CN111679318A - 储层中断裂系统的识别方法及系统 - Google Patents
储层中断裂系统的识别方法及系统 Download PDFInfo
- Publication number
- CN111679318A CN111679318A CN201910179966.9A CN201910179966A CN111679318A CN 111679318 A CN111679318 A CN 111679318A CN 201910179966 A CN201910179966 A CN 201910179966A CN 111679318 A CN111679318 A CN 111679318A
- Authority
- CN
- China
- Prior art keywords
- seismic
- curve
- reservoir
- parameter
- fracture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000011435 rock Substances 0.000 claims abstract description 86
- 238000013507 mapping Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 39
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 38
- 239000011707 mineral Substances 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 21
- 239000012530 fluid Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 10
- 230000008021 deposition Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 230000001427 coherent effect Effects 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 238000012706 support-vector machine Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 2
- 206010017076 Fracture Diseases 0.000 description 164
- 208000010392 Bone Fractures Diseases 0.000 description 161
- 238000010586 diagram Methods 0.000 description 33
- 238000011161 development Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 235000019738 Limestone Nutrition 0.000 description 2
- 241000220317 Rosa Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000006028 limestone Substances 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 208000006670 Multiple fractures Diseases 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002637 fluid replacement therapy Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (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
本发明提供的储层中断裂系统的识别方法及系统，通过利用储层测井信息确定的岩石物理模型确定出储层的各向异性参数，然后优选出断裂系统敏感的构造类地震属性，最后以测井各向异性参数和敏感地震属性集作为数据源利用基于支持向量机的多元非线性映射算法，进而实现断裂系统的精细识别，具较高的预测能力，同时综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，具有一定的优越性。
Description
技术领域
本申请涉及油气勘探技术领域，更具体的，涉及一种储层中断裂系统的识别方法及系统。
背景技术
非均质储层广泛分布于碳酸盐岩和火山岩储层中，其油气聚集空间主要是孔、缝、洞等组成断裂系统，其勘探难度相对较大，随着勘探程度的不断深入，地震勘探技术也得到了相应的发展，Marfurt(1998,1999)提出了利用互相关、特征值算法和计算相干数据体，进而识别断裂特征。与裂缝相关的地震属性如分频相干和曲率等是目前断裂系统识别的有效手段，在实际断裂油气藏预测中发挥了重要作用(王雷等,2010；陈波等,2011)。利用不同方位角的叠前道集进行各向异性反演可以获得较高的裂缝预测精度，为裂缝储层的精细表征提供了有效的地球物理技术方法(Tsvankin,1997；杜炳毅等,2015)。
目前叠后的断裂系统的检测仍然存在诸多不足。
发明内容
为了解决目前叠后的断裂系统的检测仍然存在诸多不足的问题，本申请提供一种储层中断裂系统的识别方法、系统、电子设备及可读介质，通过利用储层测井信息确定的岩石物理模型确定出储层的各向异性参数，然后优选出断裂系统敏感的构造类地震属性，最后以测井各向异性参数和敏感地震属性集作为数据源利用基于支持向量机的多元非线性映射算法，进而实现断裂系统的精细识别，具较高的预测能力，同时综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，具有一定的优越性。
本发明第一方面实施例提供一种储层中断裂系统的识别方法，包括：
基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
在某些实施例中，所述方法还包括：
根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型。
在某些实施例中，所述测井参数曲线包括：
孔隙度、饱和度、矿物组分和泥质含量曲线；
所述根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型，包括：
根据矿物组分曲线，计算混合矿物的弹性模量；
根据孔隙度曲线、饱和度曲线和密度曲线，计算干燥岩石骨架的体积模量和剪切模量；
根据矿物组分曲线和孔隙度曲线，修正计算出的模量；
根据矿物组分曲线，计算出混合流体的体积模量；
根据混合流体的体积模量以及修正的混合矿物的弹性模量、干燥岩石骨架的体积模量和剪切模量生成岩石物理模型。
在某些实施例中，所述基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线，包括：
利用所述岩石物理模型中的弹性矩阵，计算储层测井中的不同参数类型的各向异性参数；
利用每种参数类型的各向异性参数生成对应的各向异性参数曲线。
在某些实施例中，所述基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数，包括：
对所述储层叠后地震数据进行解释性预处理，获得反映地下构造特征的叠后地震数据体；
根据目标工区的沉积模式和储层地震响应特征，通过所述叠后地震数据体解释地质储层对应的地震层位数据，并对解释的地震层位数据进行光滑一致性处理；
在解释的地震层位数据的约束下提取叠后地震数据体中沿层的构造类地震属性参数；
从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数。
在某些实施例中，所述构造类地震属性参数包括：
构造导向滤波属性参数、构造相干体属性参数、构造曲率属性参数、构造纹理属性参数。
在某些实施例中，所述基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数，还包括：
