CN112649867A - 虚拟井构建方法及系统 - Google Patents

虚拟井构建方法及系统 Download PDF

Info

Publication number
CN112649867A
CN112649867A CN201910969409.7A CN201910969409A CN112649867A CN 112649867 A CN112649867 A CN 112649867A CN 201910969409 A CN201910969409 A CN 201910969409A CN 112649867 A CN112649867 A CN 112649867A
Authority
CN
China
Prior art keywords
lithofacies
data
wave impedance
virtual
virtual well
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
CN201910969409.7A
Other languages
English (en)
Other versions
CN112649867B (zh
Inventor
李京南
胡华锋
朱童
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 CN201910969409.7A priority Critical patent/CN112649867B/zh
Publication of CN112649867A publication Critical patent/CN112649867A/zh
Application granted granted Critical
Publication of CN112649867B publication Critical patent/CN112649867B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6169—Data from specific type of measurement using well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G01V2210/6226—Impedance

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

公开了一种虚拟井构建方法及系统。该方法可以包括：确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；根据测井数据确定每个岩相类型对应的岩相数据；根据初始岩相类型，通过岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；获得每一个虚拟井对应的波阻抗数据；分别计算多个虚拟井的波阻抗数据与目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。本发明基于叠后地震数据和工区内已有的测井数据、地质数据，构建虚拟井，适用性广，虚拟井曲线可用于后续的储层描述、高精度地震反演等环节，约束空间变化规律。

