CN108415075B - 一种少井条件下的储层预测方法 - Google Patents
一种少井条件下的储层预测方法 Download PDFInfo
- Publication number
- CN108415075B CN108415075B CN201810069113.5A CN201810069113A CN108415075B CN 108415075 B CN108415075 B CN 108415075B CN 201810069113 A CN201810069113 A CN 201810069113A CN 108415075 B CN108415075 B CN 108415075B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- seismic
- exploration targets
- data
- sensitive parameter
- 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 46
- 208000035126 Facies Diseases 0.000 claims abstract description 94
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 36
- 239000011435 rock Substances 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000001615 p wave Methods 0.000 claims description 14
- 230000000704 physical effect Effects 0.000 claims description 14
- 238000013213 extrapolation Methods 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000005553 drilling Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000002939 conjugate gradient method Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012911 target assessment Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000005501 phase interface Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6226—Impedance
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
本发明涉及一种少井条件下的储层预测方法，包括以下步骤：获取勘探目标的测井数据和地震数据，对勘探目标的地震数据进行三维解释追踪，获得勘探目标的地质层位解释结果；定性划分勘探目标的典型测线地震相；定量划分勘探目标的三维地震数据体的地震相；对定量划分的勘探目标三维地震数据体的地震相进行沉积相解释，得到勘探目标宏观上的储层展布趋势认识；确定能够反映储层特征的储层敏感参数的种类及储层对应的能够反映储层特征的储层敏感参数的数值范围；计算能够反映储层特征的储层敏感参数的值；提取储层敏感参数属性平面图；在储层敏感参数属性平面图中重新划定储层对应的能够反映储层特征的储层敏感参数的数值范围，进而预测储层分布规律。
Description
技术领域
本发明涉及一种储层预测方法，尤其涉及一种少井条件下的储层预测方法。
背景技术
目前，在地质勘探中常用的储层预测方法包括地震反演技术和地震相分析技术等。
地震反演技术是指根据观测到的各种数据(地震数据、测井数据等)反推地球内部介质的速度、密度以及纵波阻抗等岩石地球物理参数的分布和变化，进而进行储层和油气藏分布预测。地震数据记录了丰富的地球物理信息，特别是叠前的CRP(共反射点，CommonReflection Point)道集含有振幅随偏移距变化的信息，利用这些信息可对岩性、物性、含油气性等进行检测。然而，地震数据的频带范围有限，特别是低频数据缺乏，需要测井数据插值补充低频趋势(低于6Hz的低频趋势，能够提供宏观储层展布趋势),通过地震反演方法刻画地下岩石参数。测井数据是对地下岩性、物性和含油气性信息最为真实的记录，通过纵波速度、横波速度、密度、泥质含量、孔隙度和含水饱和度等曲线，可以直观的计算出对岩性、物性、含油气性等最为敏感的参数。但是，目前海上资料测井数据少，特别是中深层往往缺乏测井数据，测井数据不能提供客观的低频趋势，因此仅依靠地震反演技术难以刻画储层分布。
地震相分析方法从地震数据出发，无需测井数据的参与即可建立地震相图，是有效的储层预测方法。地震相是由地震反射参数(波形、振幅、频率、相位等)而限定的地震反射单元，是沉积相在地震剖面上的反应。地震相分析的目的是划定这些地震反射单元的边界。在定量地震相分析方法中，波形分类方法通过对地震波的几何形状进行统计分类，划分地震相带边界最为直观。在已知不同沉积相所对应的地震反射特征前提下，能通过观察剖面交互检验地震相划分结果。地震波形分类技术基于神经网络算法进行地震相分析，神经网络是人工智能形状识别的一个分支，该算法可以模仿人类鉴定目标特性的过程。在地震目的层段中，采用神经网络方法对反射波波形进行研究，多次迭代后，构建合成地震道，然后将实际地震道与模型道进行比较，选出与实际地震道相关系数最高的模型地震道，并将其值赋给实际地震道。但是，通过波形分类地震相划分方法只能得到宏观上的地质体的展布趋势，在少井的情况下，没有足够测井资料的约束和验证，难以精细刻画储层分布。
