CN113075747B - 储层裂缝发育区域的预测方法及装置 - Google Patents
储层裂缝发育区域的预测方法及装置 Download PDFInfo
- Publication number
- CN113075747B CN113075747B CN202110199935.7A CN202110199935A CN113075747B CN 113075747 B CN113075747 B CN 113075747B CN 202110199935 A CN202110199935 A CN 202110199935A CN 113075747 B CN113075747 B CN 113075747B
- Authority
- CN
- China
- Prior art keywords
- attribute
- curve
- factor
- crack
- data
- 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
- 208000010392 Bone Fractures Diseases 0.000 title claims abstract description 130
- 206010017076 Fracture Diseases 0.000 title claims abstract description 130
- 238000011161 development Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000035945 sensitivity Effects 0.000 claims abstract description 148
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005553 drilling Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 239000000872 buffer Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction 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)
Abstract
本发明提供一种储层裂缝发育区域的预测方法及装置,方法包括:获取地震数据体和测井曲线数据;根据测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据地震数据体获取曲率属性数据、相干属性数据以及方差属性数据,在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将裂缝敏感属性因子曲线、曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据拟合关系式计算裂缝敏感属性因子地震数据体,并基于裂缝敏感属性因子地震数据体预测储层裂缝发育区域。本发明能够预测储层裂缝发育区域,保证了裂缝预测的准确性,降低了勘探风险,同时大大了勘探开发的成本。
Description
技术领域
本发明涉及石油勘探技术领域,具体涉及一种储层裂缝发育区域的预测方法及装置。
背景技术
随着石油勘探的迅速发展,勘探目标逐渐由构造油气藏发展为岩性油气藏、潜山油气藏以及非常规油气藏等。常规的勘探领域可挖掘潜力不断趋于饱和,亟需开展新层系、新领域的勘探与开发。为了适应各种油气藏勘探开发的新要求,不断有新的物探、开发技术涌现出来,各种新理论、新方法层出不穷,为解决包括常规砂岩储层物性预测、非常规储层预测以及裂缝型储层识别等一系列难题提供了有力的理论支撑与技术支持。裂缝型储层为一个新的储层类型在近些年得到越来越多的重视,取得了较好的勘探开发效果,获得的可观的油气发现。在现阶段,裂缝型储层油气藏勘探主要集中于基岩风化壳的评价以及裂缝发育区域预测,预测方法主要包括:叠后属性分析以及叠前裂缝参数预测。叠后属性主要包括相干、方差等地震数据分析方法,对于大尺度断裂叠后属性能够发挥有效作用。叠前裂缝参数预测通常要求多方位的测井地震数据,基于反演的策略直接预测裂缝密度以及方向等参数。
目前裂缝检测技术主要依靠地震数据预测,在测井方面主要依靠成像测井等方法,两种数据预测结果由于尺度的差异通常具有不一致性,导致在实际应用过程中存在较大误差,另一方面则是成本的问题,无论是成像测井还是全方位地震数据采集处理都需要付出极高的成本,考虑到油田开发的效益只有极少数的勘探区域开展了全方位地震数据采集处理以及成像测井采集,绝大部分勘探区块还是依靠叠后地震数据以及常规测井曲线进行储层裂缝预测,从而实现勘探效益最大化。所以,现有的裂缝型储层预测中还存在地震与测井信息尺度不匹配的问题。
发明内容
针对现有技术中的问题,本发明提供一种储层裂缝发育区域的预测方法及装置,具体包括以下技术方案:
第一方面,本发明提供一种储层裂缝发育区域的预测方法,包括:
获取地震数据体和测井曲线数据;
根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;
基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;
将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;
