CN113126148A - 一种裂缝型储层的流体识别方法、装置及系统 - Google Patents
一种裂缝型储层的流体识别方法、装置及系统 Download PDFInfo
- Publication number
- CN113126148A CN113126148A CN201911398558.9A CN201911398558A CN113126148A CN 113126148 A CN113126148 A CN 113126148A CN 201911398558 A CN201911398558 A CN 201911398558A CN 113126148 A CN113126148 A CN 113126148A
- Authority
- CN
- China
- Prior art keywords
- frequency
- dispersion
- dependent
- azimuth
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000012530 fluid Substances 0.000 title claims abstract description 66
- 239000006185 dispersion Substances 0.000 claims abstract description 174
- 230000001419 dependent effect Effects 0.000 claims abstract description 91
- 239000011435 rock Substances 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000001228 spectrum Methods 0.000 claims description 19
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000008707 rearrangement Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 125000001183 hydrocarbyl group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- 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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
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
本说明书实施例公开了一种裂缝型储层的流体识别方法、装置及系统，所述方法获取目标工区的方位共反射点角道集频率域数据；利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；根据所述频散属性数据对所述目标工区进行储层流体识别。利用本说明书各个实施例，可以大幅度提高裂缝储层流体识别的准确性。
Description
技术领域
本发明涉及地震勘探处理技术领域，特别地，涉及一种裂缝型储层的流体识别方法、装置及系统。
背景技术
裂缝型储层在世界油气储层中占据很大比例，在碳酸盐岩、致密砂岩以及非常规页岩储层当中发育的裂缝常常是油气的重要储集空间。但裂缝会使储层具有各向异性特征，所谓各向异性是指地震波的物理性质(振幅、速度、频率等)随观测方位的变化而变化。
实验研究表明当地震波在传播过程中出现较强的速度频散与能量衰减时，地震波的振幅对频率有较强依赖，相应的地震波的反射系数同样具有频率依赖性，因此，频率依赖AVO反演成为一种有效的判断流体类型的方法。然而现有的频变情况下的Smith&Gidlow近似、Aki&Richards近似、Shuey近似、Hilterman近似均假设地下介质为各向同性介质，但实际地下裂缝型储层是呈现各项异性特性的，因而目前基于各项同性假设进行的频率依赖AVO反演方法获得的结果在用于裂缝储层流体分析时可能存在较大的偏差。
发明内容
本说明书实施例的目的在于提供一种裂缝型储层的流体识别方法、装置及系统，可以大幅度提高裂缝储层流体识别的准确性。
本说明书提供一种裂缝型储层的流体识别方法、装置及系统是包括如下方式实现的：
一种裂缝型储层的流体识别方法，包括：
获取目标工区的方位共反射点角道集频率域数据；
利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
根据所述频散属性数据对所述目标工区进行储层流体识别。
本说明书所述的方法的另一个实施例中，所述利用频率依赖反演模型对所述方位共反射点角道集数据进行反演处理，获得所述目标工区的频散属性数据，包括：
获取频率依赖反演模型：
其中，R为反射系数，i地震波入射地层界面的入射角，
是地震测线方位角，
是裂缝方位，f为频率，f0为参考频率，C1、C2、C3、C4为频率依赖反演模型的系数因子，Xa为纵波频散，Xb为背景岩石频散，Xc为裂缝频散；
基于所述方位共反射点角道集数据对所述频率依赖反演模型进行矩阵分解，获得系数因子C1、C2、C3、C4；
根据所述系数因子C1、C2、C3、C4计算获得纵波频散Xa、背景岩石频散Xb、裂缝频散Xc以及裂缝方位
本说明书所述的方法的另一个实施例中，所述频率依赖反演模型采用下述方式构建：
