CN109425889A - 一种用于刻画古岩溶暗河的方法 - Google Patents
一种用于刻画古岩溶暗河的方法 Download PDFInfo
- Publication number
- CN109425889A CN109425889A CN201710721864.6A CN201710721864A CN109425889A CN 109425889 A CN109425889 A CN 109425889A CN 201710721864 A CN201710721864 A CN 201710721864A CN 109425889 A CN109425889 A CN 109425889A
- Authority
- CN
- China
- Prior art keywords
- seismic
- seismic channel
- underground river
- waveform
- ancient
- 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
Abstract
本发明提出了一种用于刻画古岩溶暗河的方法，本方法利用地震波形分类分析技术对古岩溶暗河展布范围内地震波形做出细致分类，结合井点解释储集体特征，实现暗河内幕储集体发育特征刻画。地震波形分类分析方法在实际地震资料解释过程中，可以完全无监督运行或者设置井参与运行，完全基于相邻地震道波形差异进行分类，同时可实现井点解释成果的标定，为分类结果提供地质解释依据，进一步指导油田精细开发。
Description
技术领域
本发明涉及石油勘探地震储层预测技术领域，特别涉及一种用于刻画古岩溶暗河的方法。
背景技术
在目前已开发的各种类型油气藏中，河道发育区多为油藏储集物性条件有利区，因此对河道的表征刻画一直是油藏地质研究及地球物理研究人员关注的热点。
按照沉积环境差异，河道可分为地表河沉积与地下暗河沉积。常规碎屑岩油藏的河道主要是地表河沉积，开展其地质研究可以凭借地质露头建立其对应的沉积相模式，根据地震储层预测成果并结合井点钻遇情况及生产动态确定河道的具体形态、组合形式及其亚相(甚至微相)展布。在碳酸盐岩缝洞型油藏中，古岩溶地表河与地下暗河同时发育，其中地下暗河是一种重要的储集体成因类型，其充填类型及充填程度复杂。加之发育不同储集体类型，暗河河道内部储集体综合物性(暗河内幕特征)差异较大，这种河道内幕特征的差异既会影响河道本身油气赋存，也影响河道内部流体连通。因此对暗河形态作出刻画并对其内部差异性做出细致分类，进一步表征其内幕特征对于油藏的地质研究以及注水开发是十分必要的。
古暗河研究需要结合地质、测井及地震资料综合开展，其中其空间形态的刻画主要借助于地震资料。目前古岩溶暗河预测技术以地震振幅类属性应用为主，通过平面属性或三维属性体提取对暗河形态作出平面或立体的刻画。而振幅类属性多采用时窗范围提取方法，会对特定时窗内属性进行平滑处理，暗河内部波形差异容易被掩盖，并不能有效刻画其内幕特征变化。
地震波形分类方法是一种基于地震反射波形的地震相分析技术。前人利用地震资料信息丰富的特点，引进神经网络等数学算法将传统地震相研究中基于“相面”的定性研究方法改善为能够定量的地震波形分类分析方法。其主要思想是用数学算法把地震波形特征定量刻画出来，通过目的层位临近地震道的对比分类，取得合理的、与地质认识相符的地震相分析结果。国内有学者将地震波形分析方法及储层预测应用流程进行了梳理，通过单井沉积相及地震相的结合，完成由点到面的沉积相图绘制并进行储层预测。不少学者应用地震波形分类在碎屑岩储层沉积相展布、砂体预测等方面作出了较好的应用效果。在河道砂体叠置模式预测方面，通过对比分析正演模拟地震波形与井震标定合成记录，研究不同砂体叠置情况下的地震波形特征规律，建立叠置砂体与地震之间的响应模式，确定叠置砂体地震波形的精细分类，最终根据不同波形空间展布特征，对叠置砂体的展布特征进行有效的识别预测。同时，也有学者利用精细波形分类方法开展了塔河油田缝洞储集体的预测工作，通过分析时窗测试、测井等实际资料标定，结合地震波形分析和反射机理研究，总结出储层发育层段的特征波形，建立储层与地震间的响应模式，确定储层的精细分类，最终得到有利储层的地震反射空间展布。(参考文献：邓传伟等，波形分类技术在储层沉积微相预测中的应用，石油物探，2008年5月第47卷第3期；范洪军等，地震波形分类技术在河流相储层研究中的应用，CT理论与应用研究，2014年1月第23卷第1期；井涌泉等，基于波形分类技术预测河流相砂体叠置模式，地球物理学进展，2014年6月第29卷第3期；赵裕辉等，精细波形分类法在塔河油田碳酸盐岩储层预测中的应用，吐哈油气，2009年3月第13卷第1期)
