CN113552624B - 孔隙度预测方法及装置 - Google Patents
孔隙度预测方法及装置 Download PDFInfo
- Publication number
- CN113552624B CN113552624B CN202010337407.9A CN202010337407A CN113552624B CN 113552624 B CN113552624 B CN 113552624B CN 202010337407 A CN202010337407 A CN 202010337407A CN 113552624 B CN113552624 B CN 113552624B
- Authority
- CN
- China
- Prior art keywords
- shear modulus
- parameter
- lithology
- analyzed
- low
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000011435 rock Substances 0.000 claims abstract description 140
- 239000011159 matrix material Substances 0.000 claims abstract description 112
- 239000004927 clay Substances 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005315 distribution function Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 2
- 239000011707 mineral Substances 0.000 claims description 2
- 239000010453 quartz Substances 0.000 claims description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 19
- 238000009826 distribution Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 238000005755 formation reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 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
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
- G01V2210/512—Pre-stack
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using 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
- G01V2210/6244—Porosity
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
本发明公开了一种孔隙度预测方法及装置，该方法包括：根据待分析区的叠前地震数据，确定多角度叠加的地震数据；根据测井点的岩石岩性的剪切模量、体积模量和密度，确定测井点的岩石岩性的剪切模量、体积模量和密度的低频参数；根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量、体积模量和密度的低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；根据测井点的粘土含量参数，确定待分析区的岩石基质的剪切模量参数；根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度，本发明可以提高孔隙度预测的精度。
Description
技术领域
本发明涉及油气探勘中地震资料储层预测领域，特别涉及一种孔隙度预测方法及装置。
背景技术
目前，基于地震资料的孔隙度预测技术主要包含以下三种方法：
(1)弹性参数直接转换法：根据实测井曲线，拟合弹性参数与孔隙度间的线性或者非线性关系，进而将弹性参数反演结果直接转化为孔隙度，但是该方法具有明显的地区经验性，缺乏严格的理论支撑，并不是一种普适的方法，且其精度受限于弹性参数与物性参数之间的相关性。
(2)协模拟法(代表的商业软件：Jason的Statmod和Rockmod)：根据实测井曲线，拟合弹性参数与孔隙度的联合概率分布，将弹性参数反演结果作为协变量，将孔隙度作为主变量，利用协模拟获取孔隙度数据体，该方法与第一种方法相比，通过引入地质统计学和随机模拟，可以获取较高的垂向分辨率，但是仍然受限于弹性参数与孔隙度的相关性，并且缺乏地震数据的有效约束，不确定性较大。
(3)机器学习法(代表的商业软件：HRS多属性反演模块)：将井旁道地震属性或者弹性参数反演结果与孔隙度曲线作为训练样本，利用监督类的机器学习算法(SVM、神经网络等)建立样本间之间非线性映射，再将此映射作用于非井旁道。利用机器学习可以建立孔隙度与弹性参数间“异常精确”的非线性关系，但也容易出现过拟合的问题，即把样本数据中的噪音当作有效信号参与训练，造成预测精度下降；另外该方法的精度也跟训练样本的数量成正比。
