CN111897004B - 一种基于大数据分析技术的测井预测方法 - Google Patents

Abstract

本发明公开了一种基于大数据分析技术的测井预测方法，包括以下步骤：S1、建立目的层段地震‑测井数据库；S2、将目的层段采样点序号P置零，总采样点数为M，M>0；S3、计算未知属性地震波形与数据库中波形的相关性；S4、选取最大相关系数对应的侧井值作为当前点预测值；S5、判断目的层段采样点是否达到总采样点数，若否，则令目的层段采样点序号P＝P+1后返回步骤S3，若是，则进行步骤S6；S6、输出预测结果。通过建立测井与地震波形的非一一对应关系，对未知属性测井，通过判断其对应的地震波形与已知属性测井的相关性，选取最大相关系数对应的测井，以及其对应位置，获得T_m，获取测井值，并将所述测井值作为未知属性地震波形中处的测井值。

Description

一种基于大数据分析技术的测井预测方法

技术领域

本发明涉及地球物理勘探技术领域，更具体的说是涉及一种基于大数据分析技术的测井预测方法。

背景技术

1、地震反演基本理论

地震勘探技术是利用人工激发的地震波在弹性不同的地层内传播规律来勘探地下的地质情况。在地面某处激发的地震波向地下传播时，遇到不同弹性的地层分界面就会产生反射波或折射波返回地面，用专门的仪器可记录这些波，分析所得记录的特点，如波的传播时间、振动形状等，通过专门的计算或仪器处理，能较准确地测定这些界面的深度和形态，判断地层的岩性，是勘探含油气构造甚至直接找油的主要物探方法。

地震反演的本质是通过地震反射波形特征或结构估算地层反射系数，进而得到地层波阻抗分布，其主要目的是搞清地层岩性、物性以及所含流体性质的分布。地震反演本身具有多解性或不确定性，因此，在地球物理勘探领域发展了多种地震反演方法和技术以及相应的应用软件系统。其中局基于初始波阻抗模型基础上采用褶积技术的反演使用范围较广，使用效果也较好，其基本思路是：

(1)给定初始波阻抗模型与地震子波；

(2)修改波阻抗模型，使合成记录与实际地震反射误差最小或相关系数最大，最终的波阻抗模型即为地震反演结果。

2、常规地震反演技术的局限

但是，众所周知，地震反演就是根据地震采集信息的变化推算地层波阻抗的信息分布。常规基于褶积模型地震反演技术该技术只有波阻抗反演结果是较可靠的，其理论和应用都比较成熟，但是该技术具有一定的局限性，主要表现在：

(1)对地震资料要求较高，特别是保真度的要求，只有资料品质非常好的地震资料才可能反演出比较可靠的波阻抗数据。

(2)某些情况下波阻抗并不是反映储层或岩性的最佳地层物性，如碎屑岩地层，通常砂岩波阻抗比泥岩波阻抗值较高，但是，当砂岩含气后，其波阻抗往往会降低，甚至与泥岩波阻抗相当，因此，此时仅仅靠波阻抗反演往往很难适应油气勘探开发的需求。

3、褶积模型的误差

基于褶积模型的地震反射是在不考虑流体、压力、温度等的情况下时地震反射近似等于子波与反射系数的褶积

X＝W*R

其中，地震子波通常是地震采集过程中震源产生的脉冲，通常假设是较稳定且已知的；反射系数是地层反射界面上下波阻抗差与波阻抗和的商：

/>

当地层温度、压力、流体性质发生变化时，可能会对地震反射产生一定的变化，因此反射系数的表达式也许应该更复杂一些

r_i＝f(AI，gr，sp，sw，温度，压力，......)等总多物理性质、化学性质的函数。

也许有学者在做这方面深入的研究，但是其数学表达式一定是非常复杂的，可能根本无法进行推广应用。但是随着计算机技术的发展，大数据技术的应用，工程师们可以从统计意义上去找更加有效的解决方案。