目前古岩溶暗河预测技术以平面或立体的暗河形态刻画为主，尚未借助地震波形分类方法对暗河内幕特征开展相关研究。
发明内容
针对上述技术问题，本发明提出了一种用于刻画古岩溶暗河的方法，其包括以下步骤：S10：获取油藏的叠加偏移地震数据，从叠加偏移地震数据中筛选出振幅能量大于或等于预设阈值的地震数据所对应的点，将筛选出的点投影到水平面上获得古岩溶暗河在水平面上的投影轮廓；S20：对叠加偏移地震数据进行反演以获得波阻抗数据体，根据波阻抗数据体获得古岩溶暗河发育顶界面的所在位置和形状；S30：筛选出位于古岩溶暗河在水平面上的投影轮廓范围内所有的地震道，截取被筛选出的地震道中从古岩溶暗河发育顶界面所对应的时间点开始往后预设时间段内地震道波形，这些地震道波形组成待分类地震道波形集合；S40：选取多个连接到古岩溶暗河的储集体上的油井，制作每口油井的井点位置处的合成地震记录，将距各个油井的井点位置最近的地震道与该油井所对应的合成地震记录相对比，选取出地震道与合成地震记录的波形最接近的地震道为典型地震道；S50：截取典型地震道中对应于从古岩溶暗河发育顶界面所对应的时间点开始往后预设时间段内地震道波形为初始对比的固定模型道，采用神经网络算法对待分类地震道波形集合中的地震道波形以其形状与模型道的相似程度为标准划分为预设类别数，固定模型道在多次迭代过程中不变；S60：在古岩溶暗河在水平面上的投影轮廓内将每类地震道波形所对应的地震道所在区域表示出来。
在一个具体的实施例中，在步骤S20中，对叠加偏移地震数据采用稀疏脉冲反演的方法获得波阻抗数据体。
在一个具体的实施例中，在步骤S20中，还结合地震正演模拟结果，对古岩溶暗河在水平面上的投影轮廓范围内的地震解释层位进行调整，以获得古岩溶暗河发育顶界面更准确的形状和位置。
在一个具体的实施例中，所述预设时间段小于150ms。
在一个具体的实施例中，所述预设时间段大于半个相位。
在一个具体的实施例中，在步骤S40中，油井为仅连通到裂缝型储集体上的油井。
在一个具体的实施例中，油井的井点位置处的储集体累计厚度需达到15米以上。
在一个具体的实施例中，预设类别数的取值范围为[3，10]。
在一个具体的实施例中，古岩溶暗河在水平面上的投影轮廓内的每类地震道波形所对应的地震道所在区域采用不同的颜色块表示出来，同一种颜色表示同一类地震道波形。
在一个具体的实施例中，所述方法还包括步骤S70，步骤S70在步骤S30之后、步骤S40之前实施，步骤S70：待分类地震道波形集合中的地震道波形以其形状的相似性为标准划分为预设类别数，在古岩溶暗河在水平面上的投影轮廓内将每类地震道波形所对应的地震道所在区域表示出来；若至少一类地震道波形多对应的区域为离散的点，则减少预设类别数并重新进行步骤S70，直至每类地震道波形所对应的区域为块状。
该技术方案利用地震波形分类分析技术对古岩溶暗河展布范围内地震波形做出细致分类，结合井点解释储集体特征，实现暗河内幕储集体发育特征刻画。地震波形分类分析方法在实际地震资料解释过程中，可以完全无监督运行或者设置井参与运行，完全基于相邻地震道波形差异进行分类，同时可实现井点解释成果的标定，为分类结果提供地质解释依据，进一步指导油田精细开发。
地震波形分类方法可以通过临近井旁地震道的对比，给出暗河展布范围内部地震道分类结果，以突出暗河内幕特征。借助于神经网络算法的地震波形分类方法能够凸显地震道间的差异，理论上可对指定范围内地震波形做出任意数量的分类，对古岩溶暗河形态内部地震波形进行解剖，实现古暗河内幕特征的刻画。该方法操作成本低，目标明确，速度较快，且应用效果较好。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1为本发明的一个实施例中距离古岩溶不整合面20-60ms的地震均方根振幅属性展布图；
图2为本发明的一个实施例中原始叠加偏移地震数据剖面示意图；
图3为根据图2中的原始叠加地震数据反演出的波阻抗数据体反演剖面；
图4为本发明的一个实施例中的反映古岩溶暗河内幕特征的地震波形分类平面图。
在附图中，相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
一种用于刻画古岩溶暗河的方法，包括以下步骤：
S10：获取油藏的叠加偏移地震数据，从叠加偏移地震数据中筛选出振幅能量大于或等于预设阈值的地震数据所对应的点，将筛选出的点投影到水平面上获得古岩溶暗河在水平面上的投影轮廓以及该投影轮廓在水平面的位置。