综上所述，目前在勘探初期缺少测井资料的情况下，储层预测难度极大。
发明内容
针对上述问题，本发明的目的是提供一种少井条件下的储层预测方法，通过地震相分析、沉积相解释得到储层的宏观展布趋势，结合已有测井数据岩石物理分析结果,对反演结果中的储层敏感参数进行定量解释。该方法能够在少井条件下预测储层分布范围，使储层的刻画更加准确，并且能降低常规单一储层预测方法的多解性，为勘探目标评价提供有效成果。
为实现上述目的，本发明采取以下技术方案：一种少井条件下的储层预测方法，包括以下步骤：
1)获取勘探目标的测井数据和地震数据，并对勘探目标的地震数据进行三维解释追踪，获得勘探目标的地质层位解释结果；
2)根据勘探目标的地质层位解释结果，在勘探目标的地震数据的二维地震剖面上寻找能够反映典型地震相的典型测线，通过观察地震反射参数的变化定性划分勘探目标的典型测线地震相；
3)采用波形分类方法定量划分勘探目标的三维地震数据体的地震相，根据定性划分的勘探目标的典型测线地震相的范围，检验定量划分的勘探目标三维地震数据体的地震相；如果定性划分的勘探目标的典型测线地震相的范围与定量划分的勘探目标三维数据体的地震相范围一致，则定量划分的勘探目标三维地震数据体的地震相结果可靠；否则，方法结束；
4)根据区域物源方向、已有钻井单井沉积相解释结果、层序格架、特殊反射外形，对定量划分的勘探目标三维地震数据体的地震相进行沉积相解释，得到勘探目标宏观上的储层展布趋势认识；
5)利用勘探目标的测井数据做岩石物理分析，确定能够反映储层特征的储层敏感参数的种类及储层对应的能够反映储层特征的储层敏感参数的数值范围；通过叠前反演技术计算能够反映储层特征的储层敏感参数的值；
6)根据叠前反演技术计算的能够反映储层特征的储层敏感参数的值，提取储层敏感参数属性平面图；以岩石物理分析得到的储层对应的能够反映储层特征的储层敏感参数的数值范围为基础，根据勘探目标宏观上的储层展布趋势认识，在储层敏感参数属性平面图中重新划定储层对应的能够反映储层特征的储层敏感参数的数值范围，进而预测储层分布规律。
所述步骤3)中采用波形分类方法定量划分勘探目标的三维地震数据体的地震相，具体包括以下步骤：
①根据勘探目标的地质层位解释结果，选取有油气储集可能的层段作为研究目的层段；通过神经网络方法对研究目的层段的地震数据中实际反射波的波形进行学习，经过多次迭代后，构建研究目的层段的合成模型地震道；
②将研究目的层段的地震数据的各实际地震道分别与研究目的层段的各合成模型地震道进行对比，选出与各实际地震道相关系数最高的合成模型地震道；
③将与实际地震道相关系数最高的合成模型地震道替换该实际地震道，得到定量划分的勘探目标的三维地震数据体的地震相。
所述步骤5)中的储层敏感参数种类包括纵波阻抗和纵横波速度比。
所述步骤5)中利用勘探目标的测井数据做岩石物理分析时，首先检查目标勘探区的测井数据是否满足岩石物理分析的条件，要求研究目的层段的测井数据无缺失、无奇异值；其次，判断研究目的层段的纵波阻抗对岩性、物性和含油气性是否敏感，如果敏感，则纵波阻抗为能够反映储层特征的储层敏感参数，确定研究目的层段储层的纵波阻抗的数值范围，继续下一步；否则，继续判断研究目的层段的纵横波速度比对岩性、物性或含油气性是否敏感，如果敏感，则纵横波速度比为能够反映储层特征的储层敏感参数，确定研究目的层段储层的纵横波速度比的数值范围；否则，方法结束。
所述步骤5)中通过叠前反演技术计算能够反映储层特征的储层敏感参数的值，具体包括以下步骤：
I、对勘探目标的地震数据和测井数据进行时深标定；
II、将勘探目标地震数据的不同入射角度的叠前数据按不同的角度范围叠加，得到勘探目标的不同入射角度范围叠加数据，分别提取各入射角度范围叠加数据的子波；
III、根据勘探目标的地质层位解释结果和储层敏感参数测井数据进行外推插值，得到勘探目标储层敏感参数的外推插值结果，建立勘探目标储层敏感参数的低频趋势；
IV、将勘探目标的各入射角度范围叠加数据、各入射角度范围叠加数据的子波、低频趋势作为输入数据，通过共轭梯度法反演计算勘探目标的能够反映储层特征的储层敏感参数的值。
所述步骤5)中的叠前反演技术中使用的是基于关于纵、横波阻抗和密度的近似方程的Fatti方程。
本发明由于采取以上技术方案，其具有以下优点：1、本发明的一种少井条件下的储层预测方法，通过地震相分析、沉积相解释得到宏观的储层展布趋势，利用反演进行微观的储层精细刻画，二者结合能够在少井条件下预测储层分布范围，有效降低单一储层预测方法的多解性，为勘探目标评价提供有效的技术支撑。2、本发明一种少井条件下的储层预测方法，适用于在勘探初期探井较少情况下的储层预测。3、本发明一种少井条件下的储层预测方法，能够在地质认识的指导下进行储层预测，将地质和地球物理方法完美结合来指导勘探工作，提高效率。
附图说明
图1是本发明方法的流程图；
图2是海上某区块某勘探目标的地震剖面图；
图3是图2中勘探目标的测井位置图；
图4(a)、(b)、(c)分别是图2中勘探目标第1、2、3期扇体地震相分析图；
图5是勘探目标第1期扇体剖面和地震相平面分布对比图；
图6(a)、(b)分别是图3中A-1井的纵横波速度比与泥质含量和孔隙度的交会图；
