CN114509812A - 一种碎屑岩储层甜点区预测方法、装置、介质及电子设备 - Google Patents
一种碎屑岩储层甜点区预测方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN114509812A CN114509812A CN202210112615.8A CN202210112615A CN114509812A CN 114509812 A CN114509812 A CN 114509812A CN 202210112615 A CN202210112615 A CN 202210112615A CN 114509812 A CN114509812 A CN 114509812A
- Authority
- CN
- China
- Prior art keywords
- seismic
- factor
- fluid
- information
- density
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 86
- 235000009508 confectionery Nutrition 0.000 title claims abstract description 56
- 239000012530 fluid Substances 0.000 claims abstract description 133
- 230000035945 sensitivity Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 235000021185 dessert Nutrition 0.000 claims abstract description 14
- 235000011850 desserts Nutrition 0.000 claims abstract description 9
- 238000002310 reflectometry Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008447 perception Effects 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 25
- 208000035126 Facies Diseases 0.000 description 24
- 238000003860 storage Methods 0.000 description 13
- 239000002609 medium Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 7
- 239000011148 porous material Substances 0.000 description 6
- 239000004576 sand Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6244—Porosity
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6246—Permeability
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
本申请实施例公开了一种碎屑岩储层甜点区预测方法、装置、介质及电子设备。该方法包括:根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;利用截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;利用预设地震反演技术对地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;根据地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。本技术方案,可以提高碎屑岩储层甜点区预测的精度和可靠性。
Description
技术领域
本申请实施例涉及地球物理勘探技术领域域,尤其涉及一种碎屑岩储层甜点区预测方法、装置、介质及电子设备。
背景技术
自上世纪中叶,随着全球油气资源需求的不断加剧,油气勘探领域逐渐由陆地向海洋过渡,由近海向远海过渡,由浅层向深层过渡,由构造成藏向岩性成藏过渡,由常规向非常规致密油气藏过渡。寻找致密碎屑岩储层中相对高孔含气的“甜点”优势发育区已成为当今国内外地球物理学领域研究课题的热点和面临的巨大挑战。主要体现在沉积-成岩-成藏间的耦合关系、致密碎屑岩储层内部的强非均质性、地震反射响应特征的不唯一性以及数理方法求解过程中的不确定性等方面。随着勘探开发设计部署的日益精密,致密储层“甜点”预测技术发展逐步向高精尖迈进。其发展历程先后经历了从地质成因到地质-测井-地震一体化、从定性评估到定量预测、从单一因素到多因素融合、从叠后地震属性到叠前地震反演、从数学统计到模型驱动、从间接提取到直接反演等转变。对预测方法的精度、可靠性和稳定性提出了更高标准。现如今,以区域地质沉积认识为指导,融合地质-测井-地震等多信息的叠前AVO直接反演技术方案是储层“甜点”预测最为合理有效的策略手段。
根据不同的数理基础,储层“甜点”预测方法可大致划分为三类:其一基于地质成因的定性评估法;其二基于数理统计的共性特征提取法;其三基于敏感属性的定量预测法。
第一种预测方法研究区域不同地质条件下,沉积-成岩-成藏的耦合关系,优选相对有利的储层优势发育相带。其注重于“甜点”成因机制的研究,具有宏观的整体模式性,但预测精度较低;第二种预测方法通过线性或者非线性的模拟分析,找寻储层“甜点”发育特征的共性。主要聚焦于数据共性统计归纳,如神经网络法、线性回归法以及多元拟合法等。此类方法预测精度严重依赖于基础数据样本的准确性和可靠性,且无明确物理意义。第三种方法具有扎实的数理基础和岩石物理意义,能够实现岩性、物性和含流体性等的有效区分。但预测精度必须依托稳定可靠的地震提取方法以及符合区域地质沉积规律。
发明内容
本申请实施例提供一种碎屑岩储层甜点区预测方法、装置、介质及电子设备,能够提高碎屑岩储层甜点区预测的精度和可靠性。
第一方面,本申请实施例提供了一种碎屑岩储层甜点区预测方法,该方法包括:
根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
第二方面,本申请实施例提供了一种碎屑岩储层甜点区预测装置,该装置包括:
地震岩性敏感因子和密度因子得到模块,用于根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
