CN113687440A - 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 - Google Patents
基于米兰科维奇旋回的古水深定量恢复方法和存储介质 Download PDFInfo
- Publication number
- CN113687440A CN113687440A CN202110947608.5A CN202110947608A CN113687440A CN 113687440 A CN113687440 A CN 113687440A CN 202110947608 A CN202110947608 A CN 202110947608A CN 113687440 A CN113687440 A CN 113687440A
- Authority
- CN
- China
- Prior art keywords
- water depth
- depth
- ancient water
- ancient
- formula
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011084 recovery Methods 0.000 title claims description 25
- 238000003860 storage Methods 0.000 title claims description 10
- 230000008021 deposition Effects 0.000 claims abstract description 43
- 238000004062 sedimentation Methods 0.000 claims abstract description 27
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 21
- 239000011435 rock Substances 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 7
- 238000003556 assay Methods 0.000 claims description 3
- 238000013213 extrapolation Methods 0.000 claims description 3
- 208000035126 Facies Diseases 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 239000010941 cobalt Substances 0.000 description 6
- 229910017052 cobalt Inorganic materials 0.000 description 6
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 229910052776 Thorium Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052746 lanthanum Inorganic materials 0.000 description 2
- FZLIPJUXYLNCLC-UHFFFAOYSA-N lanthanum atom Chemical compound [La] FZLIPJUXYLNCLC-UHFFFAOYSA-N 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000011573 trace mineral Substances 0.000 description 2
- 235000013619 trace mineral Nutrition 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/246—Earth materials for water content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Mathematical Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供基于米兰科维奇旋回的古水深定量恢复方法,包括选取标定井和岩样,获取岩样岩相敏感测井数据,并进行微常量元素分析化验计算单点古水深;对岩相敏感测井数据降噪,将降噪后的测井数据分别进行时间域和深度域频谱分析及滤波分析,确认降噪测井数据是否符合米兰科维奇天文信号,然后通过演化谐波功率谱分析,并通过蒙特卡洛模拟计算演化平均光谱失配,获得降噪测井数据的深度域谱图;基于米兰科维奇天文旋回理论,追踪零假设显著性水平最小值,并将从中获取的沉积速率与单点古水深等深度对应,拟合沉积速率‑古水深公式,校验公式后计算标定井的全序列古水深。该方法更直观地表征不同构造‑沉积单元在不同地质时期的沉积环境及演化序列。
Description
技术领域
