CN112946752B - 基于裂缝密度模型预测裂缝概率体的方法 - Google Patents

Abstract

本发明公开了基于裂缝密度模型预测裂缝概率体的方法，包括如下步骤：S1，获取地质、测井、地震数据，并对获取的数据进行处理后得到各井的裂缝密度曲线及优选属性数据体；S2，建立各个裂缝密度模型，并定义为相关的裂缝相，建立相应的属性参数交会图，在交会图上计算每一类裂缝相对应的概率密度函数；S3，将优选属性数据体带入所述概率密度函数进行转换计算，得到每一类裂缝相所对应的裂缝密度概率体等；本发明实现对井中目的层裂缝密度值的预测工作，提升相关勘探区的裂缝预测精度，进而减少钻井风险，提高油气勘探的经济效益等。

Description

基于裂缝密度模型预测裂缝概率体的方法

技术领域

本发明涉及石油天然气勘探领域，更为具体的，涉及一种基于裂缝密度模型预测裂缝概率体的方法。

背景技术

裂缝是地下油气聚集和运移的重要通道，裂缝预测是指预测裂缝的发育强度或与裂缝分析有关的参数。大多数情况下裂缝主要为构造裂缝——归因于局部构造事件或与局部构造事件相伴生的裂缝，包括与断层有关的裂缝系统、与隆升上拱有关的裂缝系统、与褶皱有关的裂缝系统等等。四川盆地南方海相的龙马溪组优质页岩储层基本上都发育有微型裂缝，这种类型的裂缝起到沟通页岩储层的作用。所以，寻找裂缝型优质页岩储层是海相油气勘探的重要目标之一。总的来说，裂缝是评价储层性能的一个较为重要的指标，而对于储层中的裂缝预测也是地球物理勘探中所面临的重要难题。

目前，大多数常规裂缝预测技术采用叠前或叠后地震数据来预测裂缝；另外，也有采用有限元分析、构造应力场分析等地质经验分析技术对裂缝进行预测；在裂缝预测中，也有采用多属性进行融合来计算裂缝密度。对裂缝敏感的反演或属性类主要有相干、曲率、P波各向异性强度、振幅及频率类属性等，它们各有优、缺点，对微型裂缝预测的准确度相对较差。如在一些裂缝预测中，主要是利用统计学的方法实施，主要操作方式为通过计算相关的弹性参数曲线与裂缝密度进行交会，优选数据点分布较为集中，即两者相关性好的弹性参数进行拟合，从而得到相关的关系式，通过计算得到的弹性参数数据体及关系式进行转换，从而获得裂缝密度数据体。也有一些专利技术如发明《用于精细断层解释的优势频带相干处理方法》(专利号：CN200410058167.X)公开了一种相干处理预测小断层及裂缝，经过优势频带相干技术处理后的地震剖面，显示出新的遗漏的小断层，小断层的断点位置更加准确，伸展方向连续；发明《裂缝预测方法和装置》(专利号：CN201010205983.4)提出利用拾取的目标层时窗获取每个地震道的反射振幅，通过获取的方位角及反射振幅来进行椭圆拟合，以此来预测裂缝的方向及裂缝密度。目前利用地震技术开展裂缝预测方面的相关研究成果国内外均较多，但预测效果都差强人意，结合现有地质、测井及地震上的认识，认为主要存在如下几个问题：

(1)常规裂缝预测技术难以有效描述微型裂缝在垂向及横向上的变化情况，准确度往往不理想；

(2)常规裂缝预测技术对微型裂缝预测的结果与井中实测结果往往匹配不好，预测准确率相对较低；

(3)通过相关的拟合公式计算裂缝密度，无法消除一些非裂缝因素的影响，造成预测结果的精度较低。

发明内容

本发明的目的在于克服现有技术的不足，提供基于裂缝密度模型预测裂缝概率体的方法，实现对井中目的层裂缝密度值的预测工作，提升相关勘探区的裂缝预测精度，进而减少钻井风险，提高油气勘探的经济效益。

