CN112925018A - 一种异常压力成因判别方法及装置 - Google Patents
一种异常压力成因判别方法及装置 Download PDFInfo
- Publication number
- CN112925018A CN112925018A CN201911238599.1A CN201911238599A CN112925018A CN 112925018 A CN112925018 A CN 112925018A CN 201911238599 A CN201911238599 A CN 201911238599A CN 112925018 A CN112925018 A CN 112925018A
- Authority
- CN
- China
- Prior art keywords
- work area
- data
- density
- tested
- obtaining
- 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
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013508 migration Methods 0.000 claims abstract description 86
- 230000005012 migration Effects 0.000 claims abstract description 86
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000005056 compaction Methods 0.000 description 2
- 238000002939 conjugate gradient method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000003384 imaging method 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
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01V1/30—Analysis
-
- 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
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
- G01V2210/512—Pre-stack
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- 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
- G01V2210/6224—Density
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
本发明提供一种异常压力成因判别方法及装置,所述方法包括:根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度‑密度交汇图版;根据所述待测工区的速度‑密度交汇图版,确定所述待测工区的异常压力成因。所述装置用于执行上述方法。本发明实施例提供的异常压力成因判别方法及装置,提高了异常压力成因判别的准确性。
Description
技术领域
本发明涉及地质勘探技术领域,具体涉及一种异常压力成因判别方法及装置。
背景技术
随着深层勘探以及非常规油气藏评价认识的不断加强,异常高压已成为现今油气藏评价的重要指标。异常高压具有在含油气盆地普遍分布、与油气成藏密切相关以及对钻井安全质量把控的三大特点,一直是油气勘探开发研究的热点。
对异常压力成因的研究,经历了以不均衡压实主张占主导的阶段,主要采用声波测井为主的地球物理响应特征分析、基于研究区异常压力形成和分布条件的理论分析和数值模拟分析方法;以不均衡压实与生烃膨胀认识为主的阶段,该阶段以Bowers提出运用有效应力-声波速度关系分析方法判别为标志。目前,异常压力成因研究方法主要有测井曲线组合分析法、鲍尔斯法(加载-卸载曲线法)、孔隙度对比法、压力计算反推法以及综合分析法。由于影响测井曲线的因素多且异常压力成因复杂,测井曲线组合方法需要对测井曲线进行多项校正和多测井参数综合分析。鲍尔斯法和压力计算反推法都需要在一定程度上进行有效压力的计算,但通常都需要以实测压力为依据,在未钻井区域这是难以实现的。孔隙度对比法需要计算孔隙度大小,而真实孔隙度测定需要借助实验室覆压测试手段,但由于样品局限性,大多数孔隙度通过测井资料计算得到,但计算结果容易受测井质量的影响。
发明内容
针对现有技术中的问题,本发明实施例提供一种异常压力成因判别方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提出一种异常压力成因判别方法,包括:
根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;
根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;
根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;
