CN113945973A - 一种储层特征分析方法、存储介质及电子设备 - Google Patents
一种储层特征分析方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113945973A CN113945973A CN202010694497.7A CN202010694497A CN113945973A CN 113945973 A CN113945973 A CN 113945973A CN 202010694497 A CN202010694497 A CN 202010694497A CN 113945973 A CN113945973 A CN 113945973A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- horizon
- seismic
- slice
- dimensional seismic
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 66
- 230000004927 fusion Effects 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000011161 development Methods 0.000 claims description 37
- 238000012512 characterization method Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 206010017076 Fracture Diseases 0.000 description 28
- 208000010392 Bone Fractures Diseases 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000001149 cognitive effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012706 support-vector machine Methods 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
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- 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
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- 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
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及地震勘探技术领域，具体涉及一种储层特征分析方法、存储介质及电子设备，解决了现有的三维体地震多属性分析方法存在耗时耗力、预测结果具有多解性和不确定性的问题；方法包括：获取目标储层的若干个三维地震属性数据体和对应的沿层时间切片；对于目标储层的每个层位，利用沿层时间切片方程获得多个层位的多个综合沿层切片；利用最小二乘法对多个综合沿层切片进行反演得到若干个最优权重系数，再结合所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；实现对目标储层整体特征的分析。本发明针对地震预测中的多解性提供了确定解和唯一解，有效提高地震储层特征分析的精度和准确度，从而提高地震勘探的效率。
Description
技术领域
本发明涉及地震勘探技术领域，特别地涉及一种基于多属性融合的储层特征分析方法、存储介质及电子设备。
背景技术
随着地震勘探技术的进步和地震属性分析技术的迅速发展，地震属性在石油勘探与开发各个环节中发挥的作用逐渐彰显。地震属性是指从地震数据中导出的关于几何学、运动学、动力学及统计特性的特殊度量，是反映地震波的特征参数。每一种地震属性只是储层一个或几个特征参数的地球物理响应，并不能反映储层整个性质特征，一种地震属性只适用于储层某一特征的预测，比如，振幅属性能较好地识别岩性、溶洞、不整合等现象，相位属性在刻画地质体边界方面效果较好，频率属性对储层厚度、含油气性较为敏感，因此说明了任何一种地震属性预测都具有特殊性与针对性，从另一方面也揭示了单一的地震属性预测具有一定的局限性。
为了较好地解决单一属性的局限性问题，最大程度地克服使用单一属性的盲目性，研究人员通常采用多属性分析与融合技术，即从繁多的地震属性中优选出有效的属性信息，同时参与储层预测研究，充分运用地震数据具有较好横向连续性的特征，优选出与储层特征有关的优化地震属性及属性组合，刻画储层的平面展布特征，有效提高地震储层预测精度。
目前的三维体地震多属性分析与融合技术，大多基于经验系数和机器学习算法，经验系数在新的探区常常需要摸索较长的时间，耗时耗力，而基于神经网络、支持向量机等的机器学习算法由于缺乏地质约束和先验信息的控制，预测结果常常具有较多的多解性和不确定性。
因此，本发明基于上述问题，提供一种基于多属性融合的储层特征分析方法、存储介质及电子设备。
发明内容
本发明的目的在于：针对上述问题，本发明提供了一种基于多属性融合的储层特征分析方法、存储介质及电子设备，解决了现有的三维体地震多属性分析方法存在耗时耗力、预测结果具有多解性和不确定性的问题，达到可以兼顾储层沿层切片的地质规律，又能在数据驱动的基础上迅速找到最优解的目的。
本发明采用的技术方案如下：
为实现上述目的，第一方面，本发明提供一种储层特征分析方法，所述方法包括：
获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
利用三维地震属性融合体对目标储层的整体特征进行分析。
根据本发明的实施例，可选的，上述储层特征分析方法中，获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片包括：
根据地质约束确定目标储层的n个地震属性；
利用叠前地震道集和/或叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片。
