CN113495293B - 油藏流体预测方法及装置 - Google Patents
油藏流体预测方法及装置 Download PDFInfo
- Publication number
- CN113495293B CN113495293B CN202010250159.4A CN202010250159A CN113495293B CN 113495293 B CN113495293 B CN 113495293B CN 202010250159 A CN202010250159 A CN 202010250159A CN 113495293 B CN113495293 B CN 113495293B
- Authority
- CN
- China
- Prior art keywords
- oil
- seismic
- reflection coefficient
- extracted
- attribute
- 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
- 239000012530 fluid Substances 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 13
- 239000011435 rock Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 7
- 239000010410 layer Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000009933 burial Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01V1/30—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
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (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
本发明提供一种油藏流体预测方法及装置，该方法包括：对测井资料进行岩石物理分析，构建含油特征数据；建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；对含油地震反射系数体进行反演，得到含油流体因子。本发明首先提取含油地震反射系数体，根据含油地震反射系数体，可直接反演出含油流体因子，与现有技术对比，避免了在求取含油流体因子过程带来的累积误差，提高了油藏流体预测的精度和分辨率。
Description
技术领域
本发明涉及石油地球物理勘探技术领域，特别涉及一种油藏流体预测方法及装置。
背景技术
流体预测是地震勘探的终极目标。利用地震资料预测油气，分为叠后预测方法和叠前预测方法。叠后含油性预测技术可分为亮点技术、属性(振幅、频率、波形等)分析、吸收衰减分析、神经网络判识和阻抗反演技术等。近年来，叠前反演技术在国内外应用较为广泛，利用叠前数据首先被提出，以通过不同加权函数进行叠加得到流体因子和伪泊松比剖面来预测岩性和流体；在1997年，基于lambda-mu-rho(LMR)反演的交汇分析技术被提出，用以识别流体；在第65界EAGE年会上，角度流体因子和角度交会图的概念被提出，并提出利用两种角度计算得到流体因子的方法；而后，泊松阻抗概念被提出，泊松阻抗有机结合了常用的泊松比和密度属性，比单一的泊松比属性或密度参数能更有效的区分流体；而后，利用Biot-Gassmann方程，对饱和流体条件下的纵波速度方程进行改写的方法被提出，因此得到了流体因子进行流体识别的方法；之后又有人提出了基于叠前地震纵横波模量直接反演的流体检测方法。现有技术中，通常采用纵波阻抗，横波阻抗，纵横波速度比，密度参数，泊松比，拉梅参数等弹性参数组合的形式来表征流体因子，通过叠前三参数或弹性阻抗反演，提取不同的流体因子地震反演数据体。
一般认为，地层含气后气藏的地球物理响应特征与围岩差异较大，如速度、密度降低明显等；而地层含油后，油藏的地球物理响应特征与围岩差异不明显，因此理论上油藏地震预测难度远大于气藏预测，实际应用效果也表明气藏检测的成功率远大于油藏检测。目前基于地震资料的油藏预测方法大多数还是以定性预测为主，高精度的定量化预测技术还处于探索之中。
而勘探实践表明：基于叠后地震资料含油预测方法以定性预测为主，分辨率低，精度差和多解性强；基于叠前地震资料含油预测方法通常要求反演出准确的纵波速度，横波速度和密度参数，但在实际应用中受地震资料品质、地震资料野外采集和反演算法等综合影响，纵波速度，横波速度和密度很难求准，因此弹性参数地震反演误差会直接导致基于弹性参数组合的流体因子反演累积误差不断增大，从而直接降低了流体预测的精度和分辨率。
发明内容
本发明实施例提供了一种油藏流体预测方法，用以提高油藏流体预测的精度和分辨率，该方法包括：