综上所述，现有的孔隙度预测方法的不确定性较大，其预测精度也相对较低。
发明内容
本发明实施例提供一种孔隙度预测方法，用以提高孔隙度的预测精度，该方法包括：
根据待分析区的叠前地震数据，确定多角度叠加的地震数据；
根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；
根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；
根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；
根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；
根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度。
本发明实施例提供一种孔隙度预测装置，用以提高孔隙度的预测精度，该装置包括：
地震数据叠加模块，用于根据待分析区的叠前地震数据，确定多角度叠加的地震数据；
低频参数确定模块，用于根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；
反演参数确定模块，用于根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；
测井点岩石基质剪切模量确定模块，用于根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；
区域岩石基质剪切模量确定模块，用于根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；
孔隙度预测模块，用于根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度。
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，处理器执行计算机程序时实现上述孔隙度预测方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述孔隙度预测方法的计算机程序。
本发明实施例通过：根据待分析区的叠前地震数据，确定多角度叠加的地震数据；根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度，可以基于Gray近似的贝叶斯线性反演方法与临界孔隙度模型，通过剪切模量预测孔隙度，实现了基于岩石物理特征预测孔隙度，提高了孔隙度预测的稳定性和精度。
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。在附图中：
图1为本发明实施例中孔隙度预测方法流程的示意图；
图2(a)为本发明实施例中入射角为5度的角度叠加数据；
图2(b)为本发明实施例中入射角为15度的角度叠加数据；
图2(c)为本发明实施例中入射角为25度的角度叠加数据；
图3为本发明实施例中多角度的角度子波示意图；
图4(a)为本发明实施例中体积模量反演参数结果的示意图；
图4(b)为本发明实施例中剪切模量反演参数结果的示意图；
图4(c)为本发明实施例中密度反演参数结果的示意图；
图5为本发明实施例中孔隙度预测结果的示意图；
图6为本发明实施例中孔隙度预测结果与实测井曲线叠加的示意图；
图7为本发明实施例提供的孔隙度预测装置结构的示意图。
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。
在介绍本发明实施例之前，首先介绍发明人发现技术问题，提出孔隙度预测方法的思路。
发明人经过大量的研究发现，现有的孔隙度预测方法是通过对声阻抗的反演结果进行线性转换或者非线性转换得到的，该方法缺乏严格的理论基础，且预测精度受限于声阻抗与孔隙度的相关性，考虑到声阻抗是岩性、物性和含油气性的综合反映，而剪切模量不受流体变化的影响，仅仅反映了岩性与物性，因此相比声阻抗，利用剪切模量预测孔隙度可进一步降低预测的多解性。发明人基于上述发现，提出一种孔隙度预测方法，该方法主要包括：首先利用基于Gray近似的贝叶斯线性反演方法，从叠前地震数据中提取高精度的剪切模量，避免了现有技术中由于弹性参数转换而引入的累计误差，在此基础上，进一步结合临界孔隙度模型，基于剪切模量预测孔隙度，使得孔隙度的预测受到岩石物理模型的驱动，提高了孔隙度预测的精度。下面对本发明实施例提供的孔隙度预测方法进行详细介绍。
图1为本发明实施例中孔隙度预测方法流程的示意图，如图1所示，该方法包括：
步骤101：根据待分析区的叠前地震数据，确定多角度叠加的地震数据；
步骤102：根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；
步骤103：根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；
步骤104：根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；
步骤105：根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；
步骤106：根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度。
