CN112748462A - 一种基于虚拟井的叠前数据处理方法及装置 - Google Patents
一种基于虚拟井的叠前数据处理方法及装置 Download PDFInfo
- Publication number
- CN112748462A CN112748462A CN201911051337.4A CN201911051337A CN112748462A CN 112748462 A CN112748462 A CN 112748462A CN 201911051337 A CN201911051337 A CN 201911051337A CN 112748462 A CN112748462 A CN 112748462A
- Authority
- CN
- China
- Prior art keywords
- virtual well
- data
- target area
- seismic record
- virtual
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title description 12
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 24
- 239000004576 sand Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000012530 fluid Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 239000011435 rock Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 125000001183 hydrocarbyl group Chemical group 0.000 description 1
- 238000004599 local-density approximation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000004083 survival 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
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
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
本发明提供一种基于虚拟井的叠前数据处理方法及装置,所述方法包括:根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。所述装置用于执行上述方法。本发明实施例提供的基于虚拟井的叠前数据处理方法及装置,提高了目标区域的叠前参数数据的准确性。
Description
技术领域
本发明涉及地质勘探技术领域,具体涉及一种基于虚拟井的叠前数据处理方法及装置。
背景技术
在海洋石油勘探中,开展目标区域的储层预测和含油气性预测都是非常重要的研究工作。
海洋石油勘探是一项高风险、高投入的工作,通常在海洋深水区钻井少,甚至没有钻井,导致测井资料稀缺,在海洋区域进行勘探,而如果没有进行储层预测和含油气性预测等前期分析预测的工作,而直接进行钻井,风险太大,很有可能导致钻井失败,为此需要进行目标区域的储层预测、含油气性预测,可以有效降低钻井失败的风险。虚拟井技术是解决无井或少井区在储层预测和含油气性预测中缺少实测井资料的一种很好的方法,传统的虚拟井构建技术是基于地震反演波阻抗数据体得到的波阻抗信息,利用波阻抗信息来构建虚拟井有分辨率较低和忽略细节的不足,故传统的虚拟井构建技术存在较大的误差。
因此,如何提出一种基于虚拟井的叠前数据处理方法,能够提高目标区域的叠前数据的准确性成为本领域需要解决的重要课题。
发明内容
针对现有技术中的问题,本发明实施例提供一种基于虚拟井的叠前数据处理方法及装置。
一方面,本发明提出一种基于虚拟井的叠前数据处理方法,包括:
根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;
根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;
根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;
根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
另一方面,本发明提供一种基于虚拟井的叠前数据处理装置,包括:
第一获得单元,用于根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;
第二获得单元,用于根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;
构建单元,用于根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;
第三获得单元,用于根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