根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域。
其中,所述根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线,包括:
根据所述测井曲线数据计算裂缝敏感属性因子;
对所述裂缝敏感属性因子对应的曲线进行低频滤波的到裂缝频带的裂缝敏感属性因子曲线。
其中,所述将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式,包括:
将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线按照下式进行多元线性拟合得到拟合关系式;
Fs=a·Cur+b·Coh+c·Var;
其中,Cur为的曲线属性曲线,Coh为相干属性曲线,Var为方差属性曲线,Fs为地震频带裂缝敏感属性因子曲线;a、b和c为拟合公式的系数。
其中,所述根据所述拟合关系式计算裂缝敏感属性因子地震数据体,包括:
根据所述拟合关系式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线代入到所述拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体。
其中,所述基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域,包括:
当裂缝敏感属性因子地震数据体中敏感因子属性大于零时表示裂缝发育区,且敏感因子属性越大裂缝越发育。
第二方面,本发明提供一种储层裂缝发育区域的预测装置,包括:
数据获取单元,用于获取地震数据体和测井曲线数据;
计算单元,用于根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;
井旁道提取单元,用于基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;
拟合单元,用于将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;
裂缝预测单元,用于根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域。
其中,所述计算单元包括:
裂缝敏感属性因子计算子单元,用于根据所述测井曲线数据计算裂缝敏感属性因子;
低频滤波子单元,用于对所述裂缝敏感属性因子对应的曲线进行低频滤波的到裂缝频带的裂缝敏感属性因子曲线。
其中,所述拟合单元包括:
拟合子单元,用于将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线按照下式进行多元线性拟合得到拟合关系式;
Fs=a·Cur+b·Coh+c·Var;
其中,Cur为的曲线属性曲线,Coh为相干属性曲线,Var为方差属性曲线,Fs为地震频带裂缝敏感属性因子曲线;a、b和c为拟合公式的系数。
其中,所述裂缝预测单元包括:
裂缝敏感属性因子地震数据体计算子单元,用于根据所述拟合关系式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线代入到所述拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体。
其中,所述裂缝预测单元包括:
裂缝预测子单元,用于当裂缝敏感属性因子地震数据体中敏感因子属性大于零时表示裂缝发育区,且敏感因子属性越大裂缝越发育。
第三方面,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所述的储层裂缝发育区域的预测方法的步骤。
第四方面,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所述的储层裂缝发育区域的预测方法的步骤。
由上述技术方案可知,本发明提供一种储层裂缝发育区域的预测方法及装置,通过获取地震数据体和测井曲线数据;根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域,能够实现预测储层裂缝发育区域,使得预测结果得到钻后测井信息的有效验证,保证了裂缝预测的准确性,降低了勘探风险,同时大大了勘探开发的成本。
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为本发明实施例提供的储层裂缝发育区域的预测方法的流程示意图。
图2为实施例中输入的测井曲线以及计算得到的裂缝敏感属性因子曲线;
其中,图2(A)为浅侧向电阻率曲线,图2(B)为深侧向电阻率曲线,图2(C)为裂缝敏感属性因子曲线,图2(D)为地震频带裂缝敏感属性因子曲线。
图3为实施例中井点处提取的井旁道曲率属性曲线、相干属性曲线以及方差属性曲线。
图4为实施例中拟合误差分析图。
图5为实施例中根据裂缝敏感属性因子预测的储层裂缝发育区域剖面图。
图6为实施例中根据裂缝敏感属性因子预测的储层裂缝发育区域平面图。
图7为本发明实施例中的储层裂缝发育区域的预测装置的结构示意图。
图8为本发明实施例中的电子设备的结构示意图。
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,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、完整的描述,显然,所描述的实施例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。
