CN108957535A - 油藏地震储层的预测方法及装置 - Google Patents
油藏地震储层的预测方法及装置 Download PDFInfo
- Publication number
- CN108957535A CN108957535A CN201810599767.9A CN201810599767A CN108957535A CN 108957535 A CN108957535 A CN 108957535A CN 201810599767 A CN201810599767 A CN 201810599767A CN 108957535 A CN108957535 A CN 108957535A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- seismic
- seismic properties
- properties
- thickness
- 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.)
- Pending
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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
Abstract
本发明提供了一种油藏地震储层的预测方法及装置，其中，该方法包括：从油藏地震资料中提取地震属性；根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；根据优化的地震属性，建立储层厚度的预测模型；根据储层厚度的预测模型，对油藏地震储层进行预测。上述技术方案提高了储层预测的效率和精度。
Description
技术领域
本发明涉及油藏地震储层预测技术领域，特别涉及一种油藏地震储层的预测方法及装置。
背景技术
地震属性就是按照一定的方法从地震资料中提取出的能够反映储层特征参数，如振幅、频率、相位、能量、波形和比率等，该地震属性的类型多样，种类众多。通常利用地震属性与实际解释储层间的相关性，将地震属性换算成储层属性，进而预测井间岩性、物性变化，但仅限于单一属性的定性判断，存在局限性。
目前，利用地震属性进行储层预测的方法已由单一属性、定性评价阶段逐步发展成为多属性、定量评价的阶段，加之地下地质情况的复杂性，使得某一区块总结出的地质规律并不是通用规律，并不能适应所有区块的地质特征，需要具体情况具体分析，因而在实际分析过程中，工作量很大，从而导致效率低，且对储层预测的精度也低。
发明内容
本发明实施例提供了一种油藏地震储层的预测方法，用以提高储层预测的效率和精度，该预测方法包括：
从油藏地震资料中提取地震属性；
根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；
根据优化的地震属性，建立储层厚度的预测模型；
根据储层厚度的预测模型，对油藏地震储层进行预测；
从油藏地震资料中提取地震属性，包括：沿目的区块的目的储层所对应的地震同相轴提取地震属性，提取出与地震储层相关的地震属性。
本发明实施例还提供了一种油藏地震储层的预测装置，用以提高储层预测的效率和精度，该预测装置包括：
提取单元，用于从油藏地震资料中提取地震属性；
地震属性优化单元，用于根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；
预测模型建立单元，用于根据优化的地震属性，建立储层厚度的预测模型；
预测单元，用于根据储层厚度的预测模型，对油藏地震储层进行预测；
所述提取单元具体用于：沿目的区块的目的储层所对应的地震同相轴提取地震属性，提取出与地震储层相关的地震属性。
本发明实施例还提供了一种计算机设备，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油藏地震储层的预测方法。
本发明实施例还提供了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油藏地震储层的预测方法的计算机程序。
本发明实施例提供的技术方案从油藏地震资料中提取地震属性；根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，获得优化的地震属性，进而利用优化的地震属性，建立储层厚度的预测模型，该预测模型能更好地适应所有区块的地质特征，根据该预测模型对油藏地震储层进行预测，提高了储层预测的效率和精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是本发明实施例中油藏地震储层的预测方法的流程示意图；
图2是本发明另一实施例中油藏地震储层的预测方法的流程示意图；
图3是本发明实施例中根据储层厚度的预测模型对储层进行预测的示意图；
图4是本发明实施例中油藏地震储层的预测装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
