CN110192004A - 到矿床边界的距离反演解的像素化 - Google Patents
到矿床边界的距离反演解的像素化 Download PDFInfo
- Publication number
- CN110192004A CN110192004A CN201780083001.9A CN201780083001A CN110192004A CN 110192004 A CN110192004 A CN 110192004A CN 201780083001 A CN201780083001 A CN 201780083001A CN 110192004 A CN110192004 A CN 110192004A
- Authority
- CN
- China
- Prior art keywords
- model
- pixelation
- pixel
- resistivity
- layer
- 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
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims description 12
- 239000011707 mineral Substances 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 85
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims description 26
- RUXRFDVEVQNQMF-UHFFFAOYSA-N 2-methylpropyl 3,5-ditert-butyl-4-hydroxybenzoate Chemical compound CC(C)COC(=O)C1=CC(C(C)(C)C)=C(O)C(C(C)(C)C)=C1 RUXRFDVEVQNQMF-UHFFFAOYSA-N 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000011160 research Methods 0.000 abstract description 8
- 238000005755 formation reaction Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 17
- 238000005553 drilling Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003472 neutralizing effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010952 in-situ formation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/02—Determining slope or direction
- E21B47/026—Determining slope or direction of penetrated ground layers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
- G01V3/34—Transmitting data to recording or processing apparatus; Recording data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
- G01V3/20—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with propagation of electric current
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geochemistry & Mineralogy (AREA)
- Fluid Mechanics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Measurement Of Resistance Or Impedance (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
一种用以概括井下反演结果的基于像素化的方法获取反演解并生成初始模型。将每个层状解像素化为像素,其中每个像素含有所述初始模型的电阻率值。可以使用根据像素与测井工具的接近程度而对所述像素加权的加权函数来生成像素化模型,从而提高准确度。执行统计概括研究以识别最佳像素化模型,所述最佳像素化模型接着用以确定一个或多个地层特性。
Description
技术领域
本公开大体上涉及在井下获得的电阻率数据的解译,且更具体地说,涉及使用像素化来更准确地解译到矿床边界的距离(“DTBB”)反演解。
背景技术
电阻率数据的使用在油气行业中是众所周知的。然而,电阻率是难以准确地测量的地层性质,这是因为当前不存在直接原位测量地层电阻率的技术。而是,经常通过通常经由随钻测井(“LWD”)操作等等测量地层中的电流量来估计电阻率。使用增大LWD数据的分辨率和可靠性并且因此提高电阻率估计的准确度的反演过程。
反演通常需要首先基于选定的一组参数来建立地层的参数模型,接着基于模型使用计算机来预测测井响应。接着将所预测的测井响应与从测井或其他操作获取的所测量的测井数据进行比较。之后比较所预测的测井与所测量的测井之间的差异,并且基于该比较来修改选定的模型参数和/或选择新的模型参数。接着重复该过程,直到所建模的测井与所测量的测井之间的差异在现有计算约束内最小化为止。
多年以来,这种基于层状模型的反演已经用于电磁电阻率测井工具中以识别不同的地层电阻率之间的主要边界。一维(“1D”)地层假设通常也用于反演中,其中每条层状边界从一条到另一条是平行的。该等地层假设由于反演中所使用的测量结果的检测范围而相当真实。一般来说,常规的电阻率测井工具的典型检测范围是大约5~10英尺,并且最大检测是大约18英尺。
最近,已经开发出超深电阻率测井工具,其检测侧向距离工具100英尺的地层边界,从而与较旧的测井工具相比具有深得多的检测范围。当与超深电阻率工具一起使用时,与较旧的工具一起使用的简化的地层假设可能导致这些深的测量结果的DTBB反演的解有问题。因为这些工具可以提供大量超深的测量结果,所以这些测量结果与较旧的、较浅的电阻率工具相比时可能不提供如此明显的边界。梯度电阻率分布缺乏清楚定义的边界会导致不稳定的反演结果(即,解模糊性),这可能导致操作失败。
