CN108387934B - 一种裂缝储层预测方法、装置、电子设备及存储介质 - Google Patents
一种裂缝储层预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN108387934B CN108387934B CN201810100805.1A CN201810100805A CN108387934B CN 108387934 B CN108387934 B CN 108387934B CN 201810100805 A CN201810100805 A CN 201810100805A CN 108387934 B CN108387934 B CN 108387934B
- Authority
- CN
- China
- Prior art keywords
- seismic data
- value
- array
- attribute
- attribute list
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000012512 characterization method Methods 0.000 claims abstract description 133
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000003491 array Methods 0.000 claims abstract description 14
- 208000010392 Bone Fractures Diseases 0.000 claims description 75
- 206010017076 Fracture Diseases 0.000 claims description 75
- 238000005336 cracking Methods 0.000 claims description 44
- 230000004044 response Effects 0.000 claims description 42
- 238000005553 drilling Methods 0.000 claims description 34
- 238000011161 development Methods 0.000 claims description 25
- 230000004927 fusion Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 18
- 230000008030 elimination Effects 0.000 description 17
- 238000003379 elimination reaction Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 239000010438 granite Substances 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 241001074085 Scophthalmus aquosus Species 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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. for interpretation or for event detection
- 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
- 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
- G01V2210/62—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
- G01V2210/62—Physical property of subsurface
- G01V2210/626—Physical property of subsurface with anisotropy
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明的目的是提供一种裂缝储层预测方法、装置、电子设备及存储介质。所述方法包括：将地震数据分为多个地震数据子集；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值。通过本发明的实施方式可以预测裂缝储层，获得目标区域的裂缝分布情况。
Description
技术领域
本发明涉及地质勘探领域，尤其涉及一种裂缝储层预测方法、装置、电子设备及存储介质。
背景技术
常规的储层预测方法包括地震反演及地震属性分析方法，其中针对裂缝储层的属性主要包括曲率属性、相干属性、蚂蚁追踪属性等。但是对于裂缝型储层，因为裂缝的成因复杂，非均质性强，控制因素多，成层性差，且由于地震资料分辨率与裂缝尺度不匹配等因素，采用常规地震反演及地震属性分析等技术手段较难准确预测裂缝型储层的空间展布。
目前，针对裂缝型储层，一般利用对裂缝敏感方位地震数据或者全方位地震数据开展属性分析，完成裂缝型储层的预测。例如，通过获取研究区的全方位地震数据属性图，或者某个分方位地震数据的属性图，将其直接与实钻井获得的目标区域的裂缝发育条件进行对比，以此来预测目标区域的裂缝的分布规律。但是，在与目标区域的实钻裂缝发育条件进行对比时，发现吻合较差，因此，较难获取准确的目标区域的裂缝的分布规律。
发明内容
本说明书实施方式的目的是提供一种裂缝储层预测方法、装置、电子设备及存储介质，能够预测目标区域内裂缝的分布情况。
本说明书实施方式提供一种裂缝储层预测方法，所述方法包括：将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
