CN114002750B - 页岩层序识别方法、装置、电子设备及存储介质 - Google Patents
页岩层序识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114002750B CN114002750B CN202111134690.6A CN202111134690A CN114002750B CN 114002750 B CN114002750 B CN 114002750B CN 202111134690 A CN202111134690 A CN 202111134690A CN 114002750 B CN114002750 B CN 114002750B
- Authority
- CN
- China
- Prior art keywords
- wavelet coefficient
- curve
- sequence
- well
- shale
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of nuclear radiation, e.g. of natural or induced radioactivity
- G01V5/04—Prospecting or detecting by the use of nuclear radiation, e.g. of natural or induced radioactivity specially adapted for well-logging
- G01V5/06—Prospecting or detecting by the use of nuclear radiation, e.g. of natural or induced radioactivity specially adapted for well-logging for detecting naturally radioactive minerals
Abstract
本申请提供一种页岩层序识别方法、装置、电子设备及存储介质,从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值,进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;基于各待测井的小波系数方差曲线,根据相似沉积厚度对应的旋回的沉积周期,确定目标页岩的层序级次,从任一待测井在不同尺度下的小波系数曲线中,选取目标页岩的层序级次对应的目标尺度下的小波系数曲线,根据选取的曲线,确定目标页岩的层序级次下的层序界面。本申请基于自然伽马曲线的提取,通过离散小波变换所得到的小波系数曲线和小波系数方差曲线,进行层序级次的确定和界面划分,可以实现页岩层序识别及划分。
Description
技术领域
本申请涉及层序地层学领域,尤其涉及一种页岩层序识别方法、装置、电子设备及存储介质。
背景技术
页岩层系勘探研究是层序地层学中的一项关键任务,用以研究相应井段的地质条件和岩性组合,并进一步为油气储藏勘探提供依据。
地震勘探是主要手段。但是,地震勘探法虽然探测范围较大,但精度比较低,且无法应用于较薄的岩层,例如湖相泥页岩层。因此,需要提供一种层序划分方法,可以应用于较薄的页岩岩层。
发明内容
本申请提供一种页岩层序识别方法、装置、电子设备及存储介质,用以实现页岩岩层的层序识别。
第一方面,本申请提供一种页岩层序识别方法,包括:
从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值;
根据各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;其中,不同尺度表征不同的层序级次;
基于各待测井的小波系数方差曲线,确定目标页岩的层序级次;其中,所述各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内;
从任一待测井在不同尺度下的小波系数曲线中,选取所述目标页岩的层序级次对应的目标尺度下的小波系数曲线;以及,根据所述目标尺度下的小波系数曲线,确定所述目标页岩的层序级次下的层序界面;其中,同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面。
可选地,如上所述的方法,所述基于各待测井的小波系数方差曲线,确定目标页岩的层序级次,包括:
获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;
根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;
针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次;其中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内。
可选地,如上所述的方法,所述从针对待测井测得的自然伽马曲线中,提取不同深度对应的取值,包括:
按照预定的采样深度间隔,从针对待测井测得的自然伽马曲线中,间隔提取当前深度对应的取值,获得不同深度对应的取值。
可选地,如上所述的方法,所述不同深度对应的取值呈离散数列;所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,还包括:
向所述离散数列的两端进行信号拓展处理;
所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之后,还包括:
去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
可选地,如上所述的方法,所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,还包括:
对所述不同深度对应的取值进行过滤处理,去除低频干扰取值和高频干扰取值。
第二方面,本申请提供一种页岩层序识别装置,包括:
信号采样模块,用于从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值;