对测井资料进行岩石物理分析，构建含油特征数据；
建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；
对含油地震反射系数体进行反演，得到含油流体因子。
本发明实施例还提供了一种油藏流体预测装置，用以提高油藏流体预测的精度和分辨率，该装置包括：
含油特征数据构建模块，用于对测井资料进行岩石物理分析，构建含油特征数据；
含油地震反射系数体提取模块，用于建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；
含油流体因子反演模块，用于对含油地震反射系数体进行反演，得到含油流体因子。
本发明实施例还提供了一种计算机设备，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所述方法。
本发明实施例还提供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所述方法的计算机程序。
本发明实施例中，对测井资料进行岩石物理分析，构建含油特征数据；建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；对含油地震反射系数体进行反演，得到含油流体因子，从而可直接反演出含油流体因子，与现有技术对比，避免了在求取含油流体因子过程带来的累积误差，提高了油藏流体预测的精度和分辨率。
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。
图1是本发明实施例提供的一种油藏流体预测方法的流程示意图；
图2是本发明实施例提供的一种构建含油特征数据的流程示意图；
图3是本发明实施例提供的一实例中碎屑岩区块含油流体因子的反演结果图；
图4是本发明实施例提供的一实例中碳酸盐岩区块含油流体因子的反演结果图；
图5是本发明实施例提供的一种油藏流体预测装置的结构示意图。
具体实施方式
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，所描述的实施例仅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。
发明人发现，基于叠后地震资料含油预测方法以定性预测为主，分辨率低，精度差和多解性强；基于叠前地震资料含油预测方法通常要求反演出准确的纵波速度，横波速度和密度参数，但在实际应用中受地震资料品质，地震资料野外采集和反演算法等综合影响，纵波速度，横波速度和密度很难求准，因此弹性参数地震反演误差会直接导致基于弹性参数组合的流体因子反演累积误差不断增大，从而直接降低了流体预测的精度和分辨率。
在本发明实施例中，提供了一种油藏流体预测方法，用以提高油藏流体预测的精度和分辨率，如图1所示，该方法包括：
步骤101：对测井资料进行岩石物理分析，构建含油特征数据；
步骤102：建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；
步骤103：对含油地震反射系数体进行反演，得到含油流体因子。
本发明实施例中，对测井资料进行岩石物理分析，构建含油特征数据；建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；对含油地震反射系数体进行反演，得到含油流体因子，从而可直接反演出含油流体因子，与现有技术对比，避免了在求取含油流体因子过程带来的累积误差，提高了油藏流体预测的精度和分辨率。
具体实施时，对测井资料进行岩石物理分析，构建含油特征数据的方法有多种，下面给出其中一个实施例。
在一实施例中，对测井资料进行岩石物理分析，构建含油特征数据，可以包括：对测井资料进行岩石物理分析，优选出对油层敏感的测井曲线；根据所述测井曲线及所述测井曲线的加权系数组合建立含油特征敏感曲线。
实施例中，测井资料包括测井解释与试油资料，通常在对地层含油流体识别中，测井资料有较好的区分能力，测井资料包括常规的电阻，纵横波速度及密度测井曲线的其中之一或任意组合。但测井资料中单一的测井曲线在区分含油地层时，通常存在识别精度低和识别结果多解性强的问题。因此通过本发明实施例得到的含油特征数据，可综合识别岩性和油层的多种测井曲线的特征。依据不同测井曲线识别油层的敏感度不同，分别计算多种测井曲线的加权系数，以多种测井曲线和测井曲线的加权系数的组合，建立含油特征敏感曲线，如图2所示。图2是本发明实施例提供的一种构建含油特征数据的流程示意图，图2中对测井解释与试油资料进行岩石物理分析，优选出多条对油层敏感的测井曲线，根据所述测井曲线及所述测井曲线的加权系数组合建立含油特征敏感曲线。本发明实施例优选出的对油层敏感的测井曲线，可体现多种测井曲线的综合响应特征，因而比常规单一测井曲线识别油层能力分辨率更高，精度更高。
具体实施时，在构建含油特征数据后，本发明实施例提供的油藏流体预测方法还可以包括：对含油特征数据进行规格化处理，所述规格化处理可以包括对含油地层与围岩的相对变化量进行一致性处理。
