CN111983689B - 一种近源电磁震电联合gr反演方法 - Google Patents
一种近源电磁震电联合gr反演方法 Download PDFInfo
- Publication number
- CN111983689B CN111983689B CN202010880160.5A CN202010880160A CN111983689B CN 111983689 B CN111983689 B CN 111983689B CN 202010880160 A CN202010880160 A CN 202010880160A CN 111983689 B CN111983689 B CN 111983689B
- Authority
- CN
- China
- Prior art keywords
- data
- logging
- resistivity
- seismic
- drilling
- 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
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
- G01V1/40—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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及一种近源电磁震电联合GR反演方法,该方法包括以下步骤:利用近源瞬变电磁法获取目标区的电性数据;采集目标区的钻、测井数据和地震数据;所述钻、测井数据包括测井电阻率L和自然伽马测井曲线GR,所述地震数据包括地震波阻抗;对所述电性数据、地震数据和钻、测井数据进行处理以获取震电联合电阻率;运用神经网络算法非线性拟合所述测井电阻率L和自然伽马测井曲线GR以得出第一关系;根据所述第一关系,运用震电联合电阻率和地震波阻抗进行大数据联合GR反演,得到目标区高分辨率GR剖面。
Description
技术领域
本申请涉及地球物理勘察技术领域,具体为一种近源电磁震电联合GR反演方法。
背景技术
页岩气是指赋存于以富有机质页岩为主的储集岩系中的非常规天然气,是连续生成的生物化学成因气、热成因气或二者的混合,可以游离态存在于天然裂缝和孔隙中,以吸附态存在于干酪根、黏土颗粒表面,还有极少量以溶解状态储存于干酪根和沥青质中。页岩气蕴藏于页岩层中,其形成和富集有着自身独特的特点,往往分布在盆地内厚度较大、分布广的页岩烃源岩地层中。
目前,中国页岩气勘探开发整体处在起步阶段,勘探开发程度、研究认识程度都很低,正确评价其资源潜力的难度极大。目前,参考国外有关标准,初步建立了中国海相页岩气资源评价指标,然而指标的系统性、全面性不够。
常规储层识别方法只能在井点利用GR识别页岩储层的参数,无法为页岩气勘探开发提供更多有效的参数和技术依据。
申请内容(一)解决的技术问题
为解决以上问题,本申请提供了一种近源电磁震电联合GR反演方法。
(二)技术方案
为实现上述目的,本申请提供如下技术方案:一种近源电磁震电联合GR反演方法,包括以下步骤:
S1,利用近源瞬变电磁法获取目标区的电性数据;
S2,采集目标区的钻、测井数据和地震数据;所述钻、测井数据包括测井电阻率L和自然伽马测井曲线GR,所述地震数据包括地震波阻抗;
S3,对所述电性数据、地震数据和钻、测井数据进行处理以获取震电联合电阻率;
S4,运用神经网络算法非线性拟合所述测井电阻率L和自然伽马测井曲线GR以得出第一关系;
S5,根据所述第一关系,运用震电联合电阻率和地震波阻抗进行大数据联合GR反演,得到目标区高分辨率GR剖面。
优选地,所述电性数据包括目标区内目的层深度;所述钻、井数据还包括钻井地质分层、测井声波时差;所述地震数据还包括地震解释层位。
优选地,所述步骤S3包括:
S30,对所述电性数据进行处理得出视电阻率;
S31,对所述视电阻率和钻、测井数据进行井电标定建立电阻率模型;
S32,对所述钻、测井数据和地震数据进行井震标定得到深度域地震剖面;
S33,对所述电阻率模型和所述深度域地震剖面依次进行时深转换、震电标定得到震电联合电阻率。
优选地,所述电阻率模型包括1D电阻率模型和2D电阻率模型。
(三)有益效果
与现有技术相比,本申请的有益效果是:该近源电磁震电联合GR反演方法突破了以往钻测井、地震和电磁法各领域独立研究的局限,将高精度近源电磁法获取的电阻率参数与钻、测井和地震数据垮领域联合研究,使得原先只能在井点利用自然伽马测井曲线GR识别页岩储层的参数,推广在井点以外的勘探开发区,使页岩储层识别多了一种可以相对定量分析的实际参数,摆脱了井点页岩储层识别的“一孔之见”;反演的自然伽马曲线GR包含了客观的地质信息,能真实有效反映砂泥岩储层岩性差异;利用高分辨率自然伽马测井曲线GR剖面能精细识别砂体,分辨厚度20米以上泥页岩储层;为页岩气勘探开发提供了技术依据。
附图说明
附图用来提供对本申请的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请,并不构成对本申请的限制,在附图中:
图1示出了本申请的实施例该方法的整体逻辑示意图;
图2示出了本申请的实施例该方法的流程图一;
图3示出了本申请的实施例该方法的流程图二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
参阅附图1-附图3,本申请实施例公开一种近源电磁震电联合GR反演方法,该近源电磁震电联合GR反演方法,包括以下步骤:
S1,利用近源瞬变电磁法获取目标区的电性数据;
S2,采集目标区的钻、测井数据和地震数据;钻、测井数据包括钻井地质分层、测井声波时差、测井电阻率L和自然伽马测井曲线GR,地震数据包括地震解释层位、地震波阻抗,并以钻、测井数据和地震数据作为联合反演的先验信息,进而降低联合反演的不确定性,提高反演过程中的稳定性;
S3,对电性数据、地震数据和钻、测井数据进行处理以获取震电联合电阻率;
S4,运用神经网络算法非线性拟合测井电阻率L和自然伽马测井曲线GR以得出第一关系;
S5,根据第一关系,运用震电联合电阻率和地震波阻抗进行大数据联合GR反演,得到目标区高分辨率GR剖面。
该方法突破了以往钻测井、地震和电磁法各领域独立研究的局限,将高精度近源电磁法获取的电阻率参数与钻、测井和地震数据垮领域联合研究,使得原先只能在井点利用自然伽马测井曲线GR识别页岩储层的参数,推广在井点以外的勘探开发区,使页岩储层识别多了一种可以相对定量分析的实际参数,摆脱了井点页岩储层识别的“一孔之见”;反演的自然伽马曲线GR包含了客观的地质信息,能真实有效反映砂泥岩储层岩性差异;利用高分辨率自然伽马测井曲线GR剖面能精细识别砂体,分辨厚度20米以上泥页岩储层;为页岩气勘探开发提供了技术依据。