小波变换模块,用于根据各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;其中,不同尺度表征不同的层序级次;
确定模块,用于基于各待测井的小波系数方差曲线,确定目标页岩的层序级次;其中,所述各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内;
确定模块,还用于从任一待测井在不同尺度下的小波系数曲线中,选取所述目标页岩的层序级次对应的目标尺度下的小波系数曲线;以及,根据所述目标尺度下的小波系数曲线,确定所述目标页岩的层序级次下的层序界面;其中,同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面。
可选地,如上所述的装置,确定模块包括:
沉积速率计算单元,用于获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;
沉积周期计算单元,用于根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;
层序级次判定单元,用于针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次;其中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内。
可选地,如上所述的装置,信号采样模块,具体用于按照预定的采样深度间隔,从针对待测井测得的自然伽马曲线中,间隔提取当前深度对应的取值,获得不同深度对应的取值。
可选地,如上所述的装置,所述不同深度对应的取值呈离散数列;所述装置还包括:
信号拓展模块,用于在所述小波变换模块根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,向所述离散数列的两端进行信号拓展处理;
信号移除模块,用于在所述小波变换模块根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之后,去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
可选地,如上所述的装置还包括:
信号去噪模块,用于在所述小波变换模块根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,对所述不同深度对应的取值进行过滤处理,去除低频干扰取值和高频干扰取值。
第三方面,本申请提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
第五方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如第一方面所述的方法。
本申请提供的页岩层序识别方法、装置、电子设备及存储介质,从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;基于各待测井的小波系数方差曲线,各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期对应的层序级次确定目标页岩的层序级次,从任一待测井在不同尺度下的小波系数曲线中,选取目标页岩的层序级次对应的目标尺度下的小波系数曲线,根据选取的小波系数曲线,确定目标页岩的层序级次下的层序界面。上述方案基于自然伽马曲线的提取,通过离散小波变换所得到的小波系数曲线和小波系数方差曲线,进行层序级次的确定和界面划分,可以实现页岩的层序识别。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请示例提供的应用场景示意图;
图2为本申请实施例一提供的页岩层序识别方法的流程示意图;
图3为一些井段自然伽马曲线的小波系数方差曲线分析结果;
图4为对一些井段进行自然伽马曲线的十级小波系数次分解曲线图;
图5为一些井段的高频旋回划分结果;
图6为本申请实施例一提供的又一种页岩层序识别方法的流程示意图;
图7为本申请实施例二提供的一种页岩层序识别方法的流程示意图;
图8为本申请实施例三提供的一种页岩层序识别方法的流程示意图;
图9为本申请实施例四提供的页岩层序识别装置的结构示意图;
图10为本申请实施例五提供的一种电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与本申请的一些方面相一致的装置和方法的例子。
图1为本申请示例提供的应用场景示意图,如图所示,在某些深度下,部分测井曲线与地层及岩性之间存在高度相关性。测井曲线是用于纵向描述该测井一些理化性质与深度之间关联的曲线,一般纵向连续且分辨率高,并可以有效记录地层的韵律特征,从而应用于地层旋回研究中。测井曲线的形态、幅度、组合等特征都可以有效反映旋回界面。如图1所示,图中包含自然伽马曲线、自然电位曲线、电阻率曲线等测井曲线,在待测井段中不同深度的位置,有一些曲线能够显著反映岩性变化的特征,借助这些曲线,可以为岩层层序划分与识别提供依据。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。此外,还需要说明的是,在本申请的描述中,除非另有明确的规定和限定,各术语应在本领域内做广义理解。
实施例一
图2为本申请实施例一提供的页岩层序识别方法的流程示意图,如图2所示,该方法包括:
S101、从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值;
S102、根据各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;
S103、基于各待测井的小波系数方差曲线,确定目标页岩的层序级次;
S104、从任一待测井在不同尺度下的小波系数曲线中,选取目标页岩的层序级次对应的目标尺度下的小波系数曲线;以及,根据目标尺度下的小波系数曲线,确定目标页岩的层序级次下的层序界面。
结合具体应用场景对本实施例进行示例性说明:自然伽马曲线对于某些井段中部分地层的层序划分具有较好的识别作用,可以借助相应井段的自然伽马曲线,根据实际需求所选择的测点,提取待测井下相应测点深度所对应的自然伽马曲线取值,得到一个经采样后的自然伽马离散数列。
