CN114114396A - 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 - Google Patents
一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 Download PDFInfo
- Publication number
- CN114114396A CN114114396A CN202111319704.1A CN202111319704A CN114114396A CN 114114396 A CN114114396 A CN 114114396A CN 202111319704 A CN202111319704 A CN 202111319704A CN 114114396 A CN114114396 A CN 114114396A
- Authority
- CN
- China
- Prior art keywords
- facies
- beach
- sedimentary
- well
- 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
- 208000035126 Facies Diseases 0.000 title claims abstract description 148
- 235000019738 Limestone Nutrition 0.000 title claims abstract description 33
- 239000006028 limestone Substances 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012512 characterization method Methods 0.000 title abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 79
- 239000011435 rock Substances 0.000 claims abstract description 28
- 239000000090 biomarker Substances 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 15
- 230000008021 deposition Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 7
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 6
- 241000238631 Hexapoda Species 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 239000011505 plaster Substances 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 4
- 238000005755 formation reaction Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000026407 Haya Species 0.000 description 1
- 241000286209 Phasianidae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
-
- 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
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)
Abstract
本发明提供一种台地相厚层灰岩沉积相刻画和预测系统及预测方法,包括单井相对优势相确定模块、多属性融合进行地震相预测模块、地震相预测模块;单井相对优势相确定模块,包括单井沉积微相识别模块、确定单井相对优势相模块;单井沉积微相识别模块,通过输入观察岩心、岩石薄片、古生物标志确定的灰岩沉积体系中的沉积微相类型相关信息,单井沉积微相识别模块通过测井解释结合相律,在单井上划分沉积微相。分析层内的沉积微相类型,分别计算滩相、非滩相(除滩以外的沉积微相)在单井上的厚度的相对比例。本发明解决了在岩性变化较小的储层中进行沉积微相预测中不能做到定量分析和存在多解性的问题。
Description
技术领域
本发明属于地震属性应用领域,尤其涉及一种台地相厚层灰岩沉积相刻画和预测系统及预测方法。
背景技术
发育在碳酸盐岩台地背景下的灰岩,通常分布面积广、沉积相带类型多、但岩性差异小(均为灰岩),在利用常规单因素地震相预测厚层灰岩的沉积相展布时通常难以准确刻画沉积微相的分布。通过地震属性来进行沉积相预测,各属性和目标对象之间存在着较复杂的关系,地震属性在不同储集层对所要预测目标的敏感性是不完全相同的。有时,即使在相同工区范围和储集层上,也会因为目标预测对象的不同,所对应的敏感地震属性也会存在很大不同。
发明内容
本发明的目的在于解决上述现有技术存在的缺陷,提供一种台地相厚层灰岩沉积相刻画和预测系统及预测方法。
本发明采用如下技术方案:
一种台地相厚层灰岩沉积相刻画和预测系统,包括:
单井相对优势相确定模块、多属性融合进行地震相预测模块、地震相预测模块;
单井相对优势相确定模块,包括单井沉积微相识别模块、确定单井相对优势相模块;