如图1所示，本发明实施例通过：根据待分析区的叠前地震数据，确定多角度叠加的地震数据；根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度，可以基于Gray近似的贝叶斯线性反演方法与临界孔隙度模型，通过剪切模量预测孔隙度，实现了基于岩石物理特征预测孔隙度，提高了孔隙度预测的稳定性和精度。
具体实施时，步骤101中，可以根据待分析区的叠前地震数据，对多角度地震数据进行叠加，可以包括：读入M个角度叠加地震数据d(θ1),d(θ2),...,d(θM)，读入M个角度子波w(θ1),w(θ2),...,w(θM)，生成角度子波褶积矩阵W(θ1),W(θ2),...,W(θM)。
在一个实施例中，步骤102可以包括：
对测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行插值处理；
对插值处理后的测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行低通滤波，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数。
具体实施时，步骤102中，通过测井数据，可以得到测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，其中，剪切模量参数、体积模量参数和密度参数可以是曲线、表格或其他形式，在沉积模式的控制下，可以结合测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线，进行沿层位横向插值处理，并对插值处理后的数据体进行低通滤波，作为测井点的岩石岩性的剪切模量的低频参数体积模量的低频参数/>和密度的低频参数/>
在一个实施例中，步骤103可以包括：
建立待分析区的岩石岩性的剪切模量反演参数的多变量高斯分布函数；
根据多角度叠加的地震数据，确定多角度叠加的地震数据的多变量高斯分布函数；
根据多角度叠加的地震数据的多变量高斯分布函数，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，求解岩石岩性的剪切模量反演参数的多变量高斯分布函数，确定待分析区的岩石岩性的剪切模量的反演参数。
在一个实施例中，可以按照公式(1)确定待分析区的岩石岩性的剪切模量的反演参数，包括：
其中，为待分析区的岩石岩性的反演参数矩阵，其中，K为体积模量的反演参数，μ为剪切模量的反演参数，ρ为密度的反演参数；/>为测井点的岩石岩性的低频参数矩阵，其中，/>为体积模量的低频参数，/>为剪切模量的低频参数，/>为密度的低频参数；Σm为待分析区的岩石岩性的反演参数的协方差矩阵；/>为多角度叠加的地震数据，其中，d(θ1),d(θ2),...,d(θM)为不同角度的地震数据，M为角度数目；Σd为多角度叠加的地震数据的协方差，/>其中，/>为噪声的能量，I为单位矩阵；G为基于Gray近似的AVO正演矩阵。
具体实施时，步骤103中，可以首先按照公式(2)假设待分析区的岩石岩性的反演参数矩阵m服从多变量高斯分布，记为：
m:N3N(m0,Σm)(2)
其中，N3N(m0,Σm)表示维度3N、均值为m0、协方差矩阵为Σm的多变量高斯分布；N表示反演时窗的采样个数，Σm表示反演参数的协方差矩阵，可由测井数据统计得到。
接着，结合Gray近似的时间连续方程和褶积理论，并假设噪声为高斯白噪，进而可以得出，多角度叠加的地震数据也服从多变量高斯分布，如公式(3)所示：
d:N3N(d0,Σd)(3)
其中，N3N(d0,Σd)表示维度3N、均值为d0、协方差矩阵为Σd的多变量高斯分布；d0＝Gm0；/> 表示噪声的方差，I表示单位矩阵；矩阵G表示AVO正演过程，如公式(4)所示：
其中，D表示一阶差分矩阵，矩阵A(θj)、B(θj)和C(θj)(j＝1,2,...M)均为对角阵，其对角线元素由Gray近似公式的系数确定，如公式(5)、(6)、(7)所示：
其中，表示背景横纵波速度比。
最后，根据高斯分布的性质可知，反演参数的后验分布依然服从多变量高斯分布，且后验分布的均值即为确定性反演结果，可以按照上述公式(1)确定待分析区的岩石岩性的剪切模量的反演参数。
在一个实施例中，步骤104可以包括：
根据测井点的粘土含量曲线，基于V-R-H平均模型，确定测井点的岩石基质的剪切模量曲线。
在一个实施例中，可以按照公式(8)确定测井点的岩石基质的剪切模量曲线，包括：
其中，μm为测井点的岩石基质的剪切模量；Vclay为粘土含量；μclay、μqua分别为粘土和石英矿物的剪切模量。
在一个实施例中，步骤105可以包括：
对测井点的岩石基质的剪切模量曲线进行滤波处理和深时转换；
对滤波处理和深时转换之后的测井点的岩石基质的剪切模量曲线，沿层位进行横向插值，确定待分析区的岩石基质的剪切模量参数。
具体实施时，步骤105中，为了消除地震数据和测井数据的尺度差异，可以将步骤104中的测井点的岩石基质的剪切模量曲线进行Backus滤波处理，得到粗化后的岩石基质的剪切模量曲线，并根据时深关系，将其重采样到时间域，然后对Backus滤波处理和深时转换之后的测井点的岩石基质的剪切模量曲线，沿层位进行横向插值，作为待分析区的岩石基质的剪切模量参数μm，其中，待分析区可以是全工区，由于在地层沉积相对平稳的地区，地层岩性的变化在沿层方向上是非常缓慢的，而岩石基质的剪切模量正好对应的是地层的岩性信息。因此通过在沉积模式的控制下，将测井点的岩石基质的剪切模量曲线沿层进行横向插值，作为待分析区的岩石基质的剪切模量是合理的。
