CN115453631A - 地震相可靠性评价方法及评价系统 - Google Patents
地震相可靠性评价方法及评价系统 Download PDFInfo
- Publication number
- CN115453631A CN115453631A CN202110639736.3A CN202110639736A CN115453631A CN 115453631 A CN115453631 A CN 115453631A CN 202110639736 A CN202110639736 A CN 202110639736A CN 115453631 A CN115453631 A CN 115453631A
- Authority
- CN
- China
- Prior art keywords
- waveform
- seismic
- logging
- seismic facies
- facies
- 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
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
- G01V1/40—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
-
- 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
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
本发明提出了一种地震相可靠性评价方法及评价系统。评价方法包括:对比测井曲线与目的层岩性,遴选目的层敏感响应测井曲线Q;在测井数据中去除目的层数据后进行合成记录波形实验分析,获得波形变化率参数C;对比地震波形与测井合成记录波形,获得第一波形匹配关系E;对比测井声波曲线波形与所述敏感响应测井曲线Q波形,获得第二波形匹配关系F;基于波形变化率参数C、第一波形匹配关系E和第二波形匹配关系F,计算地震相可靠性因子K。本发明为地震相计算结果的可靠性提供一套除了盲井验证法之外的地震相可靠性评价方法技术流程,并能够克服诸多盲井验证法的不足,进而指导地震相后期的合理化应用,为油气勘探的准确性提供基础资料。
Description
技术领域
本发明属于油气地球物理勘探领域,更具体地,涉及一种地震相可靠性评价方法及评价系统。
背景技术
地震相作为地球物理勘探技术的一个重要技术,为油气储层表征和油气勘探发挥了很多的作用,成为了石油勘探领域中的一个重要技术。地震相在地质的研究中也发挥着很重要的作用,特别在识别沉积相结构识别和边界刻画方面。地震相是沉积相在地震剖面上表现的总和,是由沉积环境所形成的地震特征。在石油、煤炭等地下沉积矿产的勘探开发中,地震相是沟通着地震数据与地质数据的桥梁之一,具有极为重要的意义。
地震相技术也可以称为波形分类技术。目前,波形分类技术的主要特点有:(1)多学科交叉的特征,设计到地理、计算法、仿生等学科。充分利用地震数据信息,对地震相进行划分和识别,减少人工对其的干预影响,为岩层的油气藏预测和地质构造分析提供更为可靠的分析依据;(2)人工参与越来越少,主要是利用计算机处理,提高地震相划分效率,减少了人为因素对结果的影响,并降低在地震相划分识别中的人工花费。地震相的基础计算方法多来自于人工智能算法。
地震相的研究始于二十世纪七十年代末。Widrow等人于1962年提出了一种可连续取值的权值自适应理论;而后Minskey与Papert合作的<<Perceptrons>>一书于1969年问世;芬兰科学家Kohonen于1972提出了自组织映射神经网络理论;Fukushima在1975年提出了神经网络的认知机原理;Grossberg于1976年提出了人工神经网络自适应共振机理。Hopfield在1982年提出了HNN模型,在HNN模型中引入了能量函数理论,并且得到了判别人工神经网络稳定性和电子线路实现的方法,该模型极大的推动了人工神经网络理论的发展,进而推动了地震相技术的推广。Hinton于1984年提出了Boltzmann机模型,该方法借鉴了统计物理学中的模拟退火技术,保证可以使人工神经网络的学习过程可以全局收敛。在这后面一段时间里,基于人工神经网络的波形分类方法取得了快速发展,并且应用到了许多领域。