本发明提供一种储层裂缝发育区域的预测方法的实施例,参见图1,所述储层裂缝发育区域的预测方法具体包含有如下内容:
S101:获取地震数据体和测井曲线数据;
在本步骤中,获取的地震数据体为叠后地震数据体,测井曲线数据为常规的深侧向电阻率曲线和浅侧向电阻率曲线。
其中,浅侧向电阻率曲线如图2(A)所示,深侧向电阻率曲线如图2(B)所示,测井曲线深度范围为900米至923米。
S102:根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;
在本步骤中,先根据所述测井曲线数据计算裂缝敏感属性因子;再对所述裂缝敏感属性因子对应的曲线进行低频滤波的到裂缝频带的裂缝敏感属性因子曲线。
其中,根据所述测井曲线数据计算裂缝敏感属性因子时,根据深侧向电阻率曲线RD以及浅侧向电阻率曲线RS计算裂缝敏感属性因子,计算公式如下所示:
其中,F表示裂缝敏感属性因子,RD为深侧向电阻率曲线,RS为浅侧向电阻率曲线。
需要说明的是,上述公式的意义在于:当深、浅侧向电阻率之差为正值时,裂缝敏感属性因子等于深、浅侧向电阻率之差;当深、浅侧向电阻率之差为负值或0时,裂缝敏感属性因子等于0。对于裂缝敏感属性因子F,当F值越大时表示储层裂缝越发育,当F值为0时表示不发育裂缝。
图2(C)为利用深、浅侧向电阻率曲线计算得到的裂缝敏感属性因子曲线,图中黑色填充区域为裂缝发育区,未填充区表示裂缝不发育。
低频滤波时,对裂缝敏感属性因子对应的曲线进行低频滤波,根据地震数据频率分布范围确定低通滤波器高截频率highF,通过低频滤波处理滤除裂缝敏感属性因子对应的曲线中频率高于highF的部分,只留下与地震频带匹配的中低频部分,得到地震频带裂缝敏感属性因子曲线Fs。
在具体实施时,根据对获取的地震数据的频谱分析得知,地震频带范围为8至70Hz,所以设定低通滤波器的高截频率highF=70Hz,通过低通滤波器处理的地震频带裂缝敏感属性因子曲线Fs,如图2(D)所示,经过低通滤波处理,去掉原始曲线中的高频部分留下与地震频带一致的中低频部分,从而保证了分析的尺度一致性,提高了属性分析的准确性。
进一步的,在实施过程中,基于地震数据体进行常规的属性计算分别获得对应的曲线属性数据、相干属性数据以及方差属性数据。
S103:基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;
在实施过程中,根据地震数据计算得到的曲率属性数据、相干属性数据以及方差属性数据在井点位置处抽取该井点对应的井旁道曲线属性曲线、相干属性曲线以及方差属性曲线,从而得到每个井点处的三种属性曲线。
这个过程实现从三维地震数据体到二维地震道的转换,分别得到了井点位置处三种地震属性的一道数据,如图3所示,为井点W-1处提取的井旁道属性曲线,从左到右依次为曲率属性曲线、相干属性曲线以及方差属性曲线,通常情况下,这三种属性对于裂缝具有较高的敏感性,因此选择这三种属性综合预测裂缝信息。
S104:将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;
在本步骤中,将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线按照下式进行多元线性拟合得到拟合关系式;
Fs=a·Cur+b·Coh+c·Var;
其中,Cur为的曲线属性曲线,Coh为相干属性曲线,Var为方差属性曲线,Fs为地震频带裂缝敏感属性因子曲线;a、b和c为拟合公式的系数。
需要说明的是,a、b和c三个系数可以根据最小二乘法进行求解。
在本实施例中,根据最小二乘法,利用井点W-1处提取的属性最终拟合得到的公式为:
Fs=1.35·Cur-4.52·Coh+3.24·Var;
其中,a=1.35,b=-4.52,c=3.24,拟合得到的地震频带裂缝敏感属性因子与原始的数据相关系数达到了0.86,表明拟合结果与原始数据具有很强的相关性,图4展示了拟合误差分析结果,图4中横坐标为原始数据,纵坐标为拟合数据,黑色实线为相关系数为1时的情况,当数据点越接近这条直线时表明相关性越高,拟合误差越小。从图4中可以看出在本实施例中原始数据与拟合数据绝大部分分布在相关系数为1的直线附近,表明拟合误差很小,预测精度较高。
S105:根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域。
在本步骤中,根据所述拟合关系式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线代入到所述拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体。
在实施过程中,根据井点处拟合得到的地震频带裂缝敏感属性因子曲线计算公式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线对应的地震数据体代入到拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体,用于研究工区内裂缝发育区域预测。
基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域时,当裂缝敏感属性因子地震数据体中敏感因子属性大于零时表示裂缝发育区,且敏感因子属性越大裂缝越发育。