附图说明
图1A示出了根据如本文中描述的某些说明性实施方案的用于LWD应用中的测井工具;
图1B示出了根据如本文中描述的某些说明性实施方案的用于电缆应用中的测井工具;
图2示出了根据本文中描述的某些说明性方法的使用超深读取工具测量结果获取的井下特定深度处的N层模型的所有反演解;
图3示出了DTBB反演解的像素化的一个示例;
图4示出了本公开的某些说明性方法中的加权函数的应用;
图5示出了根据本公开的替代说明性方法对许多解执行统计研究的两种方法;
图6是根据本公开的说明性方法用于对地下地层建模的方法的流程图;
图7A和7B分别示出了根据本公开的某些说明性方法的参考某些和像素化模型。
具体实施方式
下文将本公开的说明性实施方案和相关方法描述为其可能用于DTBB解像素化。为了清楚起见,本说明书中并未描述实际实现方式或方法的所有特征。当然应了解,在任何这种实际实施方案的开发中,必须做出许多实现方式特定的决定以实现开发者的特定目标,诸如与系统相关和商业相关的约束的一致性,所述约束从一个实现方式到另一实现方式将有所不同。此外,应了解,这种开发努力可能是复杂的并且耗时的,但将仍然是受益于本公开的领域的技术人员的日常任务。本公开的各种实施方案和相关方法的另外的方面和优点将从以下描述和附图的考虑变得显而易见。
如本文中所描述,本公开的说明性实施方案和方法描述了用以概括反演结果的基于像素化的方法。在一般方法中,获取一个深度处(或可能在彼此较接近的各个深度处)的所有反演解并生成初始模型。接着,将每个层状解像素化为像素,其中每个像素含有基于初始模型的电阻率值或颜色,从而生成像素化模型。可以使用根据像素与测井工具的接近程度而对像素加权的加权函数来生成像素化模型,从而将测量结果灵敏度集成到边界位置中。最后,基于像素化解来执行统计概括研究以识别用来确定一个或多个地层特性的最佳像素化模型。因此,本公开解决了梯度地层电阻率分布以及为客户提供了对地层地质的最佳理解和解译。这些解像素化方法在随机反演中也是有用的,在随机反演中可以获取许多反演解。
本文中描述的说明性方法和实施方案对广泛的工具和服务,包括任何类型或设计的井下电阻率LWD工具和服务具有兼容性和适用性。示例可以包括用于地层评估和地质导向的电阻率LWD服务,以及前瞻四顾(“LALA”)和非常深的电阻率(“VDR”)工具。一般来说,需要电阻率LWD数据分析和解译的反演(无论是用于地层评估、LALA还是地质导向),以及尤其是用于地质导向和地层评估的DTBB反演的任何电阻率LWD工具、基于电缆的测井工具或服务都可以受益于本公开。
图1A示出了根据本公开的某些说明性实施方案的LWD环境。钻井平台102配备有支撑起重机106的井架104,起重机106用于升高和降低钻柱108。起重机106悬吊顶部驱动机110,顶部驱动机110用以使钻柱108旋转并使钻柱经由井口112下降。钻柱108的区段通过带螺纹的连接器107连接。钻头114连接到钻柱108的下端。钻头114的旋转形成穿过各种地层121的井眼120。泵116使钻井液循环通过供应管线118到顶部驱动机110,向井下通过钻柱108的内部,通过钻头114中的孔口,经由钻柱108周围的环空回到地面,并进入贮留池124中。钻井液将岩屑从井眼120运输到池124中并有助于维持井眼的完整性。
测井工具126集成到钻头114附近的井底钻具组件中。测井工具126可呈钻铤的形式,例如,提供重量和刚性以有助于钻井过程的厚壁管。在至少一个实施方案中,测井工具126是电磁电阻率LWD工具。例如,测井工具126可以是由Halliburton Energy Services,Inc.供应的在旋转(钻井)模式下操作的方位(“ADR”)服务。当钻头114使井眼120延伸穿过地层121时,测井工具126收集与各种地层性质相关的测量结果以及工具定向和位置和各种其他钻井条件。
在采用泥浆脉冲遥测以用于LWD的井中,井下传感器(包括电阻率测井工具126)联接到包括泥浆脉冲遥测发射器的遥测模块128,所述泥浆脉冲遥测发射器发射呈钻柱108的管壁中的压力变化的形式的遥测信号。泥浆脉冲遥测接收器阵列130(包括,例如,一个或多个压力换能器)可以联接到顶部驱动机110下方的管子以接收所发射的遥测信号。可以采用其他遥测技术,包括声学遥测(使用例如一个或多个中继器模块132来接收和再发射遥测信号)、电磁遥测,和有线钻杆遥测。许多遥测技术也提供将命令从地面传送到工具的能力,从而使得能够调整工具的配置和操作参数。在至少一些实施方案中,遥测模块128另外地或替代地存储测量结果以供稍后当工具返回地面时检索。
计算机系统(或处理系统/电路)140从测井工具126(例如,经由接收器阵列130)收集测量结果,并包括用于处理和存储由测井工具搜集的测量结果的计算设施。尽管示出为在地面上,但计算机系统140也可以位于井下,在这种情况下处理也在井下发生。在至少一些实施方案中,计算机系统140包括处理器142,处理器142通过执行从本地或远程非暂时性计算机可读介质148获得的软件或指令来执行地层建模分析操作。
处理器142可以是例如通用微处理器、微控制器、数字信号处理器、专用集成电路、现场可编程门阵列、可编程逻辑装置、控制器、状态机、门控逻辑、离散硬件部件、人工神经网络,或可执行数据的计算或其他操纵的任何类似的合适的实体。在至少一些实施方案中,计算机硬件还可以包括元件,诸如例如存储器(例如,随机存取存储器(“RAM”)、快闪存储器、只读存储器(“ROM”)、可编程只读存储器(“PROM”)、可擦除只读存储器(“EPROM”))、寄存器、硬盘、可移除磁盘、CD-ROM、DVD,或任何其他类似的合适的存储装置或介质。计算机系统140还可以包括输入装置146(例如,键盘、鼠标、触控板等)和输出装置144(例如,监视器、打印机等)。这些输入装置146和/或输出装置144提供使得操作者能够与测井工具126和/或由处理器142执行的软件介接的用户接口。例如,计算机系统140可以使得操作者能够选择电阻率分析选项以查看所收集的电阻率数据,查看电阻率分析结果,和/或执行其他任务。