根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
另一方面,本发明提供一种异常压力成因判别装置,包括:
速度获得模块,用于根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;
密度获得模块,用于根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;
绘制模块,用于根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;
确定模块,用于根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
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异常压力成因判别方法的步骤。
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异常压力成因判别方法的步骤。
本发明实施例提供的异常压力成因判别方法及装置,能够根据待测工区的地震数据和微测井数据,获得待测工区的叠前深度偏移速度数据,并根据待测工区的测井数据、地震数据以及对应的地震子波,获得待测工区的密度数据,然后根据叠前深度偏移速度数据和密度数据,绘制待测工区的速度-密度交汇图版,再根据待测工区的速度-密度交汇图版,获得待测工区的异常压力成因,由于叠前深度偏移速度数据和密度数据的获得更加准确,提高了异常压力成因判别的准确性。
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异常压力成因判别方法的流程示意图。
图2是本发明另一实施例提供的异常压力成因判别方法的流程示意图。
图3是本发明又一实施例提供的异常压力成因判别方法的流程示意图。
图4是本发明再一实施例提供的异常压力成因判别方法的流程示意图。
图5是本发明一实施例提供的异常压力成因判别装置的结构示意图。
图6是本发明另一实施例提供的异常压力成因判别装置的结构示意图。
图7是本发明又一实施例提供的异常压力成因判别装置的结构示意图。
图8是本发明再一实施例提供的异常压力成因判别装置的结构示意图。
图9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异常压力成因判别方法的流程示意图,如图1所示,本发明实施例提供的异常压力成因判别方法,包括:
S101、根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;
具体地,对于待测工区,服务器可以获取所述待测工区的地震数据和微测井数据,然后根据所述地震数据和微测井数据,获得所述待测工区的叠前深度偏移数据。其中,所述地震数据包括但不限于共中心点道集、共反射点道集、角道集等数据。本发明实施例提供的异常压力成因判别方法的执行主体包括但不限于服务器。
例如,所述服务器根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型,然后将所述叠前偏移速度模型转换到深度域,获得初始深度域速度模型,再对所述初始深度域速度模型进行反演优化以及误差校正,从而获得所述叠前深度偏移速度数据。
S102、根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;
具体地,所述服务器可以获得所述待测量工区的测井数据、地震数据以及与所述地震数据对应的地震子波,然后根据所述待测量工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据。
例如,所述服务器根据所述待测工区的角道集以及对应的地震子波,获得密度模型;其中,所述地震数据包括角道集,然后根据所述测井数据获得拟合系数,再根据所述密度模型、所述拟合系数以及预设公式,计算获得所述待测工区的密度数据。
S103、根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;
具体地,所述服务器在获得所述叠前深度偏移速度数据和所述密度数据之后,可以根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版,即分别以所述叠前深度偏移速度数据和所述密度数据为X轴数据和Y轴数据绘制到预先设置的直角坐标系中,得到所述速度-密度交汇图版。在绘制所述待测工区的速度-密度交汇图版时,可以利用待测工区的地质资料,校正所述速度-密度交汇图版,即根据区域规律,对所述速度-密度交汇图版的异常值进行校正或剔除。其中,所述速度-密度交汇图版可以为Bowers速度-密度交汇图版。其中,所述区域规律是指所述待测工区的应力情况,例如承受拉张应力还是挤压应力。
例如,对所述待测工区的有井区域,通过测井数据计算获得所述待测工区的有井区域的井速度数据和井密度数据。用有井区域的井速度数据对之前获得的叠前深度偏移速度数据进行校正,获得有井区域的校正后的叠前深度偏移速度数据,用有井区域的井密度数据对之前获得的密度数据进行校正,获得有井区域的校正后的密度数据。然后将有井区域的校正后的叠前深度偏移速度数据和校正后的密度数据交汇投影到所述速度-密度交汇图版上。