在实施过程中,根据裂缝敏感属性因子地震数据体进行裂缝发育区预测,当敏感因子属性Fs>0时表示裂缝发育区,且Fs值越大裂缝越发育。基于裂缝敏感属性因子地震数据体分别进行平面与剖面分析,选取过井W-1和W-2的一条地震剖面,如图5所示,图5中暗色区域代表裂缝发育区,亮色区域代表裂缝不发育区,从图5中可以看出在井W-1位置处深度等于905米左右(椭圆区域),预测结果为暗色裂缝发育区,Fs数值达到500左右。为了验证预测结果的准确性,分析井W-1的成像测井数据以及试油数据,在成像测井资料中W-1井在904至906.5米显示发育大量高角度裂缝,试油数据显示该层段发育高产油层,且为高空高渗储层,表明在该层段裂缝非常发育,并且形成了高孔隙度、高渗透性裂缝型地层,为油气的聚集提供了理想的储集空间,为油气的运移提供了良好的通道。在预测剖面上W-2井位置处在目的层附近显示裂缝不发育,同时W-2井的成像测井显示该井在目的层段裂缝不发育,同样验证了预测结果的准确性。图6展示了整个三维地震工区内基于裂缝敏感属性因子预测得到的目的层裂缝发育分布区域情况,图6中暗色表示裂缝发育区,亮色表示裂缝不发育。图6中选取两口井进行验证分析,其中井W-1为裂缝发育井,W-2为裂缝不发育井,从图6中可以看出基于裂缝敏感属性因子预测的目的层裂缝发育区域与钻井信息吻合的很好,在W-1井处预测结果显示为裂缝发育,在W-2井处预测结果显示为裂缝不发育。通过井震对比分析与验证表明本方法能够准确的预测储层裂缝发育区域,提高了储层预测的精度。
从上述描述可知,本发明实施例提供的储层裂缝发育区域的预测方法,基于常规的深浅侧向电阻率曲线计算储层裂缝敏感属性因子曲线,通过低通滤波处理获得与地震频带匹配的低频裂缝敏感属性因子曲线,然后利用地震数据体计算对裂缝表征具有较高敏感性的曲率属性、相干属性以及方差属性地震数据体,并对三种属性数据体进行井旁道提取获得每个井点位置的三种属性曲线,将提取的井点位置处井旁道曲率属性、相干属性以及方差属性曲线与对应井计算得到的低频裂缝敏感属性因子曲线进行多元线性拟合确定拟合关系式,最后根据拟合关系式利用曲率属性、相干属性以及方差属性地震数据体计算裂缝敏感属性地震数据体,并完成储层裂缝发育区域预测。实现基于叠后地震数据以及常规测井信息综合预测储层裂缝发育规律,使得预测结果得到钻后测井信息的有效验证,保证了裂缝预测的准确性,降低了勘探风险,同时大大了勘探开发的成本。
本发明实施例提供一种能够实现所述储层裂缝发育区域的预测方法中全部内容的储层裂缝发育区域的预测装置的具体实施方式,参见图7,所述储层裂缝发育区域的预测装置具体包括如下内容:
数据获取单元10,用于获取地震数据体和测井曲线数据;
计算单元20,用于根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;
井旁道提取单元30,用于基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;
拟合单元40,用于将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;
裂缝预测单元50,用于根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域。
其中,所述计算单元包括:
裂缝敏感属性因子计算子单元,用于根据所述测井曲线数据计算裂缝敏感属性因子;
低频滤波子单元,用于对所述裂缝敏感属性因子对应的曲线进行低频滤波的到裂缝频带的裂缝敏感属性因子曲线。
其中,所述拟合单元包括:
拟合子单元,用于将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线按照下式进行多元线性拟合得到拟合关系式;
Fs=a·Cur+b·Coh+c·Var;
其中,Cur为的曲线属性曲线,Coh为相干属性曲线,Var为方差属性曲线,Fs为地震频带裂缝敏感属性因子曲线;a、b和c为拟合公式的系数。
其中,所述裂缝预测单元包括:
裂缝敏感属性因子地震数据体计算子单元,用于根据所述拟合关系式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线代入到所述拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体。
其中,所述裂缝预测单元包括:
裂缝预测子单元,用于当裂缝敏感属性因子地震数据体中敏感因子属性大于零时表示裂缝发育区,且敏感因子属性越大裂缝越发育。
本发明提供的储层裂缝发育区域的预测装置的实施例具体可以用于执行上述实施例中的储层裂缝发育区域的预测方法的实施例的处理流程,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。
从上述描述可知,本发明实施例提供的储层裂缝发育区域的预测装置,通过获取地震数据体和测井曲线数据;根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域,能够实现预测储层裂缝发育区域,使得预测结果得到钻后测井信息的有效验证,保证了裂缝预测的准确性,降低了勘探风险,同时大大了勘探开发的成本。
