CN113589376A - 基于多种地震属性的地层厚度预测方法 - Google Patents
基于多种地震属性的地层厚度预测方法 Download PDFInfo
- Publication number
- CN113589376A CN113589376A CN202010371005.0A CN202010371005A CN113589376A CN 113589376 A CN113589376 A CN 113589376A CN 202010371005 A CN202010371005 A CN 202010371005A CN 113589376 A CN113589376 A CN 113589376A
- Authority
- CN
- China
- Prior art keywords
- thickness
- seismic
- stratum
- attributes
- seismic attributes
- 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
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. analysis, for interpretation, for correction
- 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
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Abstract
本发明提供一种基于多种地震属性的地层厚度预测方法,该基于多种地震属性的地层厚度预测方法包括:步骤1,基于三维地震数据,提取各种地震属性;步骤2,测试各个地震属性与地层厚度的相关性;步骤3,定义并确定线性回归关系式;步骤4,利用关系式进行地层厚度的预测。该基于多种地震属性的地层厚度预测方法为本地区特定情况而定义的线性回归关系式在地层厚度的预测上具有独特的优势,预测精度因而得到了明显提高。对地震勘探来说,这是一个快速有效识别地层厚度的工具。对资源开发来说,预测出的地层厚度是计算资源量的必要参数。
Description
技术领域
本发明涉及地震资料处理解释领域,特别是涉及到一种基于多种地震属性的地层厚度预测方法。
背景技术
对石油工业界来说,地层厚度是储层工程师和地球科学家都不能忽视的至关重要的参数,尤其关系到资源评价和储量计算的可靠程度。单独从地震数据推测地层信息是一项困难的工作,比如地层厚度的精确测量。传统的预测方法是将单一的地震属性与地层厚度建立起物理关系,比如含天然气砂岩地层的波阻抗低,利用这一物理性质,进行地震波阻抗反演就可以识别出含气地层的厚度,但是地层的物性参数与地震属性之间的关系通常并不是明确而单一的。为了克服这一问题,地震统计方法应用而生,或称数据驱动的方法。这一方法在地层厚度预测中的效果突出。地震绝对振幅参数在地层厚度预测中的作用已被广泛认可,实例表明,综合应用最大振幅、窗内能量值和道积分三种地震属性可以有效提高地层厚度的预测精度。此外,在建立地层厚度与地震属性的统计关系式时,可以利用线性回归方法,在地层厚度与地震属性之间是非线性关系的时候,也可以利用神经网络方法进行计算。测井信息在地层厚度预测中的作用不可忽视,可以作为实测地层厚度,对统计关系式进行校准,也可以验证预测的准确度。
在申请号:201210412522.3的中国专利申请中,涉及到一种砂泥岩薄互层储层厚度预测方法,该砂泥岩薄互层储层厚度预测方法包括:步骤1,进行精细层位解释;步骤2,提取薄互层的多种地震属性;步骤3,进行该多种地震属性的优选,得到优先后的地震属性;步骤4,进行多属性拟合;以及步骤5,计算砂体厚度分布,并输出计算结果。然而,该专利中的回归关系式过于简单,假定了每种地震属性都与地层厚度是简单的线性相关关系,或许难以描述二者背后复杂的物理机制,需要用一种更为复杂的指数关系取代之,这样就能够处理错综复杂的实际情况了。
在申请号:201610104086.1的中国专利申请中,涉及到一种富油层段地震预测方法,该方法包含以下步骤:步骤1,提取井旁道敏感属性;即通过单井和连井属性分析,获取能够识别富油层段的敏感属性;步骤2,属性融合获取融合属性;即通过对所述敏感属性进行属性融合,获取能够分层段反映油层的融合属性;步骤3,确定可分辨地层厚度;通过分层段不同时窗下的所述融合属性与每口井的油层厚度进行对比,获取各层段可分辨的地层厚度;步骤4,参数正演模拟;即通过对各层段油层参数进行正演模拟获取各层段油层参数的门槛值;步骤5,确定富油层段的约束条件;即根据所述各层段可分辨的地层厚度及所述各层段油层参数的门槛值,对各富油层段进行厘定;步骤6,建立油层组检测属性响应关系量版;即将所述融合属性与所述富油层段的约束条件进行交汇分析,获得反映油层分布状态的若干个关系图版的集合;步骤7,富油层段检测;利用所述关系量版对各层段进行检测,获取富油层段在剖面上和平面上的分布。但是,该专利中假定地层厚度是已知的,即可分辨的,不考虑实际地层厚度小于地震可分辨厚度的情况,而在油气储层的地震勘探开发中,实际地层厚度往往是小于地震可分辨厚度的,因此,需要建立一种基于多种地震属性的地层厚度预测方法,这也是本技术的出发点。