实施例中，通过对含油特征数据进行规格化处理，可消除含油特征数据的测量误差和系统误差，从而使得含油特征曲线的相对大小真实反映地下油藏的含油丰度变化规律。
具体实施时，建立叠前道集属性和所述含油特征数据的关系的方法有多种，下面给出其中一个实施例。
在一实施例中，建立叠前道集属性和所述含油特征数据的关系，可以包括：基于卷积神经网络的深度学习方法，建立从叠前道集中预提取的地震属性与规格化处理后的含油特征数据之间的非线性关系。
在上述实施例中，在建立叠前道集属性和所述含油特征数据的关系后，还包括根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体。
实施例中，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体。含油地震反射系数体提取是以含油特征数据为基础，可充分利用叠前道集的AVO(Amplitude variation with offset，振幅随偏移距的变化)、FVO(Frequency variation with offset，频率随偏移距的变化)等地震信息。本发明实施例基于卷积神经网络的深度学习的方法，可以从叠前道集地震数据中找出具有含油敏感响应的地震反射特征。含油地震反射系数体的提取，避免了常规方法需要先反演弹性参数，然后以弹性参数的组合来反演流体因子而带来的累积误差的局限性。利用含油地震反射系数体直接反演含油流体因子可以提高地震反演精度，提高利用地震资料含油定量化预测能力。
在一实施例中，叠前道集属性包括P(intercept，截距属性)属性，G(gradient，梯度)属性，P属性和G属性的组合属性，吸收属性及衰减属性中的其中之一或任意组合。
具体实施时，对含油地震反射系数体进行反演得到含油流体因子的方法有多种，下面给出其中一个实施例。
在一实施例中，对含油地震反射系数体进行反演得到含油流体因子，可以包括：对含油地震反射系数体进行反演，构建流体因子模型；从流体因子模型中，得到含油流体因子。
实施例中，在层位约束下直接建立流体因子初始模型，避免了常规方法需要先反演弹性参数，然后以弹性参数的组合来反演流体因子而带来的累积误差的局限性。利用含油地震反射系数体直接反演含油流体因子可以提高地震反演精度，提高利用地震资料含油定量化预测能力。在含油流体因子的多维信息约束下，反演直接建立了流体因子初始模型，代替了常规的波阻抗模型，从算法上实现了含油流体高精度和高分辨率的反演，降低了反演的多解性。
具体实施时，在对含油地震反射系数体进行反演得到含油流体因子后，本发明实施例提供的油藏流体预测方法还可以包括：根据迭代寻优算法，修正所述流体因子模型，直到根据流体因子模型提取的地震属性的加权数值，与从含油地震反射系数体中预提取的地震属性的加权数值的差值在预设范围内。
实施例中，在反演流体因子模型过程中，以多种地震属性加权为迭代约束条件，代替了传统的利用振幅误差为收敛条件，从算法上实现了含油流体高精度和高分辨率的反演，降低了反演的多解性。
具体实施时，根据迭代寻优算法，修正所述流体因子模型的方法有多种，下面给出其中一个实施例。
在一实施例中，根据迭代寻优算法，修正所述流体因子模型，包括：利用共轭梯度迭代寻优算法，修改流体因子模型的大小和时间厚度。
实施例中，根据共轭梯度迭代寻优算法，修正所述流体因子模型，以迭代寻优算法可以得到对油藏流体预测最准确的流体因子模型。
具体实施时，本发明实施例提供的油藏流体预测方法还可以包括：根据含油特征数据，对所述从含油地震反射系数体中预提取的地震属性，进行相关性分析，得到每一所述从含油地震反射系数体中预提取的地震属性的相关性数值；对每一所述从含油地震反射系数体中预提取的地震属性的相关性数值，进行排序计算，确定每一所述从含油地震反射系数体中预提取的地震属性的加权系数；根据每一所述从含油地震反射系数体中预提取的地震属性的加权系数以及预设置的加权系数范围，从每一所述从含油地震反射系数体中预提取的地震属性中，选择出含油敏感地震属性。
在一实施例中，首先对含油地震反射系数数据体开展属性分析，预提取出地震属性；在含油特征敏感曲线的约束下，对提取出的地震属性开展相关性分析，根据相关性的大小对地震属性进行排序，并给出每一地震属性的加权系数，相关性越大，该地震属性对应的加权系数越大，相关性越小，加权系数越小；在设定的加权系数范围情况下，优选出多种含油敏感地震属性及其对应的加权系数；从含油地震反射系数体中提取地震子波；所述根据流体因子模型提取的地震属性，按如下方式提取：将提取的地震子波与所述流体因子模型，进行褶积，得到合成道流体因子记录；从合成道流体因子记录中，提取出与所述含油敏感地震属性一致的地震属性。
在一实施例中，首先对含油地震反射系数数据体开展属性分析，预提取出地震属性；在含油特征敏感曲线的约束下，对提取出的地震属性开展相关性分析，根据相关性的大小对地震属性进行排序，并给出每一地震属性的加权系数，相关性越大，该地震属性对应的加权系数越大，相关性越小，加权系数越小；在设定的加权系数范围情况下，优选出多种含油敏感地震属性及其对应的加权系数。