对提取的构造类地震属性参数进行数据去噪处理、数据均衡化处理、数据标准化处理以及数据降维处理。
在某些实施例中，所述根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征，包括：
根据所述测井信息，确定储层的时深关系曲线；
根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征。
在某些实施例中，所述根据所述测井信息，确定储层的时深关系曲线，包括：
对处理储层测井信息获得的测井参数曲线进行校正，生成校正的测井参数曲线；其中所述测井参数曲线包括：声波时差曲线和密度曲线；
根据校正后的所述声波时差曲线和密度曲线，生成阻抗曲线，并根据所述阻抗曲线计算储层的反射系数曲线；
执行迭代操作，从储层叠后地震数据中提取一个地震子波，将所述反射系数曲线与所述地震子波进行褶积获得合成地震道，基于所述合成地震道与井旁地震道的匹配结果，用叠后地震数据中的另一个地震子波替换所述一个地震子波，直至所述合成地震道与井旁地震道的匹配度满足匹配条件；
根据迭代计算得到的最终的合成地震道，确定对应的时深关系曲线。
在某些实施例中，所述根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征，包括：
将测井的井点处的所述敏感地震属性参数和对应所述时深关系曲线的各向异性参数曲线作为样本集合，构建各向异性参数与敏感地震属性参数之间的非线性映射关系；
根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
在某些实施例中，所述方法还包括：
根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数。
本发明第二方面实施例提供一种储层中断裂系统的识别系统，包括：
各向异性参数曲线确定模块，基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
敏感地震属性参数选择模块，基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
识别模块，根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
在某些实施例中，所述系统还包括：
模型建立模块，根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型。
在某些实施例中，所述测井参数曲线包括：
孔隙度、饱和度、矿物组分和泥质含量曲线；
所述模型建立模块，包括：
弹性模量计算单元，根据矿物组分曲线，计算混合矿物的弹性模量；
体积模量和剪切模量计算单元，根据孔隙度曲线、饱和度曲线和密度曲线，计算干燥岩石骨架的体积模量和剪切模量；
修正计算单元，根据矿物组分曲线和孔隙度曲线，修正计算出的模量；
混合流体的体积模量计算单元，根据矿物组分曲线，计算出混合流体的体积模量；
岩石物理模型生成单元，根据混合流体的体积模量以及修正的混合矿物的弹性模量、干燥岩石骨架的体积模量和剪切模量生成岩石物理模型。
在某些实施例中，所述各向异性参数曲线确定模块，包括：
各向异性参数计算单元，利用所述岩石物理模型中的弹性矩阵，计算储层测井中的不同参数类型的各向异性参数；
各向异性参数曲线生成单元，利用每种参数类型的各向异性参数生成对应的各向异性参数曲线。
在某些实施例中，所述敏感地震属性参数选择模块，包括：
预处理单元，对所述储层叠后地震数据进行解释性预处理，获得反映地下构造特征的叠后地震数据体；
地震层位解释单元，根据目标工区的沉积模式和储层地震响应特征，通过所述叠后地震数据体解释地质储层对应的地震层位数据，并对解释的地震层位数据进行光滑一致性处理；
构造类地震属性参数提取单元，在解释的地震层位数据的约束下提取叠后地震数据体中沿层的构造类地震属性参数；
敏感地震属性参数选择单元，从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数。
在某些实施例中，所述构造类地震属性参数包括：
构造导向滤波属性参数、构造相干体属性参数、构造曲率属性参数、构造纹理属性参数。
在某些实施例中，所述敏感地震属性参数选择模块，还包括：
构造类地震属性参数预处理单元，对提取的构造类地震属性参数进行数据去噪处理、数据均衡化处理、数据标准化处理以及数据降维处理。
在某些实施例中，所述识别模块，包括：
时深关系曲线确定单元，根据所述测井信息，确定储层的时深关系曲线；
断裂特征识别单元，根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征。
在某些实施例中，所述时深关系曲线确定单元，包括：
校正单元，对处理储层测井信息获得的测井参数曲线进行校正，生成校正的测井参数曲线；其中所述测井参数曲线包括：声波时差曲线和密度曲线；
反射系数曲线生成单元，根据校正后的所述声波时差曲线和密度曲线，生成阻抗曲线，并根据所述阻抗曲线计算储层的反射系数曲线；
迭代操作单元，执行迭代操作，从储层叠后地震数据中提取一个地震子波，将所述反射系数曲线与所述地震子波进行褶积获得合成地震道，基于所述合成地震道与井旁地震道的匹配结果，用叠后地震数据中的另一个地震子波替换所述一个地震子波，直至所述合成地震道与井旁地震道的匹配度满足匹配条件；
确定单元，根据迭代计算得到的最终的合成地震道，确定对应的时深关系曲线。
在某些实施例中，所述断裂特征识别单元，包括：
非线性映射关系构建单元，根据所述岩石物理模型和所述敏感地震属性集，选取井点处的敏感地震属性参数和对应时深关系的各向异性参数曲线作为样本集合，构建各向异性参数与敏感地震属性参数之间的非线性映射关系；
断裂特征确定单元，根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
在某些实施例中，所述断裂特征识别单元，还包括：
定量识别单元，根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数。
本发明第三方面提供一种电子设备，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程序时实现如下所述的储层中断裂系统识别方法的步骤：
基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下所述的储层中断裂系统识别方法的步骤：
基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
本发明的有益效果：
本发明提供的储层中断裂系统的识别方法和系统，综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率，并且本发明中的岩石物理模型通过测井信息和叠后地震数据确定，解决了目前并未充分利用测井资料等先验信息，导致断裂的识别误差较大、多解性强的问题。
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示出了本发明实施例中的储层中断裂系统的识别方法的流程示意图之一。
图2示出了本发明实施例中的储层中断裂系统的识别方法的流程示意图之二。
图3示出了本发明实施例中图2的步骤S001的具体流程示意图。
图4示出了本发明实施例中图1中步骤S100的具体流程示意图。
图5示出了本发明实施例中图1中步骤S200的具体流程示意图。
图6示出了本发明实施例中图1中步骤S300的具体流程示意图。
图7示出了本发明实施例中图6中步骤S310的具体流程示意图。
图8示出了本发明实施例中图6中步骤S320的具体流程示意图之一。
图9示出了本发明实施例中图6中步骤S320的具体流程示意图之二。
图10示出了本发明实施例中储层中断裂系统的识别系统的结构示意图之一。
图11示出了本发明实施例中储层中断裂系统的识别系统的结构示意图之二。
图12示出了本发明实施例中图11中模型建立模块001的结构示意图。
图13示出了本发明实施例中图10中各向异性参数曲线确定模块100的结构示意图。
图14示出了本发明实施例中图10中的敏感地震属性参数选择模块200的结构示意图。
图15示出了本发明实施例中图10中的识别模块300的结构示意图。
图16示出了本发明实施例中图15中的时深关系曲线确定单元310的结构示意图。
