CN112558152A - 一种提高测井横波速度预测精度的方法及系统 - Google Patents

一种提高测井横波速度预测精度的方法及系统 Download PDF

Info

Publication number
CN112558152A
CN112558152A CN201910908076.7A CN201910908076A CN112558152A CN 112558152 A CN112558152 A CN 112558152A CN 201910908076 A CN201910908076 A CN 201910908076A CN 112558152 A CN112558152 A CN 112558152A
Authority
CN
China
Prior art keywords
pore structure
well
predicted
logging
velocity
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
Application number
CN201910908076.7A
Other languages
English (en)
Other versions
CN112558152B (zh
Inventor
白俊雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Geophysical Research Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201910908076.7A priority Critical patent/CN112558152B/zh
Publication of CN112558152A publication Critical patent/CN112558152A/zh
Application granted granted Critical
Publication of CN112558152B publication Critical patent/CN112558152B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30Analysis
    • G01V1/303Analysis for determining velocity profiles or travel times
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/60Analysis
    • G01V2210/62Physical property of subsurface
    • G01V2210/622Velocity, density or impedance
    • G01V2210/6222Velocity; travel time

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

本发明提供了一种提高测井横波速度预测精度的方法及系统,属于岩石物理学及地球物理测井技术领域。该方法包括:统计工区内的特征井的孔隙结构参数与孔隙度、泥质含量的回归关系,利用该回归关系预测该工区内的待预测井的横波速度;所述特征井为该工区内具有横波测井资料的测井;所述待预测井为该工区内不具有横波测井资料的测井,即需要预测横波速度的测井。本发明将岩石孔隙结构参数引入到测井横波速度预测中,提高了测井横波速度预测精度。

