CN113705068A - 一种确定层间泥岩累加厚度的方法及装置 - Google Patents

一种确定层间泥岩累加厚度的方法及装置 Download PDF

Info

Publication number
CN113705068A
CN113705068A CN202010436004.XA CN202010436004A CN113705068A CN 113705068 A CN113705068 A CN 113705068A CN 202010436004 A CN202010436004 A CN 202010436004A CN 113705068 A CN113705068 A CN 113705068A
Authority
CN
China
Prior art keywords
target area
mudstone
lithology
inversion
obtaining
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
Application number
CN202010436004.XA
Other languages
English (en)
Other versions
CN113705068B (zh
Inventor
于亮亮
王晓光
蓝阔
张玉梅
顾国忠
李敬含
刘兴周
王琳
康武江
孙转
秦飞
林雪
时林春
赵淑琴
仇劲涛
白鲁山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN202010436004.XA priority Critical patent/CN113705068B/zh
Publication of CN113705068A publication Critical patent/CN113705068A/zh
Application granted granted Critical
Publication of CN113705068B publication Critical patent/CN113705068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种确定层间泥岩累加厚度的方法及装置，所述方法包括：根据目标区域的完钻井录井岩性数据，获得目标区域的完钻井的岩性方波化曲线；根据目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得目标区域的岩性初始化模型；根据目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得目标区域的径向基函数反演体；根据目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得目标区域的泥岩岩性体；根据目标区域的泥岩岩性体，获得目标区域的层间泥岩累加厚度。所述装置用于执行上述方法。本发明实施例提供的确定层间泥岩累加厚度的方法及装置，提高了层间泥岩累加厚度确定的准确性。