单井沉积微相识别模块,通过输入观察岩心、岩石薄片、古生物标志确定的灰岩沉积体系中的沉积微相类型相关信息,单井沉积微相识别模块通过测井解释结合相律,在单井上划分沉积微相,并确定滩、滩间、灰坪微相的宏观和微观岩石特征;
根据高能滩的岩石薄片统计数据中颗粒含量大于50%,生物类型为正常海相底栖和造礁生物为主,低能滩颗粒含量低于50%,均为灰泥支撑结构,主要生物为浮游有孔虫,将滩区分为高能滩和低能滩;并根据威尔逊碳酸盐岩台地模式中所提出的沉积体系和不同沉积相的叠置关系制约的沉积相律在单井上划分沉积微相;
确定单井相对优势相模块,利用单井沉积微相识别模块中不同岩性的测井电性特征,通过线性回归的方式,建立岩性与电性的关系,利用测井识别的方法确定单井沉积微相;分析Mishrif组各小层内的沉积微相类型,分别计算滩相、非滩相在单井下的厚度的相对比例;按照滩相所占比例高低排序,确定滩相比例大于50%的为滩相区,小于50%的为滩间海相区;
若归为滩相区,进一步刻画高能滩和低能滩的发育情况;
分别统计高能滩和低能滩的相对比例,确定相对优势相位高能滩或低能滩,从而确定单井的相对优势相;
多属性融合进行地震相预测模块包括敏感属性选择模块、属性融合模块;
敏感属性选择模块,通过Epoffice软件,对每口单井上灰岩储层位置点,在三维地震数据中获取相应位置点上多个地震属性,包括能量属性、振幅属性、频率属性、衰减属性等十余种;通过提取地震属性与沉积背景和单井相对优势相确定模块获得的单井相对优势相的匹配关系,选取均方根振幅、衰减梯度和调谐能量三个属性作为敏感属性;
属性融合模块,将地震数据标准化处理,对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,在对应层进行区域的特征选择;
基于多个地震属性与沉积背景和单井相对优势相的吻合率,根据具体数据处理的要求,采用区域选择法并结合加权方法,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,重构融合信息;
利用井分层数据和地震层位数据,建立时间域小层地层构架模型,并从得到的地震属性体中提取各小层的融合地震属性值,绘制各小层的融合地震属性图;
其中,建立小层地层构架模型包括:
1)骨干剖面追踪对比:从inline、xline和time三个方面对三维数据体进行浏览,开展过井测线、连井地震剖面层位对比,建立过井、过主要断裂和局部构造的骨干测网;
2)粗网格追踪对比:在骨干剖面追踪对比控制下,按照20线×20道的粗网格开展精细层位对比;
3)精细追踪对比:在20线×20道的粗网格精细层位解释基础上,对解释测网加密,使解释网格达8线×8道;
地震相预测模块,依据各单井利用测井所识别的滩相和非滩相的比例,在各小层的融合地震属性图上分析地震属性值所代表的沉积微相类型,分析滩相和非滩相的大致范围,在滩相分布范围内,根据单井解释的高能滩的相对比例,确定高能滩和低能滩的地震属性值范围,依据地震属性值在地震融合属性图上圈定沉积微相的分布范围;
对基于地震相解释的沉积微相分布图进行进一步验证分析,将利用地震相圈定的范围与单井相对优势相交叉验证,若出现不一致的情况,再返回进行单井相对优势相的复查,若尚不能解决该问题,结合沉积微相边界附近的水平井钻井情况,对边界进行进一步验证;最终,确定沉积微相分布图。
一种台地相厚层灰岩沉积相刻画和预测方法,包括
步骤1.利用单井相对优势相确定模块确定单井相对优势相
S1.利用单井沉积微相识别模块完成单井沉积微相识别
利用岩心观察、岩石薄片、古生物标志确定灰岩沉积体系中的沉积微相类型,确定滩、滩间、灰坪微相的宏观和微观岩石特征。
根据生物类型和颗粒含量将滩区分为高能滩和低能滩。
根据沉积体系和沉积相律在单井上划分沉积微相。
S2.通过单井相对优势相确定模块完成单井相对优势相的确定
建立岩性与电性的关系,利用测井识别的方法确定单井沉积微相(单井沉积微相是纵向上一口井的沉积微相;预测的沉积微相是最后预测的横向每一层平面上的沉积微相)。
分析层内的沉积微相类型,分别计算滩相、非滩相(除滩以外的沉积微相)在单井上的厚度的相对比例。
按照相对比例高低排序,确定为滩相区还是滩间海相区。若归为滩相区,进一步刻画高能滩和低能滩的发育情况。分别统计高能滩和低能滩的相对比例,确定相对优势相位高能滩或低能滩。从而确定单井的相对优势相。
步骤2.通过多属性融合进行地震相预测模块完成多属性融合进行地震相预测
S1.通过敏感属性选择模块完成敏感属性选择
通过Epoffice软件,对灰岩储层位置点,获取相应位置点上多个地震属性,包括能量属性、振幅属性、频率属性、衰减属性等十余种;
通过提取的地震属性与沉积背景和单井相对优势相的匹配关系(进行吻合率分析),选取均方根振幅、衰减梯度和调谐能量三个属性作为敏感属性。
S2.通过属性融合模块完成属性融合
地震属性融合的数据准备,通过不同属性与单井优势相的匹配度,选取优势属性,对整个工区进行属性的提取和融合,将整个同和属性数据体按地层分成每个小层的融合属性,并成图。
具体包括:先将地震数据标准化处理,然后对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,在对应层进行区域的特征选择。
基于所述多个地震属性与单井相对优势相的吻合率,根据具体数据处理的要求,采用区域选择法并结合加权方法,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,然后重构融合信息。
利用井分层数据和地震层位数据,建立时间域小层地层构架模型,并从得到的地震属性体中提取各小层的融合地震属性值,绘制各小层的融合地震属性图。
其中,建立小层地层构架模型包括以下三个步骤:
1)骨架剖面追踪对比:从inline、xline和time三个方面对三维数据体进行浏览,然后开展过井测线、连井地震剖面层位对比,建立过井、过主要断裂和局部构造的骨干测网;