本发明涉及地球化学和地球物理中古水深恢复技术领域,具体涉及一种基于米兰科维奇旋回的古水深定量恢复方法和存储介质。
背景技术
现有技术中,在文献(杨万芹,朱德顺,银燕,丁桔红,2015.古水深的地球化学恢复方法及在层序地层划分中的应用.地质论评,61(S1):756-757.)中,根据Fe/Co、Fe/Mn和Th/U三个元素比值综合,在结合地区平均古水深进行古水深曲线恢复。此方法主要建立对古水深变化反映灵敏的地球化学指标,进行多个指标综合,进行古水深的量化恢复,并应用恢复的古水深曲线。但是此方法无法对无取心或无微量元素测试的井段进行水深的恢复。
在另一篇专利文件(申请公布号CN 106019401 A)“一种古水深的定量恢复方法以及装置”中,确定古湖盆的研究层位中滩坝发育区域;确定所述滩坝发育区域中至少一口典型井的单点古水深;确定所述滩坝发育区域中的至少一口所述典型井中的Th含量和U含量,并根据所述Th含量与所述U含量计算Th与U比值;根据所有典型井的单点古水深以及单点古水深所在位置所对应的Th与U比值,拟合单点古水深与Th/U值的关系方程,恢复所述典型井的定量古水深;根据单点古水深与Th/U值的关系方程,恢复所述古湖盆中非滩坝发育区域其它井的定量古水深。通过该方法能够获取古湖盆同一沉积时期水体深度垂向和平面变化的连续定量古水深数据。但是此方法限于滩坝沉积体系特殊性,无法对无滩坝发育区域建立古水深与Th/U值的关系方程;此外,表征古水深的关键参数选取及恢复路径相对独立。
发明内容
本发明解决的一个主要问题是现有古水深量化恢复方法无法更直观地恢复沉积时期的全序列的水体深度,从而难以建立沉积时期古地貌和古环境的问题。
根据本发明的一个方面,本发明提供一种基于米兰科维奇旋回的古水深定量恢复方法,包括:
选取标定井;
基于所述标定井选取岩样,并获取所述岩样的岩相敏感测井数据;
对所述岩样进行微常量元素分析化验,并利用微常量元素丰度计算获得单点古水深;
对所述岩相敏感测井数据进行降噪,获得降噪测井数据;
将所述降噪测井数据分别进行Multitaper method spectral analysis时间域和深度域频谱分析和Bandpass滤波分析,确认所述降噪测井数据是否符合米兰科维奇天文信号;
所述降噪测井数据符合所述米兰科维奇天文信号后,通过Evolutive Harmo nicAnalysis&Evolutive Power Spectral Analysis演化谐波功率谱分析,并通过蒙特卡洛模拟计算演化平均光谱失配Evolutive Average Spectral Misfit,获得所述降噪测井数据的深度域谱图;
基于米兰科维奇天文旋回理论,通过eAsmTrack程序追踪eAsm程序中的Asm零假设显著性水平最小值,获取所述深度域谱图中的沉积速率;
将获取的所述沉积速率与所述单点古水深等深度对应,建立并拟合沉积速率-古水深公式;
对所述沉积速率-古水深公式进行校验,获得校验后的沉积速率-古水深公式;
使用校验后的所述沉积速率-古水深公式计算所述标定井的全序列古水深,恢复目标区域的古水深时空分布。
进一步地,所述对所述沉积速率-古水深公式进行校验,获得校验后的沉积速率-古水深公式还包括:
使用微常量元素丰度计算获得的所述单点古水深与利用米兰科维奇天文旋回公式计算的古水深进行比对,验证所述沉积速率-古水深公式的准确性。
进一步地,所述对所述岩相敏感测井数据进行降噪还包括:
利用Wavelet analysis软件中的Wavelet coefficients selection 1-d程序,用dmey函数将所述岩相敏感测井数据分解为9层,去除分层后的所述岩相敏感测井数据中的背景a9和最高频d1;
并将去除背景a9和最高频d1后所述岩相敏感测井数据保存为含有深度和表头的深度域数据以及不含所述深度和所述表头的时间域数据。
进一步地,将所述降噪测井数据分别进行时间域和深度域频谱分析以及滤波分析,确认所述降噪测井数据是否符合米兰科维奇天文信号还包括:
导入时间域数据,进行频谱分析验证特征峰频率是否满足米氏旋回周期的反比;
导入深度域数据,使用“astrochron”软件包中的mtm代码和bandpass代码验证所述深度域数据是否符合米兰科维奇天文周期。
进一步地,所述深度域谱图还包括沉积速率、天文周期和零假设显著性水平信息。
进一步地,所述微常量元素为Co元素。
进一步地,所述使用校验后的所述沉积速率-古水深公式计算所述标定井的全序列古水深包括:
利用所述沉积速率-古水深公式计算所有单井的全序列古水深,进而形成井网外推全目标区域的古水深水深分布,并基于所述全目标区域的古水深水深分布,定量恢复全目标区域的各时期的古水深分布。
进一步地,所述建立并拟合沉积速率-古水深公式包括:
将微常量元素丰度计算获得的所述单点古水深与对应深度的所述沉积速率整合到一起,利用origin等线性回归软件拟合两者的函数关系式。
根据本发明的另一个方面,还公开一种存储介质,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有如前任一一项所述的一种基于米兰科维奇旋回的古水深定量恢复方法。
