CN112799135B - 裂缝储层预测方法、装置、计算机设备及可读存储介质 - Google Patents
裂缝储层预测方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN112799135B CN112799135B CN201911110776.8A CN201911110776A CN112799135B CN 112799135 B CN112799135 B CN 112799135B CN 201911110776 A CN201911110776 A CN 201911110776A CN 112799135 B CN112799135 B CN 112799135B
- Authority
- CN
- China
- Prior art keywords
- fracture
- seismic
- crack
- outcrop
- prediction result
- 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 41
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 206010017076 Fracture Diseases 0.000 claims abstract description 281
- 208000010392 Bone Fractures Diseases 0.000 claims abstract description 279
- 230000004927 fusion Effects 0.000 claims abstract description 59
- 238000011161 development Methods 0.000 claims abstract description 29
- 238000013178 mathematical model Methods 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000630 rising effect Effects 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 24
- 230000007547 defect Effects 0.000 abstract description 21
- 238000001514 detection method Methods 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000011435 rock Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000013201 Stress fracture Diseases 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading 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
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- 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
- G01V2210/624—Reservoir parameters
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种裂缝储层预测方法、装置、计算机设备及可读存储介质，其中，该方法包括以下步骤：获取叠前地震道集域裂缝预测结果；获取反映断层及断层周边断裂发育程度的叠后地震属性；将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果。本发明通过地震属性融合技术将根据地质露头的裂缝信息优选出的地震属性与叠前地震道集域预测裂缝密度两种数据融合，使得对断裂带内裂缝密度值进行修正，获得最终的裂缝储层强度预测结果。该方案弥补叠前地震道集域方位各向异性裂缝检测技术的不足，有利于提高预测结果的精确度、可靠性。
Description
技术领域
本发明涉及地球物理勘探技术领域，特别涉及一种裂缝储层预测的方法、装置、计算机设备及可读存储介质。
背景技术
裂缝既是油气运移的主要通道也是油气的主要储集体，裂缝预测是裂缝型油气藏评价开发的关键。常规的裂缝识别及检测方法主要有野外露头观察、镜下薄片分析、成像测井识别、叠后地震属性检测等技术。
随着地球物理勘探技术的不断进步，叠前地震道集(OVT)域裂缝各向异性检测技术是最近发展起来的新裂缝预测方法，因为OVT域方位各向异性裂缝检测技术对水平各向异性裂缝介质具有显著的检测能力，从而被广泛应用。OVT域裂缝各向异性检测技术基本原理是：裂缝介质是等效或类似于水平各向异性介质(HTI)的，如图2中A、C所示，当地震波通过水平各向异性裂缝介质(HTI)时，主要表现为纵波的振幅、速度、旅行时差会随着裂缝走向的不同而发生变化，HTI的纵波反射系数随方位角变化关系可以拟合为一个椭圆，前人研究把这个椭圆公式简化为：