图7(a)、(b)、(c)分别是勘探目标第1、2、3期扇体储层预测结果示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明的一种少井条件下的储层预测方法，包括以下步骤：
1)获取勘探目标的测井数据和地震数据，并对勘探目标的地震数据进行三维解释追踪，获得勘探目标的地质层位解释结果，确保地震数据的每个地震道上都有地质层位解释结果，使地质层位解释结果能够作为地震相分析和地震反演的输入数据。
其中，三维解释追踪是运用地震波传播理论和石油地质学原理，综合地质、钻井等资料，对地震剖面进行深入的分析研究，根据振幅、同相或连续性、波形相似性三个基本准则对地震反射层相当于什么地质层位做出正确的判断。
2)根据勘探目标的地质层位解释结果，在勘探目标的地震数据的二维地震剖面上寻找能够反映典型地震相的典型测线，通过观察地震反射参数的变化定性划分勘探目标的典型测线地震相。
地震反射参数是指波形、振幅、频率和连续性等。地震相是由地震反射参数所限定的三维地震反射单元，同一地震相的地震反射参数相同，不同三维地震反射单元有不同的地震反射参数特征，划分地震相就是要找到三维地震反射单元的边界。
3)采用波形分类方法定量划分勘探目标的三维地震数据体的地震相，根据定性划分的勘探目标的典型测线地震相的范围，检验定量划分的勘探目标三维地震数据体的地震相，如果定性划分的勘探目标的典型测线地震相的范围与定量划分的勘探目标三维数据体的地震相范围一致，则定量划分的勘探目标三维地震数据体的地震相结果可靠；否则，方法结束。
采用波形分类方法定量划分勘探目标的三维地震数据体的地震相，具体包括以下步骤：
①根据勘探目标的地质层位解释结果，选取有油气储集可能的层段作为研究目的层段；通过神经网络方法对研究目的层段的地震数据中实际反射波的波形进行学习，经过多次迭代后，构建研究目的层段的合成模型地震道；
②地震数据的实际地震道和合成模型地震道中均包括很多道地震数据，将研究目的层段的地震数据的各实际地震道分别与研究目的层段的各合成模型地震道进行对比，选出与各实际地震道相关系数最高的合成模型地震道；
③将与实际地震道相关系数最高的合成模型地震道替换该实际地震道，则研究目的层内仅剩下多个合成模型地震道，每一个合成模型地震道对应一个地震相，从而得到研究目的层段内的地震相分布图，即定量划分的勘探目标三维地震数据体的地震相。
4)根据区域物源方向、已有钻井单井沉积相解释结果、层序格架、特殊反射外形(如扇状)，对定量划分的勘探目标三维地震数据体的地震相进行沉积相解释，得到勘探目标宏观上的储层展布趋势认识。
沉积相是沉积物生成环境和其特征的综合，不同沉积相的储层展布特征不同,在地震剖面上划分相界面，以此为基础划分地层沉积相匹配关系，找到不同的沉积相。
5)利用勘探目标的测井数据做岩石物理分析，确定能够反映岩性、物性、含油气性等储层特征的储层敏感参数的种类及储层对应的能够反映储层特征的储层敏感参数的数值范围；通过叠前反演技术计算能够反映储层特征的储层敏感参数的值。
其中，储层敏感参数种类包括纵波阻抗、纵横波速度比等，纵波阻抗是纵波速度与介质密度的乘积。
利用勘探目标的测井数据做岩石物理分析时，首先检查目标勘探区的测井数据是否满足岩石物理分析的条件，要求研究目的层段的测井数据无缺失、无奇异值。其次，判断研究目的层段的纵波阻抗对岩性、物性和含油气性是否敏感，如果敏感，则纵波阻抗为能够反映储层特征的储层敏感参数，确定研究目的层段储层的纵波阻抗的数值范围，继续下一步；否则，继续判断研究目的层段的纵横波速度比对岩性、物性或含油气性是否敏感，如果敏感，则纵横波速度比为能够反映储层特征的储层敏感参数，确定研究目的层段储层的纵横波速度比的数值范围；否则，方法结束。
通过叠前反演技术计算能够反映储层特征的储层敏感参数的值，具体包括以下步骤：
I、对勘探目标的地震数据和测井数据进行时深标定，地震数据是时间域的，测井数据是深度域的，通过时深标定可以将地震数据和测井数据联系起来。
II、将勘探目标地震数据的不同入射角度的叠前数据按不同的角度范围叠加，得到勘探目标的不同入射角度范围叠加数据，分别提取各入射角度范围叠加数据的子波。
III、根据勘探目标的地质层位解释结果和储层敏感参数测井数据进行外推插值，得到勘探目标储层敏感参数的外推插值结果，建立勘探目标储层敏感参数的低频趋势。
IV、将勘探目标的各入射角度范围叠加数据、各入射角度范围叠加数据的子波、低频趋势作为输入数据，通过共轭梯度法反演计算勘探目标的能够反映储层特征的储层敏感参数的值。
反演技术根据观测到的地震数据、测井数据等反推地球内部介质的速度、密度以及纵波阻抗等岩石地球物理参数的分布和变化，进而进行储层和油气藏分布预测。根据输入数据的不同可以将反演方法分为叠后反演、叠前反演，本发明方法采用的是叠前反演。叠前反演应用振幅随偏移距变化的信息，通过测井数据和地震数据计算得到反映储层特征的地球物理敏感参数。世界著名的Zoeppritz方程是叠前反演的基础。在地震勘探中，震源激发的弹性波在弹性界面处会产生反射纵波、反射横波和透射纵波、透射横波。Zoeppritz方程研究的是各种波的能量关系，但其形式过于复杂，不利于实际运算。叠前反演通常用到Zoeppritz方程的简化表达式，目前应用最广泛的是基于关于纵、横波阻抗和密度的近似方程的Fatti方程，其表达式为：
Rpp(θ)＝RPa1+Rsa2+RDa3
ΔVP＝VP2-VP1，ΔVS＝VS2-VS1，Δρ＝ρ2-ρ1