Description

一种提高测井横波速度预测精度的方法及系统
技术领域
本发明属于岩石物理学及地球物理测井技术领域,具体涉及一种提高测井横波速度预测精度的方法及系统。
背景技术
在进行叠前地震反演和叠前地震属性分析中,需要得到准确的纵、横波速度测井曲线,然而在实际测井资料中往往缺乏横波速度曲线,这给基于地震资料获取纵波和横波速度储层预测工作带来了一定的困难。很多地球物理学者提出了理论模型公式和经验公式。如Han(1986)、Klimentors(1991)、Greenberg(1992)、Castagna(1993)、Goldberg(1998)给出的岩石速度、孔隙度及岩石其它参数之间的经验公式,其应用效果依赖于统计样品,受地域性影响,不具普遍性。Kuster和Toksoz(1974)、Xu和White(1996)给出了储层岩石弹性参数和纵、横波速度之间的理论模型公式,其中Kuster-Toksoz模型在假设孔隙形状为椭球体的前提下通过引入可以任意调整的二维的孔隙表面比将各种尺寸的孔隙考虑到了模型计算中,但是它要求岩石内孔隙是稀疏而孤立的,这就限制了孔隙和孔隙内流体之间的相互作用;其中Xu-White模型是基于Gassmann方程、Kuster-Toksoz方程和微分等效介质(DEM)等理论提出的岩石物理速度模型,该模型综合考虑了泥质砂岩中基质性质、泥质含量、孔隙度大小和孔隙形状以及孔隙饱含流体性质对岩石速度的影响,但是该模型要求岩石孔隙要足够小以使其满足Kuster-Toksoz,计算过程中通过迭代求解的方式逐渐向岩石添加孔隙直到所有孔隙均添加到岩石为止,计算效率低,无法满足测井资料的实时解释工作。Keys和Xu(2002)提出了Xu-White速度模型的近似算法,提高了算法计算效率,但是该算法中采用固定的砂、泥岩孔隙纵横比,而岩石物理实验室数据分析表明与砂岩有关的孔隙纵横比不是定值,所以采用固定的孔隙纵横比与真实泥质砂岩孔隙结构并不相符,岩石物理模型数值试验表明,在Xu-White速度模型法中,孔隙结构对预测的横波速度有重要影响,如果在较大深度范围内采用固定的孔隙结构参数,那么会对预测的横波引入较大的误差,应用受到限制。
综上所述,现有横波速度估算方法存在的计算误差大、运行效率低、适用范围受地域限制等问题。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种提高测井横波速度预测精度的方法,针对常规测井横波速度预测中精度不高的问题,应用受到限制等缺点,将对岩石速度有影响的岩石等效孔隙结构参数引入到测井横波速度中,提高测井横波速度预测精度。本发明方法由工区内特征井建立等效孔隙结构参数与常规测井资料的回归关系,将该回归关系应用到工区内其他不含横波测井资料的井当中,提高测井横波速度预测精度。本发明方法所需要的参数少,只需要纵波速度、孔隙度和泥质含量,就可以预测出横波速度,应用范围广。
本发明是通过以下技术方案实现的:
一种提高测井横波速度预测精度的方法,包括:统计工区内的特征井的孔隙结构参数与孔隙度、泥质含量的回归关系,利用该回归关系预测该工区内的待预测井的横波速度;
所述特征井为该工区内具有横波测井资料的测井;
所述待预测井为该工区内不具有横波测井资料的测井,即需要预测横波速度的测井。
所述方法包括:
(1)输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构参数,统计特征井的孔隙结构参数与孔隙度、泥质含量的回归关系;
(2)输入待预测井的孔隙度、泥质含量、含水饱和度和纵波速度,将待预测井的孔隙度、泥质含量代入到步骤(1)得到的回归关系中求得该待预测井的孔隙结构参数计算值L;
(3)根据所述待预测井的孔隙结构参数计算值L设定待预测井的孔隙结构参数的线性扫描范围[(1-a)·L,(1+a)·L],同时设定步长;
(4)在所述线性扫描范围内对待预测井的孔隙结构参数进行线性扫描,找到待预测井的最优孔隙结构参数:
(5)输出结果。
所述步骤(3)中的a取值为5%。
所述步骤(4)的操作具体包括:
(41)设孔隙结构参数的初始值为(1-a)·L;
(42)利用所述孔隙结构参数计算得到纵波速度;
(43)计算步骤(42)获得的纵波速度与步骤(2)输入的待预测井的纵波速度之间的误差fo:
(44)判断fo≤ε是否成立,如果是,则将使得fo≤ε成立的孔隙结构参数作为最优孔隙结构参数,然后转入步骤(5);如果否,则转入步骤(45);
(45)判断孔隙结构参数是否大于(1+a)·L,如果是,则将计算得到的所有误差进行排序,找到排序中的最小值,该最小值对应的孔隙结构参数即为最优孔隙结构参数,然后转入步骤(5),如果否,则将孔隙结构参数加上一个步长作为新的孔隙结构参数,然后返回步骤(42);
所述步骤(42)的操作包括:
利用所述孔隙结构参数、输入的待预测井的孔隙度、泥质含量、含水饱和度和岩石物理模型正演计算得到纵波速度RPM(αs,φ,Vsh,Sw)和横波速度,其中,αs,φ,Vsh,Sw依次为孔隙结构参数、孔隙度、泥质含量、含水饱和度。
所述步骤(43)的操作包括:
采用下式计算得到误差fo:
fo=||RPM(αs,φ,Vsh,Sw)-VPm|| (1)
所述公式(1)中的VPm为输入的待预测井的纵波速度。
所述步骤(44)中的ε是设定的阈值,ε的取值为0.1。
所述步骤(5)的操作包括:
将所述最优孔隙结构参数输出,同时输出由该最优孔隙结构参数正演计算得到的横波速度,该横波速度即为待预测井的横波速度。
本发明还提供一种提高测井横波速度预测精度的系统,包括:
数据输入模块,用于输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构参数,以及输入待预测井的孔隙度、泥质含量、含水饱和度和纵波速度;
回归关系统计模块,用于利用数据输入模块发送来的特征井的孔隙度、泥质含量和孔隙结构参数,统计特征井的孔隙结构参数与孔隙度、泥质含量的回归关系;
待预测井孔隙结构参数计算值获取模块,用于利用数据输入模块发送来的待预测井的孔隙度、泥质含量和回归关系统计模块发送来的回归关系求得该待预测井的孔隙结构参数计算值L;
设定模块,用于根据待预测井孔隙结构参数计算值获取模块发送来的所述待预测井的孔隙结构参数计算值L设定待预测井的孔隙结构参数的线性扫描范围[(1-a)·L,(1+a)·L],同时设定步长;
线性扫描模块,用于利用所述设定模块发送来的线性扫描范围和步长,以及数据输入模块发送来的待预测井的孔隙度、泥质含量、含水饱和度和纵波速度,在所述线性扫描范围内对待预测井的孔隙结构参数进行线性扫描,找到待预测井的最优孔隙结构参数;
结果输出模块,用于将线性扫描模块发送来的最优孔隙结构参数以及由该最优孔隙结构参数正演计算得到的横波速度进行输出。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所述计算机执行本发明的提高测井横波速度预测精度的方法中的步骤。
与现有技术相比,本发明的有益效果是:本发明是一种提高测井横波速度预测精度的方法,将岩石孔隙结构参数引入到测井横波速度预测中,提高测井横波速度预测精度。随目的层埋深的横向变化,地层压力等参数发生变化,因此在纵向深度上,横向展布上,岩石孔隙结构都发生变化,据此将岩石孔隙结构参数作为变量引入到测井横波速度预测中,提高了测井横波速度预测精度。
附图说明
图1是实施例1中的输入测井数据;
图2是实施例1中的特征井的孔隙结构参数;
图3是实施例1中其他井的横波速度预测;
图4本发明方法的步骤框图;
图5本发明系统的组成结构图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