发明人发现：目前，利用地震属性进行储层预测的方法已由单一属性、定性评价阶段逐步发展成为多属性、定量评价的阶段，加之地下地质情况的复杂性，使得某一区块总结出的地质规律并不是通用规律，并不能适应所有区块的地质特征，需要具体情况具体分析，因而在实际分析过程中工作量很大。另外，在井网不完善区块(现有技术中将全油藏进行划分成多个区块)，钻井控制程度低，区块内部无井控制的空白区域很可能会成为下步井位部署的有利位置。但区块内部砂体并不是完全连续的，储层发育有厚有薄，有好有坏，仅仅依靠钻井资料无法落实井间储层发育情况，无法优选有利位置进行井位部署。
因此，考虑到上述技术问题，本发明提供了一种油藏地震储层的预测方案，该方案利用一定的数学算法，对地震属性进行筛选，剔除那些不必要的属性，即地震属性的优化，进而利用优选出的地震属性实现对储层的预测。本发明采用地震属性优化方法，以井点为约束，建立储层厚度的预测模型，对井间砂体发育情况进行预测，提高预测精确和效率，进而为井位部署提供依据。下面对该油藏地震储层的预测方案进行详细介绍如下。
图1是本发明实施例中油藏地震储层的预测方法的流程示意图，如图1所示，该预测方法包括如下步骤：
步骤101：从油藏地震资料中提取地震属性；
步骤102：根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；
步骤103：根据优化的地震属性，建立储层厚度的预测模型；
步骤104：根据储层厚度的预测模型，对油藏地震储层进行预测；
从油藏地震资料中提取地震属性，可以包括：沿目的区块的目的储层所对应的地震同相轴提取地震属性，提取出与地震储层相关的地震属性。
本发明实施例提供的技术方案从油藏地震资料中提取地震属性；根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，获得优化的地震属性，进而利用优化的地震属性，建立储层厚度的预测模型，该预测模型能更好地适应所有区块的地质特征，根据该预测模型对油藏地震储层进行预测，提高了储层预测的效率和精度。
首先，介绍上述步骤101。
具体实施时，地震属性的提取应依据区块的勘探开发程度、研究对象及要解决的地质问题选择合适的提取方式，尽可能多地提取出与储层相关的地震属性，防止遗漏对本区储层反映较好的属性。为了准确提取目的层段的地震属性，以测井分层为依据，利用测井曲线标定地震上的分层，对于井间地带，则根据上下反射波组的趋势面对全区进行追踪，以此保证目的层段地震属性提取的准确性。
其次，介绍上述步骤102。
在一个实施例中，根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性，包括：
删除对储层不敏感的地震属性，得到初步优化地震属性；所述不敏感的地震属性为油藏全区地震属性值接近第一预设值的地震属性；
计算各初步优化地震属性之间的相似性，根据相似系数大小，对所述初步优化地震属性进行筛选，去掉相似系数绝对值大于第二预设值的重复地震属性，得到二次优化地震属性；
计算二次优化地震属性与井点砂岩厚度的相关系数，去掉与井点砂岩厚度相关系数小于第三预设值的地震属性，得到最终的优化的地震属性；
根据优化的地震属性，建立储层厚度的预测模型，包括：
根据所述最终的优化的地震属性，建立储层厚度的预测模型。
具体实施时，地震属性优选(对地震属性进行优化，得到优化的地震属性)是指从一个地震属性集合中优选出最有利于储层预测的地震属性子集的过程。最直接的优选方法是根据专家的经验，而属性的多样性和地下地质条件的复杂性，使得这一方法在多数情况下并不能取得最佳效果。本发明实施例在指定约束条件下通过数学方法进行筛选，以达到剔除不敏感属性、降低维数、优选出最能代表本区储层信息的属性集的目的，这一方法较专家经验更为严格，具体的研究过程如下：
1、属性对储层的敏感性分析：由于提取的地震属性较多，必然存在一些在全区属性值比较接近的地震属性(油藏全区地震属性值接近第一预设值的地震属性)。这类属性无法反映本区储层的实际情况，因此，优选的第一步是删除这些对储层不敏感的属性，也就是在提取地震属性之后，利用Landmark软件显示地震属性的平面分布图，将颜色单一的地震属性删除。
2、属性间的相似性分析：有些地震属性对储层信息具有相似的反映特征，预测时不需要同时引入，引起不必要的重复计算。利用Landmark软件二维交汇模块计算出各属性之间的相似性，依据相似系数大小进行筛选，去掉相似系数绝对值较大的多余重复属性(去掉相似系数绝对值大于第二预设值的重复地震属性)，优选出与本区储层敏感性较高，各自相对独立的地震属性。
3、属性对储层的相关性分析：储层预测的下一环节是挑选出最能反应储层信息的地震属性，本次发明采用相关系数法，利用相关系数公式计算出已知井点砂岩厚度与地震属性间的相关系数，相关系数越大，代表着地震属性越能够反应储层的信息，实际计算公式为：
式中：R为相关系数；Xi为某种地震属性第i个地震属性值；为某种地震属性平均值；Yi为第i个井点砂岩厚度值；为井点砂岩厚度平均值。
计算得到地震属性与井点砂岩厚度的相关系数，去掉与井点砂岩厚度相关系数较小的地震属性(去掉与井点砂岩厚度相关系数小于第三预设值的地震属性)，将剩余属性作为下步储层预测模型建立的基础属性集(最终的优化的地震属性的集合)。
