CN113484907A - 一种预测不同类型储层平面上分布的方法 - Google Patents

Abstract

本发明提供一种预测不同类型储层平面上分布的方法，包括：步骤10，利用三维叠后地震数据对目的层段进行波形分类，并确定有利地震相分布区域；步骤20，确定不同类型储层样本目的层段关于储层属性的一系列属性波形，并将属性波形与有利地震相分布区域内的网格点上的目的层段相关属性波形进行属性相关系数计算，得到网格点上的一系列关于不同类型储层样本的属性相关系数值，并设定属性相关系数门槛值；步骤30，利用网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别以及颜色分量赋值和融合处理，得到不同类型储层分布的颜色平面图。本发明具有直观，可解释性强及操作简单等的特点。

Description

一种预测不同类型储层平面上分布的方法

技术领域

本发明涉及地球物理勘探中的地震资料解释处理技术领域，具体而言，涉及一种预测不同类型储层平面上分布的方法。

背景技术

在地球物理勘探领域中，通过常规的方法获取地震数据后，需要对地震数据进行解释，一般要进行相应的储层预测解释流程。在储层预测解释流程中，需要对相关的测井资料进行分析，并对地震资料进行有关的属性提取、反演等计算，然后就是利用原始地震资料、测井资料、提取或反演的属性数据相互进行定性和定量分析，识别出储层可能的发育区域和层段，从而完成储层预测工作。

众所周知，储层是具有一定的物理特性，储层的不同类型也具有多种多样的物理特性。在一个研究区内也可能发育有多种类型的储层，如有的储层是裂缝型储层或孔隙型储层，而有的储层则可能是裂缝-孔隙型储层，甚至于岩溶型储层；如将不同的储层类型依含气性的优劣及厚度等参数，划分为Ⅰ-Ⅲ类储层等。所以，一个研究区内发育多种类型的储层是较多见的。总体上，这些不同类型的储层有多个物理表现形式，可有不同的地球物理技术对其进行反演计算。如裂缝、岩溶的物理特性可有相干、曲率等地球物理技术对其进行描述；而孔隙度则可利用波阻抗等反演数据与之对应；储层所含的流体性质则可利用频率及振幅、衰减属性等成果对其进行表述。

常规的储层预测技术方法有很多种，基本上可分为叠前、叠后反演两个大类。但对于一个研究区内有多种类型的储层时，往往此时的单一反演或属性成果往往不能很好地对这些多种类型的储层进行描述。如申请号为201110325780.3的发明专利《一种地震多属性RGBA颜色融合方法》利用地震数据的三个不同属性数据进行RGBA颜色融合，生成一个RGBA颜色融合数据体；申请号为201110171068.2的发明专利公开了一种地震反演数据预测储层的方法，实现了基于模型反演得到的波阻抗或速度数据进行岩性或储层预测的一种新手段。可见近年来，对储层的各种物理特性预测的技术方法很多，研究相对比较成熟。但是，针对储层多种类型的综合的预测技术还不够完善，主要体现在以下几个方面：

(1)采用常规储层预测技术通常只能预测储层的综合类型或单一类型响应，而不能预测及区分出储层的多个类型。

(2)单一属性数据体往往包含了储层及非储层的信息，并难以在数据中对其进行识别、区分。

(3)常规颜色融合方法只能使用三种属性数据体，对较为复杂的不同类型储层的识别能力有限。

发明内容

本发明旨在提供一种预测不同类型储层平面上分布的方法，以解决上述常规储层预测技术存在的难以对同一研究区内的多种储层类型进行相应的区分及描述的问题。

本发明提供的一种预测不同类型储层平面上分布的方法，包括如下步骤：

步骤10，利用三维叠后地震数据对目的层段进行波形分类，并根据波形分类的结果确定有利地震相分布区域；

步骤20，确定不同类型储层样本目的层段关于储层属性的一系列属性波形，并将属性波形与有利地震相分布区域内的网格点上的目的层段相关属性波形进行属性相关系数计算，得到有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值，并设定不同类型储层的属性相关系数门槛值；

步骤30，利用有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别以及颜色分量赋值和融合处理，得到不同类型储层分布的颜色平面图。