对所述待测工区的无井区域,在任意一个位置点,可以建立虚拟井,根据位置点的坐标,从已经获得的叠前深度偏移速度数据和密度数据中,可以得到该位置点的叠前深度偏移速度和密度,再交汇投影到所述速度-密度交汇图版上。
S104、根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
具体地,所述服务器在获得所述待测工区的速度-密度交汇图版之后,对所述待测工区的速度-密度交汇图版进行分析,可以确定所述待测工区的异常压力成因。
例如,所述服务器在所述速度-密度交汇图版上,以速度-密度交汇趋势线为基线,统计所述待测工区的速度-密度交汇点所处的异常压力成因区域,获得交汇点在不同异常压力成因区域的数量,然后计算出每个异常压力成因区域中交汇点的数量占所有交汇点的比例,根据各个异常压力成因区域中交汇点的比例在异常压力成因表中,查询获得对应的异常压力成因。所述异常压力成因表是预设的。所述速度-密度交汇图版中包括不同的异常压力成因区域。
表1为异常压力成因表,如表1所示,所述服务器在获得各个异常压力区域的交汇点的比例之和,可以将各个异常压力区域的交汇点的比例与第一阈值进行比较,如果某一异常压力区域的交汇点的比例大于等于所述第一阈值,那么所述待测工区的压力异常成因为上述某一异常压力区域的异常压力成因。所述服务器将各个异常压力成因区域的交汇点的比例与第二阈值、第三阈值和第四阈值进行比较,如果某一异常压力区域的交汇点的比例小于第一阈值且大于等于第二阈值,并且另一异常压力区域的交汇点的比例小于等于第三阈值且大于第四阈值,那么所述待测工区的压力异常成因为某一异常压力区域的异常压力成因与另一异常压力区域的异常压力成因的复合原因。所述第一阈值、所述第二阈值、所述第三阈值和所述第四阈值根据实际需要进行设置,本发明实施例不做限定。
表1异常压力成因表
假设设置所述第一阈值为70%,第二阈值和第三阈值等于50%,第四阈值为30%。如果所述服务器统计出40%的交汇点位于构造挤压区域,统计出60%的交汇点位于流体膨胀区域,那么所述待测工区的异常压力成因为:流体膨胀和构造挤压复合成因。如果所述服务器统计出85%的交汇点位于流体膨胀区域,那么流体膨胀区域的异常压力成因为所述待测工区的压力异常成因的主要原因,所述待测工区的异常压力成因为:流体膨胀。
本发明实施例提供的异常压力成因判别方法,能够根据待测工区的地震数据和微测井数据,获得待测工区的叠前深度偏移速度数据,并根据待测工区的测井数据、地震数据以及对应的地震子波,获得待测工区的密度数据,然后根据叠前深度偏移速度数据和密度数据,绘制待测工区的速度-密度交汇图版,再根据待测工区的速度-密度交汇图版,获得待测工区的异常压力成因,由于叠前深度偏移速度数据和密度数据的获得更加准确,提高了异常压力成因判别的准确性。
图2是本发明另一实施例提供的异常压力成因判别方法的流程示意图,如图2所示,在上述各实施例的基础上,进一步地,所述根据待测工区的地震数据,获得所述待测工区的叠前深度偏移速度数据包括:
S1011、根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型;
具体地,所述服务器可以获得所述待测工区的共中心点道集,然后根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型。
例如,所述服务器根据所述待测工区的微测井数据和重力数据,建立所述待测工区的浅层速度模型,然后根据所述待测工区的共中心点道集,获得所述待测工区的初始速度模型,接着根据所述浅层速度模型和所述初始速度模型,建立初始偏移速度模型,再根据所述待测工区的共反射点道集和所述初始速度模型,获得所述叠前时间偏移速度模型。
S1012、将所述叠前偏移速度模型转换到深度域,获得初始深度域速度模型;
具体地,所述服务器在获得所述叠前偏移速度模型之后,利用约束速度反演把叠前时间偏移速度模型转换到深度域,并利用层位偏移时间深度转换把时间域层位模型转换到深度域,从而获得初始深度域速度模型。
S1013、对所述初始深度域速度模型进行反演优化以及误差校正,获得叠前深度偏移速度数据。
具体地,所述服务器在获得所述初始深度域速度模型之后,可以对所述初始深度域速度模型进行反演优化以及误差校正,从而获得叠前深度偏移速度数据。
例如,所述服务器利用沿层层析反演优化所述初始深度域速度模型,对每层初始深度域速度模型进行剩余速度分析,以偏移后共反射点道集拉平进行所述初始深度域速度模型的反演优化。所述服务器还可以利用网格层析反演优化所述初始深度域速度模型,对沿层初始深度域速度模型进行叠前深度偏移,自动拾取构造属性及剩余延迟,以深度域层位模型作为约束,以偏移后共成像点道集拉平进行所述初始深度域速度模型的反演优化。
例如,在初始深度域速度模型建立过程中,有时进行速度分析时会遇到速度的突变,正常情况下一般会根据上下速度规律进行判断,对异常值进行校正,但是异常值的产生也可能是由于特殊地质构造造成的,所以可以结合所述待测工区的地质规律来校正所述初始深度域速度模型。
图3是本发明又一实施例提供的异常压力成因判别方法的流程示意图,如图3所示,在上述各实施例的基础上,进一步地,所述根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型包括:
S10111、根据所述待测工区的微测井数据和重力数据,建立所述待测工区的浅层速度模型;