将各项异性梯度反演模型扩展到频率域，对扩展到频率域的各项异性梯度反演模型在参考频率处进行一阶泰勒展开，获得频率依赖初始反演模型；
对所述频率依赖初始反演模型中的三角函数项进行展开，获得频率依赖反演方程。
本说明书所述的方法的另一个实施例中，所述获取目标工区的方位共反射点角道集频率域数据，包括：
获取目标工区的方位共反射点角道集数据；
利用重排Gabor变换将所述方位共反射点角道集数据变换到频率域；
对变换到频率域的方位共反射点角道集数据进行谱均衡处理获得方位共反射点角道集频率域数据。
另一方面，本说明书实施例还提供一种裂缝型储层的流体识别装置，包括：
数据获取模块，用于获取目标工区的方位共反射点角道集频率域数据；
反演模块，用于利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
流体识别模块，用于根据所述频散属性数据对所述目标工区进行储层流体识别。
本说明书所述的装置的另一个实施例中，所述反演模块包括：
反演模型获取单元，用于获取频率依赖反演模型：
其中，R为反射系数，i地震波入射地层界面的入射角，
是地震测线方位角，
是裂缝方位，f为频率，f0为参考频率，C1、C2、C3、C4为频率依赖反演模型的系数因子，Xa为纵波频散，Xb为背景岩石频散，Xc为裂缝频散；
分解单元，用于基于所述方位共反射点角道集数据对所述频率依赖反演模型进行矩阵分解，获得系数因子C1、C2、C3、C4；
计算单元，用于根据所述系数因子C1、C2、C3、C4计算获得纵波频散Xa、背景岩石频散Xb、裂缝频散Xc以及裂缝方位
本说明书所述的装置的另一个实施例中，所述装置还包括模型构建模块，所述模型构建模块包括：
频率扩展单元，用于将各项异性梯度反演模型扩展到频率域；
第一转换单元，用于对扩展到频率域的各项异性梯度反演模型在参考频率处进行一阶泰勒展开，获得频率依赖初始反演模型；
第二转换单元，用于对所述频率依赖初始反演模型中的三角函数项进行展开，获得频率依赖反演方程。
本说明书所述的装置的另一个实施例中，所述数据获取模块包括：
数据获取单元，用于获取目标工区的方位共反射点角道集数据；
频率域扩展单元，用于利用重排Gabor变换将所述方位共反射点角道集数据变换到频率域；
谱均衡处理单元，用于对变换到频率域的方位共反射点角道集数据进行谱均衡处理获得方位共反射点角道集频率域数据
另一方面，本说明书实施例还提供一种裂缝型储层的流体识别设备，所述设备包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：
获取目标工区的方位共反射点角道集频率域数据；
利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
根据所述频散属性数据对所述目标工区进行储层流体识别。
另一方面，本说明书实施例还提供一种裂缝型储层的流体识别系统，所述系统包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个实施例所述方法的步骤。
本说明书一个或多个实施例提供的裂缝型储层的流体识别方法、装置及系统，可以通过各项异性梯度反演模型构建频率依赖反演模型，然后，利用构建的频率依赖反演模型确定背景岩石频散、裂缝频散、纵波频散以及裂缝方位，基于背景岩石频散、裂缝频散、纵波频散以及裂缝方位进行流体识别。从而在考虑裂缝方位未知的情况下实现对各频散项的确定，使得获得的频散项更符合实际裂缝储层的分布，进而提高裂缝储层内流体识别的准确性。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例，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。在附图中：
图1为本说明书提供的一种裂缝型储层的流体识别方法实施例的流程示意图；
图2为本说明书提供的一个实施例中的裂缝型储层的流体识别流程示意图；
图3为本说明书提供的另一个实施例中的反演结果对比示意图；
图4表示说明书提供的另一个实施例中的反演结果对比示意图；
图5表示说明书提供的另一个实施例中的反演结果示意图；
图6为本说明书提供的一种裂缝型储层的流体识别装置实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书一部分实施例，而不是全部的实施例。基于说明书一个或多个实施例，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，都应当属于本说明书实施例方案保护的范围。
图1是本说明书提供的所述裂缝型储层的流体识别方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行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、甚至包括分布式处理、服务器集群的实施环境)。
具体的一个实施例如图1所示，本说明书提供的裂缝型储层的流体识别方法的一个实施例中，所述方法可以应用于流体识别数据处理设备，所述方法可以包括：
S20：获取目标工区的方位共反射点角道集频率域数据；
可以获取目标工区的方位共反射点角道集数据。可以获取目标工区的叠前地震数据，对叠前地震数据进行保幅各向异性偏移处理，如可以利用局部角度域各向异性偏移技术进行保幅各向异性偏移处理，获得方位共反射点角道集数据。然后，可以将方位共反射点角道集数据变换到频率域，获得方位共反射点角道集频率域数据。