2)大网格追踪对比:在骨干剖面控制下,按照20线×20道的粗网格开展精细层位对比;
3)精细追踪对比:在20线×20道的粗网格层位解释基础上,对解释测网加密,使解释网格达8线×8道。
步骤3.通过地震相预测模块完成预测地震相
对基于地震相解释的沉积微相分布图进行进一步验证分析。将利用地震相圈定的范围与单井相对优势相交叉验证,若出现不一致的情况,再返回进行单井相对优势相的复查。若尚不能解决该问题,结合沉积微相边界附近的水平井钻井情况,对边界进行进一步验证。最终,确定沉积微相分布图。
本发明的有益效果:
本发明针对单项地震属性存在的多解性和局限性,建立了一套以单井相对优势相识别为基础,多属性融合方法为核心,水平井边界验证为辅助的沉积相刻画和预测方法。本发明分为3个模块,能够有效进行大套灰岩储层的沉积微相精细刻画。
本发明更好地将井震结合,基于地质基础的分析,利用融合地震属性对大套灰岩储层沉积相进行预测,并以水平井辅助确定沉积微相边界,提高了储层预测的准确性,解决了在岩性变化较小的储层中进行沉积微相预测中不能做到定量分析和存在多解性的问题。
附图说明
图1为MB1均方根振幅与沉积微相交汇图;
图2为-MB1衰减梯度与沉积微相交汇图;
图3为-MB1调谐能量与沉积微相交汇图;
图4为MB2层单井优势沉积相标注图;
图5为MB2属性融合平面图;
图6为MB2层沉积微相平面展布图;
图7(a)-图7(j)为MA、MB1-2B和MB层单井沉积微相统计表;
图8为哈法亚地区Mishrif组沉积相类型划分简表;
图9为滩分类表;
图10为本发明的步骤流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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例,都属于本发明保护的范围。
如图7(a)-图7(j)所示,一种台地相厚层灰岩沉积相刻画和预测系统,包括:
单井相对优势相确定模块、多属性融合进行地震相预测模块、地震相预测模块;
单井相对优势相确定模块,包括单井沉积微相识别模块、确定单井相对优势相模块;
单井沉积微相识别模块,通过输入观察岩心、岩石薄片、古生物标志确定的灰岩沉积体系中的沉积微相类型相关信息,单井沉积微相识别模块通过测井解释结合相律,在单井上划分沉积微相,并确定滩、滩间、灰坪微相的宏观和微观岩石特征;
根据高能滩的岩石薄片统计数据中颗粒含量大于50%,生物类型为正常海相底栖和造礁生物为主,低能滩颗粒含量低于50%,均为灰泥支撑结构,主要生物为浮游有孔虫,将滩区分为高能滩和低能滩;并根据威尔逊碳酸盐岩台地模式中所提出的沉积体系和不同沉积相的叠置关系制约的沉积相律在单井上划分沉积微相;
确定单井相对优势相模块,利用单井沉积微相识别模块中不同岩性的测井电性特征,通过线性回归的方式,建立岩性与电性的关系,利用测井识别的方法确定单井沉积微相;分析Mishrif组各小层内的沉积微相类型,分别计算滩相、非滩相在单井下的厚度的相对比例;按照滩相所占比例高低排序,确定滩相比例大于50%的为滩相区,小于50%的为滩间海相区;
若归为滩相区,进一步刻画高能滩和低能滩的发育情况;
分别统计高能滩和低能滩的相对比例,确定相对优势相位高能滩或低能滩,从而确定单井的相对优势相;
多属性融合进行地震相预测模块包括敏感属性选择模块、属性融合模块;
敏感属性选择模块,通过Epoffice软件,对每口单井上灰岩储层位置点,在三维地震数据中获取相应位置点上多个地震属性,包括能量属性、振幅属性、频率属性、衰减属性等十余种;通过提取地震属性与沉积背景和单井相对优势相确定模块获得的单井相对优势相的匹配关系,选取均方根振幅、衰减梯度和调谐能量三个属性作为敏感属性;
属性融合模块,将地震数据标准化处理,对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,在对应层进行区域的特征选择;
基于多个地震属性与沉积背景和单井相对优势相的吻合率,根据具体数据处理的要求,采用区域选择法并结合加权方法,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,重构融合信息;
利用井分层数据和地震层位数据,建立时间域小层地层构架模型,并从得到的地震属性体中提取各小层的融合地震属性值,绘制各小层的融合地震属性图;
其中,建立小层地层构架模型包括:
1)骨干剖面追踪对比:从inline、xline和time三个方面对三维数据体进行浏览,开展过井测线、连井地震剖面层位对比,建立过井、过主要断裂和局部构造的骨干测网;
2)粗网格追踪对比:在骨干剖面追踪对比控制下,按照20线×20道的粗网格开展精细层位对比;
3)精细追踪对比:在20线×20道的粗网格精细层位解释基础上,对解释测网加密,使解释网格达8线×8道;
地震相预测模块,依据各单井利用测井所识别的滩相和非滩相的比例,在各小层的融合地震属性图上分析地震属性值所代表的沉积微相类型,分析滩相和非滩相的大致范围,在滩相分布范围内,根据单井解释的高能滩的相对比例,确定高能滩和低能滩的地震属性值范围,依据地震属性值在地震融合属性图上圈定沉积微相的分布范围;
对基于地震相解释的沉积微相分布图进行进一步验证分析,将利用地震相圈定的范围与单井相对优势相交叉验证,若出现不一致的情况,再返回进行单井相对优势相的复查,若尚不能解决该问题,结合沉积微相边界附近的水平井钻井情况,对边界进行进一步验证;最终,确定沉积微相分布图。
如图10所示,一种台地相厚层灰岩沉积相刻画和预测方法,包括:
1.利用单井相对优势相确定模块确定单井相对优势相
S100.利用单井沉积微相识别模块完成单井沉积微相识别