即，在一个实施例中，可以按照如下公式计算二次优化地震属性与井点砂岩厚度的相关系数：
其中，R为相关系数；Xi为某种地震属性第i个地震属性值；为某种地震属性平均值；Yi为第i个井点砂岩厚度值；为井点砂岩厚度平均值。
再次，介绍上述步骤103。
在一个实施例中，根据储层厚度的预测模型，对油藏地震储层进行预测，可以包括：按照如下储层厚度的预测模型，对油藏地震储层进行预测：
其中，y为目的层的砂岩厚度；α为建立储层预测模型的地震属性个数；An为待回归的参数；xn为地震属性变量，n为经过筛选后的剩余地震属性个数。
具体实施时，本发明实施例采用多元线性回归的方法，建立储层厚度的预测模型。用于回归的属性变量依据地震属性与井点砂岩厚度相关系数的大小进行选取，首先选取相关系数最大的一个属性建立属性集进行拟合，再依次增加相关系数稍小的属性加入样本集进行拟合，通过不断增加属性，组成不同的属性集分别进行拟合，获得多个拟合结果。
设目的层的砂岩厚度为y，依据相关系数由大到小的顺序，地震属性变量依次设定为x1，x2……xn，A1，A2……An和A0为待回归的参数，n为经过筛选后的剩余属性个数，a为用于建立储层预测模型的属性个数，a可取1到n的整数，则可得到储层预测模型公式：
将优选出的地震属性作为多元线性回归的样本集，以井点的砂岩厚度作为目标函数，利用1stOpt软件进行拟合，不断变换a值，可以获得n个拟合结果，选出拟合度最高的属性集，作为储层预测的最佳属性组合，可得到用于建立预测模型的属性个数a以及回归参数A0、A1、A2……Aa，代入(2)式可得到预测砂岩厚度y的回归模型。
下面结合附图2和3，再举一实例，以便于理解本发明如何实施。
地震属性间相似分析时，剔除界限的相似系数值可依据油藏区块的实际情况而定。关于相似系数的计算，本发明采用的是Landmark软件二维交汇模块，也可采用相关系数法、余弦夹角、标准化的欧氏距离等方法。
地震属性与储层间相关性分析时，剔除界限相关系数值可依据区块的实际情况而定。关于相关系数的计算，本发明采用的相关系数法，也可采用余弦夹角、标准化的欧氏距离等方法。
建立储层厚度的预测模型时，用于回归的属性变量依据地震属性与井点砂岩厚度相关系数的大小进行选取，依据相关系数由大到小进行排序，首先选取相关系数最大的一个属性建立属性集进行拟合，再依次增加相关系数稍小的属性加入样本集进行拟合，通过不断增加属性，组成不同的属性集分别进行拟合，获得多个拟合结果。
本发明实施例在某油田H块进行了储层预测，具体是这样实现的：
利用Landmark软件的属性提取模块，沿H块目的层所对应的地震同相轴，提取了包含振幅、频率、相位、能量、波形和比率等属性类在内的30余种地震属性。通过属性对储层的敏感性分析和属性间的相似性分析，优选出12种对区块储层敏感性较高，各自相对独立的地震属性。通过计算区块内10口井的目的层砂岩厚度与剩余12种地震属性间的相关系数，得到两者间的相关系数，去掉与目的层井点砂岩厚度相关系数小于0.7的平均瞬时相位和平均波谷振幅2种地震属性，将剩余的10种属性作为下步储层预测的基础属性(最终的优化的地震属性)。
以优选出的地震属性作为多元线性回归的样本集，以10口井的砂岩厚度作为目标函数，利用1stOpt软件进行拟合，通过不断调整a值，结果显示，当a＝3时拟合度最高，即利用平均瞬时频率、有效带宽和平均振幅3种属性进行拟合可以取得最佳预测效果，拟合度可达0.926，据此得到回归参数A0、A1、A2、A3，代入(2)式可得出预测砂岩厚度y的回归模型：y＝-0.3538x1-0.0436x2+0.3894x3+14.3036。
最后利用预测出的砂岩厚度，编制成平面图。
基于同一发明构思，本发明实施例中还提供了一种油藏地震储层的预测装置，如下面的实施例。由于该油藏地震储层的预测装置解决问题的原理与油藏地震储层的预测方法相似，因此油藏地震储层的预测装置的实施可以参考上述油藏地震储层的预测方法的实施，重复之处不再赘述。以下所使用的，术语“模块”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。
图4是本发明实施例中油藏地震储层的预测装置的结构示意图，如图4所示，该预测装置包括：
提取单元02，用于从油藏地震资料中提取地震属性；
地震属性优化单元04，用于根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；
预测模型建立单元06，用于根据优化的地震属性，建立储层厚度的预测模型；
预测单元08，用于根据储层厚度的预测模型，对油藏地震储层进行预测；
所述提取单元具体用于：沿目的区块的目的储层所对应的地震同相轴提取地震属性，提取出与地震储层相关的地震属性。
在一个实施例中，所述地震属性优化单元具体用于：
删除对储层不敏感的地震属性，得到初步优化地震属性；所述不敏感的地震属性为油藏全区地震属性值接近第一预设值的地震属性；
计算各初步优化地震属性之间的相似性，根据相似系数大小，对所述初步优化地震属性进行筛选，去掉相似系数绝对值大于第二预设值的重复地震属性，得到二次优化地震属性；
