CN112711067B - 薄储层预测方法及装置 - Google Patents
薄储层预测方法及装置 Download PDFInfo
- Publication number
- CN112711067B CN112711067B CN201911017365.4A CN201911017365A CN112711067B CN 112711067 B CN112711067 B CN 112711067B CN 201911017365 A CN201911017365 A CN 201911017365A CN 112711067 B CN112711067 B CN 112711067B
- Authority
- CN
- China
- Prior art keywords
- frequency
- seismic data
- seismic
- original
- inversion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 40
- 239000004576 sand Substances 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000004088 simulation Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 16
- 125000004122 cyclic group Chemical group 0.000 claims description 11
- 239000011435 rock Substances 0.000 claims description 11
- 238000002922 simulated annealing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- 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
本发明实施例公开了一种薄储层预测方法及装置,方法包括:获取预设岩层在预设区域内的原始地震数据、地震解释层位与原始测井数据;利用所述原始地震数据进行拓频处理,得到拓频地震数据;将所述原始测井数据中的伽玛曲线重构为波阻抗曲线,并对所述波阻抗曲线和得到的拓频地震数据进行时深标定;根据所述波阻抗曲线、所述拓频地震数据以及所述时深标定关系和所述地震解释层位建立地震地质模型;根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数据进行地质统计学反演。本发明实施例提高了超深薄砂层的反演结果的分辨率和可信度。
Description
技术领域
本发明涉及石油勘探开发技术领域,尤其涉及薄储层预测方法及装置。
背景技术
常规的测井约束地震反演技术,主要是基于褶积模型的叠后地震资料反 演技术,在储层识别与横向预测中起到了重要的作用。
然而,一些超深薄砂层具有“埋藏深、厚度薄”的特点,其中,砂体埋 深约5000米,厚度约3米至5米,对于这种超深薄砂层采用常规测井约束地 震反演技术很难准确地刻画薄储层,特别是由于受埋深、压实和成岩等作用 影响波阻抗曲线已经很难进行有效的区分储层,反演结果分辨率低,只能进 行简单的定性分析,无法准确刻画薄砂层,影响了储层定量化研究和效果。
发明内容
本发明实施例提供薄储层预测方法及装置,以提高超深薄砂层的反演结 果分辨率和可信度。
本发明实施例第一方面提供一种薄储层预测方法,包括:
获取预设岩层在预设区域内的原始地震数据、地震解释层位与原始测井 数据;
根据所述原始地震数据进行拓频处理,得到拓频地震数据;
将所述原始测井数据中的伽玛曲线重构为波阻抗曲线,建立所述波阻抗 曲线与所述原始地震数据对应关系,并对所述波阻抗曲线和所述拓频地震数 据进行时深标定;
根据所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震 解释层位建立地震地质模型;
根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数据对所述预 设区域进行地质统计学反演。
可选的,根据所述原始地震数据进行拓频处理,得到拓频地震数据,包 括:
根据所述原始地震数据采用频率优化循环反褶积算法进行拓频处理,得 到拓频地震数据。
可选的,根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数据 对所述预设区域进行地质统计学反演,包括:
根据地质规律、所述拓频地震数据、所述地震地质模型对所述预设区域 进行概率密度函数和变差函数分析,得到概率密度参数和变差参数;
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行 地质统计学反演。
可选的,在所述地震地质模型的框架下,根据所述概率密度参数和变差 参数进行地质统计学反演,包括:
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行 序贯高斯模拟,同时采用模拟退火反演算法进行地质统计学反演。
可选的,在所述地震地质模型的框架下,根据所述概率密度参数和变差 参数采用模拟退火反演算法对所述预设区域进行地质统计学反演之后,包括:
根据所述原始测井数据、所述拓频地震数据地震属性和地质规律进行分 析,合并多个等概率储层的反演结果。
本发明实施例第二方面提供一种薄储层预测装置,包括:
获取模块,用于获取预设岩层在预设区域内的原始地震数据、地震解释 层位与原始测井数据;