图1B示出了本公开的替代实施方案,电缆测井工具借此获取电阻率测量结果。在钻井过程期间的各个时间,钻柱108可以如图1B所示从井眼移除。在钻柱108移除后,可以使用电缆测井探测器134,即,由缆线141悬吊的声学探头来实施测井操作,所述电缆测井探测器具有用于向探测器输送电力并将遥测从探测器输送到地面的导体。电缆测井探测器134可以具有衬垫和/或对中弹簧以在将工具向井上拉时将工具维持在井眼的轴线附近。测井探测器1034可以包括用于测量地层电阻率等的多种发射器/接收器。测井设施143从测井探测器134收集电阻率测量结果,并且包括用于处理和存储由传感器搜集的电阻率测量结果的计算机系统145,如本文中所描述。
使用图1A和1B的系统(或多种其他测井系统,例如电缆系统),获得电阻率测量结果并执行反演。在一种说明性方法中,反演是用于分析和解译的DTBB反演。在该方法中,通过反演处理来确定测井仪器(例如,测井工具126)相对于矿床边界(例如,地层不连续性)的位置。一般来说为了执行反演,会生成初始地层模型(或层状地球模型)。初始地层模型携带对井筒周围的地球地层(例如,图1A和1B的地层121)的几何结构和/或特性的初始估计,测井仪器位于该井筒中。例如,初始地层模型可以由特定层边界和/或特定各向同性或各向异性值(例如,电阻率值)表征。初始地层模型的电磁(“EM”)属性可以包括电阻率、电导率、电容率、渗透率、荷电率,和/或其他诱发极化(“IP”)参数/特性。EM属性可以是各向同性或各向异性的。层浸可以从测井仪器相对于1D电阻率模型的定向恢复。
初始地层模型可以将井筒周围的地球地层表示为由邻接的层之间的边界划分界线的一系列层或岩层。在层状地球模型中,模型中的个别层的物理性质可以包括例如每一层的电阻率(或电导率)、每一层的厚度,和感兴趣层上方和/或下方的选定层数。在至少一些情形中,感兴趣层是测井仪器在井筒中所在的层。
为了细化如本文中描述的层状地球模型,将反演解中的每一层像素化为含有与其对应层相同的电阻率值的像素。之后,使用本文中描述的方法来分析所得像素化模型以确定将用以确定地层特性的最优像素化模型,该最优像素化模型接着可以用来执行多种井筒作业。本公开的这些和其他优点对于受益于本公开的领域的技术人员来说将易于显而易见。
经常从确定性反演或随机反演方法获取许多反演解。图2示出了根据本文中描述的某些说明性方法的使用超深读取工具测量结果获取的井下特定深度处的N层模型的所有反演解。图中不同的灰度着色示出了沿着y轴的实际垂直深度(“TVD”)的地层的不同电阻率值,而x轴示出了从反演方法获取的每个解的指数。如图2中观察到的,可以清楚看到解中的一些收敛于一些边界位置;然而,边界位置从一个解到另一解有所不同,这是因为每个解的反演电阻率也不同。这实际上指示了由于反演中使用的有限层数和/或实际地层中的梯度地层分布而引起的解模糊性问题。
为了从使用简化的地层假设的许多解中确定反演地层模型的最佳解译,本公开的说明性方法和实施方案将像素化方法应用于反演解中的每一者。图3示出了DTBB反演解的像素化的一个示例。这里,在井下获取的电阻率测量结果已用以生成单个3层模型(即,反演解)。然而,在其他示例中,可以利用更多或更少的层。说明性3层模型如所指示具有两条边界,其中每一层表示地层的电阻率值。根据本文中描述的方法,将来自反演的3层模型解划分为许多像素,其中每个像素含有对应的原始的3层模型的电阻率数据(其可以由各种指示符,例如颜色、灰度等指示),从而形成像素化模型。如图3中可见,两个模型中的层的厚度是相同的。然而,由于每个像素的值是已知的,因此边界不再是必要的。因此,像素化解模型中实际上移除了层模型假设。
可以多种方式执行像素化。在某些说明性方法中,例如对于具有已知总厚度d的层,将恒定像素宽度定义为z。整个层将由从z、2*z、3*z……d的像素表示。每个像素具有与原始的对应层相同的电阻率值。对于每一层,应用以上像素化并且将具有所有层的地层表示为像素化模型。用于给定像素化模型的像素数目可以取决于期望分辨率而变化。
当从电阻率测量结果生成多个层状模型时,也生成多个对应的像素化模型。之后,可以对许多反演解执行统计研究。在某些说明性方法中,统计方法涉及将像素化模型与参考模型或将像素化模型彼此进行比较以便确定最优像素化模型,如下文将进一步详细描述。当生成像素化模型时或当对许多反演解执行统计研究时,也可以将加权函数应用于像素化模型。图4示出了本公开的某些说明性方法中的加权函数的应用。这里,将像素化模型示出为挨着说明性加权函数。另外,也示出了测井工具(当获取电阻率测量结果时)的位置。如可见,应用加权函数以根据像素与测井工具位置的接近程度而对像素加权。与测井工具较接近的那些像素比离得较远的像素被更重地加权。
所应用的加权函数可以呈多种形式。例如,在某些方法中,可以将权重定义为高斯函数,其中接近工具的像素与远离工具的像素相比具有较大权重。整个权重可以类似于钟形状以突出接近工具的像素,这与工具灵敏度一致。加权函数在像素解远离工具位置时提供不确定性考虑,其中工具测量结果对那些远的边界/电阻率将具有较低灵敏度并且对应的反演结果可能不准确。
鉴于以上内容,图5示出了用以对许多解执行统计研究的两种说明性方法(5(1)和5(2))。在第一种方法(5(1))中,将像素化模型逐个像素地与相同深度的参考模型进行比较。参考模型可以多种方式生成,诸如例如由用户基于偏移井日志、其他参考根据等定义。通过与像素化模型进行比较,参考模型将使用像素化方法指示许多解中的最佳类似的模型。在图5中,参考模型是从偏移井获得的。为了执行研究,将像素化模型的每个像素与其在参考模型中的对应像素进行比较。可以多种方式(诸如,例如按深度)识别对应像素。可以存在两种深度来表示像素位置:所测量深度(MD)和实际垂直深度(TVD)。每个像素具有表示为(MD_j,TVD_i)的坐标。将参考模型像素化为像素模型。将反演解模型也像素化为像素。接着,将参考模型与解模型的具有相同坐标的像素进行比较以确定最终解的像素。
识别后,可以比较所有像素化模型与彼此的相似度,从而确定与参考模型最接近的匹配。图7A和7B分别示出了参考模型和像素化模型。为了将像素进行比较,可以将每个像素看作向量并将向量进行比较。如上文所描述,在给定MD处,将地层模型像素化为像素。将所有该等像素表示为具有相同MD的向量。因此,像素的比较可以是个别像素(在(MD_j,TVD_i)处)的比较或像素向量(每个像素在(MD_j,TVD_i)处,i=1、2……N像素)的比较。
然而,应注意,先前信息(例如,偏移井等)可能并不始终准确。因此,并且仍然参考图5,示出了第二种说明性方法(5(2)),借此将相同深度的所有像素化模型与彼此逐个像素地进行比较。该方法使用像素化方法比较许多解自身的相似度(即,没有参考模型)。在某些方法中,可以取所有对应像素的中值以便确定最终的像素化模型。然而,也可以使用多种其他统计方法。