具体地,所述服务器根据所述待测工区的微测井数据,可以获得所述待测工区的近地表速度数据,还可以根据所述待测工区的重力数据反算得到所述待测工区的速度数据,然后利用反算获得的速度数据对所述近地表速度数据进行修正,从而建立所述待测工区的浅层速度模型。
例如,所述服务器通过KLSeis软件处理所述待测工区的微测井资料,可以获得所述待测工区的近地表速度数据。所述服务器根据所述待测工区的重力数据以及Garden公式反算获得所述待测工区的速度数据,然后使用Garden反算获得的速度数据对所述近地表速度数据进行修正,获得所述待测工区的浅层速度模型。由于近地表存在低降速带,在进行速度分析时,反射波能量团不够明显,所以通过所述微测井数据获得的近地表速度数据不够准确,而重力数据通常针对的是近地表,所以基于重力数据获得的速度数据可以很好地修正所述近地表速度数据,使获得的浅层速度模型更加精确。
S10112、根据所述待测工区的共中心点道集,获得所述待测工区的初始速度模型;
具体地,所述服务器可以获得所述待测工区的共中心点道集,然后对所述待测工区的共中心点道集进行速度分析,可以获得所述待测工区的初始速度模型。
S10113、根据所述浅层速度模型和所述初始速度模型,建立初始偏移速度模型;
具体地,所述服务器在获得所述初始速度模型之后,根据所述共中心点道集和所述初始速度模型进行叠前时间偏移,然后再进行反动校正,获得校正后的速度模型。接着对校正后的速度模型进行偏移速度分析,之后结合所述浅层速度模型,建立初始偏移速度模型。根据所述浅层速度模型和所述初始速度模型,建立所述初始偏移速度模型的具体建立过程可以通过Paradigm软件实现,此处不进行赘述。
S10114、根据所述待测工区的共反射点道集和所述初始速度模型,获得所述叠前时间偏移速度模型。
具体地,所述服务器在获得所述初始偏移速度模型之后,对所述待测工区的共反射点道集进行叠前时间偏移后的剩余速度分析,获得速度误差。然后对所述初始速度模型进行修正,以偏移后共反射点道集进行速度更新迭代,每次迭代之后都会重新获得所述速度误差,当所述速度误差小于设定阈值之后,获得修正后的初始速度模型即为所述叠前时间偏移速度模型。其中,所述设定阈值根据实际经验进行设置,本发明实施例不做限定。
图4是本发明再一实施例提供的异常压力成因判别方法的流程示意图,如图4所示,所述根据待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据包括:
S1021、根据所述待测工区的角道集以及对应的地震子波,获得密度模型;其中,所述地震数据包括角道集;
具体地,所述服务器可以获得所述待测工区的角道集,然后根据所述待测工区的角道集以及与所述角道集对应的地震子波,可以计算获得密度模型,还可以计算获得初始纵波阻抗和初始横波阻抗。
S1022、根据所述测井数据获得拟合系数;
具体地,所述服务器将所述测井数据代入到拟合系数公式中,可以获得拟合系数。其中,所述拟合系数公式是预设的。
例如,所述拟合系数公式为:
ln(Zs)=kln(ρ)+kc+ΔLs (1)
ln(Zp)=mln(ρ)+mc+ΔLD (2)
其中,Zs表示横波阻抗,Zp表示纵波阻抗,ρ表示密度,k、kc、m和mc表示拟合系数,ΔLs表示横波误差扰动,ΔLD表示纵波误差扰动。
S1023、根据所述密度模型、所述拟合系数以及预设公式,计算获得所述待测工区的密度数据。
具体地,所述服务器在获得所述拟合系数之后,设置所述密度模型的初始值为[lnρ,ΔLs,ΔLD]T=[log(ρ),0,0]T,利用随机共轭梯度法以及预设公式,求解获得所述待测工区的密度数据。其中,ΔLs表示横波误差扰动,ΔLD表示纵波误差扰动。
例如,所述预设公式的表达式如下:
ρ=exp(ln(ρ)) (3)
Zp=exp(ln(Zp))=exp(mln(ρ)+mc+ΔLD) (4)
Zs=exp(ln(Zs))=exp(kln(ρ)+kc+ΔLs) (5)
其中,Zs表示横波阻抗,Zp表示纵波阻抗,ρ表示密度,k、kc、m和mc表示拟合系数,ΔLs表示横波误差扰动,ΔLD表示纵波误差扰动。
图5是本发明一实施例提供的异常压力成因判别装置的结构示意图,如图5所示,本发明实施例提供的异常压力成因判别装置包括速度获得模块501、密度获得模块502、绘制模块503和确定模块504,其中:
速度获得模块501用于根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;密度获得模块502用于根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;绘制模块503用于根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;确定模块504用于根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
具体地,对于待测工区,速度获得模块501可以获取所述待测工区的地震数据和微测井数据,然后根据所述地震数据和微测井数据,获得所述待测工区的叠前深度偏移数据。其中,所述地震数据包括但不限于共中心点道集、共反射点道集、角道集等数据。
密度获得模块502可以获得所述待测量工区的测井数据、地震数据以及与所述地震数据对应的地震子波,然后根据所述待测量工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据。
