CN114185097B - 预测钻前潜在井漏风险层的方法及装置 - Google Patents
预测钻前潜在井漏风险层的方法及装置 Download PDFInfo
- Publication number
- CN114185097B CN114185097B CN202110940039.1A CN202110940039A CN114185097B CN 114185097 B CN114185097 B CN 114185097B CN 202110940039 A CN202110940039 A CN 202110940039A CN 114185097 B CN114185097 B CN 114185097B
- Authority
- CN
- China
- Prior art keywords
- equation
- dispersion
- parameters
- predicting
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000005553 drilling Methods 0.000 title claims abstract description 76
- 239000006185 dispersion Substances 0.000 claims abstract description 103
- 230000035699 permeability Effects 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims description 32
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 239000011148 porous material Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000012512 characterization method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000004927 fusion Effects 0.000 abstract description 11
- 206010017076 Fracture Diseases 0.000 description 65
- 208000010392 Bone Fractures Diseases 0.000 description 64
- 230000006870 function Effects 0.000 description 13
- 230000018109 developmental process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000010606 normalization Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000002759 z-score normalization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种预测钻前潜在井漏风险层的方法及装置，其中该方法包括：根据Ruger反射系数方程，HTI介质弹性参数与各向异性参数的关系，得到频散属性方程；利用Marr小波分频方法构建不同频率的宽方位地震响应；对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据矩阵反演方程和频散属性方程进行最小二乘反演获得表征裂缝密度和渗透率参数相关的多个频散属性；采用PCA方法对多个频散属性进行分析组成最优裂缝识别参数，根据该裂缝参数预测井漏。本发明可以利用宽方位地震资料和PCA融合技术高效准确地预测井漏风险层，为对钻井提供科学指导，以选取最佳井身轨迹，避开钻井漏失层段，提高钻探成功率。
Description
技术领域
本发明涉及油气勘探技术领域，尤其涉及一种预测钻前潜在井漏风险层的方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
井漏是钻井工程中最普遍的复杂性事件之一，尤其在碳酸盐岩储层，裂缝发育地层承压能力低，安全密度窗口窄，易导致井下出现井漏、井喷等情况，井漏预测一直是一个悬而未决的技术难题。目前，尚未有高效精确预测钻前潜在井漏风险层的方案。
发明内容
本发明实施例提供一种预测钻前潜在井漏风险层的方法，用以高效精确预测钻前潜在井漏风险层，该方法包括：
根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；
利用Marr小波分频方法，构建不同频率的宽方位地震响应；
对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；
采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；
根据所述最优裂缝识别参数，预测钻前潜在井漏风险层。
本发明实施例还提供一种预测钻前潜在井漏风险层的装置，用以高效精确预测钻前潜在井漏风险层，该装置包括：
频散属性方程确定单元，用于根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；
构建单元，用于利用Marr小波分频方法，构建不同频率的宽方位地震响应；
频散属性确定单元，用于对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；
裂缝识别参数确定单元，用于采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；