在一个实施例中，步骤106可以包括：按照公式(9)预测待分析区的孔隙度：
其中，φ为待分析区的孔隙度；μ为待分析区的岩石岩性的剪切模量反演参数；μm为待分析区的岩石基质的剪切模量参数；φc为临界孔隙度。
具体实施时，步骤106中，考虑到饱含流体岩石的剪切模量等于岩石干骨架的剪切模量，因此可以借助临界孔隙度模型进行反算孔隙度体。临界孔隙度模型为：其中μdry表示岩石干骨架的剪切模量，φc为临界孔隙度，对于碎屑岩地层，可以取0.4。又由于：μsat＝μdry，其中μsat为饱含流体岩石的剪切模量。因此可以通过步骤103中确定的待分析区的岩石岩性的剪切模量反演参数μ，以及步骤105中通过横向插值获取的待分析区的岩石基质的剪切模量参数μm，结合临界孔隙度模型，利用公式(9)计算全工区的孔隙度体φ。
下面举一个具体的例子，以便于理解本发明如何实施。
第一步：根据待分析区的叠前地震数据，对多角度地震数据进行叠加，读入角度叠加地震数据和对应的角度子波；如图2(a)、图2(b)、图2(c)和图3所示，其中，图2(a)为本发明实施例中入射角为5度的角度叠加数据；图2(b)为本发明实施例中入射角为15度的角度叠加数据；图2(c)为本发明实施例中入射角为25度的角度叠加数据；图3为本发明实施例中多角度的角度子波示意图，图3中，黑色细线为入射角为5度的角度子波，灰色细线为入射角为15度的角度子波，灰色粗线为入射角为25度的角度子波；
第二步：在沉积模式的控制下，对测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行沿层位横向插值处理，并对插值处理后的数据体进行低通滤波，作为测井点的岩石岩性的剪切模量的低频参数体积模量的低频参数/>和密度的低频参数/>
第三步：根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，按照公式(1)确定待分析区的岩石岩性的剪切模量反演参数μ，图4(a)为本发明实施例中体积模量反演参数结果的示意图；图4(b)为本发明实施例中剪切模量反演参数结果的示意图；图4(a)为本发明实施例中密度反演参数结果的示意图；如图4(a)、图4(b)和图4(c)所示，通过上述反演可以直接从叠前地震数据中提取剪切模量；
第四步：结合测井数据中的粘土含量曲线Vclay，基于V-R-H平均模型，按照公式(8)确定测井点的岩石基质的剪切模量曲线；
第五步：将第四步中的测井点的岩石基质的剪切模量曲线进行Backus滤波处理，得到粗化后的岩石基质的剪切模量曲线，并根据时深关系，将其重采样到时间域；
第六步：对Backus滤波处理和深时转换之后的测井点的岩石基质的剪切模量曲线，沿层位进行横向插值，作为待分析区的岩石基质的剪切模量参数μm；
第七步：通过第三步确定的待分析区的岩石岩性的剪切模量反演参数μ，以及第六步通过横向插值获取的待分析区的岩石基质的剪切模量参数μm，结合临界孔隙度模型，利用公式(9)计算全工区的孔隙度体φ。
图5为本发明实施例中孔隙度预测结果的示意图，从图5可以看出，相比地震数据和弹性参数反演结果，本发明提出的孔隙度预测方法可以展示更为丰富的储层物性信息；图6为本发明实施例中孔隙度预测结果与实测井曲线叠加的示意图，图6中，验证井A位于inline1829、xline4378附近，黑线为经Backus滤波的实测孔隙度曲线，灰色虚线为井旁道孔隙度预测结果，从图6可以看出，本发明提出的孔隙度预测方法得到的井旁道预测结果与实测曲线吻合度较高，因此验证了本发明提出的孔隙度预测方法具有较高的精度。
基于同一发明构思，本发明实施例中还提供了一种孔隙度预测装置，如下面的实施例。由于装置解决问题的原理与方法相似，因此装置的实施可以参见方法的实施，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7为本发明实施例提供的孔隙度预测装置结构的示意图，如图7所示，该装置包括：
地震数据叠加模块01，用于根据待分析区的叠前地震数据，确定多角度叠加的地震数据；
低频参数确定模块02，用于根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；
反演参数确定模块03，用于根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；
测井点岩石基质剪切模量确定模块04，用于根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；
区域岩石基质剪切模量确定模块05，用于根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；
孔隙度预测模块06，用于根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度。
在一个实施例中，低频参数确定模块02具体用于：
对测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行插值处理；
对插值处理后的测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行低通滤波，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数。