数据体得到模块,用于利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
甜点区预测模块,用于根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
第三方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的碎屑岩储层甜点区预测方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的碎屑岩储层甜点区预测方法。
本申请实施例所提供的技术方案,根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子,并根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子,然后利用截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子,并根据地震岩性敏感因子、密度因子以及流体因子对应的地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,,对碎屑岩储层甜点区进行预测。本技术方案,可以提高碎屑岩储层甜点区预测的精度和可靠性。
附图说明
图1是本申请实施例一提供的碎屑岩储层甜点区预测方法的流程图;
图2是本申请实施例一提供的岩心岩屑测井储层孔隙度分析的示意图;
图3是本申请实施例一提供的体积密度和纵波阻抗识别储层孔隙度交会的示意图;
图4是本申请实施例一提供的流体项与剪切模量交会的示意图;
图5是本申请实施例一提供的流体因子与剪切模量交会的示意图;
图6是本申请实施例一提供的不同弹性参数的流体敏感性对比分析示意图;
图7是本申请实施例一提供的预测结果和单井解释成果的比对示意图;
图8是本申请实施例一提供的地震岩相预测剖面的示意图;
图9是本申请实施例一提供的地震物相预测剖面的示意图;
图10是本申请实施例一提供的地震流相预测剖面的示意图;
图11是本申请实施例一提供的沿主要目的层M2层地震岩相预测平面图;
图12是本申请实施例一提供的沿主要目的层M2层地震物相预测平面图;
图13是本申请实施例一提供的沿主要目的层M2层地震流相预测平面图;
图14是本申请实施例一提供的沿主要目的层M2层储层甜点区地震预测平面图;
图15是本申请实施例二提供的碎屑岩储层甜点区预测过程的示意图;
图16是本申请实施例二提供的岩性敏感因子旋转角度测井相关分析图;
图17是本申请实施例二提供的岩性敏感因子旋转角度地震相关分析图;
图18是本申请实施例二提供的截距阻抗PI和梯度阻抗GI识别岩性交会图;
图19是本申请实施例二提供的梯度阻抗GI和岩性敏感因子YI识别岩性交会图;
图20是本申请实施例三提供的碎屑岩储层甜点区预测装置的结构示意图;
图21是本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本申请实施例一提供的碎屑岩储层甜点区预测方法的流程图,本实施例可适用于对碎屑岩储层中的甜点区进行预测的情况,该方法可以由本申请实施例所提供的碎屑岩储层甜点区预测装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于用于资源预测的智能终端等设备中。
如图1所示,所述碎屑岩储层甜点区预测方法包括:
S110、根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
其中,截距信息和梯度信息可以是指叠前AVO(Amplitude variation withoffset,振幅随偏移距的变化)信息的截距和梯度,可以根据地震数据进行计算得到。旋转角度可以是指与带限测井伽马曲线GR相关度最高的旋转角度。可以采用井震匹配相关感知扫描法进行确定。
在本方案中,可以将地震岩性敏感因子作为刻画沉积体地震岩相,用于区分碎屑岩储层中的砂岩和泥岩;将密度因子作为刻画储集体地震物相的敏感识别属性,用于区分砂岩中的高孔砂岩;可以将流体因子作为刻画高孔储集体内部地震流相,用于区分高孔砂岩中的气和水。
其中,岩心岩屑分析化验数据和地震岩石物理数据是预先通过相关研究进行获得的数据,可以根据岩心岩屑分析化验数据和地震岩石物理数据确定样本点储集体孔隙度、渗透率与体积密度之间的变化规律,并通过岩石物理分析,判识体积密度对储集体地震物相刻画的敏感度,在高质量叠前角度道集输入的基础上,优选密度反演的最大远角度值,确定密度因子。
示例性的,图2是本申请实施例一提供的岩心岩屑测井储层孔隙度分析的示意图。图3是本申请实施例一提供的体积密度和纵波阻抗识别储层孔隙度交会的示意图。如图2所示,紧密结合岩心岩屑分析化验数据,确定研究区孔隙度小于10%为特低孔储层(特致密无效储层),孔隙度大于10%且小于15%为低孔储层,孔隙度大于15%为中孔储层。因此,在中深部致密储层中发育有孔隙度大于10%的相对高孔储层(甜点优势储层)。如图3所示,进一步结合实测数据开展测井岩石物理分析发现体积密度参数为区分相对高孔砂岩储层的敏感参数。
在本实施例中,可以将截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比按照预先设定的计算公式进行运算,得到流体因子。
在本技术方案中,可选的,根据所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子,包括:
将所述截距信息和梯度信息与密度因子进行求商运算,得到纵波速度和横波速度;
将所述纵波速度、横波速度、岩石纵横波速度比系数和泊松比进行加权组合,计算得到流体因子。
在本实施例中,可以根据地震数据计算得到截距信息和梯度信息,并分别将截距信息与密度因子进行相除,得到纵波速度,以及将梯度信息与密度因子进行相除,得到横波速度。并按照预设计算公式将纵波速度、横波速度、岩石纵横波速度比系数和泊松比进行加权组合,计算得到流体因子。
通过构建流体因子,能够为油藏描述人员提供高精度、高稳定性和高可靠性的致密储层甜点区展布规律信息。
可选的,将所述纵波速度、横波速度、岩石纵横波速度比系数和泊松比进行加权组合,计算得到流体因子,包括:
采用如下公式计算流体因子:
其中,F表示流体因子,Vp表示纵波速度,Vs表示横波速度,γdry表示岩石纵横波速度比系数,σ表示泊松比。
具体的,可以通过引入杨氏模量E,削弱Gassmann流体项f中固体骨架对流体识别的影响,构建流体因子。步骤如下:
由Russell的Gassmann流体项公式推导可知:
其中,f表示Gassmann方程流体项,E表示杨氏模量,s表示骨架项,ρ表示密度,ZP表示纵波阻抗,ZS表示横波阻抗,γdry表示岩石纵横波速度比系数。
当γdry的平方取2时,流体项f就蜕化为弹性参数λ,则:
变形整理得:
