CN113640883A - 测井速度预测、基于井震融合的孔隙度确定方法及装置 - Google Patents
测井速度预测、基于井震融合的孔隙度确定方法及装置 Download PDFInfo
- Publication number
- CN113640883A CN113640883A CN202111085447.XA CN202111085447A CN113640883A CN 113640883 A CN113640883 A CN 113640883A CN 202111085447 A CN202111085447 A CN 202111085447A CN 113640883 A CN113640883 A CN 113640883A
- Authority
- CN
- China
- Prior art keywords
- modulus
- aspect ratio
- target
- porosity
- reservoir
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 239000011148 porous material Substances 0.000 claims abstract description 179
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 31
- 239000011707 mineral Substances 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims description 68
- 230000014509 gene expression Effects 0.000 claims description 43
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 2
- 239000011435 rock Substances 0.000 abstract description 75
- 239000003921 oil Substances 0.000 description 88
- 239000000945 filler Substances 0.000 description 29
- 239000011159 matrix material Substances 0.000 description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 28
- 239000000203 mixture Substances 0.000 description 24
- 239000012530 fluid Substances 0.000 description 19
- 229920006395 saturated elastomer Polymers 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 239000006185 dispersion Substances 0.000 description 8
- 239000007787 solid Substances 0.000 description 8
- 239000000295 fuel oil Substances 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010008 shearing Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000003190 viscoelastic substance Substances 0.000 description 1
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
- G01V1/40—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
- 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
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- 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
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
-
- 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
本说明书公开了测井速度预测、基于井震融合的孔隙度确定方法及装置,其中测井速度预测方法包括:获取目标储层的声波测井数据;根据目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;根据储层中目标深度位置处的孔隙度、第一体积模量和第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;将第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;根据目标孔隙纵横比计算得到第二体积模量和第二剪切模量;根据第二体积模量、第二剪切模量计算得到频率的声波测井信号在目标储层中传播时的横波速度和/或纵波速度。本方案能够对稠油储层中测井信号的传播速度进行预测,为基于传播速度尤其是横波速度的地震岩石属性反演建立了基础。
Description
技术领域
本申请涉及石油、天然气地震勘探反演和定量解释技术领域,特别涉及测井速度预测、基于井震融合的孔隙度确定方法及装置。
背景技术
地震岩石物理学通过分析测井资料、地震资料和岩石岩性、物性资料,研究岩石样品的弹性参数、物性参数等基本交汇关系,分析岩石的岩石物理规律。当地震波在地下岩石中传播时,岩石中的流体与颗粒骨架之间的相互作用将改变地震波的旅行时间、振幅以及相位等信息。通过地震波的信息来分析地下多孔岩石以及流体的方法也越来越受到重视。地震岩石物理学的发展与进步也使得通过地震数据预测储层物性参数(孔隙度、渗透率)得以实现。
横波是地震波中前进方向与质点振动方向垂直的波,横波在判断岩性、裂缝以及含油气性方面有其固有的优点。横波测井曲线对于地震资料反演及准确求取地层的物性与弹性参数有重要作用。在石油天然气的地震勘探中,往往需要输入横波测井曲线作为地质模型的参数用于地震波场的数值模拟或地震属性的参数反演。
通常情况下,开发井中只有极少数井有横波测井资料,而开发时间较长的老油田则横波测井资料更少。在缺少横波测井资料的情况下,从纵波测井资料或其它测井数据中预测横波测井资料就显得较为重要。在缺少横波测井资料的老油田,横波测井预测能够为储层岩性识别、岩石弹性参数计算和地震流体识别等技术的研究和应用提供横波测井曲线,有利于提高地震储层预测及油气检测的精度。此外,在地震岩石属性反演研究中,尤其是地震数据叠前反演中,也需要使用横波速度测井资料。
发明内容
本申请实施方式的目的是提供一种测井速度预测、基于井震融合的孔隙度确定方法及装置,以基于测井数据预测测井信号的传播速度。
为解决上述技术问题,本说明书第一方面提供一种测井速度预测方法,包括:获取目标储层的声波测井数据,所述声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量;根据所述目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;将所述第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;根据所述目标孔隙纵横比计算得到第二体积模量和第二剪切模量;根据所述第二体积模量、所述第二剪切模量计算得到所述频率的声波测井信号在所述目标储层中传播时的横波速度和/或纵波速度。
