CN112114357A - 缝洞型储层连通性预测方法及装置 - Google Patents
缝洞型储层连通性预测方法及装置 Download PDFInfo
- Publication number
- CN112114357A CN112114357A CN201910531671.3A CN201910531671A CN112114357A CN 112114357 A CN112114357 A CN 112114357A CN 201910531671 A CN201910531671 A CN 201910531671A CN 112114357 A CN112114357 A CN 112114357A
- Authority
- CN
- China
- Prior art keywords
- fracture
- reservoir
- cavity
- data
- connectivity
- 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 89
- 206010017076 Fracture Diseases 0.000 claims abstract description 495
- 208000010392 Bone Fractures Diseases 0.000 claims abstract description 493
- 238000009826 distribution Methods 0.000 claims abstract description 82
- 238000011161 development Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims description 83
- 238000004891 communication Methods 0.000 claims description 75
- 238000004519 manufacturing process Methods 0.000 claims description 69
- 230000004927 fusion Effects 0.000 claims description 60
- 230000008859 change Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 230000001427 coherent effect Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 6
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 abstract description 36
- 238000011160 research Methods 0.000 description 24
- 238000005553 drilling Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 208000035126 Facies Diseases 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000257303 Hymenoptera Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 208000013201 Stress fracture Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000009024 positive feedback mechanism Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003068 static effect Effects 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
-
- 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
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (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
本发明提供了一种缝洞型储层连通性预测方法及装置,该方法包括:根据缝洞型储层的地震属性数据生成所述缝洞型储层的包络面属性体;所述包络面属性体用于表征所述缝洞型储层的分布情况;根据所述地震属性数据生成所述缝洞型储层的裂缝体;所述裂缝体用于表征所述缝洞型储层的裂缝发育情况;根据所述包络面属性体及所述裂缝体预测所述缝洞型储层的连通性。本发明能够建立一种在井位部署之前,更为准确的落实地下缝洞型碳酸盐储层的连通性,提高储层预测精度和勘探成功率的方法及装置。
Description
技术领域
本发明涉及石油勘探领域,尤其是石油地质研究技术领域,具体涉及一种缝洞型储层连通性预测方法及装置。
背景技术
储层连通性直接关系到流动单元面积、储量高低以及井位部署,能否准确预测缝洞型储层连通性对于缝洞型储层油气田提高钻井成功率和勘探成效至关重要。
目前确定储层连通性的方法主要是依据生产过程中的示踪剂技术、油气地球化学分析等直接证据。但在勘探初期,缺少这种直接证据的情况下,变无法快速判断储层连通性,通常基于研究人员的主观认识,而得出不准确的结论。在种情况会造成缝洞型储层连通性预测的偏差,进而导致钻井失利,无法满足高效勘探的需求。
因此,如何在油气田勘探初始提供一种准确的缝洞型储层连通性预测方法,是亟待解决的问题。
发明内容
针对现有技术中的问题,本发明能够建立一种基于井震结合的预测缝洞型储层连通性的方法,目的是在井位部署之前,更为准确的落实地下缝洞型碳酸盐储层的连通性,提高储层预测精度和勘探成功率。
为解决上述技术问题,本发明提供以下技术方案:
第一方面,本发明提供一种缝洞型储层连通性预测方法,包括:
根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体;包络面属性体用于表征缝洞型储层的分布情况;
根据地震属性数据生成缝洞型储层的裂缝体;裂缝体用于表征缝洞型储层的裂缝发育情况;
根据包络面属性体及裂缝体预测缝洞型储层的连通性。
一实施例中,缝洞型储层连通性预测方法还包括:
根据缝洞型储层的试井数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的试井连通数据。
一实施例中,缝洞型储层连通性预测方法还包括:
根据缝洞型储层的生产数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的生产连通数据。
一实施例中,缝洞型储层连通性预测方法还包括:
根据缝洞型储层的测试及试采数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的测试连通数据。
一实施例中,地震属性数据包括:均方根振幅、平均瞬时频率、分频调谐能量、振幅变化率、蚂蚁体、相干数据、反射强度斜率及能量半衰时。
一实施例中,根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体,包括:
根据缝洞型储层的物性数据及中心化、标准化处理之后的对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率,选出最能表征缝洞型储层的分布情况的地震属性数据;
根据分布情况的地震属性数据生成初始包络面属性体;
根据缝洞型储层的已知井数据,确定分布情况的地震属性数据的阈值;
根据分布情况的地震属性数据的阈值对初始包络面属性体进行校正,生成包络面属性体。
一实施例中,根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体,还包括:
对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
一实施例中,根据地震属性数据生成缝洞型储层的裂缝体,包括:
根据缝洞型储层的物性数据及中心化、标准化处理之后的相干数据、反射强度斜率及能量半衰时,选出最能表征缝洞型储层的裂缝分布情况的地震属性数据;
根据裂缝分布情况的地震属性数据生成初始裂缝体;
根据缝洞型储层的已知井数据,确定裂缝地震属性数据的阈值;
根据裂缝地震属性数据的阈值对初始裂缝体进行校正,生成裂缝体。
一实施例中,根据地震属性数据生成缝洞型储层的裂缝体,还包括:
对蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
一实施例中,根据包络面属性体及裂缝体预测缝洞型储层的连通性,包括:
根据包络面属性体及裂缝体生成缝洞型储层的初始融合体;
根据试井连通数据、生产连通数据及测试连通数据,约束初始融合体,以生成缝洞型储层的融合体及融合体的连通阈值;
根据融合体及连通阈值预测缝洞型储层的连通性。
第二方面,本发明提供一种缝洞型储层连通性预测装置,该装置包括:
属性体生成单元,用于根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体;包络面属性体用于表征缝洞型储层的分布情况;
裂缝体生成单元,用于根据地震属性数据生成缝洞型储层的裂缝体;裂缝体用于表征缝洞型储层的裂缝发育情况;
连通性预测单元,用于根据包络面属性体及裂缝体预测缝洞型储层的连通性。
一实施例中,缝洞型储层连通性预测装置还包括:
试井连通数据生成单元,用于根据缝洞型储层的试井数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的试井连通数据。
一实施例中,缝洞型储层连通性预测装置还包括:
生产连通数据生成单元,用于根据缝洞型储层的生产数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的生产连通数据。
一实施例中,缝洞型储层连通性预测装置还包括:
测试连通数据生成单元,用于根据缝洞型储层的测试及试采数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的测试连通数据。
一实施例中,属性体生成单元包括:
分布地震数据选择单元,用于根据缝洞型储层的物性数据及中心化、标准化处理之后的对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率,选出最能表征缝洞型储层的分布情况的地震属性数据;
初始属性体生成单元,用于根据分布情况的地震属性数据生成初始包络面属性体;
分布情况阈值确定单元,用于根据缝洞型储层的已知井数据,确定分布情况的地震属性数据的阈值;
属性体校正单元,用于根据分布情况的地震属性数据的阈值对初始包络面属性体进行校正,生成包络面属性体。
一实施例中,属性体生成单元还包括:
分布情况标准化单元,用于对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
一实施例中,裂缝体生成单元包括:
裂缝地震数据选择单元,用于根据缝洞型储层的物性数据及中心化、标准化处理之后的相干数据、反射强度斜率及能量半衰时,选出最能表征缝洞型储层的裂缝分布情况的地震属性数据;
初始裂缝体生成单元,用于根据裂缝分布情况的地震属性数据生成初始裂缝体;
裂缝阈值确定单元,用于根据缝洞型储层的已知井数据,确定裂缝地震属性数据的阈值;
裂缝体校正单元,用于根据裂缝地震属性数据的阈值对初始裂缝体进行校正,生成裂缝体。
一实施例中,裂缝体生成单元还包括:
裂缝分布标准化单元,用于对蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
一实施例中,连通性预测单元包括:
根据包络面属性体及裂缝体生成缝洞型储层的初始融合体;
根据试井连通数据、生产连通数据及测试连通数据,约束初始融合体,以生成缝洞型储层的融合体及融合体的连通阈值;
根据融合体及连通阈值预测缝洞型储层的连通性。
第三方面,本发明提供一种电子设备,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,处理器执行程序时实现缝洞型储层连通性预测方法的步骤。
第四方面,本发明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缝洞型储层连通性预测方法的步骤。
从上述描述可知,储层连通性直接关系到流动单元面积、储量估算以及井位部署,能否准确预测缝洞型储层连通性对于缝洞型油藏提高钻井成功率和勘探成效而言至关重要。本发明提供缝洞型储层连通性预测方法及装置,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。本发明在已钻井的分析基础上,快速通过井间连通性并结合相关地震属性预测缝洞型储层连通性较为准确。本发明提供了的方法具有在井位部署之前,更为准确的落实地下缝洞型储层的连通性,提高储层预测精度和勘探成功率等优点。
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为本发明的实施例中的缝洞型储层连通性预测方法的流程示意图;
图2为本发明的实施例中步骤100的流程示意图一;
图3为本发明的实施例中步骤100的流程示意图二;
图4为本发明的实施例中步骤200的流程示意图一;
图5为本发明的实施例中步骤200的流程示意图二;
图6为本发明的实施例中步骤300的流程示意图;
图7为本发明的实施例中步骤302的流程示意图;
图8为本发明的具体应用实例中缝洞型储层连通性预测方法的流程示意图;
图9为本发明的具体应用实例中包络面属性体示意图;
图10为本发明的具体应用实例中W1-X-W2井试采曲线;
图11为本发明的具体应用实例中W3-W4C-W5井试采曲线;
图12为本发明的具体应用实例中W5井试采曲线;
图13为本发明的具体应用实例中W7C2井试采曲线;
图14为本发明的具体应用实例中W1-X-W2井连井油藏剖面图;
图15为本发明的具体应用实例中W3-W4C-W5井连井油藏剖面图;
图16为本发明的具体应用实例中W6-W7C2井连井油藏剖面图;
图17为本发明的具体应用实例中W-1X-W2连井地震剖面;
图18为本发明的具体应用实例中W3-W4C-W5连井地震剖面;
图19为本发明的具体应用实例中W6-W7C2连井地震剖面;
图20为本发明的具体应用实例中W1-X-W2连井反演剖面图;
图21为本发明的具体应用实例中W3-W4C-W5连井反演剖面图;
图22为本发明的具体应用实例中W6-W7C2连井反演剖面图;