另一些实施例中，可以利用重排Gabor变换(Reassigned Gabor Transform，简称RGT)将角道集数据变换到频率域，然后，对变换到频率域的数据进行谱均衡处理，获得方位共反射点角道集频率域数据。
可以利用重排Gabor变换在时频平面上对谱图进行能量重排，重排是在时频平面上对能量关于区域能量重心进行二次分配，可以改善时频平面上信号分量聚集度，提高时频分析的分辨率，使得时频定位更加精确。
重排Gabor变换的具体原理如下：Gabor谱图是信号进行Gabor变换后振幅的平方，对于一段时窗信号的能量，其能量并不是分布在这个区域的几何中心，而是分布在其区域的重心上。重排的方法就是将任意一点处计算得到的频谱图的值移动到另外一新坐标点处，该点是点附近信号的能量重心。
可以利用上述重排Gabor变换将角道集数据变换到频率域，然后，可以对变换到频率域的数据进行时频分析获得主频，可以将主频作为参考频率。
然后，可以对变换到频率域的数据进行谱均衡处理。对于单频地震数据体，最强振幅值会出现在主频处，而振幅会在主频两端逐渐减弱，相应的，所述谱均衡处理可以是指消除地震振幅谱的能量差异，对振幅谱进行能量“补偿”，以提高后续反演处理时振幅谱能量差异带来的误差。一些实施例中，谱均衡所用的公式可以表示为：
RGT(t,n,f)b＝RGT(t,n,f)w(n,f) (1)
上式中，RGT(t,n,f)b为谱均衡处理后的等频率剖面的表达式，RGT(t,n,f)为谱均衡处理前的等频率剖面的表达式，w(n,f)为不同单频振幅谱数据体对应的加权因子，其具体表达式如下：
其中，w(n,f)＝max(Af＝ref(n))是指第n道在参考频率f0处的最大振幅值，而max(Af(n))则是指第n道在单频f处的最大振幅值。
可以根据公式(1)、(2)对变换到频率域的数据进行谱均衡处理，获得方位共反射点角道集频率域数据。
S22：利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得。
可以基于各项异性梯度反演模型(Rüger方程)，在考虑裂缝方位变化的情况下，确定裂缝储层的参数数据。可以利用频率依赖反演模型对所述方位共反射点角道集数据进行反演处理，获得所述目标工区的频散属性数据。其中，所述频散属性数据至少可以包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位数据中的一种。所述频率依赖反演模型可以根据将各项异性梯度反演模型扩展到频率域获得。
一些实施例中，可以将各项异性梯度反演模型扩展到频率域，对扩展到频率域的各项异性梯度反演模型在参考频率处进行一阶泰勒展开，获得频率依赖初始反演模型；对所述频率依赖初始反演模型中的三角函数项进行展开，获得频率依赖反演方程。
其中，各项异性梯度反演模型(Rüger方程)可以表示为：
其中，R是纵波反射系数，α、β分别为纵、横波速度，Z＝ρα是纵波垂直入射的波阻抗，G＝ρβ2为横波切向模量，ρ为密度；ΔεV、ΔδV、Δγ为Thomsen参数，用于表征介质的各向异性程度；Δ代表差异，-代表均值，例如，ΔZ＝Z2-Z1，
下标1代表相邻两地层中的上层介质，下标2代表相邻两地层中的下层介质；i是纵波入射地层界面的入射角，
是地震测线方位角，
是裂缝方位。
当入射角i较小时，可以进一步简化式(3)为：
其中，
其中，A为纵波垂直入射时的反射系数，Biso为各向同性梯度项，Bani为各向异性梯度项。实验研究表明当地震波在传播过程中出现较强的速度频散与能量衰减时，地震波的振幅对频率有较强依赖，因此地震波的反射系数同样具有频率依赖性。A，Biso，Bani都与地震频率有关，可以将式(4)扩展到频率域，可以得到：
在参考频率f0处，对式(6)做一阶泰勒展开，得到：
整理得到：
其中，
Xa是纵波垂直入射时的反射系数相对地震频率的导数，可以称之为纵波频散；Xb是各向同性梯度项Biso相对地震频率的导数，用于反应背景岩石的频散，可以称之为背景岩石频散；Xc是各向异性梯度项Bani相对地震频率的导数，用于反应裂缝的频散，可以称之为裂缝频散。
考虑到实际地层中的裂缝方位是变化的且未知的，则式(8)中的Xa,Xb,Xc,
均是未知变量，因此该式是非线性的。利用式(8)进行反演时，可以利用非线性方程反演方法进行处理，但基于非线性方程的反演的处理数据量通常是非常大的，且可能存在大量的近似，导致最终反演获得的结果可能存在一定的偏差。
本说明书的另一些实施例中，可以采用下述变换，将式(8)变换成线性方程，再利用线性方程进行求解，以实现提高反演的效率以及准确性。具体的，可以将该式(8)中的三角函数展开：
然后，可以将式(11)带入式(8)，并整理得到：
可以将式(12)转换成下述公式(13)的形式：
通过上述变换，从而将式(8)转换为式(13)所示的线性方程形式。可以将式(13)定义为频率依赖反演模型，以利用该频率依赖反演模型对方位共反射点角道集频率域数据进行反演处理。
可以基于目标工区的方位共反射点角道集频率域数据，通过矩阵分解对式(13)进行求解，得到系数因子C1、C2、C3、C4。例如，可以奇异值分解(SingularValueDecomposition，SVD)、特征值分解等对式(13)进行求解，获得系数因子C1、C2、C3、C4。然后，再由C1、C2、C3、C4与Xa、Xb、Xc、
的对应关系可以求得Xa、Xb、Xc、
从而通过上述步骤将非线性方程的求解转换为线性方程的求解，实现了在未知裂缝方位的情况下的储层参数的准确确定，使得最终确定的储层参数更符合实际存储裂缝的分布，提高最终存储参数确定的准确性。
S24：根据所述频散属性数据对所述目标工区进行储层流体识别。