在申请号:201710828821.8的中国专利申请中,涉及到一种富砂层段有效储层地震属性预测方法,该方法包括:1)获得目的层段的敏感地震属性;2)获得所述目的层段的砂地比对富砂层段有效储层发育的权系数;3)判别出影响所述目的层段的调谐效应;4)对所述敏感地震属性、所述砂地比对富砂层段有效储层发育的权系数和所述调谐效应的判别进行属性融合,获得融合地震属性。不过,该专利并不是利用地震属性对地层厚度进行预测,只是利用砂地比信息对原始地震属性进行了一种加权处理,使得新属性具有了对砂地比敏感的特性。
为此我们发明了一种新的基于多种地震属性的地层厚度预测方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种为地区特定情况而定义线性回归关系式,预测精度得到了明显提高的基于多种地震属性的地层厚度预测方法。
本发明的目的可通过如下技术措施来实现:基于多种地震属性的地层厚度预测方法,该基于多种地震属性的地层厚度预测方法包括:步骤1,基于三维地震数据,提取各种地震属性;步骤2,测试各个地震属性与地层厚度的相关性;步骤3,定义并确定线性回归关系式;步骤4,利用关系式进行地层厚度的预测。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,选取多口井的实际密度、声波、电阻率、SP和核磁共振孔隙度这些测井资料,综合解释得出地层厚度。
在步骤2中,选取多种地震属性作为线性回归关系式的输入参数,单独测试这些属性与实测地层厚度的相关度,并对这些属性进行优选排序。
在步骤3中,应用逐步线性回归法确定线性回归关系式,根据对地层厚度的预测误差和验证误差确定线性回归关系式中用到的地震属性个数。
在步骤3中,选用具体的回归关系式为:
H=a+b×exp(mX)+c×exp(n/Y)+d×exp(p/Z)
H为预测的地层厚度,X、Y和Z为地震属性,a、b、m、n和p为待回归的常数,exp代表指数函数。
在步骤4中,根据本调查区域其余井的实测资料,验证所预测地层厚度的准确度;利用三维地震资料求取所需的三维地震属性,根据所定义的线性回归关系式预测三维地层厚度。
在步骤4中,逐个测试各个地震属性与实测地层厚度的相关度,并对各种地震属性进行优选排序,其中需要排除具有相同数学物理意义的地震属性;确保多种地震属性融合后与实测地层厚度具有最高的相关度。
本发明中的基于多种地震属性的地层厚度预测方法,在三维地震覆盖的调查区域,可以综合利用测井资料和三维地震资料来预测地层的厚度,其中所选用的地震属性组合及其特定线性回归关系式是本方法的独特之处。在一种测井参数和地质属性之间建立起严格的理论关系是非常困难的,因此其适用范围具有很大的局限性。与确定性的方法不同,这里从统计学的基本原理出发,利用本区域多个井点的实测资料作为样本,通过线性回归方法在地层厚度和地震属性之间建立起一种特定的统计关系,并将其应用于本区域的地震数据,从而实现地层厚度的三维预测。首先提取本地区的多种地震属性,测试特定地震属性与地层厚度的相关度,并定义多种地震属性与地层厚度之间的线性回归关系式。然后根据本地区10口以上井中的实际地层厚度资料和本地区实际的地震属性资料,确定适用于本地区的线性回归关系式中的各项系数值。最后利用本地区的地震资料,提取出所需要的各种地震属性,利用确定好的线性回归关系式进行地层厚度的预测。这种为本地区特定情况而定义的线性回归关系式在地层厚度的预测上具有独特的优势,预测精度因而得到了明显提高。对地震勘探来说,这是一个快速有效识别地层厚度的工具。对资源开发来说,预测出的地层厚度是计算资源量的必要参数。
附图说明
图1为本发明的基于多种地震属性的地层厚度预测方法的一具体实施例的流程图;
图2为本发明的一具体实施例中阻抗体地震属性剖面的示意图;
图3为本发明的一具体实施例中各种地震属性与实测地层厚度之间的相关系数排序的示意图;
图4为本发明的一具体实施例中地层厚度预测误差和验证误差随地震属性数量增加的变化的示意图;
图5为本发明的一具体实施例中利用地震属性预测的地层厚度与实测的地层厚度的交会图;
图6为本发明的一具体实施例中输入所调查区域的地震属性进行地层厚度预测的结果的示意图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