进一步的，步骤10包括如下子步骤：

步骤11，利用三维叠后地震数据对目的层段进行波形分类：

(1)通过三维叠后地震数据解释得到目的层段层位数据；

(2)利用目的层段层位数据，向上或向下开一个能够包括进储层段的固定时窗，即得到目的层段；

(3)根据目的层段的反射波形特征信息，采用监督或无监督的分类方法来识别不同的地震波形，并将识别到的地震波形划分进分类后所设计的不同类别，从而得到分类波形；

步骤12，根据波形分类的结果确定有利地震相分布区域；其中，有利地震相分布区域包含一个分类波形的地震相或多个分类波形的地震相。

进一步的，步骤20中所述确定不同类型储层样本目的层段关于储层属性的一系列属性波形的方法为：

计算不同类型储层样本目的层段关于储层的岩性、裂缝及含气性相关的属性数据体，三个属性数据体的波形即为三个属性波形；

再根据有利地震相分布区域内的不同波形分类结果，确定不同类型波形内的不同类型储层样本的三个属性波形。

进一步的，步骤20中进行属性相关系数计算的计算公式如下：

式中，r表示属性相关系数值；|x_i|表示某网格点的目的层段的属性波形的第i个采样点的的储层属性值的绝对值；|y_i|表示某一类型储层样本上与网格点的目的层段的属性波形的第i个采样点对应的属性数据值的绝对值；n为采样点总数。

进一步的，步骤20中设定不同类型储层的属性相关系数门槛值的方法为：不同类型波形内的不同类型储层样本的三个属性波形分别进行关于不同类型储层的三个属性相关系数门槛值的确定；确定方法包括：

方法一：根据门槛值测试资料、专家经验和/或以往勘探区内同一个目的层段的属性相关系数门槛值设定进行确定；

方法二：设计盲井，计算盲井与同一类型波形内已知井的同一类型储层的三个属性相关系数计算，并根据计算结果选择最小的属性相关系数系数值作为该类型储层的该属性相关系数门槛值；依此类推，完成同一类型波形内的不同类型储层的三个属性相关系数门槛值确定；依此类推，完成有利地震相分布区域内的不同类型波形内的不同类型储层的三个属性相关系数门槛值的确定。

进一步的，步骤30包括如下子步骤：

步骤31，设定储层类型相对应的R、G、B颜色分量；

步骤32，利用有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别，并根据设定的储层类型相对应的R、G、B颜色分量，对网格点储层类型识别结果进行颜色分量赋值；

步骤33，对网格点赋值的颜色分量进行融合，得到该网格点的融合颜色；依次类推，完成有利地震相分布区域内的各个网格点上的颜色分量赋值和融合处理，得到每个网格点的融合颜色，从而得到一个不同类型储层分布的颜色平面图。

进一步的，步骤32中进行网格点储层类型识别以及进行颜色分量赋值的方法包括：

a、如网格点上的一系列关于不同类型储层样本中某一类型储层的三个属性相关系数值均为最大值，并且均大于或等于该类型储层三个属性相关系数门槛值，则将该网格点储层类型设定为该类型储层样本的储层类型；并将该网格点的颜色分量设定为与该类型储层所设定的R、G、B颜色分量相同。

b、如网格点上的一系列关于不同类型储层样本中三个类型储层的三个属性相关系数值均为最大值，并且均大于或等于这三种类型储层三个属性相关系数门槛值，则将该网格点储层类型设定为三种储层样本的新储层类型；并将该网格点的颜色分量设定为与这三种类型储层所设定的R、G、B颜色分量及颜色分类相同。

c、如网格点上的一系列关于不同类型储层样本中某一类型储层的某两个属性相关系数值均为最大值，并且某两个属性相关系数均大于或等于该类型储层两个属性相关系数门槛值，而另一个属性相关系数则小于该类型储层的属性相关系数门槛值并大于另一个类型储层的该属性相关系数门槛值，则将该网格点储层类型设定为这两个储层类型混合型，并设定为新储层类型，并根据属性相关系数计算结果判断该新储层类型整体上偏向于大于两个某一类型储层的属性相关系数门槛值的储层类型；对该网格点进行关于颜色分量的赋值为根据两个属性相关系数值大于某一类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另一个大于另一类型储层的属性相关系数门槛值的颜色分量所对应的设定颜色分量作为另外一个颜色分量及颜色分类。

d、如网格点上的一系列关于不同类型储层样本中某一类型储层的某个属性相关系数值为最大值并大于该类型储层的属性相关系数门槛值，而另两个属性相关系数均小于任何一种类型储层的两个属性相关系数门槛值，则将该网格点储层类型设定为非储层与这个储层类型混合型，并设定为一个新储层类型；对该网格点进行关于颜色分量的赋值为根据该属性相关系数值大于某一类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另两个属性相关系数值对应的颜色分类的颜色分量均设定为零值。

