CN108627872A - 一种油气储层密度高可靠性预测方法 - Google Patents
一种油气储层密度高可靠性预测方法 Download PDFInfo
- Publication number
- CN108627872A CN108627872A CN201810725748.6A CN201810725748A CN108627872A CN 108627872 A CN108627872 A CN 108627872A CN 201810725748 A CN201810725748 A CN 201810725748A CN 108627872 A CN108627872 A CN 108627872A
- Authority
- CN
- China
- Prior art keywords
- formula
- reflectance factor
- oil
- density
- high reliability
- 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.)
- Granted
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
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
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
本发明涉及油气勘探开发领域,具体公开了一种油气储层密度高可靠性预测方法,针对在界面两侧介质弹性变化较小且入射角在临界角范围内假设条件下,利用纵横波阻抗表示的反射系数线性近似方程(1)建立独立方程计算弹性参数。本发明的储层密度高可靠性预测方法,能够有效准确预测储层密度信息。
Description
技术领域
本发明涉及油气勘探开发领域,尤其涉及油气储层密度的预测方法。
背景技术
油气储层的密度是最基本的岩石性质之一,它反映了储层岩石骨架的矿物成分、孔隙度和孔隙流体类型及饱和度,能够揭示关于烃类,尤其是气态烃的发育位置及其饱和度等重要信息,是一种重要的储层弹性参数。因此,储层密度对岩性和流体识别具有重要意义。
国内外应用实例表明,相对于速度等弹性参数,储层密度可以有效预测烃源岩的TOC含量,可以更好的反映储层的质量,有效预测储层中的优质储层、储层中流体的产能。储层密度可以在储层非均质性强的地区预测优质烃源岩的发育区;在储集层均值或相对均值的地区研究烃源岩的TOC含量。尤其是在描述和评价气态烃源岩发育区中具有巨大的潜力。因此,发展新方法指导实际勘探中储层密度的预测,可以为油气地震勘探提供更加可靠的技术支持。
现有关于反演储层密度的方法是基于模型的叠前地震反演方法,采用贝叶斯反演来获取储层的密度属性,该方法中密度项对反射系数的贡献率低,使得反演准确度较低,不能适用于实际需求。
发明内容
本发明要解决的技术问题是:提出一种油气储层密度高可靠性预测方法,提高储层预测与流体识别的可靠性。
为了解决上述技术问题,本发明所采用的技术方案是:一种油气储层密度高可靠性预测方法,
设在界面两侧介质弹性变化较小且入射角在临界角范围内假设条件下,利用纵横波阻抗表示的反射系数线性近似方程为:
公式(1)中,Ip为介质纵波阻抗,Is为介质横波阻抗,ρ为介质密度,θ为入射角和透射角的平均;
所述油气储层密度高可靠性预测方法包括以下步骤:
第一步:将公式(1)写作:
公式(2)矩阵形式为
公式(3)中,Rm为纵横波阻抗和密度的反射系数,a,b,c为对应的系数;
对公式(3)中待预测参数Rm进行解耦,建立独立方程:
第二步:建立目标泛函,计算待定系数d,
公式(5)中,Rpp为利用Fatti反射系数线性近似方程计算的井旁道反射系数,为井旁道待预测参数的反射系数,
得到系数矩阵D写作为:
第三步:利用公式(4)计算得到待预测参数Rm,再通过道积分计算得到待预测参数Rm的绝对值。
本发明技术方案带来的有益效果是:本发明的储层密度高可靠性预测方法,能够有效准确预测储层密度信息。
附图说明
图1为反射系数随密度的变化示意图。
图2某工区二维地震数据剖面示意图。
图3使用本发明方法反演计算得到的储层密度剖面示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
现有储层密度反演方法如下:
在界面两侧介质弹性变化较小且入射角在临界角范围内假设条件下,Fatti在Aki-Richard近似方程的基础上,发展了利用纵横波阻抗表示的反射系数线性近似方程:
式中,Ip为介质纵波阻抗,Is为介质横波阻抗,ρ为介质密度,θ为入射角和透射角的平均。以上式为正演方程,在贝叶斯反演框架下,对纵横波阻抗和密度进行反演预测。然而,在小角度入射情况下,密度项对反射系数的贡献率较低,因此很难通过反演得到准确的密度参数。为了解决这种问题,本案提出了一种新的高可靠性预测方法,并通过实例分析验证了新方法在预测密度的可行性。
本方法是基于Fatti反射系数线性近似方程,建立独立方程计算弹性参数,其计算过程分为以下几步:
第一步:为简便表示,将式(1)写作
其矩阵形式为
其中,Rm为纵横波阻抗和密度的反射系数,a,b,c为对应的系数。
对式(3)中待预测参数Rm进行解耦,建立独立方程
第二步:建立目标泛函,计算待定系数dm
其中Rpp为利用Fatti反射系数线性近似方程计算的井旁道反射系数,为井旁道待预测参数的反射系数。
得到系数矩阵D,可写作为
第三步:利用地震反射系数Rpp与系数矩阵D计算得到待预测参数,即利用式(4)计算得到待预测参数Rm,再通过道积分计算得到待预测参数Rm的绝对值。
图1表示密度项对反射系数的贡献率,从图中可以看出本发明提出的方法在小角度入射情况下,密度项对反射系数的贡献率有很大的提高,因此,反演结果也更加可靠。图1中,横坐标:Incicent Angle(Degree)入射角(度),纵坐标:Rpp纵波反射系数。