图23为本发明的具体应用实例中勘探期间油水界面岁时间变化示意图;
图24为本发明的具体应用实例中碳酸盐岩缝洞型储层模型示意图;
图25为本发明的具体应用实例中未知的井组的预测碳酸盐岩缝洞型储层分布示意图;
图26为本发明的实施例中的缝洞型储层连通性预测装置的结构示意图;
图27为本发明的实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述,显然,所描述的实施例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作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。
本发明的实施例提供一种缝洞型储层连通性预测方法的具体实施方式,参见图1,该方法具体包括如下内容:
步骤100:根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体。
在具体实施时,步骤100可以通过以下方式来实施,通过缝洞型储层(岩溶储层)与地震相分析,提取常见的地震属性(包括频率、振幅、能量、相关、相位、波形等),然后结合研究区选择对缝洞型储层反映敏感且具有和物理和地质意义的地震属性。
可以理解的是,步骤100中的包络面属性体用于表征缝洞型储层的分布情况。
步骤200:根据地震属性数据生成缝洞型储层的裂缝体。
在具体实施时,步骤200可以通过以下方式来实施,通过缝洞型储层的裂缝发育情况与地震相分析,提取对缝洞型储层裂缝发育情况敏感的地震属性数据(如:相干,反射强度斜率,能量半衰时等)可以理解的是,步骤200中的裂缝体用于表征缝洞型储层的裂缝发育情况。另外,储层裂缝是指由变形作用或物理成岩作用形成的、在岩石中天然存在的宏观的面状不连续体,大至断裂小至微裂隙均包含在内。裂缝性油气储层是指油气的储集空间和渗滤通道主要为裂缝及其连通的溶孔、溶洞的油气储集层。
步骤300:根据包络面属性体及裂缝体预测缝洞型储层的连通性。
可以理解的是,由步骤100所得到的包络面属性体可以表征缝洞型储层的分布情况;由步骤200所得到的裂缝体可以表征缝洞型储层的裂缝发育情况,将包括面属性体及裂缝体融合之后可以得到缝洞型储层的连通性的预测结果。
从上述描述可知,本发明提供缝洞型储层连通性预测方法,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。
一实施例中,缝洞型储层连通性预测方法还包括:
步骤400:根据缝洞型储层的试井数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的试井连通数据。
试井是为了确定井的生产能力和研究储层参数及储层动态而对井进行的专门测试工作,是一种以渗流力学为基础,以各种测试仪器为手段,通过对油气井生产动态的测试来研究油、气、水层和测试井的各种物性参数、生产能力以及油气水层之间的连通关系的方法。
步骤400在具体实施时,可以搜集缝洞型储层的研究区的试井资料,确定邻近的井组,将正常生产井作为激动井,改变工作制度,将其相邻井作为监测井,进行动态监测,通过试井分析来判该井组是否连通。
一实施例中,缝洞型储层连通性预测方法还包括:
步骤500:根据缝洞型储层的生产数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的生产连通数据。
可以理解的是,针对缺少连通性分析(步骤400)直接证据的井组,对其的生产动态进行分析,利用生产异常的井来判断连通井组,充分利用开发过程中的井间干扰现象,如新井投产、关井,工作制度改变,生产井转注等,在邻井观察是否有异常的井间干扰现象等来判断井组连通情况。
一实施例中,缝洞型储层连通性预测方法还包括:
步骤600:根据缝洞型储层的测试及试采数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的测试连通数据。
步骤600在具体实施时,首先分析缝洞型储层的研究区的完钻井的测试及试采情况,进而得到油水界面的上升规律(连通井组属于同一油水压力系统的,在开发过程中,油水界面的上升规律趋于相近,总体随着开采时间增加,油水界面不断上升)。
一实施例中,地震属性数据包括:均方根振幅、平均瞬时频率、分频调谐能量、振幅变化率、蚂蚁体、相干数据、反射强度斜率及能量半衰时。
一实施例中,参见图2,步骤100包括:
步骤102:根据缝洞型储层的物性数据及中心化、标准化处理之后的对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率,选出最能表征缝洞型储层的分布情况的地震属性数据。
步骤102在具体实施时,可以在缝洞型储层的研究区中提取常见的地震属性数据(例如频率、振幅、能量、相关、相位、波形等),然后结合研究区的情况,选择对缝洞型储层反映敏感且具有和物理和地质意义的地震属性数据,包括均方根振幅,平均瞬时频率,分频调谐能量和振幅变化率等属性。
步骤103:根据分布情况的地震属性数据生成初始包络面属性体。
步骤104:根据缝洞型储层的已知井数据,确定分布情况的地震属性数据的阈值。
步骤105:根据分布情况的地震属性数据的阈值对初始包络面属性体进行校正,生成包络面属性体。
步骤104及步骤105在具体实施时,可以利用已知井点的缝洞型储层与地震属性数据的散点图分析岩溶储层对应的属性下限,并过滤非储层的位置点,从而获得包络面属性体。
一实施例中,参见图3,步骤100还包括:
步骤101:对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
可以理解的是步骤101中的参数(均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率)是对缝洞型储层反映敏感且具有和物理和地质意义的地震属性数据。
步骤101中的数据的中心化是指原数据减去改组数据的平均值,经过中心化处理后,原数据的坐标平移至中心点(0,0),该组数据的均值变为0,也被称为零均值化。标准化是指将数据减去平均值,再除以其标准差,得到均值为0,标准差为1的服从标准正态分布的数据。
一实施例中,参见图4,步骤200包括:
步骤202:根据缝洞型储层的物性数据及中心标准化处理之后的相干数据、反射强度斜率及能量半衰时,选出最能表征缝洞型储层的裂缝分布情况的地震属性数据。
步骤202在具体实施时,可以通过缝洞型储层与地震属性数据分析,选择出对缝洞型储层的裂缝分布情况敏感的地震属性数据(例如相干,反射强度斜率,能量半衰时等)。
步骤203:根据裂缝分布情况的地震属性数据生成初始裂缝体。
步骤204:根据缝洞型储层的已知井数据,确定裂缝地震属性数据的阈值。
步骤205:根据裂缝地震属性数据的阈值对初始裂缝体进行校正,生成裂缝体。
步骤204及步骤205在具体实施时,可以利用已知井点的缝洞型储层与这些属性的散点图分析缝洞型储层对应的属性下限,过滤非储层的位置点,将多个过滤之后的属性体融合从而获取缝洞型储层的裂缝体。
一实施例中,参见图5,步骤200还包括:
步骤201:对蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
可以理解的是步骤201中的参数(蚂蚁体、相干数据、反射强度斜率及能量半衰时)是对缝洞型储层的裂缝分布情况敏感的地震属性数据。