Description

虚拟井构建方法及系统
技术领域
本发明涉及地震勘探技术领域，更具体地，涉及一种虚拟井构建方法及系统。
背景技术
虚拟井构建(预测)技术是指在没有井的位置处，利用该位置邻域内已有的地质、测井等资料获得测井曲线的一种经济可行的手段。虚拟井可用于后续储层预测的地震反演约束控制，有助于更精细地研究各类油藏参数在空间的变化规律。虚拟井构建技术被认为是一种多快好省的综合技术。
虚拟井的建立通常有两大类方法，一类方法是基于研究区域内某一空间位置的区域化变量值，从周围邻域内各点的区域化变量值进行估计，这类方法包括反距离平方加权法、残差分析法、克里金法等；另一类构建虚拟井曲线的方法主要基于遗传算法理论，即利用叠前地震入射角道集和初始层速度场数据，在所选控制点上进行基于遗传算法的叠前波形反演，求取出控制点的纵波速度、横波速度和密度曲线。然而，对于第一类方法，欲获得高精度的虚拟井，要求已知的井资料要尽量多，这难以适用于勘探程度低、钻井少的区域。对于第二类方法，在实际工作中，往往没有叠前和初始层速度场数据，叠前数据的质量通常难以得到保证，容易受噪声、处理环节等因素的影响，叠前反演结果的不确定性难以评估。因此，有必要开发一种基于连续时间马尔科夫链的虚拟井构建方法及系统。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种虚拟井构建方法及系统，其基于叠后地震数据和工区内已有的测井数据、地质数据，构建虚拟井，适用性广，虚拟井曲线可用于后续的储层描述、高精度地震反演等环节，约束空间变化规律。
根据本发明的一方面，提出了一种虚拟井构建方法。所述方法可以包括：确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；根据测井数据确定每个岩相类型对应的岩相数据；根据初始岩相类型，通过所述岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；获得每一个虚拟井对应的波阻抗数据；分别计算多个虚拟井的波阻抗数据与所述目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
优选地，所述岩相数据包括：所述岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。
优选地，所述根据测井数据确定每个岩相类型对应的岩相数据包括：根据测井岩相解释结果确定岩相类型的计数矩阵，根据所述计数矩阵计算岩相类型的转移概率矩阵；统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
优选地，马尔科夫链的表达式为：
Figure BDA0002231583150000021
其中，p(πt)和p(πt+1)为时刻t和时刻t+1的岩相类型的概率，
Figure BDA0002231583150000022
为转移概率矩阵，p(π0)为初始岩相类型的概率。
优选地，虚拟井波阻抗数据与目标波阻抗的差异的二范数为：
J＝||Iobs-Ipse||2 (2)
其中，Iobs表示目标波阻抗，Ipse表示虚拟井的波阻抗。
根据本发明的另一方面，提出了一种虚拟井构建系统，其特征在于，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；根据测井数据确定每个岩相类型对应的岩相数据；根据初始岩相类型，通过所述岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；获得每一个虚拟井对应的波阻抗数据；分别计算多个虚拟井的波阻抗数据与所述目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
优选地，所述岩相数据包括：所述岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。
优选地，所述根据测井数据确定每个岩相类型对应的岩相数据包括：根据测井岩相解释结果确定岩相类型的计数矩阵，根据所述计数矩阵计算岩相类型的转移概率矩阵；统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
优选地，马尔科夫链的表达式为：
Figure BDA0002231583150000033
其中，p(πt)和p(πt+1)为时刻t和时刻t+1的岩相类型的概率，
Figure BDA0002231583150000032
为转移概率矩阵，p(π0)为初始岩相类型的概率。
优选地，虚拟井波阻抗数据与目标波阻抗的差异的二范数为：
J＝||Iobs-Ipse||2 (2)
其中，Iobs表示目标波阻抗，Ipse表示虚拟井的波阻抗。
其有益效果在于：
利用叠后地震数据即可，可不必用叠前地震数据；
既适用于测井、地质资料丰富的地区，也适用于勘探程度低、测井少的工区，适用性广；
虚拟井曲线可用于后续的储层描述、地震反演、地震解释等环节；
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的虚拟井构建方法的步骤的流程图。
图2示出了根据本发明的一个实施例的目标位置地震数据的示意图。
图3示出了根据本发明的一个实施例的目标波阻抗的示意图。
图4a、图4b、图4c、图4d分别示出了根据本发明的一个实施例的最终虚拟井的孔隙度、泥质含量、纵波速度、密度曲线示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
图1示出了根据本发明的虚拟井构建方法的步骤的流程图。
在该实施例中，根据本发明的虚拟井构建方法可以包括：步骤101，确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；步骤102，根据测井数据确定每个岩相类型对应的岩相数据；步骤103，根据初始岩相类型，通过岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；步骤104，获得每一个虚拟井对应的波阻抗数据；步骤105，分别计算多个虚拟井的波阻抗数据与目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