可以根据所述频散属性数据对所述目标工区进行储层流体识别。不同裂隙、不同流体类型的衰减机制不同,衰减和速度频散大小有所差异，因此，通过分析各项同性项随地震频率的变化关系以及各项异性项随频率的变化关系，即背景岩石频散以及裂缝频散，可以准确的识别出流体的类型，进而识别出是含水裂缝储层还是含油气裂缝储层。同时，可以根据裂缝方位数据分析裂缝储层流体的方向性。含烃类储层会造成地震波的衰减和速度频散，反映反射系数相对地震频率变化的纵波频散对含气储层具有较好的指示效果。因此，可以在对背景岩石频散以及裂缝频散进行分析的基础上，进一步结合分析裂缝方位分布、纵波频散分布，以更加准确的确定待分析裂缝储层是否为含油气储层。
上述实施例通过考虑到实际地层中的裂缝方位是未知的，在未对裂缝方位进行近似或者假设已知的条件下，进行反演模型的构建，然后，利用构建的反演模型进行储层参数的确定，可以使得确定的储层参数更符合裂缝型储层的实际特征，进而可以提高储层流体类型识别的准确性。进一步的，对于获得非线性反演模型，再巧妙的转换成线性计算模型的形式，利用线性计算模型进行储层参数的确定，可以使得储层参数的确定更加准确高效。
基于本说明书上述实施例提供的方案，本说明书还提供一种具体场景示例，以说明本说明书各实施例提供的方案的实用性。图2表示本说明书提供的一个场景示例中的性参数确定方法流程示意图。如图2所示，所述方法可以包括如下步骤：
步骤1：对目标工区的地震资料进行局部角度域各向异性偏移处理，获得保幅的方位共反射点(CRP)角道集数据；
步骤2：使用重排Gabor变换(RGT)将步骤1中获得的角道集数据变换到频率域；
步骤3：对步骤2中获得的频率域的角道集数据进行时频分析得到它的主频，将主频作为频率依赖AVOZ反演的参考频率；
步骤4：对步骤2中的频率域数据进行谱均衡处理，获得方位共反射点角道集频率域数据；
步骤5：使用本说明书上述实施例提供的频率依赖反演模型对方位共反射点角道集频率域数据进行反演，得到纵波频散Xa、背景岩石频散Xb、裂缝频散Xc和裂缝方位φs；
步骤6：将步骤5中的背景岩石频散Xb、裂缝频散Xc、各向异性梯度Bani、纵波频散Xa等反演结果和测井结果对比综合进行流体识别。
本说明书选取了某地区的过井1和过井2的实际地震数据来进行测试，所有测试结果的值域均归到0-1之间。图3至图6为相应的测试结果分析示意图。这两口井的实际试油情况为：井1在某深度范围内(对应图3中两条平行线中间的井段)进行了压裂，获得较高石油产量，而井2在某深度范围内(对应图4中两条平行线中间的井段)几乎没有产量。
为了对比分析，本说明书还给出了一种常用的三项频率依赖AVO反演方法，如下：首先基于Aki&Richards纵波反射系数方程：
式(15)、(16)中，RPP是PP波反射系数，VP、VS分别为纵、横波速度，ρ为密度，Δ代表差异，θ是入射角。
在式(15)中加入频率因素，得到式(17)：
在参考频率f0处，对式(17)进行一阶泰勒展开，得到式(18)，
其中，
称式(18)为三项频率依赖AVO反演公式，将式中的Ia定义为纵波频散梯度，Ib定义为横波频散梯度，Ic定义为密度频散梯度，它们分别可以表征纵、横波速度和密度的频散程度。
为了便于表述，可以将本说明书实施例的反演方案称之为频率依赖AVOZ反演，将上述反演称之为三项频率依赖AVO反演，以进行对比分析。
图3中的(a)图是对过井1所在测线进行频率依赖AVOZ反演得到的各向异性梯度Bani分布示意图；图3中的(b)图是对过井1所在测线进行三项频率依赖AVO反演得到的纵波频散梯度Ia；图3中的(c)图是对过井1所在测线进行频率依赖AVOZ反演得到的裂缝频散Xc；图3中的(d)图是对过井1所在测线进行频率依赖AVOZ反演得到的背景岩石频散Xb。对1比图3中的(b)图和图3中的(d)图可知，在井1试油段内，背景岩石频散Xb显示高值，它与试油产量吻合，然而纵波频散Ia显示低值，它与试油产量并不吻合。从图3(a)和图3(c)可以发现该试油井段内有较强的各向异性，因此此时采用基于各向同性介质的三项频率依赖AVO反演方法求得的纵波频散梯度Ia没有与实际情况吻合，而采用基于各向异性介质的频率依赖AVOZ反演方法求得的背景岩石频散Xb与实际情况相吻合，可以说明本说明书实施例提供的反演结果更为准确。
图4中的(a)图是对过井2所在测线进行频率依赖AVOZ反演得到的各向异性梯度Bani；图中的4(b)图是对过井2所在测线进行三项频率依赖AVO反演得到的纵波频散梯度Ia；图4中的(c)图是对过井2所在测线进行频率依赖AVOZ反演得到的裂缝频散Xc；图4中的(d)图是对过井2所在测线进行频率依赖AVOZ反演得到的背景岩石频散Xb。对比图4中的(b)和图4中的(d)可知，在井2试油段内，背景岩石频散Xb和纵波频散梯度Ia均显示低值，与试油产量相吻合。从图4中的(a)和图4中的(c)可以发现该试油井段内各向异性很弱，此时这2种反演方法均与实际情况相吻合。
通过以上反演结果，不难发现在各向异性较强地区，使用基于各向同性介质的三项频率依赖AVO反演方法求得的纵波频散梯度Ia与实际情况并不吻合，而基于各向异性介质的频率依赖AVOZ反演方法求得的背景岩石频散Xb与实际情况相吻合；在各向异性较弱地区，这两种反演方法的结果与实际情况相吻合。
图5是对过井110所在测线进行频率依赖AVOZ反演得到的各向异性梯度Bani、频率依赖AVOZ反演得到的裂缝频散Xc和三项频率依赖AVO反演得到的纵波频散梯度Ia。井110在目标储层是一口低产井，然而纵波频散梯度Ia却显示为高值，即认为含有流体，这与实际测井试油结果相违背。但是，各向异性梯度Bani和裂缝频散Xc均为低值，即裂缝不发育且不包含流体，这与实际测井试油结果相一致，可以说明利用本说明书实施例获得反演结果较为准确。