再一方面,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,所述处理器执行所述程序时实现上述任一实施例所述基于虚拟井的叠前数据处理方法的步骤。
又一方面,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上述任一实施例所述基于虚拟井的叠前数据处理方法的步骤。
本发明实施例提供的基于虚拟井的叠前数据处理方法及装置,根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据,然后根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据,接着根据预设数量的虚拟井点的虚拟井数据,构建目标区域的初始数据体模型,再根据目标区域的角道集地震记录数据以及目标区域的初始数据体模型,获得目标区域的最终叠前参数数据体模型,实现了通过虚拟井数据获得目标区域的叠前参数数据,提高了目标区域的叠前参数数据的准确性。
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,下面描述中的附图仅仅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。在附图中:
图1是本发明一实施例提供的基于虚拟井的叠前数据处理方法的流程示意图。
图2是本发明另一实施例提供的基于虚拟井的叠前数据处理方法的流程示意图。
图3是本发明一实施例提供的基于虚拟井的叠前数据处理装置的结构示意图。
图4是本发明另一实施例提供的基于虚拟井的叠前数据处理装置的结构示意图。
图5是本发明一实施例提供的电子设备的实体结构示意图。
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明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一实施例提供的基于虚拟井的叠前数据处理方法的流程示意图,如图1所示,本发明实施例提供的基于虚拟井的叠前数据处理方法,包括:
S101、根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;
具体地,通过野外采集获得目标区域的原始地震记录数据,在所述目标区域内选择预设数量的典型位置,将每个典型位置作为一个虚拟井点,可以得到预设数量虚拟井点。服务器可以从所述目标区域的原始地震记录数据中,获得每个虚拟井点的原始地震记录数据,然后对每个虚拟井点的原始地震记录数据进行处理,可以得到每个虚拟井点的角道集地震记录数据。其中,所述典型位置根据实际情况进行选取,本发明实施例不做限定。本发明实施例提供的基于虚拟井的叠前数据处理方法的执行主体包括但不限于服务器。
例如,所述服务器将将野外采集的每个虚拟井点的原始地震记录数据进行叠前去噪、压制多次波和真振幅恢复等叠前数据预处理,得的预处理之后的每个虚拟井点的原始地震记录数据,然后对预处理之后的每个虚拟井点的原始地震记录数据进行角道集抽取,从而得到每个虚拟井点的角道集地震记录数据。其中,叠前去噪具体过程可以包括:对原始地震记录数据进行2*4叠加,得到共偏移距叠加超道集,共偏移距叠加超道集可以有效压制随机噪音。
S102、根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;
具体地,所述服务器在获得每个虚拟井点的角道集地震记录数据之后,可以根据每个虚拟井点的角道集地震数据进行叠前地震波形反演,获得每个虚拟井点的虚拟井数据。
例如,所述服务器根据每个虚拟井点的角道集地震记录数据对应的速度数据,建立每个虚拟井点的初始地质模型,然后基于所述初始地质模型,随机生成每个虚拟井点的n组随机地质模型,接着根据每个虚拟井点的n组随机地质模型以及佐伊普里兹方程,获得每个虚拟井点的合成地震记录数据,再根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法,获得每个虚拟井点的虚拟井数据。
S103、根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;
具体地,所述服务器在获得各个所述虚拟井点的虚拟井数据之后,可根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型。
例如,所述服务器可以基于所述预设数量的虚拟井点的虚拟井数据和插值法,构建所述目标区域的初始数据体模型。
S104、根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
具体地,所述服务器对所述目标区域的原始地震记录数据进行处理,可以获得所述目标区域的角道集地震记录数据。所述服务器根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,可以获得所述目标区域的最终叠前参数数据体模型,从而实现对所述目标区域的叠前数据的处理。其中,所述目标区域的最终叠前参数数据体模型包括纵波速度、横波速度和密度参数,纵波速度、横波速度和密度参数结合岩石弹性参数之间的理论关系可以得到泊松比、剪切模量和拉梅常数等多种弹性参数数据体,进而可以结合所述目标区域的储层及其含流体后的特征,对所述目标区域的储层和流体进行预测。所述目标区域的角道集地震记录数据的具体获得过程,与每个虚拟井点的角道集地震记录数据的具体获得过程类似,此处不进行赘述。