图17示出了本发明实施例中图15中的断裂特征识别单元320的结构示意图。
图18a和图18b示出了本发明具体场景中的目标工区中纵测线和横测线地震剖面。
图19示出了本发明具体场景中中地震数据频谱分析示意图。
图20示出了本发明具体场景中中目的层的构造图。
图21a至图21c分别示出了本发明具体场景中W1井、W2井以及W3井的井震标定结果示意图。
图22a至图22c示出了本发明具体场景中W1井、W2井和W3井的各向异性参数曲线示意图。
图23a至图23c示出了本发明具体场景中非线性映射的输入属性集合中最大正曲率示意图、最大负曲率示意图以及相干属性示意图。
图24示出了本发明具体场景中各向异性参数断裂预测平面图。
图25a至图25b示出了本发明具体场景中W1井和W2井的断裂走向玫瑰图。
图26a至图26b示出了本发明具体场景中W1井和W2井的目的层附近的成像测井图。
图27示出了本发明具体场景中适于实现储层中断裂系统的识别方法的电子设备的结构示意图。
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，都属于本发明保护的范围。
目前在叠后的断裂系统的检测中，断裂系统的识别误差较大、多解性强，存在诸多不足。
有鉴于此，本发明提供一种储层中断裂系统识别方法，如图1所示，包括：
S100:基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
S200:基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
S300:根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
本发明提供的储层中断裂系统识别方法，综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率。
在一些具体实施例中，如图2所示，所述方法还包括：
S001:根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型。
本申请中，测井信息即为本领域所知晓的测井资料，测井信息包括通过石油勘探中采用各种设备测量出的例如声波信号、储层密度、电阻率、电位、孔隙率、含水率等，将测井信息进行规整统计，能够得到例如声波时差曲线、密度曲线、自然电位(SP)、等，本申请在此不做穷举，可以知晓，该些曲线即为测井参数曲线。
岩石物理模型在地震反演和解释中有着十分重要的作用，是连接地震属性(纵、横波速度等)以及储层参数(孔隙度、饱和度、泥质含量等)的重要纽带，各向异性是沉积岩石中普遍存在的现象，通常把具有水平对称轴，垂直或近似垂直平行排列的碳酸盐岩裂缝储层等效成HTI(Horizontal Transverse Isotropic)介质。常规的岩石物理模型没有考虑储层各向异性的差异，导致常规的岩石物理模型准确性低，而本申请的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定，更具体的，通过利用工区中的声波曲线、密度曲线、GR曲线(自然伽玛测井曲线)、SP曲线(自然电位测井曲线)、孔隙度、饱和度、矿物组分和泥质含量等曲线，构建裂缝储层的岩石物理模型。
在一个实施例中，所述测井参数曲线包括孔隙度、饱和度、矿物组分和泥质含量曲线。如图3所示，步骤S001可分为如下几步：
S001-1：根据矿物组分曲线，利用Voigt-Reuss-Hill平均理论计算混合矿物的弹性模量。
S001-2：根据孔隙度曲线、饱和度曲线和密度曲线，利用DEM模型(数字高程模型)，将孔隙加进模型中计算干燥岩石骨架的体积模量和剪切模量。
S001-3：根据矿物组分曲线和孔隙度曲线，利用Hudson理论和Schoenberg&Sayers理论，考虑裂缝介质及各向异性的影响，修正计算出的模量。
S001-4：根据矿物组分曲线，利用WOOD公式将孔隙流体进行混合，考虑裂缝介质和流体影响，计算出混合流体的体积模量。
S001-5：根据矿物组分曲线和孔隙度曲线，利用Brown和Korringna公式，完成各向异性岩石的流体替换，生成岩石物理模型。
在该实施例中的具体步骤可以参见参考文献《基于碳酸盐岩裂缝岩石物理模型的横波速度和各向异性参数预测》，本发明在此不予赘述。
本实施例中，如图4，步骤S100具体包括：
S101:利用所述岩石物理模型中的弹性矩阵，计算储层测井中的不同参数类型的各向异性参数；
S102:利用每种参数类型的各向异性参数生成对应的各向异性参数曲线。
在一些具体实施例中，弹性矩阵为：
确定的各向异性参数为：
其中，c11,c33,c44,c55,c66是Hook定律中应变张量元素。
进一步的，在一些具体实施例中，如图5所示，步骤S200具体包括：
S201:对所述储层叠后地震数据进行解释性预处理，获得反映地下构造特征的叠后地震数据体；
S202:根据目标工区的沉积模式和储层地震响应特征，通过所述叠后地震数据体解释地质储层对应的地震层位数据，并对解释的地震层位数据进行光滑一致性处理；
S203:在解释的地震层位数据的约束下提取叠后地震数据体中沿层的构造类地震属性参数；
S204:从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数。
具体的，在步骤S201中，根据断裂油藏的地质特征和沉积规律对叠后地震数据进行解释性预处理，获得具有一定保真度且能反应地下构造特征的叠后地震数据体，进而确保多元非线性映射预测的准确性。
上述步骤S202中，根据目标工区的沉积模式和储层地震响应特征在叠后地震数据体上解释地质储层对应的地震层位数据，对解释的层位进行光滑一致性处理，进而保证层位数据在工区的每个点有解释数据，不会产生有串层现象。
在一些具体实施例中，构造类地震属性参数包括有：构造导向滤波属性参数、构造相干体属性参数、构造曲率属性参数、构造纹理属性参数。
在一些实施例中，可反映不同尺度断裂特征的敏感地震属性参数是指与待预测的裂缝参数相关性高，关联度大的属性参数。
在一些实施例中，可以利用人工筛选、属性贡献量和均值聚类算法选择出敏感地震属性参数，本申请不限于此。
此外，在本申请实施例中，获取储层叠后地震数据可以利用常规的地震勘探方法在野外采集地震资料，然后对野外资料进行反褶积、叠加和偏移成像处理，得到高信噪比和分辨率的叠后地震数据。
进一步的，在一些优选实施例中，可以对上述获得的构造类地震属性参数进行预处理，要包括数据去噪处理(中值滤波和滑动加权等)、数据均衡化(道均衡)、数据标准化(极差标准化和标准差标准化)以及数据降维处理(主成分分析与核主成分分析)等，这样提取出的地震属性参数不会存在异常数值，进而不会导致各个属性参数之间存在不同数值和量纲不同，进而不会使部分数据淹没在背景数据中，从而影响地震属性数据定量确定的准确性。
根据上述实施例中的岩石物理模型和所述敏感地震属性集，一方面可以确定所述断裂系统的断裂特征，另一方面可以实现对所述断裂系统的定量识别，即将所要预测的结果进行数值化。
下面对如何利用上述步骤S300进行详细说明。
如图6所示，步骤S300具体包括：
S310:根据所述测井信息，确定储层的时深关系曲线；
S320:根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征。
具体的，如图7所示，步骤S310包括：
S311:对处理储层测井信息获得的测井参数曲线进行校正，生成校正的测井参数曲线；其中所述测井参数曲线包括：声波时差曲线和密度曲线；
S312:根据校正后的所述声波时差曲线和密度曲线，生成阻抗曲线，并根据所述阻抗曲线计算储层的反射系数曲线；
S313:执行迭代操作，从储层叠后地震数据中提取一个地震子波，将所述反射系数曲线与所述地震子波进行褶积获得合成地震道，基于所述合成地震道与井旁地震道的匹配结果，用叠后地震数据中的另一个地震子波替换所述一个地震子波，直至所述合成地震道与井旁地震道的匹配度满足匹配条件；
S314:根据迭代计算得到的最终的合成地震道，确定对应的时深关系曲线。
步骤S311中的校正包括有测井曲线深度校正、系统误差矫正、环境校正等。