本发明中的基于多种地震属性的地层厚度预测方法,不再沿用通用的地层厚度预测关系式,而是针对本调查区域的特定情况,在井中实测地层厚度与优选的地震属性之间建立起特定的线性回归关系式,将此用于三维地震数据来预测地层厚度。
如图1所示,图1为本发明的基于多种地震属性的地层厚度预测方法的流程图。
在步骤101,基于三维地震数据,提取各种地震属性。选取10口以上的实际密度、声波、电阻率、SP和核磁共振孔隙度等测井资料,综合解释得出地层厚度。
在步骤102,测试各个地震属性与地层厚度的相关性。选取多种地震属性作为线性回归关系式的输入参数,单独测试这些属性与实测地层厚度的相关度,并对这些属性进行优选排序。选取多种实际测井数据进行综合分析得出地层厚度,包括密度、声波、电阻率、SP和核磁共振孔隙度等测井资料,避开单一测井数据可能遇到的陷阱。从而使得地震属性和地层厚度之间能够建立起真实可靠的统计关系式。
在步骤103,定义并确定线性回归关系式。应用逐步线性回归法确定线性回归关系式,根据对地层厚度的预测误差和验证误差确定线性回归关系式中用到的地震属性个数。在对线性回归关系式进行验证的过程中,由于使用了井中实测的地层厚度资料,进一步确保了线性回归关系式的可靠度。选用具体的回归关系式为:
H=a+b×exp(mX)+c×exp(n/Y)+d×exp(p/Z)
H为预测的地层厚度,X、Y和Z为地震属性,a、b、m、n和p为待回归的常数,exp代表指数函数。
在步骤104,利用关系式进行地层厚度的预测。根据本调查区域其余井的实测资料,验证所预测地层厚度的准确度;利用三维地震资料求取所需的三维地震属性,根据所定义的线性回归关系式预测三维地层厚度。
逐个测试各个地震属性与实测地层厚度的相关度,并对各种地震属性进行优选排序,其中需要排除具有相同数学物理意义的地震属性。确保多种地震属性融合后与实测地层厚度具有最高的相关度。依托三维地震资料计算出三维地震属性,利用所定义的线性回归关系式对调查区域的地层厚度进行三维预测。
在应用本发明的一具体实施例中,该基于多种地震属性的地层厚度预测方法包括:
在步骤1,基于三维地震数据,提取各种地震属性。本示例区域有三维地震调查覆盖,且有足够数量的测井数据支持,勘探目的层为砂岩地层,深度适中,该地层上下均为泥页岩地层,为一典型的三明治结构层系,本次调查的一个重要目的是精确预测该砂岩地层的厚度,为资源地质储量的准确估算服务。根据三维地震资料,提取各种地震属性,本例中提取的属性包括:振幅;最大绝对振幅值;复合振幅;阻抗;道积分;瞬时相位;瞬时频率。其中的地震反演阻抗体数据剖面如图2所示。图2为阻抗体地震属性剖面。此地震属性为三维地震反演得到的地震波阻抗数据体,地震反射波反映的是地层界面的性质,而阻抗体反映了地层的性质,因此是一种与地层厚度关系更为密切的地震属性。
在步骤2,统计本区域12口井中的声速测井资料可知,砂岩地层的速度均值为4100m/s,而页岩地层的速度均值为3800m/s。对这12口井中的地层深度与地震时间作一对比,将12口井的深度值都转换成地震剖面的时间值。确定与真实地层厚度相关度最高的地震属性,即与真实地层厚度的相关系数值最大,据此对以上提取出的各种地震属性进行排序。本例的排序结果如图3所示。在测试的7种地震属性中,地震复合振幅与地层厚度的相关系数值最高,而地震道积分最低。当然,对于不同的层系和不同的地区来说,这种排序并不是固定不变的。
在步骤3,选取几个地震属性组合,并类似地确定此组合预测厚度与真实地层厚度的相关度。
选用具体的回归关系式为:
H=a+b×exp(mX)+c×exp(n/Y)+d×exp(p/Z)
H为预测的地层厚度,X、Y和Z为地震属性,a、b、m、n和p为待回归的常数,exp代表指数函数。对本例来说,据复合振幅预测得到的相关系数最大。然后将排在第二位的道积分与复合振幅组合,类似地可以得到三种地震属性的最佳组合,本例中为瞬时相位。类似地可以组合更多的地震属性。随着组合内地震属性数量的增加,预测误差持续降低,但验证误差并非如此,多于三种地震属性之后,验证误差没有明显变化甚至反而升高,这表明,加入更多的地震属性并不能持续提高预测的准确度,结果如图4所示。从图4可以看到,使用更多的地震属性未必会带来更好的预测结果,一般三到四种地震属性会是最佳组合。
因此,由复合振幅、道积分和瞬时相位这三种地震属性组合能够得到最佳的地层厚度预测值,预测结果与实测结果复合程度较高,且分辨率能够进入几米的级别,突破了传统地震剖面的分辨能力,如图5所示。预测结果与实际结果的复合程度较高,且在地层厚度接近5米的情况下依然能够得到较好的结果,利用传统的地震剖面是无法达到这种分辨率的。
