CN108931811B - 基于多点地质统计的地震储层反演方法 - Google Patents
基于多点地质统计的地震储层反演方法 Download PDFInfo
- Publication number
- CN108931811B CN108931811B CN201810475146.XA CN201810475146A CN108931811B CN 108931811 B CN108931811 B CN 108931811B CN 201810475146 A CN201810475146 A CN 201810475146A CN 108931811 B CN108931811 B CN 108931811B
- Authority
- CN
- China
- Prior art keywords
- data
- template
- kernel
- inversion
- seismic
- 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 36
- 239000011435 rock Substances 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 10
- 230000008021 deposition Effects 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 9
- 208000035126 Facies Diseases 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 239000004575 stone Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V2210/624—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
本发明涉及基于多点地质统计的地震储层反演方法,该方法采用的数据样板包含样板内核,并且对每个待估处均随机选取30‑50个数据模式为待选数据模式,所述待选数据模式包含与样板内核对应的模式内核。本发明所述方法通过选择部分数据模式对待估点处进行模拟,提高了运算效率,以及采用内核和外围的方式进行反演在保证效率的同时提高了反演结果的连续性与准确性。
Description
技术领域
本发明属于油气勘探开发技术领域,具体涉及基于多点地质统计的地震储层反演方法。
背景技术
油气资源高效勘探开发需要准确的将不同来源、不同尺度和可信度的资料综合建立准确地质模型。这其中综合地震资料开展储层预测是研究重点和核心。稀疏脉冲反演作为地震储层预测的一种方法,在勘探阶段了解储层宏观分布起到很大作用,而开发阶段砂体非均质性则需要更加精细的刻画,基于地质统计学的地震储层反演建模应运而生,通过融合井资料高频信息和完整的低频成分来弥补地震记录有限带宽的不足,有效提高了地震储层反演预测的精度。常用的地质统计学方法为两点地质统计学算法,但是两点地质统计方法仅考虑空间两点相关性,对复杂形态储层的表征难以胜任(尹艳树等,2011;杨培杰等,2013,2014)。为了更好刻画储层形态复杂变化特征,需要考虑多个空间点联合分布。自1993年以来,学者们提出了多点地质统计学方法,即联合多个空间点分布预测储层特征,并在实验室开展了研究。但是直到2001年Strebelle设计搜索树才使得多点地质统计学在实际建模中得到广泛应用,并证明较两点地质统计学更具优势。因此开发基于多点地质统计学的地震储层反演方法,替换传统两点统计反演,成为地震储层预测发展趋势。不少学者开展了多点地质统计学地震储层预测反演方法研究(Gonzalez,2008;尹艳树等,2011;杨培杰等,2013)。其较好的利用了沉积相约束地震弹性参数如速度和密度的获取,使得地震反演在岩石相约束下开展。但是有关多点反演中如何控制岩石相、多次迭代时候更新原则等未有考虑地震属性对其约束,多点地质统计地震反演预测精度仍然有提升空间。
另外,多点建模在数据事件判别和分析上需要大量时间,而反演合成记录时候需要在这些数据事件的约束下开展,针对每一次数据事件均需要抽样25次进行合成记录生成,并与实际地震地震道对比,选择误差最优作为反演结果。导致运行效率较为低下。在多点建模中,Mariethoz(2010)提出了Direct Sampling(DS)方法,其核心是仅保留第一个满足条件的数据事件。以此简化重复扫描对计算机时的要求。但是由于储层非均质性以及统计推断对数据点个数的要求,除非在条件数据非常多情况下,这种方法预测存在很大随意性。