Description

一种确定层间泥岩累加厚度的方法及装置
技术领域
本发明涉及地质勘探技术领域，具体涉及一种确定层间泥岩累加厚度的方法及装置。
背景技术
在常规碎屑岩储层中，泥岩作为油气成藏理论中被广泛认可的烃源岩，其厚度往往是用于判断烃源岩发育规模和判别油气成藏能力的重要指标。
现有技术中，针对泥岩发育情况和平面展布特征的研究主要有以下三种方法：(1)基于完钻井录井岩性揭露的泥岩累积厚度，对泥岩顶和底界深度进行统计，作差求单层厚度并累加求和，以此为基础进行手工勾勒或计算机插值，获取泥岩累加厚度平面图。但该方法效率较低，且其预测结果准确性在完钻井井点位置较高，欠钻井区域泥岩预测厚度往往不真实。(2)基于类别样本或物性样本的有监督属性模式识别(BP、SPR和自适应增强聚类等方法)，近年来被广泛推广应用于岩相的识别与厚度预测研究之中。它通过样本点内设置的属性值对人工挑选的认为能够反映泥岩厚度的属性进行模式识别，通过Fisher线性分类法、K近邻分类法、模糊C均值、误差反向传播学习等算法，将属性体内或平面属性范围内属性值与样本集内设置的定性或定量属性值建立联系，得到模式识别结果。由于模式识别的最终效果建立在属性优选结果之上，其结果也受限于属性本身是否能够准确表征岩性厚度。而本质上，属性是对地震资料的频率、振幅和相位等属性的数学运算，若能够完全表征泥岩分布或完全符合地质规律，则无需属性选择和模式识别。(3)基于地震反演的岩性预测和厚度求取方法。单纯的反演应用，其运算结果往往具有多解性。地震资料所包含的调谐效应、地震能量不均衡等因素常引发反演假象，而基于反演结果开展的岩性解释工作亦存在一定难度，受岩性横向边界位置的交叉、粘联和纵向顶底界位置的叠置、混搅等现象干扰，往往不能正确追踪沿层顶底界面，因此难以正确刻画泥岩。
因此，如何提出一种确定层间泥岩累加厚度的方法，以提高泥岩累加厚度确定的准确性成为本领域需要解决的重要课题。
发明内容
针对现有技术中的问题，本发明实施例提供一种确定层间泥岩累加厚度的方法及装置。
一方面，本发明提出一种确定层间泥岩累加厚度的方法，包括：
根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；
根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；
根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；
根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；
根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
另一方面，本发明提供一种确定层间泥岩累加厚度的装置，包括：
第一获得单元，用于根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；
第二获得单元，用于根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；
第三获得单元，用于根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；
第四获得单元，用于根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；
第五获得单元，用于根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
再一方面，本发明提供一种电子设备，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程序时实现上述任一实施例所述确定层间泥岩累加厚度的方法的步骤。
又一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述确定层间泥岩累加厚度的方法的步骤。
本发明实施例提供的确定层间泥岩累加厚度的方法及装置，能够根据目标区域的完钻井录井岩性数据，获得所述目标区域的岩性方波化曲线，根据目标区域的岩性方波化曲线和目标区域的层位解释，获得目标区域的岩性初始化模型，根据目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得目标区域的径向基函数反演体，根据目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得目标区域的泥岩岩性体，根据目标区域的泥岩岩性体，获得目标区域的层间泥岩累加厚度，提高了层间泥岩累加厚度确定的准确性。
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是本发明一实施例提供的确定层间泥岩累加厚度的方法的流程示意图。
图2是本发明一实施例提供的岩性方波化曲线的示意图。
图3是本发明另一实施例提供的确定层间泥岩累加厚度的方法的流程示意图。
图4是本发明一实施例提供的确定层间泥岩累加厚度的装置的结构示意图。
图5是本发明另一实施例提供的确定层间泥岩累加厚度的装置的结构示意图。
图6是本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
本发明实施例提供的确定层间泥岩累加厚度的方法的数据处理过程可以通过GeoEast软件系统实现，在实际应用中还可以采用其他软件实现，本发明实施例不做限定。本发明实施例提供的确定层间泥岩累加厚度的方法的执行主体包括但不限于台式机、笔记本电脑等电子设备。
图1是本发明一实施例提供的确定层间泥岩累加厚度的方法的流程示意图，如图1所示，本发明实施例提供的确定层间泥岩累加厚度的方法包括：
S101、根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；
具体地，对目标区域的完钻井录井岩性数据进行处理，获得所述目标区域的完钻井的岩性方波化曲线。其中，根据所述目标区域的完钻井岩性揭露情况，将不同粒级岩性从小到大进行排序和赋值，以不同赋值表征岩性差异。
例如，将泥岩定义为8，粉砂质泥岩定义为10、泥质粉砂岩定义为24、粉砂岩定义为25、细砂岩定义为30、不等粒砂岩定义为31、中砂岩定义为32、粗砂岩定义为35，砾岩、砂砾岩定义为40、角砾岩定义为42、火成岩定义为50。基于上述岩性数值，获得的岩性方波化曲线如图2所示。
