伸距离量化预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160070828A1 (en) * | 2013-04-08 | 2016-03-10 | China University of Mining & Technology, Beijng | Vulnerability Assessment Method of Water Inrush from Aquifer Underlying Coal Seam |
-
2016
- 2016-11-16 CN CN201611025245.5A patent/CN108073744B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063626A (zh) * | 2014-07-11 | 2014-09-24 | 中国石油大学(华东) | 一种它源圈闭充满度的预测方法 |
CN105467463A (zh) * | 2015-08-14 | 2016-04-06 | 中国石油大学(华东) | 近岸水下扇洪水沉积单元体最大延伸距离量化预测方法 |
Non-Patent Citations (1)
Title |
---|
"东营凹陷北带胜坨地区深水浊积扇体分布与成藏主控因素研究";慈玉芳;《中国石油和化工标准与质量》;20130430;第134页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108073744A (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pyrcz et al. | Stratigraphic rule-based reservoir modeling | |
Keogh et al. | The development of fluvial stochastic modelling in the Norwegian oil industry: A historical review, subsurface implementation and future directions | |
CN111025384B (zh) | 基于波形分类交汇融合的储层预测方法和装置 | |
Pyrcz et al. | Event-based geostatistical modeling: description and applications | |
CN108073744B (zh) | 基于地质统计学的浊积扇推进距离预测方法 | |
Stephen et al. | Improved normalization of time‐lapse seismic data using normalized root mean square repeatability data to improve automatic production and seismic history matching in the Nelson field | |
Zhang et al. | 3D modeling of deepwater turbidite lobes: a review of the research status and progress | |
Benetatos et al. | Coping with uncertainties through an automated workflow for 3D reservoir modelling of carbonate reservoirs | |
Hadavand et al. | A practical methodology for integration of 4D seismic in steam-assisted-gravity-drainage reservoir characterization | |
CN112147677B (zh) | 油气储层参数标签数据生成方法及装置 | |
Orellana et al. | Influence of variograms in 3D reservoir-modeling outcomes: An example | |
Davies et al. | A method for fine-scale vertical heterogeneity quantification from well data and its application to siliciclastic reservoirs of the UKCS | |
Manzocchi et al. | Hierarchical parameterization and compression-based object modelling of high net: gross but poorly amalgamated deep-water lobe deposits | |
Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
CN115576011B (zh) | 一种基于地质模型的相控储层预测方法、装置及系统 | |
Pontiggia et al. | New integrated approach for diagenesis characterization and simulation | |
Mehdipour et al. | The Best Scenario for Geostatistical Modeling of Porosity in the Sarvak Reservoir in an Iranian Oil Field, Using Electrofacies, Seismic Facies, and Seismic Attributes | |
Liu et al. | A sedimentological approach to upscaling | |
CN112505761B (zh) | 一种储层含气性检测方法和装置 | |
Ma et al. | Coupling spatial and frequency uncertainty analyses in reservoir modeling: example of Judy Creek Reef complex in Swan Hills, Alberta, Canada | |
Alam et al. | Synthetic core from conventional logs: A new method of interpretation for identification of key reservoir properties | |
Rezaei et al. | Seismic data integration workflow in pluri-Gaussian simulation: application to a heterogeneous carbonate reservoir in southwestern Iran | |
Amanipoor | Static modeling of the reservoir for estimate oil in place using the geostatistical method | |
Otoo et al. | Geological process simulation in 3-D lithofacies modeling: Application in a basin floor fan setting | |
Kondratyev et al. | Submarine fan reservoir architecture and heterogeneity influence on hard-to-recover reserves. Achimov Fm |
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 |