CN108873065B - 砂岩优质储层预测方法及装置 - Google Patents

砂岩优质储层预测方法及装置 Download PDF

Info

Publication number
CN108873065B
CN108873065B CN201810440775.9A CN201810440775A CN108873065B CN 108873065 B CN108873065 B CN 108873065B CN 201810440775 A CN201810440775 A CN 201810440775A CN 108873065 B CN108873065 B CN 108873065B
Authority
CN
China
Prior art keywords
data
impedance data
longitudinal
velocity ratio
wave impedance
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
Application number
CN201810440775.9A
Other languages
English (en)
Other versions
CN108873065A (zh
Inventor
王磊
徐中华
陈广坡
石兰亭
方乐华
郭维华
郑茜
李娟�
景紫岩
洪亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN201810440775.9A priority Critical patent/CN108873065B/zh
Publication of CN108873065A publication Critical patent/CN108873065A/zh
Application granted granted Critical
Publication of CN108873065B publication Critical patent/CN108873065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/362—Effecting static or dynamic corrections; Stacking

Abstract

本发明公开了一种砂岩优质储层预测方法及装置，其中方法包括：获取工区的纵波阻抗数据和横波阻抗数据；根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；利用所述纵横波速度比数据和纵波阻抗数据构建属性因子；根据所述属性因子进行砂岩优质储层预测。本发明可以有效预测砂岩优质储层的分布范围，提高储层预测的精度。

