CN113341480B - 分频rgb切片与多属性融合的砂质水合物储层预测方法 - Google Patents

分频rgb切片与多属性融合的砂质水合物储层预测方法 Download PDF

Info

Publication number
CN113341480B
CN113341480B CN202110623022.3A CN202110623022A CN113341480B CN 113341480 B CN113341480 B CN 113341480B CN 202110623022 A CN202110623022 A CN 202110623022A CN 113341480 B CN113341480 B CN 113341480B
Authority
CN
China
Prior art keywords
hydrate
attribute
sandy
frequency
area
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
Application number
CN202110623022.3A
Other languages
English (en)
Other versions
CN113341480A (zh
Inventor
王秀娟
何敏
李�杰
靳佳澎
周吉林
卓海腾
张广旭
钱进
李元平
孙鲁一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Oceanology of CAS
CNOOC Deepwater Development Ltd
Original Assignee
Institute of Oceanology of CAS
CNOOC Deepwater Development Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Oceanology of CAS, CNOOC Deepwater Development Ltd filed Critical Institute of Oceanology of CAS
Priority to CN202110623022.3A priority Critical patent/CN113341480B/zh
Publication of CN113341480A publication Critical patent/CN113341480A/zh
Application granted granted Critical
Publication of CN113341480B publication Critical patent/CN113341480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00Prospecting 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

本发明为分频RGB切片与多属性融合的砂质水合物储层预测方法,首先基于“源‑渠‑汇”指导思想,选取研究靶区,基于温度数据计算研究区水合物稳定带底界,在年代地层基础上,建立年代地层格架;随之在三维地层框架基础上,对海底到设定范围内地层,自动追踪三维地层;其次对地震数据体进行分频处理为低‑中‑高分频数据体;然后对三套数据分别计算最大振幅、最小振幅、均方根振幅和相干属性体,并沿层分别提取各层位属性;对四种层位属性根据三原色原理融合分析,并对水合物地质要素识别及各异常区叠合,圈定异常区最多地区;最后利用软件和确定性反演技术对水合物阻抗及纵波速度等弹性参数反演,进而反演水合物饱和度体实现水合物富集区预测。