式中,λ/E表征的物理含义为放大了泊松比的变化幅度,泊松比是一种有效的储层流体识别弹性参数。
另由下述公式:
其中,β表示Biot系数;M表示体积模量。流体项f中流体体积模量Kf是进行烃检的最直接参数,Kf一般难以得到,流体项f可以较容易得到,但是流体项f中还包含刚性参数P和孔隙度φ等反映骨架影响的参数,其存在会影响流体项f对烃检的敏感性,所以需尽可能消除或减弱该影响。因此,引入杨氏模量E,其不仅能够直接反映骨架的影响,而且其中包含泊松比参数,可进一步放大流体弹性差异。故通过比值的构建方法得到流体因子中尽可能仅反映Kf流体信息,达到提高流体识别敏感性的目的。即构建流体因子F如下:
通过构建流体因子,能够为油藏描述人员提供高精度、高稳定性和高可靠性的致密储层甜点区展布规律信息。
示例性的,图4是本申请实施例一提供的流体项与剪切模量交会的示意图,图5是本申请实施例一提供的流体因子与剪切模量交会的示意图,如图4所示,结合区域成藏机理分析认识到,物性好的砂岩储层并非一定具有较好的油气聚集。通过测井岩石物理分析确定Gassmann流体项f具有较高流体识别度,但仍存在一定的弹性叠置区间。引入杨氏模量E参数,进一步消除固体骨架因素对流体孔隙项f的影响,构建了新的流体因子KF。如图5所示,储层含气后表现为高杨氏模量特征,但不能有效识别流体。而新流体因子KF对于气层与水层的叠置范围明显减小,区分能力增强,能够较好的表征储集体内部流体性质的变化。
示例性的,图6是本申请实施例一提供的不同弹性参数的流体敏感性对比分析示意图,1表示纵波阻抗;2表示横波阻抗;3表示泊松比;4表示体积密度;5表示体积模量;6表示剪切模量;7表示拉梅常数;8表示杨氏模量;9表示流体因子;10表示流体项;12表示剪切乘密度。为了进一步统计分析和定量对比不同弹性参数对于流体识别的敏感性,计算了十二个弹性参数的流体指示系数。流体指示系数为研究区气层与水层弹性参数的均值差的绝对值与气层弹性参数的标准方差的比值。该系数从本质上描述了某一弹性参数对流体识别的敏感程度,数值越大敏感性越强。从图6统计分析中可以看到,不同的弹性参数具有差别迥异的敏感性。其中,引入杨氏模量E参数的新流体因子(9)相比于Gassmann流体项f(10),具有较高的流体识别敏感度。而基于单相介质理论的弹性参数普遍敏感度较低,流体识别存在较大不确定性。
S120、利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
在实施例中,在构建地震岩性敏感因子、密度因子以及流体因子后,通过地震反演对地震岩性敏感因子、密度因子以及流体因子进行处理,得到相对应的地震数据体,并将地震数据体与叠前有色反演相结合来获取地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体。
在本技术方案中,可选的,利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,包括:
利用AVO近似式对所述地震岩性敏感因子、密度因子以及流体因子的叠前AVO属性体进行计算,得到地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体;
基于叠前有色反演技术对所述地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体。
在本方案中,基于Shuey提出的两项AVO近似式、Russell提出的三项AVO近似式以及Zong提出的三项AVO近似式,将稳健自适应最小二乘法与井控有色反演技术相结合,从叠前AVO信息中直接提取地震岩相、地震物相以及地震流相敏感属性,最终得到相控约束下的碎屑岩储层甜点区叠前地震预测剖面。
具体的,可以利用Shuey提出的两项AVO近似式、Russell提出的三项AVO近似式以及Zong提出的三项AVO近似式,将角度道集转化为AVO属性体,即截距P、梯度G、密度ρ、流体项f和杨氏模量E的反射率信息;
Shuey近似公式为:
RPP(θ)=P+Gsin2θ
Russell近似公式为:
Zong近似公式为:
进而得到相应敏感属性反射率数据体,如下:
地震岩性敏感因子反射率体:RYI(χ)=P*cos(χ)+G*sin(χ);
流体因子反射率体:F=f/E;则:
在本实施例中,可以基于叠前有色反演技术对地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体。
S130、根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
其中,甜点区可以用于表征碎屑岩中高孔含气优势发育的区域。
在本方案中,可以分别基于Shuey提出的两项AVO近似式、Russell提出的三项AVO近似式以及Zong提出的三项AVO近似式,将稳健自适应最小二乘法与井控有色反演技术相结合,从叠前AVO信息中获取地震岩性敏感因子、密度因子以及流体因子,并根据地震岩性敏感因子、密度因子以及流体因子相对应的地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体对碎屑岩储层甜点区进行预测。
在本技术方案中,可选的,根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测,包括:
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,构建界面信息;
利用测井数据进行插值建模,将所述界面信息转换为层内信息,并根据所述层内信息对碎屑岩储层甜点区进行预测。
在本方案中,基于Shuey提出的两项AVO近似式、Russell提出的三项AVO近似式以及Zong提出的三项AVO近似式,将稳健自适应最小二乘法与井控有色反演技术相结合,从叠前AVO信息中直接提取地震岩相、地震物相以及地震流相敏感属性,最终得到相控约束下的碎屑岩储层甜点区叠前地震预测剖面。
具体的,在构造层位约束下,利用测井数据进行数学插值建模,提供反演的低频趋势信息,通过开展有色反演将地震岩性敏感因子、密度因子以及流体因子的界面信息转化为层内信息,从而完成敏感属性弹性特征信息的直接提取,然后将地震岩性敏感因子、密度因子以及流体因子刻画的地震岩相、地震物相以及地震流相敏感属性进行参数组合,得到碎屑岩储层甜点区叠前地震预测数据体。
通过精细岩石物理分析优选构建地震岩相、地震物相以及地震流相敏感属性,采用反演直接提取叠前AVO信息中的相应敏感属性体,以提高致密碎屑岩储层甜点区预测的精度和可靠性,从而使大大降低油气勘探开发设计部署过程中的风险。
示例性的,图7是本申请实施例一提供的预测结果和单井解释成果的比对示意图,如图7所示,研究区共有三口具有实测数据的探井A井、B井和C井,其中将A井和B井作为试验井,C井作为验证井。结合已钻井实测测井数据,开展了叠前角度道集正演模拟。进而利用此技术分别开展了YI岩相属性、ρ物相属性以及KF流相属性的叠前AVO直接反演。从图7中可知,预测结果与单井解释成果高度匹配。