预测单元，用于根据所述最优裂缝识别参数，预测钻前潜在井漏风险层。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述预测钻前潜在井漏风险层的方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述预测钻前潜在井漏风险层的方法的步骤。
本发明实施例中，预测钻前潜在井漏风险层的方案，通过：根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；利用Marr小波分频方法，构建不同频率的宽方位地震响应；对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；根据所述最优裂缝识别参数，预测钻前潜在井漏风险层，实现了可以利用宽方位地震资料和PCA融合技术高效准确地预测井漏风险层，为对钻井提供科学指导，以选取最佳井身轨迹，避开钻井漏失层段，提高钻探成功率。
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为本发明实施例中预测钻前潜在井漏风险层的方法的流程示意图；
图2为本发明另一实施例中利用宽方位地震资料和PCA融合井漏层位钻前风险预测方法的流程示意图；
图3为本发明实施例中推导的深层碳酸盐岩裂缝性储层的反射系数方程相对于常规Ruger反射系数方程的精度分析对比图；
图4为本发明实施例中利用PCA方法对提取的多个特征属性(多个频散属性)进行分析并组成新的有效识别特征属性(最优裂缝识别参数)的示意图；
图5为本发明实施例中利用新的裂缝识别参数(最优裂缝识别参数)与已钻井漏失层段的吻合率预测待钻漏失层段的示意图；
图6为本发明实施例中预测钻前潜在井漏风险层的装置的结构示意图。
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。
由于地震资料在横向分辨能力和空间展布预测的优势，常用来预测裂缝。目前常用的地震方法主要包括地震属性技术和基于地震各向异性发展起来的相关技术。地震属性技术如振幅属性、相干体技术、曲率体技术等，以其技术相对简单、实用的优点，在裂缝性储层勘探初期的井位部署中发挥了重要作用，但这类技术都是间接地推断裂缝系统发育带的分布状况，只能定性预测裂缝相对发育程度而不能预测裂缝方位和密度。采用基于地震各向异性发展起来的相关技术进行裂缝系统的识别与描述已取得了长足的进步，裂缝性储层中的细观尺度裂缝在地震频段可以引起地震波频散和衰减，研究地震各向异性随炮检距、方位角和频率的变化，可以定量获得裂缝参数和储层孔隙度、渗透率等有关信息。但现有技术中并未涉及根据预测的裂缝参数等信息进一步进行井漏点的预测。
针对裂缝性漏失，如果能在钻前较为准确地预测裂缝的分布特征，就可以采取针对性的措施，有效预防井漏。本发明实施例针对裂缝性地层导致井漏的问题，提出一种预测钻前潜在井漏风险层的方案，涉及地震资料在油气田勘探开发及工程应用技术领域，该方案利用宽方位地震资料和PCA融合进行井漏层位钻前风险预测。具体地，该方法根据Ruger反射系数方程，结合HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率等参数相关的频散属性；利用Marr小波分频方法，构建不同频率的宽方位地震响应；对不同频率的宽方位地震响应构建包含裂缝密度和渗透率等参数的矩阵反演方程，并进行最小二乘反演，获得表征裂缝密度、渗透率等参数的4个频散属性；根据所述4个频散属性，利用PCA方法得到等效裂缝参数融合数据体，综合预测裂缝发育带和/或溶洞发育带位置，并与已钻井漏失层段对比分析，统计吻合率；根据所述裂缝发育带和/或溶洞发育带吻合率指导预测待钻漏失层段。本发明为克服人工加权或人工选择参数等导致的裂缝预测困难或多解性的问题，形成自动化融合多属性参数，实现根据预测的裂缝参数等信息进一步进行井漏点的预测，进一步为预测裂缝空间分布提供了准确的基础数据，可以为对钻井提供指导，以选取最佳井身轨迹，避开钻井漏失层段，提高钻探成功率。下面对该预测钻前潜在井漏风险层的方案进行详细介绍如下。
图1为本发明实施例中预测钻前潜在井漏风险层的方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤101：根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；
步骤102：利用Marr小波分频方法，构建不同频率的宽方位地震响应；
步骤103：对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；
步骤104：采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；
步骤105：根据所述最优裂缝识别参数，预测钻前潜在井漏风险层。
本发明实施例提供的预测钻前潜在井漏风险层的方法可以利用宽方位地震资料和PCA融合技术高效准确地预测井漏风险层，为对钻井提供科学指导，以选取最佳井身轨迹，避开钻井漏失层段，提高钻探成功率。下面对该方法涉及的各个步骤进行详细介绍。
本发明旨在针对上述技术问题，提供一种利用宽方位地震资料和PCA融合技术预测钻前潜在井漏风险层的方法，该方法包括以下步骤：
一、首先，介绍上述步骤101。
所述Ruger反射系数方程可以为：
其中，Rpp是反射系数；θ是入射角；φ是方位角；α、β分别是各向同性面上的纵波速度和横波速度；Z是垂向纵波阻抗；G是垂向剪切模量；上置符号“—”代表上下两层参数的平均值；前置符号“Δ”代表上下两层参数的差；γ、δ(V)和ε(V)是HTI介质的各向异性参数，γ表示横波各向异性强度，δ(V)表示纵波在垂直方向各向异性变化快慢程度，ε(V)表示纵波各向异性强度参数；
所述HTI介质弹性参数与各向异性参数之间的关系可以为：
其中，g为纵横波速度比的平方，
将所述HTI介质弹性参数与各向异性参数之间的关系代入①式，并去掉包含的Z、G和γ因子项，简化得到新的反射系数方程为：