本说明书实施方式还提供一种裂缝储层预测装置，所述装置包括：第一处理单元，将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；第二处理单元，用于根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；第三处理单元，用于针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；第四处理单元，用于基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
本说明书实施方式还提供一种电子设备，包括：所述数据接收设备用于接收地震数据；
所述处理器，用于将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。本说明书实施方式还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
由以上本说明书实施方式提供的技术方案可见，本说明书实施方式通过将地震数据分为多个地震数据子集，并按方位角范围划分，得到多个分方位的地震数据数组，然后提取获得属性表征值，根据分方位的属性表征值和地震数据子集的属性表征值，得到裂缝强度表征值，以此更能反应裂缝储层的方位各项异性特征。以上做法可以突出裂缝的各项异性的特征，来预测裂缝的分布情况。
附图说明
为了更清楚地说明本说明书实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书提供的一种裂缝储层预测方法的流程图；
图2是本说明书提供的一个方位角示意图；
图3是本说明书提供的一个宽方位地震分方位划分方案及裂缝储层地震响应特征示意图；
图4是本说明书提供的一个潜山顶面均方根振幅属性分析示意图；
图5是本说明书提供的一个潜山顶面瞬时频率属性分析示意图；
图6是本说明书提供的一个潜山顶面振幅频率融合属性分析示意图；
图7是本说明书提供的一个目标区域内裂缝强度表征值示意图；
图8是本说明书提供的一个优选目标区域内裂缝强度表征值示意图；
图9是本说明书提供的一个花岗岩潜山裂缝型储层厚度分布图示意图；
图10是本说明书提供的一个电子设备示意图。
具体实施方式
下面将结合本说明书实施方式中的附图，对本说明书实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本说明书一部分实施方式，而不是全部的实施方式。基于本说明书中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。
请参阅图1。本说明书提供的一种裂缝储层预测方法。所述裂缝储层预测方法可以包括以下步骤。
在本实施方式中，执行所述裂缝储层预测方法的客体可以是具有逻辑运算功能的电子设备。所述电子设备可以是服务器和客户端。所述客户端可以为台式电脑、平板电脑、笔记本电脑、智能手机、数字助理等。当然，客户端并不限于上述具有一定实体的电子设备，其还可以为运行于上述电子设备中的软体。还可以是一种通过程序开发形成的程序软件，该程序软件可以运行于上述电子设备中。所述服务器可以为具有运算和网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理和网络交互提供业务逻辑的软体。
在本实施方式中，所述裂缝可以是指岩石受成岩作用或构造作用等产生破裂，破裂两侧的岩石沿破裂面没有发生明显的相对位移，或仅有微量位移的断裂构造的裂缝组成的裂缝带，也可以是指人为施力或诱导下造成岩石破裂形成。多个裂缝组成所述裂缝带。在本实施方式中，因为裂缝的非均质性特点，当地震波通过裂缝时，会产生方位各向异性，在分方位地震数据上，裂缝型储层发育的分方位地震数据将产生明显的方位各向异性特点，其地震波振幅、频率等都存在一定差异，因此通过分方位地震的差异可以预测裂缝型储层的展布特征。
在本实施方式中，地震数据集为地震数据的集合，也可以称为地震数据集合。
步骤S10:将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应。
在本实施方式中，所述目的地层为所述裂缝发育的地层。具体的，例如，在预测花岗岩潜山裂缝储层的时候，所述目的地层位花岗岩潜山裂缝发育地层，所述目的地层顶面为花岗岩的潜山顶面。
在本实施方式中，所述地震数据子集为地震数据的根据一定条件划分成的多个集合。所述地震数据为宽方位地震数据。所述地震数据表征地震波对目的地层的响应表征目的地层对地震波的影响，所述地震波中包含了目的地层的信息。具体的，可以是以目的地层的顶面起根据一定的厚度，提取所述目的层属性值，以该属性值作为地震波对目的地层的响应，该厚度可以是根据实际钻井获得。
在本实施方式中，可以是根据已知的地震资料，从地震资料中读取确定目的地层、目的地层顶面以及对应的地震数据集。例如，可以综合利用测井资料与录井资料，制作合成地震记录，完成精细地震地质标定，如对几个分方位地震数据集合及叠后宽方位数据体完成精细地震地质标定，确定裂缝型储层地震响应特征及在分方位地震数据上的各向异性特征。
在本实施方式中，每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应。对应区域可以是指所述地震数据子集对应的位置信息的集合。具体的，例如将目的地层顶面画网格，将所述目的地层顶面进行微元后的每个面元的位置信息，其就是对应地震数据子集的位置信息，用于表征该位置。网格越小，分辨率越大。具体的，对所述目的地层顶面精细解释。如，解释地震测网精度1*1。在该网格中，可以提取对应地震数据子集的属性值如均方根振幅、或瞬时频率等属性值，也可以提取对应地震数据子集按方位角划分成的数组的均方根振幅、或瞬时频率等属性值。
步骤S12:根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束。