e、如网格点上的一系列关于不同类型储层样本中某一类型储层的某个属性相关系数值为最大值并大于该类型储层的属性相关系数门槛值及这样情况也出现在另一种类型储层的属性相关系数计算中，并且某一个属性相关系数均小于任何一种类型储层的两个属性相关系数门槛值，则将该网格点储层类型设定为非储层与这两个储层类型混合型，并设定为一个新储层类型；对该网格点进行关于颜色分量的赋值为根据该网格点上两个属性相关系数大于相关类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另一个属性相关系数对应的颜色分类的颜色分量值设定为零值。该步骤e的方法同样适用于针对某一类型储层的两个属性相关系数均为最大值，而另一个属性相关系数小于任何一种类型储层的该属性相关系数门槛值的情况。

f、如网格点上的一系列关于不同类型储层样本中某一类型储层的三个属性相关系数值均为最大值，并且三个属性相关系数值均小于相对应的任何一种类型储层的属性相关系数门槛值，则将三个属性相关系数值对应的三个颜色分量均设定为零值。

进一步的，步骤33中对网格点赋值的颜色分量进行融合的方法为：

I_RGB＝S[I_R，I_G，I_B，I_A]

式中：I_RGB表示某一网格点的融合颜色；I_R、I_G、I_B及I_A分别表示红、绿、蓝、透明度四种颜色；S表示混色变换操作。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明利用波形分类及建立不同类型储层样本、属性相关系数分析及门槛值确定等步骤，达到精确划分有利地震相分布区域内的不同类型储层分布的目的。本发明的预测不同类型储层平面上分布的方法具有直观，可解释性强及操作简单等的特点。并且本发明除了可以对关于陆相的有利地震相(如河道)进行不同类型储层的预测，也可以利用本发明对其它类型储层的含气性等进行评价。如利用本发明也能清楚地实施对四川盆地某些勘探区的海相礁滩相的不同类型储层的含气性的刻画、页岩气储层的评价，均取得良好的效果，并与上述相关勘探地区的后续实钻井资料吻合度较高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例的预测不同类型储层平面上分布的方法的流程图。

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、完整地描述，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

实施例

如图1所示，本实施例提出一种预测不同类型储层平面上分布的方法，包括如下步骤：

步骤10，利用三维叠后地震数据对目的层段进行波形分类，并根据波形分类的结果确定有利地震相分布区域；

步骤11，利用三维叠后地震数据对目的层段进行波形分类：

(1)通过三维叠后地震数据解释得到目的层段层位数据。

具体地，利用三维叠后地震数据通过井震合成记录标定，在地震剖面上确定目的层段的底层或顶层，并根据解释网格对目的层段的底或顶进行解释，经内插和圆滑处理后得到相关的目的层段层位数据。

其中，三维叠后地震数据是指经过静校正、去噪及反褶积、振幅补偿、动校正及剩余静校正处理的叠后偏移的地震数据体；优选地，进行了叠前时间偏移处理的叠后偏移的地震数据体或提高分辨率处理后的叠后偏移的地震数据体具有更好的效果。

(2)利用目的层段层位数据，向上或向下开一个能够包括进储层段的固定时窗，即得到目的层段。一般情况下，目的层段应该包括一个地震反射波长。

(3)根据目的层段的反射波形特征信息，采用监督或无监督的分类方法来识别不同的地震波形，并将识别到的地震波形划分进分类后所设计的不同类别，从而得到分类波形。

其中，监督或无监督的分类方法包括基于SOM神经网络的自动波形分类、基于分层聚类的自动波形分类、基于概率模型聚类的自动波形分类或基于确定性概率分布的EM有监督波形分类，这些分类方法为现有技术，在此不再赘述。

步骤12，根据波形分类的结果确定有利地震相分布区域：

有利地震相分布区域的确定，可以结合已知井上的沉积相分析、不同类型储层的分布特点、其它勘探区的有利地震相分析经验及专家经验等确定。并将有利地震相分布区域内的各个网格点(CDP点)上的地震道参与后续的计算，而非有利地震相内的地震道不参与后续的计算。有利地震相分布区域可以为包含一个分类波形的地震相或多个分类波形的地震相。

步骤20，确定不同类型储层样本目的层段关于储层属性的一系列属性波形，并将属性波形与有利地震相分布区域内的网格点上的目的层段相关属性波形进行属性相关系数计算，得到有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值，并设定不同类型储层的属性相关系数门槛值；