式中，Rpp为地震波反射系数；θ为地震波入射角；RP为法向入射时的纵波反射系数；Rs为横波反射系数；RD为密度反射系数；VP1和VS1分别为入射波所在介质的纵波速度和横波速度；VP2和VS2分别为透射波所在介质的纵波速度和横波速度；ρ2为透射波所在介质的密度，ρ1为入射波所在介质的密度；γ为纵横波速度比的倒数；a1、a2、a3、ΔVP、Δρ、ΔVS均为中间计算参数。
6)根据叠前反演技术计算的能够反映储层特征的储层敏感参数的值，提取研究目的层段的储层敏感参数属性平面图；以岩石物理分析得到的储层对应的能够反映储层特征的储层敏感参数的数值范围为基础，根据勘探目标宏观上的储层展布趋势认识，在属性平面图中重新划定储层对应的能够反映储层特征的储层敏感参数的数值范围，进而预测储层分布规律。
目标勘探区的能够反映储层特征的储层敏感参数的值实际上是三维空间垂直排列的多个波形，每个波形在不同的时刻有不同的数值，从而有最大值、最小值、均方根值等，最大值、最小值、均方根值等称为属性；不同的属性在反应储层特征时效果不同，如果纵波阻抗是储层敏感参数，则均方根值反应储层特征效果最好，如果纵横波速度比是储层敏感参数，则最小值反应储层特征效果最好；提取研究目的层段每个波形的属性值得到属性平面图。
下面以海上某区块的某勘探目标具体实施例，进一步说明本发明的一种少井条件下的储层预测方法的实际应用效果。
如图2所示，为海上某区块某勘探目标的地震剖面，该勘探目标的目的层A段主要发育扇三角洲砂体，从地震剖面上能够看到扇体向湖方向推进的前积特征。经过区域研究和精细地震解释，在A段识别出3期纵向叠置的扇体。本次研究任务是对3期扇体划分有利相带范围，并预测有利储层分布。
如图3所示，为海上该勘探目标测井数据位置图，勘探目标附近仅有一口探井A-1井，该井钻穿该勘探目标的目的层A段。前期地质研究结果表明，A-1井的A段沉积相属于湖相，而勘探目标沉积相属于扇体，A-1井的A段与勘探目标扇体沉积环境有差别；此外，A-1井在A段厚度为192米，与勘探目标扇体厚度1000-2000米差别较大。因此，通过A-1井不足以提供客观的能够反应储层特征(岩性、物性等)的储层敏感参数展布趋势，会使反演结果存在误差。
因此，使用本发明的一种少井条件下的储层预测方法进行勘探目标的储层预测，具体包括以下步骤：
1)获取勘探目标的测井数据和地震数据，并对勘探目标的地震数据进行三维解释追踪，得到勘探目标的地质层位解释结果。
2)根据勘探目标的地质层位解释结果，在勘探目标的地震数据的二维地震剖面上寻找能够反映典型地震相的典型测线，通过观察地震反射参数的变化定性划分目标勘探区的典型测线地震相。
如图2所示，前期的地质认识表明，研究目标目的层A段主要发育扇三角洲砂体。经过区域研究和精细地震解释，在A段识别出3期纵向叠置的扇体。在地震剖面上，通过观察能够定性识别出扇根、扇中和扇端的地震反射参数差异：扇根弱振幅、连续性较差、频率较低，扇中中强振幅、连续性较好、频率较高，扇端中振幅、连续、平行、频率低。然而，仅仅通过肉眼观察划分地震相效率太低，还需要定量划分地震相。
3)-4)采用波形分类方法定量划分勘探目标的地震相，根据已有钻井单井沉积相解释结果、宏观物源方向、层序格架、特殊反射外形(如扇状)等地质认识，对定量划分的勘探目标的地震相进行沉积相解释，得到勘探目标宏观上的储层展布趋势认识。
如图4(a)、(b)、(c)所示，通过波形分类方法对每期扇体划分地震相，得到三期扇体的地震相平面图。为交互检验地震相划分结果，如图5所示，从左图地震剖面上可以看到扇根、扇中的地震反射参数特征。扇根弱振幅，连续性较差，频率较低；扇中中强振幅，连续性较好，频率较高。在右图地震相划分平面图中，扇根、扇中分别如图所示：右图圆点位置与左图剖面圆点位置一一对应；由于扇根和扇中岩性界面是倾斜的，地震相平面图中存在过渡带；地震剖面上相带边界与地震相划分结果对应关系良好，验证了地震相划分结果的正确性。
前期的地质研究表明，该勘探目标的物源来自东北部凸起，沉积相类型为扇体。对地震相进行沉积相解释，每期扇体扇中为图4中浅色区域，扇根和扇端为深色区域所示。扇根、扇中和扇端储层展布特征有所不同：扇根，近物源，分选差，粒度粗，杂基含量高，储集物性差；扇中，远离物源，分选中等，粒度更细，杂基含量更低，储集物性好；扇端，远离物源，粒度细，分选好，储集物性差。扇中位置砂岩的纯度最高，储集物性最好；扇根和扇端位置的砂岩纯度更低，物性更差；扇中是扇体的有利储集相带。
5)利用勘探目标的测井数据做岩石物理分析，确定能够反映岩性、物性、含油气性等储层特征的储层敏感参数的种类及储层对应的能够反映储层特征的储层敏感参数的数值范围；通过叠前反演技术计算能够反映储层特征的储层敏感参数的值。
如图6(a)所示，做A-1井纵横波速度比与泥质含量的交会图，纵横波速度比能够区分砂泥岩，纵横波速度比低值偏向于砂岩；砂岩和泥岩纵横波速度比门槛值是1.83。
如图6(b)所示，做A-1井纵横波速度比与孔隙度交会图，可以看出在该层段，纵横波速度比随着孔隙度增加而降低，值越低代表砂岩储层物性越好，可以通过纵横波速度比定性的预测孔隙度的分布。
6)根据勘探目标的能够反映储层特征的储层敏感参数的值，提取研究目的层段的沿层储层敏感参数属性平面图；以岩石物理分析得到的储层对应的能够反映储层特征的储层敏感参数的数值范围为基础，根据地震相的沉积相储层展布趋势，在叠前反演结果中重新划定储层对应的能够反映储层特征的储层敏感参数的数值范围，进而预测储层分布规律。