Description

分频RGB切片与多属性融合的砂质水合物储层预测方法
技术领域
本发明属于石油天然气水合物勘探领域,具体说是分频RGB切片与多属性融合的砂质水合物储层预测方法。
背景技术
现阶段水合物钻探及地球物理资料已经证实国际海域海底沉积物中广泛赋存天然气水合物,并发现了多种赋存类型的天然气水合物,但是大量水合物岩心和测井资料揭示宽陆架背景与窄陆架背景下水合物储层物性差异很大。部分海域水合物钻探揭示窄陆架背景中陆源粗粒沉积物在深水-半深水环境更易沉积,作为有利的高饱和度水合物储层。虽然部分海域钻探揭示宽陆架背景下细粒粘土质粉砂地层中也可发育饱和度大于70%的孔隙充填型水合物矿体,但对于该背景下有利砂质储层发育区识别技术序列研究尚未开展。
国际上砂质水合物储层的岩心、测井与三维地震研究发现,孔隙充填型高饱和度水合物层主要富集于窄陆架背景下细砂-粗砂-砾石等相对较粗的沉积地层,水合物饱和度与沉积物粒度呈正比,而埋藏水道-天然堤-海底扇体是粗粒陆源碎屑物质有利储集区。高饱和度孔隙充填型主要发育于在水合物稳定带底界附近,具有高纵波速度、高电阻率、低伽马等测井特征,BSR上部强振幅反射的地震特征,其在空间通常具有一定规模,总厚度从十几米到几十米不等。这种粗粒砂质水合物储层由于其较高的孔隙度和渗透率等岩石物理性质,也是水合物试采最优越地区。
国际海域对窄陆架背景下砂质水合物储层识别、刻画和预测通常利用地震数据中BSR识别,振幅层属性提取等方法开展,但该流程方法在宽陆架背景下砂质储层较少的地质背景并不适用,主要体现在两个方面:第一,宽陆架背景由于复杂海底地质作用,通常会发育海底峡谷群、块体搬运堆积火山活动等一系列复杂沉积-构造作用,海底地层复杂多变,人工识别-追踪地层困难,且地层水平时局部BSR发育特征不明显,在缺少浅部钻井地区的水合物分布特征不明;第二,在地球物理角度上砂质储层与孔隙型水合物均为强振幅、高阻抗及高速度特征,因而通过地球物理特征难以对二者区分或对高饱和度砂质水合物储层鉴别。
因此,如何借助有限的测井资料,结合三维地震资料自身特征,基于水合物成藏理论方法,对宽陆架背景下砂质高饱和度水合物储层进行储层识别,有利砂质储层预测是进一步选取水合物试采和实现商业化开采有利靶区亟需解决的问题。
现阶段国际海域对窄陆架背景下砂质水合物储层主要通过地震数据中BSR和强振幅等反射特征识别,沿含水合物地层提取振幅属性对水合物分布进行预测,但对于宽陆架背景下砂质储层发育少,水平地层和沉积复杂研究区该方法并不适用,无形中可能增加水合物钻探风险,降低钻探成功率。
发明内容
本发明提出基于地震分频和多属性融合分析技术对砂质水合物储层进行地球物理特征识别,并对水合物潜力区分布进行预测。本发明充分利用叠后地震数据频率域特征,在结合油气及水合物钻井岩石物理参数信息,实现高饱和度砂质储层在区域上的地球物理属性融合识别,有效刻画水合物潜力区分布。
本发明为实现上述目的所采用的技术方案是:
分频RGB切片与多属性融合的砂质水合物储层预测方法,包括以下步骤:
步骤1:利用三维地震数据对深水-半深水海域进行海底沉积体系刻画,以识别得到有利陆源碎屑物质卸载区,作为研究靶区;
步骤2:采集研究靶区内的水合物-油气钻探数据,对其进行计算水合物稳定带底界,并厘定年代地层界面,进而建立三维年代地层框架;
步骤3:基于三维年代地层框架,对从海底到海底以下设定范围内的地层,利用基于自动地层模型的全局自动地震解释方法对研究靶区自动追踪三维地层;
步骤4:对三维地震数据进行分频属性计算:将三维地震数据分解为三套属性体,三套频率域范围分别从a、b和c频率域范围中取值,其中,a<b<c,分别为低-中-高频属性体;
步骤5:分别计算低-中-高频属性体中的最大振幅、最小振幅、均方根振幅和相干属性体,作为体属性;
步骤6:沿自动解释的层位切片,从步骤5中的4种体属性中分别提取沿层的层属性;
步骤7:对同一地层沿高-中-低频属性体提取的三个层属性,根据三原色即RGB原理融合;
步骤8:对各层融合结果进行属性优化筛选和人工圈定异常区,以识别各水合物成藏地质要素,包括断层、气烟囱、游离气、水合物及有利砂体发育潜力区;
步骤9:对人工圈定异常区后得到流体疏导通道展布、有利砂体发育区及水合物及游离气赋存区进行叠合分析,选择各水合物成藏地质要素发育最叠合地区为预测出的砂质水合物储层发育区。
预测出的砂质水合物储层发育区后,使用Jason软件对其进行水合物饱和体的反演,以对其进行评价。
所述有利陆源碎屑物质卸载区包括:陆坡峡谷内部、陆隆峡谷扇体和局部地形凹地。
所述水合物钻探数据包括:海底层位、海底温度、地温梯度及气体组成数据。
所述海底以下设定范围为:海底以下4000ms范围。
所述三维地层限定100-500套层位。
所述a频率域范围为:10-20HZ,所述b频率域范围为:30-40HZ,所述c频率域范围为:50-60HZ。
所述根据三原色即RGB原理融合为:对最大振幅属性、最小振幅属性、均方根振幅属性分别与相干属性融合。
使用CSMHYD软件对所述研究靶区内的水合物钻探数据进行计算,得到三维水合物稳定带底界,进而厘定研究靶区内年代地层界面。
对研究靶区内的三维地层进行追踪,以及对三维地震数据进行分频属性计算均使用Paleoscan软件。