在任一统计方法中,在将加权函数应用于像素化的情况下,系统集中于较接近工具位置的像素解而不是远离工具的像素解。另一方面,在其他说明性方法中,如果工具测量结果具有足够灵敏度以检测最大反演范围,则不必具有加权函数。
图6是根据本公开的说明性方法的用于对地下地层建模的方法的流程图。在方法600的框602处,通过沿着地下地层定位的测井工具获取一个深度处(或可能在彼此较接近的各个深度处)的许多反演解。在框604处,将每个解像素化为像素并且每个像素含有基于原始的层状模型的电阻率值(例如,颜色、灰度等)。在某些说明性方法中,可以将加权函数应用于像素化解以考虑测量结果对边界位置的灵敏度。在框606处,基于像素化解来执行统计概括研究以识别最佳模型。这里,在某些说明性方法中,也可以应用加权函数以对最靠近工具位置的那些像素最重地加权。在确定最优像素化模型后,可以使用模型来确定一个或多个地层特性(例如,渗透率等)。反过来,可以实施井筒作业,诸如例如地质导向。
可以经由应用程序编程接口(“API”)将本公开中描述的说明性建模和反演方法实现为单独的软件或集成为商业调查/导航/冲突避免软件或数字资产建模软件(例如,来自Halliburton Energy Services,Inc.的或)的一部分。在集成在钻井应用中的那些实施方案中,可以在井底钻具组件在钻井时实时地执行反演方法。此外,可以从井位点远程地执行公开的处理,借此井位点处的计算机经由网络连接到远程处理计算机。用户接着可以使用所述方法来较好地分析电阻率数据反演和相关模型,并从而获得对地层电阻率的较准确的估计。
本文中描述的说明性实施方案和方法提供用以分析具有不同层的DTBB结果的有效方法。在像素化后,将所有解表示为像素,其中颜色或其他指示符表示电阻率值。因此,替代于如常规方法中单独考虑电阻率和边界,可以利用单变量统计分析来获得最终反演解和其准确度。
本文中描述的方法和实施方案进一步涉及以下段落中的任何一个或多个:
1.一种用于对地下地层建模的方法,所述方法包括:获取表示沿着井筒的地层电阻率的测井数据;对所述测井数据执行到矿床边界的距离(“DTBB”)反演过程从而生成层状地球模型;将所述层状地球模型像素化从而生成像素化模型;以及使用所述像素化模型确定一个或多个地层特性。
2.如段落1中定义的方法,其中生成所述像素化模型包括:生成多个像素化模型;执行所述像素化模型与参考像素化模型的逐像素比较;以及基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
3.如段落1或2中定义的方法,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
4.如段落1至3中任一者中定义的方法,其中生成所述像素化模型包括:生成多个像素化模型;执行所述像素化模型的逐像素比较;以及基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
5.如段落1至4中任一者中定义的方法,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
6.如段落1至5中任一者中定义的方法,其中所述层状地球模型包括由矿床边界限定的层,每一层表示所述地层的电阻率值;并且所述像素化模型包括对应于所述层的像素,每个像素表示对应层的所述电阻率值。
7.如段落1至6中任一者中定义的方法,其中每个像素具有表示所述像素的所述电阻率值的指示符。
8.如段落1至7中任一者中定义的方法,其中所述指示符可以是颜色或灰度。
9.如段落1至8中任一者中定义的方法,所述方法还包括基于所述地层特性来执行井筒作业。
10.一种用于对地下地层建模的系统,所述系统包括:测井组件,所述测井组件具有位于其上以获取电阻率测量结果的一个或多个传感器;以及处理电路,所述处理电路联接至所述传感器并且可操作以执行包括以下操作的方法:获取表示沿着井筒的地层电阻率的测井数据;对所述测井数据执行到矿床边界的距离(“DTBB”)反演过程从而生成层状地球模型;将所述层状地球模型像素化从而生成像素化模型;以及使用所述像素化模型确定一个或多个地层特性。
11.如段落10中定义的系统,其中生成所述像素化模型包括:生成多个像素化模型;执行所述像素化模型与参考像素化模型的逐像素比较;以及基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
12.如段落10或11中定义的系统,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
13.如段落10至12中任一者中定义的系统,其中生成所述像素化模型包括:生成多个像素化模型;执行所述像素化模型的逐像素比较;以及基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
14.如段落10至13中任一者中定义的系统,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
15.如段落10至14中任一者中定义的系统,其中所述层状地球模型包括由矿床边界限定的层,每一层表示所述地层的电阻率值;并且所述像素化模型包括对应于所述层的像素,每个像素表示对应层的所述电阻率值。
16.如段落10至15中任一者中定义的系统,其中每个像素具有表示所述像素的所述电阻率值的指示符。
17.如段落10至16中任一者中定义的系统,其中所述指示符可以是颜色或灰度。
18.如段落10至17中任一者中定义的系统,所述系统还包括基于所述地层特性执行井筒作业。
此外,本文中描述的方法可以体现在包括用以实现方法中的任一者的处理电路的系统内,或包括指令的非暂时性计算机可读介质中,所述指令在由至少一个处理器执行时致使所述处理器执行本文中描述的方法中的任一者。
尽管已经示出和描述了各种实施方案和方法,但本公开不限于这些实施方案和方法,并且将被理解为包括所有修改和变化,如对于本领域技术人员来说将显而易见的。因此,应理解,本公开无意限于公开的特定形式。而是,意图是涵盖落在如由所附权利要求书限定的本公开的精神和范围内的所有修改、等效物和替代物。
Claims (19)
1.一种用于对地下地层建模的方法,所述方法包括:
获取表示沿着井筒的地层电阻率的测井数据;
对所述测井数据执行到矿床边界的距离(“DTBB”)反演过程从而生成层状地球模型;
将所述层状地球模型像素化从而生成像素化模型;以及
使用所述像素化模型确定一个或多个地层特性。
2.如权利要求1所述的方法,其中生成所述像素化模型包括:
生成多个像素化模型;
执行所述像素化模型与参考像素化模型的逐像素比较;以及