本发明的目的是通过以下方案实现的：

基于裂缝密度模型预测裂缝概率体的方法，包括步骤：

S1，获取地质、测井、地震数据，并对获取的数据进行处理后得到各井的裂缝密度曲线及优选属性数据体；

S2，建立各个裂缝密度模型，并定义为相关的裂缝相，建立相应的属性参数交会图，在交会图上计算每一类裂缝相对应的概率密度函数；

S3，将优选属性数据体带入所述概率密度函数进行转换计算，得到每一类裂缝相所对应的裂缝密度概率体。

进一步地，在步骤S1中，地质数据包括岩芯录井资料，测井数据包括声波和密度测井曲线、FMI地层微电阻率扫描成像数据，地震数据包括三维叠前道集或叠后地震数据体。

进一步地，对获取的数据进行处理包括如下步骤：

S11，对三维叠前道集或叠后地震数据体进行反演、属性提取得到地震反演、属性数据体；再从地震反演、属性数据体中提取各个井点上目的层的地震反演、属性数据平均值；

S12，将各个井点上目的层的地震反演、属性数据平均值与对应的井点上目的层的总裂缝密度值分别进行归一化后，再进行数据值之间的相关系数计算；

S13，选取与总裂缝密度值进行相关系数计算时所得相关系数较高的M个反演、属性数据平均值；并在M个反演、属性数据平均值中选取它们之间的相关系数较低的P个反演、属性数据平均值；其中，井点上目的层的总裂缝密度值由目的层的裂缝密度值进行加权求和获取，所述的目的层的裂缝密度值由各井的裂缝密度曲线中获取；

S14，将井点上目的层的总裂缝密度值与井点上目的层的P个地震反演、属性数据平均值分别进行归一化计算，得到各自的归一化处理的函数公式；

S15，根据步骤S14得到的各自的归一化处理的函数公式，分别将各井上的裂缝密度曲线的数据值及P个反演、属性数据平均值所对应的数据体进行归一化处理计算，得到归一化后的各井的裂缝密度曲线及P个归一化后的地震反演、属性数据体，这P个归一化后的地震反演、属性数据体作为优选属性数据体。

进一步地，在步骤S13中，选取相关系数较高的M个反演、属性值包括选取相关系数大于0.6的M个反演、属性数据体；在M个反演、属性值中选取相关系数较低的P个反演、属性值包括选取相关系数小于0.5的P个反演、属性数据体。

进一步地，在步骤S13中，相关系数计算公式为：

式中，X_i及Y_i为进行相关计算的两种数据的第i个数据值，

及

分别为两种数据值的等级排序平均值，r的取值范围为0至1。

进一步地，在步骤S14中，归一化计算包括如下步骤：

设样本数据为x_p(p＝1，2，…,P)，定义x_max＝max{x_p}，x_min＝min{x_p}，归一化处理计算将样本数据转化为n～m区间的数据，归一化处理计算公式如下：

式中，x_p为归一化处理前的样本值，x_pi为归一化处理后的样本值，x_max＝max{x_p}，x_min＝min{x_p}，n、m均为正整数，且m>n≥0。

进一步地，在步骤S2中，建立各个裂缝密度模型包括如下步骤：

S21，利用各井井上的裂缝密度曲线上裂缝密度值，统计后建立目的层的裂缝密度数据集；

S22，再对裂缝密度数据集进行不同裂缝密度范围的划分，划分成K个裂缝密度范围。

进一步地，每个裂缝密度模型对应一个裂缝样本值，裂缝样本值的建立方法包括如下步骤：

步骤一，对相关裂缝密度模型内的各个裂缝密度数据求取其平均值，该平均值作为该裂缝密度模型的裂缝密度样本值；

步骤二，对相关裂缝密度模型内的各个裂缝密度数据作直方图显示及分析，选取最大峰值所对应的裂缝密度值作为该裂缝密度模型的裂缝密度样本值；

步骤三，根据实际裂缝预测情况及专家经验，综合步骤一、二确定各个裂缝密度模型的裂缝密度样本值。

进一步地，如果某个裂缝密度模型的裂缝密度样本值所对应的优选属性数据体的数量达不到要求，则对该裂缝密度样本值扩大为设定范围内的多个裂缝密度值，形成裂缝密度样本范围，让该范围内各个裂缝密度值所对应的优选属性值参与二维坐标系统里的属性交会，并作为该裂缝密度模型的地震相；其中，所设计的裂缝密度样本范围的计算公式如下：

其中，

为第i个裂缝密度模型的裂缝密度样本范围的最大裂缝密度值，

为第i个裂缝样本的原裂缝密度样本值，ΔFⁱ为第i裂缝密度模型的裂缝密度样本范围的裂缝密度增量，

为第i个裂缝密度模型的裂缝密度样本范围的最小裂缝密度值；其中，相关裂缝密度模型的裂缝密度样本范围的最小裂缝密度值及最大裂缝密度值均包括在该裂缝密度模型的裂缝密度值范围之内。