本说明书第二方面提供一种基于井震融合的孔隙度确定方法,包括:获取目标储层的声波测井数据,所述声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量;根据所述目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;将所述第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;根据所述目标孔隙纵横比计算得到第二体积模量和第二剪切模量;根据所述第二体积模量、所述第二剪切模量计算得到所述频率的声波测井信号在所述目标储层中传播时的纵波速度;根据目标储层中各个深度位置的声波测井数据计算得到各个深度位置对应的孔隙纵横比;根据目标储层中多个深度位置对应的孔隙纵横比确定目标储层的孔隙纵横比的替代值;根据所述目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数;将所述第二目标函数取值最小时的孔隙度作为目标孔隙度。
附图说明
为了更清楚地说明本申请实施方式或现有技术中的技术方案,下面将对实施方式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申请中记载的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了对声波测井数据和地震资料进行岩石物理的应用的方法示意图;
图2示出了不同温度条件下CCM模型计算的稠油复剪切模量随频率的变化关系;
图3A示出了利用CPA模型模拟不同孔隙纵横比条件下,体积模量随孔隙度的变化关系;
图3B示出了利用CPA模型模拟不同孔隙纵横比条件下,剪切模量随孔隙度的变化关系;
图4A示出了岩石的体积模量随频率的变化关系示意图;
图4B示出了岩石的剪切模量随频率的变化关系示意图;
图5A示出了改进的CPA模型模拟的不同含油饱和度条件下岩石的体积模量随频率的变化关系;
图5B示出了改进的CPA模型模拟的不同含油饱和度条件下岩石的剪切模量随频率的变化关系;
图6示出了根据本说明书实施例的一种测井速度预测方法的流程图;
图7A示出了X井的纵波速度的预测值和实测值;
图7B示出了X井的横波速度的预测值;
图7C示出了X井的孔隙纵横比的预测值;
图7D示出了Y井的纵波速度的预测值和实测值;
图7E示出了Y井的横波速度的预测值和实测值;
图7F示出了Y井的孔隙纵横比的预测值;
图8示出了根据本说明书实施例的一种基于井震融合的孔隙度确定方法的流程图;
图9示出了预测得到的孔隙度曲线图;
图10示出了将声波纵波速度的实测值校正到地震频段的方法流程图;
图11A示出了根据本说明书实施例的一种测井速度预测装置的原理框图;
图11B示出了根据本说明书实施例的一种基于井震融合的孔隙度确定装置的原理框图;
图12示出了根据本说明书实施例的电子设备的原理框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都应当属于本申请保护的范围。
本发明采用CCM模型表征饱和稠油岩石的粘弹性性质,引入饱和度的概念改进了CPA模型,使CPA模型能够表征稠油、水两种流体分布。改进的CPA模型具有频变属性,利用CPA模型同时对声波测井数据和地震资料进行岩石物理的应用。
具体地,如图1所示,该应用方法对工区样品进行了高频(例如0-1kHz)的声波测井试验和低频(例如0-30Hz)的地震试验,利用实验数据获得岩石样品的孔隙纵横比的范围。基于改进的CPA模型对稠油储层进行横波速度预测,并将声波测井数据校正到地震频段,利用地震频段的声波测井数据,结合地震资料,对稠油储层的孔隙度进行预测,以达到精确刻画与描述稠油储层的目的。
以下具体介绍本说明书实施例所提供的测井速度预测方法。
首先,稠油具有高密度和极高的粘度,并表现出粘弹性。基于Gassmann理论的传统岩石物理不适用于粘弹性流体饱和的材料。因此有必要提出一种适用于稠油储层的岩石物理模型。
大量的研究表明,稠油具有粘弹性的性质,其弹性模量与温度和频率有关。稠油在低频时表现出牛顿流体性质,在高频时会表现出近似弹性固体的性质。在这两个极端情况之间,稠油中波的传播是频散的,并表现出强衰减。当岩石中充填有稠油时,岩石将表现出粘弹性性质。因此,为了研究饱和稠油岩石的弹性参数的变化,需要知道稠油这种粘滞性流体的复剪切模量。对于粘弹性材料,剪切模量G是复杂的,表示材料弹性储存能量和将其作为粘性流体耗散的能力:
G=G'+iG” (1)
其中,在粘弹性理论中,G'是储能模量,G”是损耗模量。
稠油复剪切模量的频率依赖性可以用Cole-Cole经验色散方程来近似,该方程将复剪切模量与低频和高频极限、角频率和弛豫时间下的剪切模量相关联。
其中,μ0和μ∞分别是低频和高频极限条件下,介质的剪切模量,并且β<1是一个可调参数。τ=η/μ∞是弛豫时间,η是动态剪切粘度。弛豫时间取决于流体粘度,它是温度的函数。
对于合适的参数,始终给出的关系与实际观测值非常匹配。然而,Cole-Cole模型在低频极限条件下的复剪切模量趋于μ0。这不符合我们认识的油在低频极限条件下表现为牛顿流体的性质(μ0=0)。为了确保低频极限下油是牛顿流体,Gurevich等人综合Cole-Cole模型和Maxwell模型,并建立了CCM模型。
图2示出了不同温度条件下CCM模型计算的稠油复剪切模量随频率的变化关系。图中的黑点表示稠油在20℃条件下的剪切模量测量结果。模型所需的实验数据均来自于Batzle等(2006)。稠油的剪切特性对温度和频率有强烈依赖性。在低温(0℃)下,稠油起着固体的作用。当温度是20℃时,稠油的剪切模量处于过渡状态。在高频(超声频率)条件下,稠油仍具有固体的性质。而在更低的频段,稠油剪切力松弛,没有剪切模量,稠油具有液体的性质。随着温度的增加,稠油剪切模量的过渡带逐渐向高频方向移动。当温度超过80℃后,已经无法看出稠油具有明显的剪切模量。可以明显的看出,稠油的剪切模量过渡带随着温度的增加,逐渐向高频方向移动。因此,我们通过稠油的实验数据(Batzle等2006)来标定CCM模型的约束参数,模拟不同温度条件下稠油剪切模量的频散效应。
为了计算两种或更多弹性组分的混合物的等效弹性模量,发明人利用Gurevich(2008)和Makarynska(2010)等人提出的相干势近似法(CPA)的等效介质理论,作为饱和粘滞性流体的岩石的流体替代方法。
为了衡量孔隙充填材料的粘弹性对整体岩石模量的影响,CPA方法是基于自相容理论的Berryman方法。CPA使用弹性波散射理论来估计各向同性包体的变形作用,通过用一个尚未知的有效介质替代背景介质来近似包体的相互作用。CPA的一个主要性质是它关于各组分具有对称性,该方法中每种成分都一视同仁,也就是说,没有哪种是成分是主要成分,数量多的成分作为承载成分。因此,固体-流体混合介质,当液体含量较少时,可模拟为固体中包含了特定形状的液体包含;当固体含量少时,固体作为流体中的悬浮物存在。此性质与渗流和临界孔隙度的概念相符,并且这对于无论稠油是作为孔隙充填流体,还是作为岩石基质组成成分的情况都可模拟。
其中,φ是孔隙度;Kf和Gf是孔隙填充物的体积模量和剪切模量;Ks和Gs是岩石基质的体积模量和剪切模量;P和Q是Wu张量的不变量(Wu,1966)。这个张量的分量取决于孔隙的纵横比、孔隙填充物的体积模量和剪切模量、基体材料以及复合材料的有效模量K和G。利用任意孔隙纵横比的球状包裹体的Wu张量表达式来描述典型砂岩的孔隙/颗粒几何结构。P和Q的表达式可以在Berryman(1980)或Mavko等人(1998)中找到。
图3A示出了利用CPA模型模拟不同孔隙纵横比条件下,体积模量随孔隙度的变化关系,图3B示出了利用CPA模型模拟不同孔隙纵横比条件下,剪切模量随孔隙度的变化关系。图中每条曲线表示一个孔隙纵横比条件下的情形,每个图中一共有0.01、0.03、0.1、0.2、0.3、0.4、0.5和1等8个孔隙纵横比数据对应的8条曲线,黑点表示测井数据的孔隙度。模型参数:Ks=34GPa,Gs=28GPa,Kf=0GPa,Gf=0GPa。如图所示,当孔隙形状由硬币形裂隙形状(例如孔隙纵横比为0.1)到球形孔隙形状(例如孔隙纵横比为1)时,弹性模量随孔隙度的变换由非线性到线性。我们对储层段大量的样品在干燥条件下,进行了岩石物理测试。这批样品具有很宽的孔隙度范围(1%-30%),CPA模型对这批样品有很好的拟合结果,并且这些样品在CPA模型上总体分布在孔隙纵横比0.1附近。孔隙度是这批样品弹性参数的主要控制因素。
