CN114879255A - 花岗岩潜山洞穴体预测方法及装置 - Google Patents
花岗岩潜山洞穴体预测方法及装置 Download PDFInfo
- Publication number
- CN114879255A CN114879255A CN202110167155.4A CN202110167155A CN114879255A CN 114879255 A CN114879255 A CN 114879255A CN 202110167155 A CN202110167155 A CN 202110167155A CN 114879255 A CN114879255 A CN 114879255A
- Authority
- CN
- China
- Prior art keywords
- granite
- data
- cave
- submarine
- scattering
- 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.)
- Pending
Links
- 239000010438 granite Substances 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003384 imaging method Methods 0.000 claims abstract description 84
- 238000011161 development Methods 0.000 claims abstract description 58
- 238000005553 drilling Methods 0.000 claims abstract description 25
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 14
- 238000009826 distribution Methods 0.000 claims description 27
- 238000001228 spectrum Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 6
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000019994 cava Nutrition 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000005442 atmospheric precipitation Substances 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (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
本发明公开了一种花岗岩潜山洞穴体预测方法及装置，该方法包括：基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；从全方位共倾角道集中分离镜像能量数据和散射能量数据；根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围，本发明有效提高了花岗岩潜山洞穴体预测的准确性。
Description
技术领域
本发明涉及石油地球物理勘探的地震储层预测技术领域，特别涉及一种花岗岩潜山洞穴体预测方法及装置。
背景技术
目前世界上已经发现的结晶基岩油气藏中，花岗岩基岩油气藏约占40％，储量占75％。勘探实践表明,花岗岩基岩储集层具有极强的非均质性，一般不发育基质孔,主要依靠有效裂缝和溶洞形成产能。准确地预测洞穴体的分布对提高花岗岩基岩潜山的产能具有重大意义。
目前，主要的洞穴体预测研究方法都是针对碳酸盐岩溶洞型储层。碳酸盐岩溶洞被流体充填后的波阻抗与周围碳酸盐岩相差很大，会产生很强的地震反射，在常规叠后地震剖面上显示出“串珠状”强反射，这已经成为识别洞穴体的主要标志。现有技术通过识别出显示洞穴体发育的“串珠”地震状反射特征识别洞穴体，为更好更高效的开发油气资源起到关键的作用。
花岗岩基岩潜山在多期区域构造抬升作用下，花岗岩侵入体长期出露地表，受构造运动和风化淋滤等作用的影响，风化壳等优势储层岩石破碎、疏松，裂缝发育，风化壳与缝洞发育带内大气降水和地下水沿裂缝网络侵入形成的溶蚀洞穴与围岩波阻抗差异小，导致洞穴体在常规叠后地震剖面上反射特征微弱、难以形成像碳酸盐岩洞穴的“串珠状”地震反射特征，因此，针对碳酸盐岩溶洞型储层的洞穴体预测技术不适用于花岗岩潜山小尺度弱反射洞穴体的识别及预测。另外，顶部风化壳连续性强反射界面对缝洞发育带内洞穴等弱反射特征的识别也有一定的干扰作用。造成花岗岩基岩潜山储层洞穴没有明显地震响应，加大了用地震数据识别、预测花岗岩基岩潜山洞穴的难度。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种花岗岩潜山洞穴体预测方法，用于提高花岗岩潜山洞穴体预测的准确性，该方法包括：
基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；
从全方位共倾角道集中分离镜像能量数据和散射能量数据；
根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；
根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；
根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；
从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围。
本发明实施例提供一种花岗岩潜山洞穴体预测装置，用于提高花岗岩潜山洞穴体预测的准确性，该装置包括：
全方位共倾角道集获得模块，用于基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；
数据分离模块，用于从全方位共倾角道集中分离镜像能量数据和散射能量数据；
