CN113050191B - 基于双参数的页岩油toc预测方法及装置 - Google Patents
基于双参数的页岩油toc预测方法及装置 Download PDFInfo
- Publication number
- CN113050191B CN113050191B CN201911364034.8A CN201911364034A CN113050191B CN 113050191 B CN113050191 B CN 113050191B CN 201911364034 A CN201911364034 A CN 201911364034A CN 113050191 B CN113050191 B CN 113050191B
- Authority
- CN
- China
- Prior art keywords
- data
- toc
- function
- shale
- time difference
- 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
- 239000003079 shale oil Substances 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000006870 function Effects 0.000 claims description 126
- 230000009977 dual effect Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000010839 reverse transcription Methods 0.000 claims 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 235000021185 dessert Nutrition 0.000 description 4
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 2
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 2
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 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
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于双参数的页岩油TOC预测方法及装置，该方法包括：根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。本发明可以预测页岩油TOC，预测精度高。
Description
技术领域
本发明涉及地震勘探领域，尤其涉及一种基于双参数的页岩油TOC预测方法及装置。
背景技术
随着页岩油勘探不断深入，页岩油甜点精细预测成为关注的焦点，地震预测技术在预测页岩油地质甜点研究中发挥了重要的作用。TOC(Total Organic Carbon，总有机碳)在页岩油甜点预测中至关重要，主要反映地下烃源岩有机质丰度，跟生成油气规模有直接的关系。页岩油TOC一般包括两大类，一类是基于测井数据预测页岩油TOC，一类是通过地震资料预测页岩油TOC。
基于测井数据预测页岩油TOC的方法一般为地震反演法，具体包括电阻率法、自然伽马法、密度曲线法等，而这些地震反演方法基于测井约束的声波阻抗反演，需要建立测井TOC敏感曲线与声波阻抗的相关函数才可以进行TOC反演，在测井曲线与声波阻抗建立关系过程中将会产生计算误差，反演得到的TOC精度受到误差累计影响也存在较大误差。
通过地震资料预测页岩油TOC，通常采用曲线重构或非线性统计学方法实现利用电阻率等测井曲线辅助地震数据来推测TOC，这种预测方法相对简单，反演结果偏于模型化，在地质条件简单区域尚可使用，但是在复杂地质条件下，由于缺少地震资料支持，很难保证横向预测精度。
综上所述，目前页岩油TOC预测方法的精度不高。
发明内容
本发明实施例提出一种基于双参数的页岩油TOC预测方法，用以预测页岩油TOC，预测精度高，该方法包括：
根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；
采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；
对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。
本发明实施例提出一种基于双参数的页岩油TOC预测装置，用以预测页岩油TOC，预测精度高，该装置包括：
数据获得模块，用于根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
TOC函数构造模块，用于根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；
拟合系数确定模块，用于采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
映射数据获得模块，用于基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；
预测模块，用于对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。
本发明实施例还提出了一种计算机设备，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基于双参数的页岩油TOC预测方法。
本发明实施例还提出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基于双参数的页岩油TOC预测方法的计算机程序。