由于稠油具有粘弹性性质,饱和稠油的岩石同样具有粘弹性。基于此,发明人将CCM模型与CPA模型相结合模拟不同温度条件下,岩石的弹性参数随频率的变化关系。图4A示出了岩石的体积模量随频率的变化关系示意图,图4B示出了岩石的剪切模量随频率的变化关系示意图。图中每条曲线表示一个温度条件下的变化趋势,每个图中一共有0℃、10℃、20℃、30℃、40℃、50℃、60℃、70℃、80℃、90℃和100℃等11个温度数据对应的11条曲线。从图中可以看出,在低温(0℃)下,饱和稠油岩石没有明显的频散现象,频散段可能在更低频段。当温度是20℃时,饱和稠油岩石的弹性模量的频散范围在地震频段。而随着温度的增加,饱和稠油岩石的弹性模量的频散段逐渐向高频方向移动,当温度大于80℃时,没有明显的频散现象。
然而,真实储层的孔隙中不完全包含稠油,对此,发明人改进了CPA模型,使其孔隙相可以包含水和稠油两种流体,将稠油作为基质的一部分与矿物颗粒共同组成岩石的骨架模量。从而,通过CPA模型可以将孔隙相划分成两部分:一部分包含稠油,另一相添加水。计算岩石的饱和两种流体的弹性参数。
其中,Koil和Goil是稠油的体积模量和剪切模量,Kwater和Gwater是水的体积模量与剪切模量,So是含油饱和度。φ是孔隙度。根据上述分析,稠油具有频变特性,因此Goil的取值与测井频率相关。
图5A示出了改进的CPA模型模拟的不同含油饱和度条件下岩石的体积模量随频率的变化关系,图5B示出了改进的CPA模型模拟的不同含油饱和度条件下岩石的剪切模量随频率的变化关系。图中每条曲线表示一个含油饱和度条件下的变化趋势,每个图中一共有0%、20%、40%、50%、80%和100%等6个含油饱和度数据对应的6条曲线。图示结果对应的模拟参数:温度30℃,总孔隙度20%,泥质含量10%。从图5A和图5B可以看出,随着孔隙中含油量的增加,岩石的体积模量和剪切模量的频散现象逐渐增加。
基于以上研究,本说明书实施例提供了一种测井速度预测方法,如图6所示,该方法包括如下步骤。
S610:获取目标储层的声波测井数据,声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度及各类矿物的含量。
声波测井数据是在测井现场通过仪器设备测量得到的数据。这些数据通常都会包括声波测井信号的频率、储层中多个深度位置处的孔隙度、每个深度位置处各类矿物的含量。声波测井信号的频率是指向井筒中发射的声波信号的频率,即采用的是声波测井方式。这一频率通常可以达1000Hz。
储层中的矿物岩石种类通常包括泥岩和砂岩,有的情况下还会包括碳酸岩和变质岩。
声波测井数据的深度位置,例如可以在地下2510m至2580m的深度区间每隔1m设置一个测量点。一个深度位置对应有一个孔隙度数据、一组矿物含量数据,声波测井数据中的每一个深度位置都可以作为目标深度位置。
S620:根据目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量。
例如,可以通过VRH(Voigt-Reuss-Hill)方法计算第一体积模量和第一剪切模量。
S630:根据储层中目标深度位置处的孔隙度、第一体积模量和第一剪切模量,生成以孔隙纵横比为变量的第一目标函数。
在一些实施例中,步骤S630可以包括如下步骤S631和S632。
S631:根据孔隙纵横比、孔隙度、声波测井信号的频率,建立以孔隙纵横比为变量的预测第二体积模量的表达式和预测第二剪切模量的表达式。
S632:将预测第二体积模量的表达式和预测第二剪切模量的表达式组成的数据点作为预测数据点,将第一体积模量、第一剪切模量组成的数据点作为实测数据点,根据实测数据点与预测数据点之间的距离,生成以孔隙纵横比为变量的第一目标函数。
例如,第一目标函数可以为其中K实测、G实测组成实测数据点,K预测、G预测组成预测数据点。K预测、G预测以表达式的形式呈现,且表达式均与孔隙纵横比、孔隙度、频率相关,例如K预测、G预测的表达式可以采用上式(6)和(7)的公式。
上述只给出了欧式距离的方式表达的第一目标函数。第一目标函数还可以为S=|K预测-K实测|+|G预测-G实测|。在一些实施例中,还可以采用其他距离计算方式,本说明书对此不做限定。
S640:将第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比。
步骤S640为最优化问题,可以采用任意一种最优化求解方法进行求解。例如可以采用迭代算法进行求解。
在进行最优化求解之前,需要先确估计目标孔隙纵横比的变化范围。可以将该范围设置为0至1所圈定的这一较大范围;也可以预先采集的储层岩石样本进行实验,通过实验得到孔隙纵横比的变化范围,这范围通常小于0至1所圈定的范围,因此能够减少计算量。
第一目标函数取值最小时,也即预测值与根据声波测井数据计算得到的实测值之间的差值最小,从而可以通过预测值对应的相关参数取值代替实际参数值。具体的,以目标孔隙纵横比代替实际的孔隙纵横比。
根据多个深度位置中的声波测井数据可以通过上述方法得到多个目标孔隙纵横比,从而可以得到如图7C所示的孔隙纵横比曲线。
S650:根据目标孔隙纵横比计算得到第二体积模量和第二剪切模量。
由于在预测第二体积模量、第二剪切模量的表达式中,只有孔隙纵横比为变量,其余参数均为已知量,因此在确定了孔隙纵横比之后,便可以计算得到第二体积模量、第二剪切模量的预测值。
S660:根据第二体积模量、第二剪切模量计算得到频率的声波测井信号在储层中传播时的横波速度和/或纵波速度。
例如,可以按照以下公式计算横波速度、纵波速度,其中,Vs为横波速度,Vp为纵波速度,K为第二体积模量,G为第二剪切模量,ρ为储层密度:
上述测井速度预测方法,根据声波测井信号计算得到第一体积模量和第一剪切模块,然后基于第一体积模量和第一剪切模量生成以孔隙纵横比为变量的第一目标函数,根据第一目标函数的最小取值确定目标孔隙纵横比,再根据目标孔隙纵横比计算第一体积模量和第一剪切模量,最后根据其计算得到传播速度。该方法能够对稠油储层中测井信号的传播速度进行预测,为基于传播速度尤其是横波速度的地震岩石属性反演建立了基础。
在一些实施例中,步骤S640通过迭代算法求取第一目标函数的最小值,在该情况下,预测第二体积模量的表达式可以为
预测第二剪切模量的表达式可以为
其中,Kn+1为n+1次迭代时的第二体积模量,Gn+1为n+1次迭代时的第二剪切模量,Koil为油体积模量,Goil为油的剪切模量,Kwater为水的体积模量,Gwater为水的剪切模量,为第n次迭代时以水作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以水作为填充物的情况下混合物的第二孔隙形变张量,为第n次迭代时以油作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以油作为填充物的情况下混合物的第二孔隙形变张量,为第n次迭代时以岩石基质作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以岩石基质作为填充物的情况下混合物的第二孔隙形变张量,Ks为岩石基质的体积模量,Gs为岩石基质的剪切模量;So为含有饱和度,φ为孔隙度;Goil与声波测井信号的频率相关,孔隙形变张量均与孔隙纵横比相关。其中,孔隙纵横比为变量。Goil可以通过上述CCM模型计算得到。这里的岩石基质是指上述矿物形成的岩石。
在迭代过程中,需要预先估计K1和G1。可以通过VRH(Voigt-Reuss-Hill)方法。
在一些实施例中,第一孔隙形变张量表示为:
第二孔隙形变张量表示为:
其中,Pmi和Qmi为包含物m中填充了填充物i后的混合物的孔隙形变张量,Km为包含物m的体积模量,Gm为包含物m的剪切模量,Ki为填充物i的体积模量,Gi为填充物i的剪切模量,βm=Gm(3Km+Gm)/(3Km+4Gm),α为孔隙纵横比。
通常情况下,声波测井数据中的孔隙度只有井筒所在位置处的储层孔隙度,因此,无法通过声波测井数据中的孔隙度描述整个储层孔隙度分布情况。