拓频地震数据得到模块,用于根据所述原始地震数据进行拓频处理,得 到拓频地震数据;
标定模块,用于将所述原始测井数据中的伽玛曲线重构为波阻抗曲线, 建立所述波阻抗曲线与所述原始地震数据对应关系,并对所述波阻抗曲线和 所述拓频地震数据进行时深标定;
地震地质模型建立模块,用于根据所述波阻抗曲线、所述拓频地震数据 以及所述时深标定和所述地震解释层位建立地震地质模型;
反演模块,用于根据所述地震地质模型、所述波阻抗曲线和所述拓频地 震数据对所述预设区域进行地质统计学反演。
可选的,所述拓频地震数据得到模块包括:
拓频地震数据得到子模块,用于根据所述原始地震数据采用频率优化循 环反褶积算法进行拓频处理,得到拓频地震数据。
可选的,所述反演模块包括:
参数得到子模块,用于根据地质规律、所述拓频地震数据、所述地震地 质模型对所述预设区域进行概率密度函数和变差函数分析,得到概率密度参 数和变差参数;
反演子模块,用于在所述地震地质模型的框架下,根据所述概率密度参 数和变差参数进行地质统计学反演。
可选的,所述反演子模块包括:
反演单元,用于在所述地震地质模型的框架下,根据所述概率密度参数 和变差参数进行序贯高斯模拟,同时采用模拟退火反演算法进行地质统计学 反演。
可选的,还包括:
合并模块,用于根据所述原始测井数据、所述拓频地震数据地震属性和 地质规律进行分析,合并多个等概率储层的反演结果。
本发明实施例第三方面提供一种电子设备,包括:处理器,存储器以及 计算机程序;其中,所述计算机程序被存储在所述存储器中,并且被配置为 由所述处理器执行,所述计算机程序包括用于执行如前述第一方面任一项所 述的方法的指令。
本发明实施例第四方面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程序,所述计算机程序被执行时,实现如前述第一方 面任一项所述的方法。
本发明实施例相对于现有技术的有益效果:
本发明实施例提供的薄储层预测方法及装置中,首先,获取预设岩层 在预设区域内的原始地震数据、地震解释层位与原始测井数据;其次,根 据所述原始地震数据进行拓频处理,得到拓频地震数据;然后,将所述原 始测井数据中的伽玛曲线重构为波阻抗曲线,建立波阻抗曲线与原始地震 数据对应关系,并对所述波阻抗曲线和拓频地震数据进行时深标定;根据 所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震解释层位建立地震地质模型;最后,根据所述地震地质模型、所述波阻抗曲线和 所述拓频地震数据对所述预设区域进行地质统计学反演。本发明实施例通 过将常规用于地震资料处理的频率优化循环反褶积算法引入用于反演前 期处理,通过拓频处理,可以提高原始地震数据的垂向分辨能力,使测井 曲线的高频信息与地震资料达到了高度匹配,提高了地震地质模型的精度, 为反演模拟收敛提供了有利条件,同时波阻抗曲线重构为砂岩识别提供了 有效解决方案,将两者有机结合,进而提高了超深薄砂层的反演结果的分 辨率和可信度。
附图说明
图1为本发明实施例提供的一种薄储层预测方法的流程图;
图2a为本发明实施例提供的地震资料拓频效果图;
图2b为本发明实施例提供的地震资料拓频效果图;
图3为常规约束稀疏脉冲反演剖面;
图4为本发明实施例提供的拓频地震数据与高分辨反演结果叠合显示剖 面;
图5为本发明实施例提供的薄储层预测装置的结构示意图。
具体实施方式
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 描述,显然,所描述的实施例仅仅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,都属于本发明保护的范围。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的 描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的 要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的 所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明 的一些方面相一致的装置和方法的例子。
应当明确,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而 非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形 式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示 其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联 关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A, 同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般 表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为 “在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决 于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释 成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响 应于检测(陈述的条件或事件)”。