在本实施方式中，所述地震数据信息中包括方位角信息。所述方位角可以是指从某点的指北方向线起，依顺时针方向到目标方向线之间的水平夹角。例如，针对每个CMP(Common Middle Point)面元内包含许多炮检对的中心点，这些炮检对的连线与正北形成的角度。在本实施方式中，全方位地震数据是指在面元内接收到的所有方位角的地震数据形成的数据，也可以称宽方位数据。将方位角进行划分，得到多组方位角范围，对应的，所述地震数据集合分为多组分方位地震数据。请参阅图2，在一个全方位地震数据的基础上进行方位划分，每个方位单独成为一个地震数据集合(0-180度和180-360度数据是对称的)。图2展示的示例中，将目标区域的方位角进行分组，方位角分成340-10,10-40,40-70,70-100,100-130,130-160共6个方位，每一个方位单独对应一个数据体。
在本实施方式中，所述方位角范围受所述裂缝走向的约束可以是指，在划分所述方位角时，参照所述裂缝走向来划分所述方位角。具体的，要求划分为分方位地震数据时，方位角范围包含所述目标区断裂走向和井上裂缝走向平行的角度。
在本实施方式中，每个所述地震数据子集划分为多个数组可以是指，某个网格或区域中所有数据为一个地震数据子集，根据方位角范围，将该地震数据子集再划分出多个地震数据子集，每个地震数据子集的子集(或数组)对应一个方位角范围。具体的，例如，请参阅图3，综合利用测井资料与录井资料，制作合成地震记录，对几个分方位地震数据集合及全方位地震数据集合完成精细地震地质标定，确定裂缝型储层地震响应特征及在分方位地震数据上的各向异性特征。图3中，纵坐标是时间深度，单位是ms；横坐标是线道号，表示的是这个剖面在平面上的位置；竖直黑线代表的井的位置；虚线表示该示例中的潜山顶面，也是该示例的基准面；图3(a)表示该井地震响应特征(方位角为355-40度的分方位地震数据集合的地震响应特征)；图3(b)表示该井地震响应特征(方位角为40-85度的分方位地震数据集合的地震响应特征)；图3(c)表示该井地震响应特征(方位角为85-130度的分方位地震数据集合的地震响应特征)；图3(d)表示该井地震响应特征(方位角为130-175度的分方位地震数据集合的地震响应特征)；图3(e)表示该井地震响应特征(355-175度的全方位地震数据集合的地震响应特征)。
步骤S14:针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值。
在本实施方式中，所述属性是指事物本身固有的性质，属性表征值可以用于表征地震波对该网格处下方目的地层地质结构的响应。具体的，属性表征值可以是对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值。其中，均方根振幅与瞬时频率融合属性值为融合多种属性得到的属性值，以利用多传感器检测信息对目标对象的属性进行判断。均方根振幅与瞬时频率融合属性值可以是两者相乘，也可以是相除、相加等。对应的，根据全方位地震数据得到的属性表征值为全方位属性表征值，每个分方位地震数据的数组得到的属性表征值为其分方位属性表征值。
在本实施方式中，所述瞬时频率是相位的时间变化率。当地震波通过不同介质界面时，频率将会发生明显变化，这种变化在瞬时频率图像剖面中就能显示出来。它能够反映组成地层的岩性变化，有助于识别地层。所述振幅可以通过开时间窗的方式，获得该时间窗内的地震波，求取得到所述地震波的均方根振幅。
在本实施方式中，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值，具体的，可以是提取得到对应地震数据集合的均方根振幅及瞬时频率属性。例如，以潜山顶面为主要目的地层，分析每个同相轴属性，提取得到各个数据集合的均方根振幅及瞬时频率属性。请参阅图4，图4为潜山顶面的均方根振幅属性图。图4(a)表示潜山顶面的均方根振幅属性(方位角为355-40度的分方位地震数据集合的振幅属性)；图4(b)表示潜山顶面的均方根振幅属性(方位角为40-85度的分方位地震数据集合的振幅属性)；图4(c)表示潜山顶面的均方根振幅属性(方位角为85-130度的分方位地震数据集合的振幅属性)；图4(d)表示潜山顶面的均方根振幅属性(方位角为130-175度的分方位地震数据集合的振幅属性；图4(e)表示潜山顶面的均方根振幅属性(355-175度的全方位地震数据集合的振幅属性)，图4(e)右侧为色块与振幅对应关系图，具体的，如振幅数值5000，可以利用红色的色块来代表。请参阅图5，图5为潜山顶面瞬时频率属性分析图。图5(a)表示潜山顶面的瞬时频率属性(方位角为355-40度的分方位地震数据集合的瞬时频率属性)；图5(b)表示潜山顶面的瞬时频率属性(方位角为40-85度的分方位地震数据集合的瞬时频率属性)；图5(c)表示潜山顶面的瞬时频率属性(方位角为85-130度的分方位地震数据集合的瞬时频率属性)；图5(d)表示潜山顶面的瞬时频率属性(方位角为130-175度的分方位地震数据集合的瞬时频率属性；图5(e)表示潜山顶面的瞬时频率属性(355-175度的全方位地震数据集合的瞬时频率属性)，图5(e)右侧为色块与频率对应关系图。
在本实施方式中，获取融合属性值时可以是根据每个数据集合(数组)中的属性值进行计算获得其整体的融合属性，以表征地震波在该网格处的响应。具体的，可以是针对每个地震数据集合，对其提取得到的振幅及频率进行乘积或者相除运算，得到振幅频率的融合属性。当然，也可以是相加或相减等方法。具体的，可以根据已有的裂缝储层发育的井和不发育井，其对应位置得到的所述分方位融合属性值(属性表征值)差异越大越好的原则，使其能反映裂缝储层的方位各向异性变化特征。请参阅图6，图6为潜山顶面振幅频率融合属性分析图。图6(a)表示分方位融合属性(方位角为355-40度)；图6(b)分方位融合属性(方位角为40-85度)；图6(c)分方位融合属性(方位角为85-130度)；图6(d)分方位融合属性(方位角为130-175度)；图6(e)全方位融合属性(方位角为355-175度)，图6(e)右侧为色块与融合属性值对应关系图。当然，如果单一的所述均方根振幅或实时频率作为所述属性表征值可以体现所述裂缝的各向异性时，也可以用均方根振幅、或瞬时频率作为后续计算用的属性表征值。在一个示例中，例如，在一个目标区域内，展现了连续高频强振幅地震反射特征，因此，该目标区域可以采用振幅频率的乘积以放大裂缝型储层的地震响应特征，同时突出裂缝储层融合属性的方位各向异性。