步骤21，确定不同类型储层样本目的层段关于储层属性的一系列属性波形：

其中，关于储层属性的一系列属性波形是指关于储层的岩性识别、裂缝及含气性相关的属性数据体的波形。一般情况下，储层段中的不同类型储层的确定可以根据测井资料、地质资料及试油气资料、专家经验等确定，如将储层划分为Ⅰ、Ⅱ、Ⅲ类储层等，并以Ⅰ类储层为优质储层。由此，所述确定不同类型储层样本目的层段关于储层属性的一系列属性波形的方法为：

计算不同类型储层样本目的层段关于储层的岩性、裂缝及含气性相关的属性数据体，三个属性数据体的波形即为三个属性波形；

再根据有利地震相分布区域内的不同波形分类结果，确定不同类型波形内的不同类型储层样本的三个属性波形。

其中，计算不同类型储层样本目的层段关于储层的岩性、裂缝及含气性相关的属性数据体的方法是：利用三维叠前/叠后地震数据、测井资料及地质资料、油气测试资料等进行反演或属性计算得到相关的属性数据体或对其进行融合计算得到属性数据体。在实际操作中，如利用叠前/叠后反演的波阻抗数据体等进行目的层段的岩性属性计算得到岩性相关的属性数据体；利用相关的地震数据及裂缝计算技术及参数进行裂缝属性计算，得到裂缝相关的属性数据体；利用叠后吸收衰减属性或AVO反演或叠前弹性参数反演计算目的层段的含气性，得到含气性相关的属性数据体。

优选地，关于岩性相关的属性数据体计算，在实际操作中，也可以采用与孔隙度或与TOC(有机碳含量)等相关的地震属性代替。如在海相页岩气的计算中，可以采用与TOC计算相关的属性代替其岩性相关的属性数据体的计算。

步骤22，将步骤21确定的属性波形与有利地震相分布区域内的网格点上的目的层段相关属性波形进行相关系数计算：

(1)设定有利地震相分布区域内不同类型波形的网格点：所述网格点是指根据实际情况设定网格的网格参数，线方向与道方向的交点即为网格点，所述网格参数包括网格间距和网格数。优选地，所设计的网格点的网格间距越小和网格数越多，则对不同类型储层的平面上的划分精度越高，计算量相对增大；反之，则对不同类型储层的平面上的划分精度越低，计算量相对较小。在实际操作中，要根据专家经验、不同类型储层预测的精度要求等对网格点的间距及数目进行测试及综合分析，优选出划分精度较高及计算量相对较好的网格参数。

(2)对于某一属性相关系数的计算，利用某一类型波形的属性数据体对网格点上的目的层段提取其属性波形，再将提取的属性波形与步骤21中确定的同一类型波形内的属性波形进行属性相关系数计算，从而得到有利地震相分布区域内的该网格点上的一个类型储层样本的属性相关系数值；依次类推，对各个类型储层样本分别进行属性相关系数计算，得到一系列的各个网格点的目的层段关于不同类型储层样本的属性相关系数值。一般情况下，如与某个类型储层的网格点上的三个属性相关系数越大，则表明该网格点上的储层类型与该类型储层样本具有相似性；相关系数越小，则表明该网格点的储层类型与该类型储层样本的差异性越大，不属于该储层类型。

其中，进行属性相关系数计算的计算公式如下：

式中，r表示属性相关系数值；|x_i|表示某网格点的目的层段的属性波形的第i个采样点的的储层属性值的绝对值；|y_i|表示某一类型储层样本上与网格点的目的层段的属性波形的第i个采样点对应的属性数据值的绝对值；n为采样点总数。要求开固定时窗后目的层段的采样点的数目是一致的，这样便于进行属性相关系数的计算。i为采样点从双程反射时间由小到大的排序号。

(3)设定不同类型储层的属性相关系数门槛值：

不同类型波形内的不同类型储层样本的三个属性波形分别进行关于不同类型储层的三个属性相关系数门槛值的确定；确定方法包括：

方法一：属性相关系数门槛值的确定可以根据门槛值测试资料、专家经验、以往勘探区内同一个目的层段的属性相关系数门槛值设定等进行确定；

方法二：设计盲井，计算盲井与同一类型波形内已知井的同一类型储层的三个属性相关系数计算，并根据计算结果选择最小的属性相关系数系数值作为该类型储层的该属性相关系数门槛值；依此类推，完成同一类型波形内的不同类型储层的三个属性相关系数门槛值确定；依此类推，完成有利地震相分布区域内的不同类型波形内的不同类型储层的三个属性相关系数门槛值的确定。优选地，相关已知井中的不同类型储层的属性波形的获取主要是根据井-震标定结果，得到相关的已知井中的时深关系，并获得不同类型储层的深度位置信息，将该深度位置信息经时深关系计算得到时间域的位置信息，并提取井上相关属性波形(或曲线)与之相对应的时间域位置信息，从而得到井上不同类型储层的属性波形。