其中：R_pp为反射系数(无因次量)，i为入射角(单位为：度°)，φ为测线方向与裂缝走向夹角(单位为：度°)，X、Y分别为反射系数随方位角变化关系椭圆在直角坐标系中的纵横坐标值，因为反射系数是无因次量，所以X、Y也无量纲。地震波平行于裂缝走向传播时，纵波能量衰减小，振幅较强，对应于椭圆的长轴，当地震波垂直于裂缝走向传播时，纵波能量衰减大，振幅相对较弱，对应于椭圆的短轴，椭圆越扁，代表各项异性越强，裂缝密度越大，因此，可用椭圆的长轴方向指示裂缝走向，以椭圆的扁率代替裂缝发育强度。
虽然OVT域裂缝预测技术打破了地震资料预测毫米级微小裂缝分辨能力的局限，但是在断裂带内断层及裂缝十分发育、岩石破碎严重，破碎的岩石杂乱堆积，使岩石介质宏观上(地震资料能识别的尺度)不具备各向异性特征，如图2中B所示，导致以检测方位各向异性为核心的OVT域裂缝预测技术，在这里失去了对裂缝的预测能力，致使在断裂带处裂缝检测结果与实际地质情况相悖，这凸显了OVT域裂缝预测技术原理的缺陷，需要探索弥补其缺陷的有效方法。迄今为止未有人提出OVT域裂缝预测技术在裂缝断裂带处存在原理缺陷，也未有人针对这种缺陷提出有效的解决方案。
发明内容
本发明实施例提供了一种裂缝储层预测方案，解决了现有技术中OVT域方位各向异性裂缝预测技术理论缺陷所导致的破碎带内裂缝预测能力的不准确的技术问题。
本发明实施例提供了一种裂缝储层预测方法，该方法包括：
获取叠前地震道集域裂缝预测结果；
获取反映断层及断层周边断裂发育程度的叠后地震属性；
将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果。
本发明实施例还提供了一种裂缝储层预测装置，该装置包括：
叠前地震道集域裂缝预测结果模块，用于获取叠前地震道集域裂缝预测结果；
地震属性优选模块，用于获取反映断层及断层周边断裂发育程度的叠后地震属性；
地震属性融合模块，用于将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果。
本发明实施例还提供了一种计算机设备，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计算机程序时实现上述所述方法。
本发明实施例还提供了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执行上述所述方法的计算机程序。
本发明提供的实施例通过地震属性融合技术将根据地质露头的裂缝信息优选出的地震属性与OVT域预测裂缝密度两种数据融合，使得对断裂带内裂缝密度值进行修正，获得最终的裂缝储层强度预测结果。该方案弥补了OVT域方位各向异性裂缝检测技术的不足，有利于提高预测结果的精确度、可靠性。
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。
图1是本发明实施例提供的裂缝储层预测方法的流程示意图；
图2是本发明实施例提供的一种断裂带及其周边裂缝发育程度及岩石介质各向异性特征模型图；
图3是本发明实施例提供的一种OVT域预测裂缝密度结果与属性融合获得的裂缝密度结果对比图；
图4是本发明实施例提供的一种逆冲断背斜内裂缝分布地质模型；
图5是本发明实施例提供的一种预测裂缝密度分布结果与钻井成果对比图；
图6是本发明实施例提供的裂缝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清楚、完整地描述，显然，所描述的实施例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。
在本发明实施例中，提供了一种裂缝储层预测方法，如图1所示，该方法包括：
步骤101：获取叠前地震道集域裂缝预测结果；
步骤102：获取反映断层及断层周边断裂发育程度的叠后地震属性；
步骤103：将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果。
基于背景技术中提及的问题，本发明实施例首次提出了OVT域方位各向异性裂缝检测技术在断裂带内存在原理方面的缺陷，分析了OVT域方位各向异性裂缝检测技术原理上的缺陷；并利用露头资料建立了裂缝分布地质模型及数学模型，为进一步校正及弥补OVT域裂缝预测结果的不足提供理论及地质依据；在叠后地震属性优选的基础上，构建了叠前地震属性与OVT域裂缝预测强度相融合的数学公式；通过地震属性融合技术弥补了OVT域方位各向异性裂缝检测技术的不足。
本发明已形成了联合叠前叠后地震资料开展裂缝型储层预测的流程，编制了对应的工作流，此流程可以用于各种裂缝型储层的研究，尤其是在复杂断裂带背景下的裂缝型储层预测中更能体现出该方法的优越性。本发明的目的是弥补OVT域方位各向异性裂缝预测技术理论缺陷所导致的破碎带内裂缝预测能力的不足，提供一种叠前叠后地震资料相结合的裂缝储层预测方法。