示例性的,图8是本申请实施例一提供的地震岩相预测剖面的示意图,图9是本申请实施例一提供的地震物相预测剖面的示意图,图10是本申请实施例一提供的地震流相预测剖面的示意图。图8、图9和图10分别为研究区过A井、B井和C井的地震岩相、地震物相和地震流相的连井预测剖面图,其中插入的测井曲线为测井解释的伽马曲线(反映岩性)、孔隙度曲线(反映物性)以及含气饱和度曲线(反映流体)。图8中地震岩相预测吻合度分别为A-well约92%,B-well约90%,C-well约88%;图9中地震物相预测吻合度分别为A-well约86%,B-well约89%,C-well约85%;图10中地震流相预测吻合度分别为A-well约83%,B-well约82%,C-well约80%。其中,图8中深颜色表示泥岩,随着颜色变浅的过程,泥质含量逐渐减小,砂岩含量逐渐增大;图9中深颜色表示高孔隙度,随着颜色变浅的过程,孔隙度逐渐减小,储层逐渐致密;图10中深颜色表示含气饱和度较高,随着颜色变浅的过程,含气饱和度逐渐降低,含水饱和度逐渐升高。
示例性的,图11是本申请实施例一提供的沿主要目的层M2层地震岩相预测平面图,图12是本申请实施例一提供的沿主要目的层M2层地震物相预测平面图,图13是本申请实施例一提供的沿主要目的层M2层地震流相预测平面图,图14是本申请实施例一提供的沿主要目的层M2层储层甜点区地震预测平面图,研究区主要目的层甜点区发育区集中在中深部古近系地层,储集体内部横向非均质性变化快,纵向由于压实固结成岩等作用影响高孔砂、低孔砂、气砂、水砂和泥岩之间的阻抗叠置严重。以研究区主力层M2层为例,分别提取沿层属性切片。图11为M2层地震岩相的沿层属性切片,可以看到研究区在此层主要发育一条南北向的河道砂体。在A井南部以及C井北部呈现出河道明显加宽的现象,为河道中-粗粒砂岩发育区。图12为M2层地震物相的沿层属性切片,在河道主体部位物性相对较好。图13为M2层地震流相的沿层属性切片,在上述优势相带发育区存在明显油气异常区。如图14所示,在上述地震岩相、地震物相以及地震流相的约束下,融合得到储层甜点区相对高孔含气优势发育区。
本申请实施例所提供的技术方案,根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子,并根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子,然后利用截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子,并根据地震岩性敏感因子、密度因子以及流体因子,利用预设地震反演技术对地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,并根据地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体对碎屑岩储层甜点区进行预测。通过执行本技术方案,可以提高碎屑岩储层甜点区预测的精度和可靠性,从而使大大降低油气勘探开发设计部署过程中的风险。
实施例二
图15是本申请实施例二提供的碎屑岩储层甜点区预测过程的示意图,本实施例二在实施例一的基础上进行进一步地优化。具体优化为:根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子,包括:将地震数据中的叠前角度道集作为输入,利用预先确定的泊松计算公式对所述叠前角度道集进行计算,得到截距信息和梯度信息;通过井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,确定旋转角度;将所述截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子。其中,未在本实施例中详尽描述的内容详见实施例一。如图15所示,该方法包括以下步骤:
S1510、将地震数据中的叠前角度道集作为输入,利用预先确定的泊松计算公式对所述叠前角度道集进行计算,得到截距信息和梯度信息;
在本方案中,泊松计算公式可以是指Shuey两项近似公式。可以将地震数据中的叠前角度道集作为输入,结合Shuey两项近似公式,计算得到分别反演获得叠前AVO属性截距P和梯度G;并对进而分别对上述两者做-90相移运算;将相移后的叠前AVO属性截距P和梯度G分别归化到已钻井计算的截距阻抗PI和梯度阻抗GI的数值量纲;分别抽取已钻井点处的中计算的伪井曲线,即为带限地震截距阻抗PI和带限地震梯度阻抗GI曲线,进而确定带限地震的截距信息和梯度信息。
其中,可以从测井数据中获取测井纵波速度、横波速度和体积密度的实测值、横纵波速度比参数,计算得到测井的截距阻抗PI和梯度阻抗GI。对于测井截距阻抗PI和梯度阻抗GI,进行如下处理:
其中,Vp0、Vs0和ρ0分别表示测井纵波速度、横波速度和体积密度的均值;Vp、Vs和ρ分别表示测井纵波速度、横波速度和体积密度的实测值;K表示横纵波速度比参数,可由岩石物理统计获得;当旋转角度取0°时,即可求取测井的截距阻抗PI;当旋转角度取90°时,即可求取测井的梯度阻抗GI。
S1520、通过井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,确定旋转角度;
在本方案中,可以通过井震匹配相关感知扫描法对带限地震的截距信息和梯度信息进行处理,确定与带限测井伽马曲线GR相关度最高的旋转角度。
在本技术方案中,可选的,通过井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,确定旋转角度,包括:
根据测井数据的截距信息、梯度信息以及预设角度波动区间,确定地震旋转角度区间;
通过预设井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,从所述地震旋转角度区间中确定旋转角度。
具体的,利用测井数据计算的截距阻抗PI和梯度阻抗GI,通过相关感知扫描确定与伽马曲线GR相关度最高的旋转角度χ;以最佳旋转角度χ为样本点,在周围搜索相关度下降10%的两个段点;将样本点中两个段点之间的范围作为带限地震旋转角度χ’的样本取值区间,以带限地震截距阻抗PI和带限地震梯度阻抗GI为输入,相关感知扫描确定与带限测井伽马曲线GR相关度最高的旋转角度χ’。
示例性的,图16是本申请实施例二提供的岩性敏感因子旋转角度测井相关分析图,图17是本申请实施例二提供的岩性敏感因子旋转角度地震相关分析图,如图16所示,测井全域相关扫描确定的旋转角度χ为35°,此时与伽马曲线的相关度约为83%。以旋转角度35°为样本点,在周围搜索相关度下降10%的两个段点。将此范围作为地震旋转角度χ’的样本取值区间,以地震截距阻抗PI和地震梯度阻抗GI为输入,相关感知扫描确定与带限测井伽马曲线GR相关度最高的旋转角度χ’为30°。如图17所示,与带限测井伽马曲线GR相关度最高的旋转角度χ’,能够有效区分砂岩和泥岩。