利用测井参数曲线中的声波时差曲线和密度曲线能够计算出波阻抗曲线和反射系数曲线。具体的首先利用密度曲线(rho)和速度曲线(vel)(声波曲线的倒数)计算阻抗曲线Imp＝rho*vel，然后利用阻抗曲线计算反射系数，Ref(i)＝(Imp(i)-Imp(i-1))/(Imp(i)+Imp(i-1)),i表示采样点。然后运用叠后地震数据中提取地震子波与反射系数进行褶积得到合成地震记录，与井旁道进行对比，调整子波多次迭代，使得两者达到最大匹配度，此时的时深关系就是最终的时深关系曲线。
在一些实施例中，如图8所示，上述步骤S320包括：
S321:将测井的井点处的所述敏感地震属性参数和对应所述时深关系曲线的各向异性参数曲线作为样本集合，构建各向异性参数与敏感地震属性参数之间的非线性映射关系；
S322:根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
时深关系是测井(深度域)和地震(时间域)之间的一一对应关系，对于每一口井都有唯一的时深关系，由于需要采用地震属性和测井数据(深度)提供样点建立映射关系，挑选井曲线时需要根据地震属性中所在的时间和对应深度上的井数据，即从各向异性参数曲线中选取出对应时深关系的各向异性参数曲线，从地震属性参数中选取井点处的敏感地震属性参数，运用支持向量机算法构建各向异性参数与敏感地震属性集合之间的非线性映射关系。
在一个实施例中，构建上述的非线性映射关系可以采用如下方式实现：输入样本集为{(xi,yi),i＝1,2,…,N}，其中xi∈RN为N维输入属性样本数据，yi∈R为各向异性参数的样点值，N为样本个数，通过引入拉格朗日算法和引入满足Mercer条件的核函数K(x,y)＝<φ(x),φ(y)>代替非线性映射，最终可以求取敏感属性集合与各向异性参数之间的映射关系如下：
式中：αi,αi *≥0,i＝1,2,…,m是拉格朗日乘子，b∈R称为偏置量。
在一个实施例中，可以根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
具体的，断裂系统由一个裂缝指示因子进行定量化表示，该裂缝指示因子可以由上述各向异性参数来计算获得的。
在另一个实施例中，可以根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数，进而实现对所述断裂系统的定量识别，即将所要预测的结果进行数值化。该实施例中，请结合图9所示，S320还包括：
S323:根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数。
综上所述，本方面提供的储层中断裂系统识别方法，具有如下效果：
1)充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率。
2)通过专家选择、属性贡献量、均值聚类算法优选与断裂系统发育敏感的属性集合，从不同的尺度和特征来综合反应断裂系统的分布范围，确保多元非线性映射输入的具有一定的合理性。
3)传统的多属性断裂预测是运用线性拟合或神经网络算法，预测精度不够且收敛速度较慢，本发明利用基于支持向量机的多元非线性映射方法进行断裂系统的识别，对井少且非线性特征明显的储层来说具有更好的识别能力，并且计算效率较高，适合大数据高效计算。
4)本申请的断裂系识别方法得到的各向异性参数预测结果与已知的地质信息和测井解释结果比较吻合，同时与成像测井解释相符合。
本发明断裂系统识别方法不仅具有常规断裂识别方法的特点，即在地质构造特征和沉积模式的指导下利用多属性综合分析断裂发育情况，具较高的预测能力。同时，具有其独特的优点，即综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，具有一定的优越性。
基于与上述方法相同的理由，本发明第二方面提供一种储层中断裂系统的识别系统，如图10所示，具体包括：
各向异性参数曲线确定模块100，基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
敏感地震属性参数选择模块200，基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
识别模块300，根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
本发明提供的储层中断裂系统识别系统，综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率。
在一些具体实施例中，如图11所示，所述系统进一步包括：
模型建立模块001，根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型。
本申请中，测井信息即为本领域所知晓的测井资料，测井信息包括通过石油勘探中采用各种设备测量出的例如声波信号、储层密度、电阻率、电位、孔隙率、含水率等，将测井信息进行规整统计，能够得到例如声波时差曲线、密度曲线、自然电位(SP)、等，本申请在此不做穷举，可以知晓，该些曲线即为测井参数曲线。
岩石物理模型在地震反演和解释中有着十分重要的作用，是连接地震属性(纵、横波速度等)以及储层参数(孔隙度、饱和度、泥质含量等)的重要纽带，各向异性是沉积岩石中普遍存在的现象，通常把具有水平对称轴，垂直或近似垂直平行排列的碳酸盐岩裂缝储层等效成HTI(Horizontal Transverse Isotropic)介质。常规的岩石物理模型没有考虑储层各向异性的差异，导致常规的岩石物理模型准确性低，而本申请的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定，更具体的，通过利用工区中的声波曲线、密度曲线、GR曲线(自然伽玛测井曲线)、SP曲线(自然电位测井曲线)、孔隙度、饱和度、矿物组分和泥质含量等曲线，构建裂缝储层的岩石物理模型。
在一个实施例中，所述测井参数曲线包括孔隙度、饱和度、矿物组分和泥质含量曲线。如图12所示，模型建立模块001包括：
弹性模量计算单元001-a，根据矿物组分曲线，计算混合矿物的弹性模量；
体积模量和剪切模量计算单元001-b，根据孔隙度曲线、饱和度曲线和密度曲线，计算干燥岩石骨架的体积模量和剪切模量；
修正计算单元001-c，根据矿物组分曲线和孔隙度曲线，修正计算出的模量；
混合流体的体积模量计算单元001-d，根据矿物组分曲线，计算出混合流体的体积模量；
岩石物理模型生成单元001-e，根据混合流体的体积模量以及修正的混合矿物的弹性模量、干燥岩石骨架的体积模量和剪切模量生成岩石物理模型。
在该实施例中的具体实现方式可以参见参考文献《基于碳酸盐岩裂缝岩石物理模型的横波速度和各向异性参数预测》，本发明在此不予赘述。
本实施例中，如图13所示，所述各向异性参数曲线确定模块100，包括：
各向异性参数计算单元101，利用所述岩石物理模型中的弹性矩阵，计算储层测井中的不同参数类型的各向异性参数；
各向异性参数曲线生成单元102，利用每种参数类型的各向异性参数生成对应的各向异性参数曲线。
在一些具体实施例中，弹性矩阵为：
确定的各向异性参数为：
其中，c11,c33,c44,c55,c66是Hook定律中应变张量元素。
进一步的，在一些具体实施例中，如图14所示，所述敏感地震属性参数选择模块200，包括：
预处理单元201，对所述储层叠后地震数据进行解释性预处理，获得反映地下构造特征的叠后地震数据体；
地震层位解释单元202，根据目标工区的沉积模式和储层地震响应特征，通过所述叠后地震数据体解释地质储层对应的地震层位数据，并对解释的地震层位数据进行光滑一致性处理；
构造类地震属性参数提取单元203，在解释的地震层位数据的约束下提取叠后地震数据体中沿层的构造类地震属性参数；
敏感地震属性参数选择单元204，从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数。
具体的，在预处理单元201中，根据断裂油藏的地质特征和沉积规律对叠后地震数据进行解释性预处理，获得具有一定保真度且能反应地下构造特征的叠后地震数据体，进而确保多元非线性映射预测的准确性。
地震层位解释单元202中，根据目标工区的沉积模式和储层地震响应特征在叠后地震数据体上解释地质储层对应的地震层位数据，对解释的层位进行光滑一致性处理，进而保证层位数据在工区的每个点有解释数据，不会产生有串层现象。
在一些具体实施例中，构造类地震属性参数包括有：构造导向滤波属性参数、构造相干体属性参数、构造曲率属性参数、构造纹理属性参数。