实施例中，获取叠前地震道集域裂缝预测结果，包括：
结合测井AC曲线及综合录井资料，编制人工合成地震记录，开展目的层地震地质综合标定，形成良好的井震对比关系，完成叠后地震资料断裂及层位解释；
分析OVT域道集资料品质，一般认为OVT道集的覆盖次数越高越好，OVT道集的横纵比大于0.5的资料才会获得较好的结果。以研究区的构造趋势及FMI测井成像结果作为约束条件，完成OVT炮检距和方位角叠加参数优选；
以叠后地震解释层位作为地震分析时窗顶面，以目标层对应的地震反射周期作为时窗长，输入之前优选的炮检距和方位角叠加参数，通过工作站运算获得OVT域裂缝走向及裂缝密度结果，如图3中a所示，这里获得的裂缝密度值域范围为0至1。
具体实施时，获取反映断层及其周边断裂发育程度的叠后地震属性，包括：
采集地震数据和地质露头的裂缝信息；
根据地震数据和地质露头的裂缝信息，构建露头裂缝地质模型，露头裂缝地质模型表征裂缝分布规律；
根据露头裂缝地质模型表征的裂缝分布规律，在地震数据包含的地震属性中获取反映断层及其周边断裂发育程度的叠后地震属性。
在本发明实施例中，通过以露头裂缝地质模型展示的裂缝分布规律，对获得的OVT域裂缝预测结果进行检验，而发现在断裂带处由于裂缝及断层十分发育，岩石介质的水平各向异性特征不明显，导致断裂带处的OVT预测裂缝密度值很低，这种结果与实际地质规律不符，需要对断裂带内裂缝密度值进行补偿。
本发明实施例建立的逆冲断背斜内裂缝分布地质模型，如图4所示，为验证裂缝预测结果提供了可靠依据，建立的裂缝发育数学模型有效弥补OVT域裂缝预测结果缺陷提供定量关系。
实施例中，通过野外地质调查、采集地质露头的裂缝发育信息，结合地震资料，本实施例中地震数据也为地震资料，分析断背斜构造内裂缝发育特征，从而建立断背斜裂缝分布地质模型，如图5所示，露头裂缝地质模型显示沿着背斜的翼部应力变形幅度较小，断层及裂缝不发育，背斜的核部应力变形程度强，主要发育平行于背斜轴线的高角度裂缝，在断裂带内断层及裂缝最发育，如图4中d所示。
实施例中，在地震数据包含的地震属性中获取反映断层及其周边断裂发育程度的叠后地震属性，包括：通过叠后相干属性、蚂蚁体属性及曲率属性等对比分析，优选最能反映断层及裂缝发育情况，符合裂缝地震模型所反映的地质规律的地震属性，使其与OVT(叠前地震道集)预测裂缝密度结果进行属性融合，以弥补OVT域方位各向异性裂缝检测结果在断裂带处的不足。本例优选结果为曲率地震属性。
具体实施时，将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，包括：
通过以下公式将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合：
其中：f(A,B)是融合后的裂缝储层强度预测成果；A是叠前地震道集域裂缝预测结果，单位为裂缝条数/米；B是所述叠后地震属性；BMax是B的最大值；n是地震融合常数系数，n为常数。
本发明实施例首次从理论层面提出了OVT域方位各向异性裂缝检测技术的缺陷，并在地质模型的指导下，通过叠后属性融合技术成功弥补了该技术缺陷。本发明实施例精细刻画了逆冲背景下断背斜内优势裂缝储层的平面展布特征，如图5所示，该区优势裂缝储层主要分布在断背斜的核部及逆冲断裂带内。本发明实施例基于FMI测井成像结果和油气生产数据对裂缝预测成果的建议，确定了成果的可靠性，为裂缝型油气藏储层预测提供了一种有效的新方法。
实施例中，构建裂缝属性、OVT(叠前地震道集)域预测裂缝密度两种数据融合的数学计算公式：
式中f(A，B)：融合后的裂缝密度结果，单位单位为裂缝条数/米；A为OVT域裂缝预测结果，单位单位为裂缝条数/米；B为优选的叠后地震属性裂缝预测结果，单位单位为裂缝条数/米；BMax是B的最大值，n是地震融合常数系数。
利用上述所示数学关系完成地震属性融合，完成对获得的OVT域裂缝密度成果不足之处的弥补，并利用地质模型及裂缝发育数学模型进行检验，从而获得精确可靠的裂缝预测成果，如图4中c所示。
具体实施时，还包括：通过地质露头的裂缝信息中的断裂带上升盘的露头裂缝密度、断裂带下降盘的露头裂缝密度以及地震数据中裂缝与断层之间距离参数，确定露头裂缝数学模型，其中，
露头裂缝数学模型中断裂带上升盘模型的表达式如下：
露头裂缝数学模型中断裂带下降盘模型的表达式如下：
其中，Yu为断裂带上升盘裂缝密度，单位为裂缝条数/米；Yd为断裂带下降盘裂缝密度，单位为裂缝条数/米；X为裂缝与断层的距离，单位为米；au、ad分别为 项的系数，为无量纲常数；bu、bd为X的指数系数，为无量纲常数；
根据露头裂缝数学模型和叠前地震道集域裂缝预测结果，确定地震融合常数系数。
实施例中，为定量描述断层对裂缝发育程度的影响，通过统计断裂带上盘和下盘的露头裂缝密度以及裂缝与断层之间距离参数，从而建立断背斜裂缝分布地质模型及断层对裂缝发育程度影响的数学模型：
上升盘：
下降盘：
其中Yu为断裂带上升盘裂缝密度，单位为裂缝条数/米；Yd为断裂带下降盘裂缝密度，单位为裂缝条数/米；X为裂缝与断层的距离，单位为米；au、ad分别为 项的系数，为无量纲常数；bu、bd为X的指数系数，为无量纲常数。