还需要说明的是,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商品或者系统不仅包括那些 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商品或 者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……” 限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相 同要素。
本发明实施例提供的薄储层预测方法及装置中,首先,获取预设岩层 在预设区域内的原始地震数据、地震解释层位与原始测井数据;其次,根 据所述原始地震数据进行拓频处理,得到拓频地震数据;然后,将所述原 始测井数据中的伽玛曲线重构为波阻抗曲线,建立波阻抗曲线与原始地震 数据对应关系,并对所述波阻抗曲线和拓频地震数据进行时深标定;根据 所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震解释层位建立地震地质模型;最后,根据所述地震地质模型、所述波阻抗曲线和 所述拓频地震数据对所述预设区域进行地质统计学反演。本发明实施例通 过将常规用于地震资料处理的频率优化循环反褶积算法引入用于反演前 期处理,通过拓频处理,可以提高原始地震数据的垂向分辨能力,使测井 曲线的高频信息与地震资料达到了高度匹配,提高了地震地质模型的精度, 为反演模拟收敛提供了有利条件,同时波阻抗曲线重构为砂岩识别提供了 有效解决方案,将两者有机结合,进而提高了超深薄砂层的反演结果的分 辨率和可信度。
本发明实施例所描述的原始地震数据、地震解释层位与原始测井数据可 以是采用现有技术的地震反演技术对预设岩层的预设区域进行预测得到的, 本发明实施例对原始地震数据、地震解释层位与原始测井数据的具体内容不 作限定。
下面,结合图1,说明本发明实施例的薄储层预测方法的流程示意图。 该方法具体可以包括:
步骤S101:获取预设岩层在预设区域内的原始地震数据、地震解释层位 与原始测井数据。
本发明实施例中,预设岩层可以为薄砂层,而预设区域可以为一定的待 勘探开发范围区域,本发明实施例主要用于研究预设区域内的储层分布情况, 其中,上述的原始钻井可以包括已钻井的井坐标、井斜、地质分层;原始地 震数据、地震解释层位与原始测井数据可以是采用现有技术的地震反演技术 对预设岩层的预设区域进行预测得到的。
具体应用中,原始地震数据、地震解释层位与原始测井数据可以是预先 存储在预设存储区域的,则可以从该预设存储区域获取预设岩层在预设区域 内的原始地震数据、地震解释层位与原始测井数据。
步骤S102:根据所述原始地震数据进行拓频处理,得到拓频地震数据。
本发明实施例中,拓频处理是将原始地震数据离散化,产生一个新的稀 疏脉冲反射系数序列,其值来源于原始地震数据中最大和最小振幅值。然后 利用一个合适的高频子波对反射系数序列进行褶积处理,使用宽带波或其它 旁瓣更小的子波效果会更好,频带到底取多大取决于处理结果的视觉效果和 实际薄砂层的厚度分辨要求。示例的,如图2所示,示出了发明人在实验过 程得到的一种拓频地震数据示意图。
可选的,步骤S102的根据所述原始地震数据进行拓频处理,得到拓频地 震数据,包括:
根据所述原始地震数据采用频率优化循环反褶积算法进行拓频处理,得 到拓频地震数据。
本发明实施例中,频率优化循环反褶积算法是常用的地震资料处理方法, 反褶积的目的是由地震数据恢复反射系数,其主要作用是压缩地震反射脉冲 的长度,提高地震反射记录的分辨能力,反褶积是地震数据数字处理流程中 关键的一环,也是提高地震勘探分辨率最有效的方法。
步骤S103:将所述原始测井数据中的伽玛曲线重构为波阻抗曲线,建立 所述波阻抗曲线与所述原始地震数据对应关系,并对所述波阻抗曲线和所述 拓频地震数据进行时深标定。
本发明实施例中,原始测井数据中包括伽玛曲线,考虑到在储层预测中, 通过波阻抗曲线上的分布特征能够准确的指导储层预测,因此,将所述原始 测井数据中的伽玛曲线重构为波阻抗曲线,建立所述波阻抗曲线与所述原始 地震数据对应关系,并对所述波阻抗曲线和所述拓频地震数据进行时深标定。
步骤S104:根据所述波阻抗曲线、所述拓频地震数据以及所述时深标定 和所述地震解释层位建立地震地质模型。
本发明实施例中,根据所述波阻抗曲线、所述拓频地震数据以及所述时 深标定和所述地震解释层位建立的地震地质模型,可以较好的反馈该预设岩 层的预设区域的地质特征,示例的可以反馈该预设区域中是否存在断层、或 者其他地质特征。
步骤S105:根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数 据对所述预设区域进行地质统计学反演。
本发明实施例中,地质统计学反演技术是一种地震约束下的测井曲线反 演方法,实现思路是通过地震、地质和测井资料结合,寻求符合地质规律的 地质统计学方法,来表征各种沉积类型的储层参数变化规律,提高了地震资 料识别储层的效果,已经成为薄砂体储层识别的有效方法。在进行地质统计 学反演时,首选应用确定性反演方法得到波阻抗体,以了解储层的大致分布, 并用于概率密度函数和变差函数分析,再采用序贯高斯模拟技术,用已知的 规律对井间未知地区的储层参数空间分布作出预测,根据输入地震数据,结 合序贯高斯模拟产生井间波阻抗,将波阻抗转换成反射系数序列并与子波进 行褶积产生合成地震道,通过反复迭代直至合成地震道与原始地震道达到一 定程度的匹配,该方法有效地综合了地质、测井和三维地震数据反演,更多 的考虑到了已知数据的空间相关性,其反演结果是多个等概率的波阻抗数据 体实现,具有测井数据的垂向分辨率高和地震数据的横向分辨率高的优势。
可选的,步骤S105的根据所述地震地质模型、所述波阻抗曲线和所述拓 频地震数据对所述预设区域进行地质统计学反演,包括:
根据地质规律、所述拓频地震数据、所述地震地质模型对所述预设区域 进行概率密度函数和变差函数分析,得到概率密度参数和变差参数;
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行 地质统计学反演。
本发明实施例中,概率密度函数和变差函数分析是储层预测的常见分析 函数,在地震地质模型的框架下,可以根据所述概率密度参数和变差参数进 行地质统计学反演。
可选的,在所述地震地质模型的框架下,根据所述概率密度参数和变差 参数进行地质统计学反演,包括:在所述地震地质模型的框架下,根据所述 概率密度参数和变差参数进行序贯高斯模拟,同时采用模拟退火反演算法进 行反演。
本发明实施例中,序贯高斯模拟算法是最常用的连续变量序贯模拟技术, 算法在综合考虑了样本点的大小、形状、其待估区域相互之间的空间分布以 及区域变量的空间结构信息后,为了反映变量空间波动性,沿着随机路径序 贯求取各节点的条件累计分布函数,并从条件累计分布函数中提取模拟值, 其中用于求取条件累计分布函数的数据不仅包括原始数据,还包括模拟好的 数据,并且要求实测点处的模拟值等于实测值,这样可以充分利用更多的条 件数据更好、更真实地反映数据的空间相关性及波动性。序贯高斯模拟法的 流程要求数据必须服从标准正态分布。在大多数情况下,原始数据并不是呈 对称高斯分布的,这时则需要先将区域化变量进行标准正态变换后再进行模 拟,最后还要将模拟结果进行反变换。
模拟退火算法的思想源于物理中固体物质的退火过程与一般组合优化问 题之间的相似性,它把优化问题的可行解看成是材料的各种状态,将优化目 标视为材料的能量或者熵。在优化过程中,它不仅接受让目标函数变好的解, 对于让目标函数变差的解也会以某一概率接受,这样可使算法跳出局部最优 解,最终获得全局最优解。概率积分参数反演问题其实就是几个最优参数组 合求得函数最小值的问题,模拟退火算法作为一种求解组合优化问题的算法, 能够快速有效地搜索到最优解,并且较少受到初始条件的约束。
可选的,在所述地震地质模型的框架下,根据所述概率密度参数和变差 参数采用模拟退火反演算法进行地质统计学反演之后,还包括:根据所述原 始测井数据、所述拓频地震数据地震属性和地质规律进行分析,合并多个等 概率储层的反演结果,以得到与实际钻遇砂体特征吻合较好的预测结果。
本发明实施例中,可以对预设区域进行多次地质统计学反演,每次反演 中可能会存在不同的预测结合,优化合并多个等概率储层的反演结果,可以 得到与实际钻遇砂体特征吻合较好的预测结果。示例的,参照图3,示出了 常规约束稀疏脉冲反演剖面,参照图4,示出了拓频地震数据与高分辨反 演结果叠合显示剖面,图4的薄砂层的反演结果分辨率要明显高于图3的 薄砂层的反演结果分辨率。
综上所述,本发明实施例提供的薄储层预测方法及装置中,首先,获取 预设岩层在预设区域内的原始地震数据、地震解释层位与原始测井数据;其 次,根据所述原始地震数据进行拓频处理,得到拓频地震数据;然后,将所 述原始测井数据中的伽玛曲线重构为波阻抗曲线,建立波阻抗曲线与原始地 震数据对应关系,并对所述波阻抗曲线和拓频地震数据进行时深标定;根据 所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震解释层位 建立地震地质模型;最后,根据所述地震地质模型、所述波阻抗曲线和所述 拓频地震数据对所述预设区域进行地质统计学反演。本发明实施例通过将常 规用于地震资料处理的频率优化循环反褶积算法引入用于反演前期处理,通 过拓频处理,可以提高原始地震数据的垂向分辨能力,使测井曲线的高频信 息与地震资料达到了高度匹配,提高了地震地质模型的精度,为反演模拟收 敛提供了有利条件,同时波阻抗曲线重构为砂岩识别提供了有效解决方案, 将两者有机结合,进而提高了超深薄砂层的反演结果的分辨率和可信度。
图5为本发明实施例提供的薄储层预测装置一实施例的结构示意图。如 图5所示,本实施例提供的薄储层预测装置包括:
获取模块510,用于获取预设岩层在预设区域内的原始地震数据、地震 解释层位与原始测井数据;
拓频地震数据得到模块520,用于根据所述原始地震数据进行拓频处理, 得到拓频地震数据;
标定模块530,用于将所述原始测井数据中的伽玛曲线重构为波阻抗曲 线,建立所述波阻抗曲线与所述原始地震数据对应关系,并对所述波阻抗曲 线和所述拓频地震数据进行时深标定;
地震地质模型建立模块540,用于根据所述波阻抗曲线、所述拓频地震 数据以及所述时深标定和所述地震解释层位建立地震地质模型;
反演模块550,用于根据所述地震地质模型、所述波阻抗曲线和所述拓 频地震数据对所述预设区域进行地质统计学反演。
可选的,所述拓频地震数据得到模块包括:
拓频地震数据得到子模块,用于根据所述原始地震数据采用频率优化循 环反褶积算法进行拓频处理,得到拓频地震数据。
可选的,所述反演模块包括:
参数得到子模块,用于根据地质规律、所述拓频地震数据、所述地震地 质模型对所述预设区域进行概率密度函数和变差函数分析,得到概率密度参 数和变差参数;
反演子模块,用于在所述地震地质模型的框架下,根据所述概率密度参 数和变差参数进行地质统计学反演。
可选的,所述反演子模块包括:
反演单元,用于在所述地震地质模型的框架下,根据所述概率密度参数 和变差参数进行序贯高斯模拟,同时采用模拟退火反演算法进行地质统计学 反演。
可选的,还包括:
合并模块,用于根据所述原始测井数据、所述拓频地震数据地震属性和 地质规律进行分析,合并多个等概率储层的反演结果。