本发明具有以下有益效果及优点:
1.本发明利用分频RGB及多属性融合方法探寻砂质水合物储层,可对宽陆架背景中海底地层水平及沉积复杂研究区高饱和度水合物层精确预测,提升了现有的水合物勘探技术。
2.本发明融入水合物成藏要素地质解释,综合地质要素发育异常区,对水合物富集最优区筛选,可提高水合物下一步钻探及试采成功率,降低水合物勘探成本及钻井风险。
3.对深水-半深水区粗粒碎屑物质沉积较少的宽陆架地质背景,综合利用现已有的地球物理数据对高饱和度砂质储层发育的潜力区预测,可为复杂沉积背景下水合物富集区选取提供技术指导,并为未来水合物勘探指明方向。
附图说明
图1为分频和多种属性融合识别预测砂质水合物储层流程图;
图2为分频刻画陆坡深水-陆隆扇体精细形态特征及对应的沉积相解释图;
图3为砂质储层水合物饱和度最大值和均方根值反演图;
图4为砂质储层水合物饱和度反演剖面及对应的地震剖面。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
本发明提供了一种利用测井及地震分频和多属性联合预测砂质水合物储层分布及评价的方法,该方法基于“源-渠-汇”沉积学的指导思想,对三维地震进行全局地质建模的地层自动解释,在地震分频体基础上,对多地震属性融合刻画砂体形态及展布,结合地震反演及地质解释有效识别及预测潜力砂质水合物储层。
本发明首先基于“源-渠-汇”指导思想,选取研究靶区,基于实测油气-水合物钻井获取的温度数据计算研究区水合物稳定带底界,在年代地层基础上,建立年代地层格架;随之利用Paleoscan软件在三维地层框架基础上,对海底到4000ms范围内地层,自动追踪三维地层;其次对地震数据体进行分频处理为低-中-高分频数据体,范围分别为10-20、30-40和60-70HZ;然后对三套数据分别计算最大振幅、最小振幅、均方根振幅和相干属性体,并沿层分别提取各层位属性;对四种层位属性根据三原色原理融合分析,并对异常区叠合,圈定异常区最多地区;最后利用Jason软件和确定性反演技术对水合物阻抗及纵波速度等弹性参数反演,进而反演水合物饱和度体,实现水合物富集区预测。如图1所示,具体步骤如下:
步骤1:结合区域沉积地质研究,筛选具有陆源河流输送研究区域,开展“源-渠-汇”沉积体系分析,利用三维地震数据对深水-半深水海域,海底沉积体系刻画,初步识别陆坡峡谷内部、陆隆峡谷扇体和局部地形凹地为有利陆源碎屑物质卸载区,在此基础上细致选择研究靶区;
步骤2:对研究靶区收集海底层位、海底温度、地温梯度及气体组成等水合物钻探数据,利用CSMHYD程序计算三维水合物稳定带底界,厘定研究区典型年代地层界面,建立三维年代地层框架;
步骤3:利用Paleoscan软件在已有三维年代地层框架基础上,对从海底到海底以下4000ms范围内的地层,利用基于自动地层模型的全局自动地震解释方法对全区自动追踪三维地层,限定100-500套层位;
步骤4:对地震数据进行分频属性计算,将地震数据分解为三套属性体,三套频率域范围分别从10-20、30-40、和50-60HZ频率域范围中取值,分别为低-中-高频数据体;
步骤5:利用分频处理的三套数据分别计算最大振幅、最小振幅、均方根振幅和相干属性体,这些属性体对断层、水合物、游离气及沉积岩性变化敏感;
步骤6:对分频处理的三套数据体计算的各属性体,沿自动解释的层位分别提取沿层属性;
步骤7:对同一地层沿高-中-低频属性体提取的三个地层属性,根据三原色原理逐层融合,即对最大振幅属性、最小振幅属性、均方根振幅属性分别与相干属性融合分析;
步骤8:对各层融合结果进行敏感属性优化筛选,和人工圈定异常区,识别断层、气烟囱、游离气、水合物及有利砂体潜力区;
步骤9:对流体疏导通道展布、有利砂体发育区及水合物及游离气赋存区叠合分析,选择各要素发育最叠合地区为最有利砂质水合物储层发育区。
步骤10:利用Jason软件基于确定性反演水合物阻抗及纵波速度等弹性参数,进而反演水合物饱和度体,沿多层位提取>20%水合物储层分布范围,实现水合物富集区预测。
本发明通过本专利技术与传统技术进行对比,基于地震分频数据体,利用Paleoscan软件对三维地震数据进行层位自动解释,在分频数据体基础上提取振幅及相干属性,逐层融合分析研究区砂质水合物富集潜力区。
南海三维地震数据对砂质水合物储层识别及分布预测,主要利用三维地层自动解释,数据体分频处理,多属性融合分析及水合物储层反演技术一套技术序列实现。图2为研究区内砂质储层分布的预测,其中海底扇体及峡谷内部为粗粒储层有利分布区,图2中a是利用分频属性沿自动追踪地层根据三原色原理融合结果,可以看到峡谷及下部扇体汇聚的影子,图2中b是根据上图刻画结果,进行的沉积相解释,而图3为砂质水合物储层饱和度反演结果,可观察到砂质储层内水合物饱和度可达0.4,在利用Jason确定反演结果基础上,沿砂层提取的最大振幅和均方根振幅值,能看到砂质内部水合物饱和度的分布情况,而图4的反演剖面可见水合物在砂质储层中为成层分布特征,地震剖面及对应的饱和度反演结果,可以看到砂层内水合物呈层性分布特征,本专利技术对宽陆架背景下砂质储层发育但BSR并不明显的研究区具有较好的应用效果。