进一步地，在步骤S2中，在交会图上基于贝叶斯分类法计算每一类裂缝相对应的概率密度函数；对各个裂缝密度模型作为二维坐标系统里相应的裂缝相，并建立相应的属性参数交会图、概率密度函数。

本发明的有益效果是：

本发明实现对井中目的层裂缝密度值的预测工作，提升相关勘探区的裂缝预测精度，进而减少钻井风险，提高油气勘探的经济效益等；本发明的实施例可完成对时间域的裂缝密度数据体的精细描述，预测不同裂缝样本的发生概率，进而减少钻井风险，提高页岩气勘探效益，可推广到其它物理量的预测方面，如预测密度、速度、TOC及含烃量等方面。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的方法步骤流程图。

具体实施方式

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

如图1所示，基于裂缝密度模型预测裂缝概率体的方法，包括步骤：

S1，获取地质、测井、地震数据，并对获取的数据进行处理后得到各井的裂缝密度曲线及优选属性数据体；

S2，建立各个裂缝密度模型，并定义为相关的裂缝相，建立相应的属性参数交会图，在交会图上计算每一类裂缝相对应的概率密度函数；

S3，将优选属性数据体带入所述概率密度函数进行转换计算，得到每一类裂缝相所对应的裂缝密度概率体。

进一步地，在步骤S1中，地质数据包括岩芯录井资料，测井数据包括声波和密度测井曲线、FMI地层微电阻率扫描成像数据，地震数据包括三维叠前道集或叠后地震数据体。

进一步地，对获取的数据进行处理包括如下步骤：

S11，对三维叠前道集或叠后地震数据体进行反演、属性提取得到地震反演、属性数据体；再从地震反演、属性数据体中提取各个井点上目的层的地震反演、属性数据平均值；

S12，将各个井点上目的层的地震反演、属性数据平均值与对应的井点上目的层的总裂缝密度值分别进行归一化后，再进行数据值之间的相关系数计算；

S13，选取与总裂缝密度值进行相关系数计算时所得相关系数较高的M个反演、属性数据平均值；并在M个反演、属性数据平均值中选取它们之间的相关系数较低的P个反演、属性数据平均值；其中，井点上目的层的总裂缝密度值由目的层的裂缝密度值进行加权求和获取，所述的目的层的裂缝密度值由各井的裂缝密度曲线中获取；

S14，将井点上目的层的总裂缝密度值与井点上目的层的P个地震反演、属性数据平均值分别进行归一化计算，得到各自的归一化处理的函数公式；

S15，根据步骤S14得到的各自的归一化处理的函数公式，分别将各井上的裂缝密度曲线的数据值及P个反演、属性数据平均值所对应的数据体进行归一化处理计算，得到归一化后的各井的裂缝密度曲线及P个归一化后的地震反演、属性数据体，这P个归一化后的地震反演、属性数据体作为优选属性数据体。

进一步地，在步骤S13中，选取相关系数较高的M个反演、属性值包括选取相关系数大于0.6的M个反演、属性数据体；在M个反演、属性值中选取相关系数较低的P个反演、属性值包括选取相关系数小于0.5的P个反演、属性数据体。

进一步地，在步骤S13中，相关系数计算公式为：

式中，X_i及Y_i为进行相关计算的两种数据的第i个数据值，

及

分别为两种数据值的等级排序平均值，r的取值范围为0至1。

进一步地，在步骤S14中，归一化计算包括如下步骤：

设样本数据为x_p(p＝1，2，…,P)，定义x_max＝max{x_p}，x_min＝min{x_p}，归一化处理计算将样本数据转化为n～m区间的数据，归一化处理计算公式如下：