综上所述,本发明实施例提供的薄储层预测方法及装置中,首先,获取 预设岩层在预设区域内的原始地震数据、地震解释层位与原始测井数据;其 次,根据所述原始地震数据进行拓频处理,得到拓频地震数据;然后,将所 述原始测井数据中的伽玛曲线重构为波阻抗曲线,建立波阻抗曲线与原始地 震数据对应关系,并对所述波阻抗曲线和拓频地震数据进行时深标定;根据 所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震解释层位 建立地震地质模型;最后,根据所述地震地质模型、所述波阻抗曲线和所述 拓频地震数据对所述预设区域进行地质统计学反演。本发明实施例通过将常 规用于地震资料处理的频率优化循环反褶积算法引入用于反演前期处理,通 过拓频处理,可以提高原始地震数据的垂向分辨能力,使测井曲线的高频信 息与地震资料达到了高度匹配,提高了地震地质模型的精度,为反演模拟收 敛提供了有利条件,同时波阻抗曲线重构为砂岩识别提供了有效解决方案, 将两者有机结合,进而提高了超深薄砂层的反演结果的分辨率和可信度。
本发明各实施例提供的薄储层预测装置可用于执行如前述各对应的 实施例所示的方法,其实现方式与原理相同,不再赘述。
本发明实施例还提供一种电子设备,包括:处理器,存储器以及计算机 程序;其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述 处理器执行,所述计算机程序包括用于执行如前述实施例中任一项所述的方 法的指令。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介 质存储有计算机程序,所述计算机程序被执行时,实现如前述实施例中任一 项所述的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步 骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可 读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而 前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码 的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对 其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通 技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改, 或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并 不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种薄储层预测方法,其特征在于,包括:
获取预设岩层在预设区域内的原始地震数据、地震解释层位与原始测井数据;所述预设岩层为薄砂层;
根据所述原始地震数据进行拓频处理,得到拓频地震数据;其中,拓频处理是将原始地震数据离散化,产生一个新的稀疏脉冲反射系数序列,其值来源于原始地震数据中最大和最小振幅值,然后利用一个合适的高频子波对反射系数序列进行褶积处理,使用宽带波或其它旁瓣更小的子波,频带到底取多大取决于处理结果的视觉效果和实际薄砂层的厚度分辨要求;
将所述原始测井数据中的伽玛曲线重构为波阻抗曲线,建立所述波阻抗曲线与所述原始地震数据对应关系,并对所述波阻抗曲线和所述拓频地震数据进行时深标定;
根据所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震解释层位建立地震地质模型;
根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数据对所述预设区域进行地质统计学反演;
根据所述原始地震数据进行拓频处理,得到拓频地震数据,包括:
根据所述原始地震数据采用频率优化循环反褶积算法进行拓频处理,得到拓频地震数据;
根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数据对所述预设区域进行地质统计学反演,包括:
根据地质规律、所述拓频地震数据、所述地震地质模型对所述预设区域进行概率密度函数和变差函数分析,得到概率密度参数和变差参数;
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行地质统计学反演。
2.根据权利要求1所述的薄储层预测方法,其特征在于,
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行地质统计学反演,包括:
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行序贯高斯模拟,同时采用模拟退火反演算法进行地质统计学反演。
3.根据权利要求2所述的薄储层预测方法,其特征在于,
在所述地震地质模型的框架下,根据所述概率密度参数和变差参数采用模拟退火反演算法对所述预设区域进行地质统计学反演之后,包括:
根据所述原始测井数据、所述拓频地震数据的地震属性和地质规律进行分析,合并多个等概率储层的反演结果。
4.一种薄储层预测装置,其特征在于,包括:
获取模块,用于获取预设岩层在预设区域内的原始地震数据、地震解释层位与原始测井数据;所述预设岩层为薄砂层;
拓频地震数据得到模块,用于根据所述原始地震数据进行拓频处理,得到拓频地震数据;其中,拓频处理是将原始地震数据离散化,产生一个新的稀疏脉冲反射系数序列,其值来源于原始地震数据中最大和最小振幅值,然后利用一个合适的高频子波对反射系数序列进行褶积处理,使用宽带波或其它旁瓣更小的子波,频带到底取多大取决于处理结果的视觉效果和实际薄砂层的厚度分辨要求;