沉积速率可以反映可容空间及水深变化,通过建立古水深和沉积速率之间的定量关系,实现古水深定量恢复。因此本发明采用一种结合钴元素定量计算沉积速率和米兰科维奇天文旋回理论全井段相对沉积速率来建立多点全井段沉积速率进而定量研究古水深的方法,更直观、科学地恢复沉积时期的水体深度,从而建立沉积时期古地貌和古环境,为层序界面划分、沉积中心演化、沉降中心迁移、沉积相校验等研究提供指导。
附图说明
本发明构成说明书的一部分附图描述了本发明的实施例,并且连同说明书一起用于解释本发明的原理。
图1为本发明一种基于米兰科维奇天文旋回的全序列沉积速率-古水深定量恢复方法步骤流程图;
图2为本发明实施例中测井数据降噪流程图;
图3为本发明实施例中用于识别米兰科维奇天文信号的时间域频谱分析谱图;
图4为本发明实施例中用于识别米兰科维奇天文信号的深度域频谱分析谱图;
图5为本发明实施例中用于识别405kyr长偏心率周期的滤波分析组图;
图6为本发明实施例中演化功率谱图、演化谐波图、Eha标准化振幅图;
图7为本发明实施例中沉积速率能谱图以及拾取的沉积速率变化图;
图8为本发明实施例中验证井沉积速率、古水深投点函数关系图;
图9为本发明实施例中利用沉积速率-古水深函数关系建立的单井古水深综合柱状图;
图10为本发明实施例中某层段古水深等值线分布图。
具体实施方式
下面将结合附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
实施例一,如图1所示,本实施例为一种基于米兰科维奇天文旋回的古水深恢复方法的流程图,该方法主要包括如下步骤:
步骤一,选取岩心或岩屑资料丰富的井,并选择合适的岩相敏感曲线(如GR曲线、AC曲线等)进行预处理。如图2所示,为对测井曲线进行降噪的流程图,降噪后对岩心及岩屑进行微常量元素分析化验并计算古水深。
步骤二,如图3-5所示,将降噪后的测井数据分别进行时间域和深度域频谱分析(MTM,Multitaper method spectral analysis)和滤波分析(Bandpass),识别米兰科维奇天文信号,验证该方法在该地区目的层段的可行性;
步骤三,确定数据符合米兰科维奇天文信号后,如图6所示,通过演化谐波演化功率谱分析(Eha,Evolutive Harmonic Analysis&Evolutive Power Spectral Analysis)和蒙特卡洛模拟计算演化平均光谱失配(eAsm,Evolutive Average Spectral Misfit)得到该组数据的深度域谱图,其中包含了沉积速率、天文周期、零假设显著性水平等信息,再通过eAsmTrack程序追踪eAsm程序中的Asm零假设显著性水平最小值,获取如图7所示的沉积速率置信图谱(沉积速率能谱图)及沉积速率数值,;
步骤四,如图8所示,将天文旋回计算所得沉积速率与Co元素丰度计算的古水深进行等深度对应,建立并拟合二者间函数关系式;
步骤五,对公式进行校验,即使用验证井岩心Co元素丰度计算古水深与米兰科维奇天文旋回公式计算古水深进行比对,如图9所示,为利用沉积速率-古水深函数关系建立的单井古水深综合柱状图;
步骤六,使用最终所得公式计算研究所有井全序列古水深,实现全区古水深时空分布恢复工作,如图10所示,为恢复后的某层段古水深等值线分布图。
在一些实施例中,优选地,步骤一中选取岩心或岩屑资料丰富的井以及合适的岩相敏感曲线(GR曲线、AC曲线等)进行预处理,其中对测井曲线进行降噪,对岩心及岩屑进行微常量元素分析化验并计算古水深,其具体方法为:
使用下述公式计算样品沉积时的速率Vs:
其中,V0为近似条件现代湖泊沉积速率,NCo为正常湖泊沉积物中钴的丰度,SCo为样品中钴的丰度,TCo为陆源碎屑岩中钴的丰度,t为样品中镧的含量与陆源碎屑岩中镧的平均丰度的比值;
利用第二公式计算所述单点古水深,第二公式为:
其中,h为单点古水深的值。
得到对应深度的点水深后,resform中的等间距数据导出(或导出后等间距处理)到Excel中,新建表格去掉数据的深度和表头,导入Matlab软件,使用Wavelet analysis软件中的Wavelet coefficients selection 1-d程序进行降噪处理,用dmey函数将数据分解为9层,去除背景a9和最高频d1,处理过后导回Excel并保存为含有深度和表头的深度域版本和没有深度和表头的时间域版本。
在一些实施例中,优选地,步骤二中将降噪后的数据分别进行时间域和深度域频谱分析(MTM)和滤波分析(Bandpass),识别米兰科维奇天文信号,验证该方法在该地区目的层段的可行性,具体方法为:
将时间域数据导入到Past3.0(或其他带有时间域频谱分析功能的软件,如Matlab、Redfit等)中,使用Timeseries栏中的REDFIT功能,选择90,95,99置信度计算,进行频谱分析验证特征峰频率是否满足米氏旋回周期的反比,即是否符合米兰科维奇理论;然后将深度域数据导入到R语言(或Rstudio软件中)使用“astrochron”软件包中的mtm代码和bandpass代码验证是否符合米兰科维奇天文周期。