步骤S18:基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
在本实施方式中，所述裂缝强度表征值可以为表征裂缝引起的孔隙度发育程度的参数。具体的，对应的位置信息为目的地层顶面的一个网格处，将该位置处各个方位的分方位属性表征值和全方位属性表征值，进行计算，获得该处的裂缝强度表征值。所述裂缝强度表征值可以进一步转化为该处的裂缝储层厚度，以使用户观察该目标区域的裂缝分布情况更加直观。其中，全方位属性表征值对应于地震数据子集，分方位属性表征值对应于该地震数据子集按照方位角度范围进行分组的地震数据数组。
在本实施方式中，可以通过如下函数计算获得所述裂缝强度表征值。其中，AAI为所述裂缝强度表征值；Ai为分方位地震数据的属性表征值；A为全方位地震数据的属性表征值；n为分方位地震数据的个数；X为系数，不同的X值得到不同的所述裂缝强度表征值。请参阅图7，图7(a)为n＝4，X＝2时，在目标区域内的所述裂缝强度表征值分布(裂缝储层方位各向异性指示属性)；图7(b)为n＝4，X＝3时，在目标区域内的所述裂缝强度表征值分布；图7(c)为n＝4，X＝4时，在目标区域内的所述裂缝强度表征值分布；图7(c)右侧为色块与所述裂缝强度表征值的关系图。
当然，本领域技术人员可以针对所述全方位地震数据以及所述分方位地震数据，通过其他公式得到所述裂缝强度表征值，以体现裂缝引起的孔隙度发育程度，实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。例如，采用方差公式，以所述全方位地震数据的属性表征值为作为方差公式中的平均值，运算得到的值作为所述裂缝强度表征值等。
在本实施方式中，还可以包括根据实钻井处的裂缝厚度值，修正每个单元处的所述裂缝强度表征值。具体的，所述裂缝厚度值可以是该位置处地层中裂缝的上顶面到地面的距离，或者该位置处，所有裂缝厚度的和。具所述实钻井处的裂缝厚度可以是通过常规测井、FMI(地层微电阻率扫描成像)、录井、试油等资料，获取实钻井处的裂缝厚度值。请参阅图8，图8中W1、W2…W6为实际钻井中的6个井。其中，根据产油能力的强弱，划分为高产油井和干井。图8右侧为色块与所述裂缝强度表征值的关系图。
根据实际钻井获取的该井位置处的裂缝厚度，修正每个单元处的所述裂缝强度表征值。具体的，可以包括根据每个井处的裂缝厚度值，与几组计算得到的裂缝强度表征值对比，选取其中最符合的裂缝强度表征值。例如，在上述示例中，通过如下函数计算获得所述裂缝强度表征值。分别对应参阅图7中的图7(a)、图7(b)、图7(c)。在每个情况中，对应W1、W2…W6为实际钻井位置处都有对应的所述裂缝强度表征值。以在实钻井获得的裂缝厚度值与所述裂缝强度表征值最吻合时，优选出X值，以及对应计算出的目标区域的裂缝带强度表征值。
上述实施方式，将目标区域的方位角进行分组，得到多组方位角范围；计算获取所述目标区域的目的地层顶面上每个网格的地震数据属性表征值和分方位地震数据属性表征值；基于所述地震数据属性表征值和分方位地震数据属性表征值进行计算，得到该网格处的裂缝强度表征值；获得所述目标区域的裂缝分布情况。本实施方式，根据研究区断裂特征及裂缝走向基础数据进行方位角划分，突出裂缝型储层的地震方位各向异性，并通过计算将与裂缝响应特征敏感的振幅、频率属性或其融合属性，放大裂缝型储层的方位各向异性特点。通过构建数学公式，提取裂缝型储层振幅、频率、或振幅与频率融合属性的方位各向异性，最终得到指示裂缝储层强度的方位各向异性属性。计算速度快，计算结果客观真实且便于解释。本实施方式可以用于花岗岩裂缝型储层的预测，同样可适用于构造地质特征相似的其它裂缝型油藏的储层预测研究。
在一个具体场景示例中，某花岗岩潜山裂缝油藏位于中非裂谷带，目前处于勘探初期。构造研究成果显示该地区主要发育北西向和北东西断裂，FMI测井解释该地区裂缝同样以北西向和北东向为优势走向。该花岗岩潜山油藏裂缝储层产能高，单井试油日产液量最高达4000桶/天，但是潜山裂缝储层分布不均，各个潜山山头试油产液量相差很大，个别井甚至为干井，裂缝型储层的分布规律及控制因素不清楚，导致该地区钻井成功率较低。
在本场景示例中，首先根据断裂及裂缝走向特征，将宽方位地震数据划分成4个分方位地震数据，并通过基底顶面精细标定，完成了几个地震数据的基底顶面解释。分析发现，该地区裂缝储层主要表现为连续高频强振幅地震反射特征，请参阅图3。因此，该地区采用振幅频率的乘积放大裂缝型储层的地震响应特征，同时突出裂缝储层融合属性的方位各向异性。并采用公式其中，AAI为所述裂缝强度表征值；Ai为分方位地震数据的属性表征值；A为全方位地震数据的属性表征值；n为分方位地震数据的个数；X为系数，不同的X值得到不同的所述裂缝强度表征值数组。得到裂缝储层方位各向异性属性(所述目标区域内各处的裂缝强度表征值)(参数优选n＝4，X＝2)，最终结合井转化为裂缝储层厚度分布图。
通过上述方法，在该研究区共识别裂缝发育区带48个，累计面积28km2。同时，从实钻井上裂缝储层与井的误差分析得到，此发明预测该地区花岗岩裂缝型储层的准确率较高。
表1利用该发明预测花岗岩潜山裂缝储层与实钻情况统计分析表
| 井名 | 实钻裂缝情况 | 本发明预测 |
| W1 | 发育 | 发育 |
| W2 | 发育 | 发育 |
| W3 | 发育 | 发育 |
| W4 | 不发育 | 不发育 |
| W5 | 不发育 | 不发育 |
| W6 | 不发育 | 不发育 |
在一个实施方式中，所述地震数据为宽方位地震数据。
在本实施方式中，宽方位地震技术即是横向接收单元尺寸与纵向接收单元尺寸之比大于0.5时的三维地震采集处理技术。通过宽方位地震技术获取的地震数据为所述宽方位地震数据。
