CN111381279A - 储层孔隙度定量预测方法及装置 - Google Patents

储层孔隙度定量预测方法及装置 Download PDF

Info

Publication number
CN111381279A
CN111381279A CN201910897976.6A CN201910897976A CN111381279A CN 111381279 A CN111381279 A CN 111381279A CN 201910897976 A CN201910897976 A CN 201910897976A CN 111381279 A CN111381279 A CN 111381279A
Authority
CN
China
Prior art keywords
porosity
longitudinal
log
velocity ratio
domain
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
Application number
CN201910897976.6A
Other languages
English (en)
Other versions
CN111381279B (zh
Inventor
王磊
石兰亭
方乐华
陈彬滔
徐中华
史忠生
薛罗
马轮
史江龙
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 CN201910897976.6A priority Critical patent/CN111381279B/zh
Publication of CN111381279A publication Critical patent/CN111381279A/zh
Application granted granted Critical
Publication of CN111381279B publication Critical patent/CN111381279B/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. 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
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters
    • G01V2210/6244—Porosity

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

本发明公开了一种储层孔隙度定量预测方法及装置，该方法包括：根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数；利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板；基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系；根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。本发明降低了储层孔隙度预测的多解性，提高了储层孔隙度预测的精度。

Description

储层孔隙度定量预测方法及装置
技术领域
本发明涉及石油地球物理勘探领域，具体而言，涉及一种储层孔隙度定量预测方法及装置。
背景技术
随着石油天然气开发程度的提高，石油天然气勘探的难度不断增大，勘探目标的复杂性越来越强，使得对储层预测的精度提出越来越高的要求，促使储层描述逐渐由定性检测发展到定量预测。常规的储层预测技术通常基于属性优选、AVO分析以及地震反演等方法实现，这些方法在一定程度上解决了储层定性检测的问题，对于相对简单的、单一的构造油藏具有较好的应用效果，比如利用属性优选结合井约束的方法，可以分析优选出与井参数吻合度最高的地震属性，根据该属性的平面分布特征可以实现对储层物性参数的平面展布预测，圈定有利区，提高储层预测的精度。同样的，基于AVO分析以及地震反演方法可以得到具有特定意义且与某种储层参数吻合的属性参数，并利用属性参数表征储层参数分布。在勘探初期，上述方法能够满足勘探精度的要求，然而当进入精细勘探阶段，剩余圈闭类型复杂化、油气水系统多样化、孔隙流体非均匀化等问题开始涌现，常规的定性检测技术已经无法达到准确评估油气藏潜力的目的，需要新的定量化的检测手段对复杂储层进行全面的精细的刻画。
储层预测的核心问题是识别地下介质中的孔隙以及孔隙中的流体，其中孔隙在很大程度上决定了储层的规模以及潜力，准确预测储层孔隙分布规律是储层预测的重点。随着物探技术的发展，尤其是叠前反演技术的成熟，基于叠前反演数据体直接预测孔隙度的方法受到越来越多的重视，现有的方法通常根据测井数据拟合的孔隙度与地震物理参数之间的经验关系计算储层孔隙度分布，在拟合经验关系式的过程中人为因素影响严重，导致预测的结果因人而异并且误差难以控制，大大增加了储层预测的多解性，降低了预测精度。
发明内容
本发明为了解决上述技术问题中的至少一个，提出了一种储层孔隙度定量预测方法及装置。
为了实现上述目的，根据本发明的一个方面，提供了一种储层孔隙度定量预测方法，该方法包括：
根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数，其中，孔隙度为所述纵波阻抗参数和所述纵横波速度比参数中的变量；