可以理解的是,步骤201所指的蚂蚁体,又称断裂系统自动追踪技术,对小断层识别非常有效。是根据蚂蚁算法的正反馈机制,建立利用群体智能进行优化搜索的模型,完成断裂的追踪和识别。但是常规的地震数据由于受到采集及处理过程中产生的噪音以及本身地层岩性变化导致的同相轴侧向非均一性等影响,做出的蚂蚁体层位痕迹明显,显示的断裂线往往显得杂乱。为此,通过对区域构造应力场的研究和倾角控制下相干体整体特征的分析,进一步过滤低倾角和地层横向假裂缝的干扰以及诸如采集脚印等噪音干扰,最终获得一个低噪音、具有清晰断裂痕迹的数据体。
一实施例中,参见图6,步骤300还包括:
步骤301:根据包络面属性体及裂缝体生成缝洞型储层的初始融合体。
步骤301在具体实施时,可以通过调整缝洞型储层的包络面属性体及裂缝体之间的地震属性数据幅值差异,融合成一个缝洞型储层的融合体。
步骤302:根据试井连通数据、生产连通数据及测试连通数据,约束初始融合体,以生成缝洞型储层的融合体及融合体的连通阈值。
可以理解的是,参见图7,步骤302包括:
步骤302a:根据试井连通数据、生产连通数据及测试连通数据,约束初始融合体,以生成缝洞型储层的融合体。
步骤302b:根据试井连通数据、生产连通数据及测试连通数据,生成融合体的连通阈值。
步骤303:根据融合体及连通阈值预测缝洞型储层的连通性。
步骤302至步骤303在具体实施时,可以根据连通井组类型和油气水界面,约束融合体,从而得到缝洞型储层模型,预测缝洞型储层连通性未知的井组的缝洞型储层分布。
从上述描述可知,储层连通性直接关系到流动单元面积、储量估算以及井位部署,能否准确预测缝洞型储层连通性对于缝洞型油藏提高钻井成功率和勘探成效而言至关重要。本发明提供缝洞型储层连通性预测方法,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。本发明在已钻井的分析基础上,快速通过井间连通性并结合相关地震属性预测缝洞型储层连通性较为准确。本发明提供了的方法具有在井位部署之前,更为准确的落实地下缝洞型储层的连通性,提高储层预测精度和勘探成功率等优点。
为进一步地说明本方案,本发明以某油田碳酸盐岩缝洞型储层为例,提供缝洞型储层连通性预测方法的具体应用实例,该具体应用实例具体包括如下内容,参见图8。
S0:对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
S1:选出最能表征碳酸盐岩缝洞型储层的分布情况的地震属性数据(均方根振幅)。
步骤S1在具体实施时,可以通过碳酸盐岩缝洞型储层与地震相分析。首先提取常用的地震属性,然后结合研究区情况选择对碳酸盐岩缝洞型储层分布情况反映敏感的属性,包括均方根振幅、平均瞬时频率、分频调谐能量和振幅变化率等地震属性数据,对选择的属性开展中心化及标准化处理。进行碳酸盐岩缝洞型储层与地震属性数据的相关性分析,得到均方根振幅R与碳酸盐岩缝洞型储层孔隙度的相关公式为Φc=6E-0.7R2-0.0039R+7.2373,相关系数为0.88,所以均方根振幅地震属性数据最能反映碳酸盐岩缝洞型储层的分布情况。
S2:根据均方根振幅地震属性数据生成初始包络面属性体。
可以理解的是,S2步骤中的初始包络面属性体中可以得到碳酸盐岩缝洞型储层的均方根振幅地震属性数据的分布情况。
S3:确定均方根振幅地震属性数据的阈值。
S4:根据阈值对初始包络面属性体进行校正,生成包络面属性体。
步骤S3至S4在具体实施时,首先制作已知井点碳酸盐岩缝洞型储层的有效储层的孔隙度与均方根振幅地震属性数据的散点图,通过该散点图,确定出碳酸盐岩缝洞型储层的有效储层的均方根振幅地震属性数据的阈值,通过该阈值在初始包络面属性体过滤出非储层的位置点,进而得到碳酸盐岩缝洞型储层的包络面属性体,如图9所示。
S5:对蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
S6:选出最能表征碳酸盐岩缝洞型储层的裂缝分布情况的地震属性数据(蚂蚁体)。
步骤S6在具体实施时,可以通过碳酸盐岩缝洞型储层的裂缝分布情况与地震相分析,首先提取常见能反映裂缝分布情况的的属性,包括相干、反射强度斜率及能量半衰时等,进行中心化及标准化处理,开展碳酸盐岩缝洞型储层与属性间的相关分析,得到蚂蚁体属性E与储层孔隙度的相关公式为Φf=8.19ln(E)-64.11,相关系数为0.91,蚂蚁体地震属性数据为最能反映碳酸盐岩缝洞型储层的裂缝分布情况。
S7:根据蚂蚁体地震属性数据生成初始裂缝体。
可以理解的是,S7步骤中的初始裂缝体中可以得到碳酸盐岩缝洞型储层的均蚂蚁体地震属性数据的分布情况。
S8:确定蚂蚁体地震属性数据的阈值。
S9:根据阈值对初始裂缝体进行校正,生成裂缝体。
步骤S8至S9在具体实施时,首先制作已知井点碳酸盐岩缝洞型储层的有效储层的孔隙度与蚂蚁体地震属性数据的散点图,通过该散点图,确定出碳酸盐岩缝洞型储层的有效储层的蚂蚁体地震属性数据的阈值,通过该阈值在初始裂缝体过滤出非储层的位置点,进而得到碳酸盐岩缝洞型储层的裂缝体。
S10:生成碳酸盐岩缝洞型储层的试井连通数据。
对研究区距离小于2km的生产井组开展分析,针对具有干扰试井资料的井组,明确激动井,在激动井工作制度改变的情况下,将相邻井作为监视井,进行动态监测,通过试井分析来判断该井组是否连通。参见图10至图13。
S11:生成碳酸盐岩缝洞型储层的生产连通数据。
对研究区距离小于2km的生产井组,在缺少连通性分析直接证据的情况下,对生产动态进行分析,利用生产异常的井来判断连通井组,充分利用开发过程中的井间干扰现象,如新井投产、关井,工作制度改变,生产井转注等,在邻井观察是否有异常的井间干扰现象等来判断井组连通情况,参见图14至图19。
S12:生成碳酸盐岩缝洞型储层的测试连通数据。
首先分析碳酸盐岩缝洞型储层的研究区的完钻井的测试及试采情况,进而得到油水界面的上升规律参见图20至图22(连通井组属于同一油水压力系统的,在开发过程中,油水界面的上升规律趋于相近,参见图23,总体随着开采时间增加,油水界面不断上升)。
S13:生成初始融合体。
通过调整碳酸盐岩缝洞型储层的包络面属性体及裂缝体之间的地震属性数据幅值差异,融合成一个碳酸盐岩缝洞型储层的初始融合体。
S14:生成碳酸盐岩缝洞型储层的融合体。
根据试井连通数据、生产连通数据及测试连通数据,约束初始融合体,以生成碳酸盐岩缝洞型储层的融合体。
具体地,通过连通井组得到的油水界面作为初始融合体的底界面,包络面属性体作为初始融合体的顶界面,再结合试井连通数据、生产连通数据及测试连通数据约束初始融合体各个连通缝洞体的形态,并计算得到碳酸盐岩缝洞型储层的连通性预测结果。
S15:根据试井连通数据、生产连通数据及测试连通数据,生成融合体的连通阈值。
S16:根据融合体及连通阈值预测碳酸盐岩缝洞型储层的连通性。
具体地,根据连通井组类型和油气水界面,约束碳酸盐岩缝洞型储层的融合体。本具体应用实例中通过调整已钻井地震体的接触关系来确定连通阈值(连通门槛值),从而得到碳酸盐岩缝洞型储层模型,参见图24,预测未知的井组的碳酸盐岩缝洞型储层分布,参见图25。
从上述描述可知,储层连通性直接关系到流动单元面积、储量估算以及井位部署,能否准确预测缝洞型储层连通性对于缝洞型油藏提高钻井成功率和勘探成效而言至关重要。本发明提供缝洞型储层连通性预测方法,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。本发明在已钻井的分析基础上,快速通过井间连通性并结合相关地震属性预测缝洞型储层连通性较为准确。本发明提供了的方法具有在井位部署之前,更为准确的落实地下缝洞型储层的连通性,提高储层预测精度和勘探成功率等优点。