地震属性是由叠后地震数据经过数学变换而导出的表征地震波几何形态、运动学特征、动力学特征和统计特征的参数，例如，振幅、频率、相位、极性、速度、倾角。如图1所示，根据叠加偏移地震数据来获得油藏区域内对应各点处20-60ms内的均方根振幅。筛选出油藏区域内振幅大于预设阈值的所有点。该预设阈值为3800。将这些点投影到水平面上获得的图案即为古岩溶暗河在水平面上的投影轮廓。
S20：对叠加偏移地震数据进行反演以获得波阻抗数据体，根据波阻抗数据体获得古岩溶暗河发育顶界面的所在位置和形状。
在本实施例中，如图2和图3所示，对叠加偏移地震数据采用稀疏脉冲反演的方法获得波阻抗数据体。筛选出波阻抗数据体中波阻抗低于预设阈值的所有低波阻抗。该预设阈值为1.25e+07kg/m3*m/s。将各低波阻抗所对应的各点所连接而成的属性体顶面为古岩溶暗河发育顶界面。这样就获得了古岩溶暗河发育顶界面的形状和位置。
优选地，在该步骤中还结合地震正演模拟结果，对古岩溶暗河在水平面上的投影轮廓范围内的地震解释层位进行调整，以获得古岩溶暗河发育顶界面更准确的形状和位置。由于多期次断裂及古岩溶发育造成的地形起伏，使暗河临近标志层构造起伏较大，加之缝洞储集体发育表现出的“非层状”，古岩溶暗河发育也表现出构造起伏大，局部连续性差，并存在构造落差。解释层位尽量接近发育暗河的顶界面能为地震波形分类提供合适的纵向分析时窗，进而避免因层位不齐给后续地震波形分类带来误差。
优选地，在波阻抗数据体上面进行古岩溶暗河发育顶界面的层位调整。波阻抗反演结果能够消除子波旁瓣影响，将地震反射界面转为地层岩性界面，因此对于河道的顶界刻画更为清晰。更优选地，采用地质体空间雕刻技术来对古岩溶暗河发育顶界面进行追踪，这样能更快速地实现对古岩溶暗河发育顶界面的精细追踪解释。
S30：筛选出位于古岩溶暗河在水平面上的投影轮廓范围内所有的地震道，截取被筛选出的地震道中从古岩溶暗河发育顶界面所对应的时间点开始往后预设时间段内地震道波形，这些地震道波形组成待分类地震道波形集合。
先选出位于古岩溶暗河在水平面上的投影轮廓范围内的地震道。再对这些地震道进行裁剪以获得地震道中从以古岩溶暗河发育顶界面所对应的时间点为起点经历预设时间段期间的地震道波形。该地震道波形记载了古岩溶暗河储集体的地震属性。
优选地，预设时间段小于150ms。更优选地，预设时间段大于半个相位的时间。
S40：选取多个连接到古岩溶暗河的储集体上的油井，制作每口油井的井点位置处的合成地震记录。将距各个油井的井点位置最近的地震道与该油井所对应的合成地震记录相对比，选取出地震道与合成地震记录的波形最接近的地震道为典型地震道。
获取每口油井的声波测井和密度测井，将每口油井的声波测井和密度测井转换成合成地震记录。合成地震记录是用声波测井和密度测井资料经过人工合成转换成的地震记录，即地震道。将井点位置的地质属性正演为合成地震记录是一种应用非常广泛的地震模型技术，在此不再赘述。
将距各个油井的井点位置最近的地震道与该油井所对应的合成地震记录相对比。选取出地震道与合成地震记录的波形最接近的地震道为典型地震道。该地震道最能准确地反应出地质特征。
优选地，在该步骤中，油井为连通到发育程度低的储集体的油井。此处的储集体发育程度低是指储集体的类型为裂缝型储集体，未发生井径垮塌以保证测井资料质量。
更优选地，在该步骤中，油井的井点位置处的储集体厚度需达到15米以上。
S50：截取典型地震道中对应于从古岩溶暗河发育顶界面所对应的时间点开始往后预设时间段内地震道波形为初始对比的固定模型道，采用神经网络算法对待分类地震道波形集合中的地震道波形以其形状与模型道的相似程度为标准划分为预设类别数，固定模型道在多次迭代过程中不变。
将形状相似的地震道波形归为同一类，将地震道波形总共分为预设类别数。这样同一类别的地震道波形所记载的地震属性近似。在本实施例中，预设类别数为5。优选地，预设类别数的取值范围为[3，10]。预设类别数小于3则过于粗糙，预设类别数大于10则易带入噪音。对地震道波形聚类的方法可以是采用神经网络算法。采用神经网络算法进行迭代的次数大于10次。在本实施例中，地震波形分类时对模型道计算是采用神经网络的模式识别能力来完成的，根据每道的数值对地震道形状进行分类，即划分地震相。自组织神经网络是一种具有自学习功能的神经网络，由两层组成。输入层中神经元在一维空间中排列，而输出层的神经元可以是多维的，并且输出节点与邻域的其它节点广泛互连。
S60：在古岩溶暗河在水平面上的投影轮廓内将每类地震道波形所对应的地震道所在区域表示出来。