具体实施时，还包括根据露头裂缝数学模型和叠前地震道集域裂缝预测结果，确定地震融合常数系数，包括：
根据露头裂缝数学模型，确定断裂带为断裂带上升盘或为断裂带下降盘：
当确定断裂带为断裂带上升盘时，按如下公式确定地震融合常数系数；
当确定断裂带为断裂带下降盘时，按如下公式确定地震融合常数系数。
实施例中，n的值域范围为0<n<1，n是A在融合后的裂缝密度中所占的权重比例。在断裂带附近，断裂带上升盘模型表达式和下降盘模型表达式中裂缝密度与裂缝离断层的距离关系能够反映真实客观的裂缝密度，但是断裂带附近OVT裂缝预测结果值会比实际裂缝密度偏低，在同一个点上用断裂带上升盘模型表达式和下降盘模型表达式可以计算出裂缝密度值，同时读出OVT裂缝预测结果在该点的密度值，n是在该点OVT裂缝预测密度值与用断裂带上升盘模型表达式和下降盘模型表达式可以计算出裂缝密度值的比值，即是OVT裂缝预测结果在融合后结果中的权重。
本发明实施例还提供一在某裂缝型油气藏的应用的具体实例：
1)根据地震资料品质和勘探中存在的地质难题，首先完成了典型井的人工合成记录的制作和层位标定，完成地震资料解释，获得地震层位及断层结果。
2)在对OVT域道集资料品质分析的基础上，在构造趋势及FMI成果的约束下优选炮检距及方位角叠加参数，优选中等炮检距及8道方位角道集叠加。
3)以目的层厚度对应的地震反射范围为时窗长度，利用OVT域道集数据体提取裂缝密度、裂缝走向及预测成果可信度属性结果。
4)建立断背斜裂缝发育地质模型及断层对裂缝影响程度的数学模型，以建立的裂缝地质模型及数学模型检验OVT域裂缝预测结果的合理性，进而发现OVT域裂缝密度预测结果在断裂带处的值非常低，与裂缝地质模型及数学模型不符，预测结果需要进一步改善。
5)优选能够反映断层及其周边断裂发育程度的叠后地震属性，根据断层与裂缝发育的相关性特征，应用属性融合计算公式完成优选的叠后地震属性与OVT域预测裂缝密度结果的融合，获得最终裂缝分布结果。
6)通过该技术流程取得的裂缝分布成果完全基于地震资料完成，预测结果不受任何钻井、测井及生产资料的约束及影响。利用FMI结果及井间油气产能差异来验证预测裂缝结果，确定了研究成果的合理性及可靠性。
通过属性融合获得的裂缝预测结果与OVT预测裂缝结果，如图3所示，对比表明，属性融合弥补的裂缝预测结果，如图3中b所示，在断裂带处裂缝密度最大，随着远离断裂裂缝密度呈减小趋势，这与如图4所示的根据露头资料建立的裂缝发育地质模型及裂缝发育数学模型所反映的裂缝分布规律相同，成功弥补了如图3中a所示的OVT预测裂缝结果在F-1断裂带处裂缝密度值较低的不足；另外预测裂缝密度变化趋势与FMI测井裂缝密度变化及井间油气产能变化一致，如图5所示，验证了这个裂缝预测方法的可靠性。该方法实现过程简单，计算结果精确可靠。
本发明提供的实施例通过地震属性融合技术将根据地质露头的裂缝信息优选出的地震属性与OVT域预测裂缝密度两种数据融合，使得对断裂带内裂缝密度值进行修正，获得最终的裂缝储层强度预测结果。该方案弥补了OVT域方位各向异性裂缝检测技术的不足，有利于提高预测结果的精确度、可靠性。本发明针对OVT域方位各向异性裂缝检测技术缺陷，提出了以露头地质模型为指导的，通过属性融合技术弥补OVT域裂缝预测技术不足的全新技术流程。
基于同一发明构思，本发明实施例中还提供了一种裂缝储层预测装置，如下面的实施例所述。由于裂缝储层预测装置解决问题的原理与裂缝储层预测方法相似，因此裂缝储层预测装置的实施可以参见裂缝储层预测方法的实施，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装置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。
图6是本发明实施例的裂缝储层预测装置的一种结构框图，如图6所示，包括：
叠前地震道集域裂缝预测结果模块01，用于获取叠前地震道集域裂缝预测结果；
地震属性优选模块02，用于获取反映断层及断层周边断裂发育程度的叠后地震属性；
地震属性融合模块03，用于将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果。
具体实施时，地震属性优选模块具体用于：
采集地震数据和地质露头的裂缝信息；
根据地震数据和地质露头的裂缝信息，构建露头裂缝地质模型，露头裂缝地质模型表征裂缝分布规律；
根据露头裂缝地质模型表征的裂缝分布规律，在地震数据包含的地震属性中获取反映断层及其周边断裂发育程度的叠后地震属性。
具体实施时，地震属性融合模块具体用于：
通过以下公式将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合：
其中：f(A,B)是融合后的裂缝储层强度预测成果；A是叠前地震道集域裂缝预测结果，单位为裂缝条数/米；B是所述叠后地震属性；BMax是B的最大值；n是地震融合常数系数，n为常数。
具体实施时，地震属性融合模块还用于：
