CN111983683A - 一种少井条件下盐下湖相灰岩储层预测方法和系统 - Google Patents

Abstract

本发明涉及一种少井条件下盐下湖相灰岩储层预测方法和系统，包括：获取叠后地震数据结合钻井信息进行时深标定，将盐下湖相灰岩储层分为等时界面和次级等时界面，利用其构建地层层位框架；计算地震属性，基于地震属性和层序界面体进行盐下湖相灰岩储层沉积相的相带划分，并在不同的相带上设置若干虚拟井点；提取虚拟井点的纵波速度，利用BP神经网络的建立纵波速度到横波速度和密度参数的非线性映射关系，并据此计算横波速度和密度参数，结合地层层位框架生成模型数据体，对模型数据体进行低通滤波以获得低频模型；将该模型进行反演，获得灰岩储层结构。其避免了人为解释层序界面造成的多解性，建立的低频模型更符合湖相灰岩的地质特征，反演结果可靠性更高。

Description

一种少井条件下盐下湖相灰岩储层预测方法和系统

技术领域

本发明是关于一种少井条件下盐下湖相灰岩储层预测方法和系统，属于地质勘探技术领域。

背景技术

南大西洋两岸被动大陆边缘含盐盆地油气资源丰富，盐下湖相灰岩层系勘探潜力大。由于盐下湖相灰岩沉积相带变化快，与火成岩交互发育，岩性复杂且空间非均质性强，需要开展储层预测对湖相灰岩储层进行识别。

目前，多利用地震反演技术对地下储层进行识别预测。地震反演是基于地震反演理论，以已知地质规律和钻井、测井资料为约束，对地下岩层弹性参数进行求解，在岩石物理统计分析的指导下，利用反演的弹性参数进行储层识别预测。在实际地震反演应用中，由于地震资料10赫兹以下频段信息的缺失，需要建立低频模型对反演结果进行低频补偿，以及在反演过程中，以低频模型作为初始参数参与迭代寻优。因此，低频模型直接影响最终反演的弹性参数，从而影响储层预测效果。

现有的地震反演的低频模型构建方法是在表征主要地质构造运动的等时层位约束下，对测井数据进行数学插值。针对盐下湖相灰岩储层，低频模型构建方法的可靠性较低，存在两方面原因：一、湖相灰岩的空间展布呈“块状”分布，具有极强的空间非均质性，与常规碎屑岩的“层状”地层存在较大差异，实际生产中常用的表征大型构造运动的等时界面无法实现灰岩的“块状”特征表征，低频模型构建所必需的地质框架难以约束地质体的空间展布；二、在勘探阶段的钻井数量非常少，常规“层控井插值”的低频模型计算方法缺少井的控制，业内常用的解决方法是利用速度模型和岩石物理统计规律转换弹性参数的低频模型，但是高陡变形的膏盐层造成盐下地震波场复杂，盐下速度模型精度较低，从而影响低频模型对盐下地质体的表征。因此，常规低频模型构建方法并不适用于针对盐下湖相灰岩储层的地震反演。

发明内容

针对上述现有技术的不足，本发明的目的是提供了一种少井条件下盐下湖相灰岩储层预测方法和系统，其通过基于地震数据驱动的层序界面体确定了灰岩储层段的次级等时界面，避免了人为解释储层内部层序界面造成的多解性，利用层位框架与沉积相带约束实现了湖相灰岩“块状”非均质性的空间表征，建立的低频模型更符合湖相灰岩的地质特征，反演结果更加可靠。

为实现上述目的，本发明提供了一种少井条件下盐下湖相灰岩储层预测方法，包括以下步骤：S1获取叠后地震数据并结合钻井信息进行时深标定，将盐下湖相灰岩储层分为等时界面和次级等时界面，利用等时界面和次级等时界面构建地层层位框架；S2通过叠后地震数据计算地震属性，基于地震属性和层序界面体进行盐下湖相灰岩储层沉积相的相带划分，并在不同的相带上设置若干虚拟井点；S3提取虚拟井点的纵波速度曲线，利用BP神经网络算法建立纵波速度到横波速度和密度参数的非线性映射关系，根据非线性映射关系计算虚拟井的横波速度和密度参数，并结合地层层位框架生成模型数据体，对模型数据体进行低通滤波以获得低频模型；S4将低频模型进行反演，获得盐下湖相灰岩储层的反演结果。