井上洞穴体发育位置确定模块，用于根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；
散射成像地震数据体生成模块，用于根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；
目标频率范围确定模块，用于根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；
洞穴体分布范围预测模块，用于从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围。
本发明实施例还提供了一种计算机设备，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，处理器执行计算机程序时实现上述花岗岩潜山洞穴体预测方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述花岗岩潜山洞穴体预测方法的计算机程序。
本发明实施例通过：基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；从全方位共倾角道集中分离镜像能量数据和散射能量数据；根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体，基于地下局部角度域全方位偏移成像方法能够实现花岗岩潜山洞穴体的准确归位，在此基础上提取散射成像地震数据体，为花岗岩基岩潜山储层预测提供了可靠的数据基础；根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围，有效提高了花岗岩潜山洞穴体预测的准确性。
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为本发明实施例中花岗岩潜山洞穴体预测方法流程的示意图；
图2为洞穴体在常规叠后地震剖面反射特征示意图；
图3为洞穴体在散射成像地震剖面反射特征示意图；
图4为井旁道散射数据频谱分析示意图；
图5为基于常规叠后地震数据的三参数小波变换与基于散射成像地震数据的三参数小波变换对花岗岩潜山洞穴体预测效果对比的示意图；
图6为本发明实施例中花岗岩潜山洞穴体预测装置结构的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
本领域技术技术人员知道，本发明的实施方式可以实现为一种系统、装置、方法或计算机程序产品。因此，本发明公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
为了解决现有技术在应用常规叠后地震数据识别大尺度洞穴体的方法不适用于花岗岩潜山小尺度弱反射洞穴体预测的技术问题，本发明实施例提供一种花岗岩潜山洞穴体预测方法，用于提高花岗岩潜山洞穴体预测的准确性，图1为本发明实施例中花岗岩潜山洞穴体预测方法流程的示意图，如图1所示，该方法包括：
步骤101：基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；
步骤102：从全方位共倾角道集中分离镜像能量数据和散射能量数据；
步骤103：根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；
步骤104：根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；
步骤105：根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；
步骤106：从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围。
如图1所示，本发明实施例通过：基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；从全方位共倾角道集中分离镜像能量数据和散射能量数据；根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体，基于地下局部角度域全方位偏移成像方法能够实现花岗岩潜山洞穴体的准确归位，在此基础上提取散射成像地震数据体，为花岗岩基岩潜山储层预测提供了可靠的数据基础；根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围，有效提高了花岗岩潜山洞穴体预测的准确性。
在一个实施例中，步骤101中，基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集，可以包括：按照如下公式(1)获得全方位共倾角道集；
其中，Aγ＝4πsin2(γ1 max/2)，dAγ＝sinγ1dγ1dγ2；
式中，v1、v2是成像点M的内法线倾角和方位角，即地层倾角和方位角，γ1、γ2是射线对的开角和方位角，Nγ是反射角球面的面元数，i是面元，U是积分核函数。
具体实施时，步骤101中，可以基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集，步骤102中，可以根据地下不同反射波场，从全方位共倾角道集中分离出镜像能量数据和散射能量数据。
在一个实施例中，步骤103中，根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置，包括：
根据钻井漏失数据、钻具放空位置和测井成像数据，通过时深标定确定井上花岗岩潜山洞穴体发育的位置。
具体实施时，步骤103中，可以获取钻井漏失数据(漏失深度、漏失量、漏失速度)、钻具放空位置和测井成像数据等数据，结合钻井漏失数据与成像测井数据确定井上花岗岩潜山洞穴体发育的位置，通过时深标定确定井上花岗岩潜山洞穴体在常规叠后地震剖面上的位置，图2为洞穴体在常规叠后地震剖面反射特征示意图，花岗岩潜山洞穴体位置如图2中的方框所示。
在一个实施例中，步骤104中，根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体，包括：