Description

砂岩优质储层预测方法及装置
技术领域
本发明涉及石油地球物理勘探技术领域，尤其涉及砂岩优质储层预测方法及装置。
背景技术
随着石油勘探难度的逐渐增大，新的地球探测技术不断涌现，使得地震勘探的目标不断精细化、定量化，同时储层预测技术也由最初的构造解释、属性分析发展为叠前高精度反演以及各向异性表征，尤其是叠前AVO反演技术的广泛应用，使得基于叠前反演数据体的应用创新不断涌现，出现了一系列以纵横波阻抗为基础的属性因子，用来直接检测储层物性并预测流体分布。
在实际勘探过程中，储层岩性识别与物性描述是判断目标区油气成藏潜力的两个重要方面，对于砂泥岩储层，其勘探潜力取决于储层的孔隙度和含水饱和度发育情况，通常情况下具有高孔隙度、低含水饱和度的砂岩储层被定义为优质储层，是最具油气开发潜力的目标。对于我国陆相油气藏勘探，砂岩优质储层的识别目前主要依赖一些常规的基于属性分析或者弹性阻抗反演的方法，这些方法通常情况下很难做到同时对储层孔隙发育状况以及孔隙流体分布规律进行精细刻画，而往往只能反映储层某一方面的特征，从而增大了储层预测的风险和不确定性。
发明内容
本发明实施例提供一种砂岩优质储层预测方法，用以有效预测砂岩优质储层的分布范围，提高储层预测的精度，该方法包括：
获取工区的纵波阻抗数据和横波阻抗数据；
根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；
利用所述纵横波速度比数据和纵波阻抗数据构建属性因子；
根据所述属性因子进行砂岩优质储层预测。
本发明实施例还提供一种砂岩优质储层预测装置，用以有效预测砂岩优质储层的分布范围，提高储层预测的精度，该装置包括：
阻抗数据获取模块，用于获取工区的纵波阻抗数据和横波阻抗数据；
速度比数据计算模块，用于根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；
属性因子构建模块，用于利用所述纵横波速度比数据和纵波阻抗数据构建属性因子；
储层预测模块，用于根据所述属性因子进行砂岩优质储层预测。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述砂岩优质储层预测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述砂岩优质储层预测方法的计算机程序。
在本发明实施例中，获取工区的纵波阻抗数据和横波阻抗数据，根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据，利用所述纵横波速度比数据和纵波阻抗数据构建属性因子，根据所述属性因子进行砂岩优质储层预测，从而基于叠前反演得到的纵横波阻抗数据体构建属性因子，该属性因子能够对砂岩优质储层进行识别，有效预测砂岩优质储层的分布范围，排除致密砂岩以及含水砂岩的干扰，克服常规流体因子在同时刻画储层孔隙发育与流体分布时的局限性，从而提高储层预测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中砂岩优质储层预测方法的示意图；
图2为本发明实施例中属性因子分布示例图；
图3为本例中根据属性因子预测出的砂岩优质储层分布剖面图；
图4为本例中根据属性因子预测出的砂岩优质储层分布平面图；
图5为本发明实施例中砂岩优质储层预测装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
针对现有技术中含油气砂岩储层中物性检测存在的问题，本发明实施例提出了一种砂岩优质储层预测方法和装置，旨在通过地震岩石物理模型构建一种能够综合反映砂岩优质储层分布规律的属性因子，克服常规流体因子在同时刻画储层孔隙发育与流体分布时的局限性，降低含水砂岩与致密砂岩的影响，从而提高储层预测的精度。
图1为本发明实施例中砂岩优质储层预测方法的示意图，如图1所示，该方法可以包括：
步骤101、获取工区的纵波阻抗数据和横波阻抗数据；
步骤102、根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；
步骤103、利用所述纵横波速度比数据和纵波阻抗数据构建属性因子；
步骤104、根据所述属性因子进行砂岩优质储层预测。
由图1所示流程可以得知，在本发明实施例中，基于叠前反演得到的纵横波阻抗数据体构建属性因子，该属性因子能够对砂岩优质储层进行识别，有效预测砂岩优质储层的分布范围，排除致密砂岩以及含水砂岩的干扰，克服常规流体因子在同时刻画储层孔隙发育与流体分布时的局限性，从而提高储层预测的精度。
具体实施时，先获取工区的纵波阻抗数据和横波阻抗数据。实施例中，可以利用常规叠前反演技术获得工区的纵波阻抗数据和横波阻抗数据。
在获取工区的纵波阻抗数据和横波阻抗数据后，根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据。实施例中，可以按如下公式计算纵横波速度比数据：
Figure BDA0001655814500000031
其中，VR表示纵横波速度比数据，Ip表示纵波阻抗数据，Is表示横波阻抗数据。
在计算纵横波速度比数据后，利用所述纵横波速度比数据和纵波阻抗数据构建属性因子。实施例中，可以按如下公式构建属性因子：
Figure BDA0001655814500000032
其中，Fsand表示属性因子，Ip表示纵波阻抗数据，Ipmin表示纵波阻抗数据最小值，Ipmax表示纵波阻抗数据最大值，VR表示纵横波速度比数据，VRmin表示纵横波速度比数据最小值，VRmax表示纵横波速度比数据最大值。
在构建属性因子后，根据所述属性因子进行砂岩优质储层预测。实施例中，可以在横轴为纵波阻抗数据、纵轴为纵横波速度比数据的岩石物理模版中，将所述属性因子的取值低于临界阈值的区域确定为砂岩优质储层分布范围。
图2为本发明实施例中属性因子分布示例图，如图2所示，在本例中，由属性因子在纵波阻抗数据-纵横波速度比数据(Ip-VR)预设的岩石物理模版中的分布可知，属性因子的取值低于临界阈值的区域指示砂岩优质储层的分布范围，砂岩优质储层为孔隙度高于特定孔隙度值且含水饱和度低于特定含水饱和度值的砂岩储层；属性因子的取值高于临界阈值的区域指示含水砂岩或者致密砂岩的分布范围；其中临界阈值可以根据工区测井数据得到，例如在本例中可以取值为0.45。
如上所述，属性因子的取值低于临界阈值的区域指示砂岩优质储层的分布范围，属性因子的取值高于临界阈值的区域指示含水砂岩或者致密砂岩的分布范围，可见属性因子能够有效排除含水砂岩与致密砂岩的影响，准确的识别砂岩优质储层的分布范围。
为验证本发明实施例砂岩优质储层预测结果的准确性，下面给出一实例，将预测结果与工区测钻井成果进行对比分析。图3为本例中根据属性因子预测出的砂岩优质储层分布剖面图，图4为本例中根据属性因子预测出的砂岩优质储层分布平面图。图3和图4分别展示了本例中利用属性因子预测的工区内砂岩优质储层的纵向分布与横向展布规律。