当所述宽方位地震资料的预测储层为深层碳酸盐岩储层，且在入射角小于30°时，设置sin2θtan2θ≈0，并利用Gardner近似方程代入②式，获得表征深层碳酸盐岩裂缝性储层的反射系数方程：
采用上述表征深层碳酸盐岩裂缝性储层的反射系数方程③，对不同频率f，计算获得不同的反射系数Rpp，进而推导出表征渗透率的纵波速度和表征裂缝发育密度的各向异性参数Δε(V)随频率f变化的规律(表征裂缝密度和渗透率参数相关的频散属性方程)。
具体实施时，所述对不同频率f，计算获得不同的反射系数Rpp，从随频率不同而不同的反射系数值推导出表征渗透率、裂缝发育密度的纵、横波速度和各向异性参数随频率f变化的规律，具体实现方法可以为：
利用③式，将Rpp以一选定的频率f0作频率域展开，所述频率f0为测量层段地震中心频率，将反射系数Rpp针对纵波速度和纵波各向异性参数进行展开，取一阶项可得：
其中：f0为测量层段地震中心频率，B(θ)＝-4gsin2θ， Iα和Iβ为纵、横波速度变化率对频率f的导数，Iε和Iδ为Thomsen各向异性参数变化Δε(v)、Δδ(V)对频率f的导数，代表表征裂缝密度和渗透率等参数识别频散度的表征量，即代表含流体裂缝性孔隙介质裂缝密度、等效渗透率等参数的表征量。
通过上述可知，在一个实施例中，根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程，可以包括：
根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到简化的反射系数方程；
以宽方位地震资料的预测储层为深层碳酸盐岩裂缝性储层，且在入射角小于30°的条件，将所述简化的反射系数方程进行变换，得到表征深层碳酸盐岩裂缝性储层的反射系数方程；
根据所述表征深层碳酸盐岩裂缝性储层的反射系数方程，得到不同频率对应的反射系数；根据不同频率对应的反射系数，得到表征裂缝密度和渗透率参数相关的频散属性方程。
具体实施时，上述得到表征裂缝密度和渗透率参数相关的频散属性方程的实施方式进一步提高了预测钻前潜在井漏风险层的精度。
通过上述可知，在一个实施例中，所述表征深层碳酸盐岩裂缝性储层的反射系数方程可以为：
其中，Rpp是反射系数；θ是入射角；φ是方位角；α是各向同性面上的纵波速度；β是各向同性面上的横波速度；δ(V)和ε(V)是HTI介质的各向异性参数。
具体实施时，上述表征深层碳酸盐岩裂缝性储层的反射系数方程可以进一步提高预测钻前潜在井漏风险层的精度。
通过上述可知，在一个实施例中，所述表征裂缝密度和渗透率参数相关的频散属性方程可以为：
其中，f0为测量层段地震中心频率B(θ)＝-4gsin2θ， Iα为纵波速度变化率对频率f的导数，Iβ为横波速度变化率对频率f的导数，Iε和Iδ为Thomsen各向异性参数变化Δε(v)、Δδ(V)对频率f的导数，Iα、Iβ、Iε和Iδ代表含流体裂缝性孔隙介质裂缝密度、等效渗透率参数的表征量。
具体实施时，上述表征裂缝密度和渗透率参数相关的频散属性方程有助于进一步提高预测钻前潜在井漏风险层的精度。
在一个实施例中，表征裂缝密度和渗透率参数相关的多个频散属性可以包括：纵波速度变化率对频率的导数，横波速度变化率对频率的导数，纵波各向异性强度参数变化对频率的导数，以及纵波在垂直方向各向异性变化快慢程度对频率的导数。
二、接着，介绍上述步骤102。
在上述步骤102中，利用Marr小波分频方法，构建不同频率的宽方位地震响应的过程可以包括：
通过Marr小波分频方法对反射系数进行分频，获得不同频率的反射系数相对应的振幅根据储层特征和岩石物理标定分析，确定储层类型，对进行处理得到相对应的振幅(优选振幅)，其中，所述振幅的峰或谷表示有利储层；
其中，Marr小波为高斯函数的二阶导数，Marr小波的母函数公式如下：
Φ(t)为时间域Marr小波，t为时间，Ψ(ω)为频率域Marr小波，ω为角频率。
通过上述可知，在一个实施例中，利用Marr小波分频方法，构建不同频率的宽方位地震响应，可以包括：
通过Marr小波分频方法对不同频率对应的反射系数进行分频，获得不同频率对应的反射系数相对应的振幅；
根据储层特征和岩石物理标定分析，确定峰或谷的储层类型；
对不同频率对应的反射系数相对应的振幅进行处理，得到峰或谷的储层类型对应的波形振幅作为不同频率对应的优选振幅。
具体实施时，Marr小波可以模拟雷克子波对地震记录进行分频，分频记录即是分频子波的地震响应，相当于做了一次反褶积，有效地提高了分辨地质体的精度，进一步提高了预测钻前潜在井漏风险层的精度。
三、接着，介绍上述步骤103。
具体实施时，在上述步骤103中，对不同频率的宽方位地震响应构建包含裂缝密度和渗透率等参数的矩阵反演方程，并进行最小二乘反演，获得表征裂缝密度、渗透率等参数的4个频散属性，具体过程可以包括：
当所述每个时刻样点的宽方位地震道集资料具有m个方位，n个接收道数据时，通过Marr小波分频方法对所述宽方位道集进行频谱分解，设定频谱分解频率的个数L+1，得到确定储层类型的频率分别为f1,f2,…fL的振幅；
根据不同频率f下的振幅谱(峰或谷的储层类型对应的优选波形振幅)，对Iα、Iβ、Iε和Iδ的采用最小二乘法进行反演计算，得到最终获得描述地震波速度频散和各向异性参数频散的属性，其中，该反演计算的方程(矩阵反演方程)可以为：
其中，列向量a为：
m×n×L行，4列的矩阵e如下：
四、接着，介绍上述步骤104。
具体实施时，在上述步骤104中，采用PCA方法对提取的特征属性进行分析并组成新的有效识别特征(最优裂缝识别参数)，即采用PCA方法对获得的4个频散属性进行分析并组成等效流体裂缝识别参数，作为预测裂缝空间分布的基础数据，具体过程可以包括：
将获得的4个频散属性(Iα、Iβ、Iε和Iδ)分别进行标准化处理，标准化处理的方法有线性归一化、Z-score标准化、非线性对数归一化等，本发明实例中可以采用的是Z-score标准化，记标准化后的频散属性分别为I′α、I′β、I′ε和I′δ。
将标准化后的4个频散属性组合成多维数据，对多个时间样点，多维属性数据样本写为T×4，代表每道时间纵向方向的样本维为T，横向方向有4个特征维，用一个向量来表示这个样本集，每一个列向量为一个样本，每一行则为一个特征：