标定模块,用于将所述原始测井数据中的伽玛曲线重构为波阻抗曲线,建立所述波阻抗曲线与所述原始地震数据对应关系,并对所述波阻抗曲线和所述拓频地震数据进行时深标定;
地震地质模型建立模块,用于根据所述波阻抗曲线、所述拓频地震数据以及所述时深标定和所述地震解释层位建立地震地质模型;
反演模块,用于根据所述地震地质模型、所述波阻抗曲线和所述拓频地震数据对所述预设区域进行地质统计学反演;
所述拓频地震数据得到模块包括:
拓频地震数据得到子模块,用于根据所述原始地震数据采用频率优化循环反褶积算法进行拓频处理,得到拓频地震数据;
所述反演模块包括:
参数得到子模块,用于根据地质规律、所述拓频地震数据、所述地震地质模型对所述预设区域进行概率密度函数和变差函数分析,得到概率密度参数和变差参数;
反演子模块,用于在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行地质统计学反演。
5.根据权利要求4所述的薄储层预测装置,其特征在于,所述反演子模块包括:
反演单元,用于在所述地震地质模型的框架下,根据所述概率密度参数和变差参数进行序贯高斯模拟,同时采用模拟退火反演算法进行地质统计学反演。
6.根据权利要求5所述的薄储层预测装置,其特征在于,还包括:
合并模块,用于根据所述原始测井数据、所述拓频地震数据地震属性和地质规律进行分析,合并多个等概率储层的反演结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911017365.4A CN112711067B (zh) | 2019-10-24 | 2019-10-24 | 薄储层预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911017365.4A CN112711067B (zh) | 2019-10-24 | 2019-10-24 | 薄储层预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112711067A CN112711067A (zh) | 2021-04-27 |
CN112711067B true CN112711067B (zh) | 2023-10-31 |
Family
ID=75540662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911017365.4A Active CN112711067B (zh) | 2019-10-24 | 2019-10-24 | 薄储层预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711067B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109613A (zh) * | 2009-12-23 | 2011-06-29 | 中国石油天然气股份有限公司 | 一种复杂地质条件下目标储层有效厚度的确定方法 |
CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
CN106154323A (zh) * | 2015-04-01 | 2016-11-23 | 中国石油化工股份有限公司 | 基于地震拓频处理的相控随机反演薄储层预测方法 |
CN106597532A (zh) * | 2016-11-14 | 2017-04-26 | 中国石油化工股份有限公司 | 一种结合井资料与层位资料的叠前地震数据频带拓展方法 |
CN107450100A (zh) * | 2016-06-01 | 2017-12-08 | 中国石油化工股份有限公司 | 薄储层厚度预测方法及装置 |
CN108957532A (zh) * | 2018-06-12 | 2018-12-07 | 中国石油天然气股份有限公司 | 储层预测方法及装置 |
-
2019
- 2019-10-24 CN CN201911017365.4A patent/CN112711067B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109613A (zh) * | 2009-12-23 | 2011-06-29 | 中国石油天然气股份有限公司 | 一种复杂地质条件下目标储层有效厚度的确定方法 |
CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
CN106154323A (zh) * | 2015-04-01 | 2016-11-23 | 中国石油化工股份有限公司 | 基于地震拓频处理的相控随机反演薄储层预测方法 |
CN107450100A (zh) * | 2016-06-01 | 2017-12-08 | 中国石油化工股份有限公司 | 薄储层厚度预测方法及装置 |
CN106597532A (zh) * | 2016-11-14 | 2017-04-26 | 中国石油化工股份有限公司 | 一种结合井资料与层位资料的叠前地震数据频带拓展方法 |
CN108957532A (zh) * | 2018-06-12 | 2018-12-07 | 中国石油天然气股份有限公司 | 储层预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
薄储层预测技术在地震勘探中的应用——以九龙山地区飞仙关组鲕滩储层识别为例;胡欣 等;2017年全国天然气学术年会论文集;1-7 * |
Also Published As