a.利用岩心观察、岩石薄片、古生物标志确定灰岩沉积体系中的沉积微相类型,确定滩、滩间、灰坪微相的宏观和微观岩石特征。
先经过岩心确定沉积微相,再通过测井解释结合相律,在单井上划分沉积微相。
确定滩、滩间、灰坪微相的宏观和微观岩石特征是预测的基础。
b.重点分析滩的类型,根据生物类型和颗粒含量将滩区分为高能滩和低能滩。高能滩的岩石薄片统计数据中颗粒含量大于50%,生物类型为正常海相底栖和造礁生物为主。低能滩颗粒含量低于50%,均为灰泥支撑结构,主要生物为浮游有孔虫。
分成高能滩和低能滩的作用是在进行沉积微相平面预测时,能把滩相进一步区分为高能滩和低能滩。
c.根据威尔逊碳酸盐岩台地模式中所提出的沉积体系和不同沉积相的叠置关系制约的沉积相律在单井上划分沉积微相。
S200.通过单井相对优势相确定模块完成单井相对优势相的确定
a.利用S100中不同岩性的测井电性特征,通过线性回归的方式,建立岩性与电性的关系,利用测井识别的方法确定单井沉积微相。
b.分析Mishrif组各小层内的沉积微相类型,分别计算滩相、非滩相(除滩以外的沉积微相)在单井下的厚度的相对比例。
按照滩相所占比例高低排序,确定滩相比例大于50%的为滩相区,小于50%的为滩间海相区。
c.若归为滩相区,进一步刻画高能滩和低能滩的发育情况。分别统计高能滩和低能滩的相对比例,确定相对优势相位高能滩或低能滩。从而确定单井的相对优势相。
2.通过多属性融合进行地震相预测模块完成多属性融合进行地震相预测
S201.通过敏感属性选择模块完成敏感属性选择
通过Epoffice软件,对每口单井上灰岩储层位置点,在三维地震数据中获取相应位置点上多个地震属性,包括能量属性、振幅属性、频率属性、衰减属性等十余种;
a.通过提取地震属性与沉积背景(根据已有文献资料)和步骤1中单井相对优势相的匹配关系(进行吻合率分析),选取均方根振幅、衰减梯度和调谐能量三个属性作为敏感属性。
S202.通过属性融合模块完成属性融合
a.先将地震数据标准化处理,然后对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,在对应层进行区域的特征选择(地震属性融合的数据准备)。
b.基于所述多个地震属性与沉积背景和单井相对优势相的吻合率,根据具体数据处理的要求,采用区域选择法并结合加权方法,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,然后重构融合信息(通过不同属性与单井优势相的匹配度,选取优势属性,对整个工区进行属性的提取和融合)。
c.利用井分层数据和地震层位数据,建立时间域小层地层构架模型,并从得到的地震属性体中提取各小层的融合地震属性值,绘制各小层的融合地震属性图(将整个融合属性数据体按地层分成每个小层的融合属性,并成图)。
其中,建立小层地层构架模型包括以下三个步骤:
1)骨干剖面追踪对比:从inline、xline和time三个方面对三维数据体进行浏览,然后开展过井测线、连井地震剖面层位对比,建立过井、过主要断裂和局部构造的骨干测网;
2)粗网格追踪对比:在骨干剖面追踪对比控制下,按照20线×20道的粗网格开展精细层位对比;
3)精细追踪对比:在20线×20道的粗网格精细层位解释基础上,对解释测网加密,使解释网格达8线×8道。
3.通过地震相预测模块完成预测地震相
依据各单井利用测井所识别的滩相和非滩相的比例,在各小层的融合地震属性图上分析地震属性值所代表的沉积微相类型,首先分析滩相和非滩相的大致范围,在滩相分布范围内,根据单井解释的高能滩的相对比例,确定高能滩和低能滩的地震属性值范围。依据地震属性值在地震融合属性图上圈定沉积微相的分布范围。
对基于地震相解释的沉积微相分布图进行进一步验证分析,将利用地震相圈定的范围与单井相对优势相交叉验证,若出现不一致的情况,再返回进行单井相对优势相的复查。若尚不能解决该问题,结合沉积微相边界附近的水平井钻井情况,对边界进行进一步验证。最终,确定沉积微相分布图。
本发明的主要目的就是利用岩心和单井资料在平面上利用地震预测这些微相的分布。
实施例
中东伊拉克地区哈法亚油田的应用
依据岩心观察分析和单井沉积微相划分,得到单井优势相。
进行属性融合:对数据进行标准化,其次对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,实现有针对性的地质目标增强。然后,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,然后重构融合信息。权系数的选择参考三种属性的吻合率,以MB1为例,均方根振幅、衰减梯度和调谐能量三种属性吻合率分别为79%、79%和77%。其比值为34%:34%:33%。将融合属性与沉积微相进行交汇图分析,与单井相划分对比,吻合率为81%。说明属性融合可以有效提高对沉积微相的识别。
按照这个方法对MA、MB1、MB2、MC1、MC2和MC3共6层分别提取均方根属性、衰减梯度属性和调谐能量属性,同时按照吻合率的比例进行了属性融合。
绘制平面相图:以地震的均方根振幅属性和融合属性图作为标志图,确立各个大层的优势沉积微相的边界,再通过已划分的单井沉积微相,对不同优势沉积微相的平面分布进行刻画。(1.在工区井位图上将用来进行沉积微相平面分布研究的单井上6个大层对应的优势相进行井点标注;2.进行单井标注后,再在融合地震属性图上显示对应井点的标注,可以发现不同标注所对应的地震相图的色带,从而确定各大层沉积优势相的解释方案。由于地震相主要反映岩石物理性质差异,对滩相和非滩相的反映效果好。因此,在此基础上,确定滩相边界,编制滩相和非滩相的分布范围。3.为了更准确反映各个滩相内部沉积微相组成的差异,再对单井上各个大层的优势相的组成部分进行对比。4.在大层沉积相边界控制下,再利用单井沉积微相组合特征,编制了各个小层的沉积微相平面分布图。