其中，鉴于关于不同类型储层的属性相关系数门槛值的确定是需要较多的井数目，原则上同一类型波形内的已知井必须有两口及以上，才能满足本发明关于储层含气性预测的要求。如果研究区内的井数目不满足上述的计算要求，则可以建立虚拟井，利用相关的正演分析技术、专家经验及相同研究区内井上不同类型储层的属性波形结果等，建立虚拟井上的不同类型储层的三个属性波形。

步骤30，利用有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别以及颜色分量赋值和融合处理，得到不同类型储层分布的颜色平面图。

具体地，步骤30包括：

步骤31，设定储层类型相对应的R、G、B颜色分量；一般情况下，优质储层可设定为暖色调，较差储层则设定为冷色调，并且可以根据不同类型波形内的网格点设定不同类型储层的R、G、B等三种颜色分量。原则上，同一类型波形内的同一类型储层设定固定的R、G、B颜色分量，不同类型储层可以设定不同的R、G、B颜色分量，并要求R、G、B颜色分量融合处理后其暖色调到冷色调的变化则代表储层从好到差的变化。另外，可以对不同类型波形内的同一类型储层设定不同R、G、B颜色分量，以示对不同类型波形的同一类型储层的区分。在实际操作中，可以根据相关R、G、B颜色分量赋值测试成果、专家经验等确定相关的不同类型波形内的不同类型储层的R、G、B颜色分量。一般情况下，不利地震相内的网格点的R、G、B颜色分量均设定为0值，以示其对于储层的区分。此外，同一类型储层的同一个属性相关系数门槛值可设定所对应的颜色分量，如某网格点的与该储层类型的该属性相关系数值大于或等于该属性相关系数门槛值，则将该网格点某一个颜色分量设定为与该类型储层相同的颜色分量及颜色分类(R、G、B中的一种)。

步骤32，利用有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别，并根据设定的储层类型相对应的R、G、B颜色分量，对网格点储层类型识别结果进行颜色分量赋值；

步骤33，对网格点赋值的颜色分量进行融合，得到该网格点的融合颜色；依次类推，完成有利地震相分布区域内的各个网格点上的颜色分量赋值和融合处理，得到每个网格点的融合颜色，从而得到一个不同类型储层分布的颜色平面图。其中，融合处理的方法为：在一个显示平面上，根据每个网格点上所设定的三个颜色分量利用RGB色彩空间的色彩混合规则计算出该点的颜色I_RGB。目前的计算机图形色彩系统普遍支持32位(256×256×256×256)色深，其中红(R)、绿(G)、蓝(B)、透明度(A)各占一个色彩通道。计算机显示设备通过RGBA四者混合产生更多的颜色，即：

I_RGB＝S[I_R，I_G，I_B，I_A]

式中：I_RGB表示某一网格点的融合颜色；I_R、I_G、I_B及I_A分别表示红、绿、蓝、透明度四种颜色，透明度I_A可以根据平面上融合颜色显示情况、专家经验及透明度测试结果分析等设定为0-255之间的某一固定整数值；S表示混色变换操作，由计算机显示设备完成。依此类推，对显示平面上的每个网格点的三个颜色分量进行色彩混合，从而生成一个RGBA颜色融合平面图，即一个能够显示不同类型储层分布的颜色平面图。

优选地，步骤32中进行网格点储层类型识别以及进行颜色分量赋值的方法包括：

a、如网格点上的一系列关于不同类型储层样本中某一类型储层的三个属性相关系数值均为最大值，并且均大于或等于该类型储层三个属性相关系数门槛值，则将该网格点储层类型设定为该类型储层样本的储层类型；并将该网格点的颜色分量设定为与该类型储层所设定的R、G、B颜色分量相同。

b、如网格点上的一系列关于不同类型储层样本中三个类型储层的三个属性相关系数值均为最大值，并且均大于或等于这三种类型储层三个属性相关系数门槛值，则将该网格点储层类型设定为三种储层样本的新储层类型；并将该网格点的颜色分量设定为与这三种类型储层所设定的R、G、B颜色分量及颜色分类相同。