在一些实施例中,优选地,步骤三中确定数据符合米兰科维奇天文信号后,通过演化谐波演化功率谱分析(Eha)和蒙特卡洛模拟计算演化平均光谱失配(eAsm)得到该组数据的深度域谱图,其中包含了沉积速率、天文周期、零假设显著性水平等信息,再通过eAsmTrack程序追踪eAsm程序中的Asm零假设显著性水平最小值,得到更为直观的沉积速率图并读值,具体方法为:继续在R语言(或Rstudio软件)中使用上一步中的深度域数据运行Eha代码、eAsm代码和eAsmTrack代码,得到相应的演化功率谱图、演化谐波图、Eha标准化振幅图、沉积速率能谱图以及拾取的沉积速率变化图,并初步读值。
在一些实施例中,优选地,步骤四中将米兰科维奇天文旋回计算所得沉积速率与钴(Co)元素丰度计算的古水深进行等深度对应,建立并拟合二者间函数关系式,具体方法为:先利用吴智平等人提出、张才利等人优化的钴元素古水深公式计算古水深数据,然后将古水深数据与对应深度的米兰科维奇天文旋回计算沉积速率整合到一起,利用origin等线性回归软件拟合两者的函数关系式,针对案例研究区及近似背景研究区适用的古水深恢复公式:
V=36.69/h0.714 (3)
其中,h为利用Co元素测试的古水深,V为对应深度下利用米兰科维奇天文旋回计算的沉积速率;
古水深恢复公式的幂函数相关系数R2=0.96。
在一些实施例中,优选地,步骤五中对公式进行校验,使用验证井岩心Co元素丰度计算古水深与米兰科维奇天文旋回公式计算古水深进行比对,具体方法为:
使用已建立好的沉积速率-古水深公式对验证井全序列古水深进行计算,将之与Co元素丰度计算的古水深进行比对,验证公式准确性。
在一些实施例中,优选地,步骤六中使用最终所得公式计算研究所有井全序列古水深,实现全区古水深时空分布恢复工作,具体方法为:
调整好参数后的代码理论上已适用该地区该层段的所有井位,后续将验证后的沉积速率-古水深公式运用到其他单井中计算全序列古水深,进而形成井网外推全区古水深水深分布,最后恢复建立全区的各时期古水深分布。
本发明实施例的工作原理:沉积速率可以反映可容空间及水深变化,通过建立古水深和沉积速率之间的定量关系,实现古水深定量恢复。其中建立公式所用单点古水深是通过Co元素计算所得,沉积速率计算是基于米兰科维奇天文旋回理论的R语言“astrochron”天文信号处理软件包。
本发明实施例可以针对无取心井段古水深进行计算,从而实现有测井曲线覆盖井段全序列古水深恢复,解决了特征元素法对于无取心井段无法计算古水深的问题。根据井上的信息定量计算古水深,能更直观、科学的表征不同构造-沉积单元在不同时期的沉积环境以及演化,指示可容空间变化并模拟沉积过程,建立沉积水深的演化序列,并在一定程度上对古地貌的恢复具有指导和校验意义。
古水深的变化直接反应湖(海)平面变化,与旋回地层学具有高度关联,且研究精度可以达到数十个千年(ky)级别,为各构造单元的高频率层序格架定量构建提供了新的思路。各构造单元中使用该方法处理后井位还可以制作沉积速率-古水深变化曲线,更直观、清晰地显示出湖(海)平面的变化,从而指示有利砂体分布预测及目标优选排序。并为利用地震资料和地球物理资料进行层序格架划分和有利烃源岩、储集体预测提供了一种可操作性强、直观的方法,解决了油气勘探中所涉及到的微量元素样品数不足的问题,具有很广泛的用途和广阔的市场前景。
地球物理资料和米兰科维奇天文旋回理论相结合的是本世纪地质学家和古气候学家的最新成果和学科领域的新思路,具有可操作性好,针对性强等优点,本发明为运用测井资料恢复沉积区古水深提供了一种可操作性强的制图流程,并详细介绍了工作思路、原理、方法及流程,体现了米兰科维奇理论在古环境恢复中应用的新思路、新方法,具备先进性、勘探实用性、广泛应用性特点,可以广泛运用于层序地层学、沉积学研究和石油地质勘探中。
以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
Claims (9)
1.一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,包括:
选取标定井;
基于所述标定井选取岩样,并获取所述岩样的岩相敏感测井数据;
对所述岩样进行微常量元素分析化验,并利用微常量元素丰度计算获得单点古水深;
对所述岩相敏感测井数据进行降噪,获得降噪测井数据;
将所述降噪测井数据分别进行时间域和深度域频谱分析和滤波分析,确认所述降噪测井数据是否符合米兰科维奇天文信号;
所述降噪测井数据符合所述米兰科维奇天文信号后,通过演化谐波功率谱分析,并通过蒙特卡洛模拟计算演化平均光谱失配,获得所述降噪测井数据的深度域谱图;
基于米兰科维奇天文旋回理论,追踪零假设显著性水平最小值,获取所述深度域谱图中的沉积速率;
将获取的所述沉积速率与所述单点古水深等深度对应,建立并拟合沉积速率-古水深公式;
对所述沉积速率-古水深公式进行校验,获得校验后的沉积速率-古水深公式;
使用校验后的所述沉积速率-古水深公式计算所述标定井的全序列古水深,恢复目标区域的古水深时空分布。
2.如权利要求1所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,所述对所述沉积速率-古水深公式进行校验,获得校验后的沉积速率-古水深公式还包括:
使用微常量元素丰度计算获得的所述单点古水深与利用米兰科维奇天文旋回公式计算的古水深进行比对,验证所述沉积速率-古水深公式的准确性。