在一些实施例中，可反映不同尺度断裂特征的敏感地震属性参数是指与待预测的裂缝参数相关性高，关联度大的属性参数。
在一些实施例中，可以利用人工筛选、属性贡献量和均值聚类算法选择出敏感地震属性参数，本申请不限于此。
此外，在本申请实施例中，获取储层叠后地震数据可以利用常规的地震勘探方法在野外采集地震资料，然后对野外资料进行反褶积、叠加和偏移成像处理，得到高信噪比和分辨率的叠后地震数据。
进一步的，在一些优选实施例中，可以对上述获得的构造类地震属性参数进行预处理，要包括数据去噪处理(中值滤波和滑动加权等)、数据均衡化(道均衡)、数据标准化(极差标准化和标准差标准化)以及数据降维处理(主成分分析与核主成分分析)等，这样提取出的地震属性参数不会存在异常数值，进而不会导致各个属性参数之间存在不同数值和量纲不同，进而不会使部分数据淹没在背景数据中，从而影响地震属性数据定量确定的准确性。
根据上述实施例中的岩石物理模型和所述敏感地震属性集，一方面可以确定所述断裂系统的断裂特征，另一方面可以实现对所述断裂系统的定量识别，即将所要预测的结果进行数值化。
更进一步的，如图15所示，所述识别模块300，包括：
时深关系曲线确定单元310，根据所述测井信息，确定储层的时深关系曲线；
断裂特征识别单元320，根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征。
具体的，如图16所示，所述时深关系曲线确定单元310，包括：
校正单元311，对处理储层测井信息获得的测井参数曲线进行校正，生成校正的测井参数曲线；其中所述测井参数曲线包括：声波时差曲线和密度曲线；
反射系数曲线生成单元312，根据校正后的所述声波时差曲线和密度曲线，生成阻抗曲线，并根据所述阻抗曲线计算储层的反射系数曲线；
迭代操作单元313，执行迭代操作，从储层叠后地震数据中提取一个地震子波，将所述反射系数曲线与所述地震子波进行褶积获得合成地震道，基于所述合成地震道与井旁地震道的匹配结果，用叠后地震数据中的另一个地震子波替换所述一个地震子波，直至所述合成地震道与井旁地震道的匹配度满足匹配条件；
确定单元314，根据迭代计算得到的最终的合成地震道，确定对应的时深关系曲线。
利用测井参数曲线中的声波时差曲线和密度曲线能够计算出波阻抗曲线和反射系数曲线。具体的首先利用密度曲线(rho)和速度曲线(vel)(声波曲线的倒数)计算阻抗曲线Imp＝rho*vel，然后利用阻抗曲线计算反射系数，Ref(i)＝(Imp(i)-Imp(i-1))/(Imp(i)+Imp(i-1)),i表示采样点。然后运用叠后地震数据中提取地震子波与反射系数进行褶积得到合成地震记录，与井旁道进行对比，调整子波多次迭代，使得两者达到最大匹配度，此时的时深关系就是最终的时深关系曲线。
在一些实施例中，如图17所示，所述断裂特征识别单元320，包括：
非线性映射关系构建单元321，根据所述岩石物理模型和所述敏感地震属性集，选取井点处的敏感地震属性参数和对应时深关系的各向异性参数曲线作为样本集合，构建各向异性参数与敏感地震属性参数之间的非线性映射关系；
断裂特征确定单元322，根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
时深关系是测井(深度域)和地震(时间域)之间的一一对应关系，对于每一口井都有唯一的时深关系，由于需要采用地震属性和测井数据(深度)提供样点建立映射关系，挑选井曲线时需要根据地震属性中所在的时间和对应深度上的井数据，即从各向异性参数曲线中选取出对应时深关系的各向异性参数曲线，从地震属性参数中选取井点处的敏感地震属性参数，运用支持向量机算法构建各向异性参数与敏感地震属性集合之间的非线性映射关系。
在一个实施例中，构建上述的非线性映射关系可以采用如下方式实现：输入样本集为{(xi,yi),i＝1,2,…,N}，其中xi∈RN为N维输入属性样本数据，yi∈R为各向异性参数的样点值，N为样本个数，通过引入拉格朗日算法和引入满足Mercer条件的核函数K(x,y)＝<φ(x),φ(y)>代替非线性映射，最终可以求取敏感属性集合与各向异性参数之间的映射关系如下：
式中：
是拉格朗日乘子，b∈R称为偏置量。
在一个实施例中，可以根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
具体的，断裂系统由一个裂缝指示因子进行定量化表示，该裂缝指示因子可以由上述各向异性参数来计算获得的。
在另一个实施例中，可以根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数，进而实现对所述断裂系统的定量识别，即将所要预测的结果进行数值化。该实施例中，请继续结合图17所示，所述断裂特征识别单元320，还包括：
定量识别单元，根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数。
综上所述，本方面提供的储层中断裂系统识别系统，具有如下效果：
1)充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率。
2)通过专家选择、属性贡献量、均值聚类算法优选与断裂系统发育敏感的属性集合，从不同的尺度和特征来综合反应断裂系统的分布范围，确保多元非线性映射输入的具有一定的合理性。
3)传统的多属性断裂预测是运用线性拟合或神经网络算法，预测精度不够且收敛速度较慢，本发明利用基于支持向量机的多元非线性映射方法进行断裂系统的识别，对井少且非线性特征明显的储层来说具有更好的识别能力，并且计算效率较高，适合大数据高效计算。
4)本申请的断裂系识别方法得到的各向异性参数预测结果与已知的地质信息和测井解释结果比较吻合，同时与成像测井解释相符合。
下面以具体场景对本发明提供的储层中断裂系统的识别方法及系统进行示例性说明：
中国西部某个实际的地震工区开展断裂系统的识别工作
图18a和图18b是通过采集、处理和解释性预处理得到的叠后地震剖面，分别是工区内Inline880和Crossline2620的地震剖面，该三维工区的线号范围是240-1080，道号范围为300-1160，图中的黄色地震层位是该工区的目的层解释结果，目的层时间深度范围在3.12s-4.44s之间，图中可以看出目的层段的地震资料品质较好，地震反射特征比较连续，地震资料信噪比相对较高，能保证多元非线性映射预测结果的正确性；该三维工区中地震资料的频谱特征如图19所示，从该图可以看出该地震资料的主频在24Hz左右。图20是该目的层位构造图，其岩性以灰褐色泥晶灰岩、砂屑灰岩为主，地震工区中断裂构造相对比较发育。
图21a至图21c是利用地震数据和测井曲线进行井震标定的结果，通过标定可以得到正确的时深关系曲线；图22a至图22c是基于岩石物理模型计算的不同井各向异性参数曲线，红色箭头指示的地方是目的层所在深度。
图23a至图23c是经过地震属性优选后的构造类属性集合，作为多元非线性映射的输入，经优选的属性集合包含最大正曲率、最大负曲率和相干属性，上述属性中最大正曲率和最大负曲率能够反应中小尺度断裂特征，而相干属性反应的是大尺度断裂特征。
图24是在井震结合基础上，上述实施例得到的地震属性集合和各向异性参数曲线作为输入，利用多元非线性映射算法计算得到本三维工区内目的层的断裂发育分布图，图中可以看出，在整个三维工区内发育着多期断裂，能够综合反应储层断裂的展布特征，具有明显的效果。
图25a、图25b、图26a、图26b分别是该工区内W1井和W2井的裂缝走向玫瑰图和成像测井图，主要用于检验多元非线性映射算法预测结果的可靠性。预测结果在井W1处的断裂走向与图25a所示的裂缝玫瑰走向图基本一致，在井W2处的断裂走向与图25a所示的裂缝玫瑰走向图一致，图26a和图26b是W1和W2两口井处的成像测井资料，均显示这两口井点处的裂缝比较发育，预测结果与已知的井点信息吻合程度很高。可以看出基于岩石物理模型计算的各向异性参数能够反应纵向上断裂的发育特征(图22a、图22b以及图22c)；利用多元非线性映射算法估测的断裂系统分布图(图24)能够更好地反应断裂的发育规律、断裂特征更加清晰，与井上的断裂玫瑰图走向(图25a、图25b)和成像测井图(图26a、图26b)之间具有很好的一致，结果证实了该发明的有效性和适用性。
本申请的实施例还提供能够实现上述实施例中的中全部步骤的一种电子设备的具体实施方式，参见图27，所述电子设备具体包括如下内容：