c、如网格点上的一系列关于不同类型储层样本中某一类型储层的某两个属性相关系数值均为最大值，并且某两个属性相关系数均大于或等于该类型储层两个属性相关系数门槛值，而另一个属性相关系数则小于该类型储层的属性相关系数门槛值并大于另一个类型储层的该属性相关系数门槛值，则将该网格点储层类型设定为这两个储层类型混合型，并设定为新储层类型，并根据属性相关系数计算结果判断该新储层类型整体上偏向于大于两个某一类型储层的属性相关系数门槛值的储层类型；对该网格点进行关于颜色分量的赋值为根据两个属性相关系数值大于某一类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另一个大于另一类型储层的属性相关系数门槛值的颜色分量所对应的设定颜色分量作为另外一个颜色分量及颜色分类。

d、如网格点上的一系列关于不同类型储层样本中某一类型储层的某个属性相关系数值为最大值并大于该类型储层的属性相关系数门槛值，而另两个属性相关系数均小于任何一种类型储层的两个属性相关系数门槛值，则将该网格点储层类型设定为非储层与这个储层类型混合型，并设定为一个新储层类型；对该网格点进行关于颜色分量的赋值为根据该属性相关系数值大于某一类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另两个属性相关系数值对应的颜色分类的颜色分量均设定为零值。

e、如网格点上的一系列关于不同类型储层样本中某一类型储层的某个属性相关系数值为最大值并大于该类型储层的属性相关系数门槛值及这样情况也出现在另一种类型储层的属性相关系数计算中，并且某一个属性相关系数均小于任何一种类型储层的两个属性相关系数门槛值，则将该网格点储层类型设定为非储层与这两个储层类型混合型，并设定为一个新储层类型；对该网格点进行关于颜色分量的赋值为根据该网格点上两个属性相关系数大于相关类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另一个属性相关系数对应的颜色分类的颜色分量值设定为零值。该步骤e的方法同样适用于针对某一类型储层的两个属性相关系数均为最大值，而另一个属性相关系数小于任何一种类型储层的该属性相关系数门槛值的情况。

f、如网格点上的一系列关于不同类型储层样本中某一类型储层的三个属性相关系数值均为最大值，并且三个属性相关系数值均小于相对应的任何一种类型储层的属性相关系数门槛值，则将三个属性相关系数值对应的三个颜色分量均设定为零值。

需要说明的是，上述只是给出了关于网格点上的不同类型储层的识别及颜色分量赋值、颜色分类的方法，可以很容易做出关于该方法的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此上述描述的方式只是优选的，而并不具有限制性的意义。

经过上述操作，可以得到一个代表不同类型储层分布的颜色平面图，利用该颜色平面图可以确定不同类型储层的分布范围。

示例：

根据上述本发明预测不同类型储层平面上分布的方法的流程对某三维工区的陆相致密砂岩进行有利地震相分布区域内不同类型储层分析及预测。在该勘探区内，对某储层段进行关于Ⅰ-Ⅲ类的储层类型划分，并且要求完成对平面上的不同类型储层的分布情况进行分析及描述，以便指导水平井钻进及后续的油气开发设计。

在步骤10中根据研究区致密砂岩段的钻探特点，确定出该时期河道是该区储层发育的主要部位。因此，对研究区河道的平面分布形态进行刻画至关重要，可以根据地震相分类来对河道的位置及储层分布形态进行分析。实际操作中主要根据相关河道目的层段的分布特点、计算机及硬盘的情况，针对研究区砂岩储层的地震相特征，利用三维叠后地震数据及致密砂岩段目的层时窗(40ms)进行波形分类，波形分类数为9类，并根据井资料最终确定第1、3类波形为河道位置。因此，主要是对第1、3类波形进行关于不同类型储层平面上分布的分析。此外，目的层段的获得是利用井-震合成记录标定结果及三维叠后地震数据，对目的层段的底层位进行全区的人工解释，解释网格是10线×10道。将解释的层位数据经克里金插值及圆滑处理后，内插到1线X×1道，从而得到相关目的层段层位数据。

在步骤20中对第1、3类波形范围内设定网格，网格为1线×1道，从而建立第1、3类波形的网格点，并利用相关地震数据体计算相关的岩性、裂缝及含气性相关的三个属性数据体。在实际操作中，对对第1、3类波形中的已知井目的层段内不同类型储层样本进行仔细分析，发现不同的储层属性样本波形(三种属性)在一些细节上存在差异性，因此会造成其储层类型的不同。在实际操作中，利用A1—H16井等共计28口井实测的目的层的不同类型储层及其对应的目的层三种属性波形(第1类中有13口钻井，第3类中有15口钻井)，分别对第1、3类波形内的各个网格点上的属性波形进行属性相关系数计算，从而得到各个网格点的一系列关于不同类型储层样本的属性相关系数值；在这第1、3类波形内共设计了代表不同类型储层的盲井计6口，完成了相关第1、3类波形内的Ⅰ-Ⅲ类的储层类型的属性相关系数门槛值的划分。