在步骤4,利用确立好的线性回归关系式,输入所调查区域的地震属性即可进行地层厚度的预测与分析。预测结果如图6所示,图中的白色条带为断层,预测结果与本地区已知的实际钻测井信息得到的地层厚度高度吻合,验证了本预测方法的可靠性和有效性。流程结束。
Claims (7)
1.基于多种地震属性的地层厚度预测方法,其特征在于,该基于多种地震属性的地层厚度预测方法包括:
步骤1,基于三维地震数据,提取各种地震属性;
步骤2,测试各个地震属性与地层厚度的相关性;
步骤3,定义并确定线性回归关系式;
步骤4,利用关系式进行地层厚度的预测。
2.根据权利要求1所述的基于多种地震属性的地层厚度预测方法,其特征在于,在步骤1中,选取多口井的实际密度、声波、电阻率、SP和核磁共振孔隙度这些测井资料,综合解释得出地层厚度。
3.根据权利要求1所述的基于多种地震属性的地层厚度预测方法,其特征在于,在步骤2中,选取多种地震属性作为线性回归关系式的输入参数,单独测试这些属性与实测地层厚度的相关度,并对这些属性进行优选排序。
4.根据权利要求1所述的基于多种地震属性的地层厚度预测方法,其特征在于,在步骤3中,应用逐步线性回归法确定线性回归关系式,根据对地层厚度的预测误差和验证误差确定线性回归关系式中用到的地震属性个数。
5.根据权利要求4所述的基于多种地震属性的地层厚度预测方法,其特征在于,在步骤3中,选用具体的回归关系式为:
H=a+b×exp(mX)+c×exp(n/Y)+d×exp(p/Z)
H为预测的地层厚度,X、Y和Z为地震属性,a、b、m、n和p为待回归的常数,exp代表指数函数。
6.根据权利要求1所述的基于多种地震属性的地层厚度预测方法,其特征在于,在步骤4中,根据本调查区域其余井的实测资料,验证所预测地层厚度的准确度;利用三维地震资料求取所需的三维地震属性,根据所定义的线性回归关系式预测三维地层厚度。
7.根据权利要求6所述的基于多种地震属性的地层厚度预测方法,其特征在于,在步骤4中,逐个测试各个地震属性与实测地层厚度的相关度,并对各种地震属性进行优选排序,其中需要排除具有相同数学物理意义的地震属性;确保多种地震属性融合后与实测地层厚度具有最高的相关度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010371005.0A CN113589376A (zh) | 2020-04-30 | 2020-04-30 | 基于多种地震属性的地层厚度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010371005.0A CN113589376A (zh) | 2020-04-30 | 2020-04-30 | 基于多种地震属性的地层厚度预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113589376A true CN113589376A (zh) | 2021-11-02 |
Family
ID=78237956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010371005.0A Pending CN113589376A (zh) | 2020-04-30 | 2020-04-30 | 基于多种地震属性的地层厚度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589376A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975462A (zh) * | 2006-09-05 | 2007-06-06 | 孟召平 | 基于地震属性的煤层厚度分析方法 |
US20130080066A1 (en) * | 2011-09-28 | 2013-03-28 | Saudi Arabian Oil Company | Reservoir properties prediction with least square support vector machine |
CN103777243A (zh) * | 2012-10-25 | 2014-05-07 | 中国石油化工股份有限公司 | 砂泥岩薄互层储层厚度预测方法 |
-
2020
- 2020-04-30 CN CN202010371005.0A patent/CN113589376A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975462A (zh) * | 2006-09-05 | 2007-06-06 | 孟召平 | 基于地震属性的煤层厚度分析方法 |