上述实施例中，以加权计算的方式，从含油地震反射系数体中预提取的地震属性中，选择出含油敏感地震属性，提高了流体因子模型构建的准确度。
具体实施时，所述从含油地震反射系数体中预提取的地震属性，按如下方式提取：根据含油特征数据，对含油地震反射系数体开展属性分析，提取地震属性。
在一实施例中，对含油地震反射系数体开展属性分析，有利于提取出对含油底层敏感的地震属性。
本发明实施例提供了一对国内某油田某三叠系碎屑岩薄互层的区块，开展油层预测试验的具体实例。该区块油层埋深-4000m～-4500m，沉积环境为三角洲前缘相，储层岩性砂砾岩为主，纵向上砂泥岩薄互层非常发育，但储层单层薄1～4m为主，储层横向变化快，油层薄且少。
图3是本发明实施例提供的一实例中碎屑岩区块含油流体因子的反演结果图。图3中W井钻遇储层纵向比较发育但单层比较薄，经过测井解释和试油分析，该井主要发育一套4m油层，其它储层以干层和水层为主。地震资料的主频为25hz左右，主力储层对应地震复波峰，利用本发明实施例提出的油藏流体预测方法，对该工区开展了三维反演。图3的上图为原始地震剖面，内插线为速度曲线；下图为对应的含油流体因子反演剖面，内插为速度曲线。从图3下图，如箭头标注位置所示，可以看出4m油层在反演剖面上刻画清晰，与非油层围岩区分十分明显，而且利用本发明实施例提供的方法得到的地震反演的油层厚度，与测井解释的油层厚度和位置吻合较好，油层横向变化规律也与地质认识基本一致。在该区块内钻遇其它的7口井也可验证以上所述，统计表明利用本发明实施例提供的油藏流体预测方法的地震预测结果和试油成果基本吻合。
本发明实施例还提供了对国内某油田某一主要含油目的层为元古界古潜山的区块，开展油层预测试验的另一具体实例。该区块岩性以白云岩为主，油藏埋深-3150m～-3720m，断裂系统与构造形态十分复杂，地层结构复杂，油层埋藏深度大，古潜山地震资料品质较差，油层厚度变化大。
图4是本发明实施例提供的一实例中碳酸盐岩区块含油流体因子的反演结果图。图4中A井钻遇厚油层，油层累积厚度约100m，地震资料的主频为20hz左右，油层对应地震波谷，利用本发明实施例提供的油藏流体预测方法，对过井线开展了反演试验。图4上图为原始地震剖面，内插速度曲线；下图为对应的含油流体因子反演剖面，内插速度曲线。从图4下图如箭头标注位置所示可以看出100m油层在反演剖面上刻画清晰，与非油层围岩区分十分明显，而且利用本发明实施例提供的方法得到的地震反演的油层厚度，与测井解释的油层厚度和位置吻合较好，油层横向变化规律也与地质认识也基本一致。由于该区块构造非常复杂，从图4可以看出地震解释层位误差大，影响了初始模型建立的精度，由于本发明实施例采用了迭代寻优算法来修正流体因子模型，因此使反演结果对初始模型精度需求大大降低，该算法不仅提高了油层预测的分辨率而且提高了其预测精度。
本发明实施例通过对测井资料进行岩石物理分析，构建含油特征数据；通过建立叠前道集属性和所述含油特征数据的关系，并根据所述叠前道集属性和所述含油特征数据的关系对叠前道集进行反演，得到含油地震反射系数体；最终对含油地震反射系数体进行反演得到含油流体因子。本发明实施例首先提取含油地震反射系数体，根据含油地震反射系数体，可直接反演出含油流体因子，与现有技术对比，避免了在求取含油流体因子过程带来的累积误差，提高了油藏流体预测的精度和分辨率。
基于同一发明构思，本发明实施例中还提供了一种油藏流体预测装置，如下面的实施例所述。由于油藏流体预测装置解决问题的原理与油藏流体预测方法相似，因此油藏流体预测装置的实施可以参见油藏流体预测方法的实施，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。
图5是本发明实施例的油藏流体预测装置的一种结构框图，如图5所示，包括：
含油特征数据构建模块01，用于对测井资料进行岩石物理分析，构建含油特征数据；
含油地震反射系数体提取模块02，用于建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；
含油流体因子反演模块03，用于对含油地震反射系数体进行反演，得到含油流体因子。
在一实施例中，含油特征数据构建模块，具体用于：对测井资料进行岩石物理分析，优选出对油层敏感的测井曲线；根据所述测井曲线及所述测井曲线的加权系数组合建立含油特征敏感曲线。
在一实施例中，还包括，规格化处理模块，用于：对含油特征数据进行规格化处理，所述规格化处理包括对含油地层与围岩的相对变化量进行一致性处理；
含油地震反射系数体提取模块，具体用于基于卷积神经网络的深度学习方法，建立从叠前道集中预提取的地震属性与规格化处理后的含油特征数据之间的非线性关系。
在一实施例中，含油流体因子反演模块，具体用于：对含油地震反射系数体进行反演，构建流体因子模型；从流体因子模型中，得到含油流体因子。