如图7(a)、(b)、(c)所示，对三期扇体分别提取纵横波速度比最小值属性，刻画砂体的平面分布。在成图之前，对纵横波速度比的定量解释尤为重要，由于本区仅有一口井数据，其提供的储层宏观展布趋势不够客观，因此仅仅应用测井岩石物理分析提供的门槛值1.83作为依据制图不够准确，需采用地震相分析得到的储层展布趋势指导纵横波速度比的定量解释；大量储层预测实践证明纵横波速度比随深度增加逐渐降低，利用该岩石物理规律作为指导，结合步骤3)地震相划分结果(图4)和步骤5)岩石物理分析结果(图6(a)、(b))，分别对每期扇体纵横波速度比属性平面图设定不同的门槛值，自第3期到第1期依次为1.74、1.73、1.7，从而得到三期扇体的砂体平面分布图，即为储层预测结果。
将储层预测结果与地震相带划分结果对比，可以发现储层预测结果与地震相带划分结果一致性较高，说明储层预测得到了地震相划分结果的约束。需指出的是储层预测结果与地震相带划分结果并不完全相同，这是因为不同相带的界面可能是倾斜界面，地震相划分结果扇根和扇中边界以及扇中与扇端边界存在模糊过度区。仅仅通过地震相平面图不足以进行精细储层预测，还需要结合反演结果。在图7反演平面图上可以看出扇中位置纵横波速度比更低，即储层物性好，扇根位置纵横波速度比更高，即储层物性差，与地质认识吻合，说明有利储层预测结果是可靠的。
上述各实施例仅用于说明本发明，其中各部件的结构、设置位置及其连接方式等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (9)
1.一种少井条件下的储层预测方法，包括以下步骤：
1)获取勘探目标的测井数据和地震数据，并对勘探目标的地震数据进行三维解释追踪，获得勘探目标的地质层位解释结果；
2)根据勘探目标的地质层位解释结果，在勘探目标的地震数据的二维地震剖面上寻找能够反映典型地震相的典型测线，通过观察地震反射参数的变化定性划分勘探目标的典型测线地震相；
3)采用波形分类方法定量划分勘探目标的三维地震数据体的地震相，根据定性划分的勘探目标的典型测线地震相的范围，检验定量划分的勘探目标三维地震数据体的地震相；如果定性划分的勘探目标的典型测线地震相的范围与定量划分的勘探目标三维数据体的地震相范围一致，则定量划分的勘探目标三维地震数据体的地震相结果可靠；否则，方法结束；
4)根据区域物源方向、已有钻井单井沉积相解释结果、层序格架、特殊反射外形，对定量划分的勘探目标三维地震数据体的地震相进行沉积相解释，得到勘探目标宏观上的储层展布趋势认识；
5)利用勘探目标的测井数据做岩石物理分析，确定能够反映储层特征的储层敏感参数的种类及储层对应的能够反映储层特征的储层敏感参数的数值范围；通过叠前反演技术计算能够反映储层特征的储层敏感参数的值；
6)根据叠前反演技术计算的能够反映储层特征的储层敏感参数的值，提取储层敏感参数属性平面图；以岩石物理分析得到的储层对应的能够反映储层特征的储层敏感参数的数值范围为基础，根据勘探目标宏观上的储层展布趋势认识，在储层敏感参数属性平面图中重新划定储层对应的能够反映储层特征的储层敏感参数的数值范围，进而预测储层分布规律。
2.如权利要求1所述的一种少井条件下的储层预测方法，其特征在于，所述步骤3)中采用波形分类方法定量划分勘探目标的三维地震数据体的地震相，具体包括以下步骤：
①根据勘探目标的地质层位解释结果，选取有油气储集可能的层段作为研究目的层段；通过神经网络方法对研究目的层段的地震数据中实际反射波的波形进行学习，经过多次迭代后，构建研究目的层段的合成模型地震道；
②将研究目的层段的地震数据的各实际地震道分别与研究目的层段的各合成模型地震道进行对比，选出与各实际地震道相关系数最高的合成模型地震道；
③将与实际地震道相关系数最高的合成模型地震道替换该实际地震道，得到定量划分的勘探目标的三维地震数据体的地震相。
3.如权利要求1或2所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中的储层敏感参数种类包括纵波阻抗和纵横波速度比。
4.如权利要求3所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中利用勘探目标的测井数据做岩石物理分析时，首先检查目标勘探区的测井数据是否满足岩石物理分析的条件，要求研究目的层段的测井数据无缺失、无奇异值；其次，判断研究目的层段的纵波阻抗对岩性、物性和含油气性是否敏感，如果敏感，则纵波阻抗为能够反映储层特征的储层敏感参数，确定研究目的层段储层的纵波阻抗的数值范围，继续下一步；否则，继续判断研究目的层段的纵横波速度比对岩性、物性或含油气性是否敏感，如果敏感，则纵横波速度比为能够反映储层特征的储层敏感参数，确定研究目的层段储层的纵横波速度比的数值范围；否则，方法结束。
5.如权利要求1或2或4所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中通过叠前反演技术计算能够反映储层特征的储层敏感参数的值，具体包括以下步骤：
I、对勘探目标的地震数据和测井数据进行时深标定；
II、将勘探目标地震数据的不同入射角度的叠前数据按不同的角度范围叠加，得到勘探目标的不同入射角度范围叠加数据，分别提取各入射角度范围叠加数据的子波；
III、根据勘探目标的地质层位解释结果和储层敏感参数测井数据进行外推插值，得到勘探目标储层敏感参数的外推插值结果，建立勘探目标储层敏感参数的低频趋势；
IV、将勘探目标的各入射角度范围叠加数据、各入射角度范围叠加数据的子波、低频趋势作为输入数据，通过共轭梯度法反演计算勘探目标的能够反映储层特征的储层敏感参数的值。