本发明提供了一种提高测井横波速度预测精度的方法,统计工区内特征井的孔隙结构参数与常规测井的关系,将该关系应用到预测工区内其他测井的横波速度。利用本发明提高了横波速度估算的精度,便于测井资料的解释和精细储层描述,为寻找岩性(和地层)圈闭油气藏和非常规油气藏(煤层气、页岩气等)提供可靠的资料。
由于对岩芯进行孔隙结构的测试化验成本很高,因此实际应用中经过测试化验得到孔隙结构参数的井很少,所以称之为特征井。本发明充分利用特征井,对其数据进行回归分析,得到孔隙结构参数与其他测井曲线的回归关系,然后将这个回归关系应用到其他未经过测试化验的井。
如图4所示,所述方法包括以下步骤:
(1)输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构参数等测井曲线,统计特征井的孔隙结构参数与孔隙度、泥质含量的回归关系(采用现有的统计分析方法得到参数之间的回归关系)。
所述特征井为工区内含有横波测井资料的测井;所述特征井的孔隙结构参数是已知的;所述特征井的孔隙度、泥质含量是从常规测井资料得到的;其它井是指没有横波测井资料的测井,也就是需要预测横波速度的测井,即待预测井,所述待预测井的孔隙度、泥质含量、含水饱和度和纵波速度是已知的。
(2)将待预测井的孔隙度、泥质含量代入到步骤(1)得到的特征井的回归关系中求得该待预测井的孔隙结构参数计算值L;
(3)根据所述待预测井的孔隙结构参数计算值L设定待预测井的孔隙结构参数的线性扫描范围[(1-a)·L,(1+a)·L],a取值5%,同时设定步长;例如,经回归计算得到的L为0.12,设a取值为0.05,那么孔隙结构参数的范围是[(1-5%)*0.12,(1+5%)*0.12]。
(4)在所述线性扫描范围内对待预测井的孔隙结构参数进行线性扫描,找到待预测井的最优孔隙结构参数:
在[(1-a)·L,(1+a)·L]上进行线性扫描。[]内是个范围,下限是(1-a)*L,上限是(1+a)*L,这个范围是待预测井的孔隙结构参数可能存在的范围,在该范围内进行线性扫描以实现对该参数的优化。由于步骤(1)根据特征井的参数得到的回归关系只是个经验关系,利用这个经验关系能够大概地确定待预测井的孔隙结构参数可能存在的范围,然后利用岩石物理模型正演和测量得到的纵波速度进行比较即可以从这个可能的范围选出一个满足条件的孔隙结构参数。
对孔隙结构参数的扫描的过程如下:在孔隙结构参数的范围内,依次从最小值开始计算,直到优选到一个令终止条件满足的孔隙结构参数为止,例如[0.08,0.2](此数值范围仅用于举例说明),按照0.005的步长线性扫描,即依次计算0.805,0.081,0.0815,,,,,,0.2。
对于每一个孔隙结构参数,将所述孔隙结构参数、孔隙度、泥质含量、含水饱和度和岩石物理模型(利用现有的岩石物理模型即可)正演计算得到横波速度和纵波速度,然后将计算得到的纵波速度与测井测量的纵波速度(即输入的待预测井的纵波速度)进行比较即可找到待预测井的最优孔隙结构参数。
所述步骤(4)的操作具体包括:
(41)孔隙结构参数的初始值为(1-a)·L;
(42)利用所述孔隙结构参数、孔隙度、泥质含量、含水饱和度和岩石物理模型(采用现有的岩石物理模型即可)正演计算得到纵波速度RPM(αs,φ,Vsh,Sw)和横波速度,αs,φ,Vsh,Sw依次为孔隙结构参数、孔隙度、泥质含量、含水饱和度;利用现有的岩石物理模型进行正演计算得到纵波速度、横波速度是现有的方法,在此不再赘述;
(43)利用公式(1)计算得到误差fo:
fo=||RPM(αs,φ,Vsh,Sw)-VPm|| (1)
所述公式(1)中VPm为待预测井的测量得到的纵波速度,即输入的待预测井的纵波速度;
(44)判断fo≤ε是否成立,如果是,则将使得fo≤ε成立的孔隙结构参数作为最优孔隙结构参数,然后转入步骤(5);如果否,则转入步骤(45);ε是设定的阈值,该值的大小取0.1
(45)判断孔隙结构参数是否大于(1+a)·L,如果是,则将计算得到的所有误差进行排序,找到排序中的最小值,该最小值对应的孔隙结构参数即为最优孔隙结构参数,然后转入步骤(5),如果否,则将孔隙结构参数加上一个步长作为新的孔隙结构参数,然后返回步骤(42);