在一实施例中，含油流体因子反演模块，还用于：根据迭代寻优算法，修正所述流体因子模型，直到根据流体因子模型提取的地震属性的加权数值，与从含油地震反射系数体中预提取的地震属性的加权数值的差值在预设范围内。
在一实施例中，含油流体因子反演模块，还用于：利用共轭梯度迭代寻优算法，修改流体因子模型的大小和时间厚度。
在一实施例中，含油流体因子反演模块，还用于：根据含油特征数据，对所述从含油地震反射系数体中预提取的地震属性，进行相关性分析，得到每一所述从含油地震反射系数体中预提取的地震属性的相关性数值；对每一所述从含油地震反射系数体中预提取的地震属性的相关性数值，进行排序计算，确定每一所述从含油地震反射系数体中预提取的地震属性的加权系数；根据每一所述从含油地震反射系数体中预提取的地震属性的加权系数以及预设置的加权系数范围，从每一所述从含油地震反射系数体中预提取的地震属性中，选择出含油敏感地震属性；从含油地震反射系数体中提取地震子波；含油流体因子反演模块，具体用于：将提取的地震子波与所述流体因子模型，进行褶积，得到合成道流体因子记录；从合成道流体因子记录中，提取出与所述含油敏感地震属性一致的地震属性。
在一实施例中，含油流体因子反演模块，具体用于：根据含油特征数据，对含油地震反射系数体开展属性分析，提取地震属性。
本发明实施例还提供了一种计算机设备，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所述方法。
本发明实施例还提供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所述方法的计算机程序。
综上所述，本发明实施例中，对测井资料进行岩石物理分析，构建含油特征数据；建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；对含油地震反射系数体进行反演，得到含油流体因子，从而可直接反演出含油流体因子，与现有技术对比，避免了在求取含油流体因子过程带来的累积误差，提高了油藏流体预测的精度和分辨率。
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，本发明实施例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 (6)
1.一种油藏流体预测方法，其特征在于，包括：
对测井资料进行岩石物理分析，构建含油特征数据；
建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；
对含油地震反射系数体进行反演，得到含油流体因子；
其中，对测井资料进行岩石物理分析，构建含油特征数据，包括：对测井资料进行岩石物理分析，优选出对油层敏感的测井曲线，根据所述测井曲线及所述测井曲线的加权系数组合建立含油特征敏感曲线；
此外，对含油特征数据进行规格化处理，所述规格化处理包括对含油地层与围岩的相对变化量进行一致性处理；建立叠前道集属性和所述含油特征数据的关系，包括：基于卷积神经网络的深度学习方法，建立从叠前道集中预提取的地震属性与规格化处理后的含油特征数据之间的非线性关系；
对含油地震反射系数体进行反演得到含油流体因子，包括：对含油地震反射系数体进行反演，构建流体因子模型，从流体因子模型中，得到含油流体因子；
还包括根据迭代寻优算法，修正所述流体因子模型，直到根据流体因子模型提取的地震属性的加权数值，与从含油地震反射系数体中预提取的地震属性的加权数值的差值在预设范围内；
其中，根据含油特征数据，对所述从含油地震反射系数体中预提取的地震属性，进行相关性分析，得到每一所述从含油地震反射系数体中预提取的地震属性的相关性数值；对每一所述从含油地震反射系数体中预提取的地震属性的相关性数值，进行排序计算，确定每一所述从含油地震反射系数体中预提取的地震属性的加权系数；根据每一所述从含油地震反射系数体中预提取的地震属性的加权系数以及预设置的加权系数范围，从每一所述从含油地震反射系数体中预提取的地震属性中，选择出含油敏感地震属性；
从含油地震反射系数体中提取地震子波；所述根据流体因子模型提取的地震属性，按如下方式提取：将提取的地震子波与所述流体因子模型，进行褶积，得到合成道流体因子记录，从合成道流体因子记录中，提取出与所述含油敏感地震属性一致的地震属性。
2.如权利要求1所述的方法，其特征在于，根据迭代寻优算法，修正所述流体因子模型，包括：
利用共轭梯度迭代寻优算法，修改流体因子模型的大小和时间厚度。
3.如权利要求1所述的方法，其特征在于，所述从含油地震反射系数体中预提取的地震属性，按如下方式提取：
根据含油特征数据，对含油地震反射系数体开展属性分析，提取地震属性。
4.一种油藏流体预测装置，其特征在于，包括：
含油特征数据构建模块，用于对测井资料进行岩石物理分析，构建含油特征数据；具体地，对测井资料进行岩石物理分析，优选出对油层敏感的测井曲线，根据所述测井曲线及所述测井曲线的加权系数组合建立含油特征敏感曲线；