进一步，步骤S1的具体步骤是：S1.1获取叠后地震数据、测井曲线以及测井解释结果，并进行时深标定，获得地震响应特征；S1.2根据地震响应特征获得等时界面；S1.3对叠后地震数据进行盐下地震的能量均衡处理和构造倾角导向的滤波处理；并以等时界面为约束条件，对经过处理的地震数据进行矢量方位角扫描，计算灰岩层段的层序界面体，获得次级等时界面；S1.4利用等时界面和次级等时界面构建地层层位框架。

进一步，等时界面包括：盐岩底面、坳陷期底面以及基底。

进一步，步骤S2的具体步骤是：S2.1计算步骤S1.4中经过处理的叠后地震数据的地震属性；S2.2利用时深标定的结果对地震尺度能够识别的沉积体进行分类；S2.3依据地震相、地震属性，确定不同类型沉积体的特征，并依据特征进行平面沉积相带的划分；S2.4依据层序界面体对平面沉积相带的划分结果进行细化，并在各平面沉积相带中设置若干虚拟井点。

进一步，步骤S2.1中地震属性包括：叠后地震数据的均方根振幅、最大正曲率和相干体。

进一步，步骤S2.2中，对于沉积体进行分类，其中巴西桑托斯盆地能够分为贝壳滩、贝壳滩间/滩缘、微生物礁核、微生物礁间/礁缘和湖相五种类型。

进一步，步骤S2.4中的对平面沉积相带的划分结果进行细化的过程包括：在平面沉积相带的典型层序界面进行搜索，寻找呈现丘状—滩状外形或多期次侧积叠置的范围，该范围为贝壳滩—微生物礁核；寻找呈现板状外形，平行-亚平行叠置的范围，范围为贝壳滩间/滩缘—微生物礁间/礁缘。

进一步，步骤S2.4中的虚拟井点遵循虚拟井能够控制贝壳滩、贝壳滩间/滩缘、微生物礁核、微生物礁间/礁缘和湖相的原则。

进一步，步骤S3的具体步骤是：S3.1获取地震全波形反演的速度数据体，基于速度数据体提取虚拟井点的纵波速度；S3.2利用BP神经网络算法对纵波速度与横波速度、密度参数之间的非线性映射关系进行学习，将虚拟井点的纵波速度参数带入非线性映射关系，得到虚拟井点对应的横波速度、密度参数；S3.3依据地层层位框架，利用全局克里金插值算法实现虚拟井点和已钻井参数数据的插值，生成相应参数的模型数据体；S3.4对模型数据体进行0-10Hz低通频带滤波，构建参与反演的纵波速度、横波速度和密度的低频模型。

本发明还公开了一种少井条件下盐下湖相灰岩储层预测系统，包括：框架建立模块，用于获取叠后地震数据并结合钻井信息进行时深标定，将盐下湖相灰岩储层分为等时界面和次级等时界面，利用等时界面和次级等时界面构建地层层位框架；井点设置模块，用于通过叠后地震数据体计算地震属性，基于地震属性和层序界面体进行盐下湖相灰岩储层沉积相的相带划分，并在不同的相带上设置若干虚拟井点；模型建立模块，用于提取虚拟井点的纵波速度曲线，利用BP神经网络的建立纵波速度到横波速度和密度参数的非线性映射关系，并根据非线性映射关系计算横波速度和密度参数，并依据地层层位框架生成模型数据体，对模型数据体进行低通滤波以获得低频模型；输出模块，用于低频模型进行地震反演，获得盐下湖相灰岩储层的反演结果。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明通过基于地震数据驱动的层序界面体确定了灰岩储层段的次级等时界面，避免了人为解释储层内部层序界面造成的多解性，利用层位约束实现了湖相灰岩“块状”非均质性的空间表征，建立的地层层位框架更符合湖相灰岩的地质特征；