处理器(processor)601、存储器(memory)602、通信接口(CommunicationsInterface)603和总线604；
其中，所述处理器601、存储器602、通信接口603通过所述总线604完成相互间的通信；
所述处理器601用于调用所述存储器602中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S100:基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
S200:基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
S300:根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
从上述描述可知，本申请提供的电子设备，可以综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率。
本申请的实施例还提供能够实现上述实施例中的中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S100:基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
S200:基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
S300:根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
从上述描述可知，本申请提供的计算机可读存储介质，执行其上存储的程序时，综合运用构造类地震属性集合和基于岩石物理模型的各向异性测井曲线等多元信息进行断裂系统的精细刻画，充分考虑断裂系统发育特征，运用岩石物理建模方法计算井上的各向异性参数，可以显著提高断裂系统的纵向识别分辨率。
本说明书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，对于硬件+程序类实施例而言，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。虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。本说明书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。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
Claims (24)
1.一种储层中断裂系统的识别方法，其特征在于，包括：
基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
2.根据权利要求1所述的识别方法，其特征在于，所述方法还包括：
根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型。
3.根据权利要求2所述的识别方法，其特征在于，所述测井参数曲线包括：
孔隙度、饱和度、矿物组分和泥质含量曲线；
所述根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型，包括：
根据矿物组分曲线，计算混合矿物的弹性模量；
根据孔隙度曲线、饱和度曲线和密度曲线，计算干燥岩石骨架的体积模量和剪切模量；
根据矿物组分曲线和孔隙度曲线，修正计算出的模量；
根据矿物组分曲线，计算出混合流体的体积模量；
根据混合流体的体积模量以及修正的混合矿物的弹性模量、干燥岩石骨架的体积模量和剪切模量生成岩石物理模型。
4.根据权利要求3所述的识别方法，其特征在于，所述基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线，包括：
利用所述岩石物理模型中的弹性矩阵，计算储层测井中的不同参数类型的各向异性参数；
利用每种参数类型的各向异性参数生成对应的各向异性参数曲线。
5.根据权利要求1所述的识别方法，其特征在于，所述基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数，包括：
对所述储层叠后地震数据进行解释性预处理，获得反映地下构造特征的叠后地震数据体；
根据目标工区的沉积模式和储层地震响应特征，通过所述叠后地震数据体解释地质储层对应的地震层位数据，并对解释的地震层位数据进行光滑一致性处理；
在解释的地震层位数据的约束下提取叠后地震数据体中沿层的构造类地震属性参数；
从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数。
6.根据权利要求5所述的识别方法，其特征在于，所述构造类地震属性参数包括：
构造导向滤波属性参数、构造相干体属性参数、构造曲率属性参数、构造纹理属性参数。
7.根据权利要求5所述的识别方法，其特征在于，所述基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数，还包括：
对提取的构造类地震属性参数进行数据去噪处理、数据均衡化处理、数据标准化处理以及数据降维处理。
8.根据权利要求1所述的识别方法，其特征在于，所述根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征，包括：
根据所述测井信息，确定储层的时深关系曲线；
根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征。
9.根据权利要求8所述的识别方法，其特征在于，所述根据所述测井信息，确定储层的时深关系曲线，包括：
对处理储层测井信息获得的测井参数曲线进行校正，生成校正的测井参数曲线；其中所述测井参数曲线包括：声波时差曲线和密度曲线；
根据校正后的所述声波时差曲线和密度曲线，生成阻抗曲线，并根据所述阻抗曲线计算储层的反射系数曲线；
执行迭代操作，从储层叠后地震数据中提取一个地震子波，将所述反射系数曲线与所述地震子波进行褶积获得合成地震道，基于所述合成地震道与井旁地震道的匹配结果，用叠后地震数据中的另一个地震子波替换所述一个地震子波，直至所述合成地震道与井旁地震道的匹配度满足匹配条件；
根据迭代计算得到的最终的合成地震道，确定对应的时深关系曲线。
10.根据权利要求8所述的识别方法，其特征在于，所述根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征，包括：
将测井的井点处的所述敏感地震属性参数和对应所述时深关系曲线的各向异性参数曲线作为样本集合，构建各向异性参数与敏感地震属性参数之间的非线性映射关系；
根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
11.根据权利要求10所述的识别方法，其特征在于，所述方法还包括：
根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数。
12.一种储层中断裂系统的识别系统，其特征在于，包括：
各向异性参数曲线确定模块，基于预设的岩石物理模型，确定储层测井中不同参数类型的各向异性参数曲线；其中，所述预设的岩石物理模型通过获取的储层测井信息和储层叠后地震数据确定；
敏感地震属性参数选择模块，基于所述储层叠后地震数据，提取沿层中的构造类地震属性参数，并从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数；其中选择出的敏感地震属性参数组成敏感地震属性集；
识别模块，根据所述不同参数类型的各向异性参数曲线和所述敏感地震属性集，识别所述断裂系统的断裂特征。
13.根据权利要求12所述的识别系统，其特征在于，所述系统还包括：
模型建立模块，根据所述储层测井信息和储层叠后地震数据，建立所述岩石物理模型。
14.根据权利要求13所述的识别系统，其特征在于，所述测井参数曲线包括：
孔隙度、饱和度、矿物组分和泥质含量曲线；
所述模型建立模块，包括：
弹性模量计算单元，根据矿物组分曲线，计算混合矿物的弹性模量；
体积模量和剪切模量计算单元，根据孔隙度曲线、饱和度曲线和密度曲线，计算干燥岩石骨架的体积模量和剪切模量；
修正计算单元，根据矿物组分曲线和孔隙度曲线，修正计算出的模量；