基于同一发明构思,本申请实施例还提供了缝洞型储层连通性预测装置,可以用于实现上述实施例所描述的方法,如下面的实施例。由于缝洞型储层连通性预测装置解决问题的原理与缝洞型储层连通性预测方法相似,因此缝洞型储层连通性预测装置的实施可以参见缝洞型储层连通性预测方法实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明的实施例提供一种能够实现缝洞型储层连通性预测方法的缝洞型储层连通性预测装置的具体实施方式,参见图26,缝洞型储层连通性预测装置具体包括如下内容:
属性体生成单元10,用于根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体;包络面属性体用于表征缝洞型储层的分布情况;
裂缝体生成单元20,用于根据地震属性数据生成缝洞型储层的裂缝体;裂缝体用于表征缝洞型储层的裂缝发育情况;
连通性预测单元30,用于根据包络面属性体及裂缝体预测缝洞型储层的连通性。
一实施例中,缝洞型储层连通性预测装置还包括:
试井连通数据生成单元,用于根据缝洞型储层的试井数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的试井连通数据。
一实施例中,缝洞型储层连通性预测装置还包括:
生产连通数据生成单元,用于根据缝洞型储层的生产数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的生产连通数据。
一实施例中,缝洞型储层连通性预测装置还包括:
测试连通数据生成单元,用于根据缝洞型储层的测试及试采数据判断钻遇缝洞型储层的井之间的缝洞型储层是否连通,以生成缝洞型储层的测试连通数据。
一实施例中,属性体生成单元包括:
分布地震数据选择单元,用于根据缝洞型储层的物性数据及中心化、标准化处理之后的对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率,选出最能表征缝洞型储层的分布情况的地震属性数据;
初始属性体生成单元,用于根据分布情况的地震属性数据生成初始包络面属性体;
分布情况阈值确定单元,用于根据缝洞型储层的已知井数据,确定分布情况的地震属性数据的阈值;
属性体校正单元,用于根据分布情况的地震属性数据的阈值对初始包络面属性体进行校正,生成包络面属性体。
一实施例中,属性体生成单元还包括:
分布情况标准化单元,用于对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
一实施例中,裂缝体生成单元包括:
裂缝地震数据选择单元,用于根据缝洞型储层的物性数据及中心化、标准化处理之后的相干数据、反射强度斜率及能量半衰时,选出最能表征缝洞型储层的裂缝分布情况的地震属性数据;
初始裂缝体生成单元,用于根据裂缝分布情况的地震属性数据生成初始裂缝体;
裂缝阈值确定单元,用于根据缝洞型储层的已知井数据,确定裂缝地震属性数据的阈值;
裂缝体校正单元,用于根据裂缝地震属性数据的阈值对初始裂缝体进行校正,生成裂缝体。
一实施例中,裂缝体生成单元还包括:
裂缝分布标准化单元,用于对蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
一实施例中,连通性预测单元包括:
根据包络面属性体及裂缝体生成缝洞型储层的初始融合体;
根据试井连通数据、生产连通数据及测试连通数据,约束初始融合体,以生成缝洞型储层的融合体及融合体的连通阈值;
根据融合体及连通阈值预测缝洞型储层的连通性。
从上述描述可知,储层连通性直接关系到流动单元面积、储量估算以及井位部署,能否准确预测缝洞型储层连通性对于缝洞型油藏提高钻井成功率和勘探成效而言至关重要。本发明提供缝洞型储层连通性预测装置,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。本发明在已钻井的分析基础上,快速通过井间连通性并结合相关地震属性预测缝洞型储层连通性较为准确。本发明提供了的方法具有在井位部署之前,更为准确的落实地下缝洞型储层的连通性,提高储层预测精度和勘探成功率等优点。
本申请的实施例还提供能够实现上述实施例中的缝洞型储层连通性预测方法中全部步骤的一种电子设备的具体实施方式,参见图27,电子设备具体包括如下内容:
处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204;
其中,处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信;通信接口1203用于实现服务器端设备、测量设备以及用户端设备等相关设备之间的信息传输。
处理器1201用于调用存储器1202中的计算机程序,处理器执行计算机程序时实现上述实施例中的缝洞型储层连通性预测方法中的全部步骤,例如,处理器执行计算机程序时实现下述步骤:
步骤100:根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体。
步骤200:根据地震属性数据生成缝洞型储层的裂缝体。
步骤300:根据包络面属性体及裂缝体预测缝洞型储层的连通性。
从上述描述可知,本申请实施例中的电子设备,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。本发明在已钻井的分析基础上,快速通过井间连通性并结合相关地震属性预测缝洞型储层连通性较为准确。本发明提供了的方法具有在井位部署之前,更为准确的落实地下缝洞型储层的连通性,提高储层预测精度和勘探成功率等优点。
本申请的实施例还提供能够实现上述实施例中的缝洞型储层连通性预测方法中全部步骤的一种计算机可读存储介质,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缝洞型储层连通性预测方法的全部步骤,例如,处理器执行计算机程序时实现下述步骤:
步骤100:根据缝洞型储层的地震属性数据生成缝洞型储层的包络面属性体。
步骤200:根据地震属性数据生成缝洞型储层的裂缝体。
步骤300:根据包络面属性体及裂缝体预测缝洞型储层的连通性。
从上述描述可知,本申请实施例中的计算机可读存储介质,通过对研究区域进行生产动态、测试及试采及试井数据进行分析,来确定研究区域的缝洞型储层的不同井组的连通类型,接着,通过缝洞型储层与地震相分析,生成缝洞型储层的包络面属性体及裂缝体,并将两者融合,进而生成缝洞型储层的融合体,通过缝洞型储层的不同井组的连通类型对其进行校正,最终预未知井组的缝洞型储层分布情况。综上,本发明的有益效果为:解决了在勘探初期对于完钻井较少,缺乏直接地球化学证据的油气田,无法预测缝洞型储层分布情况的问题。本发明在已钻井的分析基础上,快速通过井间连通性并结合相关地震属性预测缝洞型储层连通性较为准确。本发明提供了的方法具有在井位部署之前,更为准确的落实地下缝洞型储层的连通性,提高储层预测精度和勘探成功率等优点。