2、本发明通过地震属性和层序界面体的双层驱动策略实现了研究区盐下沉积相带的划分，降低了单一地震属性驱动方法的不确定性，制定的虚拟井点能更准确的代表地下沉积体的类型，从而有利于虚拟井点的速度赋值；

3、本发明引入地震全波形反演的速度体参与虚拟井的地层纵波速度赋值，类比已钻井速度进行调整，通过BP神经网络的算法实现了纵波速度与横波速度、密度参数的非线性映射计算，有效的避免了速度反演不准以及单一岩石物理经验公式造成的不同沉积相带普适性较差的问题，提高了纵波速度、横波速度和密度的低频模型的可靠性。

附图说明

图1是本发明一实施例中少井条件下盐下湖相灰岩储层预测方法的流程图；

图2是本发明一实施例中建立地层层位框架的流程图；

图3是本发明一实施例中虚拟井点的流程图；

图4是本发明一实施例中获得虚拟模型过程的流程图。

具体实施方式

为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。

实施例一

本实施例公开了一种少井条件下盐下湖相灰岩储层预测方法，如图1所示，包括以下步骤：

S1获取叠后地震数据并结合钻井信息进行时深标定，通过两级递进的解释策略，将盐下湖相灰岩储层分为等时界面和次级等时界面，先解释表征盐下主要构造演化阶段的等时界面，再基于层序界面体提取坳陷期内部层序界面作为次级等时界面，利用等时界面和次级等时界面构建地层层位框架。

步骤S1的具体实现方法如图2所示，为：

S1.1获取叠后地震数据、测井曲线以及测井解释结果，并进行时深标定，获得地震响应特征，其中，时深标定包括加载钻井的时深关系，提取坳陷期目的层段的统计地震子波，将各地震子波合成地震记录，计算获得的地震记录与井旁地震道的相关度，若相关度较低，则调整时深关系，重新提取地震子波，直至坳陷期目的层段的地震记录与井旁地震道的相关度达到80％以上。

S1.2根据地震响应特征获得等时界面；等时界面包括：盐岩底面、坳陷期底面以及基底。

S1.3对叠后地震数据进行盐下地震的能量均衡处理和构造倾角导向的滤波处理；并以等时界面为约束条件，对经过处理的地震数据进行矢量方位角扫描，计算灰岩层段的层序界面体，从该层序界面体中选取典型的灰岩沉积的层序界面，作为灰岩层段的次级等时界面，实现灰岩内部多期次侧积的特征表征。其中，对盐下叠后地震数据开展地震能量均衡处理，通过能量补偿降低复杂变形盐岩层段造成的盐下地震能量横向不均衡的现象；对经过能量均衡处理的地震数据进行构造倾角导向的滤波处理，在保持地震同相轴倾角及不连续性的基础上，消除随机噪音，提高地震资料的信噪比。本实施例中典型的灰岩沉积的层序界面为能够较好的反映灰岩沉积体发育的主要期次以及接触关系，以实现礁-滩体空间非均质性表征。

S1.4利用等时界面和次级等时界面构建地层层位框架。

本实施例在空间上聚焦盐下坳陷期地层，利用地震数据驱动计算层序界面体，降低了人工解释层序界面的多解性，通过不同期次灰岩发育层序界面的解释，明确了第二级灰岩层段的框架充填。利用两级层序界面实现了礁-滩沉积体的非均质性表征，为低频模型的构建提供了空间层位约束。

S2通过叠后地震数据计算地震响应强度、几何形态以及连续性特征等地震属性，基于地震属性和地层层位框架进行盐下湖相灰岩储层沉积相的相带划分，并在不同的相带上设置若干虚拟井点。