还需要说明的是,该近源瞬变电磁法在本实施例中为接地长导线源近源瞬变电磁法,以此来获取目标区大埋深(埋深小于7000米)高精度电性数据,该电性数据包括目标区内目的层深度,且该目的层深度的分辨率应当满足能与井旁道电阻率进行标志层对比的要求。
参阅附图3,步骤S3包括:
S30,对电性数据进行处理得出视电阻率;
S31,对视电阻率和钻、测井数据进行井电标定建立电阻率模型,该电阻率模型包括1D电阻率模型和2D电阻率模型,具体的,1D电阻率模型是对视电阻率进行相应极化模式的一维连续介质反演的结果,然后基于1D电阻率模型对视电阻率进行二维连续介质反演成像即2D电阻率模型;
S32,对钻、测井数据和地震数据进行井震标定得到深度域地震剖面;
S33,对电阻率模型和深度域地震剖面依次进行时深转换、震电标定得到震电联合电阻率。
具体的,在2D电阻率模型中加入从深度域地震破面得到的页岩气储层界面相关信息,对反演剖面进行微调,使得拟合误差达到最小;在依次进行时深转换和震电标定过程中还会对深度域地震剖面进行深转换以得出时间域地震破阻抗,最终将震电联合电阻率、第一关系和时间域地震波阻抗进行大数据震电联合GR进行数据反演,得出目标区的高分辨GR剖面。以为页岩气储层识别提供技术依据。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
尽管已经示出和描述了本申请的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由所附权利要求及其等同物限定。
Claims (1)
1.一种近源电磁震电联合GR反演方法,其特征在于,包括以下步骤:S1,利用近源瞬变电磁法获取目标区的电性数据;S2,采集目标区的钻、测井数据和地震数据;所述钻、测井数据包括测井电阻率L和自然伽马测井曲线GR,所述地震数据包括地震波阻抗;S3,对所述电性数据、地震数据和钻、测井数据进行处理以获取震电联合电阻率;S4,运用神经网络算法非线性拟合所述测井电阻率L和自然伽马测井曲线GR以得出第一关系;S5,根据所述第一关系,运用震电联合电阻率和地震波阻抗进行大数据联合GR反演,得到目标区高分辨率GR剖面;所述电性数据包括目标区内目的层深度;所述钻、测井数据还包括钻井地质分层、测井声波时差;所述地震数据还包括地震解释层位;所述步骤S3包括:S30,对所述电性数据进行处理得出视电阻率;S31,对所述视电阻率和钻、测井数据进行井电标定建立电阻率模型;S32,对所述钻、测井数据和地震数据进行井震标定得到深度域地震剖面;S33,对所述电阻率模型和所述深度域地震剖面依次进行时深转换、震电标定得到震电联合电阻率;所述电阻率模型包括1D电阻率模型和2D电阻率模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880160.5A CN111983689B (zh) | 2020-08-27 | 2020-08-27 | 一种近源电磁震电联合gr反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880160.5A CN111983689B (zh) | 2020-08-27 | 2020-08-27 | 一种近源电磁震电联合gr反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111983689A CN111983689A (zh) | 2020-11-24 |
CN111983689B true CN111983689B (zh) | 2023-06-02 |
Family
ID=73439959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010880160.5A Active CN111983689B (zh) | 2020-08-27 | 2020-08-27 | 一种近源电磁震电联合gr反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111983689B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257926A (zh) * | 2018-12-03 | 2020-06-09 | 核工业二0八大队 | 一种利用老旧地震资料进行古河谷铀储层预测的方法 |
AU2021105676A4 (en) * | 2021-08-17 | 2021-10-14 | Qinghai Fourth Geological Exploration Institute | Near-source electromagnetic seismoelectric combined GR inversion method |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8064287B2 (en) * | 2006-12-28 | 2011-11-22 | Rock Solid Images, Inc. | Method for interpreting seismic data and controlled source electromagnetic data to estimate subsurface reservoir properties |
US8729903B2 (en) * | 2009-11-09 | 2014-05-20 | Exxonmobil Upstream Research Company | Method for remote identification and characterization of hydrocarbon source rocks using seismic and electromagnetic geophysical data |
CN104375195B (zh) * | 2013-08-15 | 2017-03-15 | 中国石油天然气集团公司 | 时频电磁的多源多分量三维联合反演方法 |
CN104375166B (zh) * | 2014-11-12 | 2017-02-22 | 中国石油天然气集团公司 | 确定地震勘探激发深度的方法 |
CN104793247B (zh) * | 2015-03-12 | 2017-10-17 | 中国石油天然气集团公司 | 近地表速度建模方法及建模装置 |
CN107305257A (zh) * | 2016-04-21 | 2017-10-31 | 新疆维吾尔自治区煤炭科学研究所 | 高密度电阻率法与瞬变电磁法联合反演技术 |
CN108227006A (zh) * | 2017-01-24 | 2018-06-29 | 中国石油化工股份有限公司 | 应用于煤层气开发过程中的时移可控源音频大地电磁检测方法 |