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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请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劳动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。在实际中的装置或客户端产品执行时,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)。
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。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
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。
本说明书实施例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说明书实施例,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。
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。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。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 (21)
1.一种缝洞型储层连通性预测方法,其特征在于,包括:
根据缝洞型储层的地震属性数据生成所述缝洞型储层的包络面属性体;所述包络面属性体用于表征所述缝洞型储层的分布情况;
根据所述地震属性数据生成所述缝洞型储层的裂缝体;所述裂缝体用于表征所述缝洞型储层的裂缝发育情况;
根据所述包络面属性体及所述裂缝体预测所述缝洞型储层的连通性。
2.如权利要求1所述的缝洞型储层连通性预测方法,其特征在于,还包括:
根据所述缝洞型储层的试井数据判断钻遇所述缝洞型储层的井之间的缝洞型储层是否连通,以生成所述缝洞型储层的试井连通数据。
3.如权利要求2所述的缝洞型储层连通性预测方法,其特征在于,还包括:
根据所述缝洞型储层的生产数据判断钻遇所述缝洞型储层的井之间的缝洞型储层是否连通,以生成所述缝洞型储层的生产连通数据。
4.如权利要求3所述的缝洞型储层连通性预测方法,其特征在于,还包括:
根据所述缝洞型储层的测试及试采数据判断钻遇所述缝洞型储层的井之间的缝洞型储层是否连通,以生成所述缝洞型储层的测试连通数据。
5.如权利要求4所述的缝洞型储层连通性预测方法,其特征在于,所述地震属性数据包括:均方根振幅、平均瞬时频率、分频调谐能量、振幅变化率、蚂蚁体、相干数据、反射强度斜率及能量半衰时。
6.如权利要求5所述的缝洞型储层连通性预测方法,其特征在于,所述根据缝洞型储层的地震属性数据生成所述缝洞型储层的包络面属性体,包括:
根据所述缝洞型储层的物性数据及中心化、标准化处理之后的对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率,选出最能表征所述缝洞型储层的分布情况的地震属性数据;
根据所述分布情况的地震属性数据生成初始包络面属性体;
根据所述缝洞型储层的已知井数据,确定所述分布情况的地震属性数据的阈值;
根据所述分布情况的地震属性数据的阈值对所述初始包络面属性体进行校正,生成所述包络面属性体。
7.如权利要求6所述的缝洞型储层连通性预测方法,其特征在于,所述根据缝洞型储层的地震属性数据生成所述缝洞型储层的包络面属性体,还包括:
对所述均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
8.如权利要求7所述的缝洞型储层连通性预测方法,其特征在于,所述根据所述地震属性数据生成所述缝洞型储层的裂缝体,包括:
根据所述缝洞型储层的物性数据及中心化、标准化处理之后的相干数据、反射强度斜率及能量半衰时,选出最能表征所述缝洞型储层的裂缝分布情况的地震属性数据;
根据所述裂缝分布情况的地震属性数据生成初始裂缝体;
根据所述缝洞型储层的已知井数据,确定裂缝地震属性数据的阈值;
根据所述裂缝地震属性数据的阈值对所述初始裂缝体进行校正,生成所述裂缝体。
9.如权利要求8所述的缝洞型储层连通性预测方法,其特征在于,所述根据所述地震属性数据生成所述缝洞型储层的裂缝体,还包括:
对所述蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
10.如权利要求9所述的缝洞型储层连通性预测方法,其特征在于,所述根据所述包络面属性体及所述裂缝体预测所述缝洞型储层的连通性,包括:
根据所述包络面属性体及所述裂缝体生成所述缝洞型储层的初始融合体;
根据所述试井连通数据、所述生产连通数据及所述测试连通数据,约束所述初始融合体,以生成所述缝洞型储层的融合体及所述融合体的连通阈值;
根据所述融合体及所述连通阈值预测所述缝洞型储层的连通性。
11.一种缝洞型储层连通性预测装置,其特征在于,包括:
属性体生成单元,用于根据缝洞型储层的地震属性数据生成所述缝洞型储层的包络面属性体;所述包络面属性体用于表征所述缝洞型储层的分布情况;
裂缝体生成单元,用于根据所述地震属性数据生成所述缝洞型储层的裂缝体;所述裂缝体用于表征所述缝洞型储层的裂缝发育情况;
连通性预测单元,用于根据所述包络面属性体及所述裂缝体预测所述缝洞型储层的连通性。
12.如权利要求11所述的缝洞型储层连通性预测装置,其特征在于,还包括:
试井连通数据生成单元,用于根据所述缝洞型储层的试井数据判断钻遇所述缝洞型储层的井之间的缝洞型储层是否连通,以生成所述缝洞型储层的试井连通数据。
13.如权利要求12所述的缝洞型储层连通性预测装置,其特征在于,还包括:
生产连通数据生成单元,用于根据所述缝洞型储层的生产数据判断钻遇所述缝洞型储层的井之间的缝洞型储层是否连通,以生成所述缝洞型储层的生产连通数据。
14.如权利要求13所述的缝洞型储层连通性预测装置,其特征在于,还包括:
测试连通数据生成单元,用于根据所述缝洞型储层的测试及试采数据判断钻遇所述缝洞型储层的井之间的缝洞型储层是否连通,以生成所述缝洞型储层的测试连通数据。
15.如权利要求14所述的缝洞型储层连通性预测装置,其特征在于,所述属性体生成单元包括:
分布地震数据选择单元,用于根据所述缝洞型储层的物性数据及中心化、标准化处理之后的对均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率,选出最能表征所述缝洞型储层的分布情况的地震属性数据;
初始属性体生成单元,用于根据所述分布情况的地震属性数据生成初始包络面属性体;
分布情况阈值确定单元,用于根据所述缝洞型储层的已知井数据,确定所述分布情况的地震属性数据的阈值;
属性体校正单元,用于根据所述分布情况的地震属性数据的阈值对所述初始包络面属性体进行校正,生成所述包络面属性体。
16.如权利要求15所述的缝洞型储层连通性预测装置,其特征在于,所述属性体生成单元还包括:
分布情况标准化单元,用于对所述均方根振幅、平均瞬时频率、分频调谐能量及振幅变化率进行中心化及标准化处理。
17.如权利要求16所述的缝洞型储层连通性预测装置,其特征在于,所述裂缝体生成单元包括:
裂缝地震数据选择单元,用于根据所述缝洞型储层的物性数据及中心化、标准化处理之后的相干数据、反射强度斜率及能量半衰时,选出最能表征所述缝洞型储层的裂缝分布情况的地震属性数据;
初始裂缝体生成单元,用于根据所述裂缝分布情况的地震属性数据生成初始裂缝体;