在本实施方式中，相比较于窄方位地震数据，宽方位地震数据不会忽略某一个方位的裂缝信息。另外。窄方位地震数据因为处理的时候为了提高地震资料信噪比，损失了保幅性，保幅性差。而宽方位地震数据可以不用损失保幅性而得到较高的地震资料的信噪比，所以宽方位地震数据保幅性好。
在一个实施方式中，所述指定的方位角范围为4到8个等分的方位角范围。
在本实施方式中，根据研究区断裂走向和井上裂缝走向，将方位角等分成4到8个方位角范围。所述地震数据以该方位角范围进行分组。
在本实施方式中，若小于4个方位角范围，在体现裂缝的各项异性，效果不好，若大于8个方位角，则分成的数量相对较多，也不利于分析所述裂缝的各项异性。4到8个方位角范围，为本实施方式的一个优选的实施方式。
在本实施方式中，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值的步骤中还包括：根据实钻井处的裂缝厚度值，将所述地震数据子集划分的数组的所述均方根振幅、所述瞬时频率、所述均方根振幅与瞬时频率融合属性值进行对比；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述瞬时频率差异越大的情况下，以所述瞬时频率作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅与瞬时频率融合属性值差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；其中，所述均方根振幅与瞬时频率融合属性值符合所述均方根振幅乘以所述瞬时频率，或所述均方根振幅除以所述瞬时频率。
在本实施方式中，根据计算得到的对应区域处的所述地震数据子集划分的数组的属性表征值，其中属性表征值包括所述均方根振幅、所述瞬时频率以及所述均方根振幅与瞬时频率计算得到的融合属性值。在同一纬度，如均方根振幅的维度、瞬时频率的维度或两者的融合属性维度，按不同方位角进行对比。并以实钻井处获得的裂缝厚度值为参照。将可以体现目标区域裂缝的维度作为后续计算的属性表征值。具体的，例如，在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值。所述数据集为地震数据子集或数组。所述数组的所述均方根振幅差异越大是指该地震数据子集按不同方位角划分的地震数据数组提取得到的均方根振幅差异越大。同理，在所述实钻井处的裂缝厚度值越大，所述数组的所述瞬时频率差异越大的情况下，以所述瞬时频率作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅与瞬时频率融合属性值差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；其中，所述均方根振幅与瞬时频率融合属性值符合所述均方根振幅乘以所述瞬时频率，或所述均方根振幅除以所述瞬时频率。
在本实施方式中，通过确定的几个维度，与实际钻井比较，确定以其中的一个维度计算得到的属性表征值，使其根能反应裂缝储层的方位各向异性变化特征。
在一个实施方式中，根据如下函数得到所述裂缝强度表征值：
其中，AAI为所述裂缝强度表征值；Ai为地震数据子集划分得到的每个数组的属性表征值，也可以称为分方位地震数据的属性表征值；A为地震数据子集的属性表征值；n为地震数据子集划分得到的数组的个数，也可以是称分方位地震数据的个数；X为系数，不同的X值得到不同的所述裂缝强度表征值数组。
在本实施方式中，基于所述全方位属性表征值和分方位属性表征值进行运算，得到该单元处的裂缝强度表征值。同时还可以提供多种方案，用于与实钻井得到的裂缝厚度值进行对比。具体的，X可以取2、3或4，分别得到X＝2时，所述目标区域内每个地方的裂缝强度表征值，X＝3时，所述目标区域内每个地方的裂缝强度表征值，X＝4时，所述目标区域内每个地方的裂缝强度表征值。
通过上述实施方式，得到所述目标区域内的每个地方的裂缝强度表征值，所述裂缝强度表征值还可以作为裂缝储层方位各向异性指示属性，反应裂缝型储层强度分布。X系数可以取2、3、4，因此可以得到多个结果，以和实钻井得到的数据进行比对，提供选择以优选出其中的最佳计算方案。
在一个实施方式中，所述方法还可以包括：将实钻井处的裂缝厚度值与所述实钻井处的所述裂缝强度表征值进行匹配，确定最吻合的系数X。
在本实施方式中，将实钻井处的裂缝厚度值与所述实钻井处的所述裂缝强度表征值进行匹配。具体的，例如，通过实钻井得到的6个井处的裂缝厚度值以及其对应的计算得到的所述裂缝强度表征值进行一元线性回归，分别得到X＝2，X＝3，X＝4时的相关系数，越大，代表越相关，取相关系数最大时后对应的X值，作为公式中的X值，以此得到优选的所述目标区域内的裂缝强度表征值。
在本实施方式中，所述裂缝强度表征值数组可以是代表所述目标区域内每个单元的裂缝强度表征值组成的集合。具体的，针对所述目标区域，将其进行微元，得到一个一个单元，每个单元上，都有该单元处的裂缝强度表征值，以此形成整个目标区域的裂缝强度表征值数组。
通过上述实施方式，可以优选出一个最佳的X值，以使得计算得到的裂缝强度表征值更加接近实际。
在一个实施方式中，所述方法还可以包括以下步骤：根据实钻井处的裂缝厚度值以及对应位置处的所述裂缝强度表征值，得到所述裂缝强度表征值与所述裂缝厚度值的映射关系；所述映射关系用于计算得到每个裂缝强度值对应的裂缝厚度值。
在本实施方式中，根据实钻井得到的每个井的裂缝厚度值，获取所述裂缝强度表征值与所述裂缝厚度值之间的关系，然后根据所述映射关系将所述裂缝强度表征值转化为所述裂缝厚度值。具体的，例如，在一个井处，实际钻井获得的裂缝厚度为90，对应的，在该处计算得到的所述裂缝强度表征值72000，72000/90＝800，则对应的，在将所述目标区域的裂缝强度表征值转化为所述裂缝厚度值时，将所述目标区域内的强度表征值都除以800。当然，在将所述裂缝强度表征值转化为所述裂缝厚度值时，也可以通过统计回归数学关系，建立所述裂缝强度表征值与所述裂缝厚度值的关系式。例如，根据对于其中6个实钻井W1、W2…W6，每个井位置都有一个裂缝厚度值，以及计算得到裂缝强度表征值，得到6组数据，设立函数y＝ax+b，其中a,b为系数，x为所述裂缝强度表征值，y为裂缝厚度值。根据上述6组数据获得具体的函数关系式，依照该函数关系式，将所述目标区域内每个位置处的所述裂缝强度表征值转化为裂缝带厚度值。请参阅9。图9为一个示例中，将所述裂缝强度表征值转化为花岗岩潜山裂缝性储层厚度得到的裂缝分布图，图9右侧为色块与所述裂缝厚度值的关系图。