在步骤30中利用各个网格点上的一系列关于不同类型储层样本的三种属性相关系数值及其不同类型储层的属性相关系数门槛值，实施对网格点上的不同类型储层的识别及颜色分量赋值，并经融合处理后得到一个颜色平面图。在实际操作中，根据第1、3类波形内的不同类型储层进行关于颜色分量赋值及颜色分类，并且根据网格点上的三种属性相关系数值中的最大值所对应的储层类型实施关于该网格点的颜色分量赋值及颜色分类；对于不属于第1、3类波形的网格点均将其颜色分量设定为零值。此外，根据网格点上的颜色分量赋值结果，对其进行融合处理，从而得到一个用于预测不同类型储层的颜色平面图。对该颜色平面图利用后续的钻井资料进行对比分析，预测结果与实测结果误差不大，均小于8.2％，达到了该区关于河道油气勘探及开发的目的。

通过上述可知，本发明的预测不同类型储层平面上分布的方法具有直观，可解释性强及操作简单等的特点。并且本发明除了可以对关于陆相的有利地震相(如河道)进行不同类型储层的预测，也可以利用本发明对其它类型储层的含气性等进行评价。如利用本发明也能清楚地实施对四川盆地某些勘探区的海相礁滩相的不同类型储层的含气性的刻画、页岩气储层的评价，均取得良好的效果，并与上述相关勘探地区的后续实钻井资料吻合度较高。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种预测不同类型储层平面上分布的方法，其特征在于，包括如下步骤：

步骤10，利用三维叠后地震数据对目的层段进行波形分类，并根据波形分类的结果确定有利地震相分布区域；

步骤20，确定不同类型储层样本目的层段关于储层属性的一系列属性波形，并将属性波形与有利地震相分布区域内的网格点上的目的层段相关属性波形进行属性相关系数计算，得到有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值，并设定不同类型储层的属性相关系数门槛值；

步骤30，利用有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别以及颜色分量赋值和融合处理，得到不同类型储层分布的颜色平面图。

2.根据权利要求1所述的预测不同类型储层平面上分布的方法，其特征在于，步骤10包括如下子步骤：

步骤11，利用三维叠后地震数据对目的层段进行波形分类：

(1)通过三维叠后地震数据解释得到目的层段层位数据；

(2)利用目的层段层位数据，向上或向下开一个能够包括进储层段的固定时窗，即得到目的层段；

(3)根据目的层段的反射波形特征信息，采用监督或无监督的分类方法来识别不同的地震波形，并将识别到的地震波形划分进分类后所设计的不同类别，从而得到分类波形；

步骤12，根据波形分类的结果确定有利地震相分布区域；其中，有利地震相分布区域包含一个分类波形的地震相或多个分类波形的地震相。

3.根据权利要求1所述的预测不同类型储层平面上分布的方法，其特征在于，步骤20中所述确定不同类型储层样本目的层段关于储层属性的一系列属性波形的方法为：

计算不同类型储层样本目的层段关于储层的岩性、裂缝及含气性相关的属性数据体，三个属性数据体的波形即为三个属性波形；

再根据有利地震相分布区域内的不同波形分类结果，确定不同类型波形内的不同类型储层样本的三个属性波形。

4.根据权利要求3所述的预测不同类型储层平面上分布的方法，其特征在于，步骤20中进行属性相关系数计算的计算公式如下：

式中，r表示属性相关系数值；|x_i|表示某网格点的目的层段的属性波形的第i个采样点的的储层属性值的绝对值；|y_i|表示某一类型储层样本上与网格点的目的层段的属性波形的第i个采样点对应的属性数据值的绝对值；n为采样点总数。

5.根据权利要求4所述的预测不同类型储层平面上分布的方法，其特征在于，步骤20中设定不同类型储层的属性相关系数门槛值的方法为：不同类型波形内的不同类型储层样本的三个属性波形分别进行关于不同类型储层的三个属性相关系数门槛值的确定；确定方法包括：

方法一：根据门槛值测试资料、专家经验和/或以往勘探区内同一个目的层段的属性相关系数门槛值设定进行确定；

方法二：设计盲井，计算盲井与同一类型波形内已知井的同一类型储层的三个属性相关系数计算，并根据计算结果选择最小的属性相关系数系数值作为该类型储层的该属性相关系数门槛值；依此类推，完成同一类型波形内的不同类型储层的三个属性相关系数门槛值确定；依此类推，完成有利地震相分布区域内的不同类型波形内的不同类型储层的三个属性相关系数门槛值的确定。