裂缝阈值确定单元,用于根据所述缝洞型储层的已知井数据,确定裂缝地震属性数据的阈值;
裂缝体校正单元,用于根据所述裂缝地震属性数据的阈值对所述初始裂缝体进行校正,生成所述裂缝体。
18.如权利要求17所述的缝洞型储层连通性预测装置,其特征在于,所述裂缝体生成单元还包括:
裂缝分布标准化单元,用于对蚂蚁体、相干数据、反射强度斜率及能量半衰时进行中心化及标准化处理。
19.如权利要求18所述的缝洞型储层连通性预测装置,其特征在于,所述连通性预测单元包括:
根据所述包络面属性体及所述裂缝体生成所述缝洞型储层的初始融合体;
根据所述试井连通数据、所述生产连通数据及所述测试连通数据,约束所述初始融合体,以生成所述缝洞型储层的融合体及所述融合体的连通阈值;
根据所述融合体及所述连通阈值预测所述缝洞型储层的连通性。
20.一种电子设备,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10任一项所述缝洞型储层连通性预测方法的步骤。
21.一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10任一项所述缝洞型储层连通性预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910531671.3A CN112114357B (zh) | 2019-06-19 | 2019-06-19 | 缝洞型储层连通性预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910531671.3A CN112114357B (zh) | 2019-06-19 | 2019-06-19 | 缝洞型储层连通性预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112114357A true CN112114357A (zh) | 2020-12-22 |
CN112114357B CN112114357B (zh) | 2023-06-30 |
Family
ID=73796538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910531671.3A Active CN112114357B (zh) | 2019-06-19 | 2019-06-19 | 缝洞型储层连通性预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112114357B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115220100A (zh) * | 2022-06-15 | 2022-10-21 | 西安恒泰艾普能源发展有限公司 | 一种碳酸盐岩水窜通道的分析方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2098887A1 (en) * | 2008-03-03 | 2009-09-09 | Exxonmobil Upstream Research Company | Determining connectivity architecture in 2-D and 3-D heterogeneous data |
CN104950334A (zh) * | 2015-06-16 | 2015-09-30 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
CN105572739A (zh) * | 2016-02-19 | 2016-05-11 | 中国石油集团川庆钻探工程有限公司 | 碳酸盐岩孔洞裂缝性发育特征判断方法 |
CN106019370A (zh) * | 2016-05-06 | 2016-10-12 | 中国石油天然气股份有限公司 | 岩溶层断珠体油藏的井点确定方法及装置 |
WO2017116737A1 (en) * | 2015-12-30 | 2017-07-06 | Exxonmobil Upstream Research Company | A clustering algorithm for geoscience data fusion |
CN107367757A (zh) * | 2017-07-20 | 2017-11-21 | 中国石油化工股份有限公司 | 碳酸盐岩断溶体的刻画方法 |
CN107390264A (zh) * | 2017-07-20 | 2017-11-24 | 中国石油化工股份有限公司 | 碳酸盐岩断溶体内部结构的表征方法 |
US20180259661A1 (en) * | 2017-03-10 | 2018-09-13 | Matthew W. Harris | Outlier Detection for Identification of Anomalous Cross-Attribute Clusters |
US20190107643A1 (en) * | 2017-10-11 | 2019-04-11 | Beyond Limits, Inc. | Static engine and neural network for a cognitive reservoir system |
-
2019
- 2019-06-19 CN CN201910531671.3A patent/CN112114357B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2098887A1 (en) * | 2008-03-03 | 2009-09-09 | Exxonmobil Upstream Research Company | Determining connectivity architecture in 2-D and 3-D heterogeneous data |
CN104950334A (zh) * | 2015-06-16 | 2015-09-30 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
WO2017116737A1 (en) * | 2015-12-30 | 2017-07-06 | Exxonmobil Upstream Research Company | A clustering algorithm for geoscience data fusion |
CN105572739A (zh) * | 2016-02-19 | 2016-05-11 | 中国石油集团川庆钻探工程有限公司 | 碳酸盐岩孔洞裂缝性发育特征判断方法 |
CN106019370A (zh) * | 2016-05-06 | 2016-10-12 | 中国石油天然气股份有限公司 | 岩溶层断珠体油藏的井点确定方法及装置 |
US20180259661A1 (en) * | 2017-03-10 | 2018-09-13 | Matthew W. Harris | Outlier Detection for Identification of Anomalous Cross-Attribute Clusters |