Publication number | Publication date |
---|---|
CN112711067A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10914854B2 (en) | Residual refraction statics calculation for automated near surface analysis | |
Kaur et al. | Seismic ground‐roll noise attenuation using deep learning | |
Velis | Stochastic sparse-spike deconvolution | |
Hansen et al. | Linear inverse Gaussian theory and geostatistics | |
Maurer et al. | Recent advances in optimized geophysical survey design | |
US8923093B2 (en) | Determining the quality of a seismic inversion | |
EP3631523B1 (en) | System and method for predicting fault seal from seismic data | |
Sava | Micro-earthquake monitoring with sparsely sampled data | |
EP3631524B1 (en) | System and method for predicting fault seal from seismic data | |
Srivardhan | Stratigraphic correlation of wells using discrete wavelet transform with fourier transform and multi-scale analysis | |
EP2537049A2 (en) | Estimating internal multiples in seismic data | |
EP3978961B1 (en) | System and method for quantitative seismic integration modeling workflow | |
Eikrem et al. | Bayesian estimation of reservoir properties—effects of uncertainty quantification of 4D seismic data | |
Wu et al. | Shot repetition: An alternative seismic blending code in marine acquisition | |
CN111077578B (zh) | 岩层分布预测方法和装置 | |
CN112711067B (zh) | 薄储层预测方法及装置 | |
Curia et al. | Estimating rock physical parameters using anisotropic 3D seismic data to characterize unconventional Vaca Muerta oil shale deposits in the Neuquèn Basin, western Argentina | |
Sabeti et al. | A new stochastic 3D seismic inversion using direct sequential simulation and co-simulation in a genetic algorithm framework | |
US20210215841A1 (en) | Bandwith Extension of Geophysical Data | |
CN113806674A (zh) | 古河道纵向尺度的量化方法、装置、电子设备及存储介质 | |
Krilov | Attribute analysis improvement by means of smart averaging | |
Baville et al. | From Well Logs to Stratigraphic Layering: Automation, Uncertainties and Impact on Reservoir Behavior | |
Glushchenko et al. | A broadband full azimuth land seismic case study Onshore Abu Dhabi | |
Mahgoub et al. | Benefits of Ultra-Dense 3D Spatial Sampling for Seismic Processing and Interpretation | |
Alam et al. | Application of the redundant‐lifting scheme for ground‐roll attenuation in near‐surface characterization using full‐waveform inversion on P‐wave seismic data |
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 |