在工区通常还会进行地震试验,即人工产生地震源,例如爆炸,监测地震信号在地层中的传播速度,通常可以获取在储层中各个位置的纵波速度,即一个孔隙度数据通常都有对应的纵波速度数据,而一个纵波速度数据不一定有一个孔隙度数据与之对应。基于此,可以结合声波测井数据中少量的孔隙度数据和大量的地震纵波速度数据计算得到大量的孔隙度数据,从而达到精确刻画与描述稠油储层的目的。
为了验证预测的结果孔隙纵横比、横波速度、纵波速度的预测结果,发明人取某油田的X井和Y井在稠油储层段的测井数据,其中X井的测井数据对应地下2510m至2600m深度,Y井的测井数据对应于地下1000m至1200m深度。这两口井稠油储层的上下层均为泥质层,其中,X井测量了纵波速度,Y井测量了纵波速度和横波速度。图7A至图7C对应于X井,图7D至图7F对应于Y井。在图7A至图7F中,实线表示实测值的变化趋势,虚线表示预测值的变化趋势,在图7A和图7D中实测值与预测值的变化趋势曲线重合在一起难以分辨出虚线表示的预测值变化趋势,图7E中表示预测值变化趋势的曲线在表示实测值变化趋势曲线附近,且有部分重合。根据图7A、图7D和图7E可以看出本说明书实施例所提供的测井速度预测方法对于纵波速度、横波速度的预测较为准确。
基于上述方法预测得到的纵波速度,本说明书实施例还提供一种基于井震融合的孔隙度确定方法,可以用于确定地层中一个任意一个深度位置处的孔隙度,进而可以得到一个剖面的孔隙度分布状况。如图8所示,该方法包括如下步骤。
S810:获取目标储层的声波测井数据,声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度及各类矿物的含量。
S820:根据目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量。
S830:根据储层中目标深度位置处的孔隙度、第一体积模量和第一剪切模量,生成以孔隙纵横比为变量的第一目标函数。
S840:将第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比。
S850:根据目标孔隙纵横比计算得到第二体积模量和第二剪切模量。
S860:根据第二体积模量、第二剪切模量计算得到频率的声波测井信号在储层中传播时的纵波速度。
上述步骤S810至S860请参阅上述步骤S610至S660。
S870:根据目标储层中各个深度位置的声波测井数据计算得到各个深度位置对应的孔隙纵横比。
根据图6所示的方法可用计算得到各个目标深度位置对应的目标孔隙纵横比,即各个深度位置对应的孔隙纵横比。
S880:根据目标储层中多个深度位置对应的孔隙纵横比确定目标储层的孔隙纵横比的替代值。
在一些实施例中,如图7C所示,孔隙纵横比的大部分取值为0.1左右,则可以将0.1作为整个储层的孔隙纵横比。在一些实施例中,还可以计算多个孔隙纵横比的平均值,剔除取值高于平均值的孔隙纵横比,然后去剩余孔隙纵横比的平均值作为整个储层的孔隙纵横比。当然,还可以采用其他方式确定储层的孔隙纵横比的替代值,本说明书对具体确定方式不做限定。
S890:根据目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数。
在一些实施例中,步骤S890可以包括如下步骤S891至S894。
S891:根据孔隙度、孔隙纵横比的替代值、声波测井信号的频率,建立以孔隙度为变量的预测第三体积模量的表达式和预测第三剪切模量的表达式。
S892:根据预测第三体积模量的表达式和预测第三剪切模量的表达式,计算纵波速度的预测值。
S893:获取地震资料中纵波速度的实测值。
S894:根据纵波速度的预测值与实测值,生成以孔隙度为变量的第二目标函数。
例如,第二目标函数可以为S=|V预测-V实测|,其中V预测为纵波速度的预测值,V实测为纵波速度的实测值。
纵波速度的实测值为地震频段的测井信号所对应的纵波速度。可以直接入步骤S893所述直接从地震资料中获取纵波速度的实测值,还可以将声波测井数据中纵波速度的实测值校正到地震频段作为地震试验方式得到的纵波速度。
S8100:将第二目标函数取值最小时的孔隙度作为目标孔隙度。
步骤S8100为最优化问题,可以采用任意一种最优化求解方法进行求解。例如可以采用迭代算法进行求解。
在进行最优化求解之前,需要先确估计目标孔隙度的变化范围。可以根据经验设置一个较大的范围;也可以预先采集的储层岩石样本进行实验,通过实验得到孔隙度的变化范围,这范围通常小于上述较大的范围,因此能够减少计算量。
第二目标函数取值最小时,也即预测值与实测值之间的差值最小,从而可以通过预测值对应的孔隙度取值代替实际孔隙度。
根据图7C和图7F的预测结果可以看出,X井的稠油储层段的孔隙纵横比基本为0.1;根据图7F可以看出,Y井的稠油储层段的孔隙纵横比基本为0.2。这一预测预测结果符合孔隙形状与压力的关系,即:深度越大,压力越大,孔隙形状越趋近于扁平状。
根据储层剖面上多个深度位置对应的纵波速度的实测值可以通过上述方法得到多个目标孔隙度,从而可以得到如图9所示的孔隙度曲线。储层剖面上多个深度位置对应的目标孔隙度还可以通过平面色块图的方式来呈现,即在储层剖面示意图上,一种颜色代表一个孔隙度区间,这种表达方式能够较为直观的描述储层的孔隙度分布情况。
在一些实施例中,在通过迭代算法求取第二目标函数的最小值的情况下,预测第三体积模量的表达式为
预测第三剪切模量的表达式为
其中,Kn+1为n+1次迭代时的第三体积模量,Gn+1为n+1次迭代时的第三剪切模量,Koil为油体积模量,Goil为油的剪切模量,Kwater为水的体积模量,Gwater为水的剪切模量,第n次迭代时以水作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以水作为填充物的情况下混合物的第二孔隙形变张量,为第n次迭代时以油作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以油作为填充物的情况下混合物的第二孔隙形变张量,为第n次迭代时以岩石基质作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以岩石基质作为填充物的情况下混合物的第二孔隙形变张量,Ks为岩石基质的体积模量,Gs为岩石基质的剪切模量;So为含有饱和度,φ为孔隙度;Goil与测井信号的频率相关,孔隙形变张量均与孔隙纵横比相关。其中,孔隙度为变量。Goil可以通过上述CCM模型计算得到。这里的岩石基质是指上述矿物形成的岩石。
在迭代过程中,需要预先估计K1和G1。可以通过VRH(Voigt-Reuss-Hill)方法。具体可以先计算 然后计算KS=(KV+KR)/2。其中,fi为第i个矿物的含量,Ki为第i个岩石的体积模量,KS为计算得到的岩石基质的体积模量。
在得到岩石基质的体积模量和剪切模量之后,考虑岩石中混入水、油等流体介质的情形,根据含油饱和度,再采用VRH(Voigt-Reuss-Hill)方法计算岩石基质、水、油混合物的体积模量K1,以及剪切模量G1。
在一些实施例中,第一孔隙形变张量表示为:
第二孔隙形变张量表示为:
其中,Pmi和Qmi为包含物m中填充了填充物i后的混合物的孔隙形变张量,Km为包含物m的体积模量,Gm为包含物m的剪切模量,Ki为填充物i的体积模量,Gi为填充物i的剪切模量,βm=Gm(3Km+Gm)/(3Km+4Gm),α为孔隙纵横比。
在一些实施例中,声波测井信号的频段大于地震信号的频段。步骤S890和S8100之前还包括:将声波测井数据中纵波速度的实测值校正到地震频段。相应地,第三体积模量、第三剪切模量的取值也与地震频段的测井信号对应,具体体现为其中参数Goil的取值与地震频段的测井信号对应。
在一些实施例中,如图10所示,可以通过如下步骤将声波测井数据中纵波速度的实测值校正到地震频段:
S1010:从声波测井数据中选取测井信号的频率位于地震频段的声波测井数据。
例如,测井数据的频段为0-1000Hz,地震频段为0-30Hz。可以从测井数据中选取频率小于30Hz的测井信号对应的测井数据。
S1020:确定所选取的声波测井数据中的孔隙度及对应的孔隙纵横比。
孔隙度通常是测井数据中都会记录的数据,孔隙纵横比可以通过图6所示的方法确定,在测井数据记录有孔隙纵横比的情况下,也可以实测的孔隙纵横比。