图2是某工区二维地震数据,图3是使用本方法预测计算得到的储层密度,从图中可以看出本发明预测的密度剖面与测井数据较好的吻合,并且在含油气储层位置显低值异常,对于密度预测以及含油气储层预测具有良好的结果。图2中,纵坐标:Time(s)时间(秒),色标:seismic(-)地震数据(-)。图3中,纵坐标:Time(s)时间(秒),色标:Density密度(千克/立方米)。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (1)
1.一种油气储层密度高可靠性预测方法,
设在界面两侧介质弹性变化较小且入射角在临界角范围内假设条件下,利用纵横波阻抗表示的反射系数线性近似方程为:
公式(1)中,Ip为介质纵波阻抗,Is为介质横波阻抗,ρ为介质密度,θ为入射角和透射角的平均;
其特征在于,所述油气储层密度高可靠性预测方法包括以下步骤:
第一步:将公式(1)写作:
公式(2)矩阵形式为
公式(3)中,Rm为纵横波阻抗和密度的反射系数,a,b,c为对应的系数;
对公式(3)中待预测参数Rm进行解耦,建立独立方程:
第二步:建立目标泛函,计算待定系数dm,
公式(5)中,Rpp为利用Fatti反射系数线性近似方程计算的井旁道反射系数,为井旁道待预测参数的反射系数,
得到系数矩阵D写作为:
第三步:利用公式(4)计算得到待预测参数Rm,再通过道积分计算得到待预测参数Rm的绝对值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810725748.6A CN108627872B (zh) | 2018-07-04 | 2018-07-04 | 一种油气储层密度高可靠性预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810725748.6A CN108627872B (zh) | 2018-07-04 | 2018-07-04 | 一种油气储层密度高可靠性预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108627872A true CN108627872A (zh) | 2018-10-09 |
CN108627872B CN108627872B (zh) | 2020-04-17 |
Family
ID=63689553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810725748.6A Active CN108627872B (zh) | 2018-07-04 | 2018-07-04 | 一种油气储层密度高可靠性预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108627872B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629459A (zh) * | 2018-05-10 | 2018-10-09 | 中国石油天然气股份有限公司 | 储层含烃孔隙的检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060283589A1 (en) * | 2005-06-17 | 2006-12-21 | Sayers Colin M | Method of characterizing a fractured reservoir using seismic reflection amplitudes |
CN102495424A (zh) * | 2011-10-20 | 2012-06-13 | 西北大学 | 一种利用佐普立兹阻抗进行储层预测的方法 |
CN103257361A (zh) * | 2013-05-24 | 2013-08-21 | 中国石油天然气集团公司 | 基于Zoeppritz方程近似式的油气预测方法及系统 |
CN106842310A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 叠前地震四参数同步反演方法 |
-
2018
- 2018-07-04 CN CN201810725748.6A patent/CN108627872B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060283589A1 (en) * | 2005-06-17 | 2006-12-21 | Sayers Colin M | Method of characterizing a fractured reservoir using seismic reflection amplitudes |
CN102495424A (zh) * | 2011-10-20 | 2012-06-13 | 西北大学 | 一种利用佐普立兹阻抗进行储层预测的方法 |
CN103257361A (zh) * | 2013-05-24 | 2013-08-21 | 中国石油天然气集团公司 | 基于Zoeppritz方程近似式的油气预测方法及系统 |
CN106842310A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 叠前地震四参数同步反演方法 |
Non-Patent Citations (1)
Title |
---|
杨培杰等: "叠前三参数同步反演方法及其应用", 《石油学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629459A (zh) * | 2018-05-10 | 2018-10-09 | 中国石油天然气股份有限公司 | 储层含烃孔隙的检测方法及装置 |
CN108629459B (zh) * | 2018-05-10 | 2022-05-10 | 中国石油天然气股份有限公司 | 储层含烃孔隙的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108627872B (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6381543B1 (en) | Method for forming a model of a geologic formation, constrained by dynamic and static data | |