式中，x_p为归一化处理前的样本值，x_pi为归一化处理后的样本值，x_max＝max{x_p}，x_min＝min{x_p}，n、m均为正整数，且m>n≥0。

进一步地，在步骤S2中，建立各个裂缝密度模型包括如下步骤：

S21，利用各井井上的裂缝密度曲线上裂缝密度值，统计后建立目的层的裂缝密度数据集；

S22，再对裂缝密度数据集进行不同裂缝密度范围的划分，划分成K个裂缝密度范围。

进一步地，每个裂缝密度模型对应一个裂缝样本值，裂缝样本值的建立方法包括如下步骤：

步骤一，对相关裂缝密度模型内的各个裂缝密度数据求取其平均值，该平均值作为该裂缝密度模型的裂缝密度样本值；

步骤二，对相关裂缝密度模型内的各个裂缝密度数据作直方图显示及分析，选取最大峰值所对应的裂缝密度值作为该裂缝密度模型的裂缝密度样本值；

步骤三，根据实际裂缝预测情况及专家经验，综合步骤一、二确定各个裂缝密度模型的裂缝密度样本值。

进一步地，如果某个裂缝密度模型的裂缝密度样本值所对应的优选属性数据体的数量达不到要求，则对该裂缝密度样本值扩大为设定范围内的多个裂缝密度值，形成裂缝密度样本范围，让该范围内各个裂缝密度值所对应的优选属性值参与二维坐标系统里的属性交会，并作为该裂缝密度模型的地震相；其中，所设计的裂缝密度样本范围的计算公式如下：

其中，

为第i个裂缝密度模型的裂缝密度样本范围的最大裂缝密度值，

为第i个裂缝样本的原裂缝密度样本值，ΔFⁱ为第i裂缝密度模型的裂缝密度样本范围的裂缝密度增量，

为第i个裂缝密度模型的裂缝密度样本范围的最小裂缝密度值；其中，相关裂缝密度模型的裂缝密度样本范围的最小裂缝密度值及最大裂缝密度值均包括在该裂缝密度模型的裂缝密度值范围之内。

进一步地，在步骤S2中，在交会图上基于贝叶斯分类法计算每一类裂缝相对应的概率密度函数；对各个裂缝密度模型作为二维坐标系统里相应的裂缝相，并建立相应的属性参数交会图、概率密度函数。

如果有K个裂缝密度模型就有K个裂缝相，利用相关裂缝密度样本与其相对应的属性参数的对应关系，建立相应的二维坐标的属性参数交会图，在交会图上利用贝叶斯分类法计算每一类裂缝相对应的概率密度函数。

在本发明的其他实施例中，还可包括如下步骤：

(1)地质、测井、地震数据准备，并对相关数据进行归一化处理、反演和属性数据体优选，得到归一化后的各井的裂缝密度曲线及优选属性数据体；

(2)建立各个裂缝密度模型，并定义为相关的裂缝相，建立相应的属性参数交会图，在交会图上利用贝叶斯分类法计算所述每一类裂缝相对应的概率密度函数；

(3)将优选属性数据体带入所述概率密度函数进行转换计算，得到每一类裂缝相所对应的裂缝密度概率体。

在本发明实施例中，首先对一系列反演、属性数据体进行优选，选取适合的反演、属性数据体进行裂缝密度概率体的计算。具体实施为对归一化后井上的裂缝密度曲线以及过井优选数据体曲线建立相关的每一类裂缝相的概率密度函数；然后对优选数据体及概率密度函数进行数据转换，得到每一类裂缝相所对应的裂缝密度概率体，便可达到利用地震技术预测研究区裂缝发育情况的目的。

由图1可知，本发明实施例中包括以下步骤：

(1)地质、测井、地震数据准备，并对相关数据进行归一化处理、反演和属性数据体优选，得到归一化后的各井的裂缝密度曲线及优选数据体。

在可选实施方式中，地质、测井以及地震数据准备。其中，地质数据包括岩芯录井资料，测井数据包括声波和密度测井曲线、FMI地层微电阻率扫描成像等数据，并根据地质数据、测井数据形成裂缝密度曲线，地震数据为常规三维叠前道集或叠后地震数据体。其中，裂缝密度曲线可通过岩芯观察、测录井所进行的裂缝数据采集及后期处理所形成的表格数据获取。裂缝密度曲线原则上是按一定的采样间隔进行计算，将该采样间隔内的裂缝条数除于该采样间隔得到裂缝密度值，并将该裂缝密度值赋值到该采样间隔的中点深度上，得到深度值-裂缝密度值数据对，依此类推计算，得到裂缝密度曲线。