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。具体的可以参照前述相关处理相关实施例的描述，在此不做一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书一个或多个实施例提供的裂缝型储层的流体识别方法，可以通过各项异性梯度反演模型构建频率依赖反演模型，然后，利用构建的频率依赖反演模型确定背景岩石频散、裂缝频散、纵波频散以及裂缝方位，基于背景岩石频散、裂缝频散、纵波频散以及裂缝方位进行流体识别。从而在考虑裂缝方位未知的情况下实现对各频散项的确定，使得获得的频散项更符合实际裂缝储层的分布，进而提高裂缝储层内流体识别的准确性。
基于上述所述的裂缝型储层的流体识别方法，本说明书一个或多个实施例还提供一种裂缝型储层的流体识别装置。所述的装置可以包括使用了本说明书实施例所述方法的系统、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，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。具体的，图6表示说明书提供的一种裂缝型储层的流体识别装置实施例的模块结构示意图，如图6所示，所述装置可以包括：
数据获取模块102，可以用于获取目标工区的方位共反射点角道集频率域数据；
反演模块104，可以用于利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
流体识别模块106，可以用于根据所述频散属性数据对所述目标工区进行储层流体识别。
本说明书的另一些实施例中，所述反演模块104可以包括：
反演模型获取单元，用于获取频率依赖反演模型：
其中，R为反射系数，i地震波入射地层界面的入射角，
是地震测线方位角，
是裂缝方位，f为频率，f0为参考频率，C1、C2、C3、C4为频率依赖反演模型的系数因子，Xa为纵波频散，Xb为背景岩石频散，Xc为裂缝频散；
分解单元，用于基于所述方位共反射点角道集数据对所述频率依赖反演模型进行矩阵分解，获得系数因子C1、C2、C3、C4；
计算单元，用于根据所述系数因子C1、C2、C3、C4计算获得纵波频散Xa、背景岩石频散Xb、裂缝频散Xc以及裂缝方位
本说明书的另一些实施例中，所述装置还可以包括模型构建模块，所述模型构建模块可以包括：
频率扩展单元，可以用于将各项异性梯度反演模型扩展到频率域；
第一转换单元，可以用于对扩展到频率域的各项异性梯度反演模型在参考频率处进行一阶泰勒展开，获得频率依赖初始反演模型；
第二转换单元，可以用于对所述频率依赖初始反演模型中的三角函数项进行展开，获得频率依赖反演方程。
本说明书的另一些实施例中，所述数据获取模块102可以包括：
数据获取单元，可以用于获取目标工区的方位共反射点角道集数据；
频率域扩展单元，可以用于利用重排Gabor变换将所述方位共反射点角道集数据变换到频率域；
谱均衡处理单元，可以用于对变换到频率域的方位共反射点角道集数据进行谱均衡处理获得方位共反射点角道集频率域数据
需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本说明书一个或多个实施例提供的裂缝型储层的流体识别装置，可以通过各项异性梯度反演模型构建频率依赖反演模型，然后，利用构建的频率依赖反演模型确定背景岩石频散、裂缝频散、纵波频散以及裂缝方位，基于背景岩石频散、裂缝频散、纵波频散以及裂缝方位进行流体识别。从而在考虑裂缝方位未知的情况下实现对各频散项的确定，使得获得的频散项更符合实际裂缝储层的分布，进而提高裂缝储层内流体识别的准确性。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。因此，本说明书还提供一种裂缝型储层的流体识别设备，包括处理器及存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括上述任意一个实施例所述方法的步骤。
所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
需要说明的，上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
上述实施例所述的裂缝型储层的流体识别设备，可以通过各项异性梯度反演模型构建频率依赖反演模型，然后，利用构建的频率依赖反演模型确定背景岩石频散、裂缝频散、纵波频散以及裂缝方位，基于背景岩石频散、裂缝频散、纵波频散以及裂缝方位进行流体识别。从而在考虑裂缝方位未知的情况下实现对各频散项的确定，使得获得的频散项更符合实际裂缝储层的分布，进而提高裂缝储层内流体识别的准确性。
本说明书还提供一种裂缝型储层的流体识别系统，所述系统可以为单独的裂缝型储层的流体识别系统，也可以应用在油气识别系统中。所述的系统可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述裂缝型储层的流体识别系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
需要说明的，上述所述的系统根据方法或者装置实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