例如,所述服务器可以根据所述目标区域的角道集地震记录数据以及预设公式,对所述目标区域的初始数据体模型进行修正,获得所述目标区域的最终叠前参数数据体模型。其中,所述预设公式根据实际经验进行设置,本发明实施例不做限定。
本发明实施例提供的基于虚拟井的叠前数据处理方法,根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据,然后根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据,接着根据预设数量的虚拟井点的虚拟井数据,构建目标区域的初始数据体模型,再根据目标区域的角道集地震记录数据以及目标区域的初始数据体模型,获得目标区域的最终叠前参数数据体模型,实现了通过虚拟井数据获得目标区域的叠前参数数据,提高了目标区域的叠前参数数据的准确性。此外,由于在目标区域无需测井,就可以得到目标区域的叠前参数数据,可以减少地质勘探的成本。
图2是本发明另一实施例提供的基于虚拟井的叠前数据处理方法的流程示意图,如图2所示,所述根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据包括:
S1021、根据每个虚拟井点的角道集地震记录数据对应的速度数据,建立每个虚拟井点的初始地质模型;
具体地,对每个虚拟井点的原始地震记录数据进行速度分析,可以得到每个虚拟井点的角道集地震记录数据对应的速度数据,然后对每个虚拟井点的角道集地震记录数据对应的速度数据进行分析处理,可以建立每个虚拟井点的初始地质模型,所述初始地质模型是各向同性弹性的。其中,所述初始地质模型包括地质模型参数,所述地质模型参数包括纵波速度Vp、横波速度Vs和密度参数ρ。
S1022、基于所述初始地质模型,随机生成每个虚拟井点的n组随机地质模型;
具体地,所述服务器在获得所述初始地质模型之后,可以随机生成每个虚拟井点的n组随机地质模型,每组地质模型参数包括关于纵波速度Vp的随机地质模型,关于横波速度Vs的随机地质模型和关于密度参数ρ的随机地质模型。其中,关于纵波速度Vp的随机地质模型即保持横波速度Vs和密度参数ρ不变,随机生成纵波速度Vp,关于横波速度Vs的随机地质模型和关于密度参数ρ的随机地质模型;关于横波速度Vs的随机地质模型即保持纵波速度Vp和密度参数ρ不变,随机生成横波速度Vs;关于密度参数ρ的随机地质模型即保持横波速度Vs和密度参数ρ不变,随机生成密度参数ρ;n为正整数,n的数值根据实际需要进行设置,本发明实施例不做限定。
S1023、根据每个虚拟井点的n组随机地质模型以及佐伊普里兹方程,获得每个虚拟井点的合成地震记录数据;
具体地,所述服务器在获得每个虚拟井点的n组地质模型参数之后,将每个虚拟井点的n组随机地质模型的地质模型参数输入到佐伊普里兹(Zoeppritz)方程中,即将每组随机地质模型的纵波速度Vp、横波速度Vs和密度参数ρ输入到Zoeppritz方程中,可以获得每个虚拟井点的合成地震记录数据,所述合成地震记录数据包括纵波速度Vp、横波速度Vs和密度参数ρ。
S1024、根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法,获得每个虚拟井点的虚拟井数据。
具体地,所述服务器在获得每个虚拟井的合成地震记录数据之后,可以根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法(GeneticAlgorithm,简称GA),获得每个虚拟井点的虚拟井数据。
例如,设置GA的目标函数为:
其中,i=1,2,3…,n,i表示第i个群体成员,群体成员在本发明实施例中是指虚拟井点的角道集地震记录数据或合成地震记录数据,nt表示地震道时间取样点数,seisi表示所述虚拟井点的角道集地震记录数据中的第i个群体成员,synji表示所述虚拟井点的第i个群体成员的第j个随机模型的合成地震记录数据。n表示群体样本数,n越大,搜索点越多,搜索效率应该越高,但实际上增加搜索点,也就增加了计算量,因此在实际使用时,需要选择合适的群体样本数n。目标函数objects是刻画最优解的标准,也是适应度计算的依据,一般是以计算值与实测值之间的拟合程度或误差大小为标准。设置作为收敛结束条件的反演精度ε,反演精度ε根据实际经验进行设置,本发明实施例不做限定。
确定地质模型参数纵波速度Vp、横波速度Vs和密度参数ρ的搜索范围和搜索间隔,根据搜索范围和搜索间隔对地质模型参数进行整数编码,并令j=0,根据地质模型参数生成拟合地质模型的初始随机模型总体Pj,随机模型总体Pj包括三种类型的随机模型,即关于纵波速度Vp的随机地质模型,关于横波速度Vs的随机地质模型和关于密度参数ρ的随机地质模型。每个虚拟井的随机模型总体的角道集合成地震记录即为每个虚拟井的合成地震记录数据。
根据搜索范围和搜索间隔,确定各地质模型参数的取值个数为n,为节省空间对所有地质模型参数进行整数编码,并满足:
X=Xmin+DxCode (2)
Code=(X-Xmin)/Dx (3)