计算二次优化地震属性与井点砂岩厚度的相关系数，去掉与井点砂岩厚度相关系数小于第三预设值的地震属性，得到最终的优化的地震属性；
预测模型建立单元具体用于：根据所述最终的优化的地震属性，建立储层厚度的预测模型。
在一个实施例中，按照如下公式计算二次优化地震属性与井点砂岩厚度的相关系数：
其中，R为相关系数；Xi为某种地震属性第i个地震属性值；为某种地震属性平均值；Yi为第i个井点砂岩厚度值；为井点砂岩厚度平均值。
在一个实施例中，所述预测单元具体用于按照如下储层厚度的预测模型，对油藏地震储层进行预测：
其中，y为目的层的砂岩厚度；α为建立储层预测模型的地震属性个数；An为待回归的参数；xn为地震属性变量，n为经过筛选后的剩余地震属性个数。
发明实施例还提供了一种计算机设备，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油藏地震储层的预测方法。
本发明实施例还提供了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油藏地震储层的预测方法的计算机程序。
本发明实施提供的技术方案的有益技术效果为：在井网不完善区块，钻井控制程度低，区块内部无井控制的空白区域很可能会成为下步井位部署的有利位置。但区块内部砂体并不是完全连续的，储层发育有厚有薄，有好有坏，仅仅依靠钻井资料无法落实井间储层发育情况，无法优选有利位置进行井位部署。本次发明采用地震属性优化方法，以井点为约束，建立储层厚度的预测模型，对井间砂体发育情况进行预测，提高了储层预测的效率和精度，为井位部署提供依据。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种油藏地震储层的预测方法，其特征在于，包括：
从油藏地震资料中提取地震属性；
根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；
根据优化的地震属性，建立储层厚度的预测模型；
根据储层厚度的预测模型，对油藏地震储层进行预测；
从油藏地震资料中提取地震属性，包括：沿目的区块的目的储层所对应的地震同相轴提取地震属性，提取出与地震储层相关的地震属性。
2.如权利要求1所述的油藏地震储层的预测方法，其特征在于，根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性，包括：
删除对储层不敏感的地震属性，得到初步优化地震属性；所述不敏感的地震属性为油藏全区地震属性值接近第一预设值的地震属性；
计算各初步优化地震属性之间的相似性，根据相似系数大小，对所述初步优化地震属性进行筛选，去掉相似系数绝对值大于第二预设值的重复地震属性，得到二次优化地震属性；
计算二次优化地震属性与井点砂岩厚度的相关系数，去掉与井点砂岩厚度相关系数小于第三预设值的地震属性，得到最终的优化的地震属性；
根据优化的地震属性，建立储层厚度的预测模型，包括：
根据所述最终的优化的地震属性，建立储层厚度的预测模型。
3.如权利要求2所述的油藏地震储层的预测方法，其特征在于，按照如下公式计算二次优化地震属性与井点砂岩厚度的相关系数：
其中，R为相关系数；Xi为某种地震属性第i个地震属性值；为某种地震属性平均值；Yi为第i个井点砂岩厚度值；为井点砂岩厚度平均值。
4.如权利要求1所述的油藏地震储层的预测方法，其特征在于，根据储层厚度的预测模型，对油藏地震储层进行预测，包括：按照如下储层厚度的预测模型，对油藏地震储层进行预测：
其中，y为目的层的砂岩厚度；α为建立储层预测模型的地震属性个数；An为待回归的参数；xn为地震属性变量，n为经过筛选后的剩余地震属性个数。
5.一种油藏地震储层的预测装置，其特征在于，包括：
提取单元，用于从油藏地震资料中提取地震属性；
地震属性优化单元，用于根据地震属性对储层的敏感性分析、地震属性间的相似性分析、地震属性对储层的相关性分析，对地震属性进行优化，得到优化的地震属性；
预测模型建立单元，用于根据优化的地震属性，建立储层厚度的预测模型；
预测单元，用于根据储层厚度的预测模型，对油藏地震储层进行预测；
所述提取单元具体用于：沿目的区块的目的储层所对应的地震同相轴提取地震属性，提取出与地震储层相关的地震属性。
6.如权利要求5所述的油藏地震储层的预测装置，其特征在于，所述地震属性优化单元具体用于：
删除对储层不敏感的地震属性，得到初步优化地震属性；所述不敏感的地震属性为油藏全区地震属性值接近第一预设值的地震属性；
计算各初步优化地震属性之间的相似性，根据相似系数大小，对所述初步优化地震属性进行筛选，去掉相似系数绝对值大于第二预设值的重复地震属性，得到二次优化地震属性；
计算二次优化地震属性与井点砂岩厚度的相关系数，去掉与井点砂岩厚度相关系数小于第三预设值的地震属性，得到最终的优化的地震属性；
预测模型建立单元具体用于：根据所述最终的优化的地震属性，建立储层厚度的预测模型。
7.如权利要求6所述的油藏地震储层的预测装置，其特征在于，按照如下公式计算二次优化地震属性与井点砂岩厚度的相关系数：
其中，R为相关系数；Xi为某种地震属性第i个地震属性值；为某种地震属性平均值；Yi为第i个井点砂岩厚度值；为井点砂岩厚度平均值。