上述实施例所述的裂缝型储层的流体识别系统，可以通过各项异性梯度反演模型构建频率依赖反演模型，然后，利用构建的频率依赖反演模型确定背景岩石频散、裂缝频散、纵波频散以及裂缝方位，基于背景岩石频散、裂缝频散、纵波频散以及裂缝方位进行流体识别。从而在考虑裂缝方位未知的情况下实现对各频散项的确定，使得获得的频散项更符合实际裂缝储层的分布，进而提高裂缝储层内流体识别的准确性。
本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书的可选实施方案范围之内。
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。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
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。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“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说明书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并不必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种裂缝型储层的流体识别方法，其特征在于，包括：
获取目标工区的方位共反射点角道集频率域数据；
利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
根据所述频散属性数据对所述目标工区进行储层流体识别。
2.根据权利要求1所述的方法，其特征在于，所述利用频率依赖反演模型对所述方位共反射点角道集数据进行反演处理，获得所述目标工区的频散属性数据，包括：
获取频率依赖反演模型：
其中，R为反射系数，i地震波入射地层界面的入射角，
是地震测线方位角，
是裂缝方位，f为频率，f0为参考频率，C1、C2、C3、C4为频率依赖反演模型的系数因子，Xa为纵波频散，Xb为背景岩石频散，Xc为裂缝频散；
基于所述方位共反射点角道集数据对所述频率依赖反演模型进行矩阵分解，获得系数因子C1、C2、C3、C4；
根据所述系数因子C1、C2、C3、C4计算获得纵波频散Xa、背景岩石频散Xb、裂缝频散Xc以及裂缝方位
3.根据权利要求1所述的方法，其特征在于，所述频率依赖反演模型采用下述方式构建：
将各项异性梯度反演模型扩展到频率域，对扩展到频率域的各项异性梯度反演模型在参考频率处进行一阶泰勒展开，获得频率依赖初始反演模型；
对所述频率依赖初始反演模型中的三角函数项进行展开，获得频率依赖反演方程。
4.根据权利要求1所述的方法，其特征在于，所述获取目标工区的方位共反射点角道集频率域数据，包括：
获取目标工区的方位共反射点角道集数据；
利用重排Gabor变换将所述方位共反射点角道集数据变换到频率域；
对变换到频率域的方位共反射点角道集数据进行谱均衡处理获得方位共反射点角道集频率域数据。
5.一种裂缝型储层的流体识别装置，其特征在于，包括：
数据获取模块，用于获取目标工区的方位共反射点角道集频率域数据；
反演模块，用于利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
流体识别模块，用于根据所述频散属性数据对所述目标工区进行储层流体识别。
6.根据权利要求5所述的装置，其特征在于，所述反演模块包括：
反演模型获取单元，用于获取频率依赖反演模型：
其中，R为反射系数，i地震波入射地层界面的入射角，
是地震测线方位角，
是裂缝方位，f为频率，f0为参考频率，C1、C2、C3、C4为频率依赖反演模型的系数因子，Xa为纵波频散，Xb为背景岩石频散，Xc为裂缝频散；
分解单元，用于基于所述方位共反射点角道集数据对所述频率依赖反演模型进行矩阵分解，获得系数因子C1、C2、C3、C4；
计算单元，用于根据所述系数因子C1、C2、C3、C4计算获得纵波频散Xa、背景岩石频散Xb、裂缝频散Xc以及裂缝方位
7.根据权利要求5所述的装置，其特征在于，所述装置还包括模型构建模块，所述模型构建模块包括：
频率扩展单元，用于将各项异性梯度反演模型扩展到频率域；
第一转换单元，用于对扩展到频率域的各项异性梯度反演模型在参考频率处进行一阶泰勒展开，获得频率依赖初始反演模型；
第二转换单元，用于对所述频率依赖初始反演模型中的三角函数项进行展开，获得频率依赖反演方程。
8.根据权利要求5所述的装置，其特征在于，所述数据获取模块包括：
数据获取单元，用于获取目标工区的方位共反射点角道集数据；
频率域扩展单元，用于利用重排Gabor变换将所述方位共反射点角道集数据变换到频率域；
谱均衡处理单元，用于对变换到频率域的方位共反射点角道集数据进行谱均衡处理获得方位共反射点角道集频率域数据。
9.一种裂缝型储层的流体识别设备，其特征在于，所述设备包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：
获取目标工区的方位共反射点角道集频率域数据；
利用频率依赖反演模型对所述方位共反射点角道集频率域数据进行反演处理，获得所述目标工区的频散属性数据，所述频散属性数据至少包括背景岩石频散、裂缝频散、纵波频散以及裂缝方位，所述频率依赖反演模型根据将各项异性梯度反演模型扩展到频率域获得；
根据所述频散属性数据对所述目标工区进行储层流体识别。