发明内容
为了克服现有技术的不足,本发明提供了一种新颖的、基于多点地质统计的地震储层反演方法,实现了在多点反演中通过多个数据事件可选性实现了岩石相组合更新,同时最优处理时与之前地震属性进行比较选择最优结果。该方法充分考虑地震信息约束,岩石相组合更为合理,地震反演精度好,运算效率快,为油气勘探开发中储层非均质性特征准确刻画提供了方法和技术保障。
为实现本发明的目的,所述基于多点地质统计的地震储层反演方法采用的数据样板包含样板内核。
进一步地,对每个待估处均随机选取30-50个数据模式为待选数据模式,所述待选数据模式包含与样板内核对应的模式内核。
进一步地,对每个待估处每一待选数据模式的模式内核均进行25次随机抽样,每个待估处的所有抽样结果均分别与地震子波褶积,获得对应数量的内核范围合成地震道。
进一步地,选择误差最小的内核范围合成地震道作为对应待估处的最优反演结果,并将对应的岩石相、速度值和密度值赋值到该待估处的内核范围。
进一步地,在进行下一次迭代反演时,将待估处再次获得的最优反演结果与其前次迭代反演时获得的最优反演结果进行比较,并选择误差较小者。
进一步地,所述方法包含不多于6次的迭代反演。
有益效果:
通过在多点建模中数据事件选择时候采取内核多道地震记录比较,赋值到网格时候采用内核赋值的手段,提高反演预测精度。同时对外围相数据不予赋值,实现沉积相更新;在迭代处理过程中,对当前模拟结果获得的最优合成地震记录与前一次迭代模拟结果合成地震记录比较以决定是否用当前选择数据事件(沉积相)替换前一次数据事件(沉积相),从而实现沉积相模型迭代更新。由于每次更新均是同时完成了沉积相与地震属性的更新,并且满足更接近实际地震记录,即误差最小,因此较好的保证了储层反演一致性并有效的提高了储层反演精度,为油气勘探开发中准确预测储层参数提供了方法和技术保障。该方法通过选择部分数据模式对待估点处进行模拟,提高了运算效率,以及采用内核和外围的方式进行反演在保证效率的同时提高了反演结果的连续性与准确性。
附图说明
图1为本发明实施例1的步骤图;
图2为本发明实施例1的井条件数据;
图3为本发明实施例1的概率速度分布图;
图4为本发明实施例1的概率密度分布图;
图5为本发明实施例1的训练图像;
图6为本发明实施例1的数据样板;
图7为本发明实施例1的伪随机数局部图;
图8为本发明实施例1的一个数据事件;
图9为本发明实施例1随机抽取的一个数据模式;
图10为本发明实施例1随机抽取的另一个数据模式;
图11为网格点(27,1,13)最优反演结果其对应的内核密度值;
图12为网格点(27,1,13)最优反演结果其对应的内核速度值;
图13为本发明实施例1第一次迭代反演相图;
图14为本发明实施例1第一次迭代反演合成地震记录图;
图15为本发明实施例1第二次迭代反演相图;
图16为本发明实施例1第二次迭代反演合成地震记录图;
图17为本发明实施例1第三次迭代反演相图;
图18为本发明实施例1第三次迭代反演合成地震记录图;
图19为本发明实施例1第四次迭代反演相图;
图20为本发明实施例1第四次迭代反演合成地震记录图;
图21为本发明实施例1第五次迭代反演相图;
图22为本发明实施例1第五次迭代反演合成地震记录图;
图23为本发明实施例1第六次迭代反演相图;
图24为本发明实施例1第六次迭代反演合成地震记录图。
具体实施方式
以下结合附图详细说明本发明的实施情况,但它们不构成对本发明的限定,仅作举例而已。同时通过和具体实施对本发明作进一步的详细描述。
除非另外说明,本发明所使用的所有科技术语具有与本发明所属领域技术人员的通常理解相同的含义。本发明涉及的所有专利和公开出版物通过引用方式整体并入本发明。术语“包含”或“包括”为开放式表达,即包括本发明所指明的内容,但并不排除其他方面的内容。在本发明中,无论是否使用“大约”或“约”等字眼,所有在此公开了的数字均为近似值。每一个数字的数值有可能会出现10%以下的差异或者本领域人员认为的合理的差异,如1%、2%、3%、4%或5%的差异。
本发明所述基于多点地质统计的地震储层反演方法包括通过井资料、地震资料地质分析,获得研究区储层结构训练图像;以井数据为硬约束条件,利用多点地质统计学建模方法预测岩相空间分布;通过属性与岩相的概率分布关系,蒙特卡洛抽样获得预测点的地震属性,并与实际子波褶积合成地震道;利用地震实际记录与合成记录比较确定最终反演的地震属性和岩相属性,实现多点地质统计学地震储层反演的方法。具体地:
步骤1、调研岩石相与物理属性统计关系,建立工区网格