在本发明实施例中，根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。在上述过程中，双参数是指电阻率数据和声波时差数据，相对于现有技术，本发明实施例采用双参数来预测TOC的精度更高。另外，本发明实施例采用了岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，从而使得确定的TOC函数更加准确，从而提高了最后预测的TOC数据值的准确性。本发明实施例还考虑了地震属性信息，进一步提高了TOC预测精度。
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为本发明实施例中基于双参数的页岩油TOC预测方法的流程图；
图2为现有的曲线重构方法获得TOC剖面图；
图3为采用本发明提出的方法获得的TOC剖面图；
图4为本发明实施例提出的基于双参数的页岩油TOC预测方法的详细流程图；
图5为本发明实施例中基于双参数的页岩油TOC预测装置的示意图。
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。
在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请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。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
图1为本发明实施例中基于双参数的页岩油TOC预测方法的流程图，如图1所示，所述方法包括：
步骤101，根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
步骤102，根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；
步骤103，采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
步骤104，基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；
步骤105，对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。
在本发明实施例中，根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。在上述过程中，双参数是指电阻率数据和声波时差数据，相对于现有技术，本发明实施例采用双参数来预测TOC的精度更高。另外，本发明实施例采用了岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，从而使得确定的TOC函数更加准确，从而提高了最后预测的TOC数据值的准确性。本发明实施例还考虑了地震属性信息，进一步提高了TOC预测精度。
具体实施时，在步骤101中，电阻率数据可以是电阻率曲线，声波时差数据可以是声波时差曲线，获得多个页岩层的电阻率曲线和声波时差曲线即获得了大量的样本数据；在步骤102中，TOC函数也可以是TOC曲线，从而表示TOC数据与电阻率数据、声波时差数据的关系；在步骤103中，通过岩心数据对TOC函数进行拟合，提高了确定TOC函数的拟合系数的精度；在步骤104中，多个页岩层的地震属性信息为样本数据，基于TOC函数(可以是TOC曲线)确定多个页岩层的地震属性信息映射的TOC数据，在步骤105中，对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。
在一实施例中，在根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数之前，还包括：
对所述电阻率数据和声波时差数据进行预处理，所述预处理包括去除异常值和/或曲线标准化；
根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，包括：
根据预处理后的电阻率数据和声波时差数据，构造页岩油的TOC函数。
在上述实施例中，所述预处理还可以有其他方法，相关变化例均应落入本发明的保护范围，经过预处理可提高电阻率数据和声波时差数据的精度，从而提高页岩油的TOC函数的准确度。
具体实施时，根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数的方法有多种，下面给出其中一个实施例例。
在一实施例中，根据所述电阻率数据和声波时差数据，获得页岩油的TOC函数，包括：
根据电阻率数据，确定电阻率标准化数据；
根据声波时差数据，确定声波时差标准化数据；
根据电阻率标准化数据和声波时差标准化数据，获得双参数标准化数据；
根据双参数标准化数据，构造TOC函数。
在上述实施例中，采用如下公式，根据电阻率数据，确定电阻率标准化数据：
其中，R为电阻率标准化数据值；RT为电阻率数据值；
RTmax和RTmin分别为电阻率最大值和最小值。
采用如下公式，根据声波时差数据，确定声波时差标准化数据：
其中，A为声波时差标准化数据值；AC为声波时差数据值；
ACmax和ACmin分别为声波时差最大值和最小值。
采用如下公式，获得双参数标准化数据：
T为双参数标准化数。
在上述实施例中，电阻率最大值和最小值，声波时差最大值和最小值可以通过实验室资料获得，其中，电阻率数据可以是电阻率曲线，声波时差数据可以是声波时差曲线，上述TOC函数也可以表示为曲线，上述公式充分利用了电阻率数据和声波时差数据，获得的TOC函数的准确度高。
在一实施例中，TOC函数采用如下公式表示：
其中，TOC为TOC数据值；
T为双参数标准化数据；
ai为第i个拟合系数。
在步骤103中，采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，具体实施时，是将双参数标准化数据与岩心数据(可以是岩心曲线)进行最小二乘法多项式拟合，残差平方和公式为：
δ为平方和公式，TOCy为岩心数据。