如图3和图4所示，钻井成果显示W-2、W-3井均为高产工业气井，测井结果显示两口井在1500m深度附近发育一套高孔隙度高渗透率砂岩储层，同时位于构造低部位的W-1井在1600m深度处也钻遇该套砂岩，试油结果显示为水层，分析认为试油位置处于油水分界面以下。将三口井的测钻井成果与储层预测结果进行对比，发现二者基本吻合，证明本发明实施例的属性因子能够有效的指示砂岩优质储层的分布范围，有效排除了含水砂岩的干扰，提高了砂岩优质储层预测的准确度，降低了勘探风险。
基于同一发明构思，本发明实施例中还提供了一种砂岩优质储层预测装置，如下面的实施例所述。由于该装置解决问题的原理与砂岩优质储层预测方法相似，因此该装置的实施可以参见砂岩优质储层预测方法的实施，重复之处不再赘述。
图5为本发明实施例中砂岩优质储层预测装置的示意图，如图5所示，该装置可以包括：
阻抗数据获取模块501，用于获取工区的纵波阻抗数据和横波阻抗数据；
速度比数据计算模块502，用于根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；
属性因子构建模块503，用于利用所述纵横波速度比数据和纵波阻抗数据构建属性因子；
储层预测模块504，用于根据所述属性因子进行砂岩优质储层预测。
一个实施例中，所述速度比数据计算模块502可以进一步用于：
按如下公式计算纵横波速度比数据：
Figure BDA0001655814500000051
其中，VR表示纵横波速度比数据，Ip表示纵波阻抗数据，Is表示横波阻抗数据。
一个实施例中，所述属性因子构建模块503可以进一步用于：
按如下公式构建属性因子：
Figure BDA0001655814500000052
其中，Fsand表示属性因子，Ip表示纵波阻抗数据，Ipmin表示纵波阻抗数据最小值，Ipmax表示纵波阻抗数据最大值，VR表示纵横波速度比数据，VRmin表示纵横波速度比数据最小值，VRmax表示纵横波速度比数据最大值。
一个实施例中，所述储层预测模块504可以进一步用于：
在横轴为纵波阻抗数据、纵轴为纵横波速度比数据的岩石物理模版中，将所述属性因子的取值低于临界阈值的区域确定为砂岩优质储层分布范围。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述砂岩优质储层预测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述砂岩优质储层预测方法的计算机程序。
综上所述，在本发明实施例中，获取工区的纵波阻抗数据和横波阻抗数据，根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据，利用所述纵横波速度比数据和纵波阻抗数据构建属性因子，根据所述属性因子进行砂岩优质储层预测，从而基于叠前反演得到的纵横波阻抗数据体构建属性因子，该属性因子能够对砂岩优质储层进行识别，有效预测砂岩优质储层的分布范围，排除致密砂岩以及含水砂岩的干扰，克服常规流体因子在同时刻画储层孔隙发育与流体分布时的局限性，从而提高储层预测的精度。
进一步的，在横轴为纵波阻抗数据、纵轴为纵横波速度比数据的岩石物理模版中，属性因子的取值低于临界阈值的区域指示砂岩优质储层的分布范围，属性因子的取值高于临界阈值的区域指示含水砂岩或者致密砂岩的分布范围，可见基于属性因子能够有效排除致密砂岩以及含水砂岩的干扰，准确刻画高孔隙度低含水饱和度优质砂岩储层的展布规律，克服常规流体因子在同时刻画储层孔隙发育与流体分布时的局限性，提高砂岩优质储层预测精度，降低石油勘探的风险。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种砂岩优质储层预测方法，其特征在于，包括：
获取工区的纵波阻抗数据和横波阻抗数据；
根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；
利用所述纵横波速度比数据和纵波阻抗数据构建属性因子，包括按如下公式构建属性因子：
Figure FDA0002289277250000011
其中，Fsand表示属性因子，Ip表示纵波阻抗数据，Ipmin表示纵波阻抗数据最小值，Ipmax表示纵波阻抗数据最大值，VR表示纵横波速度比数据，VRmin表示纵横波速度比数据最小值，VRmax表示纵横波速度比数据最大值；
根据所述属性因子进行砂岩优质储层预测。
2.如权利要求1所述的方法，其特征在于，根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据，包括按如下公式计算纵横波速度比数据：
Figure FDA0002289277250000012
其中，VR表示纵横波速度比数据，Ip表示纵波阻抗数据，Is表示横波阻抗数据。
3.如权利要求1至2任一项所述的方法，其特征在于，根据所述属性因子进行砂岩优质储层预测，包括：
在横轴为纵波阻抗数据、纵轴为纵横波速度比数据的岩石物理模版中，将所述属性因子的取值低于临界阈值的区域确定为砂岩优质储层分布范围。
4.一种砂岩优质储层预测装置，其特征在于，包括：
阻抗数据获取模块，用于获取工区的纵波阻抗数据和横波阻抗数据；
速度比数据计算模块，用于根据所述纵波阻抗数据和横波阻抗数据计算纵横波速度比数据；
属性因子构建模块，用于利用所述纵横波速度比数据和纵波阻抗数据构建属性因子，以及用于按如下公式构建属性因子：
Figure FDA0002289277250000013
其中，Fsand表示属性因子，Ip表示纵波阻抗数据，Ipmin表示纵波阻抗数据最小值，Ipmax表示纵波阻抗数据最大值，VR表示纵横波速度比数据，VRmin表示纵横波速度比数据最小值，VRmax表示纵横波速度比数据最大值；
储层预测模块，用于根据所述属性因子进行砂岩优质储层预测。
5.如权利要求4所述的装置，其特征在于，所述速度比数据计算模块进一步用于：
按如下公式计算纵横波速度比数据：
Figure FDA0002289277250000021
其中，VR表示纵横波速度比数据，Ip表示纵波阻抗数据，Is表示横波阻抗数据。
6.如权利要求4至5任一项所述的装置，其特征在于，所述储层预测模块进一步用于：
在横轴为纵波阻抗数据、纵轴为纵横波速度比数据的岩石物理模版中，将所述属性因子的取值低于临界阈值的区域确定为砂岩优质储层分布范围。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一所述方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至3任一所述方法的计算机程序。
CN201810440775.9A 2018-05-10 2018-05-10 砂岩优质储层预测方法及装置 Active CN108873065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810440775.9A CN108873065B (zh) 2018-05-10 2018-05-10 砂岩优质储层预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810440775.9A CN108873065B (zh) 2018-05-10 2018-05-10 砂岩优质储层预测方法及装置