因此，提高分辨率高，突破地震分辨率限制，提高地震资料储层预测精度、提高地震资料的使用效率是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于大数据分析技术的测井预测方法，通过建立测井与地震波形的非一一对应关系，对未知属性测井，通过判断其对应的地震波形与已知属性测井的相关性，选取最大相关系数对应的测井，以及其对应位置，获得T_m，获取测井值，并将所述测井值作为未知属性地震波形中T₀处的测井值；本申请一方面克服常规地震反演的缺陷：不仅可以实现波阻抗的模拟，大部分测井曲线都可以实现较好效果的模拟，另一方面，该技术地震反演结果分辨率较高且不受地震分辨率的限制，其模拟结果纵向分辨率与测井一致，横向分辨率与地震资料相同。

为了实现上述目的，本发明采用如下技术方案：

一种基于大数据分析技术的测井预测方法，包括以下步骤：

S1、建立目的层段地震-测井数据库；

S2、将目的层段采样点序号P置零，总采样点数为M，M>0；

S3、计算未知属性地震波形与数据库中波形的相关性；

S4、选取最大相关系数对应的测井值作为当前点预测值；

S5、判断目的层段采样点是否达到总采样点数，若否，则令目的层段采样点序号P＝P+1后返回步骤S3，若是，则进行步骤S6；

S6、输出预测结果。

优选的，所述步骤S1中建立目的层段地震-测井数据库的具体过程为：

S11、设定时窗长度为T₁～T₂，设T₀为时窗中点，所述T₀为目的层段；

S12、选取已知测井T₁～T₂时窗长度内的地震波形，以及T₀点的测井值，建立地震波形与测井的对应关系；

S13、选取已知测井T₁～T₂时窗长度内的地震波形代表T₀点的测井值，构建目的层段地震-测井数据库。

优选的，所述步骤S3中的计算未知属性地震波形与数据库中波形的相关性具体过程为：

将未知属性地震波形中位于T₁～T₂时窗长度内的地震波形与已知测井的(T₁-Δt)～(T₂+Δt)段时窗长度内的地震波形比较，滑动计算相关系数并记录最大相关系数C_max及其对应位置T_m，其中，Δt为允许漂移量，相关系数的计算公式为：

其中，X为已知测井的(T₁-Δt)～(T₂+Δt)段时窗长度内的地震波形，Y为未知属性地震波形中位于T₁～T₂时窗长度内的地震波形，N为T₁～T₂段采样点。

优选的，所述步骤S4还包括：根据最大相关系数所对应的位置T_m，获取测井值，并将所述测井值作为未知属性地震波形中T₀处的测井值。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于大数据分析技术的测井预测方法，通过建立测井与地震波形的非一一对应关系，对未知属性测井，通过判断其对应的地震波形与已知属性测井的相关性，选取最大相关系数对应的测井，以及其对应位置，获得T_m，获取测井值，并将所述测井值作为未知属性地震波形中T₀处的测井值；本申请一方面克服常规地震反演的缺陷：不仅可以实现波阻抗的模拟，大部分测井曲线都可以实现较好效果的模拟，另一方面，该技术地震反演结果分辨率较高且不受地震分辨率的限制，其模拟结果纵向分辨率与测井一致，横向分辨率与地震资料相同。

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，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的流程示意图。

图2附图为本发明提供的波形与测井对应关系示意图。

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。

本发明实施例公开了一种基于大数据分析技术的测井预测方法，包括以下步骤：

S1、建立目的层段地震-测井数据库；

S2、将目的层段采样点序号P置零，总采样点数为M，M>0；

S3、计算未知属性地震波形与数据库中波形的相关性；

S4、选取最大相关系数对应的测井值作为当前点预测值；

S5、判断目的层段采样点是否达到总采样点数，若否，则令目的层段采样点序号P＝P+1后返回步骤S3，若是，则进行步骤S6；

S6、输出预测结果。

为进一步优化上述技术方案，步骤S1中建立目的层段地震-测井数据库的具体过程为：

S11、设定时窗长度为T₁～T₂，设T₀为时窗中点，T₀为目的层段；

S12、选取已知测井T₁～T₂时窗长度内的地震波形，以及T₀点的测井值，建立地震波形与测井的对应关系；

S13、选取已知测井T₁～T₂时窗长度内的地震波形代表T₀点的测井值，构建目的层段地震-测井数据库。

为进一步优化上述技术方案，步骤S3中的计算未知属性地震波形与数据库中波形的相关性具体过程为：

将未知属性地震波形中位于T₁～T₂时窗长度内的地震波形与已知测井的(T₁-Δt)～(T₂+Δt)段时窗长度内的地震波形比较，滑动计算相关系数并记录最大相关系数C_max及其对应位置T_m，其中，Δt为允许漂移量，相关系数的计算公式为：