示例性的,图18是本申请实施例二提供的截距阻抗PI和梯度阻抗GI识别岩性交会图,图19是本申请实施例二提供的梯度阻抗GI和岩性敏感因子YI识别岩性交会图,由图所示,构建的地震岩性敏感因子YI能够有效区分砂泥岩,为后续地震岩相敏感属性的计算提供了精度保障。
通过井震匹配相关感知扫描法对带限地震旋转角度进行计算,既能满足测井岩石物理分析的敏感度需求,又能保证带限地震岩性敏感属性的计算精度和可靠性。
S1530、将所述截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子。
在本实施例中,可以采用预先确定的计算公式将截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子。
在本技术方案中,可选的,将所述截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子,包括:
采用如下公式计算地震岩性敏感因子:
RYI(χ)=P*cos(χ)+G*sin(χ);
其中,P表示截距信息,G表示梯度信息,χ表示旋转角度,RYI表示地震岩性敏感因子。
在本实施例中,结合叠前AVO信息的截距P、梯度G属性,采用井震匹配相关感知扫描优选最佳旋转角度,构建地震岩性敏感因子属性以刻画沉积体地震岩相。
通过构建地震岩性敏感因子,能够刻画沉积体地震岩相,提高碎屑岩储层甜点区预测的精度和可靠性。
本申请实施例所提供的技术方案,将地震数据中的叠前角度道集作为输入,利用预先确定的泊松计算公式对所述叠前角度道集进行计算,得到截距信息和梯度信息,然后通过井震匹配相关感知扫描法对截距信息和梯度信息进行处理,确定旋转角度,并将截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子。通过执行本技术方案,可以提高碎屑岩储层甜点区预测的精度和可靠性,从而使大大降低油气勘探开发设计部署过程中的风险。
实施例三
图20是本申请实施例三提供的碎屑岩储层甜点区预测装置的结构示意图,如图20所示,碎屑岩储层甜点区预测装置包括:
因子得到模块2010,用于根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
数据体得到模块2020,用于利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
甜点区预测模块2030,用于根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
在本技术方案中,可选的,因子得到模块2010,包括:
截距信息和梯度信息得到单元,用于将地震数据中的叠前角度道集作为输入,利用预先确定的泊松计算公式对所述叠前角度道集进行计算,得到截距信息和梯度信息;
旋转角度确定单元,用于通过井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,确定旋转角度;
地震岩性敏感因子得到单元,用于将所述截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子。
在本技术方案中,可选的,旋转角度确定单元,具体用于:
根据测井数据的截距信息、梯度信息以及预设角度波动区间,确定地震旋转角度区间;
通过预设井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,从所述地震旋转角度区间中确定旋转角度。
在本技术方案中,可选的,地震岩性敏感因子得到单元,具体用于:
采用如下公式计算地震岩性敏感因子:
RYI(χ)=P*cos(χ)+G*sin(χ);
其中,P表示截距信息,G表示梯度信息,χ表示旋转角度,RYI表示地震岩性敏感因子。
在本技术方案中,可选的,因子得到模块2010,包括:
纵波速度和横波速度得到单元,用于将所述截距信息和梯度信息与密度因子进行求商运算,得到纵波速度和横波速度;
流体因子得到单元,用于将所述纵波速度、横波速度、岩石纵横波速度比系数和泊松比进行加权组合,计算得到流体因子。
在本技术方案中,可选的,数据体得到模块2020,具体用于:
利用AVO近似式对所述地震岩性敏感因子、密度因子以及流体因子的叠前AVO属性体进行计算,得到地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体;
基于叠前有色反演技术对所述地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体。
在本技术方案中,可选的,甜点区预测模块2030,具体用于:
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,构建界面信息;
利用测井数据进行插值建模,将所述界面信息转换为层内信息,并根据所述层内信息对碎屑岩储层甜点区进行预测。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
实施例四
本申请实施例还提供一种包含计算机可执行指令的介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种碎屑岩储层甜点区预测方法,该方法包括:
根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
介质——任何的各种类型的存储器设备或存储设备。术语“介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。介质可以还包括其它类型的存储器或其组合。另外,介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多介质。介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的介质,其计算机可执行指令不限于如上所述的碎屑岩储层甜点区预测操作,还可以执行本申请任意实施例所提供的碎屑岩储层甜点区预测方法中的相关操作。
实施例五
本申请实施例提供了一种电子设备,该电子设备中可集成本申请实施例提供的碎屑岩储层甜点区预测装置。图21是本申请实施例五提供的一种电子设备的结构示意图。如图21所示,本实施例提供了一种电子设备2100,其包括:一个或多个处理器2120;存储装置2110,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器2120执行,使得所述一个或多个处理器2120实现本申请实施例所提供的碎屑岩储层甜点区预测方法,该方法包括:
根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
当然,本领域技术人员可以理解,处理器2120还实现本申请任意实施例所提供的碎屑岩储层甜点区预测方法的技术方案。
图21显示的电子设备2100仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图21所示,该电子设备2100包括处理器2120、存储装置2110、输入装置2130和输出装置2140;电子设备中处理器2120的数量可以是一个或多个,图21中以一个处理器2120为例;电子设备中的处理器2120、存储装置2110、输入装置2130和输出装置2140可以通过总线或其他方式连接,图21中以通过总线2150连接为例。
存储装置2110作为一种计算机可读介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的碎屑岩储层甜点区预测方法对应的程序指令。
存储装置2110可主要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的使用所创建的数据等。此外,存储装置2110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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置2110可进一步包括相对于处理器2120远程设置的存储器,这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置2130可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置2140可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备,可以达到提高碎屑岩储层甜点区预测的精度和可靠性的目的。
上述实施例中提供的碎屑岩储层甜点区预测装置、介质及电子设备可执行本申请任意实施例所提供的碎屑岩储层甜点区预测方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的碎屑岩储层甜点区预测方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种碎屑岩储层甜点区预测方法,其特征在于,包括:
根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
2.根据权利要求1所述的方法,其特征在于,根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子,包括:
将地震数据中的叠前角度道集作为输入,利用预先确定的泊松计算公式对所述叠前角度道集进行计算,得到截距信息和梯度信息;
通过井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,确定旋转角度;
将所述截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子。
3.根据权利要求2所述的方法,其特征在于,通过井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,确定旋转角度,包括:
根据测井数据的截距信息、梯度信息以及预设角度波动区间,确定地震旋转角度区间;
通过预设井震匹配相关感知扫描法对所述截距信息和梯度信息进行处理,从所述地震旋转角度区间中确定旋转角度。
4.根据权利要求2所述的方法,其特征在于,将所述截距信息、梯度信息以及旋转角度进行加权组合,计算得到地震岩性敏感因子,包括:
采用如下公式计算地震岩性敏感因子:
RYI(χ)=P*cos(χ)+G*sin(χ);
其中,P表示截距信息,G表示梯度信息,χ表示旋转角度,RYI表示地震岩性敏感因子。
5.根据权利要求1所述的方法,其特征在于,根据所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子,包括:
将所述截距信息和梯度信息与密度因子进行求商运算,得到纵波速度和横波速度;
将所述纵波速度、横波速度、岩石纵横波速度比系数和泊松比进行加权组合,计算得到流体因子。
6.根据权利要求1所述的方法,其特征在于,利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,包括:
利用AVO近似式对所述地震岩性敏感因子、密度因子以及流体因子的叠前AVO属性体进行计算,得到地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体;
基于叠前有色反演技术对所述地震岩性敏感因子反射率体、密度因子反射率体以及流体因子反射率体进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体。
7.根据权利要求1所述的方法,其特征在于,根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测,包括:
根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,构建界面信息;
利用测井数据进行插值建模,将所述界面信息转换为层内信息,并根据所述层内信息对碎屑岩储层甜点区进行预测。
8.一种碎屑岩储层甜点区预测装置,其特征在于,包括:
因子得到模块,用于根据地震数据的截距信息、梯度信息以及旋转角度,计算得到地震岩性敏感因子;以及,根据预先获得的岩心岩屑分析化验数据和地震岩石物理数据,确定密度因子;以及,利用所述截距信息、梯度信息、密度因子以及预先确定的岩石纵横波速度比系数和泊松比,计算得到流体因子;
数据体得到模块,用于利用预设地震反演技术对所述地震岩性敏感因子、密度因子以及流体因子进行处理,得到地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体;
甜点区预测模块,用于根据所述地震岩性敏感因子数据体、密度因子数据体以及流体因子数据体,对碎屑岩储层甜点区进行预测。
9.一种计算机可读介质,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如权利要求1-7中任一项所述的碎屑岩储层甜点区预测方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的碎屑岩储层甜点区预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210112615.8A CN114509812B (zh) | 2022-01-29 | 2022-01-29 | 一种碎屑岩储层甜点区预测方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210112615.8A CN114509812B (zh) | 2022-01-29 | 2022-01-29 | 一种碎屑岩储层甜点区预测方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114509812A true CN114509812A (zh) | 2022-05-17 |
CN114509812B CN114509812B (zh) | 2024-05-10 |
Family
ID=81552602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210112615.8A Active CN114509812B (zh) | 2022-01-29 | 2022-01-29 | 一种碎屑岩储层甜点区预测方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114509812B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115266782A (zh) * | 2022-09-27 | 2022-11-01 | 中国科学院地质与地球物理研究所 | 一种基于双能ct技术评价非常规储层双甜点的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007071196A1 (fr) * | 2005-12-22 | 2007-06-28 | Xinping Chen | Procede d'exploration directe de gisements de petrole, de gaz naturel et de gaz de houille |
CN102830423A (zh) * | 2012-08-30 | 2012-12-19 | 中国石油天然气股份有限公司 | 储层流体检测方法和储层流体检测装置 |
CN103176211A (zh) * | 2013-03-07 | 2013-06-26 | 中国石油集团东方地球物理勘探有限责任公司 | 基于多敏感弹性参数的含气储层预测方法及装置 |
RU2762078C1 (ru) * | 2021-04-29 | 2021-12-15 | Публичное акционерное общество "Нефтяная компания "Роснефть" (ПАО "НК "Роснефть") | Способ локализации перспективных зон в нефтематеринских толщах |
-
2022
- 2022-01-29 CN CN202210112615.8A patent/CN114509812B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007071196A1 (fr) * | 2005-12-22 | 2007-06-28 | Xinping Chen | Procede d'exploration directe de gisements de petrole, de gaz naturel et de gaz de houille |
CN102830423A (zh) * | 2012-08-30 | 2012-12-19 | 中国石油天然气股份有限公司 | 储层流体检测方法和储层流体检测装置 |
CN103176211A (zh) * | 2013-03-07 | 2013-06-26 | 中国石油集团东方地球物理勘探有限责任公司 | 基于多敏感弹性参数的含气储层预测方法及装置 |
RU2762078C1 (ru) * | 2021-04-29 | 2021-12-15 | Публичное акционерное общество "Нефтяная компания "Роснефть" (ПАО "НК "Роснефть") | Способ локализации перспективных зон в нефтематеринских толщах |
Non-Patent Citations (4)
Title |
---|
BRIAN RUSSELL 等: "Linearized AVO and poroelasticity", GEOPHYSICS, vol. 76, no. 03, 31 May 2011 (2011-05-31), pages 19 * |
张林清 等: "弹性参数反演在"甜点"预测中的应用", 西部探矿工程, no. 01, 15 January 2017 (2017-01-15), pages 25 - 27 * |
徐玥 等: "利用Russell流体因子进行致密砂岩气"甜点"预测", 西部探矿工程, no. 12, 15 December 2016 (2016-12-15), pages 20 - 22 * |
明君 等: "扩展AVO技术在渤海油田的应用", 地球物理学进展, vol. 30, no. 06, 15 December 2015 (2015-12-15), pages 2736 - 2740 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115266782A (zh) * | 2022-09-27 | 2022-11-01 | 中国科学院地质与地球物理研究所 | 一种基于双能ct技术评价非常规储层双甜点的方法 |
US11734914B1 (en) | 2022-09-27 | 2023-08-22 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method for evaluating geological and engineering sweet spots in unconventional reservoirs based on dual-energy computed tomography (CT) |
Also Published As
Publication number | Publication date |
---|---|
CN114509812B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3076280C (en) | Method and apparatus for determining thin interlayers | |
Chadwick et al. | Quantitative analysis of time-lapse seismic monitoring data at the Sleipner CO 2 storage operation | |
Castagna et al. | Framework for AVO gradient and intercept interpretation | |
Latimer et al. | An interpreter's guide to understanding and working with seismic-derived acoustic impedance data | |
NO346583B1 (no) | Fremgangsmåte for Identifisering av en Kildebergartkandidat | |
US20080319674A1 (en) | Multi-attribute seismic characterization of gas hydrates | |
Helgesen et al. | Comparison of constrained sparse spike and stochastic inversion for porosity prediction at Kristin Field | |
Liu et al. | Seismic characterization of a carbonate reservoir in Tarim Basin | |
Avseth et al. | Seismic screening for hydrocarbon prospects using rock-physics attributes | |
Zhang et al. | Pre-stack seismic density inversion in marine shale reservoirs in the southern Jiaoshiba area, Sichuan Basin, China | |
Kianoush et al. | Application of pressure-volume (PV) fractal models in modeling formation pressure and drilling fluid determination in an oilfield of SW Iran | |
US20220351037A1 (en) | Method and system for spectroscopic prediction of subsurface properties using machine learning | |
Lehocki et al. | Seismic methods for fluid discrimination in areas with complex geologic history—A case example from the Barents Sea | |
Lu et al. | Prestack inversion identification of organic reef gas reservoirs of Permian Changxing Formation in Damaoping area, Sichuan Basin, SW China | |
Hussein et al. | AVO analysis aids in differentiation between false and true amplitude responses: a case study of El Mansoura field, onshore Nile Delta, Egypt | |
CN114509812B (zh) | 一种碎屑岩储层甜点区预测方法、装置、介质及电子设备 | |
Tebo et al. | Use of volume-based 3-D seismic attribute analysis to characterize physical-property distribution: a case study to delineate sedimentologic heterogeneity at the Appleton field, southwestern Alabama, USA | |
Arsalan et al. | Application of extended elastic impedance: A case study from Krishna-Godavari Basin, India | |
Kumar et al. | Appraisal of reservoir porosity using a machine learning approach: A study from the Eocene‐Miocene interval of Upper Assam Basin, NE, India | |
Weston Bellman | Incorporating 3C seismic data quantitatively for enhanced geologic detail in an oil sands reservoir | |
Wu et al. | Estimating Reservoir Properties from 3D Seismic Attributes Using Simultaneous Prestack Inversion: A Case Study of Lufeng Oil Field, South China Sea | |
Lee et al. | Basin‐scale prediction of S‐wave Sonic Logs using Machine Learning techniques from conventional logs | |
Dutta et al. | Seismic detection and estimation of overpressures | |
CN109507725B (zh) | 富砂层段有效储层地震属性预测方法及系统 | |
Yu et al. | Indicative Factors of Reservoir Sensitivity Based on Pre-stack Inversion. |
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 |