小波变换可以有效揭示出信号中的隐藏信息,故当获得这个离散数列之后,可根据该序列,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线。其中,所述不同尺度,指不同取值的小波变换系数,并在该系数下进行小波变换,可以得到不同小波变换系数下的曲线,不同尺度的小波系数曲线可用于表征不同的层序级次。
小波系数方差曲线可用于确定目标页岩的层序级次。示例性地,图3示出了一些待测井自然伽马曲线的小波系数方差曲线分析结果,可以看到,小波系数方差曲线的横轴为旋回厚度,纵轴为小波方差,在某些旋回厚度上形成了显著的波峰,这些波峰可指示不同主要周期的旋回。在同一待测井段中,由于沉积速率不变或相近,沉积厚度与周期具有可比性,故可将沉积厚度相同或接近的列为相似周期的旋回,例如图中所示的93.38-101.88m/旋回,54-65.38m/旋回和33.5-36.13m/旋回。相似沉积厚度对应的旋回的沉积周期位于目标页岩的层序级次对应的周期范围内,利用已标定好的层序时间,当上述旋回周期区间位于已标定的时间周期范围内,或是相对接近已标定的时间周期,可分析原因并将其确定为该级次旋回。例如,上述的三个旋回区间分别划分为三级层序,四级层序和五级层序。
确定层序等级后,可从任一待测井在不同尺度下的小波系数曲线中,选取目标页岩的层序级次对应的目标尺度下的小波系数曲线。示例性地,图4为对上述待测井段进行自然伽马曲线十级的小波系数次分解曲线图,获得如图所示的近似曲线和十条分解曲线。利用各周期旋回地层厚度与各尺度小波分解曲线波动长度进行比较,可以优选出代表各级次旋回的小波分解曲线。经对比可知,图中d10、d8、和d7的曲线波动长度,与厚度约100m(700-800Ka)、55m(400-500Ka)和35m(200-300Ka)地层旋回对应性较好,可以作为相应三级、四级和五级层序或体系域的有效识别边界,因此,可根据目标尺度下的小波系数曲线,确定目标页岩的层序级次下的层序界面。一种可行的实施方式是,根据小波曲线的特征进行层序界面的划分,具体地,根据同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面。图5为上述待测井段的高频旋回划分结果,如图5所示,相邻两个菱形方块的最宽处之间的部分为一个旋回,根据小波系数曲线振幅的变化情况,可划分出对应的振幅突变点,进而对该井段进行如图所示的旋回划分。
一种示例,图6为本申请实施例一提供的又一种页岩层序识别方法的流程示意图,如图6所示,上述S101,从针对待测井测得的自然伽马曲线中,提取不同深度对应的取值,具体可以是:
S301、按照预定的采样深度间隔,从针对待测井测得的自然伽马曲线中,间隔提取当前深度对应的取值,获得不同深度对应的取值;
在上述实施方式中所述的测点深度,实际应用中可以是固定的间隔,即上述预定的采样深度间隔,例如,对待测井的自然伽马曲线,每隔0.125米取样一个数据。即从针对待测井所测得的自然伽马曲线中,等间隔的提取当前深度对应的取值,获得不同深度对应的取值,由此,可以获得一个等间隔的离散数列。
本实施例提供的页岩层序识别方法,从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;基于各待测井的小波系数方差曲线,各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期对应的层序级次确定目标页岩的层序级次,从任一待测井在不同尺度下的小波系数曲线中,选取目标页岩的层序级次对应的目标尺度下的小波系数曲线,根据选取的小波系数曲线,确定目标页岩的层序级次下的层序界面。本实施例基于自然伽马曲线的提取,通过离散小波变换所得到的小波系数曲线和小波系数方差曲线,进行层序级次的确定和界面划分,可以实现页岩的层序识别。
实施例二
图7为本申请实施例二提供的一种页岩层序识别方法的流程示意图,如图7所示,在任一实施例的基础上,S103具体可以包括:
S201、获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;
S202、根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;
S203、针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次。
结合具体应用场景,对本实施例提供的页岩层序识别方法流程进行示例说明:可通过已有资料获取待测井段的总沉积时间,通过测井响应识别出待测井段的总沉积厚度,根据目标页岩的总沉积厚度和总沉积时间,可以计算获得沉积速率。一种示例,根据测井段附近地质资料,已知待测井段S沉积时间为0.5Ma,通过测井响应识别出S段总厚度为180m,可得出其平均沉积速率为0.24m/Ka。
随后,根据计算所得的沉积速率和相应待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期。例如,上述井段S中,小波系数方差曲线中存在29.07m、10.78m和5.92m三个主要沉积厚度,相应的,旋回厚度对应的沉积时间分别为121.1Ka、44.9Ka和24.7Ka。对于各待测井,均可根据此方法得出相应的沉积时间,并得到沉积厚度相似的对应旋回,对相应的旋回进行判断,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次。
本实施例提供的页岩层序识别方法中,基于各待测井的小波系数方差曲线,确定目标页岩的层序级次,包括:获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次。通过沉积速率与小波系数方差曲线中所显示的主要沉积厚度,可识别出相应旋回的沉积时间,并将相似的沉积时间对应的旋回分类至相应的层序级次。
实施例三
图8为本申请实施例三提供的一种页岩层序识别方法的流程示意图,如图8所示,在任一实施例的基础上,所述不同深度对应的取值呈离散数列;相应的,S102中所述根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,还包括:
S311、向离散数列的两端进行信号拓展处理;
根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之后,还包括:
S312、去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
结合具体应用场景,对本实施例提供的页岩层序识别方法流程进行示例说明:对待测井段的自然伽马曲线中所选用的不同深度的取值,在进行离散小波变换时,需要进行相应的信号处理工作,以提升信号质量,获得更加准确的旋回划分结果。在进行离散小波变换之前,需要向离散数列的两端进行信号拓展处理,以避免由于两端取值缺失,在加窗时产生边界效应,进而导致两端的信号失真,产生旋回的误划分。相应的,在获得小波系数曲线之后,还原信号长度,去除不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
可选的,作为本实施例的另一个示例,在任一实施例的基础上,S102中所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,还可以包括:
S313、对不同深度对应的取值进行过滤处理,去除低频干扰取值和高频干扰取值。
需要说明的是,本实施方式可以和前述信号扩展的实施方式单独实施,也可以结合实施,图中对两者结合实施的一种举例进行示例。具体的,将不同取值组成的离散数列进行过滤处理,去除高频噪声和低频噪声,以使离散数列更准确的描述真实信号,将偏离真实信号应有的频率过多的信号作为噪声,进行带通滤波。通过本实施方式,对提取的离散数列进行滤波,去除了无关信号的影响,从而提高层序识别的效果。
本实施例提供的页岩层序识别方法中,在进行离散小波变换,获得不同尺度下的小波系数曲线之前,向离散数列的两端进行信号拓展处理,并在获得不同尺度下的小波系数曲线之后,去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。由此,可避免信号在小波变换过程中,由于两端数值缺失而可能产生的边界效应。
实施例四
本申请实施例四还提供一种页岩层序识别装置以实现前述方法。如图9所示,图9为本申请实施例四提供的页岩层序识别装置的结构示意图,该装置包括:
信号采样模块41,用于从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值;
小波变换模块42,用于根据各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;其中,不同尺度表征不同的层序级次;
确定模块43,用于基于各待测井的小波系数方差曲线,确定目标页岩的层序级次;其中,所述各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内;
确定模块43,还用于从任一待测井在不同尺度下的小波系数曲线中,选取所述目标页岩的层序级次对应的目标尺度下的小波系数曲线;以及,根据所述目标尺度下的小波系数曲线,确定所述目标页岩的层序级次下的层序界面;其中,同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面。
结合具体应用场景对本实施方式进行示例性说明:根据实际需求所选择的测点,信号采样模块41提取待测井下相应测点深度所对应的自然伽马曲线取值,得到一个经采样后的自然伽马离散数列;小波变换模块42根据该离散数列,进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线,不同尺度指不同的小波变换系数,可以表征不同的层序级次;确定模块43用于基于各待测井的小波系数方差曲线,确定目标页岩的层序级次,其中,所述各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内;确定模块43,还用于从任一待测井在不同尺度下的小波系数曲线中,选取所述目标页岩的层序级次对应的目标尺度下的小波系数曲线,以及,根据所述目标尺度下的小波系数曲线,确定所述目标页岩的层序级次下的层序界面,其中,同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面。
在一个示例中,信号采样模块41,具体用于按照预定的采样深度间隔,从针对待测井测得的自然伽马曲线中,间隔提取当前深度对应的取值,获得不同深度对应的取值。通过本实施方式,可以基于待测井的自然伽马曲线,获得一个等间隔的离散数列。
在一个示例中,确定模块43具体可以包括:
沉积速率计算单元,用于获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;
沉积周期计算单元,用于根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;
层序级次判定单元,用于针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次;其中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内。
具体的,沉积速率计算单元计算获得沉积速率,沉积周期计算单元根据小波系数方差曲线中所显示的主要沉积厚度及前述沉积速率,可计算出各旋回的沉积周期,识别出相应旋回的沉积时间,并由层序级次判定单元将相似的沉积时间对应的旋回分类至相应的层序级次。本实施方式基于各待测井的小波系数方差曲线,确定目标页岩的层序级次,从而实现后续的层序识别。
在一个示例中,所述不同深度对应的取值呈离散数列;所述装置还可以包括:信号拓展模块,用于在小波变换模块根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,向离散数列的两端进行信号拓展处理;信号移除模块,用于在小波变换模块根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之后,去除不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
本实施方式中,在进行离散小波变换,获得不同尺度下的小波系数曲线之前,向离散数列的两端进行信号拓展处理,并在获得不同尺度下的小波系数曲线之后,去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。由此,可避免信号在小波变换过程中,由于两端数值缺失而可能产生的边界效应。