S1030:根据孔隙度、孔隙纵横比和预测第四体积模量的表达式计算得到地震频段下的第四体积模量,根据孔隙度、孔隙纵横比和预测第四剪切模量的表达式计算得到地震频段下的第四剪切模量。
在一些实施例中,预测第四体积模量的表达式可以为
预测第四剪切模量的表达式可以为
其中,Kn+1为n+1次迭代时的第四体积模量,Gn+1为n+1次迭代时的第四剪切模量,Koil为油体积模量,Goil为油的剪切模量,Kwater为水的体积模量,Gwater为水的剪切模量,为第n次迭代时以水作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以水作为填充物的情况下混合物的第二孔隙形变张量,为第n次迭代时以油作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以油作为填充物的情况下混合物的第二孔隙形变张量,为第n次迭代时以岩石基质作为填充物的情况下混合物的第一孔隙形变张量,为第n次迭代时以岩石基质作为填充物的情况下混合物的第二孔隙形变张量;Ks为岩石基质的体积模量,Gs为岩石基质的剪切模量;So为含有饱和度,φ为孔隙度;Goil与测井信号的频率相关,孔隙形变张量均与孔隙纵横比相关。其中,孔隙纵横比为变量。Goil可以通过上述CCM模型计算得到。这里的岩石基质是指上述矿物形成的岩石。
在迭代过程中,需要预先估计K1和G1。可以通过VRH(Voigt-Reuss-Hill)方法。具体可以先计算 然后计算KS=(KV+KR)/2。其中,fi为第i个矿物的含量,Ki为第i个岩石的体积模量,KS为计算得到的岩石基质的体积模量。
在得到岩石基质的体积模量和剪切模量之后,考虑岩石中混入水、油等流体介质的情形,根据含油饱和度,再采用VRH(Voigt-Reuss-Hill)方法计算岩石基质、水、油混合物的体积模量K1,以及剪切模量G1。
在一些实施例中,第一孔隙形变张量表示为:
第二孔隙形变张量表示为:
其中,Pmi和Qmi为包含物m中填充了填充物i后的混合物的孔隙形变张量,Km为包含物m的体积模量,Gm为包含物m的剪切模量,Ki为填充物i的体积模量,Gi为填充物i的剪切模量,βm=Gm(3Km+Gm)/(3Km+4Gm),α为孔隙纵横比。
S1040:根据地震频段下的第四体积模量、第四剪切模量计算得到校正后的地震频段下的纵波速度。
本说明书实施例提供了一种测井速度预测装置,可以用于实现图6所示的方法。如图11A所示,该装置包括第一获取模块10、第一计算模块20、第一生成模块30、第一确定模块40、第二计算模块50和第三计算模块60。
第一获取模块10用于获取目标储层的声波测井数据,声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量。
第一计算模块20用于根据目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量。
第一生成模块30用于根据储层中目标深度位置处的孔隙度、第一体积模量和第一剪切模量,生成以孔隙纵横比为变量的第一目标函数。
第一确定模块40用于将第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比。
第二计算模块50用于根据目标孔隙纵横比计算得到第二体积模量和第二剪切模量。
第三计算模块60用于根据第二体积模量、第二剪切模量计算得到频率的声波测井信号在目标储层中传播时的横波速度和/或纵波速度。
在一些实施例中,第一生成模块30包括第一建立子模块31和第一生成子模块32。
第一建立子模块31用于根据孔隙纵横比、孔隙度、声波测井信号的频率,建立以孔隙纵横比为变量的预测第二体积模量的表达式和预测第二剪切模量的表达式。
第一生成子模块32用于将预测第二体积模量的表达式和预测第二剪切模量的表达式组成的数据点作为预测数据点,将第一体积模量、第一剪切模量组成的数据点作为实测数据点,根据实测数据点与预测数据点之间的距离,生成以孔隙纵横比为变量的第一目标函数。
本说明书实施例提供了一种基于井震融合的孔隙度确定装置,可以用于实现图8所示的方法。如图11B所示,该装置包括第一获取模块10、第一计算模块20、第一生成模块30、第一确定模块40、第二计算模块50、第三计算模块60、第四计算模块70、第二确定模块80、第二生成模块90和第三确定模块100。
第一获取模块10用于获取目标储层的声波测井数据,声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量。
第一计算模块20用于根据目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量。
第一生成模块30用于根据储层中目标深度位置处的孔隙度、第一体积模量和第一剪切模量,生成以孔隙纵横比为变量的第一目标函数。
第一确定模块40用于将第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比。
第二计算模块50用于根据目标孔隙纵横比计算得到第二体积模量和第二剪切模量。
第三计算模块60用于根据第二体积模量、第二剪切模量计算得到频率的声波测井信号在目标储层中传播时的纵波速度。
第四计算模块70用于根据目标储层中各个深度位置的声波测井数据计算得到各个深度位置对应的孔隙纵横比。
第二确定模块80用于根据目标储层中多个深度位置对应的孔隙纵横比确定目标储层的孔隙纵横比的替代值。
第二生成模块90用于根据目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数。
第三确定模块100用于将第二目标函数取值最小时的孔隙度作为目标孔隙度。
在一些实施例中,第二生成模块90包括:
第二建立子模块91,用于根据孔隙度、孔隙纵横比的替代值、声波测井信号的频率,建立以孔隙度为变量的预测第三体积模量的表达式和预测第三剪切模量的表达式。
第一计算子模块92用于根据预测第三体积模量的表达式和预测第三剪切模量的表达式,计算纵波速度的预测值。
获取子模块93用于获取地震资料中纵波速度的实测值。
第二生成子模块94用于根据纵波速度的预测值与实测值,生成以孔隙度为变量的第二目标函数。
在一些实施例中,如图11B所示,基于井震融合的孔隙度确定装置还包括:校正模块110用于将声波测井数据中纵波速度的实测值校正到地震频段。相应地,第三体积模量、第三剪切模量的取值与地震频段的测井信号对应。
在一些实施例中,校正模块110包括选取子模块111、确定子模块112、第二计算子模块113和第三计算子模块114。
选取子模块111用于从声波测井数据中选取测井信号的频率位于地震频段的声波测井数据。
确定子模块112用于确定所选取的声波测井数据中的孔隙度及对应的孔隙纵横比。
第二计算子模块113用于根据孔隙度、孔隙纵横比和预测第四体积模量的表达式计算得到地震频段下的第四体积模量,根据孔隙度、孔隙纵横比和预测第四剪切模量的表达式计算得到地震频段下的第四剪切模量。
第三计算子模块114用于根据地震频段下的第四体积模量、第四剪切模量计算得到校正后的地震频段下的纵波速度。
本发明实施例还提供了一种电子设备,如图12所示,该电子设备可以包括处理器121和存储器122,其中处理器121和存储器122可以通过总线或者其他方式连接,图12中以通过总线连接为例。
处理器121可以为中央处理器(Central Processing Unit,CPU)。处理器121还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器122作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的测井速度预测方法或者基于井震融合的孔隙度确定方法对应的程序指令/模块(例如,图11A所示的第一获取模块10、第一计算模块20、第一生成模块30、第一确定模块40、第二计算模块50和第三计算模块60,图11B所示的第一获取模块10、第一计算模块20、第一生成模块30、第一确定模块40、第二计算模块50、第三计算模块60、第四计算模块70、第二确定模块80、第二生成模块90和第三确定模块100)。处理器121通过运行存储在存储器122中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的测井速度预测方法或基于井震融合的孔隙度确定方法。