CN107367757A (zh) * | 2017-07-20 | 2017-11-21 | 中国石油化工股份有限公司 | 碳酸盐岩断溶体的刻画方法 |
CN107390264A (zh) * | 2017-07-20 | 2017-11-24 | 中国石油化工股份有限公司 | 碳酸盐岩断溶体内部结构的表征方法 |
US20190107643A1 (en) * | 2017-10-11 | 2019-04-11 | Beyond Limits, Inc. | Static engine and neural network for a cognitive reservoir system |
Non-Patent Citations (4)
Title |
---|
JOHN W. SNEDDEN ET AL.: "Channel-body basal scours: Observations from 3D seismic and importance for subsurface reservoir connectivity", 《MARINE AND PETROLEUM GEOLOGY》 * |
JOHN W. SNEDDEN ET AL.: "Channel-body basal scours: Observations from 3D seismic and importance for subsurface reservoir connectivity", 《MARINE AND PETROLEUM GEOLOGY》, vol. 39, 31 December 2013 (2013-12-31), pages 150 - 163 * |
徐红霞等: "多属性分析技术在碳酸盐岩断溶体预测中的应用", 《石油地球物理勘探》 * |
徐红霞等: "多属性分析技术在碳酸盐岩断溶体预测中的应用", 《石油地球物理勘探》, vol. 52, 31 December 2017 (2017-12-31), pages 161 - 162 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115220100A (zh) * | 2022-06-15 | 2022-10-21 | 西安恒泰艾普能源发展有限公司 | 一种碳酸盐岩水窜通道的分析方法及系统 |
CN115220100B (zh) * | 2022-06-15 | 2023-09-01 | 西安恒泰艾普能源发展有限公司 | 一种碳酸盐岩水窜通道的分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112114357B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10288544B2 (en) | Method for characterizing the fracture network of a fractured reservoir and method for exploiting it | |
US8437997B2 (en) | Dynamic connectivity analysis | |
CN107066718B (zh) | 一种四维动态地应力模拟方法 | |
CN107956465B (zh) | 基于关联井的全区多井测井曲线标准化方法及装置 | |
CN110414723B (zh) | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 | |
CN106324676A (zh) | 一种确定断层封闭性的方法及装置 | |
CN108319743B (zh) | 古老海相碳酸盐岩油气资源丰度预测方法及装置 | |
Jamali et al. | Application of capacitance resistance models to determining interwell connectivity of large-scale mature oil fields | |
US10359540B2 (en) | Cart-based proxy flow simulation procedure for ranking geostatistical realizations of rock properties | |
NO20171058A1 (en) | Integrated a priori uncertainty parameter architecture in simulation model creation | |
CN108131127B (zh) | 一种泡沫油型超重油油田的生产气油比的获取方法及装置 | |
CN110632656A (zh) | 断层的横向封闭性分析方法及装置 | |
CN112114357B (zh) | 缝洞型储层连通性预测方法及装置 | |
NZ571377A (en) | Method and system for identifying and evaluating the risk of failure of a geological confinement system | |
CN112100796A (zh) | 防止页岩气井中套管受损的钻井轨迹确定方法及装置 | |
US10705235B2 (en) | Method of characterising a subsurface volume | |
El Gazar et al. | Field development and optimization plan for compartmentalized oil rim reservoir | |
CN113534248A (zh) | 圈闭断层的封闭性定量分析方法、装置及系统 | |
CN113031056B (zh) | 构造约束下断层封闭性分析方法及装置 | |
Wilson | Technique blends dimensionless numbers and data mining to predict recovery factors | |
CN113704952B (zh) | 建立渗透率模型的方法及装置 | |
US10393922B2 (en) | Method and device for the controlled determination of channel waves | |
Zinno | Microseismic Data Analysis, Interpretation Compared with Geomechanical Modelling | |
Akberova et al. | Application of well tests for naturally fractured reservoir's analysis with complex void structure | |
Givens et al. | A Sensitivity Analysis of Input Parameters for Modeling Primary and Tertiary Recovery in Unconventional Oil Reservoirs |
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 |