通过地质露头的裂缝信息中的断裂带上升盘的露头裂缝密度、断裂带下降盘的露头裂缝密度以及地震数据中裂缝与断层之间距离参数，确定露头裂缝数学模型，其中，露头裂缝数学模型中断裂带上升盘模型的表达式如下：
露头裂缝数学模型中断裂带下降盘模型的表达式如下：
其中Yu为断裂带上升盘裂缝密度，单位为裂缝条数/米；Yd为断裂带下降盘裂缝密度，单位为裂缝条数/米；X为裂缝与断层的距离，单位为米；au、ad分别为 项的系数，为无量纲常数；bu、bd为X的指数系数，为无量纲常数；
根据露头裂缝数学模型和叠前地震道集域裂缝预测结果，确定地震融合常数系数。
具体实施时，地震属性融合模块还用于：
根据露头裂缝数学模型，确定断裂带为断裂带上升盘或为断裂带下降盘：
当确定断裂带为断裂带上升盘时，按如下公式确定地震融合常数系数；
当确定断裂带为断裂带下降盘时，按如下公式确定地震融合常数系数。
本发明实施例还提供了一种计算机设备，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计算机程序时实现上述所述方法。
本发明实施例还提供了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执行上述所述方法的计算机程序。
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。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种裂缝储层预测方法，其特征在于，包括：
获取叠前地震道集域裂缝预测结果；
获取反映断层及断层周边断裂发育程度的叠后地震属性；
将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果；
将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，包括：
通过以下公式将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合：
其中：f(A,B)是融合后的裂缝储层强度预测成果；A是叠前地震道集域裂缝预测结果，单位为裂缝条数/米；B是所述叠后地震属性；BMax是B的最大值；n是地震融合常数系数，n为常数；
所述方法，还包括：
通过地质露头的裂缝信息中的断裂带上升盘的露头裂缝密度、断裂带下降盘的露头裂缝密度以及地震数据中裂缝与断层之间距离参数，确定露头裂缝数学模型，其中，
露头裂缝数学模型中断裂带上升盘模型的表达式如下：
露头裂缝数学模型中断裂带下降盘模型的表达式如下：
其中：Yu为断裂带上升盘裂缝密度，单位为裂缝条数/米；Yd为断裂带下降盘裂缝密度，单位为裂缝条数/米；X为裂缝位置到断层的距离，单位为米；bu、bd为X的指数系数，无量纲；au、ad分别为的系数，无量纲；
根据露头裂缝数学模型和叠前地震道集域裂缝预测结果，确定地震融合常数系数；
根据露头裂缝数学模型和叠前地震道集域裂缝预测结果，确定地震融合常数系数，包括：
根据露头裂缝数学模型，确定断裂带为断裂带上升盘或为断裂带下降盘：
当确定断裂带为断裂带上升盘时，按如下公式确定地震融合常数系数；
当确定断裂带为断裂带下降盘时，按如下公式确定地震融合常数系数：
2.如权利要求1所述的方法，其特征在于，获取反映断层及其周边断裂发育程度的叠后地震属性，包括：
采集地震数据和地质露头的裂缝信息；
根据地震数据和地质露头的裂缝信息，构建露头裂缝地质模型，露头裂缝地质模型表征裂缝分布规律；
根据露头裂缝地质模型表征的裂缝分布规律，在地震数据包含的地震属性中获取反映断层及其周边断裂发育程度的叠后地震属性。
3.一种裂缝储层预测装置，其特征在于，包括：
叠前地震道集域裂缝预测结果模块，用于获取叠前地震道集域裂缝预测结果；
地震属性优选模块，用于获取反映断层及断层周边断裂发育程度的叠后地震属性；
地震属性融合模块，用于将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合，使得对叠前地震道集域裂缝预测结果中断裂带内裂缝密度值进行修正，得到裂缝储层强度预测成果；
地震属性融合模块具体用于：
通过以下公式将叠前地震道集域裂缝预测结果和所述叠后地震属性进行地震属性融合：
其中：f(A,B)是融合后的裂缝储层强度预测成果；A是叠前地震道集域裂缝预测结果，单位为裂缝条数/米；B是所述叠后地震属性；BMax是B的最大值；n是地震融合常数系数，n为常数；
地震属性融合模块还用于：
通过地质露头的裂缝信息中的断裂带上升盘的露头裂缝密度、断裂带下降盘的露头裂缝密度以及地震数据中裂缝与断层之间距离参数，确定露头裂缝数学模型，其中，
露头裂缝数学模型中断裂带上升盘模型的表达式如下：
露头裂缝数学模型中断裂带下降盘模型的表达式如下：
其中Yu为断裂带上升盘裂缝密度，单位为裂缝条数/米；Yd为断裂带下降盘裂缝密度，单位为裂缝条数/米；X为裂缝与断层的距离，单位为米；au、ad分别为 项的系数，为无量纲常数；bu、bd为X的指数系数，为无量纲常数；