步骤S2的具体实现方法如图3所示，为：

S2.1计算步骤S1.4中经过处理的叠后地震数据的地震属性，其中，地震属性包括：叠后地震数据的均方根振幅、最大正曲率和相干体，利用该地震属性实现地层的地震响应强度、几何形态以及地层连续性等特征的表征。

S2.2利用时深标定的结果对地震尺度能够识别的沉积体进行分类；例如巴西桑托斯盆地能够分为贝壳滩、贝壳滩间/滩缘、微生物礁核、微生物礁间/礁缘、湖相五种类型。

S2.3开展地震属性驱动的沉积相带划分，依据地震响应特征、地震属性特征，明确不同沉积体的外形、能量、地层结构等特征，并依据上述特征进行平面沉积相带的划分。

S2.3.1井震结合将沉积岩相按岩性和地震响应特征地震属性特征分类，按照可以识别沉积体进行分类；

S2.3.2通过地震属性所表征地质体的能量强度、空间结构、连续性等建立相应的地震相模式图；

S2.3.3基于地震相模式图，对研究区域进行平面沉积相相带的划分。

S2.4开展层序界面体驱动的沉积带细化划分，并在各平面沉积相带中设置若干虚拟井点。具体包括：在平面沉积相带的典型层序界面进行搜索，寻找呈现丘状—滩状外形、多期次侧积叠置的范围，范围为贝壳滩—微生物礁核；寻找呈现板状外形，平行-亚平行叠置的范围，范围为贝壳滩间/滩缘—微生物礁间/礁缘。在本实施例中“/”均应理解为或的意思，如贝壳滩间/滩缘应理解为贝壳滩间或贝壳滩缘。以此完善平面沉积相带。具体步骤为加载经过平滑处理的层序界面体，以二维剖面形式浏览该层序界面体，将层序界面体与平面沉积相带进行比较，重点细化贝壳滩与贝壳滩间/滩缘、微生物礁核与微生物礁间/礁缘。基于比较结果，调整完善平面沉积相带。

需要说明的是，平面沉积相带通常以地震属性为依据进行划分。在盐下湖相灰岩沉积体的相带划分中，灰岩上覆巨厚变形的复杂盐岩影响了盐下地震品质，例如盐下地震横向能量不均衡，高陡盐岩侧翼造成的地震同相轴上拉等问题，单一的地震属性无法准确的表征沉积相带的差异，仅依靠地震属性进行沉积相带的划分存在不确定性。而不同相带灰岩的层序界面则存在较大差异，如礁滩体的多期次侧积叠置特征、礁间滩间的平行-亚平行叠置特征，这些层序特征可以辅助沉积相带的划分，进一步降低利用地震属性的不确定性。所以利用层序界面体进行第二层沉积相带划分是必要的。

在研究目标平面范围内，在少井位置处建立虚拟井点。虚拟井点遵循虚拟井能够控制贝壳滩、贝壳滩间/滩缘、微生物礁核、微生物礁间/礁缘、湖相的原则。虚拟井的具体数量要以研究目标的面积以及复杂程度进行合理选择，在本发明中不做特别限定。

在本实施例中，以两层驱动策略完成沉积相带的划分。第一层驱动是进行地震多属性计算，实现盐下地层地震响应特征、几何形态以及连续性的表征，结合钻井揭示的岩相进行地震属性驱动下的沉积相带划分；以步骤S1计算的层序界面体为第二层驱动进一步细化完善灰岩沉积相带。在明确沉积相带的基础上，在不同相带制定虚拟井点。

S3基于全波形地震反演速度体提取虚拟井点的纵波速度曲线，利用BP神经网络算法建立纵波速度到横波速度和密度参数的非线性映射关系，根据非线性映射关系计算虚拟井的横波速度和密度参数，并依据地层层位框架生成模型数据体，对模型数据体进行低通滤波以获得低频模型。