混合流体的体积模量计算单元，根据矿物组分曲线，计算出混合流体的体积模量；
岩石物理模型生成单元，根据混合流体的体积模量以及修正的混合矿物的弹性模量、干燥岩石骨架的体积模量和剪切模量生成岩石物理模型。
15.根据权利要求14所述的识别系统，其特征在于，所述各向异性参数曲线确定模块，包括：
各向异性参数计算单元，利用所述岩石物理模型中的弹性矩阵，计算储层测井中的不同参数类型的各向异性参数；
各向异性参数曲线生成单元，利用每种参数类型的各向异性参数生成对应的各向异性参数曲线。
16.根据权利要求12所述的识别系统，其特征在于，所述敏感地震属性参数选择模块，包括：
预处理单元，对所述储层叠后地震数据进行解释性预处理，获得反映地下构造特征的叠后地震数据体；
地震层位解释单元，根据目标工区的沉积模式和储层地震响应特征，通过所述叠后地震数据体解释地质储层对应的地震层位数据，并对解释的地震层位数据进行光滑一致性处理；
构造类地震属性参数提取单元，在解释的地震层位数据的约束下提取叠后地震数据体中沿层的构造类地震属性参数；
敏感地震属性参数选择单元，从所述构造类地震属性参数中选择出可反映不同尺度断裂特征的敏感地震属性参数。
17.根据权利要求16所述的识别系统，其特征在于，所述构造类地震属性参数包括：
构造导向滤波属性参数、构造相干体属性参数、构造曲率属性参数、构造纹理属性参数。
18.根据权利要求16所述的识别系统，其特征在于，所述敏感地震属性参数选择模块，还包括：
构造类地震属性参数预处理单元，对提取的构造类地震属性参数进行数据去噪处理、数据均衡化处理、数据标准化处理以及数据降维处理。
19.根据权利要求12所述的识别系统，其特征在于，所述识别模块，包括：
时深关系曲线确定单元，根据所述测井信息，确定储层的时深关系曲线；
断裂特征识别单元，根据所述敏感地震属性集和对应所述时深关系曲线的各向异性参数曲线，识别所述断裂系统的断裂特征。
20.根据权利要求19所述的识别系统，其特征在于，所述时深关系曲线确定单元，包括：
校正单元，对处理储层测井信息获得的测井参数曲线进行校正，生成校正的测井参数曲线；其中所述测井参数曲线包括：声波时差曲线和密度曲线；
反射系数曲线生成单元，根据校正后的所述声波时差曲线和密度曲线，生成阻抗曲线，并根据所述阻抗曲线计算储层的反射系数曲线；
迭代操作单元，执行迭代操作，从储层叠后地震数据中提取一个地震子波，将所述反射系数曲线与所述地震子波进行褶积获得合成地震道，基于所述合成地震道与井旁地震道的匹配结果，用叠后地震数据中的另一个地震子波替换所述一个地震子波，直至所述合成地震道与井旁地震道的匹配度满足匹配条件；
确定单元，根据迭代计算得到的最终的合成地震道，确定对应的时深关系曲线。
21.根据权利要求19所述的识别系统，其特征在于，所述断裂特征识别单元，包括：
非线性映射关系构建单元，根据所述岩石物理模型和所述敏感地震属性集，选取井点处的敏感地震属性参数和对应时深关系的各向异性参数曲线作为样本集合，构建各向异性参数与敏感地震属性参数之间的非线性映射关系；
断裂特征确定单元，根据所述非线性映射关系计算不同采样点的各向异性参数数据体，并根据所述各向异性参数数据体确定所述断裂系统的断裂特征。
22.根据权利要求21所述的识别系统，其特征在于，所述断裂特征识别单元，还包括：
定量识别单元，根据所述非线性映射关系和所述敏感地震属性集，计算目标工区中的各向异性参数。
23.一种电子设备，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程序时实现权利要求1至11任一项所述的储层中断裂系统识别方法的步骤。
24.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至11任一项所述的储层中断裂系统识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910179966.9A CN111679318B (zh) | 2019-03-11 | 2019-03-11 | 储层中断裂系统的识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910179966.9A CN111679318B (zh) | 2019-03-11 | 2019-03-11 | 储层中断裂系统的识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111679318A true CN111679318A (zh) | 2020-09-18 |
| CN111679318B CN111679318B (zh) | 2022-12-02 |
Family
ID=72433182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910179966.9A Active CN111679318B (zh) | 2019-03-11 | 2019-03-11 | 储层中断裂系统的识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111679318B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394416A (zh) * | 2020-10-20 | 2021-02-23 | 中国石油天然气集团有限公司 | 非均质断裂控制储层预测方法及装置 |
| CN112698399A (zh) * | 2020-12-02 | 2021-04-23 | 中国石油天然气股份有限公司 | 一种砂砾岩井测震联动约束高效储层定量预测方法与系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009126375A1 (en) * | 2008-04-09 | 2009-10-15 | Exxonmobil Upstream Research Company | Method for generating anisotropic resistivity volumes from seismic and log data using a rock physics model |
| US20120092958A1 (en) * | 2010-10-18 | 2012-04-19 | Geobiz Inc. | Estimation of anisotropy from compressional waves from array sonic waveforms in well logging |
| CN104155701A (zh) * | 2014-07-03 | 2014-11-19 | 中国石油天然气集团公司 | 一种利用叠前地震资料及井信息的多尺度裂缝预测方法 |
| CN104573150A (zh) * | 2013-10-18 | 2015-04-29 | 中国石油化工股份有限公司 | 一种针对富含有机质页岩的各向异性岩石物理建模方法 |
| CN104977618A (zh) * | 2014-04-09 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN106842313A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 基于方位叠前地震数据的各向异性参数反演方法 |
| US20180203145A1 (en) * | 2017-01-13 | 2018-07-19 | Cgg Services Sas | Method and apparatus for unambiguously estimating seismic anisotropy parameters |
| WO2018204920A1 (en) * | 2017-05-05 | 2018-11-08 | Conocophillips Company | Stimulated rock volume analysis |
-
2019