在获得所述叠前深度偏移速度数据和所述密度数据之后,绘制模块503可以根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版,即分别以所述叠前深度偏移速度数据和所述密度数据为X轴数据和Y轴数据绘制到预先设置的直角坐标系中,得到所述速度-密度交汇图版。在绘制所述待测工区的速度-密度交汇图版时,可以利用待测工区的地质资料,校正所述速度-密度交汇图版,即根据区域规律,对所述速度-密度交汇图版的异常值进行校正或剔除。其中,所述速度-密度交汇图版可以为Bowers速度-密度交汇图版。其中,所述区域规律是指所述待测工区的应力情况,例如承受拉张应力还是挤压应力。
在获得所述待测工区的速度-密度交汇图版之后,确定模块504对所述待测工区的速度-密度交汇图版进行分析,可以确定所述待测工区的异常压力成因。
本发明实施例提供的异常压力成因判别装置,能够根据待测工区的地震数据和微测井数据,获得待测工区的叠前深度偏移速度数据,并根据待测工区的测井数据、地震数据以及对应的地震子波,获得待测工区的密度数据,然后根据叠前深度偏移速度数据和密度数据,绘制待测工区的速度-密度交汇图版,再根据待测工区的速度-密度交汇图版,获得待测工区的异常压力成因,由于叠前深度偏移速度数据和密度数据的获得更加准确,提高了异常压力成因判别的准确性。
图6是本发明另一实施例提供的异常压力成因判别装置的结构示意图,如图6所示,速度获得模块501包括建立单元5011、转换单元5012和反演单元5013,其中:
建立单元5011用于根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型;转换单元5012用于将所述叠前偏移速度模型转换到深度域,获得初始深度域速度模型;反演单元5013用于对所述初始深度域速度模型进行反演优化以及误差校正,获得叠前深度偏移速度数据。
具体地,建立单元5011可以获得所述待测工区的共中心点道集,然后根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型。
在获得所述叠前偏移速度模型之后,转换单元5012利用约束速度反演把叠前时间偏移速度模型转换到深度域,并利用层位偏移时间深度转换把时间域层位模型转换到深度域,从而获得初始深度域速度模型。
在获得所述初始深度域速度模型之后,反演单元5013可以对所述初始深度域速度模型进行反演优化以及误差校正,从而获得叠前深度偏移速度数据。
图7是本发明又一实施例提供的异常压力成因判别装置的结构示意图,如图7所示,建立单元5011包括第一建立子单元50111、第一获得子单元50112、第二建立子单元50113和第二获得子单元50114,其中:
第一建立子单元50111用于根据所述待测工区的微测井数据和重力数据,建立所述待测工区的浅层速度模型;第一获得子单元50112用于根据所述待测工区的共中心点道集,获得所述待测工区的初始速度模型;第二建立子单元50113用于根据所述浅层速度模型和所述初始速度模型,建立初始偏移速度模型;第二获得子单元50114用于根据所述待测工区的共反射点道集和所述初始速度模型,获得所述叠前时间偏移速度模型。
具体地,第一建立子单元50111根据所述待测工区的微测井数据,可以获得所述待测工区的近地表速度数据,还可以根据所述待测工区的重力数据反算得到所述待测工区的速度数据,然后利用反算获得的速度数据对所述近地表速度数据进行修正,从而建立所述待测工区的浅层速度模型。
第一获得子单元50112可以获得所述待测工区的共中心点道集,然后对所述待测工区的共中心点道集进行速度分析,可以获得所述待测工区的初始速度模型。
在获得所述初始速度模型之后,第二建立子单元50113根据所述共中心点道集和所述初始速度模型进行叠前时间偏移,然后再进行反动校正,获得校正后的速度模型。接着对校正后的速度模型进行偏移速度分析,之后结合所述浅层速度模型,建立初始偏移速度模型。根据所述浅层速度模型和所述初始速度模型,建立所述初始偏移速度模型的具体建立过程可以通过Paradigm软件实现,此处不进行赘述。
在获得所述初始偏移速度模型之后,第二获得子单元50114对所述待测工区的共反射点道集进行叠前时间偏移后的剩余速度分析,获得速度误差。然后对所述初始速度模型进行修正,以偏移后共反射点道集进行速度更新迭代,每次迭代之后都会重新获得所述速度误差,当所述速度误差小于设定阈值之后,获得修正后的初始速度模型即为所述叠前时间偏移速度模型。其中,所述设定阈值根据实际经验进行设置,本发明实施例不做限定。
图8是本发明再一实施例提供的异常压力成因判别装置的结构示意图,如图8所示,在上述各实施例的基础上,进一步地,密度获得模块502包括:
第一获得单元5021用于根据所述待测工区的角道集以及对应的地震子波,获得密度模型;其中,所述地震数据包括角道集;第二获得单元5022用于根据所述测井数据获得拟合系数;计算单元5023用于根据所述密度模型、所述拟合系数以及预设公式,计算获得所述待测工区的密度数据。
具体地,第一获得单元5021可以获得所述待测工区的角道集,然后根据所述待测工区的角道集以及与所述角道集对应的地震子波,可以计算获得密度模型,还可以计算获得初始纵波阻抗和初始横波阻抗。
第二获得单元5022将所述测井数据代入到拟合系数公式中,可以获得拟合系数。其中,所述拟合系数公式是预设的。