当残差平方和最小时，TOC最为接近岩性测量结果，这时候求取待定系数an，完成TOC拟合计算，确定了TOC函数的拟合系数。
具体实施时，根据多个页岩层的地震属性信息和TOC函数，基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据的方法有多种，下面给出一具体实施例。
在一实施例中，基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据，包括：
从多个页岩层的地震属性信息中，确定多个地震敏感属性信息，所述地震敏感属性信息为对TOC数据变化敏感的地震属性信息；
基于TOC函数，确定多个地震敏感属性信息映射的TOC数据。
在一实施例中，所述地震属性信息包括振幅包络、加权频率、加权相位、主频和滤波切片中的其中一种或任意组合。
在上述实施例中，多个页岩层的地震属性信息为地震资料，测井数据是对多个页岩层的井点进行测量的数据，而地震资料为所述井点设定距离范围内的地震资料，采用地震资料可增强TOC数据值的横向预测的准确度，从地震资料中可首先获得振幅、频率、相位等多种类别的包络、瞬时、极性、平均、导数、积分等一系列地震属性，经过整理可得到振幅包络、加权频率、加权相位、主频和滤波切片等地震属性信息。
本发明实施例将公式(4)表示的TOC函数与上述地震属性信息交汇分析，可确定多种地震敏感属性信息，采用地震敏感属性信息相比于直接采用地震属性信息，获得的映射函数精度更高，且由于地震敏感属性信息的数量比地震属性信息的数量少，也提高了计算效率。
在一实施例中，将确定多个地震敏感属性信息映射的TOC数据采用映射函数，所述映射函数采用如下公式表示：
Ym＝f(Sm) (6)
其中，Ym为第m个地震敏感属性信息映射的TOC数据
Sm为第m个地震敏感属性信息值。
在上述实施例中，根据多种地震敏感属性信息和TOC函数进行机器学习训练，获得地震敏感属性信息与TOC数据的映射函数。
W1、W2和Wn分别为S1、S2、Sn对应的权重。
在步骤105中，对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值，具体公式如下：
其中，TOCc为预测的目标页岩层中页岩油的TOC数据值；
Wi为权重。
具体实施时，还可以从获得的多个页岩层的地震属性信息映射的TOC数据后，查找符合误差要求的TOC数据，然后对符合误差要求的TOC数据进行加权叠加，获得目标页岩层中页岩油的TOC数据值，例如，得到了10个TOC数据值，有8个TOC数据值符合TOC误差要求，则可求出这8个TOC数据值的加权叠加值，为最终的目标页岩层的页岩油的TOC数据值，可指导页岩油甜点预测及水平井位部署。上述获得目标页岩层的页岩油的TOC数据值的过程经过了误差处理(获得了符合TOC误差要求的TOC数据值)以及平均值计算过程，极大了提高了TOC数据值的预测精度。
图2为现有的曲线重构方法获得TOC剖面图，该TOC剖面图包括多个页岩油的TOC数据值，图3为采用本发明提出的方法获得的TOC剖面图，可以看到，采用本发明提出的方法加强了地震多属性的参与计算，增加了空间确定性，空间预测精度得到较大提高，细节更加合理可靠，尤其是图2和图3的椭圆形内的TOC剖面图对比可知，图3表示的TOC数据值更加合理，获得的TOC数据值在井点处吻合度更高，符合地质规律，预测准确度高。
基于上述实施例，本发明提出如下一个实施例来说明基于双参数的页岩油TOC预测方法的详细流程，图4为本发明实施例提出的基于双参数的页岩油TOC预测方法的详细流程图，如图4所示，在一实施例中，基于双参数的页岩油TOC预测方法的详细流程包括：
步骤401，根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
步骤402，对所述电阻率数据和声波时差数据进行预处理，所述预处理包括去除异常值和/或曲线标准化；
步骤403，根据预处理后的电阻率数据，确定电阻率标准化数据；
步骤404，根据预处理后的声波时差数据，确定声波时差标准化数据；
步骤405，根据电阻率标准化数据和声波时差标准化数据，获得双参数标准化数据；
步骤406，根据双参数标准化数据，构造TOC函数；
步骤407，采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
步骤408，从多个页岩层的地震属性信息中，确定多个地震敏感属性信息，所述地震敏感属性信息为对TOC数据变化敏感的地震属性信息；
步骤409，基于TOC函数，确定多个地震敏感属性信息映射的TOC数据；
步骤410，对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。
当然，可以理解的是，上述基于双参数的页岩油TOC预测方法的详细流程还可以有其他变化例，相关变化例均应落入本发明的保护范围。
综上所述，在本发明实施例提出的方法中，根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。在上述过程中，双参数是指电阻率数据和声波时差数据，相对于现有技术，本发明实施例采用双参数来预测TOC的精度更高。另外，本发明实施例采用了岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，从而使得确定的TOC函数更加准确，从而提高了最后预测的TOC数据值的准确性。本发明实施例还考虑了地震属性信息，进一步提高了TOC预测精度。
另外，可采用地震敏感属性信息确定映射函数，相比于直接采用地震属性信息，获得的映射函数精度更高，且由于地震敏感属性信息的数量比地震属性信息的数量少，也提高了计算效率。
基于同样的发明构思，本发明实施例还提供了一种基于双参数的页岩油TOC预测装置，如下面的实施例所述。由于这些解决问题的原理与基于双参数的页岩油TOC预测方法相似，因此装置的实施可以参见方法的实施，重复之处不在赘述。
图5为本发明实施例中基于双参数的页岩油TOC预测装置的示意图，如图5所示，该装置包括：