10.一种裂缝型储层的流体识别系统，其特征在于，所述系统包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现所述权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911398558.9A CN113126148A (zh) | 2019-12-30 | 2019-12-30 | 一种裂缝型储层的流体识别方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911398558.9A CN113126148A (zh) | 2019-12-30 | 2019-12-30 | 一种裂缝型储层的流体识别方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113126148A true CN113126148A (zh) | 2021-07-16 |
Family
ID=76768066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911398558.9A Pending CN113126148A (zh) | 2019-12-30 | 2019-12-30 | 一种裂缝型储层的流体识别方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113126148A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113534241A (zh) * | 2021-07-09 | 2021-10-22 | 成都理工大学 | 一种方位频变流体因子识别储层的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090122645A1 (en) * | 2007-11-14 | 2009-05-14 | Guigne Jacques Y | Method for acoustic imaging of the earth's subsurface using a fixed position sensor array and beam steering |
| CN102053259A (zh) * | 2009-10-28 | 2011-05-11 | 中国石油化工股份有限公司 | 一种油气藏识别方法 |
| CN102636812A (zh) * | 2012-04-18 | 2012-08-15 | 中国石油天然气股份有限公司 | 一种获得碳酸盐岩储层储集空间体积的方法 |
| CN103984010A (zh) * | 2014-04-16 | 2014-08-13 | 孙赞东 | 一种基于三项频率依赖avo反演的流体识别方法 |
-
2019
- 2019-12-30 CN CN201911398558.9A patent/CN113126148A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090122645A1 (en) * | 2007-11-14 | 2009-05-14 | Guigne Jacques Y | Method for acoustic imaging of the earth's subsurface using a fixed position sensor array and beam steering |
| CN102053259A (zh) * | 2009-10-28 | 2011-05-11 | 中国石油化工股份有限公司 | 一种油气藏识别方法 |
| CN102636812A (zh) * | 2012-04-18 | 2012-08-15 | 中国石油天然气股份有限公司 | 一种获得碳酸盐岩储层储集空间体积的方法 |
| CN103984010A (zh) * | 2014-04-16 | 2014-08-13 | 孙赞东 | 一种基于三项频率依赖avo反演的流体识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| K. XU ET AL: "A new fracture detection method based on full-azimuth anisotropic migration and shaping regularization", 《JOURNAL OF GEOPHYSICS AND ENGINEERING》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113534241A (zh) * | 2021-07-09 | 2021-10-22 | 成都理工大学 | 一种方位频变流体因子识别储层的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3358376B1 (en) | Method and apparatus for unambiguously estimating seismic anisotropy parameters | |
| US9476998B2 (en) | Hydraulic fracture characterization using borehole sonic data | |