含油地震反射系数体提取模块，用于建立叠前道集属性和所述含油特征数据的关系，根据所述叠前道集属性和所述含油特征数据的关系，对叠前道集进行反演，提取含油地震反射系数体；
还包括，规格化处理模块，用于：对含油特征数据进行规格化处理，所述规格化处理包括对含油地层与围岩的相对变化量进行一致性处理；含油地震反射系数体提取模块，用于基于卷积神经网络的深度学习方法，建立从叠前道集中预提取的地震属性与规格化处理后的含油特征数据之间的非线性关系；
含油流体因子反演模块，用于对含油地震反射系数体进行反演，得到含油流体因子，具体地，对含油地震反射系数体进行反演，构建流体因子模型，从流体因子模型中，得到含油流体因子；
含油流体因子反演模块还用于：根据迭代寻优算法，修正所述流体因子模型，直到根据流体因子模型提取的地震属性的加权数值，与从含油地震反射系数体中预提取的地震属性的加权数值的差值在预设范围内；
含油流体因子反演模块，还用于：根据含油特征数据，对所述从含油地震反射系数体中预提取的地震属性，进行相关性分析，得到每一所述从含油地震反射系数体中预提取的地震属性的相关性数值；对每一所述从含油地震反射系数体中预提取的地震属性的相关性数值，进行排序计算，确定每一所述从含油地震反射系数体中预提取的地震属性的加权系数；根据每一所述从含油地震反射系数体中预提取的地震属性的加权系数以及预设置的加权系数范围，从每一所述从含油地震反射系数体中预提取的地震属性中，选择出含油敏感地震属性；
从含油地震反射系数体中提取地震子波；含油流体因子反演模块，还用于：将提取的地震子波与所述流体因子模型，进行褶积，得到合成道流体因子记录；从合成道流体因子记录中，提取出与所述含油敏感地震属性一致的地震属性。
5.一种计算机设备，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3任一所述方法。
6.一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3任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010250159.4A CN113495293B (zh) | 2020-04-01 | 2020-04-01 | 油藏流体预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010250159.4A CN113495293B (zh) | 2020-04-01 | 2020-04-01 | 油藏流体预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113495293A CN113495293A (zh) | 2021-10-12 |
| CN113495293B true CN113495293B (zh) | 2023-09-26 |
Family
ID=77993904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010250159.4A Active CN113495293B (zh) | 2020-04-01 | 2020-04-01 | 油藏流体预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113495293B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102880903A (zh) * | 2012-07-13 | 2013-01-16 | 刘立峰 | 混沌量子粒子群模糊神经网络叠前非线性流体识别方法 |
| CN104375182A (zh) * | 2014-11-10 | 2015-02-25 | 中国石油天然气股份有限公司 | 一种裂缝型储层流体的识别方法及装置 |
| CN104975851A (zh) * | 2014-04-10 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 用于振幅随炮检距变化道集分析的油藏模型优化方法 |
| CN105653815A (zh) * | 2016-01-19 | 2016-06-08 | 中国海洋石油总公司 | 一种基于岩石物理模型理论的定量解释油藏流体分布方法 |
| WO2018166055A1 (zh) * | 2017-03-15 | 2018-09-20 | 中国石油天然气股份有限公司 | Avo属性交会烃类检测方法及装置、计算机存储介质 |
| CN110658555A (zh) * | 2018-06-29 | 2020-01-07 | 中国石油化工股份有限公司 | 储层流体因子构建方法及储层流体识别方法 |
-
2020