通过上述实施方式，以完成所述目标区域内所述裂缝强度表征值转化为所述裂缝厚度值，可以得到如图9所示的目标区域的裂缝厚度图，更加直观显示所述目标区域的裂缝分布情况。
本说明书实施方式中还提供了一种裂缝储层预测装置，如下面的实施方式所述。由于一种预测裂缝储层装置解决问题的原理与一种裂缝储层预测方法相似，因此一种预测裂缝储层装置的实施可以参见一种裂缝储层预测方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。该装置具体可以包括：第一处理单元、第二处理单元、第三处理单元、第四处理单元。下面对该结构进行具体说明。
第一处理单元，将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应。
第二处理单元，用于根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束。
第三处理单元，用于针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值。
第四处理单元，用于基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
本实施方式中的相关术语可以参见前述实施方式对照解释，在此不再赘述。
请参阅图10。本说明书实施方式中还提供了一种电子设备，包括：数据接收设备，处理器。
所述数据接收设备用于接收地震数据。
所述处理器，用于将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
所述数据接收设备是用户和计算机系统之间进行信息交换的主要装置之一。所述数据接收设备包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等；所述数据接收设备用于把原始数据和处理这些数的程序输入到计算机中。
所述处理器可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。
在本实施方式中，该电子设备具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
本说明书实施方式中还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
在本实施方式中，所述存储器包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施方式中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
尽管本申请内容中提到一种裂缝储层预测方法、装置、电子设备及存储器介质，但是，本申请并不局限于必须是行业标准或实施例所描述的情况等，某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、处理、输出、判断方式等的实施例，仍然可以属于本申请的可选实施方案范围之内。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请。
Claims (9)
1.一种裂缝储层预测方法，其特征在于，所述方法包括：
将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；
根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；
针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；所述计算得到所述地震数据子集的属性表征值和所述数组的属性表征值包括：根据实钻井处的裂缝厚度值，将所述地震数据子集划分的数组的所述均方根振幅、所述瞬时频率、所述均方根振幅与瞬时频率融合属性值进行对比；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述瞬时频率差异越大的情况下，以所述瞬时频率作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅与瞬时频率融合属性值差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；其中，所述均方根振幅与瞬时频率融合属性值符合所述均方根振幅乘以所述瞬时频率，或所述均方根振幅除以所述瞬时频率；
基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
2.如权利要求1所述的方法，其特征在于，所述地震数据为宽方位地震数据。
3.如权利要求1所述的方法，其特征在于，所述指定的方位角范围为4到8个等分的方位角范围。
4.如权利要求1所述的方法，其特征在于，根据如下函数得到所述裂缝强度表征值：
其中，AAI为所述裂缝强度表征值；Ai为地震数据子集划分得到的每个数组的属性表征值；A为地震数据子集的属性表征值；n为地震数据子集划分得到的数组的个数；X为系数。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
将实钻井处的裂缝厚度值与所述实钻井处的所述裂缝强度表征值进行匹配，确定最吻合的系数X。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据实钻井处的裂缝厚度值以及对应位置处的所述裂缝强度表征值，得到所述裂缝强度表征值与所述裂缝厚度值的映射关系；所述映射关系用于计算得到每个裂缝强度表征值对应的裂缝厚度值。
7.一种裂缝储层预测装置，其特征在于，所述装置包括：