计算矩阵X的每一行的平均值再把各行每一个元素均减去各行对应的平均值，然后求取其协方差矩阵，得到一个4×4阶的协方差矩阵，
cij为变量x的方差，当xi，xj相互独立且i≠j时，cij为0。
对协方差矩阵做特征值分解，得到其特征值λ1,λ2,λ3,λ4和对应的特征向量u1,u2,u3,u4。
确定PCA法组成新的有效识别特征的各加权系数ωi：
计算最终特征向量的线性组合作为新的裂缝识别参数(最优裂缝识别参数)：
通过上述可知，在一个实施例中，采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数，可以包括：
将表征裂缝密度和渗透率参数相关的多个频散属性分别进行标准化处理，得到标准化处理后的多个频散属性；
将标准化处理后的多个频散属性组合成多维数据，得到协方差矩阵；
对所述协方差矩阵做特征值分解，得到多个特征值及每一特征值对应的特征向量；
根据每一特征值对应的特征向量，以及每一特征值对应的加权系数，确定最优裂缝识别参数。
具体实施时，上述采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数进而预测钻前潜在井漏风险层的实施方式进一步提高了钻井漏失层段的预测精度，进一步提高了钻探成功率。
五、接着，介绍上述步骤105。
在一个实施例中，在上述步骤105中，根据所述最优裂缝识别参数，预测钻前潜在井漏风险层，可以包括：
根据所述最优裂缝识别参数，以及已钻井漏失层段的吻合率，预测待钻漏失层段。
具体实施时，如图5所示，将所述的新的裂缝识别参数作为预测裂缝空间分布的基础数据，并结合与已钻井漏失层段的吻合率预测待钻漏失层段，进一步提高了预测钻前潜在井漏风险层的精度。
为了便于理解本发明如何实施时，下面对本发明实施例中的预测钻前潜在井漏风险层的方法进行整体介绍。
如图2所示，利用宽方位地震资料和PCA融合技术预测钻前潜在井漏风险层的方法，推导了表征裂缝密度和渗透率等参数相关的频散属性；利用Marr小波分频方法，根据振幅的峰或谷表示有利储层，构建不同频率的宽方位地震响应；对不同频率的宽方位地震响应构建矩阵反演方程，并进行最小二乘反演，获得表征裂缝密度和渗透率等参数的频散属性；对上述频散属性，利用PCA方法得到等效裂缝参数融合数据体，综合预测裂缝发育带和/或溶洞发育带位置，并与已钻井漏失层段对比分析，统计吻合率；根据所述裂缝发育带和/或溶洞发育带吻合率指导预测待钻漏失层段。
具体包括以下步骤：
步骤1：裂缝型孔隙介质模型是一个基于中观尺度流体流动机制的典型模型，Chapman模型的等效刚度张量为：
其中，是岩石基质的弹性张量，分别是孔隙、微裂隙缝具有频率依赖性的扰动量，f是频率，是孔隙度，εc是微裂隙密度，εf是裂缝密度。拉梅常数λ0和μ0可由某一频率f0下各向同性背景介质的纵横波速度和Vs 0计算，公式：
μ0＝ρ(Vs 0)2；
Λ和γ没有明确的物理意义，定义为
Λ＝λ0+Ωc,p(λ0,μ0,f0)；
γ＝μ0+Ωc,p(λ0,μ0,f0)；
其中Ωc,p(λ0,μ0,f0)是微裂隙和孔隙的扰动函数，因此Chapman模型给出了弹性参数与各向异性参数频率依赖性的特点。
基于Chapman模型，将频率依赖等效刚度张量引入HTI介质Ruger方程，即可分析得到表征裂缝密度和渗透率等参数相关的频散属性。
根据Ruger方程，令反射系数方程为：
即上述①；
其中，Rpp是反射系数；θ是入射角；是方位角；α、β分别是各向同性面上的纵波速度和横波速度；Z是垂向纵波阻抗；G是垂向剪切模量；上置符号“—”代表上下两层参数的平均值；前置符号“Δ”代表上下两层参数的差；γ、δ(V)和ε(V)是HTI介质的各向异性参数，γ表示横波各向异性强度，δ(V)表示纵波在垂直方向各向异性变化快慢程度，δ(V)表示纵波各向异性强度参数。
Schoenberg等认为裂缝诱导的HTI介质只有4个独立弹性参数，且存在如下约束关系：
其中，C11、C13、C33、C44和C55是有效刚度，刚度参数和弹性参数及各向异性参数的关系公式为：
在弱各向异性近似情况下，上式写成各向异性参数：
其中，纵横比速度比的平方将上式γ(v)代换为-γ，并带入式(2)，对(2)式进行改写：
即上述②
可以将上式表示为：
式中，代表各向同性介质反射系数，代表各向异性介质反射系数。在入射角小于30°的情况下，可以令sin2θtan2θ≈0，则式(4)进一步简化为：
可以进一步假设纵波与速度存在一定的关系，Gardner给出了含水岩石的密度与速度的关系：
将上述关系代入(5)式并进一步化简为：
即上述③
图3给出了深层碳酸盐岩裂缝性储层的反射系数方程(6)的合理性和精确度。
根据Chapman模型，其刚度系数Cij为拉梅常数、岩石密度、孔隙度、裂缝密度、流体性质、频率等的函数，因此将裂缝性孔隙介质岩石物理模型与Ruger近似方程有机结合，假定由于界面两侧频变性质的差异，反射系数会随着频率的变化而变化，即反射系数可以看成是入射角、方位角和频率的函数，同时把纵横波速度变化率、Thomsen各向异性参数变化也看成是频率的函数：
令式(7)在参考频率f0处对纵横波速度变化率、Thomsen各向异性参数变化进行泰勒级数展开，所述频率f0为测量层段地震中心频率。舍去高阶项，仅保留一阶导数，可以得到：
其中，Iα和Iβ为纵、横波速度变化率对频率f的导数，Iε和Iδ为Thomsen各向异性参数变化Δε(v)、Δδ(V)对频率f的导数，是频散程度的一种度量：
Iα、Iβ、Iε和Iδ分别是纵、横波波速度频散度和各向异性参数频散度的表征量。
为求取Iα、Iβ、Iε和Iδ，对式(8)进行调整：
即：
步骤2：利用Marr小波分频方法，构建不同频率的宽方位地震响应；