数据获得模块501，用于根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
TOC函数构造模块502，用于根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；
拟合系数确定模块503，用于采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
映射数据获得模块504，用于基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；
预测模块505，用于对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。
在一实施例中，所述装置还包括预处理模块506，用于：
对所述电阻率数据和声波时差数据进行预处理，所述预处理包括去除异常值和/或曲线标准化；
TOC函数构造模块502具体用于：
根据预处理后的电阻率数据和声波时差数据，构造页岩油的TOC函数。
在一实施例中，TOC函数构造模块502具体用于：
根据电阻率数据，确定电阻率标准化数据；
根据声波时差数据，确定声波时差标准化数据；
根据电阻率标准化数据和声波时差标准化数据，获得双参数标准化数据；
根据双参数标准化数据，构造TOC函数。
在一实施例中，TOC函数采用如下公式表示：
TOC为TOC数据值；
T为双参数标准化数据；
ai为第i个拟合系数。
在一实施例中，映射数据获得模块504具体用于：
从多个页岩层的地震属性信息中，确定多个地震敏感属性信息，所述地震敏感属性信息为对TOC数据变化敏感的地震属性信息；
基于TOC函数，确定多个地震敏感属性信息映射的TOC数据。
在一实施例中，所述地震属性信息包括振幅包络、加权频率、加权相位、主频和滤波切片中的其中一种或任意组合。
综上所述，根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值。在上述过程中，双参数是指电阻率数据和声波时差数据，相对于现有技术，本发明实施例采用双参数来预测TOC的精度更高。另外，本发明实施例采用了岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，从而使得确定的TOC函数更加准确，从而提高了最后预测的TOC数据值的准确性。本发明实施例还考虑了地震属性信息，进一步提高了TOC预测精度。
另外，可采用地震敏感属性信息确定映射函数，相比于直接采用地震属性信息，获得的映射函数精度更高，且由于地震敏感属性信息的数量比地震属性信息的数量少，也提高了计算效率。
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)
1.一种基于双参数的页岩油TOC预测方法，其特征在于，包括：
根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；
采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；
对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值；
TOC函数采用如下公式表示：
其中，TOC为TOC数据值；
T为双参数标准化数据；
ai为第i个拟合系数；
其中，R为电阻率标准化数据值；RT为电阻率数据值；RTmax和RTmin分别为电阻率最大值和最小值；A为声波时差标准化数据值；AC为声波时差数据值；ACmax和ACmin分别为声波时差最大值和最小值；
采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，是将双参数标准化数据与岩心数据进行最小二乘法多项式拟合，得到残差平方和，当残差平方和最小时，求取拟合系数。
2.如权利要求1所述的基于双参数的页岩油TOC预测方法，其特征在于，在根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数之前，还包括：
对所述电阻率数据和声波时差数据进行预处理，所述预处理包括去除异常值和/或曲线标准化；
根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，包括：
根据预处理后的电阻率数据和声波时差数据，构造页岩油的TOC函数。
3.如权利要求1所述的基于双参数的页岩油TOC预测方法，其特征在于，基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据，包括：
从多个页岩层的地震属性信息中，确定多个地震敏感属性信息，所述地震敏感属性信息为对TOC数据变化敏感的地震属性信息；
基于TOC函数，确定多个地震敏感属性信息映射的TOC数据。
4.如权利要求1所述的基于双参数的页岩油TOC预测方法，其特征在于，所述地震属性信息包括振幅包络、加权频率、加权相位、主频和滤波切片中的其中一种或任意组合。
5.一种基于双参数的页岩油TOC预测装置，其特征在于，包括：
数据获得模块，用于根据多个页岩层的测井数据，获得多个页岩层的电阻率数据、声波时差数据和岩心数据；
TOC函数构造模块，用于根据所述电阻率数据和声波时差数据，构造页岩油的TOC函数，所述TOC函数用于表示TOC数据与电阻率数据、声波时差数据的关系；
拟合系数确定模块，用于采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数；
映射数据获得模块，用于基于TOC函数，确定多个页岩层的地震属性信息映射的TOC数据；
预测模块，用于对多个页岩层的地震属性信息映射的TOC数据进行加权叠加，预测目标页岩层中页岩油的TOC数据值；
TOC函数采用如下公式表示：
其中，TOC为TOC数据值；
T为双参数标准化数据；
ai为第i个拟合系数；
其中，R为电阻率标准化数据值；RT为电阻率数据值；RTmax和RTmin分别为电阻率最大值和最小值；A为声波时差标准化数据值；AC为声波时差数据值；ACmax和ACmin分别为声波时差最大值和最小值；