在可选实施方式中，通过对常规三维叠前道集或叠后地震数据体进行反演、属性提取得到地震反演、属性数据体；再从地震反演、属性数据体中提取各个井点上目的层的地震反演、属性数据平均值；其中，地震反演、属性的提取可有相关的地球物理勘探商业软件来实现，如Landmark公司的PAL模块，可对三维地震叠后数据提取振幅类、频率类、瞬时类地震属性，如jason软件则可计算波阻抗反演数据，VVA软件则可提取曲率、相干体、分频体等数据，FRS软件则可利用三维叠前道集数据进行P波各向异性强度计算，提取P波各向异性强度数据。

在可选实施方式中，将各个井点上目的层的地震反演、属性数据平均值与对应的井点上目的层的总裂缝密度值分别进行归一化后，再进行数据值之间的相关系数计算；选取与总裂缝密度值进行相关系数计算时所得相关系数较高的M个反演、属性数据平均值；并在M个反演、属性数据平均值中选取它们之间的相关系数较低的P个反演、属性数据平均值；其中，井点上目的层的总裂缝密度值由目的层的裂缝密度值进行加权求和获取，所述的目的层的裂缝密度值由各井的裂缝密度曲线中获取；其中，选取相关系数较高的M个反演、属性值是指相关系数大于0.6的M个反演、属性数据体，在M个反演、属性值中选取相关系数较低的P个反演、属性值是指相关系数小于0.5的P个反演、属性数据体；归一化处理为一种无量纲处理手段，是使物理系统数值的绝对值变成某种相对值关系，归一化处理亦即是利用加、减、乘、除或它们之间的组合进行运算。归一化处理具体为设样本数据为x_p(p＝1，2，…,P),定义x_max＝max{x_p}，x_min＝min{x_p}，归一化处理计算将样本数据转化为n～m区间的数据。归一化处理计算公式为：

上式中，x_p为归一化处理前的样本值，x_pi为归一化处理后的样本值，

x_max＝max{x_p}，x_min＝min{x_p}，n及m为正整数，m>n≥0。

其中，相关系数计算公式为：

上式中，Xi及Yi为进行相关计算的两种数据的第i个数据值，

及

分别为两种数据值的等级排序平均值，r的取值范围为0至1。

在可选实施方式中，将井点上目的层的总裂缝密度值与井点上目的层的P个地震反演、属性数据平均值分别进行归一化计算，得到各自的归一化处理的函数公式；

在可选实施方式中，根据得到的各自的归一化处理的函数公式，分别将各井上的裂缝密度曲线的数据值及P个反演、属性数据对应的数据体进行归一化处理计算，得到归一化后的各井的裂缝密度曲线及P个归一化后的地震反演、属性数据体，这P个归一化后的地震反演、属性数据体作为优选数据体。原则上对归一化处理的要求为井中裂缝密度值与优选的属性数据值呈正相关关系。本步骤中所得的优选属性数据体，进入下一步骤中相关的计算。

(2)建立各个裂缝密度模型，并定义为相关的裂缝相，建立相应的属性参数交会图，在交会图上利用贝叶斯分类法计算所述每一类裂缝相对应的概率密度函数，具体包括以下步骤：

在可选实施方式中，建立各个裂缝密度模型。主要操作为利用各井井上的裂缝密度曲线上一系列裂缝密度值(大于零值)，统计后建立目的层的裂缝密度数据集；再对该裂缝密度数据集进行不同裂缝密度范围的划分，划分成K个裂缝密度范围。一般情况下，对裂缝密度数据集的个数划分，具体应视实际情况、专家经验及裂缝预测精度等情况确定。如对K个裂缝密度范围内进行裂缝密度模型的建立，从而得到K个裂缝密度模型。一般情况下，要求研究区内的井数量相对足够，能满足不同裂缝密度模型采样点数的要求。原则上，研究区内的井数目一般要求为十口井及以上，每个裂缝密度模型的所对应的属性交会数据点要求最少在20个及以上，裂缝密度模型数目应该是研究区内沉积相个数的2-3倍关系，应该大于三个及以上。每个裂缝密度模型对应于一个裂缝样本值。其中，相关裂缝密度模型的裂缝样本值的建立方法为如下：