Claims (8)

1.分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,包括以下步骤:
步骤1:利用三维地震数据对深水-半深水海域进行海底沉积体系刻画,以识别得到有利陆源碎屑物质卸载区,作为研究靶区;
步骤2:采集研究靶区内的水合物钻探数据,对其进行计算水合物稳定带底界,并厘定年代地层界面,进而建立三维年代地层框架;
步骤3:基于三维年代地层框架,对从海底到海底以下设定范围内的地层,利用基于自动地层模型的全局自动地震解释方法对研究靶区自动追踪三维地层;
步骤4:对三维地震数据进行分频属性计算:将三维地震数据分解为三套属性体,三套频率域范围分别从a、b和c频率域范围中取值,其中,a<b<c,分别为低-中-高频属性体;
所述a频率域范围为:10-20HZ,所述b频率域范围为:30-40HZ,所述c频率域范围为:50-60HZ;
步骤5:分别计算低-中-高频属性体中的最大振幅、最小振幅、均方根振幅和相干属性体,作为体属性;
步骤6:沿自动解释的层位切片,从步骤5中的4种体属性中分别提取沿层的层属性;
步骤7:对同一地层沿高-中-低频属性体提取的三个层属性,根据三原色即RGB原理融合;
所述根据三原色即RGB原理融合为:对最大振幅属性、最小振幅属性、均方根振幅属性分别与相干属性融合;
步骤8:对各层融合结果进行属性优化筛选和人工圈定异常区,以识别各水合物成藏地质要素,所述水合物成藏地质要素具体为:断层、气烟囱、游离气、水合物及有利砂体发育潜力区;
步骤9:对人工圈定异常区后得到流体疏导通道展布、有利砂体发育区及水合物及游离气赋存区进行叠合分析,选择各水合物成藏地质要素发育最叠合地区为预测出的砂质水合物储层发育区。
2.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,预测出的砂质水合物储层发育区后,使用Jason软件对其进行水合物饱和体的反演,以对其进行评价。
3.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,所述有利陆源碎屑物质卸载区具体为:陆坡峡谷内部、陆隆峡谷扇体和局部地形凹地。
4.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,所述水合物钻探数据具体为:海底层位、海底温度、地温梯度及气体组成数据。
5.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,所述海底以下设定范围为:海底以下4000ms范围。
6.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,所述三维地层限定100-500套层位。
7.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,使用CSMHYD软件对所述研究靶区内的水合物钻探数据进行计算,得到三维水合物稳定带底界,进而厘定研究靶区内年代地层界面。
8.根据权利要求1所述的分频RGB切片与多属性融合的砂质水合物储层预测方法,其特征在于,对研究靶区内的三维地层进行追踪,以及对三维地震数据进行分频属性计算均使用Paleoscan软件。
CN202110623022.3A 2021-06-04 2021-06-04 分频rgb切片与多属性融合的砂质水合物储层预测方法 Active CN113341480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110623022.3A CN113341480B (zh) 2021-06-04 2021-06-04 分频rgb切片与多属性融合的砂质水合物储层预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110623022.3A CN113341480B (zh) 2021-06-04 2021-06-04 分频rgb切片与多属性融合的砂质水合物储层预测方法

Publications (2)

Publication Number Publication Date
CN113341480A CN113341480A (zh) 2021-09-03
CN113341480B true CN113341480B (zh) 2022-11-29

Family

ID=77475357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110623022.3A Active CN113341480B (zh) 2021-06-04 2021-06-04 分频rgb切片与多属性融合的砂质水合物储层预测方法

Country Status (1)