基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
3.如权利要求2所述的方法,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
4.如权利要求1所述的方法,其中生成所述像素化模型包括:
生成多个像素化模型;
执行所述像素化模型的逐像素比较;以及
基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
5.如权利要求4所述的方法,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
6.如权利要求1所述的方法,其中:
所述层状地球模型包括由矿床边界限定的层,每一层表示所述地层的电阻率值;并且
所述像素化模型包括对应于所述层的像素,每个像素表示对应层的所述电阻率值。
7.如权利要求6所述的方法,其中每个像素具有表示所述像素的所述电阻率值的指示符。
8.如权利要求7所述的方法,其中所述指示符可以是颜色或灰度。
9.如权利要求1所述的方法,所述方法还包括基于所述地层特性来执行井筒作业。
10.一种用于对地下地层建模的系统,所述系统包括:
测井组件,所述测井组件具有位于其上以获取电阻率测量结果的一个或多个传感器;以及
处理电路,所述处理电路联接至所述传感器并且可操作以执行包括以下操作的方法:
获取表示沿着井筒的地层电阻率的测井数据;
对所述测井数据执行到矿床边界的距离(“DTBB”)反演过程从而生成层状地球模型;
将所述层状地球模型像素化从而生成像素化模型;以及
使用所述像素化模型来确定一个或多个地层特性。
11.如权利要求10所述的系统,其中生成所述像素化模型包括:
生成多个像素化模型;
执行所述像素化模型与参考像素化模型的逐像素比较;以及
基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
12.如权利要求11所述的系统,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
13.如权利要求10所述的系统,其中生成所述像素化模型包括:
生成多个像素化模型;
执行所述像素化模型的逐像素比较;以及
基于所述比较来确定最终的像素化模型,所述最终的像素化模型用以确定所述地层特性。
14.如权利要求13所述的系统,其中在所述像素化模型的所述比较期间,应用加权函数以根据与测井工具位置的接近程度而对像素加权。
15.如权利要求10所述的系统,其中:
所述层状地球模型包括由矿床边界限定的层,每一层表示所述地层的电阻率值;并且
所述像素化模型包括对应于所述层的像素,每个像素表示对应层的所述电阻率值。
16.如权利要求15所述的系统,其中每个像素具有表示所述像素的所述电阻率值的指示符。
17.如权利要求16所述的系统,其中所述指示符可以是颜色或灰度。
18.如权利要求10所述的系统,所述系统还包括基于所述地层特性来执行井筒作业。
19.一种非暂时性计算机可读介质,所述非暂时性计算机可读介质包括指令,所述指令在由至少一个处理器执行时致使所述处理器执行如权利要求1至9所述的方法中的任一者。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2017/016698 WO2018144035A1 (en) | 2017-02-06 | 2017-02-06 | Distance-to-bed-boundary inversion solution pixelation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110192004A true CN110192004A (zh) | 2019-08-30 |
CN110192004B CN110192004B (zh) | 2023-11-10 |
Family
ID=62948406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780083001.9A Active CN110192004B (zh) | 2017-02-06 | 2017-02-06 | 到矿床边界的距离反演解的像素化 |
Country Status (10)
Country | Link |
---|---|
US (1) | US11574459B2 (zh) |
EP (1) | EP3545168B1 (zh) |
CN (1) | CN110192004B (zh) |
AR (1) | AR110817A1 (zh) |
AU (1) | AU2017397408A1 (zh) |
BR (1) | BR112019014495A2 (zh) |
CA (1) | CA3049367C (zh) |
FR (1) | FR3062673A1 (zh) |
SA (1) | SA519402410B1 (zh) |
WO (1) | WO2018144035A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020040758A1 (en) * | 2018-08-22 | 2020-02-27 | Halliburton Energy Services, Inc. | A 1-d inversion process for determining formation properties ahead of a drill bit in a subsurface formation |
US11549358B2 (en) | 2020-10-22 | 2023-01-10 | Halliburton Energy Services, Inc. | Deep learning methods for enhancing borehole images |
US11885925B2 (en) * | 2021-06-21 | 2024-01-30 | Halliburton Energy Services, Inc. | System and methods for evaluating a formation using pixelated solutions of formation data |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6388947B1 (en) * | 1998-09-14 | 2002-05-14 | Tomoseis, Inc. | Multi-crosswell profile 3D imaging and method |