CN107817535B (zh) * | 2017-09-27 | 2019-07-09 | 中国石油天然气股份有限公司 | 薄夹层的确定方法和装置 |
-
2020
- 2020-08-27 CN CN202010880160.5A patent/CN111983689B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257926A (zh) * | 2018-12-03 | 2020-06-09 | 核工业二0八大队 | 一种利用老旧地震资料进行古河谷铀储层预测的方法 |
AU2021105676A4 (en) * | 2021-08-17 | 2021-10-14 | Qinghai Fourth Geological Exploration Institute | Near-source electromagnetic seismoelectric combined GR inversion method |
Also Published As
Publication number | Publication date |
---|---|
CN111983689A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang | Seismic anisotropy in sedimentary rocks, part 2: Laboratory data | |
US9134457B2 (en) | Multiscale digital rock modeling for reservoir simulation | |
CN104516018B (zh) | 一种地球物理勘探中岩性约束下的孔隙度反演方法 | |
CN105116449B (zh) | 一种弱反射储层的识别方法 | |
AU2021105676A4 (en) | Near-source electromagnetic seismoelectric combined GR inversion method | |
CN110824563A (zh) | 一种基于Xgboost算法的储层岩性预测方法 | |
Bauer et al. | Lithological control on gas hydrate saturation as revealed by signal classification of NMR logging data | |
Grana et al. | Petroelastic and geomechanical classification of lithologic facies in the Marcellus Shale | |
Caspari et al. | Characteristics of a fracture network surrounding a hydrothermally altered shear zone from geophysical borehole logs | |
Zeng et al. | Source rock evaluation within a sequence stratigraphic framework of the Palaeogene Liushagang Formation in the Fushan Depression, South China Sea | |
Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
CN112505754A (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
CN111983689B (zh) | 一种近源电磁震电联合gr反演方法 | |
Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China | |
Hurley et al. | Multiscale workflow for reservoir simulation | |
Li et al. | Heterogeneous reservoir prediction of ultra-deep strike-slip fault-damaged zone constrained with local seismic anomaly data | |
Zhao et al. | Evaluation method for low-to ultralow-permeability reservoirs based on pore-throat structure: A case study in the eastern Nanpu Sag, Bohai Bay Basin, China | |
CN112505764B (zh) | 一种高孔隙含烃砂岩储层预测方法与装置 | |
Shi et al. | Identification and distribution of fractures in the Zhangjiatan shale of the Mesozoic Yanchang Formation in Ordos Basin | |
Slatt et al. | Geological heterogeneities: Part 6. Geological methods | |
Xu-Ri et al. | Development and application of iterative facies-constrained seismic inversion | |
Yu | Facies‐Controlled Modeling for Permeability of Tight Gas Reservoir Based on Hydrodynamic and Geophysics Characteristics | |
Stephens et al. | Detailed Sector Model to Reconcile Surveillance Results and High Permeability, Geologic, Features; Example from Kashagan Field, Kazakhstan | |
CN112147696B (zh) | 基于储集性能指数的页岩储集性能地震评价方法及系统 | |
Asgari Nezhad et al. | Facies Quality Zoning in Shale Gas by Deep Learning Method |
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 |