- 2019-03-11 CN CN201910179966.9A patent/CN111679318B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009126375A1 (en) * | 2008-04-09 | 2009-10-15 | Exxonmobil Upstream Research Company | Method for generating anisotropic resistivity volumes from seismic and log data using a rock physics model |
| US20120092958A1 (en) * | 2010-10-18 | 2012-04-19 | Geobiz Inc. | Estimation of anisotropy from compressional waves from array sonic waveforms in well logging |
| CN104573150A (zh) * | 2013-10-18 | 2015-04-29 | 中国石油化工股份有限公司 | 一种针对富含有机质页岩的各向异性岩石物理建模方法 |
| CN104977618A (zh) * | 2014-04-09 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN104155701A (zh) * | 2014-07-03 | 2014-11-19 | 中国石油天然气集团公司 | 一种利用叠前地震资料及井信息的多尺度裂缝预测方法 |
| CN106842313A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 基于方位叠前地震数据的各向异性参数反演方法 |
| US20180203145A1 (en) * | 2017-01-13 | 2018-07-19 | Cgg Services Sas | Method and apparatus for unambiguously estimating seismic anisotropy parameters |
| WO2018204920A1 (en) * | 2017-05-05 | 2018-11-08 | Conocophillips Company | Stimulated rock volume analysis |
Non-Patent Citations (2)
| Title |
|---|
| CHUNHUI XIE ET AL.: "The influence of azimuth distribution on anisotropic inversion", 《2017 SEG INTERNATIONAL EXPOSITION AND 87TH ANNUAL MEETING》 * |
| 张广智等: "基于碳酸盐岩裂缝岩石物理模型的横波速度和各向异性参数预测", 《地球物理学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394416A (zh) * | 2020-10-20 | 2021-02-23 | 中国石油天然气集团有限公司 | 非均质断裂控制储层预测方法及装置 |
| CN112698399A (zh) * | 2020-12-02 | 2021-04-23 | 中国石油天然气股份有限公司 | 一种砂砾岩井测震联动约束高效储层定量预测方法与系统 |
| CN112698399B (zh) * | 2020-12-02 | 2023-08-22 | 中国石油天然气股份有限公司 | 一种砂砾岩井测震联动约束高效储层定量预测方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111679318B (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9696442B2 (en) | Method for estimating subsurface properties from geophysical survey data using physics-based inversion | |
| Chen et al. | Assisted history matching of channelized models by use of pluri-principal-component analysis | |
| US10324211B2 (en) | Seismic spectral balancing | |
| US20150066460A1 (en) | Stratigraphic function | |
| NO20180189A1 (en) | Seismic constrained discrete fracture network | |
| US11054537B2 (en) | Feature index-based feature detection | |
| US20220291418A1 (en) | An integrated geomechanics model for predicting hydrocarbon and migration pathways | |
| US8706462B2 (en) | System and method for providing a physical property model | |
| US20140188392A1 (en) | Normalization seismic attribute | |
| CN111506861B (zh) | 一种目的层有利区域裂缝强度计算方法 | |
| Fahimuddin | 4D seismic history matching using the ensemble Kalman filter (EnKF): possibilities and challenges | |
| WO2017160273A1 (en) | Dip estimation via a modified structure tensor | |
| CN111679318B (zh) | 储层中断裂系统的识别方法及系统 | |
| EP3978961B1 (en) | System and method for quantitative seismic integration modeling workflow | |
| CN108957554B (zh) | 一种地球物理勘探中的地震反演方法 | |
| EP3359983B1 (en) | Seismic polynomial filter | |
| Qian et al. | A rock physics driven Bayesian inversion for TOC in the Fuling shale gas reservoir | |
| CN112305594B (zh) | 非均质储层的油气分布确定方法及系统 | |
| Zidan | Shale-gas reservoir characterization and sweet spot prediction | |
| CN107589457A (zh) | 测井资料尺度粗化的方法和装置 | |
| Maučec et al. | Next generation geological modeling for hydrocarbon reservoir characterization | |
| CN114428294A (zh) | 储层参数统计反演方法、装置、电子设备及存储介质 | |
| Spikes | Statistical classification of seismic amplitude for saturation and net-to-gross estimates | |
| CN114428293A (zh) | 储层参数随机反演方法、装置、电子设备及存储介质 | |
| Singh et al. | Generation of pseudo-log volumes from 3D seismic multi-attributes using neural networks: A case study |
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 |