不同频率的反射系数的求取方法采用Marr小波分频的方法，Marr小波是实数小波，计算简单、速度快，Marr小波既满足小波变换的容许条件，又具有良好的局部性能，尤其是Marr小波在频率域和时间域的形态与Ricker子波一致，Marr小波可以模拟雷克子波对地震记录进行分频，分频记录即是分频子波的地震响应，相当于做了一次反褶积，有效地提高了分辨地质体的精度。其中，Marr小波为高斯函数的二阶导数，Marr小波的母函数公式如下：
Φ(t)为时间域Marr小波，t为时间，Ψ(ω)为频率域Marr小波，ω为角频率。
采用Marr小波分频的方法对反射系数Rpp进行分频得到不同频率的高精度地震记录根据储层特征和岩石物理标定分析，确定储层类型(即峰或谷代表有利储层)，从而对不同频率的反射系数进行处理只保留确定储层类型的峰或谷波形振幅
步骤3：对不同频率的宽方位地震响应构建矩阵反演方程，并进行最小二乘反演，获得表征裂缝密度和渗透率等参数相关的频散属性；
当宽方位地震道集资料具有m个方位，n个接收道数据时，通过Marr小波分频方法对所述宽方位道集进行频谱分解，设定频谱分解频率的个数L+1，得到确定储层类型的频率分别为f1,f2,…fL的振幅
根据方程(9)，即表征裂缝密度和渗透率参数相关的频散属性方程，令
定义m×n×L行，4列的矩阵e如下：
将式(12)和式(13)代入式(9)可以得到如下关系式：
利用不同入射角、方位角和分频的地震数据，构建式(15)所示的反问题，对每一个采样点t处的Ia、Ib、Ic和Id可以通过最小二乘反演方法求得：
步骤4：采用PCA方法对提取的特征属性进行分析并组成新的有效识别特征(该步骤参见图4)；
将获得的4个频散属性(Iα、Iβ、Iε和Iδ)分别进行标准化处理，标准化处理的方法有线性归一化、Z-score标准化、非线性对数归一化等。这里可以采用Z-score标准化，记标准化后的频散属性分别为I′α、I′β、Iε′和I′δ。
将标准化后的4个频散属性组合成多维数据，对多个时间样点，多维属性数据样本写为T×4，代表每道时间纵向方向的样本维为T，横向方向有4个特征维，用一个向量来表示这个样本集，每一个列向量为一个样本，每一行则为一个特征：
计算矩阵X的每一行的平均值再把各行每一个元素均减去各行对应的平均值，然后求取其协方差矩阵，得到一个4×4阶的协方差矩阵：
cij为变量x的方差，当xi，xj相互独立且i≠j时，cij为0。
对协方差矩阵做特征值分解，得到其特征值λ1,λ2,λ3,λ4和对应的特征向量u1,u2,u3,u4。
确定PCA法组成新的有效识别特征的各加权系数ωi：
计算最终特征向量的线性组合作为新的裂缝识别参数(最优裂缝识别参数)：
将所述的新的裂缝识别参数F作为预测裂缝空间分布的基础数据，并结合与已钻井漏失层段的吻合率预测待钻漏失层段。
精度分析
为验证简化方程(6)，即表征深层碳酸盐岩裂缝性储层的反射系数方程的合理性和精确度，以模型数据为基础分析公式得到反射系数的近似精度，具体的弹性参数取值如表1所示。
表1：双层HTI介质模型
由Ruger近似得到曲线和新推导公式的近似曲线对比结果，如图3所示，可以发现，在入射角较大的情况下，新推导方程(表征深层碳酸盐岩裂缝性储层的反射系数方程)的近似精度与Ruger近似吻合程度较高，因此，利用该方程进行裂缝介质纵波速度频散和各向异性参数频散分析可以提高裂缝预测的精度。
本发明实施例中还提供了一种预测钻前潜在井漏风险层的装置，如下面的实施例所述。由于该装置解决问题的原理与预测钻前潜在井漏风险层的方法相似，因此该装置的实施可以参见预测钻前潜在井漏风险层的方法的实施，重复之处不再赘述。
图6为本发明实施例中预测钻前潜在井漏风险层的装置的结构示意图，如图6所示，该装置包括：
频散属性方程确定单元01，用于根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；
构建单元02，用于利用Marr小波分频方法，构建不同频率的宽方位地震响应；
频散属性确定单元03，用于对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；
裂缝识别参数确定单元04，用于采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；
预测单元05，用于根据所述最优裂缝识别参数，预测钻前潜在井漏风险层。
在一个实施例中，所述频散属性方程确定单元具体可以用于：
根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到简化的反射系数方程；
以宽方位地震资料的预测储层为深层碳酸盐岩裂缝性储层，且在入射角小于30°的条件，将所述简化的反射系数方程进行变换，得到表征深层碳酸盐岩裂缝性储层的反射系数方程；
根据所述表征深层碳酸盐岩裂缝性储层的反射系数方程，得到不同频率对应的反射系数；根据不同频率对应的反射系数，得到表征裂缝密度和渗透率参数相关的频散属性方程。
在一个实施例中，所述构建单元具体可以用于：
通过Marr小波分频方法对不同频率对应的反射系数进行分频，获得不同频率对应的反射系数相对应的振幅；
根据储层特征和岩石物理标定分析，确定峰或谷的储层类型；
对不同频率对应的反射系数相对应的振幅进行处理，得到峰或谷的储层类型对应的波形振幅作为不同频率对应的优选振幅。
在一个实施例中，所述裂缝识别参数确定单元具体可以用于：
将表征裂缝密度和渗透率参数相关的多个频散属性分别进行标准化处理，得到标准化处理后的多个频散属性；
将标准化处理后的多个频散属性组合成多维数据，得到协方差矩阵；
对所述协方差矩阵做特征值分解，得到多个特征值及每一特征值对应的特征向量；
根据每一特征值对应的特征向量，以及每一特征值对应的加权系数，确定最优裂缝识别参数。
在一个实施例中，所述预测单元具体可以用于：根据所述最优裂缝识别参数，以及已钻井漏失层段的吻合率，预测待钻漏失层段。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述预测钻前潜在井漏风险层的方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述预测钻前潜在井漏风险层的方法的步骤。