①对所述相关裂缝密度模型内的各个裂缝密度数据求取其平均值，该平均值作为该裂缝密度模型的裂缝密度样本值。

②对所述相关裂缝密度模型内的各个裂缝密度数据作直方图显示及分析，选取最大峰值所对应的裂缝密度值作为该裂缝密度模型的裂缝密度样本值。

③可根据实际裂缝预测情况及专家经验等，综合①、②方法确定各个裂缝密度模型的裂缝密度样本值。

如果某个裂缝密度模型的裂缝密度样本值所对应的优选属性数据点(点数)达不到相关要求，可以对该裂缝密度样本值扩大为一定范围内的多个裂缝密度值，形成裂缝密度样本范围，让该范围内各个裂缝密度值所对应的优选属性值参与二维坐标系统里的属性交会，并作为该裂缝密度模型的地震相。其中，所设计的裂缝密度样本范围的计算公式如下：

上式中，

为第i个裂缝密度模型的裂缝密度样本范围的最大裂缝密度值，

为第i个裂缝样本的原裂缝密度样本值，ΔFⁱ为第i裂缝密度模型的裂缝密度样本范围的裂缝密度增量，

为第i个裂缝密度模型的裂缝密度样本范围的最小裂缝密度值。其中，相关裂缝密度模型的裂缝密度样本范围的最小裂缝密度值及最大裂缝密度值均应包括在该裂缝密度模型的裂缝密度值范围之内。

在可选实施方式中，对各个裂缝密度模型作为二维坐标系统里相应的裂缝相，并建立相应的属性参数交会图、概率密度函数。一般情况下，如果有K个裂缝密度模型就是有K个裂缝相。利用相关裂缝密度样本与其相对应的属性参数的对应关系，建立相应的二维坐标的属性参数交会图；在交会图上利用贝叶斯分类法计算每一类裂缝相对应的概率密度函数。

在可选实施方式，确定裂缝密度模型的裂缝密度样本值所对应的优选属性数据值。其实现方法为：根据各井井中的声波、密度测井曲线及叠后地震资料进行井——震标定，确定各井的时深关系。利用时深关系将过井的优选属性数据体的曲线数据从时间域转换到深度域，并对深度域的优选属性数据体的曲线数据进行重采样计算，使其与裂缝密度曲线的采样间隔一致，并形成数据值之间的一一对应关系。通过相关数据值的一一对应关系，确定出不同裂缝密度样本所对应的优选属性数据值。利用相对应的优选属性数据值进行二维坐标系统的建立，两个优选属性就能建立一个坐标系统，将相关的每个裂缝相所对应的两个优选属性数据值在坐标系统中进行交会显示。在交会图上，利用贝叶斯分类法计算每一类裂缝相对应的概率密度函数。

(3)将优选属性数据体带入所述概率密度函数进行转换计算，得到每一类裂缝相所对应的裂缝密度概率体，具体包括以下步骤：

通过上述步骤中得到的每一类裂缝相对应的概率密度函数，利用相关的优选属性数据体及概率密度函数对其进行转换，预测每一类裂缝相所对应的裂缝密度概率体。

本发明技术利用基础地质资料、测井资料开展不同裂缝密度模型的裂缝样本值的建立，得到不同裂缝强度变化时优选属性参数特征变化规律；其次建立井中裂缝密度减小和增大时所对应的优选属性曲线分布的概率密度函数，然后利用贝叶斯分类的方法预测相关CDP点的裂缝密度较已钻遇相关储层裂缝密度模型时的概率，概率越高则表明所计算CDP点的储层裂缝密度值与该已钻遇储层的裂缝密度值的可能性越高。

在本发明的其他实施例中，根据本次发明技术流程如图1所示，制定工作步骤，实例是对某三维工区的深层海相页岩段进行关于裂缝密度概率体的计算。

在步骤①中对各井井中的裂缝密度值进行测井重采样计算，得到各井的裂缝密度曲线，并统计各井井中目的层页岩段的总裂缝密度值，人工定义裂缝密度曲线的采样间隔为5m；利用各井的测井数据进行井——震标定，确定地震数据体中页岩段的位置，对其进行相关的层位解释并得到相关的时深关系表；针对裂缝预测采用常规商业软件——VVA软件、FRS软件分别计算并提取了P波各向异性数据体、瞬时振幅、曲率体及相干体、瞬时频率体、35hz分频数据体，共计六个地震反演、属性数据体。并利用解释层位提取出各个数据体过井目的层段的反演、属性数据值，并与各井井中目的层段的总裂缝密度值进行归一化处理计算，得到相关的函数计算公式，并利用各自对应的归一化函数计算公式分别进行裂缝密度曲线、反演、属性数据体的归一化处理，将各种数据都归一化处理到(5，100)值域里，其中裂缝密度归一化函数计算公式为y＝3.8x+5，公式中x为实测的裂缝密度值；y为归一化的裂缝密度值。根据归一化后井点目的层段的总裂缝密度值及反演、属性数据体井点上的目的层的数据平均值进行相关系数计算，优选相关系数较高的数据体并进行这些数据体之间相关系数计算，在此基础上优选相关系数较低的反演、属性数据体进行下一步骤，实例中根据步骤1的操作程序，优选P波各向异性反演数据体、曲率体进行下一步骤的计算，这两个数据体为优选属性数据体。