(5)将所述最优孔隙结构参数输出,并且输出由该最优孔隙结构参数正演计算得到的横波速度,即为待预测井的横波速度。
如图5所示,本发明系统包括:
数据输入模块10,用于输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构参数,以及输入待预测井的孔隙度、泥质含量、含水饱和度和纵波速度;
回归关系统计模块20,用于利用数据输入模块10发送来的特征井的孔隙度、泥质含量和孔隙结构参数,统计特征井的孔隙结构参数与孔隙度、泥质含量的回归关系;
待预测井孔隙结构参数计算值获取模块30,用于利用数据输入模块10发送来的待预测井的孔隙度、泥质含量和回归关系统计模块20发送来的回归关系求得该待预测井的孔隙结构参数计算值L;
设定模块40,用于根据待预测井孔隙结构参数计算值获取模块30发送来的所述待预测井的孔隙结构参数计算值L设定待预测井的孔隙结构参数的线性扫描范围[(1-a)·L,(1+a)·L],同时设定步长;
线性扫描模块50,用于利用所述设定模块40发送来的线性扫描范围和步长,以及数据输入模块10发送来的待预测井的孔隙度、泥质含量、含水饱和度和纵波速度,在所述线性扫描范围内对待预测井的孔隙结构参数进行线性扫描,找到待预测井的最优孔隙结构参数;
结果输出模块60,用于将线性扫描模块50发送来的最优孔隙结构参数以及由该最优孔隙结构参数正演计算得到的横波速度进行输出。
下面以某地区的实际测井数据为例,进而说明本发明的效果。
实施例1:
本实施例是本发明用于某地区的实际测井数据进行岩石孔隙结构参数反演的实施实例,具体步骤如下:
(1)输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构等测井曲线。统计孔隙结构曲线与孔隙度、泥质含量的回归关系,αs=0.0488544+0.0200858*φ-0.105152*log10Vsh。
(2)输入工区内待预测井的测井曲线,包括纵波速度,密度,孔隙度,泥质含量,含水饱和度,给定波动幅度a为5%,利用上述回归关系计算得到的待预测井的孔隙结构参数的计算值L,从而确定孔隙结构参数的线性扫描范围,即:[(1-a)·L,(1+a)·L]。
(3)以线性扫描范围内的最小值为孔隙结构参数为初始值,由岩石物理模型计算纵波速度,将计算的纵波速度与测井实测的纵波速度进行比较;
(4)从线性扫描范围内选出使得岩石物理模型计算结果与实测数据一致性最好的孔隙结构参数,即最优孔隙结构参数,并输出由该最优孔隙结构参数正演得到的横波速度,即为该待预测井的横波速度。
图1是实施例1中的输入测井数据,从左至右侧依次为含水饱和度、密度、自然伽马、孔隙度、纵波速度、横波速度、纵横波速度比、泥质含量。
图2是实施例1中的特征井的孔隙结构参数,从左至右依次为孔隙结构参数及回归的孔隙结构参数,孔隙度,泥质含量,其中散点为回归的孔隙结构参数,实线为特征井中已知的孔隙结构参数。
图3是实施例1中其他井的横波速度预测,从左至右依次为实测纵波速度和正演计算的纵波速度,孔隙度,泥质含量,含水饱和度,预测的横波速度和实测横波速度,平滑后显示的预测的横波速度和实测横波速度。图中右侧方框内部最左侧曲线为常规方法预测的横波速度,右侧为本发明方法预测的横波速度和实测横波速度,常规方法预测结果与实测横波速度误差较大,而本发明方法预测横波速度与实测横波速度吻合较好,提高了横波速度预测精度。
本发明方法所需要的参数少,只需要纵波速度、孔隙度和泥质含量,就可以预测出岩石横波速度,可以避免传统的经验公式中因统计关系而存在的不确定性,应用范围广。具有计算速度快、稳定性好的优点,为工区内不含横波测井资料的测井横波速度预测精度的提高提供有效方法。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。