从而,最终编制不同沉积微相组合的平面分布图。
如图4-图5所示,通过井震对比分析后,可大致识别不同沉积微相的边界。
如图6所示,通过单井上优势相的识别,结合地震融合属性图,并利用沉积微相边界附近水平井进行了验证,获得了研究区MB2层的沉积微相展布图。
在中东伊拉克地区哈法亚油田Mishrif组地层中发育的沉积微相,见图8。通过该表可以看出,微相类型包括生屑滩、藻屑滩、似球粒滩等滩相,以及灰坪、潮道、沼泽等非滩相。其中滩相可以根据其中颗粒含量和生物类型分别划分为高能滩(包括介屑滩、厚壳蛤碎屑滩、砂屑滩、藻屑滩),低能滩(似球粒滩、生屑滩、滩与灰坪交互相、滩与滩交互相、滩间),见如图9。
如图1-图3所示,以滩与灰坪交互相和滩交互相的区分度为例,这三个敏感属性均能够区分不同沉积微相。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种台地相厚层灰岩沉积相刻画和预测系统,其特征在于,包括:
单井相对优势相确定模块、多属性融合进行地震相预测模块、地震相预测模块;
单井相对优势相确定模块,包括单井沉积微相识别模块、确定单井相对优势相模块;
单井沉积微相识别模块,通过输入观察岩心、岩石薄片、古生物标志得到的灰岩沉积体系中的沉积微相类型相关信息,单井沉积微相识别模块通过测井解释结合相律,在单井上划分沉积微相,并确定滩、滩间、灰坪微相的宏观和微观岩石特征;
根据高能滩的岩石薄片统计数据中颗粒含量大于50%,生物类型为正常海相底栖和造礁生物为主,低能滩颗粒含量低于50%,均为灰泥支撑结构,主要生物为浮游有孔虫,将滩区分为高能滩和低能滩;并根据威尔逊碳酸盐岩台地模式中所提出的沉积体系和不同沉积相的叠置关系制约的沉积相律在单井上划分沉积微相;
确定单井相对优势相模块,利用单井沉积微相识别模块中不同岩性的测井电性特征,通过线性回归的方式,建立岩性与电性的关系,利用测井识别的方法确定单井沉积微相;分析Mishrif组各小层内的沉积微相类型,分别计算滩相、非滩相在单井下的厚度的相对比例;按照滩相所占比例高低排序,确定滩相比例大于50%的为滩相区,小于50%的为滩间海相区;
若归为滩相区,进一步刻画高能滩和低能滩的发育情况;
分别统计高能滩和低能滩的相对比例,确定相对优势相位高能滩或低能滩,从而确定单井的相对优势相;
多属性融合进行地震相预测模块包括敏感属性选择模块、属性融合模块;
敏感属性选择模块,通过Epoffice软件,对每口单井上灰岩储层位置点,在三维地震数据中获取相应位置点上多个地震属性,包括能量属性、振幅属性、频率属性、衰减属性;通过提取地震属性与沉积背景和单井相对优势相确定模块获得的单井相对优势相的匹配关系,选取均方根振幅、衰减梯度和调谐能量三个属性作为敏感属性;
属性融合模块,将地震数据标准化处理,对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,在对应层进行区域的特征选择;
基于多个地震属性与沉积背景和单井相对优势相的吻合率,根据具体数据处理的要求,采用区域选择法并结合加权方法,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,重构融合信息;
利用井分层数据和地震层位数据,建立时间域小层地层构架模型,并从得到的地震属性体中提取各小层的融合地震属性值,绘制各小层的融合地震属性图;
其中,建立小层地层构架模型包括:
1)骨干剖面追踪对比:从inline、xline和time三个方面对三维数据体进行浏览,开展过井测线、连井地震剖面层位对比,建立过井、过主要断裂和局部构造的骨干测网;
2)粗网格追踪对比:在骨干剖面追踪对比控制下,按照20线×20道的粗网格开展精细层位对比;
3)精细追踪对比:在20线×20道的粗网格精细层位解释基础上,对解释测网加密,使解释网格达8线×8道;
地震相预测模块,依据各单井利用测井所识别的滩相和非滩相的比例,在各小层的融合地震属性图上分析地震属性值所代表的沉积微相类型,分析滩相和非滩相的大致范围,在滩相分布范围内,根据单井解释的高能滩的相对比例,确定高能滩和低能滩的地震属性值范围,依据地震属性值在地震融合属性图上圈定沉积微相的分布范围;
对基于地震相解释的沉积微相分布图进行进一步验证分析,将利用地震相圈定的范围与单井相对优势相交叉验证,若出现不一致的情况,再返回进行单井相对优势相的复查,若尚不能解决该问题,结合沉积微相边界附近的水平井钻井情况,对边界进行进一步验证;最终,确定沉积微相分布图。
2.一种台地相厚层灰岩沉积相刻画和预测方法,其特征在于,包括
步骤1.利用单井相对优势相确定模块确定单井相对优势相;
步骤2.通过多属性融合进行地震相预测模块完成多属性融合进行地震相预测;
步骤3.通过地震相预测模块完成预测地震相;
其中,步骤1具体包括:
S1.利用单井沉积微相识别模块完成单井沉积微相识别
先经过岩心确定沉积微相,再通过测井解释结合相律,在单井上划分沉积微相,具体为利用岩心观察、岩石薄片、古生物标志确定灰岩沉积体系中的沉积微相类型,确定滩、滩间、灰坪微相的宏观和微观岩石特征;
根据生物类型和颗粒含量将滩区分为高能滩和低能滩,高能滩的岩石薄片统计数据中颗粒含量大于50%,生物类型为正常海相底栖和造礁生物为主,低能滩颗粒含量低于50%,均为灰泥支撑结构,主要生物为浮游有孔虫;
分成高能滩和低能滩的作用是在进行沉积微相平面预测时,能把滩相进一步区分为高能滩和低能滩;
根据威尔逊碳酸盐岩台地模式中所提出的沉积体系和不同沉积相的叠置关系制约的沉积相律在单井上划分沉积微相;
S2.通过单井相对优势相确定模块完成单井相对优势相的确定