存储器122可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器121所创建的数据等。此外,存储器122可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器122可选包括相对于处理器121远程设置的存储器,这些远程存储器可以通过网络连接至处理器121。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器122中,当被所述处理器121执行时,执行如图6所示实施例中的测井速度预测方法或者如图8所示实施例中的基于井震融合的孔隙度确定方法。
上述电子设备具体细节可以对应参阅图6或图8的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
在20世纪50年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
本说明书中的各个实施方式均采用递进的方式描述,各个实施方式之间相同相似的部分互相参见即可,每个实施方式重点说明的都是与其他实施方式的不同之处。
上述实施方式阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施方式的某些部分的方法。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施方式描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (10)
1.一种测井速度预测方法,其特征在于,包括:
获取目标储层的声波测井数据,所述声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量;
根据所述目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;
根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;
将所述第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;
根据所述目标孔隙纵横比计算得到第二体积模量和第二剪切模量;
根据所述第二体积模量、所述第二剪切模量计算得到所述频率的声波测井信号在所述目标储层中传播时的横波速度和/或纵波速度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数,包括:
根据孔隙纵横比、所述孔隙度、所述声波测井信号的频率,建立以孔隙纵横比为变量的预测第二体积模量的表达式和预测第二剪切模量的表达式;
将所述预测第二体积模量的表达式和预测第二剪切模量的表达式组成的数据点作为预测数据点,将所述第一体积模量、所述第一剪切模量组成的数据点作为实测数据点,根据实测数据点与预测数据点之间的距离,生成以孔隙纵横比为变量的第一目标函数。
3.一种基于井震融合的孔隙度确定方法,其特征在于,包括:
获取目标储层的声波测井数据,所述声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量;
根据所述目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;
根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;
将所述第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;
根据所述目标孔隙纵横比计算得到第二体积模量和第二剪切模量;
根据所述第二体积模量、所述第二剪切模量计算得到所述频率的声波测井信号在所述目标储层中传播时的纵波速度;
根据目标储层中各个深度位置的声波测井数据计算得到各个深度位置对应的孔隙纵横比;
根据目标储层中多个深度位置对应的孔隙纵横比确定目标储层的孔隙纵横比的替代值;
根据所述目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数;
将所述第二目标函数取值最小时的孔隙度作为目标孔隙度。
4.根据权利要求3所述的方法,其特征在于,根据所述目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数,包括:
根据孔隙度、所述孔隙纵横比的替代值、所述声波测井信号的频率,建立以孔隙度为变量的预测第三体积模量的表达式和预测第三剪切模量的表达式;
根据所述预测第三体积模量的表达式和所述预测第三剪切模量的表达式,计算纵波速度的预测值;
获取地震资料中纵波速度的实测值;
根据所述纵波速度的预测值与实测值,生成以孔隙度为变量的第二目标函数。
5.根据权利要求4所述的方法,其特征在于,在所述纵波速度的实测值与地震频段的测井信号对应,且声波测井信号的频段大于地震信号的频段的情况下,在所述根据所述目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数;将所述第二目标函数取值最小时的孔隙度作为目标孔隙度之前,还包括:
将声波测井数据中纵波速度的实测值校正到地震频段;
相应地,所述第三体积模量、所述第三剪切模量的取值与地震频段的测井信号对应。
6.根据权利要求5所述的方法,其特征在于,所述将声波测井数据中纵波速度的实测值校正到地震频段,包括:
从声波测井数据中选取测井信号的频率位于地震频段的声波测井数据;
确定所选取的声波测井数据中的孔隙度及对应的孔隙纵横比;
根据所述孔隙度、所述孔隙纵横比和预测第四体积模量的表达式计算得到地震频段下的第四体积模量,根据所述孔隙度、所述孔隙纵横比和预测第四剪切模量的表达式计算得到地震频段下的第四剪切模量;
根据地震频段下的第四体积模量、第四剪切模量计算得到校正后的地震频段下的纵波速度。
7.一种测井速度预测装置,其特征在于,包括:
第一获取模块,用于获取目标储层的声波测井数据,所述声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量;
第一计算模块,用于根据所述目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;
第一生成模块,用于根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;
第一确定模块,用于将所述第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;
第二计算模块,用于根据所述目标孔隙纵横比计算得到第二体积模量和第二剪切模量;
第三计算模块,用于根据所述第二体积模量、所述第二剪切模量计算得到所述频率的声波测井信号在所述目标储层中传播时的横波速度和/或纵波速度。
8.一种基于井震融合的孔隙度确定装置,其特征在于,包括:
第一获取模块,用于获取目标储层的声波测井数据,所述声波测井数据包括:声波测井信号的频率、储层中目标深度位置处的孔隙度、各类矿物的含量;
第一计算模块,用于根据所述目标储层中各类矿物的含量计算得到第一体积模量和第一剪切模量;
第一生成模块,用于根据所述储层中目标深度位置处的孔隙度、所述第一体积模量和所述第一剪切模量,生成以孔隙纵横比为变量的第一目标函数;
第一确定模块,用于将所述第一目标函数取值最小时的孔隙纵横比作为目标孔隙纵横比;
第二计算模块,用于根据所述目标孔隙纵横比计算得到第二体积模量和第二剪切模量;
第三计算模块,用于根据所述第二体积模量、所述第二剪切模量计算得到所述频率的声波测井信号在所述目标储层中传播时的纵波速度;
第四计算模块,用于根据目标储层中各个深度位置的声波测井数据计算得到各个深度位置对应的孔隙纵横比;
第二确定模块,用于根据目标储层中多个深度位置对应的孔隙纵横比确定目标储层的孔隙纵横比的替代值;
第二生成模块,用于根据所述目标储层的孔隙纵横比的替代值,生成以孔隙度为变量的第二目标函数;