如图4所示，古岩溶暗河在水平面上的投影轮廓内的每类地震道波形所对应的地震道所在区域可以采用不同的颜色块表示出来。同一种颜色表示同一类地震道波形。这几类地震道波形中与固定模型道的波形越相近则与固定道模型所属的地震道波形类别对应的颜色越相近。这样就将每类地震道波形与固定模型道的波形相差的程度来表征古岩溶暗河的内部特征差异。由于神经网络训练过程将地震数据样点值的变化转换成地震道形状的变化，分析结果不局限于反射振幅值的大小，能很好地反映古岩溶暗河发育范围内内部特征变化导致的地震信号形状多样性。
该技术方案利用地震波形分类分析技术对古岩溶暗河展布范围内地震波形做出细致分类，结合井点解释储集体特征，实现暗河内幕储集体发育特征刻画。地震波形分类分析方法在实际地震资料解释过程中，可以完全无监督运行或者设置井参与运行，完全基于相邻地震道波形差异进行分类，同时可实现井点解释成果的标定，为分类结果提供地质解释依据，进一步指导油田精细开发。
在一个优选地实施例中，该方法还包括步骤S70，步骤S70在步骤S30之后、步骤S40之前实施。
步骤S70：待分类地震道波形集合中的地震道波形以其形状的相似性为标准划分为预设类别数，在古岩溶暗河在水平面上的投影轮廓内将每类地震道波形所对应的地震道所在区域表示出来。若至少一类地震道波形多对应的区域为离散的点，则减少预设类别数重新进行步骤S70，直至每类地震道波形所对应的区域为块状。
这样可以对预设类别数进行确定，以免预设类别数过大而导致分类过细，进而导致后续的地震道波形所对应的区域过于离散而难以进行解释。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种用于刻画古岩溶暗河的方法，包括以下步骤：
S10：获取油藏的叠加偏移地震数据，从叠加偏移地震数据中筛选出振幅能量大于或等于预设阈值的地震数据所对应的点，将筛选出的点投影到水平面上获得古岩溶暗河在水平面上的投影轮廓；
S20：对叠加偏移地震数据进行反演以获得波阻抗数据体，根据波阻抗数据体获得古岩溶暗河发育顶界面的所在位置和形状；
S30：筛选出位于古岩溶暗河在水平面上的投影轮廓范围内所有的地震道，截取被筛选出的地震道中从古岩溶暗河发育顶界面所对应的时间点开始往后预设时间段内地震道波形，这些地震道波形组成待分类地震道波形集合；
S40：选取多个连接到古岩溶暗河的储集体上的油井，制作每口油井的井点位置处的合成地震记录，
将距各个油井的井点位置最近的地震道与该油井所对应的合成地震记录相对比，选取出地震道与合成地震记录的波形最接近的地震道为典型地震道；
S50：截取典型地震道中对应于从古岩溶暗河发育顶界面所对应的时间点开始往后预设时间段内地震道波形为初始对比的固定模型道，采用神经网络算法对待分类地震道波形集合中的地震道波形以其形状与模型道的相似程度为标准划分为预设类别数，固定模型道在多次迭代过程中不变；
S60：在古岩溶暗河在水平面上的投影轮廓内将每类地震道波形所对应的地震道所在区域表示出来。
2.根据权利要求1所述的方法，其特征在于，在步骤S20中，对叠加偏移地震数据采用稀疏脉冲反演的方法获得波阻抗数据体。
3.根据权利要求2所述的方法，其特征在于，在步骤S20中，还结合地震正演模拟结果，对古岩溶暗河在水平面上的投影轮廓范围内的地震解释层位进行调整，以获得古岩溶暗河发育顶界面更准确的形状和位置。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述预设时间段小于150ms。
5.根据权利要求4所述的方法，其特征在于，所述预设时间段大于半个相位。
6.根据权利要求1至3中任一项所述的方法，其特征在于，在步骤S40中，油井为仅连通到裂缝型储集体上的油井。
7.根据权利要求6所述的方法，其特征在于，油井的井点位置处的储集体累计厚度需达到15米以上。
8.根据权利要求6所述的方法，其特征在于，预设类别数的取值范围为[3，10]。
9.根据权利要求6所述的方法，其特征在于，古岩溶暗河在水平面上的投影轮廓内的每类地震道波形所对应的地震道所在区域采用不同的颜色块表示出来，同一种颜色表示同一类地震道波形。
10.根据权利要求6所述的方法，其特征在于，所述方法还包括步骤S70，步骤S70在步骤S30之后、步骤S40之前实施，
步骤S70：待分类地震道波形集合中的地震道波形以其形状的相似性为标准划分为预设类别数，在古岩溶暗河在水平面上的投影轮廓内将每类地震道波形所对应的地震道所在区域表示出来，