根据本发明的实施例，可选的，上述储层特征分析方法中，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析。
根据本发明的实施例，可选的，上述储层特征分析方法中，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片。
根据本发明的实施例，可选的，上述储层特征分析方法中，在利用所述沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片时，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整。
根据本发明的实施例，可选的，上述储层特征分析方法中，利用下式获得目标储层多个层位的多个综合沿层切片：
其中，i表示目标储层的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片。
根据本发明的实施例，可选的，上述储层特征分析方法中，利用最小二乘法对所述多个综合沿层切片进行反演得到若干个最优权重系数时的计算式为：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数。
根据本发明的实施例，可选的，上述储层特征分析方法中，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体时的计算式为：
其中，Z表示三维地震属性融合体，P1,P2,…,Pn表示n个三维地震属性数据体。
第二方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序可被一个或多个处理器执行，以实现如上述的储层特征分析方法。
第三方面，本发明提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如上述的储层特征分析方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
1.本发明提供的一种储层特征分析方法、存储介质及电子设备，通过对于目标储层的每个层位，利用沿层时间切片方程将获取的所有沿层时间切片融合为多个综合沿层切片，再利用最小二乘法对多个综合沿层切片进行反演得到最优权重系数，再结合获取的若干个三维地震属性数据体进行加权处理得到三维地震属性融合体，最后再利用三维地震属性融合体对目标储层的整体特征进行分析；通过对目标储层多个沿层切片的地质趋势和目标储层的地层趋势进行分析和控制，开展基于最小二乘算法的三维地震属性融合体的参数求取，针对地震预测中的多解性提供了确定解和唯一解，有效提高地震储层特征分析的精度和准确度，从而提高地震勘探的效率。
2.本发明得到的三维地震属性融合体可以兼顾地层沿层切片中反映的地质规律和预测目标，又能在地震数据的驱动下形成三维空间融合体数据，迅速找到最优解，为后续的油藏地质建模、油藏精细开发等研究提供快捷可靠的三维地震成果数据体。
3.本发明利用最小二乘法对所述多个综合沿层切片进行反演，可以简便地求得得到若干个最优权重系数，充分考虑到了不同地层之间的相关性，防止反演结果陷入局部最优解，具有更高的稳健性和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。
图1为本发明实施例二提供的一种储层特征分析方法的流程示意图。
图2为本发明实施例三提供的一种储层特征分析方法中Horizon-1层的5个沿层时间切片图。
图3为本发明实施例三提供的一种储层特征分析方法中Horizon-1层的综合沿层切片图。
图4为本发明实施例三提供的一种储层特征分析方法中Horizon-2层的综合沿层切片图。
图5为本发明实施例三提供的一种储层特征分析方法中Horizon-3层的综合沿层切片图。
图6为本发明实施例三提供的一种储层特征分析方法中Horizon-4层的综合沿层切片图。
图7为本发明实施例三提供的一种储层特征分析方法得到的三维地震属性融合体。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本发明实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
实施例一
本发明实施例提供了一种可应用于电子设备的基于多属性融合的储层特征分析方法，所述方法应用于所述电子设备时执行以下步骤：
步骤1：获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
步骤1.1：确定目标储层的n个地震属性；
步骤1.2：利用叠前地震道集获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
步骤1.3：对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片；
步骤2：对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
步骤2.1：对于目标储层的每个层位，利用沿层时间切片方程将该层位的n个沿层时间切片融合为一个综合沿层切片M，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片；
步骤2.2：根据步骤2.1利用下式得到目标储层的i个层位的i个综合沿层切片M1,M2,…,Mi：
其中，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片；
步骤3：利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
步骤3.1：利用最小二乘法对i个综合沿层切片M1,M2,…,Mi进行反演得到n个最优权重系数：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，采用最小二乘法充分考虑到了不同地层之间的相关性，防止反演结果陷入局部最优解，具有更高的稳健性和可靠性；
步骤3.2：利用所述步骤3.1得到的n个最优权重系数
和所述步骤1.2得到的n个三维地震属性数据体P1,P2,…,Pn进行加权处理得到三维地震属性融合体Z：
步骤4：利用三维地震属性融合体对目标储层的整体特征进行分析。