US20040154831A1 (en) * | 2003-02-11 | 2004-08-12 | Jean Seydoux | Systems for deep resistivity while drilling for proactive geosteering |
CN101095143A (zh) * | 2004-11-04 | 2007-12-26 | 贝克休斯公司 | 多精度多维测井数据反演以及深岩层成像方法 |
US20110106514A1 (en) * | 2007-10-22 | 2011-05-05 | Dzevat Omeragic | Formation modeling while drilling for enhanced high angle for horizontal well placement |
CN103842852A (zh) * | 2011-10-06 | 2014-06-04 | 哈里伯顿能源服务公司 | 经补偿的井间层析成像方法和系统 |
WO2014123509A1 (en) * | 2013-02-05 | 2014-08-14 | Halliburton Energy Services, Inc. | Apparatus and methods to visualize formation related features |
US20150088426A1 (en) * | 2013-07-12 | 2015-03-26 | Halliburton Energy Services, Inc. | Detecting bed boundary locations based on measurements from multiple tool depths in a wellbore |
CN104520734A (zh) * | 2013-07-18 | 2015-04-15 | 哈里伯顿能源服务公司 | 检测多个地下层的边界位置 |
CN104603642A (zh) * | 2012-06-25 | 2015-05-06 | 挪威国家石油公司 | 使用mCSEM数据和随机岩石物理建模的饱和度估计 |
WO2015113067A1 (en) * | 2014-01-27 | 2015-07-30 | Schlumberger Canada Limited | Workflow for navigation with respect to oil-water contact using deep directional resistivity measurements |
CN104956177A (zh) * | 2013-03-15 | 2015-09-30 | 哈里伯顿能源服务公司 | 识别非常规地层 |
CN105009568A (zh) * | 2012-12-21 | 2015-10-28 | 菲力尔系统公司 | 利用融合的紧凑多光谱成像 |
US20160130930A1 (en) * | 2013-06-10 | 2016-05-12 | Schlumberger Technology Corporation | Borehole Image Gap Filling |
US20160131791A1 (en) * | 2014-04-03 | 2016-05-12 | Halliburton Energy Services, Inc. | Multi-component induction logging systems and methods using selected frequency inversion |
US20160252643A1 (en) * | 2013-10-02 | 2016-09-01 | Schlumberger Technology Corporation | Method and Apparatus for Determining Formation Properties Using Non-Directional Electromagnetic Measurements in High Angle or Horizontal Wells |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210691A (en) * | 1990-05-08 | 1993-05-11 | Schlumberger Technology Corporation | Method and apparatus for producing a more accurate resistivity log from data recorded by an induction sonde in a borehole |
US5999489A (en) * | 1997-03-21 | 1999-12-07 | Tomoseis Inc. | High vertical resolution crosswell seismic imaging |
US6594584B1 (en) * | 1999-10-21 | 2003-07-15 | Schlumberger Technology Corporation | Method for calculating a distance between a well logging instrument and a formation boundary by inversion processing measurements from the logging instrument |
US7640110B2 (en) * | 2007-04-27 | 2009-12-29 | Schlumberger Technology Corporation | Pixel based inversion method for surface electromagnetic measurement |
US9846256B2 (en) * | 2011-08-09 | 2017-12-19 | Schlumberger Technology Corporation | Interactive display of results obtained from the inversion of logging data |