根据露头裂缝数学模型和叠前地震道集域裂缝预测结果，确定地震融合常数系数；
地震属性融合模块还用于：
根据露头裂缝数学模型，确定断裂带为断裂带上升盘或为断裂带下降盘：
当确定断裂带为断裂带上升盘时，按如下公式确定地震融合常数系数；
当确定断裂带为断裂带下降盘时，按如下公式确定地震融合常数系数：
4.如权利要求3所述的装置，其特征在于，地震属性优选模块具体用于：
采集地震数据和地质露头的裂缝信息；
根据地震数据和地质露头的裂缝信息，构建露头裂缝地质模型，露头裂缝地质模型表征裂缝分布规律；
根据露头裂缝地质模型表征的裂缝分布规律，在地震数据包含的地震属性中获取反映断层及其周边断裂发育程度的叠后地震属性。
5.一种计算机设备，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2任一所述方法。
6.一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执行权利要求1至2任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911110776.8A CN112799135B (zh) | 2019-11-14 | 2019-11-14 | 裂缝储层预测方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911110776.8A CN112799135B (zh) | 2019-11-14 | 2019-11-14 | 裂缝储层预测方法、装置、计算机设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112799135A CN112799135A (zh) | 2021-05-14 |
| CN112799135B true CN112799135B (zh) | 2024-06-25 |
Family
ID=75803518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911110776.8A Active CN112799135B (zh) | 2019-11-14 | 2019-11-14 | 裂缝储层预测方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112799135B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114814916B (zh) * | 2022-04-01 | 2023-09-26 | 煤炭科学研究总院有限公司 | 地表裂缝定位方法、装置及电子设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108957526A (zh) * | 2017-05-17 | 2018-12-07 | 中国石油化工股份有限公司 | 获得裂缝融合数据体的方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6473696B1 (en) * | 2001-03-13 | 2002-10-29 | Conoco Inc. | Method and process for prediction of subsurface fluid and rock pressures in the earth |
| CN101907725B (zh) * | 2010-06-12 | 2011-12-28 | 中国石油天然气股份有限公司 | 裂缝预测方法和装置 |
| EP2506039A3 (en) * | 2011-03-28 | 2013-08-14 | Conocophillips Company | Methods for Seismic Fracture Parameter Estimation and Gas Filled Fracture Identification From Vertical Well Log Data |
| RU2520067C2 (ru) * | 2012-08-06 | 2014-06-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Кубанский государственный аграрный университет" | Способ прогнозирования зон развития вторичных коллекторов трещинного типа в осадочном чехле |
| US10422902B2 (en) * | 2014-09-03 | 2019-09-24 | The Board Of Regents For Oklahoma State University | Methods of generation of fracture density maps from seismic data |