在获得所述拟合系数之后,计算单元5023设置所述密度模型的初始值为[lnρ,ΔLs,ΔLD]T=[log(ρ),0,0]T,利用随机共轭梯度法以及预设公式,求解获得所述待测工区的密度数据。其中,ΔLs表示横波误差扰动,ΔLD表示纵波误差扰动。
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9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9所示,该电子设备可以包括:处理器(processor)901、通信接口(Communications Interface)902、存储器(memory)903和通信总线904,其中,处理器901,通信接口902,存储器903通过通信总线904完成相互间的通信。处理器901可以调用存储器903中的逻辑指令,以执行如下方法:根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
此外,上述的存储器403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:根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
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:根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
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)
1.一种异常压力成因判别方法,其特征在于,包括:
根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;
根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;
根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;
根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
2.根据权利要求1所述的方法,其特征在于,所述根据待测工区的地震数据,获得所述待测工区的叠前深度偏移速度数据包括:
根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型;
将所述叠前偏移速度模型转换到深度域,获得初始深度域速度模型;
对所述初始深度域速度模型进行反演优化以及误差校正,获得叠前深度偏移速度数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型包括:
根据所述待测工区的微测井数据和重力数据,建立所述待测工区的浅层速度模型;
根据所述待测工区的共中心点道集,获得所述待测工区的初始速度模型;
根据所述浅层速度模型和所述初始速度模型,建立初始偏移速度模型;
根据所述待测工区的共反射点道集和所述初始速度模型,获得所述叠前时间偏移速度模型。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据包括:
根据所述待测工区的角道集以及对应的地震子波,获得密度模型;其中,所述地震数据包括角道集;
根据所述测井数据获得拟合系数;
根据所述密度模型、所述拟合系数以及预设公式,计算获得所述待测工区的密度数据。
5.一种异常压力成因判别装置,其特征在于,包括:
速度获得模块,用于根据待测工区的地震数据和微测井数据,获得所述待测工区的叠前深度偏移速度数据;
密度获得模块,用于根据所述待测工区的测井数据、地震数据以及对应的地震子波,获得所述待测工区的密度数据;
绘制模块,用于根据所述叠前深度偏移速度数据和所述密度数据,绘制所述待测工区的速度-密度交汇图版;
确定模块,用于根据所述待测工区的速度-密度交汇图版,确定所述待测工区的异常压力成因。
6.根据权利要求5所述的装置,其特征在于,所述速度获得模块包括:
建立单元,用于根据所述待测工区的微测井数据和共中心点道集,建立所述待测工区的叠前时间偏移速度模型;
转换单元,用于将所述叠前偏移速度模型转换到深度域,获得初始深度域速度模型;
反演单元,用于对所述初始深度域速度模型进行反演优化以及误差校正,获得叠前深度偏移速度数据。
7.根据权利要求6所述的装置,其特征在于,所述建立单元包括:
第一建立子单元,用于根据所述待测工区的微测井数据和重力数据,建立所述待测工区的浅层速度模型;
第一获得子单元,用于根据所述待测工区的共中心点道集,获得所述待测工区的初始速度模型;
第二建立子单元,用于根据所述浅层速度模型和所述初始速度模型,建立初始偏移速度模型;
第二获得子单元,用于根据所述待测工区的共反射点道集和所述初始速度模型,获得所述叠前时间偏移速度模型。
8.根据权利要求5至7任一项所述的装置,其特征在于,所述密度获得模块包括:
第一获得单元,用于根据所述待测工区的角道集以及对应的地震子波,获得密度模型;其中,所述地震数据包括角道集;
第二获得单元,用于根据所述测井数据获得拟合系数;
计算单元,用于根据所述密度模型、所述拟合系数以及预设公式,计算获得所述待测工区的密度数据。
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 |