WO2013116099A1 (en) * | 2012-01-30 | 2013-08-08 | Schlumberger Canada Limited | Improving efficiency of pixel-based inversion algorithms |
US10036826B2 (en) * | 2014-03-05 | 2018-07-31 | Schlumberger Technology Corporation | Inversion techniques for real-time well placement and reservoir characterization |
DE112015005897T5 (de) * | 2015-01-07 | 2017-10-12 | Halliburton Energy Services, Inc. | Funktionale Erdmodellparametrierung zur Widerstandsinvertierung |
WO2017074744A1 (en) * | 2015-10-30 | 2017-05-04 | Schlumberger Technology Corporation | Two dimensional pixel-based inversion |
-
2017
- 2017-02-06 US US16/461,923 patent/US11574459B2/en active Active
- 2017-02-06 EP EP17895293.3A patent/EP3545168B1/en active Active
- 2017-02-06 WO PCT/US2017/016698 patent/WO2018144035A1/en active Application Filing
- 2017-02-06 BR BR112019014495-1A patent/BR112019014495A2/pt not_active Application Discontinuation
- 2017-02-06 CA CA3049367A patent/CA3049367C/en active Active
- 2017-02-06 AU AU2017397408A patent/AU2017397408A1/en not_active Abandoned
- 2017-02-06 CN CN201780083001.9A patent/CN110192004B/zh active Active
-
2018
- 2018-01-04 FR FR1850050A patent/FR3062673A1/fr not_active Withdrawn
- 2018-01-05 AR ARP180100030A patent/AR110817A1/es unknown
-
2019
- 2019-08-06 SA SA519402410A patent/SA519402410B1/ar unknown
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6388947B1 (en) * | 1998-09-14 | 2002-05-14 | Tomoseis, Inc. | Multi-crosswell profile 3D imaging and method |
US20040154831A1 (en) * | 2003-02-11 | 2004-08-12 | Jean Seydoux | Systems for deep resistivity while drilling for proactive geosteering |
CN101095143A (zh) * | 2004-11-04 | 2007-12-26 | 贝克休斯公司 | 多精度多维测井数据反演以及深岩层成像方法 |
US20110106514A1 (en) * | 2007-10-22 | 2011-05-05 | Dzevat Omeragic | Formation modeling while drilling for enhanced high angle for horizontal well placement |
CN103842852A (zh) * | 2011-10-06 | 2014-06-04 | 哈里伯顿能源服务公司 | 经补偿的井间层析成像方法和系统 |
CN104603642A (zh) * | 2012-06-25 | 2015-05-06 | 挪威国家石油公司 | 使用mCSEM数据和随机岩石物理建模的饱和度估计 |
CN105009568A (zh) * | 2012-12-21 | 2015-10-28 | 菲力尔系统公司 | 利用融合的紧凑多光谱成像 |
WO2014123509A1 (en) * | 2013-02-05 | 2014-08-14 | Halliburton Energy Services, Inc. | Apparatus and methods to visualize formation related features |
US20160003973A1 (en) * | 2013-02-05 | 2016-01-07 | Halliburton Energy Services, Inc. | Apparatus and methods to visualize formation related features |
CN104956177A (zh) * | 2013-03-15 | 2015-09-30 | 哈里伯顿能源服务公司 | 识别非常规地层 |
US20160130930A1 (en) * | 2013-06-10 | 2016-05-12 | Schlumberger Technology Corporation | Borehole Image Gap Filling |
US20150088426A1 (en) * | 2013-07-12 | 2015-03-26 | Halliburton Energy Services, Inc. | Detecting bed boundary locations based on measurements from multiple tool depths in a wellbore |