在一个示例中,所述装置还可以包括:信号去噪模块,用于在小波变换模块根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,对不同深度对应的取值进行过滤处理,去除低频干扰取值和高频干扰取值。通过本实施方式,对提取的离散数列进行滤波,去除了无关信号的影响,从而提高层序识别的效果。
本实施例提供一种页岩层序识别装置,包括信号采样模块、小波变换模块和确定模块,信号采样模块对自然伽马曲线进行提取,以获得表征待测点位的离散数列,小波变换模块对该离散数列进行离散小波变换,得到小波系数曲线和小波系数方差曲线,使用确定模块,根据前述小波系数曲线和小波系数方差曲线,进行层序级次的确定和界面划分,可以实现页岩的层序识别。
实施例五
图10为本申请实施例五提供的一种电子设备的结构示意图,如图10所示,该电子设备包括:
处理器(Processor)291,电子设备还包括了存储器(Memory)292;还可以包括通信接口(Communication Interface)293和总线294。其中,处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器294中的逻辑指令,以执行上述实施例的方法。
此外,上述的存储器292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。
存储器292作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本申请实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块,从而执行功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器292可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、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器292可以包括高速随机存取存储器,还可以包括非易失性存储器。
本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述实施例提供的方法。
本申请实施例提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述实施例提供的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确方法或网络结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种页岩层序识别方法,其特征在于,包括:
从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值;
根据各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;其中,不同尺度表征不同的层序级次;
基于各待测井的小波系数方差曲线,确定目标页岩的层序级次;其中,所述各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内;
从任一待测井在不同尺度下的小波系数曲线中,选取所述目标页岩的层序级次对应的目标尺度下的小波系数曲线;以及,根据所述目标尺度下的小波系数曲线,确定所述目标页岩的层序级次下的层序界面;其中,同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面;
所述基于各待测井的小波系数方差曲线,确定目标页岩的层序级次,包括:
获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;
根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;
针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次;其中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内。
2.根据权利要求1所述的方法,其特征在于,所述从针对待测井测得的自然伽马曲线中,提取不同深度对应的取值,包括:
按照预定的采样深度间隔,从针对待测井测得的自然伽马曲线中,间隔提取当前深度对应的取值,获得不同深度对应的取值。
3.根据权利要求1所述的方法,其特征在于,所述不同深度对应的取值呈离散数列;所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,还包括:
向所述离散数列的两端进行信号拓展处理;
所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之后,还包括:
去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,还包括:
对所述不同深度对应的取值进行过滤处理,去除低频干扰取值和高频干扰取值。
5.一种页岩层序识别装置,其特征在于,包括:
信号采样模块,用于从针对目标页岩中各待测井测得的自然伽马曲线,提取各待测井下不同深度对应的取值;
小波变换模块,用于根据各待测井下不同深度对应的取值,通过进行离散小波变换,获得各待测井的小波系数方差曲线和不同尺度下的小波系数曲线;其中,不同尺度表征不同的层序级次;
确定模块,用于基于各待测井的小波系数方差曲线,确定目标页岩的层序级次;其中,所述各待测井对应的小波系数方差曲线中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内;
确定模块,还用于从任一待测井在不同尺度下的小波系数曲线中,选取所述目标页岩的层序级次对应的目标尺度下的小波系数曲线;以及,根据所述目标尺度下的小波系数曲线,确定所述目标页岩的层序级次下的层序界面;其中,同一尺度下的小波系数曲线中,震荡幅度的突变点对应的深度位置为该尺度对应的层序级次下的层序界面;
所述确定模块包括:
沉积速率计算单元,用于获取所述目标页岩的总沉积厚度和总沉积时间,并计算获得沉积速率;
沉积周期计算单元,用于根据所述沉积速率和所述各待测井的小波系数方差曲线中各旋回的旋回厚度,计算各旋回的沉积周期;