根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，确定镜像能量数据的加权参数和散射能量数据的加权参数；
根据镜像能量数据的加权参数和散射能量数据的加权参数，将镜像能量数据和散射能量数据进行加权叠加，生成散射成像地震数据体。
具体实施时，步骤104中，首先分析井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，选择合理的镜像能量数据的加权参数和散射能量数据的加权参数，将镜像能量数据和散射能量数据进行加权叠加，具体叠加时，可以突出反映洞穴等不连续地质体的散射能量，压制反映连续性反射界面的镜像能量，将镜像能量数据和散射能量数据进行加权叠加后得到散射成像地震数据体，图3为洞穴体在散射成像地震剖面反射特征示意图，将图2和图3比较分析可知，与常规叠后地震剖面相比，本发明实施例基于地下局部角度域全方位偏移成像方法实现了花岗岩潜山洞穴体的准确归位，在此基础上提取散射成像地震数据体，得到能够加强花岗岩潜山洞穴体的地震反射特征的散射成像地震数据体，为花岗岩基岩潜山储层预测提供了可靠的数据基础。
具体实施时，步骤105中，可以在散射成像地震数据体基础上，基于井点模拟，提取工区内花岗岩潜山洞穴体发育井位置的地震道，分别对各个地震道进行频谱分析等属性计算，并结合钻井漏失数据、钻具放空位置及测井成像数据，分析花岗岩潜山洞穴体发育规律与地震属性的对应关系，选取合适的属性刻画花岗岩潜山洞穴体的分布位置，具体的，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析结果表明，花岗岩潜山洞穴体在散射数据频谱分解上表现为在特定频率的强能量谱特征，以此确定花岗岩潜山洞穴体目的层段的目标频率范围。
在一个实施例中，步骤106中，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围，包括：
基于三参数小波变换，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的横向分布特征。
在一个实施例中，三参数小波变换如公式(2)所示：
其中，
式中，ψ(t,Λ)为三参数小波，σ为分析小波调制频率，τ为能量衰减因子，β为能量延迟因子，向量Λ＝(σ,τ,β)为σ,τ,β的集合，t为时间，i为虚数单位。
具体实施时，对于薄互层储层，常采用高时间分辨率的小波，而对于花岗岩潜山储层，时间上的分辨率不是很重要，最需要提高频率分辨率以确定花岗岩潜山洞穴体的横向展布特征，此外，由于花岗岩潜山洞穴体在散射数据频谱分解上表现为在特定频率的强能量谱特征，因此，本发明实施例中采用三参数小波变换方法对散射成像数据体进行频谱分解，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，进而预测花岗岩潜山洞穴体的横向分布特征，上述提高频率分辨率的需求可以通过调节三参数小波的调制频率σ、小波延迟时间β、小波能量衰减τ三个参数得到解决，具体的，可以通过适当增大σ或减小τ提高频率分辨率，具体实现公式如公式(2)所示。
图4为井旁道散射数据频谱分析示意图，如图4所示，对于花岗岩潜山储层，三参数小波变换方法具有更高的时频聚焦性与频率分辨率，能够更加准确的预测花岗岩潜山洞穴体的分布。
图5为基于常规叠后地震数据的三参数小波变换与基于散射成像地震数据的三参数小波变换对花岗岩潜山洞穴体预测效果对比的示意图，如图5所示，基于常规叠后地震数据提取的三参数小波预测结果反映的是潜山顶部的强反射界面，无法预测小尺度弱反射洞穴体，而本发明实施例中基于散射成像的三参数小波预测方法，实现了花岗岩潜山储层弱反射洞穴体的识别与预测，预测结果与井点上实际洞穴体发育位置更加符合，预测洞穴体主要分布在上部的风化壳等优质储层中，符合花岗岩潜山洞穴体分布地质规律。
基于同一发明构思，本发明实施例中还提供了一种花岗岩潜山洞穴体预测装置，如下面的实施例。由于花岗岩潜山洞穴体预测装置解决问题的原理与花岗岩潜山洞穴体预测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供一种花岗岩潜山洞穴体预测装置，用于提高花岗岩潜山洞穴体预测的准确性，图6为本发明实施例中花岗岩潜山洞穴体预测装置结构的示意图，如图6所示，该装置包括：
全方位共倾角道集获得模块01，用于基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；
数据分离模块02，用于从全方位共倾角道集中分离镜像能量数据和散射能量数据；
井上洞穴体发育位置确定模块03，用于根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；
散射成像地震数据体生成模块04，用于根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；
目标频率范围确定模块05，用于根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；
洞穴体分布范围预测模块06，用于从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围。
在一个实施例中，井上洞穴体发育位置确定模块03具体用于：
根据钻井漏失数据、钻具放空位置和测井成像数据，通过时深标定确定井上花岗岩潜山洞穴体发育的位置。
在一个实施例中，散射成像地震数据体生成模块04具体用于：
根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，确定镜像能量数据的加权参数和散射能量数据的加权参数；
根据镜像能量数据的加权参数和散射能量数据的加权参数，将镜像能量数据和散射能量数据进行加权叠加，生成散射成像地震数据体。
在一个实施例中，洞穴体分布范围预测模块06具体用于：
基于三参数小波变换，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的横向分布特征。
本发明实施例还提供了一种计算机设备，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，处理器执行计算机程序时实现上述花岗岩潜山洞穴体预测方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述花岗岩潜山洞穴体预测方法的计算机程序。
综上所述，本发明实施例通过：基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；从全方位共倾角道集中分离镜像能量数据和散射能量数据；根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体，基于地下局部角度域全方位偏移成像方法能够实现花岗岩潜山洞穴体的准确归位，在此基础上提取散射成像地震数据体，为花岗岩基岩潜山储层预测提供了可靠的数据基础；根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围，有效提高了花岗岩潜山洞穴体预测的准确性。
此外，本发明实施例中采用三参数小波变换方法对散射成像数据体进行频谱分解，进而预测花岗岩潜山洞穴体的横向分布特征，三参数小波变换方法具有更高的时频聚焦性与频率分辨率，能够更加准确的预测花岗岩潜山洞穴体的横向分布特征。
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。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种花岗岩潜山洞穴体预测方法，其特征在于，包括：
基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；
从全方位共倾角道集中分离镜像能量数据和散射能量数据；
根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；
根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；
根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；
从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围。
2.如权利要求1所述的方法，其特征在于，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围，包括：
基于三参数小波变换，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的横向分布特征。
3.如权利要求1所述的方法，其特征在于，根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体，包括：
根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，确定镜像能量数据的加权参数和散射能量数据的加权参数；
根据镜像能量数据的加权参数和散射能量数据的加权参数，将镜像能量数据和散射能量数据进行加权叠加，生成散射成像地震数据体。
4.如权利要求1所述的方法，其特征在于，根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置，包括：
根据钻井漏失数据、钻具放空位置和测井成像数据，通过时深标定确定井上花岗岩潜山洞穴体发育的位置。
5.一种花岗岩潜山洞穴体预测装置，其特征在于，包括：
全方位共倾角道集获得模块，用于基于地下局部角度域全方位偏移成像方法获得全方位共倾角道集；
数据分离模块，用于从全方位共倾角道集中分离镜像能量数据和散射能量数据；
井上洞穴体发育位置确定模块，用于根据测井、钻井数据，确定井上花岗岩潜山洞穴体发育的位置；
散射成像地震数据体生成模块，用于根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，将镜像能量数据和散射能量数据进行叠加，生成散射成像地震数据体；
目标频率范围确定模块，用于根据散射成像地震数据体，对花岗岩潜山洞穴体发育井所在的地震道进行频谱分析，确定花岗岩潜山洞穴体的目标频率范围；
洞穴体分布范围预测模块，用于从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的分布范围。
6.如权利要求5所述的装置，其特征在于，洞穴体分布范围预测模块具体用于：
基于三参数小波变换，从散射成像地震数据体中提取目标频率范围对应的能量谱数据，预测花岗岩潜山洞穴体的横向分布特征。
7.如权利要求5所述的装置，其特征在于，散射成像地震数据体生成模块具体用于：
根据井上花岗岩潜山洞穴体发育位置对应的共倾角道集能量特征，确定镜像能量数据的加权参数和散射能量数据的加权参数；
根据镜像能量数据的加权参数和散射能量数据的加权参数，将镜像能量数据和散射能量数据进行加权叠加，生成散射成像地震数据体。
8.如权利要求5所述的装置，其特征在于，井上洞穴体发育位置确定模块具体用于：
根据钻井漏失数据、钻具放空位置和测井成像数据，通过时深标定确定井上花岗岩潜山洞穴体发育的位置。
9.一种计算机设备，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4任一所述方法。
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存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110167155.4A CN114879255A (zh) | 2021-02-05 | 2021-02-05 | 花岗岩潜山洞穴体预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110167155.4A CN114879255A (zh) | 2021-02-05 | 2021-02-05 | 花岗岩潜山洞穴体预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114879255A true CN114879255A (zh) | 2022-08-09 |
Family
ID=82667782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110167155.4A Pending CN114879255A (zh) | 2021-02-05 | 2021-02-05 | 花岗岩潜山洞穴体预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114879255A (zh) |
-
2021
- 2021-02-05 CN CN202110167155.4A patent/CN114879255A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11037084B2 (en) | Method and apparatus for evaluating exploitation value of a geological resource | |
| West et al. | Interactive seismic facies classification using textural attributes and neural networks | |
| US8452580B2 (en) | Method and system for using multiple-point statistics simulation to model reservoir property trends | |
| EP2864817B1 (en) | Seismic orthogonal decomposition attribute | |
| US10324211B2 (en) | Seismic spectral balancing | |
| US20120320712A1 (en) | Dip seismic attribute | |
| US20140188392A1 (en) | Normalization seismic attribute | |
| CN107589469B (zh) | 油水界面的确定方法和装置 | |
| US10983235B2 (en) | Characterizing depositional features by geologic-based seismic classification | |
| US11221425B1 (en) | Generating a model for seismic velocities in a subsurface region using inversion with lateral variations | |
| US10969507B2 (en) | Seismic channel geobody extraction for basin fairway simulation | |
| Liu et al. | Seismic characterization of fault and fractures in deep buried carbonate reservoirs using CNN-LSTM based deep neural networks | |
| CN106033127A (zh) | 基于横波速度变化率的地应力方位地震预测方法 | |
| US11899150B2 (en) | Velocity model for sediment-basement interface using seismic and potential fields data | |
| Bakay et al. | Integrating geostatistical modeling with machine learning for production forecast in shale reservoirs: Case study from eagle ford | |
| CN112505761B (zh) | 一种储层含气性检测方法和装置 | |
| CN114879255A (zh) | 花岗岩潜山洞穴体预测方法及装置 | |
| Méndez et al. | Predicting and 3D modeling of karst zones using seismic facies analysis in Ordovician carbonates of the Tahe oilfield, China | |
| CN113514884A (zh) | 一种致密砂岩储层预测方法 | |
| CN110308488B (zh) | 确定洞穴充填程度的方法及系统 | |
| CN114185091A (zh) | 基于频谱分解的蚂蚁体裂缝追踪方法、装置及电子设备 | |
| CN105467447A (zh) | 相控趋势能量匹配的地震保幅评价方法 | |
| US20230127237A1 (en) | Integrating wells into adaptive multi-scale geological modeling | |
| Mendez et al. | Rock Type Prediction Using Democratic Neural Networks Association DNNA: An Alternative Method to Describe Clastic Fillings in Ordovician Karsted Carbonates within a Region of the Tahe Oilfield, China | |
| US11852768B2 (en) | Multimodal approach to target stratigraphic plays through seismic sequence stratigraphy, rock physics, seismic inversion and machine learning |
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 |