6.如权利要求3所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中通过叠前反演技术计算能够反映储层特征的储层敏感参数的值，具体包括以下步骤：
I、对勘探目标的地震数据和测井数据进行时深标定；
II、将勘探目标地震数据的不同入射角度的叠前数据按不同的角度范围叠加，得到勘探目标的不同入射角度范围叠加数据，分别提取各入射角度范围叠加数据的子波；
III、根据勘探目标的地质层位解释结果和储层敏感参数测井数据进行外推插值，得到勘探目标储层敏感参数的外推插值结果，建立勘探目标储层敏感参数的低频趋势；
IV、将勘探目标的各入射角度范围叠加数据、各入射角度范围叠加数据的子波、低频趋势作为输入数据，通过共轭梯度法反演计算勘探目标的能够反映储层特征的储层敏感参数的值。
7.如权利要求1或2或4或6所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中的叠前反演技术中使用的是基于关于纵、横波阻抗和密度的近似方程的Fatti方程。
8.如权利要求3所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中的叠前反演技术中使用的是基于关于纵、横波阻抗和密度的近似方程的Fatti方程。
9.如权利要求5所述的一种少井条件下的储层预测方法，其特征在于，所述步骤5)中的叠前反演技术中使用的是基于关于纵、横波阻抗和密度的近似方程的Fatti方程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810069113.5A CN108415075B (zh) | 2018-01-24 | 2018-01-24 | 一种少井条件下的储层预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810069113.5A CN108415075B (zh) | 2018-01-24 | 2018-01-24 | 一种少井条件下的储层预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108415075A CN108415075A (zh) | 2018-08-17 |
| CN108415075B true CN108415075B (zh) | 2019-09-06 |
Family
ID=63126356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810069113.5A Active CN108415075B (zh) | 2018-01-24 | 2018-01-24 | 一种少井条件下的储层预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108415075B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110954948B (zh) * | 2018-09-27 | 2021-11-05 | 中国石油化工股份有限公司 | 一种岩石物理约束储层物性参数反演方法及系统 |
| CN109581487B (zh) * | 2018-12-17 | 2020-12-11 | 中国海洋石油集团有限公司 | 一种沉积体波形空间结构分析与体控反演建模方法 |
| CN109753538A (zh) * | 2019-02-28 | 2019-05-14 | 中国电建集团贵阳勘测设计研究院有限公司 | 基于地质空间数据处理的边坡块状岩体结构定量划分方法 |
| CN112305598B (zh) * | 2019-07-29 | 2024-05-17 | 中国石油化工股份有限公司 | 复杂地质异形体储层预测方法、存储介质及计算设备 |
| CN112346118A (zh) * | 2019-08-09 | 2021-02-09 | 中国石油天然气集团有限公司 | 基于地震属性优选的储层特征预测方法及装置 |
| CN113945973B (zh) * | 2020-07-17 | 2024-04-09 | 中国石油化工股份有限公司 | 一种储层特征分析方法、存储介质及电子设备 |
| CN111983691B (zh) * | 2020-08-18 | 2023-10-13 | 郑州市混沌信息技术有限公司 | 一种多模型融合的储层预测方法及软件系统 |
| CN111983683B (zh) * | 2020-09-03 | 2023-01-24 | 中国海洋石油集团有限公司 | 一种少井条件下盐下湖相灰岩储层预测方法和系统 |
| CN114152982A (zh) * | 2020-09-08 | 2022-03-08 | 中国石油天然气股份有限公司 | 叠前储层分析方法及装置 |
| CN112287532B (zh) * | 2020-10-20 | 2024-03-05 | 中海石油(中国)有限公司 | 一种缘控地震驱动建模方法 |
| CN114706125B (zh) * | 2022-03-29 | 2024-06-25 | 中海石油(中国)有限公司 | 一种基于广角反射信息的潜山裂缝储层预测方法及系统 |