根据井资料解释成果,确定不同岩相的地震弹性参数,如密度和速度。建立不同岩相弹性参数的概率分布函数。该概率密度函数作为后期岩相约束下地震弹性参数抽样的对象。根据实际工区范围选择合适的网格尺寸大小,对工区进行网格划分,建立网格模型。对工区未知点赋予初始属性值,包括密度值和速度值。
步骤2、训练图像的建立
通过基础地质研究,获得研究区岩石相形态学特征及其沉积模式,采用基于目标方法非条件模拟建立研究区训练图像。
步骤3、数据样板的确定
根据沉积相形态学特征确定数据样板大小,并确定数据样板的样板内核,所述样板内核位于数据样板的中间。在一实施方案中,所述数据样板为网格数不小于5x 5x5的数据样板,所述数据样板中包含网格数不小于3x 3x3的样板内核;在另一实施方案中,所述数据样板为网格数不小于5x 1x 5的数据样板,所述数据样板中包含网格数不小于3x 1x 3的样板内核;在又一实施方案中,所述数据样板为网格数不小于1x 5x5的数据样板,所述数据样板中包含网格数不小于1x 3x 3的样板内核。
步骤4、伪随机访问待估处模拟路径的确定
先随机产生一串随机数,然后在每个未知点处通过数据样板搜索周围的条件点个数,在条件点个数的基础上加上随机数,对其进行从大到小排序,得到工区的模拟路径。所述岩石相条件数据为井条件数据。
在第一次迭代反演中,由于仅有井资料数据,因此数据样板中所包含的井资料越多,访问次序越靠前,通常是由井资料丰富区域逐步过渡到井资料较少以及无井区域。通过伪随机路径达到井资料优先约束反演、提高预测精度的目的。
在后续迭代反演中,主要目的是为了修正前一次的误差。通常地,访问路径由误差较大区域逐步过渡到误差较小的区域,故对每个网格点,计算反演结果与原始地震记录误差的绝对值,在该误差绝对值的基础上加随机数,对其从大到小排序,得到后续迭代反演的伪随机路径,通过伪随机路径对误差大的区域优先反演,以提高预测精度的目的。
在后续迭代反演中,每次迭代反演通常都会结合上一次的整体误差情况设定一个误差限值,误差值大于等于误差限值的区域均会参与到当次反演,成为待估处。
步骤5、迭代反演
每一次迭代反演均要遍历所有网格,因此由多个待估处的反演结果构成,每一个待估处的反演结果均通过如下所述的分步骤5.1~分步骤5.4得到:
分步骤5.1:数据事件的获得
根据数据样板规模所限定的范围提取岩石相条件数据(包括井条件数据和已模拟节点的沉积相数据),形成数据事件。
第一次迭代反演过程中,井条件数据和已模拟节点的沉积相数据都需要填入到数据样板中形成数据事件。
在后续迭代反演过程中,井条件数据和位于外围的已模拟节点沉积相数据填入到数据样板中形成数据事件。
分步骤5.2:扫描训练图像获得数据模式,并进一步确定待选数据模式
利用数据事件扫描训练图像,从中获得多个完全匹配的数据模式。对获取的数据模式随机排序,在此基础上,选择前30-50个数据模式作为待选数据模式。
分步骤5.3:地震属性提取
根据前述获得的岩石相所对应的密度和速度概率分布,对每一待选数据模式的模式内核进行25次抽样,每次抽样均包括对模式内核所有未知点的密度值和速度值抽样。
分步骤5.4:待估处反演结果的确定
将所有待选数据模式的每次内核抽样结果(包括密度值和速度值)均与地震子波褶积,获得若干条合成地震道。将若干条合成地震道与实际地震记录比较,选择误差最小的作为最优反演结果,并将其对应待选数据模式内核所包含的岩石相、速度和密度值赋值到对应模拟区域,而外围部位则仍然保留原始状态,完成待估处的反演。
在第一次迭代反演过程中,由于模拟区域的未知点空白,因此可以直接赋值,而在后续迭代反演过程中,需要先比较当次反演结果和前次反演结果,取较优反演结果填入,也就是说,如果当次反演结果的误差不小于前次反演结果的误差,则不进行替换。
重复分步骤5.1~5.4,直到遍历所有网格,即所有待估处模拟完成,就是实现了一次迭代反演。
步骤6、计算地震记录匹配率
计算当次迭代反演的地震匹配率,并且与设定的门槛值比较。
当迭代反演的结果小于地震记录匹配率时,则重复步骤4-步骤5,进行下一次迭代反演。当迭代反演的结果大于等于地震记录匹配率时,则整个反演过程结束,得到多点地址统计学地震反演的模型。
优选地,当地震匹配率大于等于85%时,即可以满足实际需求,反演结束。
实施例1
图1为本实施例所述地震储层反演方法的实施步骤图,具体地,本实施例涉及一种地质模型的建立,其井条件数据如图2所示。
(1)建立工区网格与工区对应的弹性分布
模型网格划分为200×1×45。每个网格宽度10米,每个网格厚度约为2.2m。总长度2000m,总厚度100m。用主频为25HZ,长度100ms,采样率为2ms的标准雷克子波作为地震子波,与建立的波阻抗模型褶积计算地震记录作为实际地震记录。