利用S1中不同岩性的测井电性特征,通过线性回归的方式,建立岩性与电性的关系,利用测井识别的方法确定单井沉积微相;
分析Mishrif组各小层内的沉积微相类型,分别计算滩相、非滩相在单井下的厚度的相对比例;
按照相对比例高低排序,确定滩相比例大于50%的为滩相区,小于50%的为滩间海相区;
若归为滩相区,进一步刻画高能滩和低能滩的发育情况,分别统计高能滩和低能滩的相对比例,确定相对优势相为高能滩或低能滩,从而确定单井的相对优势相。
3.根据权利要求1所述的台地相厚层灰岩沉积相刻画和预测方法,其特征在于,步骤2具体包括:
S201.通过敏感属性选择模块完成敏感属性选择
通过Epoffice软件,对每口单井上灰岩储层位置点,在三维地震数据中获取相应位置点上多个地震属性,包括能量属性、振幅属性、频率属性、衰减属性;
通过提取的地震属性、沉积背景、步骤1中单井相对优势相的匹配关系,选取均方根振幅、衰减梯度、调谐能量三个属性作为敏感属性;
S202.通过属性融合模块完成属性融合先将地震数据标准化处理,然后对其标准化后的地球物理数据进行小波变换,其细节特征按照分辨率大小映射到各自结构中,本着在相同分辨率下进行信息融合的原则,在对应层进行区域的特征选择;
基于多个地震属性、沉积背景、单井相的吻合率,根据具体数据处理的要求,采用区域选择法并结合加权方法,对每个属性赋予不同权系数,构成融合数据的金字塔数据结构,然后重构融合信息;
利用井分层数据和地震层位数据,建立时间域小层地层构架模型,并从得到的地震属性体中提取各小层的融合地震属性值,绘制各小层的融合地震属性图。
4.根据权利要求3所述的台地相厚层灰岩沉积相刻画和预测方法,其特征在于,建立小层地层构架模型包括以下三个步骤:
1)骨架剖面追踪对比:从inline、xline和time三个方面对三维数据体进行浏览,然后开展过井测线、连井地震剖面层位对比,建立过井、过主要断裂和局部构造的骨干测网;
2)粗网格追踪对比:在骨干剖面控制下,按照20线×20道的粗网格开展精细层位对比;
3)精细追踪对比:在20线×20道的粗网格层位解释基础上,对解释测网加密,使解释网格达8线×8道。
5.根据权利要求3所述的台地相厚层灰岩沉积相刻画和预测方法,其特征在于,步骤3具体包括:
依据各单井利用测井所识别的滩相和非滩相的比例,在各小层的融合地震属性图上分析地震属性值所代表的沉积微相类型,首先分析滩相和非滩相的大致范围,在滩相分布范围内,根据单井解释的高能滩的相对比例,确定高能滩和低能滩的地震属性值范围,依据地震属性值在地震融合属性图上圈定沉积微相的分布范围;
对基于地震相解释的沉积微相分布图进行进一步验证分析,将利用地震相圈定的范围与单井相对优势相交叉验证,若出现不一致的情况,再返回进行单井相对优势相的复查,若尚不能解决该问题,结合沉积微相边界附近的水平井钻井情况,对边界进行进一步验证,最终,确定沉积微相分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111319704.1A CN114114396B (zh) | 2021-11-09 | 2021-11-09 | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111319704.1A CN114114396B (zh) | 2021-11-09 | 2021-11-09 | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114114396A true CN114114396A (zh) | 2022-03-01 |
CN114114396B CN114114396B (zh) | 2023-06-06 |
Family
ID=80377764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111319704.1A Active CN114114396B (zh) | 2021-11-09 | 2021-11-09 | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114396B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115354991A (zh) * | 2022-08-31 | 2022-11-18 | 成都理工大学 | 一种煤系气储层有利压裂层段优选方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102011583A (zh) * | 2010-11-30 | 2011-04-13 | 中国石油天然气股份有限公司 | 一种电成像结合礁滩地质模型识别储层的方法 |
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 |
CN107765307A (zh) * | 2016-08-19 | 2018-03-06 | 中国石油化工股份有限公司 | 礁滩型储集体建模方法及系统 |
CN109557593A (zh) * | 2019-01-02 | 2019-04-02 | 长江大学 | 灰岩颗粒滩微相识别方法及设备 |
CN109597126A (zh) * | 2018-12-19 | 2019-04-09 | 中国地质大学(北京) | 一种碳酸盐岩台地边缘结构精细刻画与预测方法 |
CN109613612A (zh) * | 2018-12-19 | 2019-04-12 | 中国地质大学(北京) | 一种碳酸盐岩颗粒滩精细刻画与预测方法 |