| CN106443783B (zh) * | 2016-10-31 | 2018-05-25 | 中国地质大学（北京） | 一种基于断层活动性的多期次裂缝定量预测方法 |
| CN106873033B (zh) * | 2017-03-13 | 2019-03-22 | 中国海洋石油集团有限公司 | 一种基于神经网络的多属性地震信息融合裂缝预测的方法 |
| CN108957527B (zh) * | 2017-05-27 | 2020-06-12 | 中国石油化工股份有限公司 | 岩层网状裂缝的地震预测方法 |
-
2019
- 2019-11-14 CN CN201911110776.8A patent/CN112799135B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108957526A (zh) * | 2017-05-17 | 2018-12-07 | 中国石油化工股份有限公司 | 获得裂缝融合数据体的方法 |
Non-Patent Citations (1)
| Title |
|---|
| OVT域方位各向异性裂缝预测方法的不足及更新;安福利等;《2022油气田勘探与开发国际会议论文集Ⅲ》;第221-227页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112799135A (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109425896B (zh) | 白云岩油气储层分布预测方法及装置 | |
| CN105277982B (zh) | 一种泥页岩总有机碳含量地震预测方法 | |
| US20220291418A1 (en) | An integrated geomechanics model for predicting hydrocarbon and migration pathways | |
| CN108562938B (zh) | 一种消除频散效应的方法、装置及系统 | |
| CN106443774A (zh) | 一种提高起伏地表叠前深度偏移成像精度的方法 | |
| CN105158796B (zh) | 确定toc含量的方法和装置 | |
| CN113279746B (zh) | 一种套管变形风险区域的确定方法及应用 | |
| CN104155701A (zh) | 一种利用叠前地震资料及井信息的多尺度裂缝预测方法 | |
| CN105182424A (zh) | 一种基于斑块饱和模型定量预测储层孔隙度的方法和装置 | |
| CN104678432A (zh) | 砂砾岩裂缝识别的方法 | |
| CN108287365A (zh) | 一种基于波动方程的vsp三参数同步反演方法及装置 | |
| CN109143366A (zh) | 近地表初至层析静校正方法及计算机可读存储介质 | |
| CN110632654B (zh) | 断块圈闭含油边界确定方法及装置 | |
| CN111381292B (zh) | 一种预测砂岩含烃储层的测井解释方法与装置 | |
| CN112363226A (zh) | 一种非常规油气有利区地球物理预测方法 | |
| CN112799135B (zh) | 裂缝储层预测方法、装置、计算机设备及可读存储介质 | |
| Lefranc et al. | Fractured basement reservoir characterization for fracture distribution, porosity and permeability prediction | |
| CN111308558B (zh) | 页岩气水平井纵波时差校正方法 | |
| CN114861515A (zh) | 层速度数据体的计算方法、装置、设备及介质 | |
| CN111650644B (zh) | 盐胶结砂岩定量预测方法 | |
| CN113806674B (zh) | 古河道纵向尺度的量化方法、装置、电子设备及存储介质 | |
| CN114184764A (zh) | 致密碳酸盐岩储层岩石力学层划分方法及系统 | |
| CN110927819B (zh) | 一种裂缝发育程度表征方法 | |
| Bryant et al. | Understanding uncertainty | |
| Jiang et al. | Quantitative identification of pseudofaults underlying igneous rocks through wave-equation-based velocity modeling: A case study of the Shuntuoguole uplift, Tarim Basin, China |
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 |