在步骤②中首先提取井点上的P波各向异性数据体、曲率体属性数据曲线，根据各井的时深关系将相应的归一化后的P波各向异性数据体、曲率体的两种属性曲线由时间域转换进深度域，并按裂缝密度曲线的采样间隔对深度域的反演、属性曲线数据进行重采样计算，得到深度域转换及重采样处理后的反演、属性曲线，实例中深度域内各种属性曲线的采样间隔为5m，与裂缝密度的采样间隔一致。用井上裂缝密度曲线的裂缝密度值与其对应处理后的两种曲线上的属性数据值建立相关的二维坐标系统，并建立了6个裂缝密度模型，分别对应于6个裂缝相。对所建立的二维坐标系统中的各个裂缝相的交会点数据的分布情况，用贝叶斯分类法计算所述每一类裂缝相所对应的概率密度函数。在实例中，分别将裂缝密度样本值定义为不同的裂缝相，如二类裂缝相比一类裂缝相的裂缝密度值增加了4.6％；三类裂缝相比二类裂缝相的裂缝密度值增加了5.2％；四类裂缝相比三类裂缝相的裂缝密度值增加了5.9％；五类裂缝相比四类裂缝相的裂缝密度值增加了6.1％；六类裂缝相比五类裂缝相的裂缝密度值增加了5.1％。由于裂缝密度值的增大或减小时其所对应的相关优选属性数据的投影数据在二维坐标系统里存在部分叠置现象，因此，可以利用贝叶斯分类法计算每一类裂缝相对应的概率密度函数。在实例中，二类裂缝相数据集中区域则属于该类裂缝相的概率越高；反之若数据分散或与其它裂缝相叠置，则属于该类裂缝相的概率越低。总的来说，概率密度函数与数据点的分布范围相关，数据分布越集中且与其它裂缝相叠置范围越小，则其为这一类裂缝相的概率越高。相反地，某一地震相交会数据点分布较散且与其它裂缝相叠置范围大，则表明该裂缝相的发生的概率越低。

在步骤③中利用优选P波各向异性数据体、曲率体及相关的概率密度函数进行裂缝密度概率体的计算，得到了一个预测的裂缝密度概率体。

利用本发明实施例技术所得到的裂缝预测成果，经后续钻井的页岩岩芯、FMI测井资料证实，吻合率达到83％以上，优于常规裂缝预测技术所取得的成果(如曲率技术)，这也证明了本发明技术对微型裂缝预测是有效的，值得在裂缝或其它物理量——含烃量、TOC等预测方面运用本发明技术。

除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

本发明功能如果以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，在一台计算机设备(可以是个人计算机，服务器，或者网络设备等)以及相应的软件中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、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器(Random Access Memory，RAM)、随机存取存储器(Random Access Memory，RAM)等。

Claims (8)

1.基于裂缝密度模型预测裂缝概率体的方法，其特征在于，包括步骤：

S1，获取地质、测井、地震数据，并对获取的数据进行处理后得到各井的裂缝密度曲线及优选属性数据体；

S2，建立各个裂缝密度模型，并定义为相关的裂缝相，建立相应的属性参数交会图，在交会图上计算每一类裂缝相对应的概率密度函数；

在步骤S2中，建立各个裂缝密度模型包括如下步骤：

S21，利用各井井上的裂缝密度曲线上裂缝密度值，统计后建立目的层的裂缝密度数据集；

S22，再对裂缝密度数据集进行不同裂缝密度范围的划分，划分成K个裂缝密度范围；

每个裂缝密度模型对应一个裂缝样本值，裂缝样本值的建立方法包括如下步骤：

步骤一，对相关裂缝密度模型内的各个裂缝密度数据求取其平均值，该平均值作为该裂缝密度模型的裂缝密度样本值；

步骤二，对相关裂缝密度模型内的各个裂缝密度数据作直方图显示及分析，选取最大峰值所对应的裂缝密度值作为该裂缝密度模型的裂缝密度样本值；

步骤三，根据实际裂缝预测情况及专家经验，综合步骤一、二确定各个裂缝密度模型的裂缝密度样本值；

S3，将优选属性数据体带入所述概率密度函数进行转换计算，得到每一类裂缝相所对应的裂缝密度概率体。

2.根据权利要求1所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，在步骤S1中，地质数据包括岩芯录井资料，测井数据包括声波和密度测井曲线、FMI地层微电阻率扫描成像数据，地震数据包括三维叠前道集或叠后地震数据体。