S102、根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；
具体地，在获得所述目标区域的岩性方波化曲线之后，根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，可以获得所述目标区域的岩性初始化模型。其中，所述目标区域的层位解释是基于所述目标区域的地震数据预先获得的。所述岩性方波化曲线提供了纵向上的岩性信息，所述层位解释提供了横向上的岩性信息，使岩性初始化模型更准确。
S103、根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；
具体地，在获得所述目标区域的岩性初始化模型之后，通过径向基函数(RBF)神经网络优越的自主学习能力，对所述目标区域的岩性初始化模型和地震数据进行训练，建立二者之间的非线性综合关系，用于RBF神经网络反演，获得所述目标区域的RBF反演体。
S104、根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；
具体地，在获得所述目标区域的RBF反演体之后，如果所述目标区域的RBF反演体对应的数值在泥岩层段对应的反演体数值范围内，那么该数值对应的岩性为泥岩，可以获得所述目标区域的纵向上层间各层泥岩岩性体的分布，从而得到所述目标区域的泥岩岩性体。其中，所述泥岩层段对应的反演体数值范围根据实际经验和需要进行设置，本发明实施例不做限定。
S105、根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
具体地，在获得所述目标区域的泥岩岩性体之后，统计所述目标区域的泥岩岩性体内各单层泥岩的厚度，可以获得所述目标区域的泥岩岩性体累加厚度。
本发明实施例提供的确定层间泥岩累加厚度的方法，能够根据目标区域的完钻井录井岩性数据，获得目标区域的完钻井的岩性方波化曲线，根据目标区域的完钻井的岩性方波化曲线和目标区域的层位解释，获得目标区域的岩性初始化模型，根据目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得目标区域的径向基函数反演体，根据目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得目标区域的泥岩岩性体，根据目标区域的泥岩岩性体，获得目标区域的层间泥岩累加厚度，提高了层间泥岩累加厚度确定的准确性。
在上述各实施例的基础上，进一步地，所述目标区域的地震数据是通过重采样获得的。
具体地，在野外通过对目标区域人工激发地震波，采集、处理获得所述目标区域的地震数据，然后对所述目标区域的地震数据进行重采样，获得所述目标区域的地震体。其中，地震数据的采样间隔根据实际需要进行设置，本发明实施例不做限定。对所述目标区域的地震数据进行重采样，能够提高地震数据的分辨率。
图3是本发明另一实施例提供的确定层间泥岩累加厚度的方法的流程示意图，如图3所示，在上述各实施例的基础上，进一步地，本发明实施例提供的确定层间泥岩累加厚度的方法还包括：
S106、将所述目标区域的层间泥岩累加厚度通过平面图的形式展示。
具体地，在获得所述目标区域的层间泥岩累加厚度之后，可以将所述目标区域的层间泥岩累加厚度通过平面图的形式展示，在平面图上泥岩累加厚度越大的地方，颜色越深，便于观察。泥岩累加厚度越大的地方，相对而言其生烃潜力越大，是值得重点关注的区域。
在上述各实施例的基础上，进一步地，所述泥岩层段对应的反演体数值范围为0至14.2。
具体地，将RBF反演体与所述目标区域的完钻井的岩性方波化曲线进行对比，可以获取到泥岩层段对应的反演体数值范围为0至14.2，即泥岩层段对应的反演体数值大于0且小于等于14.2。
图4是本发明一实施例提供的确定层间泥岩累加厚度的装置的结构示意图，如图4所示，本发明实施例提供的确定层间泥岩累加厚度的装置包括第一获得单元401、第二获得单元402、第三获得单元403、第四获得单元404和第五获得单元405，其中：
第一获得单元401用于根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；第二获得单元402用于根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；第三获得单元403用于根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；第四获得单元404用于根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；第五获得单元405用于根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
具体地，第一获得单元401对目标区域的完钻井录井岩性数据进行处理，获得所述目标区域的完钻井的岩性方波化曲线。其中，根据所述目标区域的完钻井岩性揭露情况，将不同粒级岩性从小到大进行排序和赋值，以不同赋值表征岩性差异。
在获得所述目标区域的岩性方波化曲线之后，第二获得单元402根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，可以获得所述目标区域的岩性初始化模型。其中，所述目标区域的层位解释是基于所述目标区域的地震数据预先获得的。所述岩性方波化曲线提供了纵向上的岩性信息，所述层位解释提供了横向上的岩性信息，使岩性初始化模型更准确。
在获得所述目标区域的岩性初始化模型之后，第三获得单元403通过径向基函数(RBF)神经网络优越的自主学习能力，对所述目标区域的岩性初始化模型和地震数据进行训练，建立二者之间的非线性综合关系，用于RBF神经网络反演，获得所述目标区域的RBF反演体。
在获得所述目标区域的RBF反演体之后，如果所述目标区域的RBF反演体对应的数值在泥岩层段对应的反演体数值范围内，那么该数值对应的岩性为泥岩，第四获得单元404可以获得所述目标区域的纵向上层间各层泥岩岩性体的分布，从而得到所述目标区域的泥岩岩性体。其中，所述泥岩层段对应的反演体数值范围根据实际经验和需要进行设置，本发明实施例不做限定。
具体地，在获得所述目标区域的泥岩岩性体之后，第五获得单元405统计所述目标区域的泥岩岩性体内各单层泥岩的厚度，可以获得所述目标区域的泥岩岩性体累加厚度。