步骤S3的具体实现方法如图4所示，为：

S3.1获取地震全波形反演的速度数据体，基于速度数据体提取虚拟井点的纵波速度。基于虚拟井点的纵波速度，以已钻井揭示沉积相带的地层速度为标准，完善对应沉积相带的速度，其具体过程包括：提取虚拟井的地震全波形反演速度，以此作为虚拟井点的初始纵波速度；统计已钻井揭示的不同沉积相带的纵波速度，人工修正的初始纵波速度异常值。依据速度频带宽度对已钻井揭示的纵波速度、横波速度和密度参数进行滤波处理，包括：聚焦盐下目的层段，对全波形地震反演的速度进行频谱分析，明确全波地震反演速度的频宽；依据该频宽设计带通滤波器，对已钻井的纵波速度、横波速度和密度参数进行带通滤波。

S3.2利用BP神经网络算法对纵波速度与横波速度、密度参数之间的非线性映射关系进行学习，将虚拟井点的纵波速度参数带入非线性映射关系，得到虚拟井点对应的横波速度、密度参数。

S3.3依据地层层位框架，利用全局克里金插值算法实现虚拟井点和已钻井参数数据的插值，生成相应参数的模型数据体；

S3.4对模型数据体进行0-10Hz低通频带滤波，构建参与反演的纵波速度、横波速度和密度的低频模型。

S4将低频模型进行反演，获得盐下湖相灰岩储层的反演结果。

在本实施例中，以全波形地震反演的速度体为基础，提取虚拟井点位置处的一维深度域纵波速度曲线，考虑到盐岩造成的速度反演不确定性，参考已钻井揭示不同沉积相带的纵波速度，对虚拟井的初始速度进行人工修正。以全波形地震反演速度频宽为标准，对已钻井的纵波速度、横波速度和密度测井数据进行滤波处理，基于BP神经网络算法对已钻井的纵波速度与横波速度、密度参数之间的映射关系进行学习，将非线性映射关系应用到虚拟井的纵波速度，得到虚拟井的横波速度和密度参数。在地层层位框架约束下，对虚拟井的弹性参数进行插值计算，得到相应参数的模型数据，对模型数据进行0-10Hz低通滤波得到最终的低频模型数据，为地震反演提供数据保障。

实施例二

基于相同的发明构思，本实施例公开了一种少井条件下盐下湖相灰岩储层预测系统，包括：

框架建立模块，用于获取叠后地震数据并结合钻井信息进行时深标定，将盐下湖相灰岩储层分为等时界面和次级等时界面，利用等时界面和次级等时界面构建地层层位框架；

井点设置模块，用于通过叠后地震数据体计算地震属性，基于地震属性和层序界面体进行盐下湖相灰岩储层沉积相的相带划分，并在不同的相带上设置若干虚拟井点；

模型建立模块，用于提取虚拟井点的纵波速度曲线，利用BP神经网络算法建立纵波速度到横波速度和密度参数的非线性映射关系，并根据非线性映射关系计算横波速度和密度参数，并依据地层层位框架生成模型数据体，对模型数据体进行低通滤波以获得低频模型；

输出模块，用于将低频模型进行反演，获得盐下湖相灰岩储层的反演结果。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围。

Claims (10)

1.一种少井条件下盐下湖相灰岩储层预测方法，其特征在于，包括以下步骤：

S1获取叠后地震数据并结合钻井信息进行时深标定，将盐下湖相灰岩储层分为等时界面和次级等时界面，利用所述等时界面和次级等时界面构建地层层位框架；

S2通过所述叠后地震数据计算地震属性，基于所述地震属性和层序界面体进行所述盐下湖相灰岩储层沉积相的相带划分，并在不同的所述相带上设置若干虚拟井点；

S3提取所述虚拟井点的纵波速度曲线，利用BP神经网络算法建立所述纵波速度到横波速度和密度参数的非线性映射关系，根据所述非线性映射关系计算所述虚拟井的横波速度和密度参数，并结合地层层位框架生成模型数据体，对所述模型数据体进行低通滤波以获得低频模型；