其中,X表示地质模型参数,Xmin表示参数最小值,Code表示码值,Dx表示参数X的搜索精度。对多参数、复杂非线性问题,编码的优劣直接影响计算效率。本实本发明实施例采用整数编码方案有效降低码的长度,加快了计算速度。[Xmin,Xmax]为给定地址模型参数X的取值范围,Xmin和Xmax的取值根据实际需要进行设置,本发明实施例不做限定。可理解的是X为纵波速度Vp、横波速度Vs或者密度参数ρ。
假设生成了n个随机模型,即关于纵波速度Vp的随机地质模型、关于横波速度Vs的随机地质模型和关于密度参数ρ的随机地质模型分别有n个。
比较每个虚拟井的合成地震记录数据和每个虚拟井点的角道集地震记录数据,通过公式(1)计算目标函数值。角道集地震记录数据seis与合成地震记录数据synj之间的匹配程度称为模型的拟合度,如果随机模型与实际情况相差很远,角道集地震记录数据seis与对应的合成地震记录数据synj的匹配就会很差。相反如果所选随机模型接近实际情况,从而使角道集地震记录数据seis与对应的合成地震记录数据synj能很好地匹配。
根据目标函数值可由转换得到适应度函数,适应度函数fitness的计算如下:
其中,i=1,2,3…,n,objectsi表示第i个群体成员的目标函数值,σ表示群体目标函数的方差,fitnessi表示第i个群体成员的适应度值。适应度函数是由目标函数转换而得到的,用于刻画个体适应生存能力的函数。
比较每个虚拟井的合成地震记录数据synj和每个虚拟井点的角道集地震记录数据seis,计算并保存目标函数值objectsi,并根据目标函数值转换得到适应度函数值fitnessi;
如果objectsi满足结束条件objectsi<ε,结束对地质模型参数纵波速度Vp、横波速度Vs和密度参数ρ的处理并输出结果,从而得到所述虚拟井点的虚拟井数据。如果不满足上述结束条件,那么根据目标函数的值及由其变换计算出的适应度函数对虚拟井的随机模型总体Pj做再生、交叉和变异操作,更新Pj,令j=j+1,生成新的随机模型总体Pj,重新计算目标函数值,直到目标函数值满足上述结束条件。
在上述各实施例的基础上,进一步地,所述根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型包括:
基于所述预设数量的虚拟井点的虚拟井数据和插值法,构建所述目标区域的初始数据体模型。
具体地,所述服务器在获得各个所述虚拟井点的虚拟井数据之后,依据所述预设数量的虚拟井点的虚拟井数据,在解释层位的约束下选用克里金、最小平方等方法进行插值,构建所述目标区域的初始数据体模型,所述初始数据体模型上的每个位置点对应纵波速度Vp、横波速度Vs和密度参数ρ。其中,在构建所述初始数据体模型时,插值的间距和数量根据实际地震记录的参数进行设置,本发明实施例不做限定。
在上述各实施例的基础上,进一步地,所述根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型包括:
根据所述目标区域的角道集地震记录数据以及预设公式,对所述目标区域的初始数据体模型进行修正,获得所述目标区域的最终叠前参数数据体模型。
具体地,所述服务器根据所述预设公式,计算所述目标区域的角道集地震记录数据和所述目标区域的初始数据体模型的偏差,如果所述偏差的变化率小于设定值,那么将所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。如果所述偏差的变化率大于或者等于设定值,那么调整所述目标区域的初始数据体模型,重新计算所述目标区域的角道集地震记录数据和调整后的所述目标区域的初始数据体模型的偏差,直到重新计算的偏差的变化率小于所述设定值或者重新计算的次数达到预设次数,那么将最后一次调整的所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。其中,所述设定值根据实际经验进行设置,例如所述设定值在0.05~0.1之间,本发明实施例不做限定;所述预设次数根据实际经验进行设置,例如所述预设次数为10次,本发明实施例不做限定。
例如,所述预设公式为:
其中,J(L)表示所述目标区域的角道集地震记录数据和所述目标区域的计算的数据体模型的偏差,Wθi表示入射角为θi(i=1,2,3,…,M)的子波,表示所述目标区域的角道集地震记录数据,C3=c3,c1=1+tan2θ,c2=-8γ2sin2θ,L=[LP LS LD]T,Lp=ln(Zp),LS=ln(ZS)=kln(Zp)+kc+ΔLS,LD=ln(ρ)=mln(Zp)+mc+ΔLD,kc表示数据ln(Zp)和ln(ZS)拟合直线的截距,mc表示数据ln(Zp)和ln(ρ)拟合直线的截距,Zp=Vp*ρ,μ为正则化参数且0.7<μ<1.3,为势函数且t为无量纲量,M表示角道集总数,Q表示岩性分层数,ΔLs表示与横波相关的岩石流体内含油气的影响因子,ΔLD表示与密度相关的岩石流体含油气的影响因子。其中,所述目标区域的计算的数据体模型包括初始数据体模型以及调整后的所述目标区域的初始数据体模型。
上述预设公式中,k、m、ΔLs和ΔLD为未知数,关于k、m、ΔLs和ΔLD存在如下表达式:
ln(ZS)=kln(Zp)+kc+ΔLS (3)
ln(ρ)=mln(Zp)+mc+ΔLD (4)