本申请提供一种用于实现所述储层裂缝发育区域的预测方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述储层裂缝发育区域的预测方法的实施例及用于实现所述储层裂缝发育区域的预测装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图8为本申请实施例的电子设备9600的系统构成的示意框图。如图8所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图8是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,储层裂缝发育区域的预测功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
获取地震数据体和测井曲线数据;根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域。
从上述描述可知,本申请的实施例提供的电子设备,获取地震数据体和测井曲线数据;根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域,能够实现预测储层裂缝发育区域,使得预测结果得到钻后测井信息的有效验证,保证了裂缝预测的准确性,降低了勘探风险,同时大大了勘探开发的成本。
在另一个实施方式中,储层裂缝发育区域的预测装置可以与中央处理器9100分开配置,例如可以将储层裂缝发育区域的预测配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现储层裂缝发育区域的预测功能。
如图8所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图8中所示的所有部件;此外,电子设备9600还可以包括图8中没有示出的部件,可以参考现有技术。
如图8所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本发明的实施例还提供能够实现上述实施例中的储层裂缝发育区域的预测方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质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实施例中的储层裂缝发育区域的预测方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取地震数据体和测井曲线数据;根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域。
从上述描述可知,本发明实施例提供的计算机可读存储介质,通过获取地震数据体和测井曲线数据;根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域,能够实现预测储层裂缝发育区域,使得预测结果得到钻后测井信息的有效验证,保证了裂缝预测的准确性,降低了勘探风险,同时大大了勘探开发的成本。
虽然本发明提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本领域技术人员应明白,本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此,本说明书实施例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、装置(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。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种储层裂缝发育区域的预测方法,其特征在于,包括:
获取地震数据体和测井曲线数据;测井曲线数据为深侧向电阻率曲线和浅侧向电阻率曲线;
根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;
基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;
将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;
根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域;
所述根据所述拟合关系式计算裂缝敏感属性因子地震数据体,包括:
根据所述拟合关系式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线代入到所述拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体;
所述基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域,包括:
当裂缝敏感属性因子地震数据体中敏感因子属性大于零时表示裂缝发育区,且敏感因子属性越大裂缝越发育;
所述根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线,包括:
根据所述测井曲线数据计算裂缝敏感属性因子;
对所述裂缝敏感属性因子对应的曲线进行低频滤波得到裂缝频带的裂缝敏感属性因子曲线;
所述根据所述测井曲线数据计算裂缝敏感属性因子,包括:
根据深侧向电阻率曲线以及浅侧向电阻率曲线计算裂缝敏感属性因子,计算公式如下所示:
其中,F表示裂缝敏感属性因子,RD为深侧向电阻率曲线,RS为浅侧向电阻率曲线。