本发明实施例提供的确定层间泥岩累加厚度的装置，能够根据目标区域的完钻井录井岩性数据，获得目标区域的完钻井的岩性方波化曲线，根据目标区域的完钻井的岩性方波化曲线和目标区域的层位解释，获得目标区域的岩性初始化模型，根据目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得目标区域的径向基函数反演体，根据目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得目标区域的泥岩岩性体，根据目标区域的泥岩岩性体，获得目标区域的层间泥岩累加厚度，提高了层间泥岩累加厚度确定的准确性。
在上述各实施例的基础上，进一步地，所述目标区域的地震数据是通过重采样获得的。
具体地，在野外通过对目标区域人工激发地震波，采集、处理获得所述目标区域的地震数据，然后对所述目标区域的地震数据进行重采样，获得所述目标区域的地震体。其中，地震数据的采样间隔根据实际需要进行设置，本发明实施例不做限定。对所述目标区域的地震数据进行重采样，能够提高地震数据的分辨率。
图5是本发明另一实施例提供的确定层间泥岩累加厚度的装置的结构示意图，如图5所示，在上述各实施例的基础上，进一步地，本发明实施例提供的确定层间泥岩累加厚度的装置还包括展示单元406，其中：
展示单元406用于将所述目标区域的层间泥岩累加厚度通过平面图的形式展示。
具体地，在获得所述目标区域的层间泥岩累加厚度之后，展示单元406可以将所述目标区域的层间泥岩累加厚度通过平面图的形式展示，在平面图上泥岩累加厚度越大的地方，颜色越深，便于观察。泥岩累加厚度越大的地方，相对而言其生烃潜力越大，是值得重点关注的区域。
在上述各实施例的基础上，进一步地，所述泥岩层段对应的反演体数值范围为0至14.2。
具体地，将RBF反演体与所述目标区域的完钻井的岩性方波化曲线进行对比，可以获取到泥岩层段对应的反演体数值范围为0至14.2，即泥岩层段对应的反演体数值大于0且小于等于14.2。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图6是本发明一实施例提供的电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)601、通信接口(Communications Interface)602、存储器(memory)603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信。处理器601可以调用存储器603中的逻辑指令，以执行如下方法：根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
此外，上述的存储器603中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
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。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种确定层间泥岩累加厚度的方法，其特征在于，包括：
根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；
根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；
根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；
根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；
根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
2.根据权利要求1所述的方法，其特征在于，所述目标区域的地震数据是通过重采样获得的。
3.根据权利要求1所述的方法，其特征在于，还包括：
将所述目标区域的层间泥岩累加厚度通过平面图的形式展示。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述泥岩层段对应的反演体数值范围为0至14.2。
5.一种确定层间泥岩累加厚度的装置，其特征在于，包括：
第一获得单元，用于根据目标区域的完钻井录井岩性数据，获得所述目标区域的完钻井的岩性方波化曲线；
第二获得单元，用于根据所述目标区域的完钻井的岩性方波化曲线和所述目标区域的层位解释，获得所述目标区域的岩性初始化模型；其中，所述目标区域的层位解释是预先获得的；
第三获得单元，用于根据所述目标区域的岩性初始化模型和地震数据进行径向基函数神经网络反演，获得所述目标区域的径向基函数反演体；
第四获得单元，用于根据所述目标区域的径向基函数反演体以及泥岩层段对应的反演体数值范围，获得所述目标区域的泥岩岩性体；
第五获得单元，用于根据所述目标区域的泥岩岩性体，获得所述目标区域的层间泥岩累加厚度。
6.根据权利要求5所述的装置，其特征在于，所述目标区域的地震数据是通过重采样获得的。
7.根据权利要求5所述的装置，其特征在于，还包括：
展示单元，用于将所述目标区域的层间泥岩累加厚度通过平面图的形式展示。
8.根据权利要求5至7任一项所述的装置，其特征在于，所述泥岩层段对应的反演体数值范围为0至14.2。
9.一种电子设备，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4任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
CN202010436004.XA 2020-05-21 2020-05-21 一种确定层间泥岩累加厚度的方法及装置 Active CN113705068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010436004.XA CN113705068B (zh) 2020-05-21 2020-05-21 一种确定层间泥岩累加厚度的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010436004.XA CN113705068B (zh) 2020-05-21 2020-05-21 一种确定层间泥岩累加厚度的方法及装置