本实施例提供的基于多属性融合的储层特征分析方法，通过对于目标储层的每个层位，利用沿层时间切片方程将获取的所有沿层时间切片融合为多个综合沿层切片，再利用最小二乘法对多个综合沿层切片进行反演得到最优权重系数，再结合获取的若干个三维地震属性数据体进行加权处理得到三维地震属性融合体，最后再利用三维地震属性融合体对目标储层的整体特征进行分析；通过对目标储层多个沿层切片的地质趋势和目标储层的地层趋势进行分析和控制，开展基于最小二乘算法的三维地震属性融合体的参数求取，针对地震预测中的多解性提供了确定解和唯一解，有效提高地震储层特征分析的精度和准确度。
实施例二
请参阅图1，本发明实施例在实施例一的基础上提供了一种可应用于电子设备的基于多属性融合的储层特征分析方法。
进一步地，获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片包括：
根据地质约束确定目标储层的n个地震属性；
利用叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片；
其中，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析。
进一步地，在利用所述沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片时，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整。
具体地，所述方法应用于所述电子设备时具体执行以下步骤：
步骤1：获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
步骤1.1：根据地质约束确定目标储层的n个地震属性；
其中，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析；
步骤1.2：利用叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
步骤1.3：对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片；
具体地，结合地质约束沿层向下开时窗，以开展层位属性面的提取，获得对应的n个沿层时间切片；
步骤2：对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
步骤2.1：对于目标储层的每个层位，利用沿层时间切片方程将该层位的n个沿层时间切片融合为一个综合沿层切片M，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片；
在上述过程中，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整；
具体地，以所述n个沿层时间切片为输入，输入到所述沿层时间切片方程中，并结合地质约束和这n个地震属性对于储层发育的贡献值不断调整输入的这n个沿层时间切片的权重系数，调整到最能反映储层特征的n个沿层时间切片的权重系数后，输出得到既能反映地层由于区域应力或者断层破裂引起的大、中、小尺度的断裂-裂缝，又能反映其中由于岩性等引起的裂缝的综合沿层切片M；
步骤2.2：根据步骤2.1利用下式得到目标储层的i个层位的i个综合沿层切片M1,M2,…,Mi：
其中，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片；
步骤3：利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
步骤3.1：利用最小二乘法对i个综合沿层切片M1,M2,…,Mi进行反演得到n个最优权重系数：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，采用最小二乘法充分考虑到了不同地层之间的相关性，防止反演结果陷入局部最优解，具有更高的稳健性和可靠性；
步骤3.2：利用所述步骤3.1得到的n个最优权重系数
和所述步骤1.2得到的n个三维地震属性数据体P1,P2,…,Pn进行加权处理得到三维地震属性融合体Z：
步骤4：利用三维地震属性融合体对目标储层的整体特征进行分析。
本实施例提供的基于多属性融合的储层特征分析方法，通过对于目标储层的每个层位，利用沿层时间切片方程将获取的所有沿层时间切片融合为多个综合沿层切片，再利用最小二乘法对多个综合沿层切片进行反演得到最优权重系数，再结合获取的若干个三维地震属性数据体进行加权处理得到三维地震属性融合体，最后再利用三维地震属性融合体对目标储层的整体特征进行分析；得到的三维地震属性融合体可以兼顾地层沿层切片中反映的地质规律和预测目标，又能在地震数据的驱动下形成三维空间融合体数据，迅速找到最优解，为后续的油藏地质建模、油藏精细开发等研究提供快捷可靠的三维地震成果数据体。
实施例三
请参阅图1至图7，本发明最佳实施例基于实施例二提供了一种在地震三维解释中的属性降维技术，具体针对工区的储层类型，提供了一种可应用于电子设备的基于多属性融合的储层特征分析方法，如图1所示，所述方法应用于所述电子设备时执行以下步骤：
步骤1：获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
步骤1.1：根据地质约束确定目标储层的n个地震属性；
其中，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析；
本实施例中，以实际中的工区为例，发育的为裂缝性储层，裂缝性储层是指以裂缝为主要储集空间、渗流通道的储集层，根据该裂缝性储层的测井数据和裂缝的地质成因分析可知，倾角属性、泥质含量、AFE属性、叠前各向异性属性和曲率属性这5种地震属性对最终的裂缝发育都有不同程度的贡献，因此确定本实施例中的地震属性包括倾角属性、泥质含量、AFE属性、叠前各向异性裂缝发育强度体属性和曲率属性，n＝5；
步骤1.2：利用叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
本实施例中，利用叠后地震属性的沿层切片数据获取到5个三维地震属性数据体P1,P2,P3,P4,P5；
步骤1.3：对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片；