第三确定模块,用于将所述第二目标函数取值最小时的孔隙度作为目标孔隙度。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述处理器和所述存储器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而实现权利要求1至6任一项所述方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序指令,所述计算机程序指令被执行时实现权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111085447.XA CN113640883B (zh) | 2021-09-16 | 2021-09-16 | 测井速度预测、基于井震融合的孔隙度确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111085447.XA CN113640883B (zh) | 2021-09-16 | 2021-09-16 | 测井速度预测、基于井震融合的孔隙度确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113640883A true CN113640883A (zh) | 2021-11-12 |
CN113640883B CN113640883B (zh) | 2022-09-23 |
Family
ID=78425857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111085447.XA Active CN113640883B (zh) | 2021-09-16 | 2021-09-16 | 测井速度预测、基于井震融合的孔隙度确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113640883B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114428119A (zh) * | 2022-01-20 | 2022-05-03 | 重庆大学 | 一种用于反演各向异性特征的复合材料弹性常数的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007071196A1 (fr) * | 2005-12-22 | 2007-06-28 | Xinping Chen | Procede d'exploration directe de gisements de petrole, de gaz naturel et de gaz de houille |
CN103645509A (zh) * | 2013-11-08 | 2014-03-19 | 中国石油大学(北京) | 致密储层孔隙纵横比反演及横波速度预测方法 |
US20160109593A1 (en) * | 2014-10-17 | 2016-04-21 | Vimal SAXENA | Methods and systems for generating percolated rock physics models for predicting permeability and petrophysical quantities |
US20170212275A1 (en) * | 2016-01-22 | 2017-07-27 | Chevron U.S.A. Inc. | System and method for modeling the effects of fluid changes in low porosity hydrocarbon reservoirs |
CN110133720A (zh) * | 2019-06-04 | 2019-08-16 | 南京信息工程大学 | 一种基于统计岩石物理模型的横波速度预测方法 |
CN110333549A (zh) * | 2019-04-26 | 2019-10-15 | 中国石油化工股份有限公司 | 基于测井资料频散特征的井点裂隙孔隙度预测方法 |
US20200132869A1 (en) * | 2016-07-15 | 2020-04-30 | Hohai University | Seismic rock physics inversion method based on large area tight reservoir |
CN111399044A (zh) * | 2020-04-13 | 2020-07-10 | 中国石油大学(北京) | 一种储层渗透率预测方法、装置及存储介质 |
CN111897011A (zh) * | 2020-07-27 | 2020-11-06 | 中国石油大学(华东) | 储层孔隙特征确定方法、装置及设备 |
-
2021
- 2021-09-16 CN CN202111085447.XA patent/CN113640883B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007071196A1 (fr) * | 2005-12-22 | 2007-06-28 | Xinping Chen | Procede d'exploration directe de gisements de petrole, de gaz naturel et de gaz de houille |
CN103645509A (zh) * | 2013-11-08 | 2014-03-19 | 中国石油大学(北京) | 致密储层孔隙纵横比反演及横波速度预测方法 |
US20160109593A1 (en) * | 2014-10-17 | 2016-04-21 | Vimal SAXENA | Methods and systems for generating percolated rock physics models for predicting permeability and petrophysical quantities |
US20170212275A1 (en) * | 2016-01-22 | 2017-07-27 | Chevron U.S.A. Inc. | System and method for modeling the effects of fluid changes in low porosity hydrocarbon reservoirs |
US20200132869A1 (en) * | 2016-07-15 | 2020-04-30 | Hohai University | Seismic rock physics inversion method based on large area tight reservoir |
CN110333549A (zh) * | 2019-04-26 | 2019-10-15 | 中国石油化工股份有限公司 | 基于测井资料频散特征的井点裂隙孔隙度预测方法 |
CN110133720A (zh) * | 2019-06-04 | 2019-08-16 | 南京信息工程大学 | 一种基于统计岩石物理模型的横波速度预测方法 |
CN111399044A (zh) * | 2020-04-13 | 2020-07-10 | 中国石油大学(北京) | 一种储层渗透率预测方法、装置及存储介质 |
CN111897011A (zh) * | 2020-07-27 | 2020-11-06 | 中国石油大学(华东) | 储层孔隙特征确定方法、装置及设备 |
Non-Patent Citations (7)
Title |
---|
LIMING ZHAO,等: "Bulk modulus for fluid-saturated rocks at high frequency:modification of squirt flow model proposed byMavko & Jizba", 《GEOPHYS. J. INT.》 * |