其中,ln(ZS)=ln(Zp)+ln(γ)。可以将公式(3)看作是关于ln(ZP)和ln(ZS)的一元一次函数,由于所述目标区域的初始数据体模型中的纵波速度Vp、横波速度Vs和密度参数ρ已知,基于公式Zp=Vp*ρ可以求得ln(ZP),基于ln(ZS)=ln(Zp)+ln(γ)和可以求得ln(ZS),然后对公式(3)进行数据拟合,可以求得k。在求得ln(ZP)和ln(ZS)后,在迪卡尔坐标系中,以ln(ZP)为横坐标和以ln(ZS)为纵坐标的数据点分布成两块:密集区域和稀疏区域,密集区域的数据点是背景值,也即密集区域为背景值分布区,而稀疏区域的数据点是含油气引起的异常值,即稀疏区域为含油气引起的异常值分布区,以密集区域的数据点进行拟合得到第一直线方程,以稀疏区域的数据点进行拟合得到第二直线方程,第一直线方程在纵坐标上的截距值与第二直线方程在纵坐标上的截距值之差的绝对值即为ΔLs。同理,可以基于公式(4)获得m和ΔLD。
将k、m、ΔLs和ΔLD带入到上述预设公式中,可以求得当前初始数据体模型的纵波速度Vp、横波速度Vs和密度参数ρ对应的J(L),将上述J(L)的变化率与所述设定值进行比较,如果上述J(L)的变化率大于等于所述设定值,那么在当前ZP上增加△Zp,△Zp的取值可以为相应Zp初始值的1%,然后重新计算J(L),直到重新计算的J(L)的变化率小于所述设定值或者重新计算J(L)的次数大于所述预设次数。重新计算的J(L)的变化率小于所述设定值或者重新计算的J(L)的次数大于所述预设次数所对应的修改后的初始数据体模型,即为所述目标区域的最终叠前参数数据体模型。
图3是本发明一实施例提供的基于虚拟井的叠前数据处理装置的结构示意图,如图3所示,本发明实施例提供的基于虚拟井的叠前数据处理装置包括第一获得单元301、第二获得单元302、构建单元303和第三获得单元304,其中:
第一获得单元301用于根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;第二获得单元302用于根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;构建单元303用于根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;第三获得单元304用于根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
具体地,通过野外采集获得目标区域的原始地震记录数据,在所述目标区域内选择预设数量典型位置,将每个典型位置作为一个虚拟井点,可以得到预设数量虚拟井点。第一获得单元301可以从所述目标区域的原始地震记录数据中,获得每个虚拟井点的原始地震记录数据,然后对每个虚拟井点的原始地震记录数据进行处理,可以得到每个虚拟井点的角道集地震记录数据。其中,所述典型位置根据实际情况进行选取,本发明实施例不做限定。
在获得每个虚拟井点的角道集地震记录数据之后,第二获得单元302可以根据每个虚拟井点的角道集地震数据进行叠前地震波形反演,获得每个虚拟井点的虚拟井数据。
在获得各个所述虚拟井点的虚拟井数据之后,构建单元303可根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型。
第三获得单元304对所述目标区域的原始地震记录数据进行处理,可以获得所述目标区域的角道集地震记录数据。第三获得单元304根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,可以获得所述目标区域的最终叠前参数数据体模型,从而实现对所述目标区域的叠前数据的处理。其中,所述目标区域的最终叠前参数数据体模型包括纵波速度、横波速度和密度参数,纵波速度、横波速度和密度参数结合岩石弹性参数之间的理论关系可以得到泊松比、剪切模量和拉梅常数等多种弹性参数数据体,进而可以结合所述目标区域的储层及其含流体后的特征,对所述目标区域的储层和流体进行预测。所述目标区域的角道集地震记录数据的具体获得过程,与每个虚拟井点的角道集地震记录数据的具体获得过程类似,此处不进行赘述。
本发明实施例提供的基于虚拟井的叠前数据处理装置,根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据,然后根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据,接着根据预设数量的虚拟井点的虚拟井数据,构建目标区域的初始数据体模型,再根据目标区域的角道集地震记录数据以及目标区域的初始数据体模型,获得目标区域的最终叠前参数数据体模型,实现了通过虚拟井数据获得目标区域的叠前参数数据,提高了目标区域的叠前参数数据的准确性。此外,由于在目标区域无需测井,就可以得到目标区域的叠前参数数据,可以减少地质勘探的成本。
图4是本发明另一实施例提供的基于虚拟井的叠前数据处理装置的结构示意图,如图4所示,第二获得单元302包括建立子单元3021、生成子单元3022、第一获得子单元3023和第二获得子单元3024,其中:
建立子单元3021用于根据每个虚拟井点的角道集地震记录数据对应的速度数据,建立每个虚拟井点的初始地质模型;生成子单元3022用于基于所述初始地质模型,随机生成每个虚拟井点的n组地质模型参数;第一获得子单元3023用于根据每个虚拟井点的n组地质模型参数以及佐伊普里兹方程,获得每个虚拟井点的合成地震记录数据;第二获得子单元3024用于根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法,获得每个虚拟井点的虚拟井数据。
具体地,对每个虚拟井点的原始地震记录数据进行速度分析,可以得到每个虚拟井点的角道集地震记录数据对应的速度数据,建立子单元3021对每个虚拟井点的角道集地震记录数据对应的速度数据进行分析处理,可以建立每个虚拟井点的初始地质模型,所述初始地质模型是各向同性弹性的。其中,所述初始地质模型包括地质模型参数,所述地质模型参数包括纵波速度Vp、横波速度Vs和密度参数ρ。
在获得所述初始地质模型之后,生成子单元3022可以随机生成每个虚拟井点的n组随机地质模型,每组地质模型参数包括关于纵波速度Vp的随机地质模型,关于横波速度Vs的随机地质模型和关于密度参数ρ的随机地质模型。其中,关于纵波速度Vp的随机地质模型即保持横波速度Vs和密度参数ρ不变,随机生成纵波速度Vp,关于横波速度Vs的随机地质模型和关于密度参数ρ的随机地质模型;关于横波速度Vs的随机地质模型即保持纵波速度Vp和密度参数ρ不变,随机生成横波速度Vs;关于密度参数ρ的随机地质模型即保持横波速度Vs和密度参数ρ不变,随机生成密度参数ρ;n为正整数,n的数值根据实际需要进行设置,本发明实施例不做限定。
在获得每个虚拟井点的n组地质模型参数之后,第一获得子单元3023将每个虚拟井点的n组随机地质模型的地质模型参数输入到佐伊普里兹(Zoeppritz)方程中,即将每组随机地质模型的纵波速度Vp、横波速度Vs和密度参数ρ输入到Zoeppritz方程中,可以获得每个虚拟井点的合成地震记录数据,所述合成地震记录数据包括纵波速度Vp、横波速度Vs和密度参数ρ。
在获得每个虚拟井的合成地震记录数据之后,第二获得子单元3024可以根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法(GeneticAlgorithm,简称GA),获得每个虚拟井点的虚拟井数据。
在上述各实施例的基础上,进一步地,构建单元303具体用于:
基于所述预设数量的虚拟井点的虚拟井数据和插值法,构建所述目标区域的初始数据体模型。
具体地,在获得各个所述虚拟井点的虚拟井数据之后,构建单元303依据所述预设数量的虚拟井点的虚拟井数据,在解释层位的约束下选用克里金、最小平方等插值方法进行插值,构建所述目标区域的初始数据体模型,所述初始数据体模型上的每个位置点对应纵波速度Vp、横波速度Vs和密度参数ρ。其中,在构件所述初始数据体模型时,插值的间距和数量根据实际需要进行设置,本发明实施例不做限定。
在上述各实施例的基础上,进一步地,第三获得单元304具体用于:
根据所述目标区域的角道集地震记录数据以及预设公式,对所述目标区域的初始数据体模型进行修正,获得所述目标区域的最终叠前参数数据体模型。
具体地,第三获得单元304根据所述预设公式,计算所述目标区域的角道集地震记录数据和所述目标区域的初始数据体模型的偏差,如果所述偏差的变化率小于设定值,那么将所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。如果所述偏差的变化率大于或者等于设定值,那么调整所述目标区域的初始数据体模型,重新计算所述目标区域的角道集地震记录数据和所述目标区域的初始数据体模型的偏差,直到重新计算的偏差的变化率小于所述设定值或者重新计算的次数达到预设次数,那么将最后一次调整的所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。其中,所述设定值根据实际经验进行设置,例如所述设定值在0.05~0.1之间,本发明实施例不做限定;所述预设次数根据实际经验进行设置,例如所述预设次数为10次,本发明实施例不做限定。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图5是本发明一实施例提供的电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令,以执行如下方法:根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
此外,上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
本实施例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计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于虚拟井的叠前数据处理方法,其特征在于,包括:
根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;
根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;
根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;
根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