---|---|---|---|
CN201911238599.1A CN112925018B (zh) | 2019-12-06 | 2019-12-06 | 一种异常压力成因判别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911238599.1A CN112925018B (zh) | 2019-12-06 | 2019-12-06 | 一种异常压力成因判别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925018A true CN112925018A (zh) | 2021-06-08 |
CN112925018B CN112925018B (zh) | 2023-09-26 |
Family
ID=76161516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911238599.1A Active CN112925018B (zh) | 2019-12-06 | 2019-12-06 | 一种异常压力成因判别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925018B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113868979A (zh) * | 2021-09-29 | 2021-12-31 | 中国石油化工股份有限公司 | 浅层气钻井风险的确定方法、装置和服务器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6502037B1 (en) * | 1999-04-02 | 2002-12-31 | Conoco Inc. | Method for gravity and magnetic data inversion using vector and tensor data with seismic imaging and geopressure prediction for oil, gas and mineral exploration and production |
CN102590860A (zh) * | 2011-12-31 | 2012-07-18 | 中国石油集团西北地质研究所 | 基于地震波初至信息的反射波建模方法 |
CN104267429A (zh) * | 2014-09-30 | 2015-01-07 | 中国石油天然气股份有限公司 | 确定地层压力的方法及装置 |
CN104483703A (zh) * | 2014-12-31 | 2015-04-01 | 中国石油天然气股份有限公司 | 一种井震联合古地层压力预测方法 |
CN104698492A (zh) * | 2013-12-09 | 2015-06-10 | 中国石油天然气股份有限公司 | 一种计算异常地层压力的方法 |
CN106127343A (zh) * | 2016-06-27 | 2016-11-16 | 成都理工大学 | 一种地层超压成因机制的分析方法 |
CN107942379A (zh) * | 2017-10-12 | 2018-04-20 | 中国石油化工股份有限公司 | 一种提高复杂断块速度模型精度的方法 |
CN110069751A (zh) * | 2019-05-07 | 2019-07-30 | 中国海洋石油集团有限公司 | 一种非欠压实地层孔隙压力预测方法 |
-
2019
- 2019-12-06 CN CN201911238599.1A patent/CN112925018B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6502037B1 (en) * | 1999-04-02 | 2002-12-31 | Conoco Inc. | Method for gravity and magnetic data inversion using vector and tensor data with seismic imaging and geopressure prediction for oil, gas and mineral exploration and production |
CN102590860A (zh) * | 2011-12-31 | 2012-07-18 | 中国石油集团西北地质研究所 | 基于地震波初至信息的反射波建模方法 |
CN104698492A (zh) * | 2013-12-09 | 2015-06-10 | 中国石油天然气股份有限公司 | 一种计算异常地层压力的方法 |
CN104267429A (zh) * | 2014-09-30 | 2015-01-07 | 中国石油天然气股份有限公司 | 确定地层压力的方法及装置 |
CN104483703A (zh) * | 2014-12-31 | 2015-04-01 | 中国石油天然气股份有限公司 | 一种井震联合古地层压力预测方法 |
CN106127343A (zh) * | 2016-06-27 | 2016-11-16 | 成都理工大学 | 一种地层超压成因机制的分析方法 |