层序级次判定单元,用于针对所述各待测井的小波系数方差曲线中相似沉积厚度对应的旋回,根据相似沉积厚度对应的旋回的沉积周期,以及各层序级次对应的周期范围,确定目标页岩的层序级次;其中,相似沉积厚度对应的旋回的沉积周期位于所述目标页岩的层序级次对应的周期范围内。
6.根据权利要求5所述的装置,其特征在于,
信号采样模块,具体用于按照预定的采样深度间隔,从针对待测井测得的自然伽马曲线中,间隔提取当前深度对应的取值,获得不同深度对应的取值。
7.根据权利要求5所述的装置,其特征在于,所述不同深度对应的取值呈离散数列;所述装置还包括:
信号拓展模块,用于在所述小波变换模块根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,向所述离散数列的两端进行信号拓展处理;
信号移除模块,用于在所述小波变换模块根据所述不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之后,去除所述不同尺度下的小波系数曲线中,对应信号扩展部分的线段。
8.根据权利要求5-7中任一项所述的装置,其特征在于,所述装置还包括:
信号去噪模块,用于在所述小波变换模块根据不同深度对应的取值,通过进行离散小波变换,获得不同尺度下的小波系数曲线之前,对所述不同深度对应的取值进行过滤处理,去除低频干扰取值和高频干扰取值。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-4中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111134690.6A CN114002750B (zh) | 2021-09-27 | 2021-09-27 | 页岩层序识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111134690.6A CN114002750B (zh) | 2021-09-27 | 2021-09-27 | 页岩层序识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114002750A CN114002750A (zh) | 2022-02-01 |
CN114002750B true CN114002750B (zh) | 2023-03-24 |
Family
ID=79921755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111134690.6A Active CN114002750B (zh) | 2021-09-27 | 2021-09-27 | 页岩层序识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114002750B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436013A (zh) * | 2011-07-19 | 2012-05-02 | 北京师范大学 | 一种运用Fischer图解划分砂砾岩沉积期次的方法 |
CN110847887A (zh) * | 2019-10-28 | 2020-02-28 | 中国石油天然气股份有限公司大港油田分公司 | 一种细粒沉积陆相页岩裂缝识别评价方法 |
CN111046328A (zh) * | 2019-12-20 | 2020-04-21 | 核工业北京地质研究院 | 基于测井曲线小波Mallet算法的岩石类型识别方法 |
CN111983679A (zh) * | 2020-07-31 | 2020-11-24 | 中国石油天然气股份有限公司 | 基于沉积参数的相控型白云岩储层地震预测方法和装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5673191A (en) * | 1995-04-10 | 1997-09-30 | Atlantic Richfield Company | Method and apparatus for identifying geological structures using wavelet analysis of potential fields |
US8126647B2 (en) * | 2008-04-07 | 2012-02-28 | Chevron U.S.A. Inc. | Lithofacies classification system and method |
US9377548B2 (en) * | 2011-11-09 | 2016-06-28 | Chevron U.S.A. Inc. | Wavelet-transform based system and method for analyzing characteristics of a geological formation |
US20150355358A1 (en) * | 2014-06-06 | 2015-12-10 | Schlumberger Technology Corporation | Generalized spectral decomposition |
US10664634B2 (en) * | 2014-06-30 | 2020-05-26 | Cgg Services Sas | Ensemble-based multi-scale history-matching device and method for reservoir characterization |
US10578758B2 (en) * | 2015-03-19 | 2020-03-03 | Exxonmobil Upstream Research Company | Sequence pattern characterization |
CN107507095A (zh) * | 2016-06-14 | 2017-12-22 | 中国石油化工股份有限公司 | 由地层深度剖面向地层时间剖面的快速转换方法与系统 |