2.根据权利要求1所述的方法,其特征在于,所述根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据包括:
根据每个虚拟井点的角道集地震记录数据对应的速度数据,建立每个虚拟井点的初始地质模型;
基于所述初始地质模型,随机生成每个虚拟井点的n组随机地质模型;
根据每个虚拟井点的n组随机地质模型以及佐伊普里兹方程,获得每个虚拟井点的合成地震记录数据;
根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法,获得每个虚拟井点的虚拟井数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型包括:
基于所述预设数量的虚拟井点的虚拟井数据和插值法,构建所述目标区域的初始数据体模型。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型包括:
根据所述目标区域的角道集地震记录数据以及预设公式,对所述目标区域的初始数据体模型进行修正,获得所述目标区域的最终叠前参数数据体模型。
5.一种基于虚拟井的叠前数据处理装置,其特征在于,包括:
第一获得单元,用于根据目标区域的每个虚拟井点的原始地震记录数据,获得每个虚拟井点的角道集地震记录数据;其中,所述虚拟井点有预设数量;
第二获得单元,用于根据每个虚拟井点的角道集地震记录数据,获得每个虚拟井点的虚拟井数据;
构建单元,用于根据所述预设数量的虚拟井点的虚拟井数据,构建所述目标区域的初始数据体模型;
第三获得单元,用于根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型,获得所述目标区域的最终叠前参数数据体模型。
6.根据权利要求5所述的装置,其特征在于,所述第二获得单元包括:
建立子单元,用于根据每个虚拟井点的角道集地震记录数据对应的速度数据,建立每个虚拟井点的初始地质模型;
生成子单元,用于基于所述初始地质模型,随机生成每个虚拟井点的n组地质模型参数;
第一获得子单元,用于根据每个虚拟井点的n组地质模型参数以及佐伊普里兹方程,获得每个虚拟井点的合成地震记录数据;
第二获得子单元,用于根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法,获得每个虚拟井点的虚拟井数据。
7.根据权利要求5所述的装置,其特征在于,所述构建单元具体用于:
基于所述预设数量的虚拟井点的虚拟井数据和插值法,构建所述目标区域的初始数据体模型。
8.根据权利要求5至7任一项所述的装置,其特征在于,所述第三获得单元具体用于:
根据所述目标区域的角道集地震记录数据以及预设公式,对所述目标区域的初始数据体模型进行修正,获得所述目标区域的最终叠前参数数据体模型。
9.一种电子设备,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计算机程序时实现权利要求1至4任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911051337.4A CN112748462A (zh) | 2019-10-31 | 2019-10-31 | 一种基于虚拟井的叠前数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911051337.4A CN112748462A (zh) | 2019-10-31 | 2019-10-31 | 一种基于虚拟井的叠前数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112748462A true CN112748462A (zh) | 2021-05-04 |
Family
ID=75641256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911051337.4A Pending CN112748462A (zh) | 2019-10-31 | 2019-10-31 | 一种基于虚拟井的叠前数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112748462A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710446A (zh) * | 2005-06-21 | 2005-12-21 | 中国石油大学(北京) | 一种利用叠前地震波形反演构建虚拟井数据的方法 |
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 |
CN108333624A (zh) * | 2015-12-01 | 2018-07-27 | 中国地质大学(北京) | 一种基于地球物理信息的虚拟井构建方法 |
CN108549101A (zh) * | 2018-06-28 | 2018-09-18 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 地震数据处理方法及装置 |