采用岩心数据，对TOC函数进行拟合，确定TOC函数的拟合系数，是将双参数标准化数据与岩心数据进行最小二乘法多项式拟合，得到残差平方和，当残差平方和最小时，求取拟合系数。
6.如权利要求5所述的基于双参数的页岩油TOC预测装置，其特征在于，还包括预处理模块，用于：
对所述电阻率数据和声波时差数据进行预处理，所述预处理包括去除异常值和/或曲线标准化；
TOC函数构造模块具体用于：
根据预处理后的电阻率数据和声波时差数据，构造页岩油的TOC函数。
7.如权利要求5所述的基于双参数的页岩油TOC预测装置，其特征在于，映射数据获得模块具体用于：
从多个页岩层的地震属性信息中，确定多个地震敏感属性信息，所述地震敏感属性信息为对TOC数据变化敏感的地震属性信息；
基于TOC函数，确定多个地震敏感属性信息映射的TOC数据。
8.如权利要求5所述的基于双参数的页岩油TOC预测装置，其特征在于，所述地震属性信息包括振幅包络、加权频率、加权相位、主频和滤波切片中的其中一种或任意组合。
9.一种计算机设备，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4任一项所述方法。
10.一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4任一项所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911364034.8A CN113050191B (zh) | 2019-12-26 | 2019-12-26 | 基于双参数的页岩油toc预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911364034.8A CN113050191B (zh) | 2019-12-26 | 2019-12-26 | 基于双参数的页岩油toc预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113050191A CN113050191A (zh) | 2021-06-29 |
| CN113050191B true CN113050191B (zh) | 2024-03-26 |
Family
ID=76505858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911364034.8A Active CN113050191B (zh) | 2019-12-26 | 2019-12-26 | 基于双参数的页岩油toc预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113050191B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113835138B (zh) * | 2021-11-25 | 2022-02-25 | 中国科学院地质与地球物理研究所 | 基于深度编码解码网络预测页岩总有机碳含量的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104278991A (zh) * | 2013-07-09 | 2015-01-14 | 中国石油化工股份有限公司 | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 |
| CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
| CN105277982A (zh) * | 2014-07-25 | 2016-01-27 | 中国石油化工股份有限公司 | 一种泥页岩总有机碳含量地震预测方法 |
| CN107870368A (zh) * | 2016-09-26 | 2018-04-03 | 中国石油化工股份有限公司 | 一种基于地震属性的总有机碳含量空间分布预测方法 |
| US10190998B1 (en) * | 2018-08-29 | 2019-01-29 | Research Institute Of Petroleum Exploration & Development, Dagang Oil Field Of Cnpc | Method and device for evaluating and predicting a shale oil enrichment areas of fault lacustrine basins |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11105943B2 (en) * | 2018-05-03 | 2021-08-31 | Chevron U.S.A. Inc. | System and method for mapping hydrocarbon source rock using seismic attributes |
-
2019
- 2019-12-26 CN CN201911364034.8A patent/CN113050191B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104278991A (zh) * | 2013-07-09 | 2015-01-14 | 中国石油化工股份有限公司 | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 |
| CN105277982A (zh) * | 2014-07-25 | 2016-01-27 | 中国石油化工股份有限公司 | 一种泥页岩总有机碳含量地震预测方法 |
| CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