2.根据权利要求1所述的储层裂缝发育区域的预测方法,其特征在于,所述将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式,包括:
将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线按照下式进行多元线性拟合得到拟合关系式;
Fs=a·Cur+b·Coh+c·Var;
其中,Cur为曲率属性曲线,Coh为相干属性曲线,Var为方差属性曲线,Fs为地震频带裂缝敏感属性因子曲线;a、b和c为拟合公式的系数。
3.一种储层裂缝发育区域的预测装置,其特征在于,包括:
数据获取单元,用于获取地震数据体和测井曲线数据;测井曲线数据为深侧向电阻率曲线和浅侧向电阻率曲线;
计算单元,用于根据所述测井曲线数据确定裂缝频带的裂缝敏感属性因子曲线以及根据所述地震数据体获取曲率属性数据、相干属性数据以及方差属性数据;
井旁道提取单元,用于基于所述曲率属性数据、所述相干属性数据以及所述方差属性数据在井点位置提取井旁道的曲率属性曲线、相干属性曲线以及方差属性曲线;
拟合单元,用于将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线进行多元线性拟合得到拟合关系式;
裂缝预测单元,用于根据所述拟合关系式计算裂缝敏感属性因子地震数据体,并基于所述裂缝敏感属性因子地震数据体预测储层裂缝发育区域;
所述裂缝预测单元包括:
裂缝敏感属性因子地震数据体计算子单元,用于根据所述拟合关系式,将基于地震数据计算得到的曲率属性曲线、相干属性曲线以及方差属性曲线代入到所述拟合关系式中,得到地震频带裂缝敏感属性因子曲线对应的裂缝敏感属性因子地震数据体;
所述裂缝预测单元包括:
裂缝预测子单元,用于当裂缝敏感属性因子地震数据体中敏感因子属性大于零时表示裂缝发育区,且敏感因子属性越大裂缝越发育;
所述计算单元包括:
裂缝敏感属性因子计算子单元,用于根据所述测井曲线数据计算裂缝敏感属性因子;
低频滤波子单元,用于对所述裂缝敏感属性因子对应的曲线进行低频滤波得到裂缝频带的裂缝敏感属性因子曲线;
所述根据所述测井曲线数据计算裂缝敏感属性因子,包括:
根据深侧向电阻率曲线以及浅侧向电阻率曲线计算裂缝敏感属性因子,计算公式如下所示:
其中,F表示裂缝敏感属性因子,RD为深侧向电阻率曲线,RS为浅侧向电阻率曲线。
4.根据权利要求3所述的储层裂缝发育区域的预测装置,其特征在于,所述拟合单元包括:
拟合子单元,用于将所述裂缝敏感属性因子曲线、所述曲率属性曲线、相干属性曲线以及方差属性曲线按照下式进行多元线性拟合得到拟合关系式;
Fs=a·Cur+b·Coh+c·Var;
其中,Cur为曲率属性曲线,Coh为相干属性曲线,Var为方差属性曲线,Fs为地震频带裂缝敏感属性因子曲线;a、b和c为拟合公式的系数。
5.一种电子设备,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程序时实现权利要求1或2所述的储层裂缝发育区域的预测方法的步骤。
6.一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,该计算机程序被处理器执行时实现权利要求1或2所述的储层裂缝发育区域的预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110199935.7A CN113075747B (zh) | 2021-02-23 | 2021-02-23 | 储层裂缝发育区域的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110199935.7A CN113075747B (zh) | 2021-02-23 | 2021-02-23 | 储层裂缝发育区域的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113075747A CN113075747A (zh) | 2021-07-06 |
CN113075747B true CN113075747B (zh) | 2024-01-30 |
Family
ID=76609568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110199935.7A Active CN113075747B (zh) | 2021-02-23 | 2021-02-23 | 储层裂缝发育区域的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075747B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102759757A (zh) * | 2012-07-06 | 2012-10-31 | 中国石油天然气股份有限公司 | 一种基于井震结合的辉绿岩蚀变带储层预测方法 |
CN105652316A (zh) * | 2014-12-01 | 2016-06-08 | 北京石大创新石油科技有限公司 | 一种基于裂缝模型的智能优化地震多属性融合方法 |
CN108931814A (zh) * | 2017-05-26 | 2018-12-04 | 中国石油化工股份有限公司 | 一种基于多属性融合的基岩裂缝预测的方法 |