CN109828305A (zh) * | 2019-03-13 | 2019-05-31 | 西安恒泰艾普能源发展有限公司 | 一种测井声波曲线较短情况下深部储层的预测方法 |
-
2019
- 2019-10-31 CN CN201911051337.4A patent/CN112748462A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710446A (zh) * | 2005-06-21 | 2005-12-21 | 中国石油大学(北京) | 一种利用叠前地震波形反演构建虚拟井数据的方法 |
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 |
CN108333624A (zh) * | 2015-12-01 | 2018-07-27 | 中国地质大学(北京) | 一种基于地球物理信息的虚拟井构建方法 |
CN108549101A (zh) * | 2018-06-28 | 2018-09-18 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 地震数据处理方法及装置 |
CN109828305A (zh) * | 2019-03-13 | 2019-05-31 | 西安恒泰艾普能源发展有限公司 | 一种测井声波曲线较短情况下深部储层的预测方法 |
Non-Patent Citations (4)
Title |
---|
严建文;杨绍国;: "基于遗传算法的叠前地震波形反演构建虚拟井曲线", 石油地球物理勘探, no. 06, pages 679 - 681 * |
杨孛;李瑞;杨滔;: "测井曲线构建技术在BMM地区的应用", 物探与化探, no. 02, pages 333 - 336 * |
祝旭双;龚福华;张世荣;夏训文;: "叠前弹性参数反演在鄂尔多斯Su76区块储层预测中的应用", 长江大学学报(自然科学版), no. 12, pages 43 - 45 * |
黄安敏;李林;王立华;张建亮;杨绍国;朱继田;郭明刚;: "虚拟井技术在深水无井区碎屑岩储层预测中的应用", 石油物探, no. 03, pages 283 - 284 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105986815B (zh) | 一种用于识别页岩地层地质甜点的方法 | |
CN105277978B (zh) | 一种确定近地表速度模型的方法及装置 | |
Ray et al. | Building more robust low-frequency models for seismic impedance inversion | |
CN107194104B (zh) | 计算页岩储层中无机质孔隙度的方法 | |
CN110887772B (zh) | 一种碳酸盐岩储层渗透率识别方法、系统及装置 | |
CN105588883A (zh) | 三维岩石力学参数获取方法和系统 | |
CN112946783A (zh) | 一种水合物饱和度确定方法、装置及设备 | |
CN108957554B (zh) | 一种地球物理勘探中的地震反演方法 | |
CN113552624B (zh) | 孔隙度预测方法及装置 | |
CN113433587B (zh) | 岩石物理反演方法及系统 | |
CN112748462A (zh) | 一种基于虚拟井的叠前数据处理方法及装置 | |
CN109633781B (zh) | 地质属性获取方法及装置、电子设备、存储介质 | |
CN115586572B (zh) | 一种孔隙参数与储层参数的地震岩石物理解析反演方法 | |
CN111435174B (zh) | 强反射地区地震资料振幅补偿方法及装置 | |
CN109991663B (zh) | 工区地震速度体校正方法和装置 | |
CN113050191B (zh) | 基于双参数的页岩油toc预测方法及装置 | |
CN111538080B (zh) | 地震成像的方法 | |
US20210018642A1 (en) | System and method for seismic data calibration | |
CA2879063A1 (en) | Systems and methods for estimating opportunity in a reservoir system | |
CN111894567A (zh) | 适用于致密砂岩储层的含水饱和度的测量方法 | |
CN112132372A (zh) | 用于神经网络的层测井信息无损处理方法和装置 | |
CN104375171B (zh) | 一种高分辨率地震反演方法 | |
CN111830562A (zh) | 一种油气储层渗透率预测方法及装置 | |
CN113514904A (zh) | 地层参数模型建立方法及装置 | |
WO2018075046A1 (en) | Correcting biases in microseismic-event 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 |