| CN107870368A (zh) * | 2016-09-26 | 2018-04-03 | 中国石油化工股份有限公司 | 一种基于地震属性的总有机碳含量空间分布预测方法 |
| US10190998B1 (en) * | 2018-08-29 | 2019-01-29 | Research Institute Of Petroleum Exploration & Development, Dagang Oil Field Of Cnpc | Method and device for evaluating and predicting a shale oil enrichment areas of fault lacustrine basins |
Non-Patent Citations (1)
| Title |
|---|
| 下刚果盆地A区块Madingo组烃源岩TOC含量的地球物理定量预测;季少聪等;石油地球物理勘探;第53卷(第2期);第373-376页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113050191A (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11668853B2 (en) | Petrophysical inversion with machine learning-based geologic priors | |
| KR101861060B1 (ko) | 오프셋 의존 탄성 ｆｗｉ를 통한 다중 파라미터 역산 | |
| US20190331813A1 (en) | Data fusion technique to compute reservoir quality and completion quality by combining various log measurements | |
| CN111665560A (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
| US20230058742A1 (en) | Method and storage medium for quantitative reconstruction of paleowater depth based on milankovitch cycles | |
| CN110286410B (zh) | 基于绕射波能量的裂缝反演方法和装置 | |
| CN108226997A (zh) | 一种基于叠前地震数据的地震相划分方法 | |
| CN114529110A (zh) | 一种基于深度神经网络模型的岩相反演方法及系统 | |
| RU2490677C2 (ru) | Способ комплексной обработки геофизических данных и технологическая система "литоскан" для его осуществления | |
| CN113050191B (zh) | 基于双参数的页岩油toc预测方法及装置 | |
| Sun et al. | Organic-matter content prediction based on the random forest algorithm: Application to a Lower Silurian shale-gas reservoir | |
| Valentine et al. | Approaches to automated data selection for global seismic tomography | |
| EP3217354A2 (en) | Seismic modeling system providing seismic survey data frequency domain inpainting and related methods | |
| CN113552624B (zh) | 孔隙度预测方法及装置 | |
| AU2021252214A1 (en) | System and method for seismic inversion | |
| Wang et al. | Joint rough sets and Karhunen-Loève transform approach to seismic attribute selection for porosity prediction in a Chinese sandstone reservoir | |
| CN109991663B (zh) | 工区地震速度体校正方法和装置 | |
| CN112666610B (zh) | 地层有机碳含量计算方法及系统 | |
| CN111594156B (zh) | 一种天然气水合物饱和度计算方法及系统 | |
| CN113900141B (zh) | 油气分布预测方法及装置 | |
| CN111077573A (zh) | 一种确定地层弹性参数的方法、装置及系统 | |
| Tan et al. | Machine learning application in creating a model for property prediction in area with limited well data | |
| Topór et al. | An advanced ensemble modeling approach for predicting carbonate reservoir porosity from seismic attributes | |
| CN107589457A (zh) | 测井资料尺度粗化的方法和装置 | |
| CN112649855B (zh) | 三维含气饱和度预测方法及系统 |
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 |