3.根据权利要求2所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，对获取的数据进行处理包括如下步骤：

S11，对三维叠前道集或叠后地震数据体进行反演、属性提取得到地震反演、属性数据体；再从地震反演、属性数据体中提取各个井点上目的层的地震反演、属性数据平均值；

S12，将各个井点上目的层的地震反演、属性数据平均值与对应的井点上目的层的总裂缝密度值分别进行归一化后，再进行数据值之间的相关系数计算；

S13，选取与总裂缝密度值进行相关系数计算时所得相关系数较高的M个反演、属性数据平均值；并在M个反演、属性数据平均值中选取它们之间的相关系数较低的P个反演、属性数据平均值；其中，井点上目的层的总裂缝密度值由目的层的裂缝密度值进行加权求和获取，所述的目的层的裂缝密度值由各井的裂缝密度曲线中获取；

S14，将井点上目的层的总裂缝密度值与井点上目的层的P个地震反演、属性数据平均值分别进行归一化计算，得到各自的归一化处理的函数公式；

S15，根据步骤S14得到的各自的归一化处理的函数公式，分别将各井上的裂缝密度曲线的数据值及P个反演、属性数据平均值所对应的数据体进行归一化处理计算，得到归一化后的各井的裂缝密度曲线及P个归一化后的地震反演、属性数据体，这P个归一化后的地震反演、属性数据体作为优选属性数据体。

4.根据权利要求3所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，在步骤S13中，选取相关系数较高的M个反演、属性值包括选取相关系数大于0.6的M个反演、属性数据体；在M个反演、属性值中选取相关系数较低的P个反演、属性值包括选取相关系数小于0.5的P个反演、属性数据体。

5.根据权利要求3所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，在步骤S13中，相关系数计算公式为：

式中，X_i及Y_i为进行相关计算的两种数据的第i个数据值，

及

分别为两种数据值的等级排序平均值，r的取值范围为0至1。

6.根据权利要求3所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，在步骤S14中，归一化计算包括如下步骤：

设样本数据为x_p(p＝1，2，…,P)，定义x_max＝max{x_p}，x_min＝min{x_p}，归一化处理计算将样本数据转化为n～m区间的数据，归一化处理计算公式如下：

式中，x_p为归一化处理前的样本值，x_pi为归一化处理后的样本值，x_max＝max{x_p}，x_min＝min{x_p}，n、m均为正整数，且m>n≥0。

7.根据权利要求1所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，如果某个裂缝密度模型的裂缝密度样本值所对应的优选属性数据体的数量达不到要求，则对该裂缝密度样本值扩大为设定范围内的多个裂缝密度值，形成裂缝密度样本范围，让该范围内各个裂缝密度值所对应的优选属性值参与二维坐标系统里的属性交会，并作为该裂缝密度模型的地震相；其中，所设计的裂缝密度样本范围的计算公式如下：

其中，

为第i个裂缝密度模型的裂缝密度样本范围的最大裂缝密度值，

为第i个裂缝样本的原裂缝密度样本值，ΔFⁱ为第i裂缝密度模型的裂缝密度样本范围的裂缝密度增量，

为第i个裂缝密度模型的裂缝密度样本范围的最小裂缝密度值；其中，相关裂缝密度模型的裂缝密度样本范围的最小裂缝密度值及最大裂缝密度值均包括在该裂缝密度模型的裂缝密度值范围之内。

8.根据权利要求3所述的基于裂缝密度模型预测裂缝概率体的方法，其特征在于，在步骤S2中，在交会图上基于贝叶斯分类法计算每一类裂缝相对应的概率密度函数；对各个裂缝密度模型作为二维坐标系统里相应的裂缝相，并建立相应的属性参数交会图、概率密度函数。

Images