3.如权利要求1所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,所述对所述岩相敏感测井数据进行降噪还包括:
利用dmey函数将所述岩相敏感测井数据分解为9层,去除分层后的所述岩相敏感测井数据中的背景a9和最高频d1;
并将去除背景a9和最高频d1后所述岩相敏感测井数据保存为含有深度和表头的深度域数据以及不含所述深度和所述表头的时间域数据。
4.如权利要求3所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,将所述降噪测井数据分别进行时间域和深度域频谱分析以及滤波分析,确认所述降噪测井数据是否符合米兰科维奇天文信号还包括:
导入时间域数据,进行频谱分析验证特征峰频率是否满足米氏旋回周期的反比;
导入深度域数据,使用“astrochron”软件包中的mtm代码和bandpass代码验证所述深度域数据是否符合米兰科维奇天文周期。
5.如权利要求1所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,所述深度域谱图还包括沉积速率、天文周期和零假设显著性水平信息。
6.如权利要求1所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,所述微常量元素为Co元素。
7.如权利要求1所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,所述使用校验后的所述沉积速率-古水深公式计算所述标定井的全序列古水深包括:
利用校验后的所述沉积速率-古水深公式计算所有标定井的全序列古水深,进而形成井网外推全目标区域的古水深水深分布;
基于所述全目标区域的古水深水深分布,定量恢复全目标区域的各时期的古水深分布。
8.如权利要求1所述的一种基于米兰科维奇旋回的古水深定量恢复方法,其特征在于,所述建立并拟合沉积速率-古水深公式包括:
将微常量元素丰度计算获得的所述单点古水深与对应深度的所述沉积速率整合到一起,利用线性回归软件拟合所述单点古水深与对应深度的所述沉积速率间的函数关系。
9.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有如权利要求1-8任一一项所述的一种基于米兰科维奇旋回的古水深定量恢复方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110947608.5A CN113687440A (zh) | 2021-08-18 | 2021-08-18 | 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 |
US17/857,726 US20230058742A1 (en) | 2021-08-18 | 2022-07-05 | Method and storage medium for quantitative reconstruction of paleowater depth based on milankovitch cycles |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110947608.5A CN113687440A (zh) | 2021-08-18 | 2021-08-18 | 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113687440A true CN113687440A (zh) | 2021-11-23 |
Family
ID=78580511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110947608.5A Pending CN113687440A (zh) | 2021-08-18 | 2021-08-18 | 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230058742A1 (zh) |
CN (1) | CN113687440A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114200543A (zh) * | 2022-02-18 | 2022-03-18 | 山东科技大学 | 一种基于沉积速率估算的三角洲沉积微相定量划分方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859485A (zh) * | 2023-06-27 | 2023-10-10 | 成都理工大学 | 一种高频层序识别与对比方法、系统、设备及终端 |
CN117851748B (zh) * | 2024-03-07 | 2024-07-12 | 中国石油大学(华东) | 一种计算低勘探程度地区古水深的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
CN104932031A (zh) * | 2014-03-19 | 2015-09-23 | 中国石油化工股份有限公司 | 针对湖相沉积的古水深定量计算方法 |