具体地，结合地质约束沿层向下开时窗，以开展层位属性面的提取，获得对应的n个沿层时间切片；
本实施例中，以地层Horizon-1为例，结合前期的测井数据和裂缝的地质成因分析成果，沿层向下开12ms的时窗获得了如图2所示的5个沿层时间切片，由图可知，5个沿层时间切片的整体趋势一致，且对储层最终的发育都有一定程度的贡献，这与测井数据和裂缝的地质成因分析是相符合的；
步骤2：对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
步骤2.1：对于目标储层的每个层位，利用沿层时间切片方程将该层位的n个沿层时间切片融合为一个综合沿层切片M，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片；
在上述过程中，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整；
具体地，以所述n个沿层时间切片为输入，输入到所述沿层时间切片方程中，并结合地质约束和这n个地震属性对于储层发育的贡献值不断调整输入的这n个沿层时间切片的权重系数，调整到最能反映储层特征的n个沿层时间切片的权重系数后，输出得到既能反映地层由于区域应力或者断层破裂引起的大、中、小尺度的断裂-裂缝，又能反映其中由于岩性等引起的裂缝的综合沿层切片M；
本实施例中，5个地震属性对于储层发育的贡献值也有不同，例如，AFE属性反映的是大尺度的断裂-裂缝特征，叠前各向异性裂缝发育强度体属性反映的是小尺度各向异性裂缝发育带，曲率属性反映的是地震三维体沿层弯曲程序的裂缝发育；
本实施例中，先融合该裂缝性储层的Horizon-1层，以如图2所示的Horizon-1层的5个沿层时间切片为输入，输入到沿层时间切片方程：
M1＝ω1S1+ω2S2+ω3S3+ω4S4+ω5S5，
得到如图3所示的Horizon-1层的综合沿层切片M1；
步骤2.2：根据所述步骤2.1利用下式得到目标储层的i个层位的i个综合沿层切片M1,M2,…,Mi：
其中，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片；
本实施例中，整个裂缝性储层发育区为4个层位Horizon-1、Horizon-2、Horizon-3、Horizon-4，因此，根据步骤2.1利用下式得到了如图3至6所示的4个综合沿层切片M1,M2,M3,M4，具体计算式为：
步骤3：利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
步骤3.1：利用最小二乘法对i个综合沿层切片M1,M2,…,Mi进行反演得到n个最优权重系数：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数；最小二乘法又称最小平方法，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小，采用最小二乘法充分考虑到了不同地层之间的相关性，防止反演结果陷入局部最优解，具有更高的稳健性和可靠性；
本实施例中，利用最小二乘法对4个综合沿层切片M1,M2,M3,M4进行反演，得到5个最优权重系数，具体计算式为：
使用for循环求解上式，得到5个最优权重系数
充分考虑到了不同地层之间的相关性，防止反演结果陷入局部最优解，因此采用最小二乘算法，具有更高的稳健性和可靠性；
步骤3.2：利用所述步骤3.1得到的n个最优权重系数
和所述步骤1.2得到的n个三维地震属性数据体P1,P2,…,Pn进行加权处理，得到三维地震属性融合体Z：
本实施例中，利用所述步骤3.1得到的5个最优权重系数
以及所述步骤1.1得到的5个三维地震属性数据体P1,P2,P3,P4,P5进行加权处理，得到三维地震属性融合体Z：
计算上式，得到如图7所示的三维地震属性融合体Z；
步骤4：利用三维地震属性融合体Z对目标储层的整体特征进行分析；
本实施例中得到的三维地震属性融合体Z综合考虑了该裂缝性储层沿层的地质趋势和测井分析结果，兼顾了各个地震属性对于储层的物理意义和地质意义，针对地震预测中的多解性提供了确定解和唯一解，有效提高地震储层特征分析的精度和准确度，从而提高地震勘探的效率。该三维地震属性融合体Z对于后续的油藏地质建模、油藏精细开发、新探井的勘探开发等研究提供了一种快捷可靠的三维地震成果数据体。
本实施例提供的基于多属性融合的储层特征分析方法，通过对于目标储层的每个层位，利用沿层时间切片方程将获取的所有沿层时间切片融合为多个综合沿层切片，再利用最小二乘法对多个综合沿层切片进行反演得到最优权重系数，再结合获取的若干个三维地震属性数据体进行加权处理得到三维地震属性融合体，最后再利用三维地震属性融合体对目标储层的整体特征进行分析；通过对目标储层多个沿层切片的地质趋势和目标储层的地层趋势进行分析和控制，开展基于最小二乘算法的三维地震属性融合体的参数求取，针对地震预测中的多解性提供了确定解和唯一解，有效提高地震储层特征分析的精度和准确度，从而提高地震勘探的效率；得到的三维地震属性融合体可以兼顾地层沿层切片中反映的地质规律和预测目标，又能在地震数据的驱动下形成三维空间融合体数据，迅速找到最优解，为后续的油藏地质建模、油藏精细开发等研究提供快捷可靠的三维地震成果数据体；能够解决现有的三维体地震多属性分析方法存在耗时耗力、预测结果具有多解性和不确定性的问题，达到可以兼顾储层沿层切片的地质规律，又能在数据驱动的基础上迅速找到最优解的目的；利用最小二乘法对所述多个综合沿层切片进行反演，可以简便地求得得到若干个最优权重系数，充分考虑到了不同地层之间的相关性，防止反演结果陷入局部最优解，具有更高的稳健性和可靠性。
实施例四
本发明实施例提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如下方法步骤：
步骤1：获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
步骤1.1：根据地质约束确定目标储层的n个地震属性；
其中，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析；
步骤1.2：利用叠前地震道集或叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