| CN115508890B (zh) * | 2022-09-28 | 2023-05-12 | 北京中恒利华石油技术研究所 | 一种裂缝孔隙型储层叠前叠后反演方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007001746A1 (en) * | 2005-06-24 | 2007-01-04 | Exxonmobil Upstream Research Company | Method for determining reservoir permeability from borehole stoneley-wave attenuation using biot's poroelastic theory |
| EP1930744A1 (fr) * | 2006-12-11 | 2008-06-11 | Ifp | Méthode de construction d'un modèle géologique d'une formation du sous-sol contraint par des données sismiques |
| CN102650702A (zh) * | 2012-05-03 | 2012-08-29 | 中国石油天然气股份有限公司 | 一种地震波形分析及储层预测方法和装置 |
| 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 |
| CN104675392A (zh) * | 2013-12-02 | 2015-06-03 | 中国石油化工股份有限公司 | 一种基于叠前多参数降维的储层岩性识别方法 |
| CN105807320A (zh) * | 2016-03-17 | 2016-07-27 | 成都创源油气技术开发有限公司 | 页岩气储层的地震预测方法 |
| CN106842307A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 一种基于正演约束下波形分类再检索的储层精细预测方法 |
-
2018
- 2018-01-24 CN CN201810069113.5A patent/CN108415075B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007001746A1 (en) * | 2005-06-24 | 2007-01-04 | Exxonmobil Upstream Research Company | Method for determining reservoir permeability from borehole stoneley-wave attenuation using biot's poroelastic theory |
| EP1930744A1 (fr) * | 2006-12-11 | 2008-06-11 | Ifp | Méthode de construction d'un modèle géologique d'une formation du sous-sol contraint par des données sismiques |
| 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 |
| CN102650702A (zh) * | 2012-05-03 | 2012-08-29 | 中国石油天然气股份有限公司 | 一种地震波形分析及储层预测方法和装置 |
| CN104675392A (zh) * | 2013-12-02 | 2015-06-03 | 中国石油化工股份有限公司 | 一种基于叠前多参数降维的储层岩性识别方法 |
| CN106842307A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 一种基于正演约束下波形分类再检索的储层精细预测方法 |
| CN105807320A (zh) * | 2016-03-17 | 2016-07-27 | 成都创源油气技术开发有限公司 | 页岩气储层的地震预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| "地球物理技术在下刚果盆地碳酸盐岩储层预测中的应用";范洪耀 等;《洁净煤技术》;20121231;第18卷(第2期);第115-118页 |
| "地震-地质综合储层预测技术在乌石A构造沉积微相研究中的应用";陶倩倩 等;《地质科技情报》;20161130;第35卷(第6期);第131-137页 |
| "深水少井区中深层岩性地层圈闭评价方法-以珠江口盆地白云凹陷恩平组白云11目标评价为例";韩银学 等;《石油学报》;20161130;第37卷;第68-78页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108415075A (zh) | 2018-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108415075B (zh) | 一种少井条件下的储层预测方法 | |
| 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 | |
| CN107121699B (zh) | 一种地震相控制下的沉积微相识别方法 | |
| CN101158724B (zh) | 基于偶极小波的储层厚度预测方法 | |
| CN107132573B (zh) | 一种应用子波分解重构技术识别强阻抗屏蔽下岩性油藏的方法 | |