US20130080066A1 (en) * | 2011-09-28 | 2013-03-28 | Saudi Arabian Oil Company | Reservoir properties prediction with least square support vector machine |
CN103777243A (zh) * | 2012-10-25 | 2014-05-07 | 中国石油化工股份有限公司 | 砂泥岩薄互层储层厚度预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505778B (zh) | 一种页岩生储性能非均质性的三维原位表征方法 | |
US9097821B2 (en) | Integrated workflow or method for petrophysical rock typing in carbonates | |
JP3390445B2 (ja) | 地質学的特性を推定するために統計学的較正技術を使用する地震トレース解析方法 | |
CN108897066B (zh) | 碳酸盐岩裂缝密度定量预测方法及装置 | |
CN111596364B (zh) | 基于高精度层序地层格架的地震沉积微相组合分析方法 | |
US20200095858A1 (en) | Modeling reservoir permeability through estimating natural fracture distribution and properties | |
CN105277982B (zh) | 一种泥页岩总有机碳含量地震预测方法 | |
CN111425193B (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
US8255165B2 (en) | Method for predicting differences in subsurface conditions | |
US20220291418A1 (en) | An integrated geomechanics model for predicting hydrocarbon and migration pathways | |
KR102111207B1 (ko) | 셰일가스 스윗 스팟 도출 방법 | |
CN105182424A (zh) | 一种基于斑块饱和模型定量预测储层孔隙度的方法和装置 | |
RU2630852C1 (ru) | Способ прогноза эффективной емкости коллекторов на основе получаемых поляризационных параметров и проводимости для выбранного типа среды | |
Al-Bulushi et al. | Predicting water saturation using artificial neural networks (ANNS) | |
CN113484907B (zh) | 一种预测不同类型储层平面上分布的方法 | |
CN115012903A (zh) | 判别泥页岩层理构造发育的测井评价方法 | |
CN113589376A (zh) | 基于多种地震属性的地层厚度预测方法 | |
CN112505154B (zh) | 泥页岩储层矿物成分含量解析与岩相识别表征方法 | |
CN108898286B (zh) | 储层裂缝发育程度的评价方法及装置 | |
CN112394392A (zh) | 对烃源岩分布情况进行评价的方法和装置 | |
Nath et al. | Prediction and analysis of geomechanical properties using deep learning: A Permian Basin case study | |
House et al. | Developments relating total organic carbon conversion in unconventional reservoirs to 3D seismic attributes | |
CN115508890B (zh) | 一种裂缝孔隙型储层叠前叠后反演方法 | |
Damasceno et al. | Source rock evaluation from rock to seismic: Integrated machine learning based workflow | |
CN108931813B (zh) | 一种识别礁盖、礁核、礁基的方法 |
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 |