在一个实施例中，反演参数确定模块03具体用于：
建立待分析区的岩石岩性的剪切模量反演参数的多变量高斯分布函数；
根据多角度叠加的地震数据，确定多角度叠加的地震数据的多变量高斯分布函数；
根据多角度叠加的地震数据的多变量高斯分布函数，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，求解岩石岩性的剪切模量反演参数的多变量高斯分布函数，确定待分析区的岩石岩性的剪切模量的反演参数。
在一个实施例中，测井点岩石基质剪切模量确定模块04具体用于：
根据测井点的粘土含量曲线，基于V-R-H平均模型，确定测井点的岩石基质的剪切模量曲线。
在一个实施例中，区域岩石基质剪切模量确定模块05具体用于：
对测井点的岩石基质的剪切模量曲线进行滤波处理和深时转换；
对滤波处理和深时转换之后的测井点的岩石基质的剪切模量曲线，沿层位进行横向插值，确定待分析区的岩石基质的剪切模量参数。
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，处理器执行计算机程序时实现上述孔隙度预测方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述孔隙度预测方法的计算机程序。
综上所述，本发明实施例通过：根据待分析区的叠前地震数据，确定多角度叠加的地震数据；根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；根据多角度叠加的地震数据，以及测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；根据测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；根据待分析区的岩石岩性的剪切模量反演参数，以及待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度，可以基于Gray近似的贝叶斯线性反演方法与临界孔隙度模型，通过剪切模量预测孔隙度，实现了基于岩石物理特征预测孔隙度，提高了孔隙度预测的稳定性和精度。
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 (9)
1.一种孔隙度预测方法，其特征在于，包括：
根据待分析区的叠前地震数据，确定多角度叠加的地震数据；
根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；
根据所述多角度叠加的地震数据，以及所述测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；
根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数，包括：根据测井点的粘土含量曲线，基于V-R-H平均模型，确定测井点的岩石基质的剪切模量曲线；
根据所述测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；根据所述测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数，包括：对测井点的岩石基质的剪切模量曲线进行滤波处理和深时转换；对滤波处理和深时转换之后的测井点的岩石基质的剪切模量曲线，沿层位进行横向插值，确定待分析区的岩石基质的剪切模量参数；
根据所述待分析区的岩石岩性的剪切模量反演参数，以及所述待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度；
根据所述多角度叠加的地震数据，以及所述测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数，包括：
建立待分析区的岩石岩性的剪切模量反演参数的多变量高斯分布函数；
根据所述多角度叠加的地震数据，确定多角度叠加的地震数据的多变量高斯分布函数；
根据所述多角度叠加的地震数据的多变量高斯分布函数，以及所述测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，求解所述岩石岩性的剪切模量反演参数的多变量高斯分布函数，确定待分析区的岩石岩性的剪切模量的反演参数。
2.如权利要求1所述的方法，其特征在于，根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，包括；
对测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行插值处理；
对插值处理后的测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行低通滤波，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数。
3.如权利要求1所述的方法，其特征在于，按照如下方式确定待分析区的岩石岩性的剪切模量的反演参数，包括：
其中，为待分析区的岩石岩性的反演参数矩阵，其中，K为体积模量的反演参数，μ为剪切模量的反演参数，ρ为密度的反演参数；/>为测井点的岩石岩性的低频参数矩阵，其中，/>为体积模量的低频参数，/>为剪切模量的低频参数，/>为密度的低频参数；Σm为待分析区的岩石岩性的反演参数的协方差矩阵；/>为多角度叠加的地震数据，其中，d(θ1),d(θ2),...,d(θM)为不同角度的地震数据，M为角度数目；Σd为多角度叠加的地震数据的协方差，/>其中，/>为噪声的能量，I为单位矩阵；G为基于Gray近似的AVO正演矩阵。