模型中沉积相有泥岩和砂岩,建立砂泥岩的弹性分布。如图3和图4所示,砂岩的速度分布范围为4500-5600m/s,密度分布范围为2.4-2.8g/cm3,泥岩速度分布范围为3800-4800m/s,密度分布范围为2.2-2.7g/cm3,两者均符合高斯分布,砂泥岩的弹性属性重叠交叉。对工区未知点赋予初始属性值,密度2.3g/cm3,速度4600m/s。
(2)建立符合工区的训练图像,选择合适的数据样板
根据研究区特征得到了如图5所示的训练图像,并选用了如图6所示的7×1×7的数据样板,其包含网格数为3×1×3的样板内核。
(3)产生伪随机路径,并进行第一次迭代反演。
根据模拟点周围条件点的个数,产生一条伪随机路径,伪随机数的局部图如图7所示。根据随机数的大小对网格顺序进行排序,根据上述的排序,依次选择模型中的网格点,开始对工区进行第一次迭代反演。以第一个网格点(27,1,13)为例,其中网格点(27,1,13)对应数据样板的中心点。用数据样板获取如图8所示的数据事件,开始扫描训练图像获得一系列匹配的数据模式,抽取其中的50个数据模式为待选数据模式,图9和图10为其中两种待选数据模式。根据已建立的弹性参数分布针对每个待选数据模式的模式内核抽取25次属性,在内核范围内合成地震记录。将合成地震记录与原始地震记录比较并选择最优的一种模式与其对应的属性保留,图11和图12分别为网格点(27,1,13)最优反演结果其对应的内核密度值和内核速度值。
转入下一个网格节点至所有网格节点被访问。图13和图14分别为第一次迭代反演的相图和合成地震记录图。
(4)据上一次模拟结果,针对较大误差区域优先反演。多次迭代至匹配率合格。
针对前一次的反演结果,根据地震误差的大小,建立伪随机路径,开始后续的迭代反演。第二次至第六次迭代反演的相图和合成地震记录图如图15-图24所示。当迭代反演进行到第六次时,匹配率达到93%。
(5)输出反演结果。
Claims (3)
1.基于多点地质统计的地震储层反演方法,其特征在于:采用内核和外围的方式进行反演,包括数据样板的确定、伪随机访问待估处模拟路径的确定和迭代反演;
其中,所述数据样板包含样板内核,当所述数据样板为网格数不小于5x5x5的数据样板时,所述数据样板中包含网格数不小于3x3x3的样板内核;当所述数据样板为网格数不小于5x1x5的数据样板时,所述数据样板中包含网格数不小于3x1x3的样板内核;当所述数据样板为网格数不小于1x5x5的数据样板时,所述数据样板中包含网格数不小于1x3x3的样板内核;
所述迭代反演中,对每个待估处均随机选取30-50个数据模式为待选数据模式,所述待选数据模式包含与样板内核对应的模式内核;对每个待估处每一待选数据模式的模式内核均进行25次随机抽样,每个待估处的所有抽样结果均分别与地震子波褶积,获得对应数量的内核范围合成地震道;选择误差最小的内核范围合成地震道作为对应待估处的最优反演结果,并将对应的岩石相、速度值和密度值赋值到该待估处的内核范围,而外围部位则仍然保留原始状态。
2.根据权利要求1所述的基于多点地质统计的地震储层反演方法,其特征在于:在进行下一次迭代反演时,(1)将井条件数据和位于外围的已模拟节点沉积相数据填入到数据样板中形成数据事件,(2)将待估处再次获得的最优反演结果与其前次迭代反演时获得的最优反演结果进行比较,并选择误差较小者。
3.根据权利要求1所述的基于多点地质统计的地震储层反演方法,其特征在于:所述方法包含不多于6次的迭代反演。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810475146.XA CN108931811B (zh) | 2018-05-17 | 2018-05-17 | 基于多点地质统计的地震储层反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810475146.XA CN108931811B (zh) | 2018-05-17 | 2018-05-17 | 基于多点地质统计的地震储层反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108931811A CN108931811A (zh) | 2018-12-04 |
CN108931811B true CN108931811B (zh) | 2019-10-08 |
Family