CN112505294A (zh) * | 2020-11-18 | 2021-03-16 | 成都理工大学 | 一种以滩地比为技术手段的碳酸盐岩沉积相描述方法 |
CN112505754A (zh) * | 2020-10-29 | 2021-03-16 | 中国石油集团工程咨询有限责任公司 | 基于高精度层序格架模型的井震协同划分沉积微相的方法 |
CN113343574A (zh) * | 2021-06-21 | 2021-09-03 | 成都理工大学 | 基于神经网络的Mishrif组岩性测井识别方法 |
US20210285902A1 (en) * | 2020-03-13 | 2021-09-16 | King Fahd University Of Petroleum And Minerals | Method for evaluation of permeability anisotropy using nmr diffusion measurements for oil and gas wells |
-
2021
- 2021-11-09 CN CN202111319704.1A patent/CN114114396B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102011583A (zh) * | 2010-11-30 | 2011-04-13 | 中国石油天然气股份有限公司 | 一种电成像结合礁滩地质模型识别储层的方法 |
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 |
CN107765307A (zh) * | 2016-08-19 | 2018-03-06 | 中国石油化工股份有限公司 | 礁滩型储集体建模方法及系统 |
CN109597126A (zh) * | 2018-12-19 | 2019-04-09 | 中国地质大学(北京) | 一种碳酸盐岩台地边缘结构精细刻画与预测方法 |
CN109613612A (zh) * | 2018-12-19 | 2019-04-12 | 中国地质大学(北京) | 一种碳酸盐岩颗粒滩精细刻画与预测方法 |
CN109557593A (zh) * | 2019-01-02 | 2019-04-02 | 长江大学 | 灰岩颗粒滩微相识别方法及设备 |
US20200209424A1 (en) * | 2019-01-02 | 2020-07-02 | Yangtze University | Method and device for identifying microfacies of limestone shoal |
US20210285902A1 (en) * | 2020-03-13 | 2021-09-16 | King Fahd University Of Petroleum And Minerals | Method for evaluation of permeability anisotropy using nmr diffusion measurements for oil and gas wells |
CN112505754A (zh) * | 2020-10-29 | 2021-03-16 | 中国石油集团工程咨询有限责任公司 | 基于高精度层序格架模型的井震协同划分沉积微相的方法 |
CN112505294A (zh) * | 2020-11-18 | 2021-03-16 | 成都理工大学 | 一种以滩地比为技术手段的碳酸盐岩沉积相描述方法 |
CN113343574A (zh) * | 2021-06-21 | 2021-09-03 | 成都理工大学 | 基于神经网络的Mishrif组岩性测井识别方法 |
Non-Patent Citations (4)
Title |
---|
WEI LUO等: "Characteristics and Forming Processes of Reef‑Shoal Reservoir in Changhsing Formation of the Eastern Sichuan Basin in Dianjiang,China", 《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》 * |
张君龙等: "古城地区碳酸盐岩岩性及微相测井识别方法", 《石油钻探技术》 * |
张静等: "储层特征曲线重构技术在储层预测中的应用研究", 《天然气地球科学》 * |
李强等: "塔里木盆地古城地区鹰山组一段沉积微相研究", 《长江大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115354991A (zh) * | 2022-08-31 | 2022-11-18 | 成都理工大学 | 一种煤系气储层有利压裂层段优选方法 |
CN115354991B (zh) * | 2022-08-31 | 2023-08-15 | 成都理工大学 | 一种煤系气储层有利压裂层段优选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114114396B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109613612B (zh) | 一种碳酸盐岩颗粒滩精细刻画与预测方法 | |
US20190212460A1 (en) | Method for secondary exploration of old oil area in fault subsidence basin | |