Claims (10)

1.一种提高测井横波速度预测精度的方法,其特征在于:所述方法包括:统计工区内的特征井的孔隙结构参数与孔隙度、泥质含量的回归关系,利用该回归关系预测该工区内的待预测井的横波速度;
所述特征井为该工区内具有横波测井资料的测井;
所述待预测井为该工区内不具有横波测井资料的测井,即需要预测横波速度的测井。
2.根据权利要求1所述的提高测井横波速度预测精度的方法,其特征在于:所述方法包括:
(1)输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构参数,统计特征井的孔隙结构参数与孔隙度、泥质含量的回归关系;
(2)输入待预测井的孔隙度、泥质含量、含水饱和度和纵波速度,将待预测井的孔隙度、泥质含量代入到步骤(1)得到的回归关系中求得该待预测井的孔隙结构参数计算值L;
(3)根据所述待预测井的孔隙结构参数计算值L设定待预测井的孔隙结构参数的线性扫描范围[(1-a)·L,(1+a)·L],同时设定步长;
(4)在所述线性扫描范围内对待预测井的孔隙结构参数进行线性扫描,找到待预测井的最优孔隙结构参数:
(5)输出结果。
3.根据权利要求2所述的提高测井横波速度预测精度的方法,其特征在于:所述步骤(3)中的a取值为5%。
4.根据权利要求2所述的提高测井横波速度预测精度的方法,其特征在于:所述步骤(4)的操作具体包括:
(41)设孔隙结构参数的初始值为(1-a)·L;
(42)利用所述孔隙结构参数计算得到纵波速度;
(43)计算步骤(42)获得的纵波速度与步骤(2)输入的待预测井的纵波速度之间的误差fo:
(44)判断fo≤ε是否成立,如果是,则将使得fo≤ε成立的孔隙结构参数作为最优孔隙结构参数,然后转入步骤(5);如果否,则转入步骤(45);
(45)判断孔隙结构参数是否大于(1+a)·L,如果是,则将计算得到的所有误差进行排序,找到排序中的最小值,该最小值对应的孔隙结构参数即为最优孔隙结构参数,然后转入步骤(5),如果否,则将孔隙结构参数加上一个步长作为新的孔隙结构参数,然后返回步骤(42)。
5.根据权利要求4所述的提高测井横波速度预测精度的方法,其特征在于:所述步骤(42)的操作包括:
利用所述孔隙结构参数、输入的待预测井的孔隙度、泥质含量、含水饱和度和岩石物理模型正演计算得到纵波速度RPM(αs,φ,Vsh,Sw)和横波速度,其中,αs,φ,Vsh,Sw依次为孔隙结构参数、孔隙度、泥质含量、含水饱和度。
6.根据权利要求5所述的提高测井横波速度预测精度的方法,其特征在于:所述步骤(43)的操作包括:
采用下式计算得到误差fo:
fo=||RPM(αs,φ,Vsh,Sw)-VPm|| (1)
所述公式(1)中的VPm为输入的待预测井的纵波速度。
7.根据权利要求6所述的提高测井横波速度预测精度的方法,其特征在于:所述步骤(44)中的ε是设定的阈值,ε的取值为0.1。
8.根据权利要求4所述的提高测井横波速度预测精度的方法,其特征在于:所述步骤(5)的操作包括:
将所述最优孔隙结构参数输出,同时输出由该最优孔隙结构参数正演计算得到的横波速度,该横波速度即为待预测井的横波速度。
9.一种提高测井横波速度预测精度的系统,其特征在于:所述系统包括:
数据输入模块,用于输入特征井的测井数据,包括孔隙度、泥质含量、孔隙结构参数,以及输入待预测井的孔隙度、泥质含量、含水饱和度和纵波速度;
回归关系统计模块,用于利用数据输入模块发送来的特征井的孔隙度、泥质含量和孔隙结构参数,统计特征井的孔隙结构参数与孔隙度、泥质含量的回归关系;
待预测井孔隙结构参数计算值获取模块,用于利用数据输入模块发送来的待预测井的孔隙度、泥质含量和回归关系统计模块发送来的回归关系求得该待预测井的孔隙结构参数计算值L;
设定模块,用于根据待预测井孔隙结构参数计算值获取模块发送来的所述待预测井的孔隙结构参数计算值L设定待预测井的孔隙结构参数的线性扫描范围[(1-a)·L,(1+a)·L],同时设定步长;
线性扫描模块,用于利用所述设定模块发送来的线性扫描范围和步长,以及数据输入模块发送来的待预测井的孔隙度、泥质含量、含水饱和度和纵波速度,在所述线性扫描范围内对待预测井的孔隙结构参数进行线性扫描,找到待预测井的最优孔隙结构参数;
结果输出模块,用于将线性扫描模块发送来的最优孔隙结构参数以及由该最优孔隙结构参数正演计算得到的横波速度进行输出。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所述计算机执行如权利要求1-8任一项所述的提高测井横波速度预测精度的方法中的步骤。
CN201910908076.7A 2019-09-25 2019-09-25 一种提高测井横波速度预测精度的方法及系统 Active CN112558152B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910908076.7A CN112558152B (zh) 2019-09-25 2019-09-25 一种提高测井横波速度预测精度的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910908076.7A CN112558152B (zh) 2019-09-25 2019-09-25 一种提高测井横波速度预测精度的方法及系统