Publications (2)

Publication Number Publication Date
CN113705068A true CN113705068A (zh) 2021-11-26
CN113705068B CN113705068B (zh) 2022-11-04

Family

ID=78645824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010436004.XA Active CN113705068B (zh) 2020-05-21 2020-05-21 一种确定层间泥岩累加厚度的方法及装置

Country Status (1)

Country Link
CN (1) CN113705068B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104516018A (zh) * 2013-09-30 2015-04-15 中国石油化工股份有限公司 一种地球物理勘探中岩性约束下的孔隙度反演方法
CN109611073A (zh) * 2018-10-15 2019-04-12 中国石油天然气股份有限公司 一种致密油水平井泥岩可压裂层位优选的方法及装置
CN111077578A (zh) * 2018-10-22 2020-04-28 中国石油天然气股份有限公司 岩层分布预测方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104516018A (zh) * 2013-09-30 2015-04-15 中国石油化工股份有限公司 一种地球物理勘探中岩性约束下的孔隙度反演方法
CN109611073A (zh) * 2018-10-15 2019-04-12 中国石油天然气股份有限公司 一种致密油水平井泥岩可压裂层位优选的方法及装置
CN111077578A (zh) * 2018-10-22 2020-04-28 中国石油天然气股份有限公司 岩层分布预测方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何又雄等: "基于参考道的岩性识别与岩性剖面非线性反演", 《石油勘探与开发》 *
袁井菊等: "大情字井地区特征参数反演储层预测", 《断块油气田》 *

Also Published As

Publication number Publication date
CN113705068B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN103454678B (zh) 一种地震切片等时性的确定方法及系统
Pyrcz et al. Stratigraphic rule-based reservoir modeling
CN106154323B (zh) 基于地震拓频处理的相控随机反演薄储层预测方法
CN109115987B (zh) 一种基于岩石物理模型的流体因子的评价方法及装置
CN111025384B (zh) 基于波形分类交汇融合的储层预测方法和装置
CN106896406B (zh) 基于阻抗域属性预测优质储层的方法和装置
Karssenberg et al. Conditioning a process-based model of sedimentary architecture to well data
CN110879412A (zh) 地下横波速度反演方法、装置、计算设备及存储介质
US10969507B2 (en) Seismic channel geobody extraction for basin fairway simulation
Ayad et al. Fractal assessment of the disturbances of phosphate series using lacunarity and succolarity analysis on geoelectrical images (Sidi Chennane, Morocco)
Yu Using cylindrical surface-based curvature change rate to detect faults and fractures
CN111983671A (zh) 基于微古地貌恢复的浅水湖盆储层预测方法和装置
CN113705068B (zh) 一种确定层间泥岩累加厚度的方法及装置
Soares et al. A novel localization scheme for scalar uncertainties in ensemble-based data assimilation methods
CN111323814B (zh) 基于岩石物理模板定量确定砂岩储层含水饱和度的方法
CN111239809B (zh) 一种基于属性融合原理的优势储层确定方法及系统
CN109581498B (zh) 储层厚度分布确定方法、系统、设备、可读介质
CN108073744A (zh) 基于地质统计学的浊积扇推进距离预测方法
CN107368688B (zh) 海相单砂体的确定方法和装置
Qi* et al. Segmentation of salt domes, mass transport complexes on 3D seismic data volumes using Kuwahara windows and multiattribute cluster analysis
CN113900141B (zh) 油气分布预测方法及装置
CN111381279B (zh) 储层孔隙度定量预测方法及装置
CN113050191A (zh) 基于双参数的页岩油toc预测方法及装置
CN113176613B (zh) 一种基于三级体控的多信息融合低频模型建立方法
CN113075747B (zh) 储层裂缝发育区域的预测方法及装置

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