利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板；
基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系；
获取反演得到的目标储层段的纵波阻抗地震数据体和纵横波速度比地震数据体；
根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。
可选的，所述岩石基质物理参数包括：岩石基质体积模量、岩石基质剪切模量、岩石基质密度、参考孔隙度、泊松比、孔隙压力以及孔隙流体的密度。
可选的，所述利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板，具体包括：
分别对所述纵波阻抗参数和所述纵横波速度比参数取二重对数，得到二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数；
将所述二重对数域的纵波阻抗参数作为横坐标，将所述二重对数域的纵横波速度比参数作为纵坐标，构建近线性岩石物理解释模板。
可选的，所述基于所述近线性岩石物理解释模板拟合孔隙度趋势线，包括：
根据所述线性岩石物理解释模板中孔隙度趋势线的分布特征，拟合不同孔隙度对应的孔隙度趋势线的线性表达式，其中，不同孔隙度对应的线性表达式为：
Figure BDA0002210887410000021
Figure BDA0002210887410000022
为第i个孔隙度，Xi为第i个孔隙度对应的二重对数域的纵波阻抗参数，Yi为第i个孔隙度对应的二重对数域的纵横波速度比参数，k1、k2、C为系数。
可选的，所述确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系，具体包括：
基于最小二乘法拟合不同孔隙度对应的孔隙度趋势线的线性表达式，使拟合的结果满足关系式：
Figure BDA0002210887410000031
其中，min(SST)表示误差平方和达到最小，Yi为不同孔隙度对应的二重对数域的纵横波速度比参数，
Figure BDA0002210887410000032
为不同孔隙度对应的二重对数域的纵横波速度比参数的平均值；
根据拟合的结果确定系数k1、k2、C，以确定孔隙度对二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的表达式，其中表达式为：
Figure BDA0002210887410000033
其中，
Figure BDA0002210887410000034
为孔隙度、Y为二重对数域的纵横波速度比参数、X为二重对数域的纵波阻抗参数。
为了实现上述目的，根据本发明的另一方面，提供了一种储层孔隙度定量预测装置，该装置包括：
纵波阻抗及纵横波速度比计算单元，用于根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数，其中，孔隙度为所述纵波阻抗参数和所述纵横波速度比参数中的变量；
近线性岩石物理解释模板构建单元，用于利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板；
孔隙度关系确定单元，用于基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系；
纵波阻抗及纵横波速度比地震数据体获取单元，用于获取反演得到的目标储层段的纵波阻抗地震数据体和纵横波速度比地震数据体；
储层孔隙度计算单元，用于根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。
可选的，所述岩石基质物理参数包括：岩石基质体积模量、岩石基质剪切模量、岩石基质密度、参考孔隙度、泊松比、孔隙压力以及孔隙流体的密度。
可选的，所述近线性岩石物理解释模板构建单元包括：
二重对数计算模块，用于分别对所述纵波阻抗参数和所述纵横波速度比参数取二重对数，得到二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数；
坐标系建立模块，用于将所述二重对数域的纵波阻抗参数作为横坐标，将所述二重对数域的纵横波速度比参数作为纵坐标，构建近线性岩石物理解释模板。
可选的，所述孔隙度关系确定单元包括：
线性表达式建立模块，用于根据所述线性岩石物理解释模板中孔隙度趋势线的分布特征，拟合不同孔隙度对应的孔隙度趋势线的线性表达式，其中，不同孔隙度对应的线性表达式为：
Figure BDA0002210887410000041
Figure BDA0002210887410000042
为第i个孔隙度，Xi为第i个孔隙度对应的二重对数域的纵波阻抗参数，Yi为第i个孔隙度对应的二重对数域的纵横波速度比参数，k1、k2、C为系数。
可选的，所述孔隙度关系确定单元还包括：
拟合模块，用于基于最小二乘法拟合不同孔隙度对应的孔隙度趋势线的线性表达式，使拟合的结果满足关系式：
Figure BDA0002210887410000043
其中，min(SST)表示误差平方和达到最小，Yi为不同孔隙度对应的二重对数域的纵横波速度比参数，
Figure BDA0002210887410000044
为不同孔隙度对应的二重对数域的纵横波速度比参数的平均值；
孔隙度表达式确定模块，用于根据拟合的结果确定系数k1、k2、C，以确定孔隙度对二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的表达式，其中表达式为：
Figure BDA0002210887410000045
其中，
Figure BDA0002210887410000046
为孔隙度、Y为二重对数域的纵横波速度比参数、X为二重对数域的纵波阻抗参数。
为了实现上述目的，根据本发明的另一方面，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上述储层孔隙度定量预测方法中的步骤。
为了实现上述目的，根据本发明的另一方面，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计算机程序，所述计算机程序在计算机处理器中执行时实现上述储层孔隙度定量预测方法中的步骤。
本发明的有益效果为：本发明实施例提出了一种基于岩石物理模板的储层孔隙度定量预测方法及装置，该方法基于HM岩石物理理论模型利用研究工区实际岩石基质参数计算得到纵波阻抗以及纵横波速度比等地震参数，通过对地震参数进行二重对数运算，建立近线性岩石物理解释模板，在近线性岩石物理模板中通过拟合孔隙度趋势线确定孔隙度与二重对数域纵波阻抗和纵横波速度比的关系，最终得到利用二重对数域纵波阻抗和纵横波速度比计算储层孔隙度的公式，该方法建立了储层孔隙度与地震参数的定量关系，准确的提出了利用二重对数域地震参数计算孔隙度的公式，消除了储层预测过程中的人为因素影响，降低了预测的多解性，提高了储层预测的精度。
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是本发明实施例储层孔隙度定量预测方法的流程图；
图2是本发明实施例构建近线性岩石物理解释模板的流程图；
图3是本发明实施例储层孔隙度定量预测装置的结构框图；
图4是本发明实施例近线性岩石物理解释模板构建单元的组成结构框图；
图5是本发明实施例孔隙度关系确定单元的组成结构框图；
图6是本发明实施例中利用二重对数域纵波阻抗和纵横波速度比参数构建的近线性岩石物理解释模板示意图；
图7是本发明实施例中计算得到的储层孔隙度剖面图；
图8是本发明实施例中计算得到的储层孔隙度平面分布图；
图9是本发明实施例计算机设备示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1是本发明实施例储层孔隙度定量预测方法的流程图，如图1所示，本实施例的储层孔隙度定量预测方法包括步骤S101至步骤S105。
步骤S101，根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数，其中，孔隙度为所述纵波阻抗参数和所述纵横波速度比参数中的变量。
在本发明实施例中，所述岩石基质物理参数包括：岩石基质体积模量K、岩石基质剪切模量G、岩石基质密度ρm、参考孔隙度
Figure BDA0002210887410000061
泊松比v、孔隙压力P以及孔隙流体的密度ρf。
在本发明实施例中，基于HM岩石物理理论模型在参考孔隙度
Figure BDA0002210887410000062
条件下，岩石骨架的有效体积模量和剪切模量的公式为：
Figure BDA0002210887410000071
Figure BDA0002210887410000072
其中，KHM和GHM为岩石骨架的有效体积模量和剪切模量，
Figure BDA0002210887410000073
为参考孔隙度，G为岩石基质剪切模量，v为泊松比，P为孔隙压力。
对于不同孔隙度的岩石有效模量，计算公式如下所示：
Figure BDA0002210887410000074
Figure BDA0002210887410000075
其中，Keff和Geff分别为储层岩石的有效体积模量和有效剪切模量，K为岩石基质的体积模量，
Figure BDA0002210887410000076
为孔隙度。
储层岩石的密度计算公式如下所示：
Figure BDA0002210887410000077
其中，ρ为储层岩石的密度，ρf为孔隙流体的密度，ρm为岩石基质密度。
基于有效模量以及密度，可以得到储层岩石的纵波速度以及横波速度，公式为：
Figure BDA0002210887410000078
Figure BDA0002210887410000079
其中，Vp为纵波速度，Vs为横波速度。则纵波阻抗以及纵横波速度比的表达式为：
AI＝Vpρ
Figure BDA00022108874100000710
其中，AI为纵波阻抗，VR为纵横波速度比。
通过上述计算过程可以正演得到研究工区目标储层段不同孔隙度对应的纵波阻抗、纵横波速度比信息，为后续构建岩石物理模板提供数据基础。
步骤S102，利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板。
在本发明实施例中，本步骤首先对纵波波阻以及纵横波速度比参数取二重对数，得到参数X＝log(log(AI))，Y＝log(log(VR))，然后以X为横坐标，Y为纵坐标构建近线性岩石物理解释模板。
如图6所示，在近线性岩石物理解释模板中黑色虚线为等孔隙度趋势线，从左到右对应的孔隙度依次为0.4、0.3、0.2和0.1，最右侧孔隙度为0；图中黑色带箭头实线为拟合孔隙度趋势线得到的直线，对于不同孔隙度趋势线拟合得到的直线具有平行且不重合的特点，每一条直线具有对应的线性表达式，系数项k1、k2和C决定了直线的形态。
步骤S103，基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系。
在本发明实施例中，根据岩石物理模板中孔隙度趋势线分布特征，拟合孔隙度趋势线得到的直线具有对应的线性表达式，如下所示：
Figure BDA0002210887410000081
基于最小二乘法拟合不同孔隙度对应的趋势线线性表达式，拟合结果满足如下关系式：
Figure BDA0002210887410000082
其中，SST为误差平方和，Yi为不同孔隙度对应的二重对数域纵横波速度比，
Figure BDA0002210887410000083
为不同孔隙度对应二重对数域纵横波速度比的平均值，其公式为：
Figure BDA0002210887410000084
由于只有三个系数项k1、k2和C需要计算，所以在计算过程中只需要选择三条不同孔隙度趋势线进行运算就可以得到准确的计算结果，计算过程中当误差平方和SST达到最小时，说明拟合直线与孔隙度趋势线达到最佳逼近，此时对应系数项k1、k2和C即为要求的结果。
进而利用计算得到的k1、k2和C系数项就可以确定孔隙度对二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的表达式：
Figure BDA0002210887410000091
其中，
Figure BDA0002210887410000092
为孔隙度、Y为二重对数域的纵横波速度比参数、X为二重对数域的纵波阻抗参数。
步骤S104，获取反演得到的目标储层段的纵波阻抗地震数据体和纵横波速度比地震数据体。
在本发明实施例中，纵波阻抗以及纵横波速度比地震数据体通过常规的叠前地震反演得到。
步骤S105，根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。
在本发明实施例中，本步骤根据纵波阻抗AI以及纵横波速度比VR地震数据体以及上述得出的孔隙度表达式计算出目标储层段的孔隙度，计算公式如下所示：
Figure BDA0002210887410000093
其中，X＝log(log(AI))，Y＝log(log(VR))，AI为纵波阻抗，VR为纵横波速度比。
以下给出本发明的储层孔隙度定量预测方法实际应用的效果的一个实施例：
选取我国某盆地陆相砂岩储层应用本方法进行孔隙度定量预测，研究区目的储层埋深较浅，储层压实程度低，孔隙比较发育，孔隙度达到0.35左右，研究区内多口探井获得商业油流。研究区目的层孔隙度预测实际应用效果如图7和图8所示，其中图7为过W-1井的孔隙度预测剖面，目的层位于虚线方框位置，测井以及录井结果显示该井在目的层段发育大套高孔砂岩，试油结果显示为油层，日产油达到20吨/天，图中投影的曲线为测井得到的孔隙度曲线，可以看出应用本方法预测的孔隙度与测井直接测量的结果吻合度很高，表明本方法能够准确有效的定量预测储层孔隙度分布规律。图8为孔隙度预测结果平面分布图，展示了研究区目的层段W-1井周围的孔隙度分布情况，可以看出W-1井位于高孔隙度分布区域内，同时可以看出该套高孔砂岩分布范围相对比较集中，没有形成连片分布。根据已知的沉积相分析结果研究区发育多期河口坝，河口坝砂体分散且不连续，孔隙度发育，具有有利的油气聚集与成藏条件。通过对比沉积相展布以及孔隙度预测结果，可以看出W-1位于河口坝位置，目的层砂体分布区域有限，是典型的小而富油藏。通过应用效果分析，验证了本发明方法的有效性，表明该方法能够准确预测储层孔隙度分布规律，是一种有益的孔隙度定量预测方法。
从以上描述可以看出，本发明实施例提出的基于岩石物理模板的储层孔隙度定量预测方法基于HM岩石物理理论模型利用研究工区实际岩石基质参数计算得到纵波阻抗以及纵横波速度比等地震参数，通过对地震参数进行二重对数运算，建立近线性岩石物理解释模板，在近线性岩石物理模板中通过拟合孔隙度趋势线确定孔隙度与二重对数域纵波阻抗和纵横波速度比的关系，最终得到利用二重对数域纵波阻抗和纵横波速度比计算储层孔隙度的公式。该方法建立了储层孔隙度与地震参数的定量关系，准确的提出了利用二重对数域地震参数计算孔隙度的公式，消除了储层预测过程中的人为因素影响，降低了预测的多解性，提高了储层预测的精度。
图2是本发明实施例构建近线性岩石物理解释模板的流程图，如图2所示，在本发明实施例中上述步骤步骤S102构建近线性岩石物理解释模板的具体步骤可以包括步骤S201和步骤S202。
步骤S201，分别对所述纵波阻抗参数和所述纵横波速度比参数取二重对数，得到二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数。
步骤S202，将所述二重对数域的纵波阻抗参数作为横坐标，将所述二重对数域的纵横波速度比参数作为纵坐标，构建近线性岩石物理解释模板。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
基于同一发明构思，本发明实施例还提供了一种储层孔隙度定量预测装置，可以用于实现上述实施例所描述的储层孔隙度定量预测方法，如下面的实施例所述。由于储层孔隙度定量预测装置解决问题的原理与储层孔隙度定量预测方法相似，因此储层孔隙度定量预测装置的实施例可以参见储层孔隙度定量预测方法的实施例，重复之处不再赘述。以下所使用的，术语“单元”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3是本发明实施例储层孔隙度定量预测装置的结构框图，如图3所示，本发明实施例储层孔隙度定量预测装置包括：纵波阻抗及纵横波速度比计算单元1、近线性岩石物理解释模板构建单元2、孔隙度关系确定单元3、纵波阻抗及纵横波速度比地震数据体获取单元4和储层孔隙度计算单元5。
纵波阻抗及纵横波速度比计算单元1，用于根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数，其中，孔隙度为所述纵波阻抗参数和所述纵横波速度比参数中的变量。
在本发明实施例中，所述岩石基质物理参数包括：岩石基质体积模量、岩石基质剪切模量、岩石基质密度、参考孔隙度、泊松比、孔隙压力以及孔隙流体的密度。
近线性岩石物理解释模板构建单元2，用于利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板。
孔隙度关系确定单元3，用于基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系。
纵波阻抗及纵横波速度比地震数据体获取单元4，用于获取反演得到的目标储层段的纵波阻抗地震数据体和纵横波速度比地震数据体。
储层孔隙度计算单元5，用于根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。
图4是本发明实施例近线性岩石物理解释模板构建单元的组成结构框图，如图4所示，在本发明实施例中，近线性岩石物理解释模板构建单元2包括：二重对数计算模块201和坐标系建立模块202。
二重对数计算模块201，用于分别对所述纵波阻抗参数和所述纵横波速度比参数取二重对数，得到二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数。
坐标系建立模块202，用于将所述二重对数域的纵波阻抗参数作为横坐标，将所述二重对数域的纵横波速度比参数作为纵坐标，构建近线性岩石物理解释模板。
图5是本发明实施例孔隙度关系确定单元的组成结构框图，如图5所示，在本发明实施例中，孔隙度关系确定单元3包括：线性表达式建立模块301、拟合模块302和孔隙度表达式确定模块303。
线性表达式建立模块301，用于根据所述线性岩石物理解释模板中孔隙度趋势线的分布特征，拟合不同孔隙度对应的孔隙度趋势线的线性表达式，其中，不同孔隙度对应的线性表达式为：
Figure BDA0002210887410000121
Figure BDA0002210887410000122
为第i个孔隙度，Xi为第i个孔隙度对应的二重对数域的纵波阻抗参数，Yi为第i个孔隙度对应的二重对数域的纵横波速度比参数，k1、k2、C为系数。
拟合模块302，用于基于最小二乘法拟合不同孔隙度对应的孔隙度趋势线的线性表达式，使拟合的结果满足关系式：
Figure BDA0002210887410000123
其中，min(SST)表示误差平方和达到最小，Yi为不同孔隙度对应的二重对数域的纵横波速度比参数，
Figure BDA0002210887410000124
为不同孔隙度对应的二重对数域的纵横波速度比参数的平均值。
孔隙度表达式确定模块303，用于根据拟合的结果确定系数k1、k2、C，以确定孔隙度对二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的表达式。
由以上描述可以看出，本发明实施例提出了一种基于岩石物理模板的储层孔隙度定量预测装置，该装置基于HM岩石物理理论模型利用研究工区实际岩石基质参数计算得到纵波阻抗以及纵横波速度比等地震参数，通过对地震参数进行二重对数运算，建立近线性岩石物理解释模板，在近线性岩石物理模板中通过拟合孔隙度趋势线确定孔隙度与二重对数域纵波阻抗和纵横波速度比的关系，最终得到利用二重对数域纵波阻抗和纵横波速度比计算储层孔隙度的公式，该方法建立了储层孔隙度与地震参数的定量关系，准确的提出了利用二重对数域地震参数计算孔隙度的公式，消除了储层预测过程中的人为因素影响，降低了预测的多解性，提高了储层预测的精度。
为了实现上述目的，根据本申请的另一方面，还提供了一种计算机设备。如图9所示，该计算机设备包括存储器、处理器、通信接口以及通信总线，在存储器上存储有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实施例方法中的步骤。
处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元，如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及作品数据处理，即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中，当被所述处理器执行时，执行上述实施例中的方法。
上述计算机设备具体细节可以对应参阅上述实施例中对应的相关描述和效果进行理解，此处不再赘述。
为了实现上述目的，根据本申请的另一方面，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计算机程序，所述计算机程序在计算机处理器中执行时实现上述储层孔隙度定量预测方法中的步骤。本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，本领域的技术人员应该明白，上述的本发明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，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 (12)

1.一种储层孔隙度定量预测方法，其特征在于，包括：
根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数，其中，孔隙度为所述纵波阻抗参数和所述纵横波速度比参数中的变量；
利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板；
基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系；
获取反演得到的目标储层段的纵波阻抗地震数据体和纵横波速度比地震数据体；
根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。
2.根据权利要求1所述的储层孔隙度定量预测方法，其特征在于，所述岩石基质物理参数包括：岩石基质体积模量、岩石基质剪切模量、岩石基质密度、参考孔隙度、泊松比、孔隙压力以及孔隙流体的密度。
3.根据权利要求1所述的储层孔隙度定量预测方法，其特征在于，所述利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板，具体包括：
分别对所述纵波阻抗参数和所述纵横波速度比参数取二重对数，得到二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数；
将所述二重对数域的纵波阻抗参数作为横坐标，将所述二重对数域的纵横波速度比参数作为纵坐标，构建近线性岩石物理解释模板。
4.根据权利要求1所述的储层孔隙度定量预测方法，其特征在于，所述基于所述近线性岩石物理解释模板拟合孔隙度趋势线，包括：
根据所述线性岩石物理解释模板中孔隙度趋势线的分布特征，拟合不同孔隙度对应的孔隙度趋势线的线性表达式，其中，不同孔隙度对应的线性表达式为：
Figure FDA0002210887400000011
Figure FDA0002210887400000021
为第i个孔隙度，Xi为第i个孔隙度对应的二重对数域的纵波阻抗参数，Yi为第i个孔隙度对应的二重对数域的纵横波速度比参数，k1、k2、C为系数。
5.根据权利要求4所述的储层孔隙度定量预测方法，其特征在于，所述确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系，具体包括：
基于最小二乘法拟合不同孔隙度对应的孔隙度趋势线的线性表达式，使拟合的结果满足关系式：
Figure FDA0002210887400000022
其中，min(SST)表示误差平方和达到最小，Yi为不同孔隙度对应的二重对数域的纵横波速度比参数，
Figure FDA0002210887400000023
为不同孔隙度对应的二重对数域的纵横波速度比参数的平均值；
根据拟合的结果确定系数k1、k2、C，以确定孔隙度对二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的表达式，其中表达式为：
Figure FDA0002210887400000024
其中，
Figure FDA0002210887400000025
为孔隙度、Y为二重对数域的纵横波速度比参数、X为二重对数域的纵波阻抗参数。
6.一种储层孔隙度定量预测装置，其特征在于，包括：
纵波阻抗及纵横波速度比计算单元，用于根据目标储层段的岩石基质物理参数基于HM岩石物理理论模型计算纵波阻抗参数以及纵横波速度比参数，其中，孔隙度为所述纵波阻抗参数和所述纵横波速度比参数中的变量；
近线性岩石物理解释模板构建单元，用于利用二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数构建近线性岩石物理解释模板；
孔隙度关系确定单元，用于基于所述近线性岩石物理解释模板拟合孔隙度趋势线，确定孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系；
纵波阻抗及纵横波速度比地震数据体获取单元，用于获取反演得到的目标储层段的纵波阻抗地震数据体和纵横波速度比地震数据体；
储层孔隙度计算单元，用于根据所述纵波阻抗地震数据体、所述纵横波速度比地震数据体以及所述孔隙度与二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的关系确定目标储层段的孔隙度。
7.根据权利要求6所述的储层孔隙度定量预测装置，其特征在于，所述岩石基质物理参数包括：岩石基质体积模量、岩石基质剪切模量、岩石基质密度、参考孔隙度、泊松比、孔隙压力以及孔隙流体的密度。
8.根据权利要求6所述的储层孔隙度定量预测装置，其特征在于，所述近线性岩石物理解释模板构建单元包括：
二重对数计算模块，用于分别对所述纵波阻抗参数和所述纵横波速度比参数取二重对数，得到二重对数域的纵波阻抗参数和二重对数域的纵横波速度比参数；
坐标系建立模块，用于将所述二重对数域的纵波阻抗参数作为横坐标，将所述二重对数域的纵横波速度比参数作为纵坐标，构建近线性岩石物理解释模板。
9.根据权利要求6所述的储层孔隙度定量预测装置，其特征在于，所述孔隙度关系确定单元包括：
线性表达式建立模块，用于根据所述线性岩石物理解释模板中孔隙度趋势线的分布特征，拟合不同孔隙度对应的孔隙度趋势线的线性表达式，其中，不同孔隙度对应的线性表达式为：
Figure FDA0002210887400000031
Figure FDA0002210887400000032
为第i个孔隙度，Xi为第i个孔隙度对应的二重对数域的纵波阻抗参数，Yi为第i个孔隙度对应的二重对数域的纵横波速度比参数，k1、k2、C为系数。
10.根据权利要求9所述的储层孔隙度定量预测装置，其特征在于，所述孔隙度关系确定单元还包括：
拟合模块，用于基于最小二乘法拟合不同孔隙度对应的孔隙度趋势线的线性表达式，使拟合的结果满足关系式：
Figure FDA0002210887400000033
其中，min(SST)表示误差平方和达到最小，Yi为不同孔隙度对应的二重对数域的纵横波速度比参数，
Figure FDA0002210887400000034
为不同孔隙度对应的二重对数域的纵横波速度比参数的平均值；
孔隙度表达式确定模块，用于根据拟合的结果确定系数k1、k2、C，以确定孔隙度对二重对数域的纵波阻抗参数、二重对数域的纵横波速度比参数的表达式，其中表达式为：
Figure FDA0002210887400000041
其中，
Figure FDA0002210887400000042
为孔隙度、Y为二重对数域的纵横波速度比参数、X为二重对数域的纵波阻抗参数。
11.一种计算机设备，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5任一项方法中的步骤。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序在计算机处理器中执行时实现如权利要求1至5任意一项方法中的步骤。
CN201910897976.6A 2019-09-23 2019-09-23 储层孔隙度定量预测方法及装置 Active CN111381279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910897976.6A CN111381279B (zh) 2019-09-23 2019-09-23 储层孔隙度定量预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910897976.6A CN111381279B (zh) 2019-09-23 2019-09-23 储层孔隙度定量预测方法及装置

Publications (2)

Publication Number Publication Date
CN111381279A true CN111381279A (zh) 2020-07-07
CN111381279B CN111381279B (zh) 2022-03-29

Family

ID=71221345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910897976.6A Active CN111381279B (zh) 2019-09-23 2019-09-23 储层孔隙度定量预测方法及装置

Country Status (1)

Country Link
CN (1) CN111381279B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116736381A (zh) * 2023-06-14 2023-09-12 中国矿业大学 一种基于岩石物理建模的煤中镓元素丰度预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426390A (zh) * 2011-10-21 2012-04-25 中国石油大学(北京) 一种非均质泥砂岩储层储量确定方法
CN102854531A (zh) * 2012-09-11 2013-01-02 中国石油天然气股份有限公司 用于储层烃类检测的多尺度岩石物理图版方法及装置
US20140258355A1 (en) * 2013-03-11 2014-09-11 International Business Machines Corporation Interaction detection for generalized linear models
CN104950331A (zh) * 2015-06-30 2015-09-30 中国石油天然气集团公司 一种砂泥岩储层的孔隙度与泥质含量的地震预测方法
CN108873065A (zh) * 2018-05-10 2018-11-23 中国石油天然气股份有限公司 砂岩优质储层预测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426390A (zh) * 2011-10-21 2012-04-25 中国石油大学(北京) 一种非均质泥砂岩储层储量确定方法
CN102854531A (zh) * 2012-09-11 2013-01-02 中国石油天然气股份有限公司 用于储层烃类检测的多尺度岩石物理图版方法及装置
US20140258355A1 (en) * 2013-03-11 2014-09-11 International Business Machines Corporation Interaction detection for generalized linear models
CN104950331A (zh) * 2015-06-30 2015-09-30 中国石油天然气集团公司 一种砂泥岩储层的孔隙度与泥质含量的地震预测方法
CN108873065A (zh) * 2018-05-10 2018-11-23 中国石油天然气股份有限公司 砂岩优质储层预测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
M. B. HELGERUD: "Elastic-wave velocity in marine sediments with gas hydrates:Effective medium modeling", 《GEOPHYSICAL RESEARCH LETTERS》 *
王良军: "四川盆地涪陵地区茅口组热液白云岩储层预测", 《物探化探计算技术》 *
肖昆，邹长春，杨亚新: "祁连山冻土区孔隙型水合物地层速度估算方法研究", 《地球物理学进展》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116736381A (zh) * 2023-06-14 2023-09-12 中国矿业大学 一种基于岩石物理建模的煤中镓元素丰度预测方法

Also Published As

Publication number Publication date
CN111381279B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
RU2669948C2 (ru) Оптимизация многоступенчатого проекта нефтяного месторождения в условиях неопределенности
AU2013397958B2 (en) A simulation-to-seismic workflow construed from core based rock typing and enhanced by rock replacement modeling
EP3362640B1 (en) History matching of hydrocarbon production from heterogenous reservoirs
US10620339B2 (en) Static earth model calibration methods and systems using tortuosity evaluations
CN111305834B (zh) 基于多探测模式电阻率测井的三维反演初始模型构建方法
US20130282286A1 (en) System and method for calibrating permeability for use in reservoir modeling
CN107451383B (zh) 一种平面二维水沙数学模型初始床沙级配的率定方法
US11181662B2 (en) Static earth model grid cell scaling and property re-sampling methods and systems
EP3281043A1 (en) Oilfield reservior saturation and permeability modeling
EP3317700A1 (en) Oilfield reservior saturation and permeability modeling
CN111381279B (zh) 储层孔隙度定量预测方法及装置
CN112946746B (zh) 用于提高薄煤层avo反演准确性的方法及装置
CN111239809B (zh) 一种基于属性融合原理的优势储层确定方法及系统
CA3134777A1 (en) Automatic calibration of forward depositional models
CN113466962B (zh) 一种基于高斯过程回归的横波预测方法及系统
Wang et al. Modelling porosity distribution in the A'nan Oilfield: Use of geological quantification, neural networks and geostatistics
CN105893674B (zh) 采用全局协方差进行地质属性预测的方法
CN114021700A (zh) 基于岩石物理约束神经网络的渗透率计算方法及装置
Xu et al. Inverse sequential simulation: Performance and implementation details
CN112346117B (zh) 一种基于地震属性融合的储层特征预测方法和装置
AU2022252835B2 (en) Acceleration of subsurface simulation using filtered grid connectivity graph
CN111983677B (zh) 基于Russell属性因子的储层孔隙度预测方法及装置
RU2515081C1 (ru) Автоматическое выделение поверхностей для построения геолого-гидродинамической модели нефтегазового месторождения по сейсмическим данным
CN115166822A (zh) 储层弹性参数的预测方法、装置和电子设备
CN118673827A (zh) 地层正演模型的构建方法、装置、电子设备及存储介质

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