在一个示例中，岩相数据包括：岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。
在一个示例中，根据测井数据确定每个岩相类型对应的岩相数据包括：根据测井岩相解释结果确定岩相类型的计数矩阵，根据计数矩阵计算岩相类型的转移概率矩阵；统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
在一个示例中，马尔科夫链的表达式为：
Figure BDA0002231583150000051
其中，p(πt)和p(πt+1)为时刻t和时刻t+1的岩相类型的概率，
Figure BDA0002231583150000052
为转移概率矩阵，p(π0)为初始岩相类型的概率。
在一个示例中，虚拟井波阻抗数据与目标波阻抗的差异的二范数为：
J＝||Iobs-Ipse||2 (2)
其中，Iobs表示目标波阻抗，Ipse表示虚拟井的波阻抗。
在一个示例中，岩相参数包括孔隙度、泥质含量、纵波速度、密度。
在一个示例中，根据虚拟井的岩相参数中的纵波速度和密度计算虚拟井对应的波阻抗数据。
具体地，研究表明，与常规的离散时间马尔科夫链相比，连续时间马尔科夫链更符合实际地质沉积规律。根据本发明基于连续时间马尔科夫链的的虚拟井构建方法可以包括：
确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗。
根据测井数据确定每个岩相类型对应的岩相数据，岩相数据包括：岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。根据测井岩相解释结果确定岩相类型的计数矩阵，根据计数矩阵计算岩相类型的转移概率矩阵；统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
根据初始岩相类型，通过岩相数据构建连续时间马尔科夫链，马尔科夫链的表达式为公式(1)，进行多次随机模拟，在随机模拟得到岩相类型后，根据上述确定的岩相类型厚度概率分布函数随机采样可得到岩相类型的厚度值，同时根据岩相参数的概率分布函数随机采样得到岩相参数值，至此便实现连续时间马尔科夫链的构建，即一个虚拟井的构建，进而获得多个虚拟井；根据虚拟井的岩相参数计算虚拟井对应的波阻抗数据；分别计算多个虚拟井的波阻抗数据与目标波阻抗的差异的二范数为公式(2)，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
本方法基于叠后地震数据和工区内已有的测井数据、地质数据，构建虚拟井，适用性广，虚拟井曲线可用于后续的储层描述、高精度地震反演等环节，约束空间变化规律。
应用示例
为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
图2示出了根据本发明的一个实施例的目标位置地震数据的示意图。
图3示出了根据本发明的一个实施例的目标波阻抗的示意图。
确定目标位置，所选地震数据长度为218个采样点，采样间隔为1ms，如图2所示，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗，如图3所示。
图4a、图4b、图4c、图4d分别示出了根据本发明的一个实施例的最终虚拟井的孔隙度、泥质含量、纵波速度、密度曲线示意图。
选取某实际工区的测井数据，该工区只有砂泥岩两种岩性，则岩相类型间的概率转移矩阵很简单，为
Figure BDA0002231583150000071
分别用高斯函数拟合砂岩厚度和泥岩厚度曲线。给定转移概率矩阵和初始岩相，基于连续时间马尔科夫链随机模拟3000个虚拟井曲线，包括孔隙度、泥质含量、纵波速度、密度，进而分别对3000个虚拟井计算波阻抗曲线；计算3000个模拟波阻抗与反演波阻抗的能量差异，从中选择差异最小的1个虚拟井，作为最终虚拟井，其孔隙度、泥质含量、纵波速度、密度曲线如图4a-d所示。
综上所述，本发明基于叠后地震数据和工区内已有的测井数据、地质数据，构建虚拟井，适用性广，虚拟井曲线可用于后续的储层描述、高精度地震反演等环节，约束空间变化规律。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
根据本发明的实施例，提供了一种虚拟井构建系统，其特征在于，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；根据测井数据确定每个岩相类型对应的岩相数据；根据初始岩相类型，通过岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；获得每一个虚拟井对应的波阻抗数据；分别计算多个虚拟井的波阻抗数据与目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
在一个示例中，岩相数据包括：岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。
在一个示例中，根据测井数据确定每个岩相类型对应的岩相数据包括：根据测井岩相解释结果确定岩相类型的计数矩阵，根据计数矩阵计算岩相类型的转移概率矩阵；统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
在一个示例中，马尔科夫链的表达式为：
Figure BDA0002231583150000081
其中，p(πt)和p(πt+1)为时刻t和时刻t+1的岩相类型的概率，
Figure BDA0002231583150000082
为转移概率矩阵，p(π0)为初始岩相类型的概率。
在一个示例中，虚拟井波阻抗数据与目标波阻抗的差异的二范数为：
J＝||Iobs-Ipse||2 (2)
其中，Iobs表示目标波阻抗，Ipse表示虚拟井的波阻抗。
在一个示例中，岩相参数包括孔隙度、泥质含量、纵波速度、密度。
在一个示例中，根据虚拟井的岩相参数中的纵波速度和密度计算虚拟井对应的波阻抗数据。
本系统基于叠后地震数据和工区内已有的测井数据、地质数据，构建虚拟井，适用性广，虚拟井曲线可用于后续的储层描述、高精度地震反演等环节，约束空间变化规律。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (10)