ID=64449222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810475146.XA Active CN108931811B (zh) | 2018-05-17 | 2018-05-17 | 基于多点地质统计的地震储层反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108931811B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428497A (zh) * | 2019-06-25 | 2019-11-08 | 长江大学 | 辫状河训练图像生成方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031896B (zh) * | 2019-04-08 | 2021-02-12 | 中国石油天然气集团有限公司 | 基于多点地质统计学先验信息的地震随机反演方法及装置 |
CN111273348B (zh) | 2020-01-21 | 2021-02-05 | 长江大学 | 基于更新概率比率恒定理论的多点地质统计叠前反演方法 |
CN111505713B (zh) * | 2020-01-21 | 2021-05-07 | 长江大学 | 基于多点地质统计的叠前地震反演方法 |
CN112305614B (zh) * | 2020-10-20 | 2024-03-29 | 中海石油(中国)有限公司 | 一种气云区空间展布范围刻画方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101133422A (zh) * | 2004-08-20 | 2008-02-27 | 切夫里昂美国公司 | 具有增强计算效率的多点统计(mps)仿真 |
CN101726754A (zh) * | 2009-11-30 | 2010-06-09 | 上海第二工业大学 | 基于连续型多点地质统计法和软硬数据的图像模拟方法 |
CN102713683A (zh) * | 2010-02-26 | 2012-10-03 | 雪佛龙美国公司 | 用于利用多点统计模拟来对储层特性走向建模的方法和系统 |
CN104620136A (zh) * | 2012-08-01 | 2015-05-13 | 雪佛龙美国公司 | 为创建储层属性模型组合多点静态和基于对象的方法的混合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2761340B1 (fr) * | 2011-09-30 | 2016-01-13 | Total SA | Procédé d'extraction de vignette d'une image d'entraînement pour contraindre la modélisation géostatistique multipoint du sous-sol |
-
2018
- 2018-05-17 CN CN201810475146.XA patent/CN108931811B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101133422A (zh) * | 2004-08-20 | 2008-02-27 | 切夫里昂美国公司 | 具有增强计算效率的多点统计(mps)仿真 |
CN101726754A (zh) * | 2009-11-30 | 2010-06-09 | 上海第二工业大学 | 基于连续型多点地质统计法和软硬数据的图像模拟方法 |
CN102713683A (zh) * | 2010-02-26 | 2012-10-03 | 雪佛龙美国公司 | 用于利用多点统计模拟来对储层特性走向建模的方法和系统 |
CN104620136A (zh) * | 2012-08-01 | 2015-05-13 | 雪佛龙美国公司 | 为创建储层属性模型组合多点静态和基于对象的方法的混合方法 |
Non-Patent Citations (1)
Title |
---|
一种基于多点地质统计的储层反演新方法;尹艳树 等;《长江大学学报(自科版)》;20180331;第15卷(第5期);22-26 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428497A (zh) * | 2019-06-25 | 2019-11-08 | 长江大学 | 辫状河训练图像生成方法 |