US8131526B2 (en) | System and method for evaluating petroleum reservoir using forward modeling | |
Zhong et al. | Inversion of time‐lapse seismic reservoir monitoring data using CycleGAN: A deep learning‐based approach for estimating dynamic reservoir property changes | |
Liu et al. | Integration of time-lapse seismic data using the onset time approach: The impact of seismic survey frequency | |
Kaur et al. | Time-lapse seismic data inversion for estimating reservoir parameters using deep learning | |
Chen et al. | Integration of principal-component-analysis and streamline information for the history matching of channelized reservoirs | |
Illiassov et al. | Field-scale characterization of permeability and saturation distribution using partitioning tracer tests: The Ranger field, Texas | |
Núñez-López et al. | Quick-look assessments to identify optimal CO 2 EOR storage sites | |
Salehi et al. | A comprehensive adaptive forecasting framework for optimum field development planning | |
CN108627872A (zh) | 一种油气储层密度高可靠性预测方法 | |
Tariq et al. | Deep-Learning-Based Surrogate Model to Predict CO2 Saturation Front in Highly Heterogeneous Naturally Fractured Reservoirs: A Discrete Fracture Network Approach | |
Park et al. | Use of ensemble Kalman filter with 3-dimensional reservoir characterization during waterflooding | |
CN114114409A (zh) | 海域天然气水合物的岩石物理建模方法、电子设备及介质 | |
Qassab et al. | Streamline-based production data integration under realistic field conditions: Experience in a giant Middle-Eastern reservoir | |
Hill | Inversion-based thickness determination | |
CN114063162B (zh) | 一种基于小样本机器学习SVM Vp/Vs预测方法 | |
Nevmerzhitskiy | Development of models for filtration simulation in nonlinear media | |
Rey et al. | Assisted History Matching in an Offshore Turbidite Reservoir With Active Reservoir Management | |
CN111650644B (zh) | 盐胶结砂岩定量预测方法 | |
Tveteraas et al. | Implementation of ensemble-based reservoir modelling on the Ærfugl field | |
Kam et al. | Streamline-based rapid history matching of bottomhole pressure and three-phase production data | |
CN114060015A (zh) | 一种致密砂岩含气性的评价方法及装置 | |
Mohammed et al. | Flow characteristics through gas alternating gas injection during enhanced gas recovery | |
Tariq et al. | Application of image processing techniques in deep-learning workflow to predict CO2 storage in highly heterogeneous naturally fractured reservoirs: A discrete fracture network approach | |
Beier | Pseudorelative permeabilities from fractal distributions |
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 |