| WO2017210231A1 (en) | Estimation of horizontal stresses and nonlinear constants in anisotropic formations such as interbedded carbonate layers in organic-shale reservoirs | |
| US20150309200A1 (en) | A method for processing acoustic waveforms | |
| US8638639B2 (en) | Method of using dipole compressional data to determine properties of a subterranean structure | |
| US9891334B2 (en) | System and methodology for determining fracture attributes in a formation | |
| CN103713321A (zh) | 基于纵波频率依赖方位avo的裂缝流体类型识别方法 | |
| US20160334530A1 (en) | Method and system for processing acoustic waveforms | |
| Wang et al. | Analysis and estimation of an inclusion-based effective fluid modulus for tight gas-bearing sandstone reservoirs | |
| Liang et al. | Machine-learning-enabled automatic sonic shear processing | |
| Cheng | Can we ever trust the shear-wave log? | |
| Tang et al. | Assessing rock brittleness and fracability from radial variation of elastic wave velocities from borehole acoustic logging | |
| CN113126148A (zh) | 一种裂缝型储层的流体识别方法、装置及系统 | |
| EP4133310A1 (en) | System and method for seismic inversion | |
| US8411529B2 (en) | Walkaway VSP calibrated sonic logs | |
| US20150301213A1 (en) | A method for processing acoustic waveforms | |
| Oshima et al. | Advanced dipole shear measurements with a new logging while drilling sonic tool | |
| Plona et al. | Slowness-frequency projection logs: A new QC method for accurate sonic slowness evaluation | |
| Jiao et al. | The matter of size: On the moment magnitude of microseismic events | |
| Song et al. | Stepwise inversion method for determining anisotropy parameters in a horizontal transversely isotropic formation | |
| Huang et al. | Sonic spatial sensitivity functions and inversion-based layer-by-layer interpretation of borehole sonic logs | |
| Yang et al. | Coherence estimation algorithm using Kendall’s concordance measurement on seismic data | |
| EP4038420B1 (en) | A data driven method to invert for the formation anisotropic constants using borehole sonic data | |
| CN114185097B (zh) | 预测钻前潜在井漏风险层的方法及装置 | |
| Pallikathekathil et al. | Inversion of Advanced Full Waveform Sonic Data Provides Magnitudes of Minimum and Maximum Horizontal Stress for Calibrating the Geomechanics Model in a Gas Storage Reservoir |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210716 |
|
| WD01 | Invention patent application deemed withdrawn after publication |