其中，X为已知测井的(T₁-Δt)～(T₂+Δt)段时窗长度内的地震波形，Y为未知属性地震波形中位于T₁～T₂时窗长度内的地震波形，N为T₁～T₂段采样点。

为进一步优化上述技术方案，步骤S4还包括：根据最大相关系数所对应的位置T_m，获取测井值，并将测井值作为未知属性地震波形中T₀处的测井值。

(1)建立地震与测井的非一一对应数据库，分别选取每一口井一定时窗地震波形，与指定时窗指定位置某位置(中点)的测井值作为一组波形与测井的对应关系(图2)，如图2所示，ABC分别是三口已钻井，井名下左侧为地震波形，右侧为测井曲线，设时窗长度为T₁～T₂，T₀是T₁～T₂的中点，是研究目的层，分别选取ABC三口井T₁～T₂段地震波形代表T₀处测井值，作为大数据分析的样本数据库。

(2)计算未知属性地震波形与所有已知波形的相关性，如图2中所示，D处只有地震波形资料，我们需要预测T₀时刻的测井物性。将D位置T₁～T₂波形分别与A、B、C井(T₁-△t)～(T₂+△t)(其中△t为预先设定的允许漂移量)段波形滑动计算相关系数且记录最大相关系数C_max及其对应位置T_m。设X为(T₁-△t)～(T₂+△t)某段时窗长度与(T₁～T₂)相同已知地震波形，Y为D位置T₁～T₂段地震波形，T₁～T₂段采样点为N，相关系数的计算公式为：

(3)筛选最大相关系数，寻找相关系数最大那口井T_m位置处的测井值为D处T₀预测测井值。

(4)向下滑动时窗，滑动间隔为一采样点，重复(1)-(3)，直到目的层所有地震采样点都实现。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种基于大数据分析技术的测井预测方法，其特征在于，包括以下步骤：

S1、建立目的层段地震-测井数据库；

S2、将目的层段采样点序号P置零，总采样点数为M，M>0；

S3、计算未知属性地震波形与数据库中波形的相关性；

S4、选取最大相关系数对应的测井值作为当前点预测值；

S5、判断目的层段采样点是否达到总采样点数，若否，则令目的层段采样点序号P＝P+1后返回步骤S3，若是，则进行步骤S6；

S6、输出预测结果。

2.根据权利要求1所述的一种基于大数据分析技术的测井预测方法，其特征在于，所述步骤S1中建立目的层段地震-测井数据库的具体过程为：

S11、设定时窗长度为T₁～T₂，设T₀为时窗中点，所述T₀为目的层段；

S12、选取已知测井T₁～T₂时窗长度内的地震波形，以及T₀点的测井值，建立地震波形与测井的对应关系；

S13、选取已知测井T₁～T₂时窗长度内的地震波形代表T₀点的测井值，构建目的层段地震-测井数据库。

3.根据权利要求1所述的一种基于大数据分析技术的测井预测方法，其特征在于，所述步骤S3中的计算未知属性地震波形与数据库中波形的相关性具体过程为：

将未知属性地震波形中位于T₁～T₂时窗长度内的地震波形与已知测井的(T₁-Δt)～(T₂+Δt)段时窗长度内的地震波形比较，滑动计算相关系数并记录最大相关系数C_max及其对应位置T_m，其中，Δt为允许漂移量，相关系数的计算公式为：

其中，X为已知测井的(T₁-Δt)～(T₂+Δt)段时窗长度内的地震波形，Y为未知属性地震波形中位于T₁～T₂时窗长度内的地震波形，N为T₁～T₂段采样点。

4.根据权利要求3所述的一种基于大数据分析技术的测井预测方法，其特征在于，所述步骤S4还包括：根据最大相关系数所对应的位置T_m，获取测井值，并将所述测井值作为未知属性地震波形中T₀处的测井值。

Images