CN110428497B (zh) * | 2019-06-25 | 2021-08-06 | 长江大学 | 辫状河训练图像生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108931811A (zh) | 2018-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108931811B (zh) | 基于多点地质统计的地震储层反演方法 | |
Zhang et al. | Parameter prediction of hydraulic fracture for tight reservoir based on micro-seismic and history matching | |
CN111273348B (zh) | 基于更新概率比率恒定理论的多点地质统计叠前反演方法 | |
CN105954804B (zh) | 页岩气储层脆性地震预测方法及装置 | |
Cherpeau et al. | Stochastic structural modelling in sparse data situations | |
US20090234625A1 (en) | Providing a simplified subterranean model | |
CN103886216B (zh) | 一种基于地质矢量信息的多点地质统计方法 | |
AU2014101594A4 (en) | System and method for computational geology | |
Feng et al. | A transient electromagnetic signal denoising method based on an improved variational mode decomposition algorithm | |
Sokolov et al. | On the influence of site conditions and earthquake magnitude on ground-motion within-earthquake correlation: analysis of PGA data from TSMIP (Taiwan) network | |
US8706462B2 (en) | System and method for providing a physical property model | |
CN103439740B (zh) | 基于偶极地震子波多重积分的相对阻抗预测的方法及装置 | |
CN108645994A (zh) | 一种基于多点地质统计学的地质随机反演方法及装置 | |
Liu et al. | Seismic characterization of a carbonate reservoir in Tarim Basin | |
CN111505713B (zh) | 基于多点地质统计的叠前地震反演方法 | |
CN110095811A (zh) | 膏岩层速度模型构建处理方法及装置 | |
CN103543478A (zh) | 地质形态插值的km方法 | |
Alves et al. | Simulation of acoustic impedance images by stochastic inversion of post-stack seismic reflection amplitudes and well data | |
CN107065010B (zh) | 一种基于分形理论的地震属性和地震反演数据的融合方法 | |
CN116027454A (zh) | 一种砂岩厚度等值线图的成图方法及智能绘制装置 | |
CN115880455A (zh) | 基于深度学习的三维智能插值方法 | |
EP3371627A1 (en) | Three-dimensional, stratigraphically-consistent seismic attributes | |
CN107703544B (zh) | 基于地质统计学的叠前振幅随偏移距变化油气预测方法 | |
CN111751886A (zh) | 一种基于微地震监测数据的页岩气藏裂缝建模方法 | |
CN112180440B (zh) | 一种基于avo特征分析的叠前随机反演方法及系统 |
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 |