CN105510993B (zh) | 前陆盆地深埋挤压型复杂膏盐岩层识别和分布预测方法 | |
CN104375179B (zh) | 基于trap‑3d软件寻找油气藏的方法 | |
CN105005077B (zh) | 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法 | |
CN106526693A (zh) | 裂缝识别方法和装置 | |
CN105629325B (zh) | 前陆盆地冲积扇精细刻画与预测方法 | |
CN106875471A (zh) | 煤系含或隔水层三维可视化建模方法 | |
CN109979011A (zh) | 基于多源异构数据的平原地区三维地质模型建设方法 | |
CN110274859A (zh) | 碳酸盐岩储层对比方法 | |
CN109375283A (zh) | 一种砂岩储层3d渗透率演化史的分析方法 | |
Guo et al. | Multiple-point geostatistics-based three-dimensional automatic geological modeling and uncertainty analysis for borehole data | |
CN108663714A (zh) | 一种沉积微相刻画方法 | |
Larssen et al. | Fracture characterization in Upper Permian carbonates in Spitsbergen: A workflow from digital outcrop to geo-model | |
Zeng et al. | Multilevel source-to-sink (S2S) subdivision and application of an ancient uplift system in South China Sea: Implications for further hydrocarbon exploration | |
CN114114396A (zh) | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 | |
Sabouhi et al. | An integrated approach to distribute carbonate reservoir properties, using lithofacies and seismic attributes: a case study from SW of Iran | |
Palaka et al. | Identification of potential zones for groundwater recharge in Kosigi Mandal, Kurnool District, using remote sensing and GIS | |
Eltom et al. | Three-dimensional outcrop reservoir analog model: A case study of the Upper Khuff Formation oolitic carbonates, central Saudi Arabia | |
Liu et al. | Geostatistical modeling for fine reservoir description of Wei2 block of Weicheng oilfield, Dongpu depression, China | |
Burs et al. | Developing a structural and conceptual model of a tectonically limited karst aquifer: a hydrogeological study of the Hastenrather Graben near Aachen, Germany | |
Argyriou | A methodology for the rapid identification of neotectonic features using geographical information systems and remote sensing: A case study from Western Crete, Greece | |
Juckem et al. | Simulation of groundwater flow in the glacial aquifer system of northeastern Wisconsin with variable model complexity | |
Tellez Rodriguez et al. | Fluvial architecture and sequence stratigraphy of the Burro Canyon Formation, southwestern Piceance Basin, Colorado | |
Fletcher | Stratigraphic Characterization of a Cretaceous Slope Channel Complex in the Tres Pasos Formation, Arroyo Picana–Laguna Figueroa Outcrop Belt, Chilean Patagonia [MS thesis] |
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 |