Country Link
CN (1) CN113341480B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107608007A (zh) * 2017-08-29 2018-01-19 广州海洋地质调查局 一种海洋天然气水合物开发环境监测系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6246963B1 (en) * 1999-01-29 2001-06-12 Timothy A. Cross Method for predicting stratigraphy
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
CN107132573B (zh) * 2017-02-28 2019-04-26 中国石油化工股份有限公司 一种应用子波分解重构技术识别强阻抗屏蔽下岩性油藏的方法
CN109683198B (zh) * 2019-01-30 2020-08-18 中海石油深海开发有限公司 一种用于海上地震的多源随机激发地震采集系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107608007A (zh) * 2017-08-29 2018-01-19 广州海洋地质调查局 一种海洋天然气水合物开发环境监测系统及方法

Also Published As

Publication number Publication date
CN113341480A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
Ashraf et al. A core logging, machine learning and geostatistical modeling interactive approach for subsurface imaging of lenticular geobodies in a clastic depositional system, SE Pakistan
Tian et al. Multi-layered Ordovician paleokarst reservoir detection and spatial delineation: A case study in the Tahe Oilfield, Tarim Basin, Western China
Abdel-Fattah et al. Static reservoir modeling of the Bahariya reservoirs for the oilfields development in South Umbarka area, Western Desert, Egypt
Lashin et al. Characterization of the Qishn sandstone reservoir, Masila Basin–Yemen, using an integrated petrophysical and seismic structural approach
Adelu et al. Application of 3D static modeling for optimal reservoir characterization
Pranter et al. Fluvial architecture and connectivity of the Williams Fork Formation: use of outcrop analogues for stratigraphic characterization and reservoir modelling
Adeoti et al. Static reservoir modeling using well log and 3-D seismic data in a KN field, offshore Niger Delta, Nigeria
De Gasperi et al. Sequence stratigraphy of the Eocene turbidite reservoirs in Albacora field, Campos Basin, offshore Brazil
Neuhaus et al. Quantitative seismic reservoir characterization of an Oligocene Miocene carbonate buildup: Malampaya field, Philippines
Pranter et al. Characterization and 3D reservoir modelling of fluvial sandstones of the Williams Fork Formation, Rulison field, Piceance basin, Colorado, USA
Fustic et al. Reservoir modeling by constraining stochastic simulation to deterministically interpreted three-dimensional geobodies: Case study from Lower Cretaceous McMurray Formation, Long Lake steam-assisted gravity drainage project, Northeast Alberta, Canada
Cao et al. Application of seismic sedimentology in predicating sedimentary microfacies and coalbed methane gas content
Kurah et al. Reservoir characterization and volumetric estimation of reservoir fluids using simulation and analytical methods: a case study of the coastal swamp depobelt, Niger Delta Basin, Nigeria
Hassan et al. An advanced workflow to compress the uncertainties of stochastic distribution of Bahariya reservoir properties using 3D static modeling: an example from Heba Oil Fields, Western Desert, Egypt
CN113341480B (zh) 分频rgb切片与多属性融合的砂质水合物储层预测方法
Abbaszadeh et al. Integrated geostatistical reservoir characterization of turbidite sandstone deposits in Chicontepec Basin, Gulf of Mexico
Yamamoto et al. Reservoir characterisation and scenario-based modelling to optimise development planning of the Jurassic Plover Formation in the Ichthys Field, North West Shelf of Australia
Tarshan et al. Petroleum system modelling and identification of promising oil and gas bearing objects in the eastern part of the Gulf of Suez, Egypt
Sloan Stratigraphic architecture and connectivity of a low net-to-gross fluvial system: Combining outcrop analogs and multiple-point geostatistical modeling, lower Williams Fork Formation, Piceance Basin, Colorado
Chapin et al. Integrated static and dynamic modeling of the Pinedale tight gas field, Wyoming
Mohamed et al. Geological modeling of hydrocarbon reservoir rocks in the Mafia Basin, offshore Tanzania
Taura et al. Structural and petrophysical controls on the remaining fluid distribution in the reservoirs of Gharif Formation before abandonment
Doyen et al. Saturation mapping from 4-D seismic data in the Statfjord field
Skaug et al. Geological modelling of the Frigg field with special emphasis on shale mapping
Podnebesnykh et al. New approach to the evaluation of the structure of initial reserves in Ozhginskoe gas-oil field

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