Publications (2)

Publication Number Publication Date
CN108873065A CN108873065A (zh) 2018-11-23
CN108873065B true CN108873065B (zh) 2020-07-10

Family

ID=64333214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810440775.9A Active CN108873065B (zh) 2018-05-10 2018-05-10 砂岩优质储层预测方法及装置

Country Status (1)

Country Link
CN (1) CN108873065B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112213770B (zh) * 2019-07-09 2023-11-28 中国石油天然气股份有限公司 基于对数域差异分布特征识别储层含烃砂岩的方法及装置
CN111381279B (zh) * 2019-09-23 2022-03-29 中国石油天然气股份有限公司 储层孔隙度定量预测方法及装置
CN111381280A (zh) * 2019-10-23 2020-07-07 中国石油天然气股份有限公司 预测储层含烃饱和度的方法及装置
CN112505764B (zh) * 2020-11-05 2023-09-26 中国石油天然气股份有限公司 一种高孔隙含烃砂岩储层预测方法与装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2429295B (en) * 2004-03-18 2007-09-26 Baker Hughes Inc Rock properties prediction, categorization, and recognition from NMR echo-trains using linear and nonlinear regression
CN101354444B (zh) * 2007-07-25 2011-02-09 中国石油天然气集团公司 一种确定地层岩性和孔隙流体的方法
CN105938203B (zh) * 2016-06-24 2018-07-10 中国石油天然气股份有限公司 一种储层特性的检测方法及装置
CN106896406B (zh) * 2017-03-28 2019-09-10 中国石油天然气股份有限公司 基于阻抗域属性预测优质储层的方法和装置
CN107367762B (zh) * 2017-06-27 2019-06-11 中国石油天然气股份有限公司 一种确定储层参数的方法及装置

Also Published As

Publication number Publication date
CN108873065A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108873065B (zh) 砂岩优质储层预测方法及装置
CN106951660B (zh) 一种海相碎屑岩水平井储层测井解释方法及装置
US10921477B2 (en) Method, apparatus, and system for eliminating frequency dispersion effect
CN103792576A (zh) 一种基于梯度结构张量的储层非均质检测方法及设备
CN102053259A (zh) 一种油气藏识别方法
CN110632652B (zh) 断块油气藏的油气运移方式确定方法及装置
CN108629459B (zh) 储层含烃孔隙的检测方法及装置
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
CN110632654B (zh) 断块圈闭含油边界确定方法及装置
CN109669211B (zh) 海底岩性薄砂体储层预测方法和装置、存储介质及终端
CN110967742B (zh) 一种孔隙度反演方法及系统
CN111239809B (zh) 一种基于属性融合原理的优势储层确定方法及系统
CN109991663B (zh) 工区地震速度体校正方法和装置
CN113219531A (zh) 致密砂岩气水分布的识别方法及装置
RU2619803C2 (ru) Определение пути движения флюида
CN112684498A (zh) 一种基于宽方位地震数据的储层裂缝预测方法及系统
CN111963148B (zh) 碳酸盐岩缝洞型油气藏压力系数与钻井泥浆密度确定方法
CN112505761B (zh) 一种储层含气性检测方法和装置
CN103424774B (zh) 一种地震油气藏成像方法及装置
CN112394405A (zh) 一种隐蔽性断层识别方法
CN107831537B (zh) 高砂地比浊积岩储层描述方法
CN111781661A (zh) 少井地区沉积微相平面展布预测方法及装置
RU2789759C1 (ru) Способ определения границ трещиноватой зоны
CN113495293B (zh) 油藏流体预测方法及装置
CN110568488A (zh) 一种基于非线性混沌算法的生物礁储层识别方法

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