4.如权利要求1所述的方法，其特征在于，按照如下方式确定所述测井点的岩石基质的剪切模量曲线，包括：
其中，μm为测井点的岩石基质的剪切模量；Vclay为粘土含量；μclay、μqua分别为粘土和石英矿物的剪切模量。
5.如权利要求1所述的方法，其特征在于，根据所述待分析区的岩石岩性的剪切模量反演参数，以及所述待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度，包括：
按照如下方式预测待分析区的孔隙度：
其中，φ为待分析区的孔隙度；μ为待分析区的岩石岩性的剪切模量反演参数；μm为待分析区的岩石基质的剪切模量参数；φc为临界孔隙度。
6.一种孔隙度预测装置，其特征在于，包括：
地震数据叠加模块，用于根据待分析区的叠前地震数据，确定多角度叠加的地震数据；
低频参数确定模块，用于根据测井点的岩石岩性的剪切模量参数、体积模量参数和密度参数，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数；
反演参数确定模块，用于根据所述多角度叠加的地震数据，以及所述测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，确定待分析区的岩石岩性的剪切模量反演参数；
测井点岩石基质剪切模量确定模块，用于根据测井点的粘土含量参数，确定测井点的岩石基质的剪切模量参数；所述测井点岩石基质剪切模量确定模块具体用于：根据测井点的粘土含量曲线，基于V-R-H平均模型，确定测井点的岩石基质的剪切模量曲线；
区域岩石基质剪切模量确定模块，用于根据所述测井点的岩石基质的剪切模量参数，确定待分析区的岩石基质的剪切模量参数；所述区域岩石基质剪切模量确定模块具体用于：对测井点的岩石基质的剪切模量曲线进行滤波处理和深时转换；对滤波处理和深时转换之后的测井点的岩石基质的剪切模量曲线，沿层位进行横向插值，确定待分析区的岩石基质的剪切模量参数；
孔隙度预测模块，用于根据所述待分析区的岩石岩性的剪切模量反演参数，以及所述待分析区的岩石基质的剪切模量参数，基于临界孔隙度模型，预测待分析区的孔隙度；
所述反演参数确定模块具体用于：
建立待分析区的岩石岩性的剪切模量反演参数的多变量高斯分布函数；
根据所述多角度叠加的地震数据，确定多角度叠加的地震数据的多变量高斯分布函数；
根据所述多角度叠加的地震数据的多变量高斯分布函数，以及所述测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数，基于Gray近似的贝叶斯线性反演方法，求解所述岩石岩性的剪切模量反演参数的多变量高斯分布函数，确定待分析区的岩石岩性的剪切模量的反演参数。
7.如权利要求6所述的装置，其特征在于，所述低频参数确定模块具体用于：
对测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行插值处理；
对插值处理后的测井点的岩石岩性的剪切模量曲线、体积模量曲线和密度曲线进行低通滤波，确定测井点的岩石岩性的剪切模量低频参数、体积模量低频参数和密度低频参数。
8.一种计算机设备，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5任一所述方法。
9.一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5任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010337407.9A CN113552624B (zh) | 2020-04-26 | 2020-04-26 | 孔隙度预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010337407.9A CN113552624B (zh) | 2020-04-26 | 2020-04-26 | 孔隙度预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113552624A CN113552624A (zh) | 2021-10-26 |
| CN113552624B true CN113552624B (zh) | 2024-03-01 |
Family
ID=78129794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010337407.9A Active CN113552624B (zh) | 2020-04-26 | 2020-04-26 | 孔隙度预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113552624B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116299696A (zh) * | 2023-02-08 | 2023-06-23 | 中海石油(中国)有限公司深圳分公司 | 一种烃源岩泥质含量、toc、孔隙度、含水饱和度同时定量预测方法 |