| CN110231652B (zh) | 一种基于密度的含噪声应用空间聚类的地震相提取方法 | |
| CN104614765A (zh) | 一种增强地震波激发照明的设计方法 | |
| Changzi et al. | Seismic prediction of sweet spots in the Da'anzhai shale play, Yuanba area, the Sichuan Basin | |
| CN104422955A (zh) | 一种利用旅行时变化量进行各向异性参数提取的方法 | |
| CN107132574A (zh) | 一种海相地层碎屑岩岩性组合的预测方法 | |
| Iturrarán-Viveros et al. | Validated artificial neural networks in determining petrophysical properties: A case study from Colombia | |
| Sun | Seismic methods for heavy oil reservoir monitoring and characterization | |
| Jansen | Seismic investigation of wrench faulting and fracturing at Rulison Field, Colorado | |
| Ningkai et al. | Seismic description and fluid identification of thin reservoirs in Shengli Chengdao extra-shallow sea oilfield | |
| Zdanowski et al. | Dim and bright spots as indicators of the Zechstein Main Dolomite hydrocarbon reservoir in Poland | |
| Adabnezhad et al. | Three-dimensional modeling of geomechanical units using acoustic impedance in one of the gas fields in South of Iran | |
| Owusu et al. | Machine learning in reservoir characterization: Coupling data resolution-enhancement with hierarchical analysis of 3D seismic attributes for seismic facies classification | |
| Pico et al. | Shale volume estimation using seismic inversion and multiattributes for the characterization of a thin sand reservoir in the llanos Basin, Colombia | |
| Wang et al. | Mesozoic reservoir prediction in the Longdong loess plateau | |
| Nguyen et al. | Application of artificial neural network and seismic attributes to predict the distribution of Late Oligocene sandstones in the Cuu Long basin | |
| Clemons et al. | Seismic attributes: Exploiting seismic data to understand heterogeneous reservoir performance in the Eagle Ford Shale, south Texas, USA | |
| Xu et al. | Integrate “sweet spot” seismic prediction with microseismic monitoring to apply to lacustrine shale in Sichuan Basin of China | |
| Rathore et al. | Prediction of petrophysical properties through comparative post-stack inversion techniques using advance Neural Networking | |
| Li et al. | Fault and fracture prediction of tight gas reservoir based on seismic likelihood attribute | |
| Bey | Reservoir Characterization and Seismic Expression of the Clinton Interval over Dominion's Gabor Gas Storage Field in North-East Ohio |
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 |