第一处理单元，将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为所述裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；
第二处理单元，用于根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；
第三处理单元，用于针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；所述计算得到所述地震数据子集的属性表征值和所述数组的属性表征值包括：根据实钻井处的裂缝厚度值，将所述地震数据子集划分的数组的所述均方根振幅、所述瞬时频率、所述均方根振幅与瞬时频率融合属性值进行对比；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述瞬时频率差异越大的情况下，以所述瞬时频率作为每个数据集的属性表征值；在所述实钻井处的裂缝厚度值越大，所述数组的所述均方根振幅与瞬时频率融合属性值差异越大的情况下，以所述均方根振幅作为每个数据集的属性表征值；其中，所述均方根振幅与瞬时频率融合属性值符合所述均方根振幅乘以所述瞬时频率，或所述均方根振幅除以所述瞬时频率；
第四处理单元，用于基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
8.一种电子设备，其特征在于，包括：数据接收设备，处理器；
所述数据接收设备用于接收地震数据；
所述处理器，用于将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：
将地震数据分为多个地震数据子集；其中，所述地震数据表征地震波对目的地层的响应；所述目的地层为裂缝发育的地层；每个所述地震数据子集表征在对应区域内的地震波对目的地层的响应；
根据指定的方位角范围，将每个所述地震数据子集划分为多个数组；其中，每个数组对应于一个方位角范围，所述指定的方位角范围受所述裂缝走向的约束；
针对每个地震数据子集以及其划分的数组，计算得到所述地震数据子集的属性表征值和所述数组的属性表征值；其中，所述属性表征值为对应地震数据的均方根振幅、或瞬时频率、或均方根振幅与瞬时频率融合属性值；
基于所述地震数据子集的属性表征值与该地震数据子集划分得到的每个数组的属性表征值，计算得到裂缝强度表征值；每个所述裂缝强度表征值表征对应区域处的裂缝强度值，形成裂缝强度表征值集，以表征所述目的地层的裂缝分布情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810100805.1A CN108387934B (zh) | 2018-02-01 | 2018-02-01 | 一种裂缝储层预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810100805.1A CN108387934B (zh) | 2018-02-01 | 2018-02-01 | 一种裂缝储层预测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108387934A CN108387934A (zh) | 2018-08-10 |
| CN108387934B true CN108387934B (zh) | 2019-11-08 |
Family
ID=63074826
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810100805.1A Active CN108387934B (zh) | 2018-02-01 | 2018-02-01 | 一种裂缝储层预测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108387934B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112780253B (zh) * | 2020-01-20 | 2022-05-10 | 中国石油天然气集团有限公司 | 裂缝型储层的预测及评价方法 |
| CN113740908B (zh) * | 2020-05-29 | 2024-05-07 | 中国石油化工股份有限公司 | 地震切片的二维变差分析方法、电子设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053266A (zh) * | 2009-11-09 | 2011-05-11 | 中国石油化工股份有限公司 | 地下裂缝预测方法 |
| CN103064114A (zh) * | 2011-10-18 | 2013-04-24 | 中国石油化工股份有限公司 | 一种裂缝储层的表征方法及装置 |
| CN103091712A (zh) * | 2011-10-31 | 2013-05-08 | 中国石油化工股份有限公司 | 一种分析测井组合特征和地震相进行煤质预测的方法 |
| CN104316965A (zh) * | 2014-10-29 | 2015-01-28 | 中国石油天然气集团公司 | 一种裂缝方位和强度的预测方法及系统 |
| CN106094029A (zh) * | 2016-08-24 | 2016-11-09 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 利用偏移距矢量片地震数据预测储层裂缝的方法 |
| EP3182165A1 (en) * | 2015-12-04 | 2017-06-21 | CGG Services SAS | Method and apparatus for analyzing fractures using avoaz inversion |
-
2018