本发明实施例中，预测钻前潜在井漏风险层的方案，通过：根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；利用Marr小波分频方法，构建不同频率的宽方位地震响应；对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；根据所述最优裂缝识别参数，预测钻前潜在井漏风险层，可以利用宽方位地震资料和PCA融合技术高效准确地预测井漏风险层，为对钻井提供科学指导，以选取最佳井身轨迹，避开钻井漏失层段，提高钻探成功率。
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。
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 (14)
1.一种预测钻前潜在井漏风险层的方法，其特征在于，包括：
根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；表征裂缝密度和渗透率参数相关的多个频散属性包括：纵波速度变化率对频率的导数，横波速度变化率对频率的导数，纵波各向异性强度参数变化对频率的导数，以及纵波在垂直方向各向异性变化快慢程度对频率的导数；
利用Marr小波分频方法，构建不同频率的宽方位地震响应；
根据频散属性方程，对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；表征裂缝密度和渗透率参数相关的多个频散属性代表包含流体裂缝性孔隙介质裂缝密度、等效渗透率参数的表征量；
采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；
根据所述最优裂缝识别参数，预测钻前潜在井漏风险层。
2.如权利要求1所述的预测钻前潜在井漏风险层的方法，其特征在于，根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程，包括：
根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到简化的反射系数方程；
以宽方位地震资料的预测储层为深层碳酸盐岩裂缝性储层，且在入射角小于30°的条件，将所述简化的反射系数方程进行变换，得到表征深层碳酸盐岩裂缝性储层的反射系数方程；
根据所述表征深层碳酸盐岩裂缝性储层的反射系数方程，得到不同频率对应的反射系数；根据不同频率对应的反射系数，得到表征裂缝密度和渗透率参数相关的频散属性方程。
3.如权利要求2所述的预测钻前潜在井漏风险层的方法，其特征在于，所述表征深层碳酸盐岩裂缝性储层的反射系数方程为：
其中，Rpp是反射系数；θ是入射角；φ是方位角；α是各向同性面上的纵波速度；β是各向同性面上的横波速度；δ(V)和ε(V)是HTI介质的各向异性参数，其中，δ(V)是纵波在垂直方向各向异性变化快慢程度，ε(V)是纵波各向异性强度参数；g为纵横波速度比的平方；是纵波速度变化率；是横波速度变化率；Δε(v)是纵波各向异性强度参数变化、Δδ(V)是纵波在垂直方向各向异性变化快慢程度变化。
4.如权利要求3所述的预测钻前潜在井漏风险层的方法，其特征在于，所述表征裂缝密度和渗透率参数相关的频散属性方程为：
其中：f0为测量层段地震中心频率，B(θ)＝-4g sin2θ， Iα为纵波速度变化率对频率f的导数，Iβ为横波速度变化率对频率f的导数，Iε和Iδ为Thomsen各向异性参数变化Δε(v)、Δδ(V)对频率f的导数，Iα、Iβ、Iε和Iδ代表含流体裂缝性孔隙介质裂缝密度、等效渗透率参数的表征量。
5.如权利要求1所述的预测钻前潜在井漏风险层的方法，其特征在于，利用Marr小波分频方法，构建不同频率的宽方位地震响应，包括：
通过Marr小波分频方法对不同频率对应的反射系数进行分频，获得不同频率对应的反射系数相对应的振幅；
根据储层特征和岩石物理标定分析，确定峰或谷的储层类型；
对不同频率对应的反射系数相对应的振幅进行处理，得到峰或谷的储层类型对应的波形振幅作为不同频率对应的优选振幅。
6.如权利要求1所述的预测钻前潜在井漏风险层的方法，其特征在于，采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数，包括：
将表征裂缝密度和渗透率参数相关的多个频散属性分别进行标准化处理，得到标准化处理后的多个频散属性；
将标准化处理后的多个频散属性组合成多维数据，得到协方差矩阵；
对所述协方差矩阵做特征值分解，得到多个特征值及每一特征值对应的特征向量；
根据每一特征值对应的特征向量，以及每一特征值对应的加权系数，确定最优裂缝识别参数。
7.如权利要求1所述的预测钻前潜在井漏风险层的方法，其特征在于，根据所述最优裂缝识别参数，预测钻前潜在井漏风险层，包括：
根据所述最优裂缝识别参数，以及已钻井漏失层段的吻合率，预测待钻漏失层段。
8.一种预测钻前潜在井漏风险层的装置，其特征在于，包括：
频散属性方程确定单元，用于根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到表征裂缝密度和渗透率参数相关的频散属性方程；表征裂缝密度和渗透率参数相关的多个频散属性包括：纵波速度变化率对频率的导数，横波速度变化率对频率的导数，纵波各向异性强度参数变化对频率的导数，以及纵波在垂直方向各向异性变化快慢程度对频率的导数；
构建单元，用于利用Marr小波分频方法，构建不同频率的宽方位地震响应；
频散属性确定单元，用于根据频散属性方程，对不同频率的宽方位地震响应构建包含裂缝密度和渗透率参数的矩阵反演方程，根据所述矩阵反演方程和所述频散属性方程，进行最小二乘反演，获得表征裂缝密度和渗透率参数相关的多个频散属性；表征裂缝密度和渗透率参数相关的多个频散属性代表包含流体裂缝性孔隙介质裂缝密度、等效渗透率参数的表征量；
裂缝识别参数确定单元，用于采用PCA方法对所述多个频散属性进行分析组成最优裂缝识别参数；