LIMING ZHAO,等: "Bulk modulus for fluid-saturated rocks at intermediate frequencies: modification of squirt flow model proposed by Gurevich et al.", 《GEOPHYS. J. INT.》 * |
XU HAN,等: "Coupled effects of pressure and frequency on velocities of tight sandstones saturated with fluids: measurements and rock physics modelling", 《GEOPHYS. J. INT.》 * |
刘财,等: "基于粒子群算法的页岩孔隙结构反演及横波速度预测", 《地球物理学进展》 * |
印兴耀,等: "基于岩石物理模型的纵、横波速度反演方法", 《石油物探》 * |
白俊雨等: "基于Xu-White模型横波速度预测的误差分析", 《新疆石油天然气》 * |
郭继亮,等: "受孔隙形态影响的碳酸盐岩孔隙度反演", 《地球物理学进展》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114428119A (zh) * | 2022-01-20 | 2022-05-03 | 重庆大学 | 一种用于反演各向异性特征的复合材料弹性常数的方法 |
CN114428119B (zh) * | 2022-01-20 | 2023-11-21 | 重庆大学 | 一种用于反演各向异性特征的复合材料弹性常数的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113640883B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Masson et al. | Finite-difference modeling of Biot’s poroelastic equations across all frequencies | |
Guo et al. | Seismic dispersion and attenuation in saturated porous rocks with aligned fractures of finite thickness: Theory and numerical simulations—Part 2: Frequency-dependent anisotropy | |
US20160109593A1 (en) | Methods and systems for generating percolated rock physics models for predicting permeability and petrophysical quantities | |
Ma et al. | Evaluation of equivalent medium methods for stress wave propagation in jointed rock mass | |
Grana | Probabilistic approach to rock physics modeling | |
Markov et al. | Elastic properties of double‐porosity rocks using the differential effective medium model | |
Vogelaar et al. | Exact expression for the effective acoustics of patchy-saturated rocks | |
Zhang et al. | A semianalytical solution for a griffith crack nonuniformly pressurized by internal fluid | |
CN113640883B (zh) | 测井速度预测、基于井震融合的孔隙度确定方法及装置 | |
Duan et al. | Discrete element method simulation of the growth and efficiency of multiple hydraulic fractures simultaneously-induced from two horizontal wells | |
Dalguer et al. | Generation of new cracks accompanied by the dynamic shear rupture propagation of the 2000 Tottori (Japan) earthquake | |
Santos et al. | Numerical simulation in applied geophysics | |
Wang et al. | Factors influencing pore-pressure prediction in complex carbonates based on effective medium theory | |
Nakagawa et al. | Effect of fracture compliance on wave propagation within a fluid-filled fracture | |
Qi et al. | Influence of interface condition on reflection of elastic waves in fluid-saturated porous media | |
Li et al. | Reflection and transmission of plane waves in stressed media with an imperfectly bonded interface | |
Madadi et al. | Modelling elastic anisotropy of dry rocks as a function of applied stress | |
Wang et al. | Wavefield simulation of fractured porous media and propagation characteristics analysis | |
Grechka | Fluid-solid substitution in rocks with disconnected and partially connected porosity | |
Hasheminejad et al. | Elastic wave scattering by two spherical inclusions in a poroelastic medium | |
Wang et al. | Effect of local fluid flow on the reflection and transmission of elastic waves at an interface between an elastic solid and a double-porosity medium | |
CN112558153B (zh) | 一种双相介质的油气储层预测方法及装置 | |
Roux et al. | Stability/dispersion analysis of the discontinuous Galerkin linearized shallow‐water system | |
Cao et al. | Interaction of multiple courses of wave‐induced fluid flow in layered porous media | |
Ghaffari et al. | Observation of the Kibble–Zurek mechanism in microscopic acoustic crackling noises |
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 |