步骤1.3：对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片；
具体地，结合地质约束沿层向下开时窗，以开展层位属性面的提取，获得对应的n个沿层时间切片；
步骤2：对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
步骤2.1：对于目标储层的每个层位，利用沿层时间切片方程将所述n个沿层时间切片融合为一个综合沿层切片M，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片；
在上述过程中，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整；
具体地，以所述n个沿层时间切片为输入，输入到所述沿层时间切片方程中，并结合地质约束和这n个地震属性对于储层发育的贡献值不断调整输入的这n个沿层时间切片的权重系数，调整到最能反映储层特征的n个沿层时间切片的权重系数后，输出得到既能反映地层由于区域应力或者断层破裂引起的大、中、小尺度的断裂-裂缝，又能反映其中由于岩性等引起的裂缝的综合沿层切片M；
步骤2.2：根据步骤2.1利用下式得到目标储层的i个层位的i个综合沿层切片M1,M2,…,Mi：
其中，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片；
步骤3：利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
步骤3.1：利用最小二乘法对i个综合沿层切片M1,M2,…,Mi进行反演得到n个最优权重系数：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数；
使用for循环求解上式，得到最优权重系数
步骤3.2：利用所述步骤3.1得到的n个最优权重系数
和所述步骤1.2得到的n个三维地震属性数据体P1,P2,…,Pn进行加权处理得到三维地震属性融合体Z：
步骤4：利用三维地震属性融合体Z对目标储层的整体特征进行分析。
上述方法步骤的具体实施例过程可参见实施例三，本实施例在此不再重复赘述。
实施例五
本实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，包括存储器和处理器，所述存储器上存储有计算器程序，该计算机程序被处理器执行时实现一种基于多属性融合的储层特征分析方法。可以理解，电子设备还可以包括，多媒体组件，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行一种基于多属性融合的储层特征分析方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行一种基于多属性融合的储层特征分析方法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
多媒体组件可以包括屏幕和音频组件，所述屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。
I/O接口为处理器和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件用于该电子设备与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件405可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
进一步地，上述基于多属性融合的储层特征分析方法包括以下步骤：
步骤1：获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
步骤1.1：根据地质约束确定目标储层的n个地震属性；
其中，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析；
步骤1.2：利用叠前地震道集或叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
步骤1.3：对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片；
具体地，结合地质约束沿层向下开时窗，以开展层位属性面的提取，获得对应的n个沿层时间切片；
步骤2：对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
步骤2.1：对于目标储层的每个层位，利用沿层时间切片方程将所述n个沿层时间切片融合为一个综合沿层切片M，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片；
在上述过程中，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整；
具体地，以所述n个沿层时间切片为输入，输入到所述沿层时间切片方程中，并结合地质约束和这n个地震属性对于储层发育的贡献值不断调整输入的这n个沿层时间切片的权重系数，调整到最能反映储层特征的n个沿层时间切片的权重系数后，输出得到既能反映地层由于区域应力或者断层破裂引起的大、中、小尺度的断裂-裂缝，又能反映其中由于岩性等引起的裂缝的综合沿层切片M；
步骤2.2：根据步骤2.1利用下式得到目标储层的i个层位的i个综合沿层切片M1,M2,…,Mi：
其中，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片；
步骤3：利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
步骤3.1：利用最小二乘法对i个综合沿层切片M1,M2,…,Mi进行反演得到n个最优权重系数：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层发育区的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数；
使用for循环求解上式，得到最优权重系数
步骤3.2：利用所述步骤3.1得到的n个最优权重系数