- 2020-04-01 CN CN202010250159.4A patent/CN113495293B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102880903A (zh) * | 2012-07-13 | 2013-01-16 | 刘立峰 | 混沌量子粒子群模糊神经网络叠前非线性流体识别方法 |
| CN104975851A (zh) * | 2014-04-10 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 用于振幅随炮检距变化道集分析的油藏模型优化方法 |
| CN104375182A (zh) * | 2014-11-10 | 2015-02-25 | 中国石油天然气股份有限公司 | 一种裂缝型储层流体的识别方法及装置 |
| CN105653815A (zh) * | 2016-01-19 | 2016-06-08 | 中国海洋石油总公司 | 一种基于岩石物理模型理论的定量解释油藏流体分布方法 |
| WO2018166055A1 (zh) * | 2017-03-15 | 2018-09-20 | 中国石油天然气股份有限公司 | Avo属性交会烃类检测方法及装置、计算机存储介质 |
| CN110658555A (zh) * | 2018-06-29 | 2020-01-07 | 中国石油化工股份有限公司 | 储层流体因子构建方法及储层流体识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113495293A (zh) | 2021-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951660B (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
| CN103454685B (zh) | 利用测井约束波阻抗反演预测砂体厚度的方法和装置 | |
| EP3830612B1 (en) | Fluid saturation model for petrophysical inversion | |
| CN105759312A (zh) | 一种储层特征法井震标定方法 | |
| CN109541685B (zh) | 一种河道砂体识别方法 | |
| WO2021048597A1 (en) | An integrated geomechanics model for predicting hydrocarbon and migration pathways | |
| CN106842317B (zh) | 一种预测油砂体分布的方法及装置 | |
| EP3014310A1 (en) | System and method for remaining resource mapping | |
| CN106405639A (zh) | 一种叠前地震储层岩性参数的反演方法 | |
| CN107831540A (zh) | 储层物性参数直接提取新方法 | |
| CN105319585A (zh) | 一种利用薄层干涉振幅恢复识别油气藏的方法 | |
| CN105240006A (zh) | 一种适用于火山岩储层的油水层识别方法 | |
| CN110632654B (zh) | 断块圈闭含油边界确定方法及装置 | |
| Behrens et al. | 4D seismic monitoring of water influx at Bay Marchand: the practical use of 4D in an imperfect world | |
| CN112505754B (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
| CN111257933B (zh) | 基于低频阴影现象的油气藏预测新方法 | |
| CN113775326A (zh) | 可动水饱和度的评价方法、装置、电子设备及介质 | |
| CN113495293B (zh) | 油藏流体预测方法及装置 | |
| Box et al. | Reconciling sonic logs with check-shot surveys: Stretching synthetic seismograms | |
| CN111650644B (zh) | 盐胶结砂岩定量预测方法 | |
| CN107831537B (zh) | 高砂地比浊积岩储层描述方法 | |
| CN106353813A (zh) | 基于阵列声波测井的流体性质识别方法 | |
| CN113093275B (zh) | 曲流河及曲流河三角洲油田钻井成功率提高方法及装置 | |
| CN105989240A (zh) | 砂层预测方法及装置 | |
| CN112394405A (zh) | 一种隐蔽性断层识别方法 |
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 |