CN105283634A (zh) * | 2013-07-12 | 2016-01-27 | 哈里伯顿能源服务公司 | 基于来自井筒中的多个工具深度测量值检测地层边界位置 |
CN104520734A (zh) * | 2013-07-18 | 2015-04-15 | 哈里伯顿能源服务公司 | 检测多个地下层的边界位置 |
US20160252643A1 (en) * | 2013-10-02 | 2016-09-01 | Schlumberger Technology Corporation | Method and Apparatus for Determining Formation Properties Using Non-Directional Electromagnetic Measurements in High Angle or Horizontal Wells |
WO2015113067A1 (en) * | 2014-01-27 | 2015-07-30 | Schlumberger Canada Limited | Workflow for navigation with respect to oil-water contact using deep directional resistivity measurements |
US20160131791A1 (en) * | 2014-04-03 | 2016-05-12 | Halliburton Energy Services, Inc. | Multi-component induction logging systems and methods using selected frequency inversion |
Non-Patent Citations (2)
Title |
---|
蔡军等: "随钻电磁波电阻率测井联合反演方法及其应用", 《石油学报》 * |
蔡军等: "随钻电磁波电阻率测井联合反演方法及其应用", 《石油学报》, vol. 37, no. 3, 31 March 2016 (2016-03-31), pages 371 - 381 * |
Also Published As
Publication number | Publication date |
---|---|
US20190346584A1 (en) | 2019-11-14 |
CA3049367A1 (en) | 2018-08-09 |
BR112019014495A2 (pt) | 2020-02-11 |
SA519402410B1 (ar) | 2023-02-12 |
EP3545168A1 (en) | 2019-10-02 |
WO2018144035A1 (en) | 2018-08-09 |
US11574459B2 (en) | 2023-02-07 |
AU2017397408A1 (en) | 2019-07-18 |
EP3545168A4 (en) | 2020-06-17 |
AR110817A1 (es) | 2019-05-08 |
FR3062673A1 (fr) | 2018-08-10 |
EP3545168B1 (en) | 2023-03-22 |
CA3049367C (en) | 2021-02-09 |
CN110192004B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2880592B1 (en) | Multi-level reservoir history matching | |
US20180238148A1 (en) | Method For Computing Lithofacies Probability Using Lithology Proximity Models | |
US8532928B2 (en) | System and method for improving surface electromagnetic surveys | |
US11194072B2 (en) | Generating an earth model from spatial correlations of equivalent earth models | |
US10788602B2 (en) | Methods of selecting an earth model from a plurality of earth models | |
US11727583B2 (en) | Core-level high resolution petrophysical characterization method | |
CN107110992A (zh) | 图像特征对准 | |
US20180329113A1 (en) | Big data point and vector model | |
CN110192004A (zh) | 到矿床边界的距离反演解的像素化 | |
Miao et al. | Nonlinear state-space modeling approaches to real-time autonomous geosteering | |
CN110062897B (zh) | 使用自组织映射来进行的岩石物理场评估 | |
US10996357B2 (en) | Downhole interpretation techniques using borehole dips | |
Wu et al. | Stochastic clustering and pattern matching for real-time geosteering | |
US10013748B2 (en) | Downhole imaging techniques using lamination analysis | |
US20240019599A1 (en) | Reservoir properties derived using ultra-deep resistivity inversion data | |
WO2018063387A1 (en) | Quality factors for appraising resistivity lwd inversion performance |
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 |