和所述步骤1.2得到的n个三维地震属性数据体P1,P2,…,Pn进行加权处理得到三维地震属性融合体Z：
步骤4：利用三维地震属性融合体Z对目标储层的整体特征进行分析。
上述方法步骤的具体实施例过程可参见实施例三，本实施例在此不再重复赘述。
综上，本发明提供了一种基于多属性融合的储层特征分析方法、存储介质及电子设备，通过对于目标储层的每个层位，利用沿层时间切片方程将获取的所有沿层时间切片融合为多个综合沿层切片，再利用最小二乘法对多个综合沿层切片进行反演得到最优权重系数，再结合获取的若干个三维地震属性数据体进行加权处理得到三维地震属性融合体，最后再利用三维地震属性融合体对目标储层的整体特征进行分析。
本发明通过对目标储层多个沿层切片的地质趋势和目标储层的地层趋势进行分析和控制，开展基于最小二乘算法的三维地震属性融合体的参数求取，针对地震预测中的多解性提供了确定解和唯一解，有效提高地震储层特征分析的精度和准确度，从而提高地震勘探的效率；本发明得到的三维地震属性融合体可以兼顾地层沿层切片中反映的地质规律和预测目标，又能在地震数据的驱动下形成三维空间融合体数据，迅速找到最优解，为后续的油藏地质建模、油藏精细开发等研究提供快捷可靠的三维地震成果数据体。
需要说明的是，由于说明书附图不得着色和涂改，所以本发明附图中部分区别明显的地方比较难以显示，若有必要，可提供彩色图片。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示例性的。
需要说明的是，在本文中，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种储层特征分析方法，其特征在于，所述方法包括：
获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片；
对于目标储层的每个层位，利用沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片，以此获得目标储层多个层位的多个综合沿层切片；
利用最小二乘法对所述多个综合沿层切片进行反演，得到若干个最优权重系数，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体；
利用三维地震属性融合体对目标储层的整体特征进行分析。
2.根据权利要求1所述的储层特征分析方法，其特征在于，获取目标储层的若干个三维地震属性数据体，以及每个三维地震属性数据体所对应的沿层时间切片包括：
根据地质约束确定目标储层的n个地震属性；
利用叠前地震道集和/或叠后地震属性获取与n个地震属性对应的n个三维地震属性数据体P1,P2,…,Pn；
对所述n个三维地震属性数据体P1,P2,…,Pn分别进行反演，以得到与所述n个三维地震属性数据体P1,P2,…,Pn对应的n个沿层时间切片。
3.根据权利要求2所述的储层特征分析方法，其特征在于，所述地质约束包括目标储层的测井数据和地质认识分析，所述地质认识分析包括目标储层的地质成因分析。
4.根据权利要求1所述的储层特征分析方法，其特征在于，所述沿层时间切片方程为：
M＝ω1S1+ω2S2+…+ωnSn，
其中，n表示地震属性的个数，ω1,ω2,…,ωn表示n个地震属性在沿层时间切片中的权重系数，S1,S2,…,Sn表示沿层时间切片数据，M表示综合沿层切片。
5.根据权利要求4所述的储层特征分析方法，其特征在于，在利用所述沿层时间切片方程将所有沿层时间切片融合为一个综合沿层切片时，所述n个地震属性在沿层时间切片中的权重系数ω1,ω2,…,ωn根据不同地震属性对于目标储层发育的贡献值进行调整。
6.根据权利要求4所述的储层特征分析方法，其特征在于，利用下式获得目标储层多个层位的多个综合沿层切片：
其中，i表示目标储层的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数，Mi表示第i层地层的综合沿层切片。
7.根据权利要求1所述的储层特征分析方法，其特征在于，利用最小二乘法对所述多个综合沿层切片进行反演得到若干个最优权重系数时的计算式为：
其中，n表示地震属性的个数，
表示n个地震属性在三维地震属性融合体中的最优权重系数，i表示目标储层的层位数，ωi,n表示第n个地震属性在第i层地层的第n个沿层时间切片中的权重系数。
8.根据权利要求7所述的储层特征分析方法，其特征在于，利用所述若干个最优权重系数对所述若干个三维地震属性数据体进行加权处理得到三维地震属性融合体时的计算式为：
其中，Z表示三维地震属性融合体，P1,P2,…,Pn表示n个三维地震属性数据体。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序可被一个或多个处理器执行，以实现如权利要求1至8中任意一项所述的储层特征分析方法。
10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，实现如权利要求1-8任意一项所述的储层特征分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694497.7A CN113945973B (zh) | 2020-07-17 | 2020-07-17 | 一种储层特征分析方法、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694497.7A CN113945973B (zh) | 2020-07-17 | 2020-07-17 | 一种储层特征分析方法、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113945973A true CN113945973A (zh) | 2022-01-18 |
| CN113945973B CN113945973B (zh) | 2024-04-09 |
Family
ID=79326839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010694497.7A Active CN113945973B (zh) | 2020-07-17 | 2020-07-17 | 一种储层特征分析方法、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113945973B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6092026A (en) * | 1998-01-22 | 2000-07-18 | Bp Amoco Corporation | Seismic signal processing and exploration |