8.如权利要求5所述的油藏地震储层的预测装置，其特征在于，所述预测单元具体用于按照如下储层厚度的预测模型，对油藏地震储层进行预测：
其中，y为目的层的砂岩厚度；α为建立储层预测模型的地震属性个数；An为待回归的参数；xn为地震属性变量，n为经过筛选后的剩余地震属性个数。
9.一种计算机设备，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4任一所述方法。
10.一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4任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810599767.9A CN108957535A (zh) | 2018-06-12 | 2018-06-12 | 油藏地震储层的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810599767.9A CN108957535A (zh) | 2018-06-12 | 2018-06-12 | 油藏地震储层的预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108957535A true CN108957535A (zh) | 2018-12-07 |
Family
ID=64488327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810599767.9A Pending CN108957535A (zh) | 2018-06-12 | 2018-06-12 | 油藏地震储层的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108957535A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112578441A (zh) * | 2020-11-26 | 2021-03-30 | 中海石油(中国)有限公司 | 储层厚度预测分析方法、计算机设备及存储介质 |
| CN112649869A (zh) * | 2019-10-12 | 2021-04-13 | 中国石油化工股份有限公司 | 基于ga-wnn的储层特征参数预测方法及系统 |
| CN112948513A (zh) * | 2019-12-11 | 2021-06-11 | 中国石油天然气股份有限公司 | 能源分布趋势图的生成方法、装置及存储介质 |
| CN113625340A (zh) * | 2021-08-02 | 2021-11-09 | 中海石油(中国)有限公司 | 一种基于属性敏感度选择储层敏感地震属性组合的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777243A (zh) * | 2012-10-25 | 2014-05-07 | 中国石油化工股份有限公司 | 砂泥岩薄互层储层厚度预测方法 |
-
2018
- 2018-06-12 CN CN201810599767.9A patent/CN108957535A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777243A (zh) * | 2012-10-25 | 2014-05-07 | 中国石油化工股份有限公司 | 砂泥岩薄互层储层厚度预测方法 |
Non-Patent Citations (5)
| Title |
|---|
| 00625: "地震属性流程", 《原创力文档》 * |
| 席昊鹏等: "地震属性在辽河盆地H块储层预测上的应用", 《石油管材与仪器》 * |
| 方志雄等: "《延川南煤层气田勘探开发关键技术及应用》", 30 June 2017, 北京：地质出版社 * |
| 李兰斌等: "《地震地质综合解释实习指导书》", 31 December 2014, 武汉：中国地质大学出版社 * |
| 欧阳健等: "《测井地质分析与油气层定量评价》", 30 June 1999, 北京：石油工业出版社 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112649869A (zh) * | 2019-10-12 | 2021-04-13 | 中国石油化工股份有限公司 | 基于ga-wnn的储层特征参数预测方法及系统 |
| CN112948513A (zh) * | 2019-12-11 | 2021-06-11 | 中国石油天然气股份有限公司 | 能源分布趋势图的生成方法、装置及存储介质 |
| CN112948513B (zh) * | 2019-12-11 | 2024-03-26 | 中国石油天然气股份有限公司 | 能源分布趋势图的生成方法、装置及存储介质 |
| CN112578441A (zh) * | 2020-11-26 | 2021-03-30 | 中海石油(中国)有限公司 | 储层厚度预测分析方法、计算机设备及存储介质 |