预测单元，用于根据所述最优裂缝识别参数，预测钻前潜在井漏风险层。
9.如权利要求8所述的预测钻前潜在井漏风险层的装置，其特征在于，所述频散属性方程确定单元具体用于：
根据Ruger反射系数方程，以及HTI介质弹性参数与各向异性参数的关系，得到简化的反射系数方程；
以宽方位地震资料的预测储层为深层碳酸盐岩裂缝性储层，且在入射角小于30°的条件，将所述简化的反射系数方程进行变换，得到表征深层碳酸盐岩裂缝性储层的反射系数方程；
根据所述表征深层碳酸盐岩裂缝性储层的反射系数方程，得到不同频率对应的反射系数；根据不同频率对应的反射系数，得到表征裂缝密度和渗透率参数相关的频散属性方程。
10.如权利要求8所述的预测钻前潜在井漏风险层的装置，其特征在于，所述构建单元具体用于：
通过Marr小波分频方法对不同频率对应的反射系数进行分频，获得不同频率对应的反射系数相对应的振幅；
根据储层特征和岩石物理标定分析，确定峰或谷的储层类型；
对不同频率对应的反射系数相对应的振幅进行处理，得到峰或谷的储层类型对应的波形振幅作为不同频率对应的优选振幅。
11.如权利要求8所述的预测钻前潜在井漏风险层的装置，其特征在于，所述裂缝识别参数确定单元具体用于：
将表征裂缝密度和渗透率参数相关的多个频散属性分别进行标准化处理，得到标准化处理后的多个频散属性；
将标准化处理后的多个频散属性组合成多维数据，得到协方差矩阵；
对所述协方差矩阵做特征值分解，得到多个特征值及每一特征值对应的特征向量；
根据每一特征值对应的特征向量，以及每一特征值对应的加权系数，确定最优裂缝识别参数。
12.如权利要求8所述的预测钻前潜在井漏风险层的装置，其特征在于，所述预测单元具体用于：
根据所述最优裂缝识别参数，以及已钻井漏失层段的吻合率，预测待钻漏失层段。
13.一种计算机设备，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7任一所述方法。
14.一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，该程序被处理器执行时实现权利要求1至7任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110940039.1A CN114185097B (zh) | 2021-08-16 | 2021-08-16 | 预测钻前潜在井漏风险层的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110940039.1A CN114185097B (zh) | 2021-08-16 | 2021-08-16 | 预测钻前潜在井漏风险层的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114185097A CN114185097A (zh) | 2022-03-15 |
| CN114185097B true CN114185097B (zh) | 2024-03-12 |
Family
ID=80601128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110940039.1A Active CN114185097B (zh) | 2021-08-16 | 2021-08-16 | 预测钻前潜在井漏风险层的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114185097B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5189644A (en) * | 1992-02-04 | 1993-02-23 | Wood Lawrence C | Removal of amplitude aliasing effect from seismic data |
| CN103364834A (zh) * | 2013-07-29 | 2013-10-23 | 成都晶石石油科技有限公司 | 一种利用叠前地震频散分析预测储层渗透率的方法 |
| CN103527184A (zh) * | 2013-10-28 | 2014-01-22 | 北京大学 | 一种白云岩储层的预测方法和系统 |
| CN105005074A (zh) * | 2015-06-23 | 2015-10-28 | 成都理工大学 | 利用频变地震反射系数识别含气储层的方法 |
| CN106842313A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 基于方位叠前地震数据的各向异性参数反演方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2445883C (en) * | 2001-04-30 | 2010-02-02 | The Regents Of The University Of California | Frequency-dependent processing and interpretation (fdpi) of seismic data for identifying, imaging and monitoring fluid-saturated underground reservoirs |
| US7679993B2 (en) * | 2005-06-17 | 2010-03-16 | Schlumberger Technology Corporation | Method of characterizing a fractured reservoir using seismic reflection amplitudes |
| US8887808B2 (en) * | 2011-11-09 | 2014-11-18 | Halliburton Energy Services, Inc. | Engineered methods and materials for wellbore strengthening in subterranean operations |
-
2021
- 2021-08-16 CN CN202110940039.1A patent/CN114185097B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5189644A (en) * | 1992-02-04 | 1993-02-23 | Wood Lawrence C | Removal of amplitude aliasing effect from seismic data |
| CN103364834A (zh) * | 2013-07-29 | 2013-10-23 | 成都晶石石油科技有限公司 | 一种利用叠前地震频散分析预测储层渗透率的方法 |
| CN103527184A (zh) * | 2013-10-28 | 2014-01-22 | 北京大学 | 一种白云岩储层的预测方法和系统 |
| CN105005074A (zh) * | 2015-06-23 | 2015-10-28 | 成都理工大学 | 利用频变地震反射系数识别含气储层的方法 |
| CN106842313A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 基于方位叠前地震数据的各向异性参数反演方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘喜武 等.页岩层系天然裂缝地震预测技术研究.石油物探.2018,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114185097A (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114966856B (zh) | 基于多频带地震资料的碳封存场址优选方法、系统和设备 | |
| US9366135B2 (en) | Automatic dip picking from wellbore azimuthal image logs | |
| US9939506B2 (en) | Methods of investigating formation samples using NMR data | |
| US20140334260A1 (en) | Neural Network Signal Processing of Microseismic Events | |
| CN111123354B (zh) | 基于频变反射振幅衰减预测致密气层的方法及设备 | |
| US10539008B2 (en) | Systems and methods for determining tool center, borehole boundary, and/or mud parameter | |
| CN105190366A (zh) | 使用饱和度及核磁共振测井数据确定地表下地层的连续毛细管压力曲线 | |
| CN104007462B (zh) | 基于衰减各向异性的裂缝预测方法 | |
| CN113312583B (zh) | 裂缝性页岩气储层性能参数预测方法及系统 | |
| CN103869362B (zh) | 体曲率获取方法和设备 | |
| CN104487870A (zh) | 用于使用移位归一化均方根度量估计时移地震信号记录的系统和方法 | |
| US20220342108A1 (en) | Method, device and medium for acquiring logging parameters | |
| CN115993649A (zh) | 基于等效方位杨氏模量的裂缝参数预测方法及系统 | |
| CN108897043A (zh) | 基于弱度参数检测裂缝型储层流体的方法及装置 | |
| CN112946743B (zh) | 区分储层类型的方法 | |
| CN108562936B (zh) | 一种裂缝预测方法、系统、存储介质及终端 | |
| CN104632206B (zh) | 一种石油测井标准层确定方法及装置 | |
| CN114185097B (zh) | 预测钻前潜在井漏风险层的方法及装置 | |
| CN114185087B (zh) | 叠前频变avo反演方法、装置、电子设备及介质 | |
| CN113126148A (zh) | 一种裂缝型储层的流体识别方法、装置及系统 | |
| US9835609B2 (en) | System and method for determining fluid viscosity of a fluid in a rock formation | |
| CN111965724B (zh) | 一种地层缝洞类型的识别方法及装置 | |
| US20230152484A1 (en) | Method and system for determining gamma-ray measurements using a sensitivity map and controlled sampling motion | |
| Manriquez et al. | Real-time hydrocarbons sweet spot identification in shale formations while drilling horizontally using geo-mechanical and geophysical parameters | |
| CN116931069A (zh) | 考虑地质体权重的地下流体预测方法、设备及介质 |
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 |