CN106707344B (zh) * | 2016-12-12 | 2019-01-18 | 中国石油天然气股份有限公司 | 一种地层层序划分方法及装置 |
CN108427146B (zh) * | 2017-02-13 | 2019-08-30 | 中国石油化工股份有限公司 | 一种识别沉积地层中的米兰科维奇周期的方法及系统 |
CN109407173A (zh) * | 2018-09-29 | 2019-03-01 | 核工业北京地质研究院 | 基于常规测井曲线的岩性精细化和自动化识别方法 |
CN112649887B (zh) * | 2019-10-11 | 2024-03-01 | 中国石油天然气股份有限公司 | 基于钻井资料定量划分层序地层的方法及装置 |
-
2021
- 2021-09-27 CN CN202111134690.6A patent/CN114002750B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436013A (zh) * | 2011-07-19 | 2012-05-02 | 北京师范大学 | 一种运用Fischer图解划分砂砾岩沉积期次的方法 |
CN110847887A (zh) * | 2019-10-28 | 2020-02-28 | 中国石油天然气股份有限公司大港油田分公司 | 一种细粒沉积陆相页岩裂缝识别评价方法 |
CN111046328A (zh) * | 2019-12-20 | 2020-04-21 | 核工业北京地质研究院 | 基于测井曲线小波Mallet算法的岩石类型识别方法 |
CN111983679A (zh) * | 2020-07-31 | 2020-11-24 | 中国石油天然气股份有限公司 | 基于沉积参数的相控型白云岩储层地震预测方法和装置 |
Non-Patent Citations (1)
Title |
---|
小波分析在深水砂砾岩和泥页岩地层层序划分中的应用;王艳忠;《天然气地球科学》;20120430;第23卷(第2期);251-257 * |
Also Published As
Publication number | Publication date |
---|---|
CN114002750A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3631523B1 (en) | System and method for predicting fault seal from seismic data | |
CN111856566B (zh) | 湖相滩坝砂体中薄储层预测方法及装置 | |
CN107065013B (zh) | 一种地震尺度下的层速度确定方法及装置 | |
CN108375785B (zh) | 裂缝带位置校正方法及装置 | |
EP3167315A1 (en) | Method of constraining an inversion in the characterisation of the evolution of a subsurface volume | |
de Macedo et al. | Comparison between deterministic and statistical wavelet estimation methods through predictive deconvolution: Seismic to well tie example from the North Sea | |
CN108508489B (zh) | 一种基于波形微变化匹配的地震反演方法 | |
EP3167314B1 (en) | Method for obtaining estimates of a model parameter so as to characterise the evolution of a subsurface volume | |
EP3052967B1 (en) | System and method for seismic adaptive imaging | |
EP3631524B1 (en) | System and method for predicting fault seal from seismic data | |
CN114002750B (zh) | 页岩层序识别方法、装置、电子设备及存储介质 | |
Eikrem et al. | Bayesian estimation of reservoir properties—effects of uncertainty quantification of 4D seismic data | |
CN112649887A (zh) | 基于钻井资料定量划分层序地层的方法及装置 | |
CN109991663B (zh) | 工区地震速度体校正方法和装置 | |
CN111983671A (zh) | 基于微古地貌恢复的浅水湖盆储层预测方法和装置 | |
CN104570100B (zh) | 多子波克希霍夫地震数据偏移方法 | |
CN105989240B (zh) | 砂层预测方法及装置 | |
CN109164482B (zh) | 基于光纤传感器的井下微地震求解方法、装置及系统 | |
CN111624662B (zh) | 速度场校正方法、装置和设备 | |
CN112906465A (zh) | 一种基于地层因素的煤系地层声波曲线重构方法及系统 | |
CN112558147B (zh) | 一种井中微地震数据的偏振分析方法及系统 | |
CN114609668B (zh) | 一种基于散射变换和神经网络的优质储层识别方法、装置、设备及存储介质 | |
CN113009579B (zh) | 地震数据反演方法及装置 | |
CN118033733A (zh) | 基于纵波-转换波联合反演的砂岩厚度预测方法 | |
EP3105620A2 (en) | A process for characterising the evolution of an oil or gas reservoir over time |
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 |