- 2018-02-01 CN CN201810100805.1A patent/CN108387934B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053266A (zh) * | 2009-11-09 | 2011-05-11 | 中国石油化工股份有限公司 | 地下裂缝预测方法 |
| CN103064114A (zh) * | 2011-10-18 | 2013-04-24 | 中国石油化工股份有限公司 | 一种裂缝储层的表征方法及装置 |
| CN103091712A (zh) * | 2011-10-31 | 2013-05-08 | 中国石油化工股份有限公司 | 一种分析测井组合特征和地震相进行煤质预测的方法 |
| CN104316965A (zh) * | 2014-10-29 | 2015-01-28 | 中国石油天然气集团公司 | 一种裂缝方位和强度的预测方法及系统 |
| EP3182165A1 (en) * | 2015-12-04 | 2017-06-21 | CGG Services SAS | Method and apparatus for analyzing fractures using avoaz inversion |
| CN106094029A (zh) * | 2016-08-24 | 2016-11-09 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 利用偏移距矢量片地震数据预测储层裂缝的方法 |
Non-Patent Citations (2)
| Title |
|---|
| OVT域方位各向异性技术在中非花岗岩裂缝预测中的应用研究;夏亚良 等;《石油物探》;20180131;第57卷(第1期);第459-466页 * |
| 缝洞型碳酸盐岩储集体特征及预测--以A油田PZ段为例;王兆峰 等;《石油与天然气地质》;20120630;第33卷(第3期);第140-147页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108387934A (zh) | 2018-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Caers et al. | Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models | |
| CN103765245B (zh) | 混合式确定性－地质统计地球模型 | |
| AU2018340369A1 (en) | Method and device for determining thin interlayer | |
| CN109100796A (zh) | 一种天然气水合物地震数据处理方法及装置 | |
| Rentsch et al. | Fast location of seismicity: A migration-type approach with application to hydraulic-fracturing data | |
| CN106154323A (zh) | 基于地震拓频处理的相控随机反演薄储层预测方法 | |
| CN105954797B (zh) | 地震数据的断裂识别方法和装置 | |
| US6490526B2 (en) | Method for characterization of multi-scale geometric attributes | |
| CN107450108B (zh) | 甜点区的确定方法和装置 | |
| CN109115987A (zh) | 一种基于岩石物理模型的流体因子的评价方法及装置 | |
| US6141622A (en) | Seismic semblance/discontinuity method | |
| CN108387934B (zh) | 一种裂缝储层预测方法、装置、电子设备及存储介质 | |
| CN108375785A (zh) | 裂缝带位置校正方法及装置 | |
| CN103869362A (zh) | 体曲率获取方法和设备 | |
| US11719836B1 (en) | Methods of oil and gas exploration using digital imaging | |
| Ding et al. | Reliability analysis of seismic attribute in the detection of fault-karst | |
| Angerer et al. | Fractured reservoir modeling from seismic to simulator: a reality? | |
| Liu et al. | Combined petrophysics and 3D seismic attributes to predict shale reservoirs favourable areas | |
| CN106501851B (zh) | 一种地震属性优化方法及装置 | |
| CN109100803A (zh) | 微断裂的确定方法和装置 | |
| CN107991705B (zh) | 基于二维统计特征的测井曲线校正方法和装置 | |
| CN108089228B (zh) | 一种确定地层岩石特性的解释数据方法和装置 | |
| Christensen et al. | Seismically driven reservoir characterization using an innovative integrated approach: Syd Arne Field | |
| CN112817059A (zh) | 峰峰组内幕储层确定方法及装置 | |
| CN112305594A (zh) | 非均质储层的油气分布确定方法及系统 |
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 |