若至少一类地震道波形多对应的区域为离散的点，则减少预设类别数并重新进行步骤S70，直至每类地震道波形所对应的区域为块状。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710721864.6A CN109425889B (zh) | 2017-08-22 | 2017-08-22 | 一种用于刻画古岩溶暗河的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710721864.6A CN109425889B (zh) | 2017-08-22 | 2017-08-22 | 一种用于刻画古岩溶暗河的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109425889A true CN109425889A (zh) | 2019-03-05 |
| CN109425889B CN109425889B (zh) | 2020-10-20 |
Family
ID=65498009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710721864.6A Active CN109425889B (zh) | 2017-08-22 | 2017-08-22 | 一种用于刻画古岩溶暗河的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109425889B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213773A (zh) * | 2019-07-12 | 2021-01-12 | 中国石油化工股份有限公司 | 一种地震分辨率提高方法及电子设备 |
| CN116522792A (zh) * | 2023-05-17 | 2023-08-01 | 中国地质大学（武汉） | 一种预测古岩溶暗河充填程度的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103713319A (zh) * | 2013-12-31 | 2014-04-09 | 张远银 | 一种基于地震约束建模的叠前反演方法 |
| EP2815255B1 (en) * | 2012-02-13 | 2017-03-01 | Exxonmobil Upstream Research Company | System and method for detection and classification of seismic terminations |
| 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 |
-
2017
- 2017-08-22 CN CN201710721864.6A patent/CN109425889B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2815255B1 (en) * | 2012-02-13 | 2017-03-01 | Exxonmobil Upstream Research Company | System and method for detection and classification of seismic terminations |
| 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 |
| CN103713319A (zh) * | 2013-12-31 | 2014-04-09 | 张远银 | 一种基于地震约束建模的叠前反演方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 王玉学等: "地震波形分类技术在河道预测中的应用", 《资源与产业》 * |
| 谷明峰等: "川中雷口坡组四3亚段地震相分析-应用波形分类技术研究沉积相的实例", 《海相油气地质》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213773A (zh) * | 2019-07-12 | 2021-01-12 | 中国石油化工股份有限公司 | 一种地震分辨率提高方法及电子设备 |
| CN112213773B (zh) * | 2019-07-12 | 2022-04-22 | 中国石油化工股份有限公司 | 一种地震分辨率提高方法及电子设备 |
| CN116522792A (zh) * | 2023-05-17 | 2023-08-01 | 中国地质大学（武汉） | 一种预测古岩溶暗河充填程度的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109425889B (zh) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107121699B (zh) | 一种地震相控制下的沉积微相识别方法 | |