Publications (2)

Publication Number Publication Date
CN112558152A true CN112558152A (zh) 2021-03-26
CN112558152B CN112558152B (zh) 2024-06-18

Family

ID=75028995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910908076.7A Active CN112558152B (zh) 2019-09-25 2019-09-25 一种提高测井横波速度预测精度的方法及系统

Country Status (1)

Country Link
CN (1) CN112558152B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5265016A (en) * 1989-07-19 1993-11-23 Amoco Corporation Method of shear wave velocity estimation
CN103576196A (zh) * 2013-10-28 2014-02-12 西北大学 一种随压力变化的孔隙介质横波速度预测方法
CN103954999A (zh) * 2014-05-06 2014-07-30 成都理工大学 一种适用于低孔隙度砂泥岩地层的横波速度预测新方法
CN104101904A (zh) * 2013-04-03 2014-10-15 中国石油化工股份有限公司 一种快速求取地层横波速度的方法
CN104252007A (zh) * 2013-06-26 2014-12-31 中国石油化工股份有限公司 一种相容性岩石物理建模方法
CN104316962A (zh) * 2014-07-28 2015-01-28 中国石油化工股份有限公司 岩石孔隙结构参数反演方法及其系统
CN106680878A (zh) * 2016-12-29 2017-05-17 中国石油大学(华东) 一种基于改进Biot系数分析的横波速度估算方法
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
CN110133720A (zh) * 2019-06-04 2019-08-16 南京信息工程大学 一种基于统计岩石物理模型的横波速度预测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5265016A (en) * 1989-07-19 1993-11-23 Amoco Corporation Method of shear wave velocity estimation
CN104101904A (zh) * 2013-04-03 2014-10-15 中国石油化工股份有限公司 一种快速求取地层横波速度的方法
CN104252007A (zh) * 2013-06-26 2014-12-31 中国石油化工股份有限公司 一种相容性岩石物理建模方法
CN103576196A (zh) * 2013-10-28 2014-02-12 西北大学 一种随压力变化的孔隙介质横波速度预测方法
CN103954999A (zh) * 2014-05-06 2014-07-30 成都理工大学 一种适用于低孔隙度砂泥岩地层的横波速度预测新方法
CN104316962A (zh) * 2014-07-28 2015-01-28 中国石油化工股份有限公司 岩石孔隙结构参数反演方法及其系统
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
CN106680878A (zh) * 2016-12-29 2017-05-17 中国石油大学(华东) 一种基于改进Biot系数分析的横波速度估算方法
CN110133720A (zh) * 2019-06-04 2019-08-16 南京信息工程大学 一种基于统计岩石物理模型的横波速度预测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
刘雅杰 等: "《横波预测技术在苏里格气田储层预测中的应用》", 《石油地球物理勘探》, vol. 51, no. 1, pages 165 - 174 *
张秉铭 等: "《富有机质泥页岩岩石物理横波速度预测方法研究》", 《石油物探》, vol. 57, no. 5, pages 658 - 667 *
李敬功: "《利用常规测井资料计算气藏横波速度》", 《岩性油气藏》, vol. 19, no. 2, pages 67 - 70 *
李霞: "《泌阳凹陷梨树洼地区岩石物理特征分析与储层预测研究》", 《石油天然气学报》, vol. 32, no. 3, 30 June 2010 (2010-06-30), pages 240 - 243 *
白俊雨 等: "《基于Xu-White模型横波速度预测的误差分析》", 《新疆石油天然气》, vol. 7, no. 3, pages 9 - 14 *
高刚 等: "《川东北地区碳酸盐岩储层孔隙度预测方法研究》", 《科学技术与工程》, vol. 13, no. 10, pages 2635 - 2641 *

Also Published As

Publication number Publication date
CN112558152B (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
US8868348B2 (en) Well constrained horizontal variable H-V curve constructing method for seismic wave velocity field construction
CN110954948B (zh) 一种岩石物理约束储层物性参数反演方法及系统
CN103954999B (zh) 一种适用于低孔隙度砂泥岩地层的横波速度预测方法
CN104101904B (zh) 一种快速求取地层横波速度的方法
CN104181585A (zh) 一种地球物理勘探横波估算方法和系统
CN112255688B (zh) 一种基于岩石物理理论的三维地震反演地层压力的方法
CN104252007A (zh) 一种相容性岩石物理建模方法
CN106556866A (zh) 一种利用岩石物理模板对储层定量解释的方法
WO2020215170A1 (zh) 基于地震岩石物理实验分析的测井与地震速度匹配方法
CN110095811B (zh) 膏岩层速度模型构建处理方法及装置
CN104570065B (zh) 一种利用地震波阻抗定量反演孔隙度的方法
CN112147689B (zh) 一种碳酸盐岩储层解释方法及解释量版建立方法
CN104316962A (zh) 岩石孔隙结构参数反演方法及其系统
CN112346130B (zh) 一种富有机质岩石横波速度预测方法、存储介质及系统
CN104570064A (zh) 一种砂岩地层横波速度计算方法
CN110927787B (zh) 基于虚拟岩性的横波速度计算方法及系统
CN104198516B (zh) 应用核磁共振t2几何平均值预测横波速度的方法
CN110967742B (zh) 一种孔隙度反演方法及系统
CN112558152B (zh) 一种提高测井横波速度预测精度的方法及系统
He et al. Rock skeleton models and seismic porosity inversion
CN112180442A (zh) 一种基于crp道集的岩性反演方法及系统
CN113138412B (zh) 深层页岩气孔隙度地震预测方法及装置
CN102809761A (zh) 一种获取煤岩的速度特征的控制方法
CN109061737B (zh) 一种基于合成地震记录的储层预测方法及装置
CN111897004A (zh) 一种基于大数据分析技术的测井预测方法

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