| CN116738517A (zh) * | 2023-07-04 | 2023-09-12 | 中海石油(中国)有限公司深圳分公司 | 一种储层预测方法、装置、电子设备及介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2423394B (en) * | 2003-10-28 | 2007-11-28 | Westerngeco Llc | A method for estimating porosity and saturation in a subsurface reservoir |
| US10274625B2 (en) * | 2016-11-09 | 2019-04-30 | Chevron U.S.A. Inc. | System and method for porosity estimation in low-porosity subsurface reservoirs |
-
2020
- 2020-04-26 CN CN202010337407.9A patent/CN113552624B/zh active Active
Non-Patent Citations (4)
| Title |
|---|
| Bayesian linearized petrophysical AVO inversion;Xiaozheng Lang et al.;《Geophysics》;第83卷(第3期);第6-18页，图11-12 * |
| 基于岩石物理模型和叠前弹性参数反演的孔隙度计算;蔡涵鹏 等;天然气工业(第9期);第48-52页 * |
| 基于纵横波同步联合的孔隙模量三参数AVO反演方法;丁燕 等;《岩性油气藏》;第32卷(第1期);第111-119页 * |
| 基于线性化岩石物理反演的物性参数预测方法;张佳佳 等;《 石油勘探与开发》;第47卷(第1期);第57-64页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113552624A (zh) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017024702A1 (zh) | 一种射线弹性参数的反演系统 | |
| EP3028071B1 (en) | Method and device for the generation and application of anisotropic elastic parameters in horizontal transverse isotropic (hti) media | |
| CN104502997B (zh) | 一种利用裂缝密度曲线预测裂缝密度体的方法 | |
| CN103487835A (zh) | 一种基于模型约束的多分辨率波阻抗反演方法 | |
| WO2016008105A1 (zh) | 一种基于柯西分布的叠后波阻抗反演方法 | |
| CN101201409B (zh) | 一种地震数据变相位校正方法 | |
| CN109143351B (zh) | 叠前各向异性特征参数反演方法及计算机可读存储介质 | |
| CN108020863A (zh) | 一种基于地震奇偶函数的碳酸盐岩薄储层孔隙度预测方法 | |
| CN113552624B (zh) | 孔隙度预测方法及装置 | |
| CN110286410B (zh) | 基于绕射波能量的裂缝反演方法和装置 | |
| CN113031068B (zh) | 一种基于反射系数精确式的基追踪叠前地震反演方法 | |
| CN112162316A (zh) | 一种avo波形数据驱动的高分辨率井震融合叠前反演方法 | |
| CN111722283B (zh) | 一种地层速度模型建立方法 | |
| CN112796738A (zh) | 一种阵列声波测井和常规测井结合的地层渗透率计算方法 | |
| CN102866426A (zh) | 一种利用avo大角度道集分析岩体油气信息的方法 | |
| CN106574980A (zh) | 用于地下地质体的岩石性质估计的系统和方法 | |
| CN102253414A (zh) | 基于地震纹分析的储层检测方法 | |
| Cichostępski et al. | Simultaneous inversion of shallow seismic data for imaging of sulfurized carbonates | |
| CN112147677B (zh) | 油气储层参数标签数据生成方法及装置 | |
| CN113219531B (zh) | 致密砂岩气水分布的识别方法及装置 | |
| 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 | |
| CN112100906A (zh) | 数据驱动的大尺度密度建模方法、计算设备及存储介质 | |
| CN111679318A (zh) | 储层中断裂系统的识别方法及系统 | |
| CN104181610A (zh) | 一种射线路径弹性反演方法以及系统 | |
| CN104345347B (zh) | 一种用于致密含气砂岩储层预测的测井曲线恢复方法 |
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 |