| US20020087272A1 (en) * | 2000-12-15 | 2002-07-04 | Dwight Mackie | Method for optimizing migration fields using time slice analysis |
| US20120084007A1 (en) * | 2010-09-30 | 2012-04-05 | Chevron U.S.A. Inc. | System and method for declustering subsurface data on a per-slice basis |
| CN102809762A (zh) * | 2012-08-13 | 2012-12-05 | 成都理工大学 | 基于全频带地震信息挖掘的储层成像技术 |
| CN103777241A (zh) * | 2014-01-21 | 2014-05-07 | 成都理工大学 | 基于时间域广义Hilbert变换的三维地震资料快速边缘检测方法 |
| CN103941287A (zh) * | 2014-04-16 | 2014-07-23 | 中国海洋石油总公司 | 一种基于平面导航的快速三维断层解释方法 |
| CN104502966A (zh) * | 2014-12-23 | 2015-04-08 | 中国石油天然气集团公司 | 一种薄储层的预测方法及系统 |
| WO2016041189A1 (zh) * | 2014-09-19 | 2016-03-24 | 杨顺伟 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN108415075A (zh) * | 2018-01-24 | 2018-08-17 | 中国海洋石油集团有限公司 | 一种少井条件下的储层预测方法 |
| CN109490952A (zh) * | 2017-09-12 | 2019-03-19 | 中国石油化工股份有限公司 | 地震相干体分析方法及系统 |
| WO2019062655A1 (zh) * | 2017-09-27 | 2019-04-04 | 中国石油天然气股份有限公司 | 薄夹层的确定方法和装置 |
| CN109991659A (zh) * | 2019-04-04 | 2019-07-09 | 北京诺克斯达石油科技有限公司 | 一种叠后地震数据高频层序自动追踪方法 |
| US20200132870A1 (en) * | 2018-10-25 | 2020-04-30 | Saudi Arabian Oil Company | Seismic channel geobody extraction for basin fairway simulation |
-
2020
- 2020-07-17 CN CN202010694497.7A patent/CN113945973B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6092026A (en) * | 1998-01-22 | 2000-07-18 | Bp Amoco Corporation | Seismic signal processing and exploration |
| US20020087272A1 (en) * | 2000-12-15 | 2002-07-04 | Dwight Mackie | Method for optimizing migration fields using time slice analysis |
| US20120084007A1 (en) * | 2010-09-30 | 2012-04-05 | Chevron U.S.A. Inc. | System and method for declustering subsurface data on a per-slice basis |
| CN102809762A (zh) * | 2012-08-13 | 2012-12-05 | 成都理工大学 | 基于全频带地震信息挖掘的储层成像技术 |
| CN103777241A (zh) * | 2014-01-21 | 2014-05-07 | 成都理工大学 | 基于时间域广义Hilbert变换的三维地震资料快速边缘检测方法 |
| CN103941287A (zh) * | 2014-04-16 | 2014-07-23 | 中国海洋石油总公司 | 一种基于平面导航的快速三维断层解释方法 |
| WO2016041189A1 (zh) * | 2014-09-19 | 2016-03-24 | 杨顺伟 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN104502966A (zh) * | 2014-12-23 | 2015-04-08 | 中国石油天然气集团公司 | 一种薄储层的预测方法及系统 |
| CN109490952A (zh) * | 2017-09-12 | 2019-03-19 | 中国石油化工股份有限公司 | 地震相干体分析方法及系统 |
| WO2019062655A1 (zh) * | 2017-09-27 | 2019-04-04 | 中国石油天然气股份有限公司 | 薄夹层的确定方法和装置 |
| CN108415075A (zh) * | 2018-01-24 | 2018-08-17 | 中国海洋石油集团有限公司 | 一种少井条件下的储层预测方法 |
| US20200132870A1 (en) * | 2018-10-25 | 2020-04-30 | Saudi Arabian Oil Company | Seismic channel geobody extraction for basin fairway simulation |