CN107942379A (zh) * | 2017-10-12 | 2018-04-20 | 中国石油化工股份有限公司 | 一种提高复杂断块速度模型精度的方法 |
CN110069751A (zh) * | 2019-05-07 | 2019-07-30 | 中国海洋石油集团有限公司 | 一种非欠压实地层孔隙压力预测方法 |
Non-Patent Citations (3)
Title |
---|
FU LIBI ET AL.: "Multi-grid simulation of counter flow pedestrian dynamics with emotion propagation", 《SIMULATION MODELLING PRACTICE AND THEORY》, vol. 60, pages 1 - 14, XP029322624, DOI: 10.1016/j.simpat.2015.09.007 * |
任丽华 等: "松辽盆地扶新隆起带南部青山口组超压特征及油气地质意义", 《天然气地球科学》, vol. 28, no. 7, pages 1020 - 1030 * |
陈亚琳 等: "四川盆地涪陵地区页岩储层压力预测及高压形成机制分析", 《石油实验地质》, vol. 40, no. 1, pages 110 - 117 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113868979A (zh) * | 2021-09-29 | 2021-12-31 | 中国石油化工股份有限公司 | 浅层气钻井风险的确定方法、装置和服务器 |
CN113868979B (zh) * | 2021-09-29 | 2023-03-24 | 中国石油化工股份有限公司 | 浅层气钻井风险的确定方法、装置和服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN112925018B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bortoli et al. | Constraining stochastic images to seismic data: Stochastic simulation of synthetic seismograms | |
US8868348B2 (en) | Well constrained horizontal variable H-V curve constructing method for seismic wave velocity field construction | |
CN109655903B (zh) | 页岩层横波速度预测方法及系统 | |
CN107515290B (zh) | 岩石矿物组分含量定量计算方法 | |
CN112946783B (zh) | 一种水合物饱和度确定方法、装置及设备 | |
CN108873065B (zh) | 砂岩优质储层预测方法及装置 | |
CN105093331A (zh) | 获取岩石基质体积模量的方法 | |
CN105626056A (zh) | 一种确定目标区三维地层孔隙压力的方法和装置 | |
CN112925018A (zh) | 一种异常压力成因判别方法及装置 | |
CN109782355B (zh) | Obs检波点漂移的检测方法及装置 | |
CN106125133A (zh) | 一种基于气云区约束下的精细速度建模方法 | |
CN111381280A (zh) | 预测储层含烃饱和度的方法及装置 | |
CN108089228B (zh) | 一种确定地层岩石特性的解释数据方法和装置 | |
CN112419493B (zh) | 页岩储层三维属性模型建立方法及装置 | |
CN112649848B (zh) | 利用波动方程求解地震波阻抗的方法和装置 | |
CN112649859A (zh) | 一种地震波速度自适应无网格场节点建立方法及系统 | |
Amanipoor | Providing a subsurface reservoir quality maps in oil fields by geostatistical methods | |
Clegg et al. | Velocity structure of the UK continental shelf from a compilation of wide-angle and refraction data | |
CN113267810B (zh) | 地震勘探全深度速度建模方法及装置 | |
CN111856557A (zh) | 深度域合成地震记录制作方法及装置 | |
CN111984903B (zh) | 泥页岩储层toc与含油饱和度的计算表征方法及系统 | |
CN112946754B (zh) | 储层孔隙度预测方法及装置 | |
CN113514904B (zh) | 地层参数模型建立方法及装置 | |
CN113971351B (zh) | 裂缝孔隙度的确定方法及装置 | |
CN111751900B (zh) | 一种流体识别方法和装置 |
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 |