1.一种虚拟井构建方法，其特征在于，包括：
确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；
根据测井数据确定每个岩相类型对应的岩相数据；
根据初始岩相类型，通过所述岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；
获得每一个虚拟井对应的波阻抗数据；
分别计算多个虚拟井的波阻抗数据与所述目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
2.根据权利要求1所述的虚拟井构建方法，其中，所述岩相数据包括：所述岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。
3.根据权利要求1所述的虚拟井构建方法，其中，所述根据测井数据确定每个岩相类型对应的岩相数据包括：
根据测井岩相解释结果确定岩相类型的计数矩阵，根据所述计数矩阵计算岩相类型的转移概率矩阵；
统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；
统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
4.根据权利要求1所述的虚拟井构建方法，其中，马尔科夫链的表达式为：
Figure FDA0002231583140000021
其中，p(πt)和p(πt+1)为时刻t和时刻t+1的岩相类型的概率，
Figure FDA0002231583140000022
为转移概率矩阵，p(π0)为初始岩相类型的概率。
5.根据权利要求1所述的虚拟井构建方法，其中，虚拟井波阻抗数据与目标波阻抗的差异的二范数为：
J＝||Iobs-Ipse||2 (2)
其中，Iobs表示目标波阻抗，Ipse表示虚拟井的波阻抗。
6.一种虚拟井构建系统，其特征在于，该系统包括：
存储器，存储有计算机可执行指令；
处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：
确定目标位置，对该位置处的地震数据进行叠后波阻抗反演，获得目标波阻抗；
根据测井数据确定每个岩相类型对应的岩相数据；
根据初始岩相类型，通过所述岩相数据构建连续时间马尔科夫链，进行多次随机模拟，获得多个虚拟井；
获得每一个虚拟井对应的波阻抗数据；
分别计算多个虚拟井的波阻抗数据与所述目标波阻抗的差异的二范数，将差异的二范数最小的虚拟井标记为地震道位置处的最终虚拟井。
7.根据权利要求6所述的虚拟井构建系统，其中，所述岩相数据包括：所述岩相类型的转移概率矩阵、岩相类型厚度的概率分布函数、每个岩相参数的概率分布函数。
8.根据权利要求6所述的虚拟井构建系统，其中，所述根据测井数据确定每个岩相类型对应的岩相数据包括：
根据测井岩相解释结果确定岩相类型的计数矩阵，根据所述计数矩阵计算岩相类型的转移概率矩阵；
统计测井上每个岩相类型的厚度数据，进而通过拟合获得每个岩相类型厚度的概率分布函数；
统计测井上每个岩相类型的岩相参数，拟合每个岩相参数的概率分布函数。
9.根据权利要求6所述的虚拟井构建系统，其中，马尔科夫链的表达式为：
Figure FDA0002231583140000031
其中，p(πt)和p(πt+1)为时刻t和时刻t+1的岩相类型的概率，
Figure FDA0002231583140000032
为转移概率矩阵，p(π0)为初始岩相类型的概率。
10.根据权利要求6所述的虚拟井构建系统，其中，虚拟井波阻抗数据与目标波阻抗的差异的二范数为：
J＝||Iobs-Ipse||2 (2)
其中，Iobs表示目标波阻抗，Ipse表示虚拟井的波阻抗。
CN201910969409.7A 2019-10-12 2019-10-12 虚拟井构建方法及系统 Active CN112649867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910969409.7A CN112649867B (zh) 2019-10-12 2019-10-12 虚拟井构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910969409.7A CN112649867B (zh) 2019-10-12 2019-10-12 虚拟井构建方法及系统

Publications (2)

Publication Number Publication Date
CN112649867A true CN112649867A (zh) 2021-04-13
CN112649867B CN112649867B (zh) 2024-04-09

Family

ID=75343278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910969409.7A Active CN112649867B (zh) 2019-10-12 2019-10-12 虚拟井构建方法及系统

Country Status (1)

Country Link
CN (1) CN112649867B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118393570A (zh) * 2024-07-01 2024-07-26 中国石油大学(华东) 地震反演方法、装置、存储介质及电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980053A (zh) * 2010-10-18 2011-02-23 中国石油化工股份有限公司 一种复杂礁滩储层预测方法
CN103439740A (zh) * 2013-07-24 2013-12-11 中国石油天然气股份有限公司 基于偶极地震子波多重积分的相对阻抗预测的方法及装置
CN103527184A (zh) * 2013-10-28 2014-01-22 北京大学 一种白云岩储层的预测方法和系统
CN104516018A (zh) * 2013-09-30 2015-04-15 中国石油化工股份有限公司 一种地球物理勘探中岩性约束下的孔隙度反演方法
CN105527653A (zh) * 2015-12-01 2016-04-27 中国地质大学（北京） 一种基于地质信息的虚拟井构建方法
CN106168676A (zh) * 2015-05-22 2016-11-30 中国石油化工股份有限公司 基于地震资料的地层岩性和流体识别方法和装置
WO2017082897A1 (en) * 2015-11-11 2017-05-18 Halliburton Energy Services Inc. Method for computing lithofacies probability using lithology proximity models
CN107462927A (zh) * 2016-06-03 2017-12-12 中国石油化工股份有限公司 基于朴素贝叶斯分类的地震岩相预测方法和装置
CN108037528A (zh) * 2017-09-25 2018-05-15 中国石油化工股份有限公司 少井区基于统计岩石物理建模的孔隙度预测方法及系统
CN109324344A (zh) * 2017-08-01 2019-02-12 中国石油化工股份有限公司 基于纯纵波和拟声波反演的页岩厚度预测方法及系统
WO2019062655A1 (zh) * 2017-09-27 2019-04-04 中国石油天然气股份有限公司 薄夹层的确定方法和装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980053A (zh) * 2010-10-18 2011-02-23 中国石油化工股份有限公司 一种复杂礁滩储层预测方法
CN103439740A (zh) * 2013-07-24 2013-12-11 中国石油天然气股份有限公司 基于偶极地震子波多重积分的相对阻抗预测的方法及装置
CN104516018A (zh) * 2013-09-30 2015-04-15 中国石油化工股份有限公司 一种地球物理勘探中岩性约束下的孔隙度反演方法
CN103527184A (zh) * 2013-10-28 2014-01-22 北京大学 一种白云岩储层的预测方法和系统
CN106168676A (zh) * 2015-05-22 2016-11-30 中国石油化工股份有限公司 基于地震资料的地层岩性和流体识别方法和装置
WO2017082897A1 (en) * 2015-11-11 2017-05-18 Halliburton Energy Services Inc. Method for computing lithofacies probability using lithology proximity models
CN105527653A (zh) * 2015-12-01 2016-04-27 中国地质大学（北京） 一种基于地质信息的虚拟井构建方法
CN107462927A (zh) * 2016-06-03 2017-12-12 中国石油化工股份有限公司 基于朴素贝叶斯分类的地震岩相预测方法和装置
CN109324344A (zh) * 2017-08-01 2019-02-12 中国石油化工股份有限公司 基于纯纵波和拟声波反演的页岩厚度预测方法及系统
CN108037528A (zh) * 2017-09-25 2018-05-15 中国石油化工股份有限公司 少井区基于统计岩石物理建模的孔隙度预测方法及系统
WO2019062655A1 (zh) * 2017-09-27 2019-04-04 中国石油天然气股份有限公司 薄夹层的确定方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118393570A (zh) * 2024-07-01 2024-07-26 中国石油大学(华东) 地震反演方法、装置、存储介质及电子设备
CN118393570B (zh) * 2024-07-01 2024-09-17 中国石油大学(华东) 地震反演方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN112649867B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
EP2539844B1 (en) Method and system for using multiple-point statistics simulation to model reservoir property trends
US7363163B2 (en) Method for updating a geological reservoir model by means of dynamic data
Michael et al. Combining geologic‐process models and geostatistics for conditional simulation of 3‐D subsurface heterogeneity
US20210264262A1 (en) Physics-constrained deep learning joint inversion
CN112703429A (zh) 基于机器学习的地震属性分析
Bertoncello et al. Conditioning surface-based geological models to well and thickness data
US9081918B2 (en) Methods and systems regarding models of underground formations
CA2940406C (en) Characterizing a physical structure using a multidimensional noise model to attenuate noise data
EP2300933B1 (en) Distribution of properties in a 3d volumetric model using a maximum continuity field
EP3149517A2 (en) Properties link for simultaneous joint inversion
Fegh et al. Permeability prediction and construction of 3D geological model: application of neural networks and stochastic approaches in an Iranian gas reservoir
CN104200115A (zh) 一种基于地质统计学模拟的全地层速度建模方法
Jeong et al. A fast approximation for seismic inverse modeling: Adaptive spatial resampling
CN112649867B (zh) 虚拟井构建方法及系统
CN109283574B (zh) 低频模型构建方法及计算机可读存储介质
CN110927786B (zh) 基于虚拟井随机模拟的地震岩相预测方法及系统
CN115880455A (zh) 基于深度学习的三维智能插值方法
Ketteb et al. Modeling of porosity by geostatistical methods
Vidal et al. Geostatistical simulations of geothermal reservoirs: two-and multiple-point statistic models
Jo et al. Conditioning stratigraphic, rule-Based models with generative adversarial networks: A deepwater lobe, deep learning example
Agar et al. Bayesian artificial intelligence for geologic prediction: Fracture case study, Horn River Basin
Hill et al. Simulating sedimentary successions using syntactic pattern recognition techniques
Reza et al. ModDRE: A program to model deepwater-reservoir elements using geomorphic and stratigraphic constraints
Lisovskaya et al. Application of neural network technology to calculate well logging porosity on the example of UK2-7 formations in the Yelizarovsky deflection (Western Siberia)
FitzGerald et al. Delineate 3D iron ore geology and resource models using the potential field 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