CN106019401A (zh) * | 2016-05-06 | 2016-10-12 | 中国地质大学(北京) | 一种古水深的定量恢复方法以及装置 |
CN106526689A (zh) * | 2016-11-25 | 2017-03-22 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种定量恢复湖盆古水深的方法 |
CN108919369A (zh) * | 2018-05-16 | 2018-11-30 | 中国海洋石油集团有限公司 | 一种定量识别米兰科维奇周期的方法 |
CN111580183A (zh) * | 2020-06-29 | 2020-08-25 | 陕西工业职业技术学院 | 一种古湖泊水深定量还原的方法 |
CN111650670A (zh) * | 2020-06-24 | 2020-09-11 | 中国地质大学(武汉) | 一种页岩沉积韵律识别方法、装置及存储介质 |
-
2021
- 2021-08-18 CN CN202110947608.5A patent/CN113687440A/zh active Pending
-
2022
- 2022-07-05 US US17/857,726 patent/US20230058742A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
CN104932031A (zh) * | 2014-03-19 | 2015-09-23 | 中国石油化工股份有限公司 | 针对湖相沉积的古水深定量计算方法 |
CN106019401A (zh) * | 2016-05-06 | 2016-10-12 | 中国地质大学(北京) | 一种古水深的定量恢复方法以及装置 |
CN106526689A (zh) * | 2016-11-25 | 2017-03-22 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种定量恢复湖盆古水深的方法 |
CN108919369A (zh) * | 2018-05-16 | 2018-11-30 | 中国海洋石油集团有限公司 | 一种定量识别米兰科维奇周期的方法 |
CN111650670A (zh) * | 2020-06-24 | 2020-09-11 | 中国地质大学(武汉) | 一种页岩沉积韵律识别方法、装置及存储介质 |
CN111580183A (zh) * | 2020-06-29 | 2020-08-25 | 陕西工业职业技术学院 | 一种古湖泊水深定量还原的方法 |
Non-Patent Citations (2)
Title |
---|
宋翠玉: "米兰科维奇旋回时间序列分析法研究进展", 《沉积学报》, 7 February 2021 (2021-02-07), pages 585 * |
张才利等: "鄂尔多斯盆地长7油层组沉积水体及古气候特征研究", 《天然气地球科学》, vol. 22, no. 4, 31 August 2011 (2011-08-31), pages 381 - 391 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114200543A (zh) * | 2022-02-18 | 2022-03-18 | 山东科技大学 | 一种基于沉积速率估算的三角洲沉积微相定量划分方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230058742A1 (en) | 2023-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roden et al. | Geologic pattern recognition from seismic attributes: Principal component analysis and self-organizing maps | |
US7266041B1 (en) | Multi-attribute background relative scanning of 3D geophysical datasets for locally anomaluous data points | |
Chopra et al. | Volumetric curvature attributes add value to 3D seismic data interpretation | |
CN113687440A (zh) | 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 | |
WO2019062655A1 (zh) | 薄夹层的确定方法和装置 | |
EP3963374B1 (en) | System and method for lateral statistical estimation of rock and fluid properties in a subsurface formation | |