CN111025394A (zh) * | 2019-12-31 | 2020-04-17 | 淮南矿业(集团)有限责任公司 | 一种基于深度域地震资料精细小断层探测方法及装置 |
CN112198552A (zh) * | 2020-09-25 | 2021-01-08 | 中国石油大学(北京) | 断褶系统的宽度确定方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090132169A1 (en) * | 2007-11-19 | 2009-05-21 | Schlumberger Technology Corporation | Methods and systems for evaluating fluid movement related reservoir properties via correlation of low-frequency part of seismic data with borehole measurements |
-
2021
- 2021-02-23 CN CN202110199935.7A patent/CN113075747B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102759757A (zh) * | 2012-07-06 | 2012-10-31 | 中国石油天然气股份有限公司 | 一种基于井震结合的辉绿岩蚀变带储层预测方法 |
CN105652316A (zh) * | 2014-12-01 | 2016-06-08 | 北京石大创新石油科技有限公司 | 一种基于裂缝模型的智能优化地震多属性融合方法 |
CN108931814A (zh) * | 2017-05-26 | 2018-12-04 | 中国石油化工股份有限公司 | 一种基于多属性融合的基岩裂缝预测的方法 |
CN111025394A (zh) * | 2019-12-31 | 2020-04-17 | 淮南矿业(集团)有限责任公司 | 一种基于深度域地震资料精细小断层探测方法及装置 |
CN112198552A (zh) * | 2020-09-25 | 2021-01-08 | 中国石油大学(北京) | 断褶系统的宽度确定方法和装置 |
Non-Patent Citations (1)
Title |
---|
变质岩裂缝段地球物理响应特征分析与裂缝预测;夏振宇 等;《科学技术与工程》;第15卷(第29期);第7-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113075747A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104330828B (zh) | 甜点储层的预测方法及预测装置 | |
AU2013266805B2 (en) | System and method for predicting rock strength | |
CN112415591B (zh) | 绕射波的成像方法、装置、电子设备及存储介质 | |
NO345771B1 (no) | Seismisk sporingsattributt | |
CN113109874A (zh) | 一种使用神经网络的波阻抗反演方法和神经网络系统 | |
CN113433587B (zh) | 岩石物理反演方法及系统 | |
CN113075747B (zh) | 储层裂缝发育区域的预测方法及装置 | |
CN111239809B (zh) | 一种基于属性融合原理的优势储层确定方法及系统 | |
CN112147688A (zh) | 一种储层油气识别方法和装置 | |
CN111812716A (zh) | 页岩气储层总有机碳含量叠前定量预测方法、装置及设备 | |
CN113077074B (zh) | 基于储层预测因子的储层预测方法及装置 | |
CN113914853B (zh) | 深水沉积体系砂泥岩薄互层砂岩储层含水饱和度确定方法 | |
CN112817042B (zh) | 沉积储层中油气识别方法及装置 | |
CN117270032A (zh) | 基于三维地震的砂岩型铀矿铀特征参数反演方法及装置 | |
CN111751879A (zh) | 储层孔隙度预测方法及装置 | |
CN112394417A (zh) | 多尺度裂缝三维地质模型vsp观测方法及系统 | |
CN114578445A (zh) | 基于重力资料确定断裂位置的方法及装置 | |
CN112782780A (zh) | 一种基于岩石物理相的储层评价方法、装置及设备 | |
CN112462421A (zh) | 储层信息预测方法、装置、电子设备及存储介质 | |
CN110308488B (zh) | 确定洞穴充填程度的方法及系统 | |
CN115144929A (zh) | 油气藏储量确定方法、装置、存储介质及电子设备 | |
CN114859407A (zh) | 火山岩储层声学特征参数的确定方法及装置 | |
CN110632650B (zh) | 全波形反演数据的分时窗提取方法及装置 | |
CN113945973B (zh) | 一种储层特征分析方法、存储介质及电子设备 | |
CN116146202B (zh) | 一种礁滩碳酸盐岩的圈闭划分方法和装置 |
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 |