| CN105334535B (zh) | 一种识别薄储层隐蔽岩性油气藏的方法 | |
| Grammer et al. | Integration of outcrop and modern analogs in reservoir modeling: Overview with examples from the Bahamas | |
| CN104516018B (zh) | 一种地球物理勘探中岩性约束下的孔隙度反演方法 | |
| CN104570067B (zh) | 一种地球物理勘探中相控地震反演方法 | |
| CN103698808B (zh) | 一种对地震和测井数据波形极值特征点分离与波形重构方法 | |
| CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
| CN106707340A (zh) | 一种火山岩岩相的预测方法 | |
| CN103527184A (zh) | 一种白云岩储层的预测方法和系统 | |
| 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 | |
| CN105259572A (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 | |
| CN109633750A (zh) | 基于测井相波阻抗与地震波形的非线性映像关系反演方法 | |
| CN108415075A (zh) | 一种少井条件下的储层预测方法 | |
| CN109581487A (zh) | 一种沉积体波形空间结构分析与体控反演建模方法 | |
| CN105116449A (zh) | 一种弱反射储层的识别方法 | |
| CN109212627A (zh) | 一种基于细分层系的薄储层描述及增储规模确定方法 | |
| CN104991270A (zh) | 一种利用地震正演模拟的叠置砂体识别方法 | |
| CN109425889A (zh) | 一种用于刻画古岩溶暗河的方法 | |
| Bueno et al. | Structural and stratigraphic feature delineation and facies distribution using seismic attributes and well log analysis applied to a Brazilian carbonate field | |
| Singh et al. | Neural networks and their applications in lithostratigraphic interpretation of seismic data for reservoir characterization | |
| Narayan et al. | Delineation of thin and discrete sand reservoir facies from shale-dominated Kopili Formation (Middle to Late Eocene) using the post-stack seismic inversion and neural network algorithm: A case study from Assam Basin, India | |
| L’Heureux et al. | Building better models for seismic simulations with stochastic stratigraphy | |
| Laudon et al. | Machine learning applied to 3D seismic data from the Denver-Julesburg basin improves stratigraphic resolution in the Niobrara | |
| Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
| CN113514884A (zh) | 一种致密砂岩储层预测方法 |
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 |