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 | |
Nascimento et al. | High-resolution acoustic impedance inversion to characterize turbidites at Marlim Field, Campos Basin, Brazil | |
Gholami et al. | Shear wave velocity prediction using seismic attributes and well log data | |
CN109557578A (zh) | 一种储层含气性检测方法及装置 | |
CN108226997A (zh) | 一种基于叠前地震数据的地震相划分方法 | |
Maurya et al. | Reservoir characterization using model based inversion and probabilistic neural network | |
CN114609675A (zh) | 基于高频旋回对碳酸盐岩地层沉积微地貌的定量恢复方法 | |
Srivardhan | Stratigraphic correlation of wells using discrete wavelet transform with fourier transform and multi-scale analysis | |
Bruno et al. | Groundwater characterization in arid regions using seismic and gravity attributes: Al Jaww Plain, UAE | |
Rodríguez‐Pradilla et al. | Automated microseismic processing and integrated interpretation of induced seismicity during a multistage hydraulic‐fracturing stimulation, Alberta, Canada | |
WO1995006886A9 (en) | Evaluation of seismic sequence lithology | |
Zhang et al. | Data-processing and recognition of seepage and microseepage anomalies of acid-extractable hydrocarbons in the south slope of the Dongying depression, eastern China | |
CN111077574A (zh) | 一种确定地层弹性参数的方法、装置及系统 | |
Long et al. | Automatic microseismic event detection with variance fractal dimension via multitrace envelope energy stacking | |
Melani et al. | The use of variational mode decomposition in assisting sedimentary cyclicity analysis: A case study from an Albian carbonate reservoir, Campos Basin, southeast Brazil | |
Bargees et al. | Automatic gas chimney detection from 3D seismic reflection data using a single amplitude attribute | |
Sinha* et al. | Identification and Quantification of Parasequences Using Expectation Maximization Filter: Defining Well Log Attributes for Reservoir Characterization | |
Ma et al. | Multi-level ultra-deep fault-controlled karst reservoirs characterization methods for the Shunbei field | |
Zhu et al. | A Multistep Method for Automatic Determination and Optimization of Microseismic P‐Phase Arrival Times in a Coal Mine |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211123 |