| CN112578441B (zh) * | 2020-11-26 | 2024-01-26 | 中海石油(中国)有限公司 | 储层厚度预测分析方法、计算机设备及存储介质 |
| CN113625340A (zh) * | 2021-08-02 | 2021-11-09 | 中海石油(中国)有限公司 | 一种基于属性敏感度选择储层敏感地震属性组合的方法 |
| CN113625340B (zh) * | 2021-08-02 | 2023-09-19 | 中海石油(中国)有限公司 | 一种基于属性敏感度选择储层敏感地震属性组合的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2384810C (en) | Determining optimal well locations from a 3d reservoir model | |
| Caers et al. | Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models | |
| CN108957535A (zh) | 油藏地震储层的预测方法及装置 | |
| CN109709603A (zh) | 地震层位识别与追踪方法、系统 | |
| CN105259572B (zh) | 基于地震多属性参数非线性自动分类的地震相计算方法 | |
| CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
| CN104101902B (zh) | 地震属性聚类方法及装置 | |
| CN107688201A (zh) | 基于rbm地震叠前信号聚类方法 | |
| CN108107469B (zh) | 分流河道位置的确定方法和装置 | |
| CN107589469B (zh) | 油水界面的确定方法和装置 | |
| CN109343115B (zh) | 一种基于测井约束的含气储层刻画方法 | |
| CN109188520A (zh) | 薄储层厚度预测方法及装置 | |
| CN110097069A (zh) | 一种基于深度多核学习的支持向量机岩相识别方法及装置 | |
| CN109765609A (zh) | 一种基于目的层与相邻层地震属性的砂体预测方法及系统 | |
| CN108646292A (zh) | 裂缝密度预测方法、装置及计算机存储介质 | |
| WO2016115437A1 (en) | Approaches to tying well logs to seismic data | |
| CN116201535B (zh) | 油气藏目标井标志地层自动划分方法、装置及设备 | |
| Nguyen et al. | Application of random forest algorithm to predict lithofacies from well and seismic data in Balder field, Norwegian North Sea | |
| CN108035710B (zh) | 基于数据挖掘划分深层岩石地质相的方法 | |
| CN110443271A (zh) | 一种基于多阈值Birch聚类的相控孔隙度预测方法 | |
| Gervais et al. | Identifying influence areas with connectivity analysis–application to the local perturbation of heterogeneity distribution for history matching | |
| WO2015177561A1 (en) | Methods for rock typing and associated apparatus and systems | |
| Himmer et al. | Reservoir porosity prediction from 3-D seismic data using neural networks | |
| Al-Turki et al. | Applications of Progressive-Recursive Self-Organizing Maps Algorithm in Guiding Reservoir History Matching | |
| Mendez et al. | Rock Type Prediction Using Democratic Neural Networks Association DNNA: An Alternative Method to Describe Clastic Fillings in Ordovician Karsted Carbonates within a Region of the Tahe Oilfield, China |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |