CN111399044B - 一种储层渗透率预测方法、装置及存储介质 - Google Patents

一种储层渗透率预测方法、装置及存储介质 Download PDF

Info

Publication number
CN111399044B
CN111399044B CN202010283814.6A CN202010283814A CN111399044B CN 111399044 B CN111399044 B CN 111399044B CN 202010283814 A CN202010283814 A CN 202010283814A CN 111399044 B CN111399044 B CN 111399044B
Authority
CN
China
Prior art keywords
permeability
dispersion
core
frequency
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
Application number
CN202010283814.6A
Other languages
English (en)
Other versions
CN111399044A (zh
Inventor
袁三一
宋朝辉
唐跟阳
骆春妹
王尚旭
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.)
China University of Petroleum Beijing
Original Assignee
China University of Petroleum Beijing
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 China University of Petroleum Beijing filed Critical China University of Petroleum Beijing
Priority to CN202010283814.6A priority Critical patent/CN111399044B/zh
Publication of CN111399044A publication Critical patent/CN111399044A/zh
Application granted granted Critical
Publication of CN111399044B publication Critical patent/CN111399044B/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
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • 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
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G01V1/50—Analysing data

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geophysics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明实施例提供一种储层渗透率预测方法、装置及存储介质。所述方法包括：根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率，从而扩大储层渗透率预测的应用范围，提升储层渗透率的预测精度。

Description

一种储层渗透率预测方法、装置及存储介质
技术领域
本发明实施例涉及地学中的实验岩石物理领域和勘探地球物理处理、解释和反演领域，特别涉及一种储层渗透率预测方法、装置及存储介质。
背景技术
近年来，我国发展对油气资源的需求逐年增大。但容易发现的油气藏越来越少，随着油气勘探与开发技术的不断发展，油气勘探的重点也从寻找大型构造油气藏转向寻找隐蔽的非常规油气藏、薄储层油气藏和深层油气藏上来。储层的品位在不断下降，低孔、低渗、超低孔、超低渗、超稠油探明储量比重逐年增加，而且油田开发总体进入高含水、低采出阶段。储层渗透率是油气田储层表征的重要指标之一，对油田开发具有重要作用。但要得到准确的储层渗透率几乎是不可能的。迄今为止，石油工业一直试图通过岩芯的实验室测量或试井解释来获得可靠的渗透率值。通过岩芯测量获取的渗透率精度高，但这些实验费用昂贵，耗时长。另外岩芯测量还受到取芯范围局限，只能表征很小范围的渗透率分布。通过测井资料解释得到的渗透率精度次于岩芯资料得到的渗透率，能够提供连续垂向的渗透率信息。但成本较高，且井只是“一孔之见”，无横向连续性，井间渗透率信息需要推断，这种推断通常基于纯数学方法，缺乏地质信息的支撑。岩芯资料和测井资料可以分别测量或解释得到储层的渗透率信息，理论上可以相互标定进一步提升精确性。通常认为地震勘探的优势是横向分辨率较高、能够较为准确地刻画出地下地质体的几何形态、描述含油气盆地的构造特征，但对储层性质不是太敏感，进行储层预测的难度非常大。由前人的大量研究可知，地震波在传播的过程中，会引起孔隙流体的流动，从而造成地震频散与衰减现象，这就为通过地震数据预测流体性质提供了可能。理论研究表明，叠后地震资料对流体不敏感，对大尺度断裂的描述仍处于定性阶段。而叠前资料含有丰富的角度信息，对流体敏感，但由于线性化反演装置的限制，致使很多有用的流体信息被丢失，影响了流体预测精度。尽管叠前地震资料已经被普遍地应用到了裂缝预测，且为寻找有利致密储层提供了一种有效途径，但是需要假设裂缝是定向排列的，这极大地限制了致密储层裂缝预测的应用范围和精度。
近几十年来，地球物理领域对渗透率的研究主要集中在三个方面：在岩石物理领域中基于经典岩石物理模型的数值模拟或基于岩芯的实验室渗透率测量；在测井解释中基于测井资料的渗透率解释；在地震反演中基于地震数据的渗透率反演。
在岩石物理领域，对渗透率的研究起步较早，理论较为完备。其中利用经典岩石物理模型进行数值模拟可以研究渗透率的影响因素。Biot理论假设地震波引起的孔隙流体流动是造成能量损失的主要原因，这种能量损失称为宏观流动损失。为了解释波在含流体孔隙介质中的速度频散和衰减现象，引入微观孔隙尺度下的喷射流机制。其假设当波穿过岩石时，岩石微裂隙发生闭合，使得其内部的流体喷射到大孔隙中，从而产生能量损失。后来BISQ理论结合了Biot理论和喷射流机制对含流体孔隙岩石的实验室高频结果符合较好，但不能解释低频段的高衰减现象。White(White,J.E.COMPUTED SEISMIC SPEEDS ANDATTENUATION IN ROCKS WITH PARTIAL GAS SATURATION[J].GEOPHYSICS,1975,40(2):224-232.)提出了中观尺度下流体流动衰减机制。中观衰减机制是假设非均匀介质中不同区域物理性质不同，而当波穿过介质时，会引起区域之间的流体流动，进而产生能量的损失。许多学者通过分析发现中观衰减机制能够很好地解释低频段的高衰减现象。中观尺度下波的衰减对岩石骨架和流体成份有极强的依赖性，因此岩石骨架的渗透特性以及流体的黏滞性对地震波衰减有重要影响。基于此，许多学者研究了中观尺度下渗透率对地震波频散和衰减的影响。结合经典岩石物理理论和岩芯实验，可以直接测量出岩芯的渗透率。常规岩芯测量方法有：1.稳态测量方法；2.压力脉冲法；3.孔隙压力振荡法；4.压汞法。但是实验费用昂贵，受岩芯取样限制，研究范围小，不具有连续性。结合经典岩石物理模型和实验室岩芯测量，前人虽验证储层地震响应包含渗透率信息，但并没有详细分析储层渗透率对其地震响应的影响特征。
在测井解释中，一般的渗透率计算方法，简单的有用孔隙度直接计算；其次，使用多参数回归或运用测井曲线先拟合出岩石孔隙结构参数或粒度参数，再在此基础上拟合得到渗透率也是较为普遍的渗透率计算方法。此外，还有基于机器学习的一些渗透率计算方法。现在比较常用的基于测井资料解释渗透率的方法是利用核磁共振T2参数反演毛管压力曲线的方法。毛管压力曲线可以研究地层中流体流动的空间特则可以很好的表征地层渗透率，而核磁共振T2参数可以表征储层孔隙结构，包含渗透率信息，并且可以实现全井段测量。所以通过核磁共振T2参数反演毛管压力曲线的方法可以得到比较准确的全井段渗透率曲线。
地震资料中含有丰富的地质信息，长期以来勘探学家在研究从中获得有关储层的岩性、弹性和物性参数的工作中不断努力。时间平均方程使得从速度资料中求取孔隙度成为现实；利用岩性指数量版可以估算泥质含量；同时由前人的大量研究可知，地震波在传播过程中，会引起孔隙流体流动，造成地震频散与衰减，这就为通过地震数据预测流体性质提供了可能。传统的AVA(Amplitude Variation with Angle，振幅随角度变化)反演主要以Zoepptriz方程及其近似式为基础建立地层含气性和地震振幅随角度变化规律之间的关系。由于AVA反演问题本身具有高度的非线性特征，所以非线性反演的效果好。但相比于线性反演，非线性反演的计算量大，效率较低，并且非线性反演方法非常依赖于初始模型的准确程度，往往需要好的初始模型才能够快速得到合理的反演结果，这对于很多复杂的反演问题，并不总是能得到满足，所以目前主流的还是线性反演方法。传统的AVA反演技术忽略了地震波反射振幅随频率的变化。当频散现象不明显时，AVA反演方法也能够取得不错的含气预测效果。但在储层岩石存在强频散现象时，传统的AVA反演就会因为没有考虑反射系数的频变而产生误差。虽然利用频谱分解技术能够挖掘出一些因储层含气引起的频率异常现象，但将叠前数据处理成叠后数据可能会产生一些与储层流体性质无关的频变特征，容易对含气解释造成干扰。
发明内容
本发明实施例的目的是提供一种储层渗透率预测方法、装置及存储介质，以扩大储层渗透率预测的应用范围，提升储层渗透率预测的精度。
为解决上述问题，本发明实施例提供一种储层渗透率预测方法、装置及存储介质是这样实现的。
一种储层渗透率预测方法，所述方法包括：根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
一种储层渗透率预测装置，所述装置包括：第一确定模块，用于根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；第二确定模块，用于根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；第三确定模块，用于根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；预测模块，用于根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被执行时实现：根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
由以上本发明实施例提供的技术方案可见，本发明实施例中，可以根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。本发明实施例提供的储层渗透率预测方法，充分地利用了岩芯和测井资料，且不需要假设储层中的裂缝是定向排列的，在裂缝非定向排列的情况下依然适用，更加符合实际地下情况，扩大了储层渗透率预测的应用范围，提升了储层渗透率预测的精度。
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，下面描述中的附图仅仅是本发明中记载的一些实施例，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。
图1为本发明实施例一种储层渗透率预测方法的流程图；
图2为本发明实施例杨氏模量与地震波频率的相对变化量、岩芯的渗透率与压力的相对变化量的关系示意图；
图3为本发明实施例数值模型的三维地质展布示意图；
图4为本发明实施例数值模型真实渗透率横向展布示意图；
图5a为本发明实施例输入20Hz雷克子波合成的数值模型叠前AVA地震响应抽取的W1 井角道集示意图；
图5b为本发明实施例输入20Hz雷克子波合成的数值模型叠前AVA地震响应抽取的W2 井角道集示意图；
图5c为本发明实施例输入20Hz雷克子波合成的数值模型叠前AVA地震响应抽取的W3 井角道集示意图；
图5d为本发明实施例输入20Hz雷克子波合成的数值模型叠前AVA地震响应抽取的W5 井角道集示意图；
图6为本发明实施例预测得到的渗透率横向展布示意图；
图7为本发明实施例实际资料连井剖面叠前AVO道集示意图；
图8a本发明实施例过W2井角道集示意图；
图8b本发明实施例过W4井角道集示意图；
图9本发明实施例预测的工区储层深度位置的渗透率横向展布示意图；
图10本发明实施例一种储层渗透率预测装置的功能模块示意图。
具体实施方式
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。
近些年来，AVAF(Amplitude Variation with Angle and Frequency，振幅随角度和频率变化)正演模型的理论近年来取得了快速的发展：垂直入射的情况下薄层的反射系数随频率的变化关系已经比较明确；将岩石的粘性以及扩散项添加到弹性波的方程中，能更准确地描述油气储层的粘弹性；通过理论推导得到了依赖于频率和入射角的反射系数。这些进展都为 AVAF反演提供了基础。因此，叠前的AVAF反演开始受到关注。但AVAF反演是个非线性更强的问题，具有很强的不适定性，容易产生多解。然而，无论是考虑频率的Zoepptriz方程，还是忽略高阶项的Zoepptriz方程近似式，这类线性化的操作都可能会限制频变AVA数据，降低反演结果的质量。且AVAF反演问题本身具有极强的非线性和不适定性，使用线性化的反演方法很容易使目标函数陷入局部极值且无法跳出，反演结果非常依赖于初始模型。为了解决线性化操作对非线性极强的AVAF反演造成的问题，出现了以传播矩阵方程为正演模型，并利用模拟退火这类全局优化算法来进行AVAF反演，通过多次试验，选择最接近理论速度频散曲线的速度频散结果来解释地层的含气性。但是，这些地震方法既没有利用岩芯、测井信息，也没有去推广到渗透率预测。尽管目前已有一些通过叠前资料预测裂缝密度来评估致密储层的技术，但是这些技术普遍需要假设裂缝必须是定向排列的。
考虑到如果充分挖掘和利用叠前的角度和频率信息，并利用不同尺度的岩芯资料和测井资料相互标定，共同约束地震资料来得到储层的渗透率信息，则有望扩大储层渗透率预测的应用范围，提升来储层渗透率预测的精度，为寻找非定向排列裂缝性储层提供新的途径。基于此，本发明实施例提供了一种储层渗透率预测方法。
图1为本发明实施例一种储层渗透率预测方法的流程图。如图1所示，所述储层渗透率预测方法可以包括以下步骤。
S110：根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量。
在一些实施例中，所述岩芯包括油、气田勘探和开发过程中，按勘察得到的地层层位和设计深度，向井内下入取芯工具，钻取出的岩石样品。
所述岩石物理参数可以包括岩石的力学、热学、电学、声学、放射学等特性参数和物理量，如颜色、条痕、光泽、透明度、硬度、解理、断口、脆性和延展性、弹性和挠性、相对密度、磁性、发光性、电性等。
在一些实施例中，可以在获取岩芯后，通过实验测量得到岩芯的岩石物理参数，并根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量。
S120：根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系。
在一些实施例中，可以以岩芯的杨氏模量相对于地震波频率的第一相对变化量为纵坐标，以岩芯的渗透率相对于压力的第二相对变化量为横坐标，记录岩芯的测量值。如图2所示，十字标记为当岩芯饱和水时，测量得到岩石物理参数；虚线为采用线性回归进行拟合得到当岩芯饱水时，岩芯的杨氏模量相对于地震波频率的第一相对变化量的关系式为：
Figure BDA0002447742800000061
空心圆标记为当岩芯饱和油时测量得到的岩石物理参数，实线为采用线性回归得到的当岩芯饱和油气时，岩芯的渗透率相对于压力的第二相对变化量的关系式为：
Figure BDA0002447742800000062
在一些实施例中，根据图2以及公式(1)和(2)可以归纳出岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量呈线性关系：
dE/d(log f)＝a(dη/dp)+b (3)
其中，E表示岩芯的杨氏模量；f表示地震波频率；dE/d(logf)表示杨氏模量相对于地震波频率的相对变化量；η表示岩芯的渗透率；p表示压力；dη/dp为渗透率相对于压力的相对变化量；a、b为经验参数，与岩芯饱和的流体性质有关，可以由岩石物理实验测量拟合得到。
在一些实施例中，岩芯的杨氏模量与地震波纵波波速关系如下：
Figure BDA0002447742800000063
u＝(1+υ)(1-2υ)(1-υ) (5)
其中，ρ表示岩芯密度，vp表示岩芯中的地震波的纵波速度，u表示关于泊松比的函数，υ表示泊松比。
在一些实施例中，考虑频散效应，岩芯的杨氏模量相对于地震波频率的第一相对变化量可以进一步表示为：
dE/d(log f)＝(Ehigh-Elow)/[log(fhigh)-log(flow)] (6)
其中，Ehigh表示岩芯的杨氏模量最大值，Elow表示岩芯的杨氏模量最小值，fhigh表示地震波频率的最大值，flow表示地震波频率的最小值。
在一些实施例中，在地震频段，假设fhigh＝30Hz，flow＝3Hz，可以将公式(6)简化为：
Figure BDA0002447742800000071
Figure BDA0002447742800000072
其中，c＝ρu是关于岩芯密度和泊松比的函数，vphigh表示地震波的频散纵波速度最大值，vplow表示地震波的频散纵波速度最小值。在本发明实施例中，可以将
Figure BDA0002447742800000073
定义为频散参数。观察频散参数可知，若采用某种方法从储层地震响应中得到地震波的频散纵波速度即可求出储层的频散参数。
S130：根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度。
在一些实施例中，所述叠前地震数据可以包括叠前AVO(Amplitude variationwith offset，振幅随偏移距的变化)数据、叠前AVA(Amplitude Variation with Angle，振幅随角度变化) 数据和叠前AVAF(Amplitude Variation with Angle and Frequency，振幅随角度和频率变化) 数据。
在一些实施例中，测井是用多种专门仪器放入井内，沿井身测量钻井地质剖面上地层的各种物理参数，研究地下岩石物理性质与渗流特性，寻找和评价油气的一门技术。通过测井得到的测井数据可以包括电阻率、自然电位、声波速度、岩石体积密度、含水饱和度，岩性等数据。所述测井数据在油气勘探开发中的应用主要可以包括：地层评价、油藏静态描述与综合地质研究、油井检测与油藏动态描述、钻井采油工程等。
在一些实施例中，岩石是由固体的岩石骨架和流动的孔隙流体组成的多相体，其速度的影响因素呈现复杂性和多样性各因素对速度的影响不是单一的，是相互影响综合作用的结果，这也表明利用地球物理资料进行储层特征预测和流体识别是切实可行的，岩石的弹性表现为多相体的等效弹性，可以概括为4个分量：基质模量，干岩骨架模量，孔隙流体模量，和环境因素(包括压力温度声波频率等)，所述岩石物理模型旨在建立这些模量之间相互的理论关系，它在通过一定的假设条件把实际的岩石理想化，通过内在的物理学原理建立通用的关系。有些模型假设岩石中的孔隙和颗粒是层状排列的，有些模型认为岩石是由颗粒和某种单一几何形状的孔隙组成的集合体，其中孔隙可以是球体、椭球体或是球形或椭球形的包含体，还有些模型认为岩石颗粒是相同的弹性球体。鉴于以上不同的实际岩石理想化过程，可以将岩石物理模型分为四类：层状模型、球形孔隙模型、包含体模型和接触模型。
在一些实施例中，可以根据测井数据和岩石物理实验可以得到储层和围岩岩石的弹性参数，如岩石的体积模量、剪切模量、密度等，然后利用叠前地震数据和岩石物理模型计算得到目标储层地震波的频散纵波速度。
具体的，以根据测井数据和AVAF(Amplitude Variation with Angle andFrequency，振幅随角度和频率变化)反演模型确定目标储层地震波的频散纵波速度为例，可以包括以下步骤。
S131：根据速度频散的波动方程确定纵波反射系数。
在一些实施例中，可以对速度频散的波动方程进行数值正演模拟，从而确定纵波反射系数。具体的，假设仅有P波(纵波)入射，反射透射系数向量r＝[RPP,RPS,TPP,TPS]T可以由如下公式求得：
Figure BDA0002447742800000081
其中，RPP表示纵波反射系数，RPS表示横波反射系数，TPP表示纵波透射系数，TPS表示横波透射系数；iP表示入射向量，其中的元素与顶层介质的弹性参数有关；下标1表示顶层介质，下标2分别表示底层介质，均为半无限空间的弹性介质；A1表示顶层介质的传播矩阵，A1中的元素与顶层介质的纵横波速度、密度以及频率和入射角度有关；A2表示底层介质的传播矩阵，A2中的元素与顶层介质的纵波速度、底层介质的纵横波速度、密度、中间层总厚度以及频率和入射角度有关；Bα表示中间第α层的传播矩阵，中间层是粘弹性的储层； N＝1,2,3...。可以看到，传播矩阵法能够考虑中间有多层的情况，但为了说明上的简便，假设仅有三层介质，于是公式(9)可以化简为：
r＝[BA2-A1]-1iP (10)
其中，入射向量与传播矩阵的表达式如公式(11)-(15)所示：
iP＝iω[βP1,γP1,ZP1,WP1]T (11)
Figure BDA0002447742800000091
Figure BDA0002447742800000092
B＝T(0)T-1(h) (14)
Figure BDA0002447742800000093
其中，公式(11)-(15)中，ω＝2πf为圆频率，i为虚数单位，s表示慢度(速度的倒数)，加上下标1和2分别代表顶层介质和底层介质，加上下标P和S分别表示纵波和横波。h表示地层厚度，T表示速度压力向量，系数β、γ、Z和W由公式(16)-(18)计算得到：
Figure BDA0002447742800000094
Figure BDA0002447742800000095
Figure BDA0002447742800000096
其中，VP、VS、ρ以及h分别表示中间层纵波速度、横波速度、密度和厚度，加上下标 1和2分别代表顶层介质和底层介质；β、γ、Z和W为系数，加上下标1和2分别代表顶层介质和底层介质，加上下标P和S分别表示纵波和横波。其中，横波速度不发生频散现象，纵波速度仅有VP具有频散特征。因此，系数βP、γP、ZP和WP均随频率发生变化，中间层的传播矩阵B与频率存在复杂的非线性关系，这就会使得P波反射系数RPP是频变的，即RPP和VP可以表示为RPP(f,θ)和VP(f)。
S132：以所述岩石物理模型作为约束，基于所述约束和所述纵波反射系数构建反演目标函数。
在一些实施例中，可以记反演参数构成的向量为
Figure BDA0002447742800000101
其中，
Figure BDA0002447742800000102
代表储层段不同频率的纵波速度，f1<f2<…<fL为反演选择的频率，
Figure BDA0002447742800000103
表示频率fl(l＝1,2,…,L)处的纵波速度，VS、ρ和h分别表示横波速度、密度和厚度，加上下标1和2代表顶层介质和底层介质，不加代表中间层。将反演目标函数定义为：
Figure BDA0002447742800000104
其中，RPP(m,fl,θj)、w(fl,θj)、Sobs(fl,θj)分别表示利用参数向量m计算得到的频率-角度域的P波反射系数RPP、子波以及观测到的地震数据经过傅里叶变换后在频率fl和角度θj处的比移值(RetentionFactorValue)，φ(m)表示岩石物理模型。公式(19)既考虑到了叠前地震数据的振幅信息也考虑到了相位信息，在一定程度上可以削弱反演问题的不适定性。此外，岩石物理模型作为约束也可以用来进一步减小反演过程的不适定性。其中，所述岩石物理模型可以包括：纵波速度发生频散，而横波速度频散很弱；纵波速度的频散是有规律的，速度随着频率的升高而增大。将其作为约束加入到反演过程中，约束形式如公式(20)所示：
Figure BDA0002447742800000105
其中，δ是一个常数阈值，用于限制纵波速度的频散程度，不让纵波速度的变化太大，可以根据岩石物理实验或经验来粗略给出。
S133：根据所述叠前地震数据和测井数据求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
在一些实施例中，由于公式(19)是一个复杂的非线性问题，可以根据所述测井数据和岩石物理模型确定反演参数的取值范围；基于所述反演参数的取值范围和所述叠前地震数据，根据粒子群优化算法(Particle Swarm optimization，PSO)求解所述反演目标函数，得到目标储层地震波的频散纵波速度。具体的，可以将一个由反演参数组成的向量m作为一个粒子的位置(以下粒子的位置也称为粒子)。对于给定规模大小的粒子群，其中的每个粒子都是反演问题的可行解，通过测井数据、岩石物理实验和工区先验的地质情况认识，可以确定粒子群中每个粒子的搜索空间，即每个反演参数的取值范围。将每个可行解的扰动作为每个粒子的速度，得到粒子的更新公式(21)：
Figure BDA0002447742800000106
其中，下标i表示粒子群中的第i个粒子，上标k表示第k次迭代，Δm表示对粒子的扰动，即粒子的速度。
Figure BDA0002447742800000111
和
Figure BDA0002447742800000112
分别表示截至到第k次迭代，第i个粒子的历史最优位置和粒子群中的最优粒子位置，其中，将粒子带入目标函数J(m)，得到的值越小说明粒子越优。粒子的更新公式中，ω表示的是惯性权重，它与上一次迭代的速度相乘表示上一次迭代的速度对本次速度的影响，第二项和第三项分别表示粒子
Figure BDA0002447742800000113
在第k次迭代中向自己的历史最优位置
Figure BDA0002447742800000114
和粒子群中最优粒子的位置
Figure BDA0002447742800000115
的靠近行为，称为“个体经验”和“社会经验”。而c1和c2分别表示这两种经验的学习率，取值范围可以为2-4，通常认为它们同样重要，即c1＝c2。r1和r2可以为0-1之间的随机数，用于增加粒子向“优秀”粒子靠近的随机性。
在一些实施例中，可以将所述叠前地震数据代入公式公式(21)中，并根据公式(21) 求解公式(19)，从而获得目标储层地震波的频散纵波速度。
S140：根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
在一些实施例中，可以根据所述目标储层地震波的频散纵波速度确定所述目标储层的频散参数；根据所述目标储层的频散参数、渗透率与频散参数的关系预测目标储层的渗透率。具体的，在获得目标储层地震波的频散纵波速度后，可以根据目标储层地震波的频散纵波速度确定所述目标储层的频散参数，进而根据公式(8)计算得到目标储层的渗透率。
为清楚地说明本发明实施例提供的储层渗透率预测方法所带来的效果，下面结合图3- 图9进行说明。
在本发明实施例中，分别使用了一个四维叠前模型数据和一个实际四维叠前数据体进行了测试。具体的，测试使用的数值模型的横向展布形态为两个“爪”状的致密储层和一条曲流河储层，储层的横向展布形态如图3所示。数值模型中储层位置的渗透率分布如图4所示，整个工区分布有6种不同的渗透率值，渗透率值的范围为0～35毫达西。黑色非储层围岩渗透率设置为0毫达西。在6种不同的渗透率分布的区域分别取一道数据作为“伪井”，依次命名为W1至W6，模拟测井解释得到的渗透率曲线。根据经典岩石物理模型和速度频散的波动方程合成数值模型的叠前AVA(Amplitude Variation with Angle，振幅随角度变化) 地震数据，其中涉及到的岩石物理参数参照某实际工区给定。W1井、W2井、W3井、W5 井的过井道集如图5a-图5d所示。
采用本发明实施例提供的储层渗透率预测方法，反演过程中，调节PSO算法中的超参数，当反演结果与W1-W6处的渗透率曲线吻合良好时，说明得到了理想的超参数。固定这些超参数继续多次反演，挖掘反演结果中的统计性规律来减少PSO算法的随机性。本发明实施例提供的储层渗透率预测方法得到的渗透率横向展布形态如图6所示，可以观察到，除了致密储层边缘外，水平方向上反演得到的渗透率横向展布与真实渗透率横向展布符合良好，伪井位置反演得到的渗透率曲线与伪井真实渗透率曲线也符合良好。
为了展示本发明实施例提供的储层渗透率预测方法的实际应用潜力，利用实际数据进行了测试，实际数据为一个四维叠前数据体，来自东部某工区，约100平方公里，共401× 401道，包含多口井数据，其中W2井和W4井通过测井解释可以得到渗透率曲线，过W2 井和W4井的连井剖面叠前AVO(Amplitude variation with offset，振幅随偏移距的变化)道集如图7所示，连井剖面穿过W2和W4两口井，通过测井解释可以得到这两口井的渗透率曲线。其中W2为高产井，储层深度位置测井解释得到的渗透率值较高，W4井产量较低，储层深度位置测井解释得到的渗透率值较低。W2井和W4井的过井道集如图8a-图8b所示，可以观察到过井道集的AVA特性有比较明显的差异。通过叠前AVO道集数据可以提取角度道集和叠前AVA数据，角度子波可以使AVAF反演更加准确。W2井和W4井得到渗透率曲线用来调节PSO算法中超参数。利用本发明实施例提供的储层渗透率预测方法基于这个实际数据进行反演，得到工区渗透率分布如图9所示，图中圆形标记表示W2井的位置，为渗透率较高的区域，星型标记为W4井的位置，为渗透率较低的区域，预测得到的渗透率在 W2井和W4井处与测井解释得到的渗透率曲线吻合良好，渗透率分布符合工区的地质认识。
本发明实施例提供的储层渗透率预测方法，可以根据岩芯的岩石物理参数确定岩芯的杨氏模量与地震波频率的相对变化量、岩芯的渗透率与压力的相对变化量；根据岩芯的杨氏模量与地震波频率的相对变化量、岩芯的渗透率与压力的相对变化量确定渗透率与频散参数的关系；根据测井数据和岩石物理模型确定目标储层的频散纵波速度；根据所述目标储层的频散纵波速度、渗透率与频散参数的关系预测目标储层的渗透率。本发明实施例提供的储层渗透率预测方法，充分地利用了岩芯和测井资料，在反演过程中引入了两类岩石物理约束，采用了全局最优化方法进行全局求解，提升了数据的有效利用率并同时提升了反演精度，不需要假设储层中的裂缝是定向排列的，在裂缝非定向排列的情况下依然适用，更加符合实际地下情况，扩大了储层渗透率预测的应用范围，提升了储层渗透率预测的精度。
本发明实施例还提供了一种储层渗透率预测方法的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指令，在所述计算机程序指令被执行时实现：根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
在本实施方式中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory, RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(HardDiskDrive, HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。在本实施方式中，该计算机可读存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
参阅图10，在软件层面上，本发明实施例还提供了储层渗透率预测装置，该装置具体可以包括以下的结构模块。
第一确定模块1010，用于根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；
第二确定模块1020，用于根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系；
第三确定模块1030，用于根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；
预测模块1040，用于根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
在一些实施例中，所述第三确定模块1030可以包括：纵波反射系数确定模块，用于根据速度频散的波动方程确定纵波反射系数；构建模块，用于以所述岩石物理模型作为约束，基于所述约束和所述纵波反射系数构建反演目标函数；求解模块，用于根据所述叠前地震数据和测井数据求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
在一些实施例中，所述求解模块可以包括：确定子模块，用于根据所述测井数据和岩石物理模型确定反演参数的取值范围；求解子模块，用于基于所述反演参数的取值范围和所述叠前地震数据，根据粒子群优化算法求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
在一些实施例中，所述预测模块1040可以包括：频散参数确定模块，用于根据所述目标储层地震波的频散纵波速度确定所述目标储层的频散参数；渗透率预测模块，用于根据所述目标储层的频散参数、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
需要说明的是，本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于装置实施例和设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员在阅读本发明文件之后，可以无需创造性劳动想到将本发明列举的部分或全部实施例进行任意组合，这些组合也在本发明公开和保护的范围内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray， FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、 CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。

Claims (10)

1.一种储层渗透率预测方法，其特征在于，所述方法包括：
根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；
根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系：
Figure FDA0003012971060000011
Figure FDA0003012971060000012
其中，E表示岩芯的杨氏模量；f表示地震波频率；dE/d(logf)表示第一相对变化量；η表示岩芯的渗透率；p表示压力；dη/dp为第二相对变化量；a、b为经验参数；vphigh表示地震波的频散纵波速度最大值，vplow表示地震波的频散纵波速度最小值；
Figure FDA0003012971060000013
表示为频散参数；c是关于岩芯密度和泊松比的函数；
根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；
根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
2.根据权利要求1所述的方法，其特征在于，所述根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度包括：
根据速度频散的波动方程确定纵波反射系数；
以所述岩石物理模型作为约束，基于所述约束和所述纵波反射系数构建反演目标函数；
根据所述叠前地震数据和测井数据求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
3.根据权利要求2所述的方法，其特征在于，所述约束根据以下公式确定：
Figure FDA0003012971060000014
其中，φ(m)表示岩石物理模型，f1<f2<…<fL为反演目标函数选择的频率，
Figure FDA0003012971060000015
表示频率fL处的纵波速度，L＝1,2,3,...，j＝1,2,…,L-1，δ为一个常数阈值，用于限制纵波速度的频散程度。
4.根据权利要求2所述的方法，其特征在于，所述根据所述叠前地震数据和测井数据求解所述反演目标函数，得到目标储层地震波的频散纵波速度包括：
根据所述测井数据和岩石物理模型确定反演参数的取值范围；
基于所述反演参数的取值范围和所述叠前地震数据，根据粒子群优化算法求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率包括：
根据所述目标储层地震波的频散纵波速度确定所述目标储层的频散参数；
根据所述目标储层的频散参数、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
6.一种储层渗透率预测装置，其特征在于，所述装置包括：
第一确定模块，用于根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；
第二确定模块，用于根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系：
Figure FDA0003012971060000021
Figure FDA0003012971060000022
其中，E表示岩芯的杨氏模量；f表示地震波频率；dE/d(logf)表示第一相对变化量；η表示岩芯的渗透率；p表示压力；dη/dp为第二相对变化量；a、b为经验参数；vphigh表示地震波的频散纵波速度最大值，vplow表示地震波的频散纵波速度最小值；
Figure FDA0003012971060000023
表示为频散参数；c是关于岩芯密度和泊松比的函数；
第三确定模块，用于根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；
预测模块，用于根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
7.根据权利要求6所述的装置，其特征在于，所述第三确定模块包括：
纵波反射系数确定模块，用于根据速度频散的波动方程确定纵波反射系数；
构建模块，用于以所述岩石物理模型作为约束，基于所述约束和所述纵波反射系数构建反演目标函数；
求解模块，用于根据所述叠前地震数据和测井数据求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
8.根据权利要求7所述的装置，其特征在于，所述求解模块包括：
确定子模块，用于根据所述测井数据和岩石物理模型确定反演参数的取值范围；
求解子模块，用于基于所述反演参数的取值范围和所述叠前地震数据，根据粒子群优化算法求解所述反演目标函数，得到目标储层地震波的频散纵波速度。
9.根据权利要求6所述的装置，其特征在于，所述预测模块包括：
频散参数确定模块，用于根据所述目标储层地震波的频散纵波速度确定所述目标储层的频散参数；
渗透率预测模块，用于根据所述目标储层的频散参数、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
10.一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被执行时实现：根据岩芯的岩石物理参数确定岩芯的杨氏模量相对于地震波频率的第一相对变化量、以及岩芯的渗透率相对于压力的第二相对变化量；根据所述第一相对变化量和所述第二相对变化量确定渗透率与频散参数的关系：
Figure FDA0003012971060000031
Figure FDA0003012971060000032
其中，E表示岩芯的杨氏模量；f表示地震波频率；dE/d(logf)表示第一相对变化量；η表示岩芯的渗透率；p表示压力；dη/dp为第二相对变化量；a、b为经验参数；vphigh表示地震波的频散纵波速度最大值，vplow表示地震波的频散纵波速度最小值；
Figure FDA0003012971060000033
表示为频散参数；c是关于岩芯密度和泊松比的函数；
根据叠前地震数据、测井数据和岩石物理模型确定目标储层地震波的频散纵波速度；根据所述目标储层地震波的频散纵波速度、以及所述渗透率与频散参数的关系预测目标储层的渗透率。
CN202010283814.6A 2020-04-13 2020-04-13 一种储层渗透率预测方法、装置及存储介质 Active CN111399044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010283814.6A CN111399044B (zh) 2020-04-13 2020-04-13 一种储层渗透率预测方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010283814.6A CN111399044B (zh) 2020-04-13 2020-04-13 一种储层渗透率预测方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111399044A CN111399044A (zh) 2020-07-10
CN111399044B true CN111399044B (zh) 2021-05-25

Family

ID=71433152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010283814.6A Active CN111399044B (zh) 2020-04-13 2020-04-13 一种储层渗透率预测方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111399044B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100906B (zh) * 2020-08-21 2021-06-22 中海石油(中国)有限公司 数据驱动的大尺度密度建模方法、计算设备及存储介质
CN112051609B (zh) * 2020-08-21 2023-01-06 成都理工大学 地震波成像方法、系统、存储介质、计算机程序、终端
CN112559957B (zh) * 2020-11-17 2022-05-03 中海油田服务股份有限公司 一种渗透率计算方法和装置
CN112666618B (zh) * 2020-12-16 2022-04-19 吉林大学 一种用于多相介质的几何-物性多特征参数提取方法
CN113009408B (zh) * 2021-02-09 2022-10-11 上海交通大学 一种基于弹性波共振调控的水中目标声标识装置
CN112987088B (zh) * 2021-02-22 2023-04-18 成都理工大学 一种渗流介质地震横波数值模拟和成像方法
CN113640883B (zh) * 2021-09-16 2022-09-23 中国石油大学(北京) 测井速度预测、基于井震融合的孔隙度确定方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103364834A (zh) * 2013-07-29 2013-10-23 成都晶石石油科技有限公司 一种利用叠前地震频散分析预测储层渗透率的方法
CN105954801A (zh) * 2016-06-12 2016-09-21 成都理工大学 一种基于频变属性的储层渗透率评估方法
CN107917865A (zh) * 2016-10-11 2018-04-17 中国石油化工股份有限公司 一种致密砂岩储层多参数渗透率预测方法
CN110618450A (zh) * 2018-06-20 2019-12-27 中国石油化工股份有限公司 基于岩石物理建模的致密储层智能化含气性预测方法
CN110837132A (zh) * 2018-08-15 2020-02-25 中国石油化工股份有限公司 碳酸盐岩测井渗透率预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7970544B2 (en) * 2007-06-26 2011-06-28 Baker Hughes Incorporated Method and apparatus for characterizing and estimating permeability using LWD Stoneley-wave data
WO2019164606A1 (en) * 2018-02-23 2019-08-29 Exxonmobil Research And Engineering Company Method of extracting intrinsic attenuation from seismic data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103364834A (zh) * 2013-07-29 2013-10-23 成都晶石石油科技有限公司 一种利用叠前地震频散分析预测储层渗透率的方法
CN105954801A (zh) * 2016-06-12 2016-09-21 成都理工大学 一种基于频变属性的储层渗透率评估方法
CN107917865A (zh) * 2016-10-11 2018-04-17 中国石油化工股份有限公司 一种致密砂岩储层多参数渗透率预测方法
CN110618450A (zh) * 2018-06-20 2019-12-27 中国石油化工股份有限公司 基于岩石物理建模的致密储层智能化含气性预测方法
CN110837132A (zh) * 2018-08-15 2020-02-25 中国石油化工股份有限公司 碳酸盐岩测井渗透率预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
含流体砂岩地震波频散实验研究;未晛 等;《地球物理学报》;20150930;第58卷(第9期);第3380-3388页 *
基于white模型的砂岩储层渗透率特性分析;陈程 等;《石油地球物理勘探》;20150831;第50卷(第4期);第723-729页 *

Also Published As

Publication number Publication date
CN111399044A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN111399044B (zh) 一种储层渗透率预测方法、装置及存储介质
Buland et al. Bayesian linearized AVO inversion
Wang Seismic anisotropy in sedimentary rocks, part 2: Laboratory data
Grana et al. Stochastic inversion of facies from seismic data based on sequential simulations and probability perturbation method
Mukerji et al. Mapping lithofacies and pore-fluid probabilities in a North Sea reservoir: Seismic inversions and statistical rock physics
Das et al. Mapping of pore pressure, in-situ stress and brittleness in unconventional shale reservoir of Krishna-Godavari basin
AU2011320352B2 (en) Model based inversion of seismic response for determining formation properties
Saenger et al. A passive seismic survey over a gas field: Analysis of low-frequency anomalies
Herwanger et al. Linking reservoir geomechanics and time-lapse seismics: Predicting anisotropic velocity changes and seismic attributes
Sidler et al. Simulation of surface waves in porous media
Baird et al. Frequency-dependent seismic anisotropy due to fractures: Fluid flow versus scattering
CN103643949A (zh) 一种储层含油气的定量预测方法及装置
US20110125469A1 (en) Method of developing a petroleum reservoir by reservoir model reconstruction
Herwanger et al. Predicting time-lapse stress effects in seismic data
Zhang et al. An intelligent approach for gas reservoir identification and structural evaluation by ANN and Viterbi algorithm—A case study from the Xujiahe Formation, Western Sichuan Depression, China
Guo et al. Multi-objective petrophysical seismic inversion based on the double-porosity Biot–Rayleigh model
Wang et al. AVAZ inversion for fracture weakness based on three-term Rüger equation
Larki et al. A new insight to access carbonate reservoir quality using quality factor and velocity deviation log
Dadashpour et al. Porosity and permeability estimation by integration of production and time-lapse near and far offset seismic data
Foti et al. Reliability and accuracy of seismic tests in geotechnical site characterization
Abid et al. Unconventional reservoir characterization and sensitive attributes determination: A case study of the Eastern Sembar Formation, Lower Indus Basin, Pakistan
Waggoner et al. Improved reservoir modelling with time-lapse seismic data in a Gulf of Mexico gas condensate reservoir
Parra et al. Characterization of fractured low Q zones at the Buena Vista Hills reservoir, California
Zhang et al. A study on the characteristics of seismic wave propagation in fractured marlstone reservoirs based on mechanical principles
Fajana Hydrocarbon reservoir characterization using multi-point stochastic inversion technique: a case study of Pennay field

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