6.根据权利要求5所述的预测不同类型储层平面上分布的方法，其特征在于，步骤30包括如下子步骤：

步骤31，设定储层类型相对应的R、G、B颜色分量；

步骤32，利用有利地震相分布区域内的网格点上的一系列关于不同类型储层样本的属性相关系数值及属性相关系数门槛值，进行网格点储层类型识别，并根据设定的储层类型相对应的R、G、B颜色分量，对网格点储层类型识别结果进行颜色分量赋值；

步骤33，对网格点赋值的颜色分量进行融合，得到该网格点的融合颜色；依次类推，完成有利地震相分布区域内的各个网格点上的颜色分量赋值和融合处理，得到每个网格点的融合颜色，从而得到一个不同类型储层分布的颜色平面图。

7.根据权利要求6所述的预测不同类型储层平面上分布的方法，其特征在于，步骤32中进行网格点储层类型识别以及进行颜色分量赋值的方法包括：

a、如网格点上的一系列关于不同类型储层样本中某一类型储层的三个属性相关系数值均为最大值，并且均大于或等于该类型储层三个属性相关系数门槛值，则将该网格点储层类型设定为该类型储层样本的储层类型；并将该网格点的颜色分量设定为与该类型储层所设定的R、G、B颜色分量相同。

b、如网格点上的一系列关于不同类型储层样本中三个类型储层的三个属性相关系数值均为最大值，并且均大于或等于这三种类型储层三个属性相关系数门槛值，则将该网格点储层类型设定为三种储层样本的新储层类型；并将该网格点的颜色分量设定为与这三种类型储层所设定的R、G、B颜色分量及颜色分类相同。

c、如网格点上的一系列关于不同类型储层样本中某一类型储层的某两个属性相关系数值均为最大值，并且某两个属性相关系数均大于或等于该类型储层两个属性相关系数门槛值，而另一个属性相关系数则小于该类型储层的属性相关系数门槛值并大于另一个类型储层的该属性相关系数门槛值，则将该网格点储层类型设定为这两个储层类型混合型，并设定为新储层类型，并根据属性相关系数计算结果判断该新储层类型整体上偏向于大于两个某一类型储层的属性相关系数门槛值的储层类型；对该网格点进行关于颜色分量的赋值为根据两个属性相关系数值大于某一类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另一个大于另一类型储层的属性相关系数门槛值的颜色分量所对应的设定颜色分量作为另外一个颜色分量及颜色分类。

d、如网格点上的一系列关于不同类型储层样本中某一类型储层的某个属性相关系数值为最大值并大于该类型储层的属性相关系数门槛值，而另两个属性相关系数均小于任何一种类型储层的两个属性相关系数门槛值，则将该网格点储层类型设定为非储层与这个储层类型混合型，并设定为一个新储层类型；对该网格点进行关于颜色分量的赋值为根据该属性相关系数值大于某一类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另两个属性相关系数值对应的颜色分类的颜色分量均设定为零值。

e、如网格点上的一系列关于不同类型储层样本中某一类型储层的某个属性相关系数值为最大值并大于该类型储层的属性相关系数门槛值及这样情况也出现在另一种类型储层的属性相关系数计算中，并且某一个属性相关系数均小于任何一种类型储层的两个属性相关系数门槛值，则将该网格点储层类型设定为非储层与这两个储层类型混合型，并设定为一个新储层类型；对该网格点进行关于颜色分量的赋值为根据该网格点上两个属性相关系数大于相关类型储层的颜色分量中选定其所对应的设定的颜色分量及颜色分类，另一个属性相关系数对应的颜色分类的颜色分量值设定为零值。该步骤e的方法同样适用于针对某一类型储层的两个属性相关系数均为最大值，而另一个属性相关系数小于任何一种类型储层的该属性相关系数门槛值的情况。

f、如网格点上的一系列关于不同类型储层样本中某一类型储层的三个属性相关系数值均为最大值，并且三个属性相关系数值均小于相对应的任何一种类型储层的属性相关系数门槛值，则将三个属性相关系数值对应的三个颜色分量均设定为零值。

8.根据权利要求1所述的预测不同类型储层平面上分布的方法，其特征在于，步骤33中对网格点赋值的颜色分量进行融合的方法为：

I_RGB＝S[I_R，I_G，I_B，I_A]

式中：I_RGB表示某一网格点的融合颜色；I_R、I_G、I_B及I_A分别表示红、绿、蓝、透明度四种颜色；S表示混色变换操作。

Images