| CN109991659A (zh) * | 2019-04-04 | 2019-07-09 | 北京诺克斯达石油科技有限公司 | 一种叠后地震数据高频层序自动追踪方法 |
Non-Patent Citations (1)
| Title |
|---|
| 叶增炉等: "《多尺度相干体信息的融合及应用》", 合肥工业大学学报（自然科学版）, vol. 30, no. 11, pages 1459 - 1460 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113945973B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2018340369B2 (en) | Method and device for determining thin interlayer | |
| US11048000B2 (en) | Seismic image data interpretation system | |
| US10816686B2 (en) | Seismic constrained discrete fracture network | |
| Eaton et al. | Breakdown of the Gutenberg‐Richter relation for microearthquakes induced by hydraulic fracturing: Influence of stratabound fractures | |
| Wang | Seismic anisotropy in sedimentary rocks, part 2: Laboratory data | |
| WO2018010628A1 (zh) | 一种基于大面积致密储层地震岩石物理反演方法 | |
| US8706420B2 (en) | Seismic fluid prediction via expanded AVO anomalies | |
| CN105652323B (zh) | 一种储层预测方法 | |
| AU2011312836B2 (en) | System and method for declustering subsurface data on a per-slice basis | |
| US10359529B2 (en) | Singularity spectrum analysis of microseismic data | |
| US9523781B2 (en) | Normalization seismic attribute | |
| AU2013100760A4 (en) | A workflow for seismic lithologic characterization | |
| US11221425B1 (en) | Generating a model for seismic velocities in a subsurface region using inversion with lateral variations | |
| US20220351037A1 (en) | Method and system for spectroscopic prediction of subsurface properties using machine learning | |
| US20220413172A1 (en) | Method and system for seismic imaging using s-wave velocity models and machine learning | |
| Zhang et al. | Simultaneous inversion for microseismic event location and velocity model in Vaca Muerta Formation | |
| den Boer et al. | Constructing a discrete fracture network constrained by seismic inversion data | |
| EP3978961A1 (en) | System and method for quantitative seismic integration modeling workflow | |
| Liu et al. | Seismic characterization of fault and fractures in deep buried carbonate reservoirs using CNN-LSTM based deep neural networks | |
| Aleardi et al. | Two-stage and single-stage seismic-petrophysical inversions applied in the Nile Delta | |
| Nazari Ostad et al. | 3D modeling of geomechanical elastic properties in a carbonate-sandstone reservoir: a comparative study of geostatistical co-simulation methods | |
| Cho et al. | Semi‐auto horizon tracking guided by strata histograms generated with transdimensional Markov‐chain Monte Carlo | |
| CN113945973B (zh) | 一种储层特征分析方法、存储介质及电子设备 | |
| Mewes et al. | Anisotropic seismic inversion using a multigrid Monte Carlo approach | |
| CN107589457A (zh) | 测井资料尺度粗化的方法和装置 |
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 |