S4将所述低频模型进行反演，获得盐下湖相灰岩储层的反演结果。

2.如权利要求1所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S1的具体步骤是：

S1.1获取叠后地震数据、测井曲线以及测井解释结果，并进行时深标定，获得地震响应特征；

S1.2根据地震响应特征获得等时界面；

S1.3对所述叠后地震数据进行盐下地震的能量均衡处理和构造倾角导向的滤波处理；并以所述等时界面为约束条件，对经过处理的地震数据进行矢量方位角扫描，计算灰岩层段的层序界面体，获得次级等时界面；

S1.4利用所述等时界面和次级等时界面构建地层层位框架。

3.如权利要求2所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述等时界面包括：盐岩底面、坳陷期底面以及基底。

4.如权利要求2所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S2的具体步骤是：

S2.1计算所述步骤S1.4中经过处理的叠后地震数据的地震属性；

S2.2利用所述时深标定的结果对地震尺度能够识别的沉积体进行分类；

S2.3依据地震相、所述地震属性，确定不同类型沉积体的特征，并依据所述特征进行平面沉积相带的划分；

S2.4依据所述层序界面体对所述平面沉积相带的划分结果进行细化，并在各所述平面沉积相带中设置若干虚拟井点。

5.如权利要求4所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S2.1中地震属性包括：叠后地震数据的均方根振幅、最大正曲率和相干体。

6.如权利要求5所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S2.2中，对于沉积体进行分类，其中巴西桑托斯盆地能够分为贝壳滩、贝壳滩间/滩缘、微生物礁核、微生物礁间/礁缘和湖相五种类型。

7.如权利要求6所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S2.4中的对所述平面沉积相带的划分结果进行细化的过程包括：在所述平面沉积相带的典型层序界面进行搜索，寻找呈现丘状—滩状外形或多期次侧积叠置的范围，所述范围为贝壳滩—微生物礁核；寻找呈现板状外形，平行-亚平行叠置的范围，所述范围为贝壳滩间/滩缘—微生物礁间/礁缘。

8.如权利要求7所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S2.4中的虚拟井点遵循虚拟井能够控制贝壳滩、贝壳滩间/滩缘、微生物礁核、微生物礁间/礁缘和湖相的原则。

9.如权利要求8所述的少井条件下盐下湖相灰岩储层预测方法，其特征在于，所述步骤S3的具体步骤是：

S3.1获取地震全波形反演的速度数据体，基于所述速度数据体提取所述虚拟井点的纵波速度；

S3.2利用BP神经网络算法对纵波速度与横波速度、密度参数之间的非线性映射关系进行学习，将所述虚拟井点的纵波速度参数带入所述非线性映射关系，得到虚拟井点对应的横波速度、密度参数；

S3.3依据所述地层层位框架，利用全局克里金插值算法实现虚拟井点和已钻井参数数据的插值，生成相应参数的模型数据体；

S3.4对所述模型数据体进行0-10Hz低通频带滤波，构建参与反演的纵波速度、横波速度和密度的低频模型。

10.一种少井条件下盐下湖相灰岩储层预测系统，其特征在于，包括：

框架建立模块，用于获取叠后地震数据并结合钻井信息进行时深标定，将盐下湖相灰岩储层分为等时界面和次级等时界面，利用所述等时界面和次级等时界面构建地层层位框架；

井点设置模块，用于通过所述叠后地震数据体计算地震属性，基于所述地震属性和层序界面体进行所述盐下湖相灰岩储层沉积相的相带划分，并在不同的所述相带上设置若干虚拟井点；

模型建立模块，用于提取所述虚拟井点的纵波速度曲线，利用BP神经网络算法建立所述纵波速度到横波速度和密度参数的非线性映射关系，并根据所述非线性映射关系计算横波速度和密度参数，并依据地层层位框架生成模型数据体，对所述模型数据体进行低通滤波以获得低频模型；

输出模块，用于将所述低频模型进行反演，获得盐下湖相灰岩储层的反演结果。

Images