2000年前后,国外开始陆续出现了波形分类法,地震结构属性映射法和地震地貌学法三种地震相划分方法,此时波形分类法成为了国外地震相划分的主要方法之一。国内在地震研究相应的成果,段玉顺等于2004年提出了地震相的自动识别方法及应用,该方法能够自动的进行地震相的识别。陈方鸿等于2005年提出了基于可视化的三维地震相分析,并应用到了沉积相的识别上。邓传伟等人于2008年提出了基于波形分类的技术在储层微相预测中的应用,使用了波形分类算法对微小地震相进行识别。2009年Iván DimitriMarroquín等人提出了基于可视化的数据挖掘进行波形分类,并用于与传统监督波形分类方法结果作对比,该方法说明了可视化的数据挖掘方法也能很好的进行地震信号的波形分类。2010年张林科等人提出了基于地震属性的地震像分析思路。刘庆敏等于2010年提出了基于经验模态分解的地震相分析技术,在地震相分析中引入了经验模态分解方法。ATISHROY Norman等人于2013年分析了潜在空间的地震相分布。
而近十几年来,地震相的主要研究其实主要集中在应用领域。多个油田不同区块为了表征各自不同区域不同层系的地震沉积特征,均在地震相的应用中有着针对各自区域层位特性提出得针对性的应用方法。在2001年,赵力民等人在对冀中探区的大王庄隐蔽油藏的预测研究中,应用波形分类方法,提高了储层预测的符合率。2004年Zeng Hongliu针对某一研究工区进行了试验,试验包含了种不同的河流相(直流河、网状河、曲流河),由于该地区地震波形特征比较相似,利用波形分类法无法将其很好地区分出来,最后只有利用地貌成像的方法能够较好地划分出这3类河道沉积。于是得出波形分类法是基于波形特征的地震相划分方法,具有分类简单,算法成熟的特点,适合于大级别沉积相带的划分。在2007年,具有代表的是殷积峰等人开始将波形分类技术应用在川东生物礁气藏预测中。他也是运用神经网络波形分类技术对川东地区三维地震资料进行了波形分类,根据波形分类结果划分的3个地震相带,划分出的沉积相带边界相对前人研究的也更加准确,成功的预测了生物礁的分布范围。到了2008~2010年,波形分类技术得到了广泛的应用,此时在各种地区得到了良好的效果。于是此时杨占龙等人提出关于地震波形分类的再分类研究,它可以有效筛选并快速逼近有利勘探目标。
为了进一步明确有意义地震信号横向变化的地质意义,有必要在优选的有利地震相类型中开展再分类研究,以明确有利勘探目标区的地质变化细节,为井位部署提供直接依据。随后在2011年,张文旗等人针对大牛地气田实例的分析和研究,在地层格架划分的基础上,结合生产井的生产信息,对储层进行波形差异分析,得到了含气性敏感度更高的地震波形参数,对地震波形敏感信息进行分析与重构,他构建出7个新的波形差异参数,建立不同产能储层与地震波形的对应关系。张帅(2013)针对潜水湖盆砂体、江青春(2012)针对葡北地区,佘刚(2012)针对鄂北薄砂岩储层、王锦程(2011)针对黄骅坳陷孔三段沉积体系、孙靖(2013)针对准噶尔盆地西北缘白垩系清水河组等均提出了地震相各针对式应用模式。
以上文献涉及的地震相有效性分析目前手段仍然比较单一,主要采用的是盲井验证法,也就是当目的层存在较多井位时,用一部分井作为约束参与地震相计算。计算出来的地震相结果与未参与计算的井(即盲井)进行对比。盲井与地震相结果的吻合率作为地震相的可靠性参数。这种常规的盲井验证方法存在一定的缺陷:一方面,当井位较少时(比如新勘探区块或者新层系往往井位较少,仅有的井往往相距也较远),仅有的几口井往往全部用于约束地震相的计算,进而缺乏盲井约束,这时如果仅采用部分井计算其他井用于验证的话,会出现井约束较少致使地震相不准确并且同时盲井往往距离参与计算的井距离较远而失去验证意义的问题;另一方面,盲井验证法没有从地震相与沉积相的基本原理出发,仅从地震地质两者结果是否一致的这个应用层面的去评价地震相的准确性,无法给出足够信服力的理论依据;另一方面,该方法缺乏对地震相分类,地震相关键参数的分析。地震相计算方法很多,其涉及的参数有时窗,波形分类数,计算方法的适用性等。该验证方法忽略了对此类参数的评价。
本发明则针对以上地震相准确性评价的不足提出一套解决方案。
发明内容
本发明为地震相计算结果的可靠性提供一套评价方法,克服上面提到的传统盲井验证法的不足,进而指导地震相的合理化应用,为油气勘探的准确性提供基础资料。
本发明从波形基本数据和地震相基础计算参数出发,为地震相计算结果的可靠性提供一套评价方法。地震相波形近似理论在应用时,计算地震相所涉及的主要的基本参数有,层位准确性、以层为准的用以计算波形长度的时窗选取、波形分类数等。层位准确度属于层位解释工作评价范畴,本发明不涉及,本发明针对其中的时窗和波形分类数提出针对性优化方案。在应用地震相时,涉及测井、地质沉积,波形等多方面内容,本发明也针对这些内容作提出针对性评价方法。
根据本发明的一个方面,提供一种地震相可靠性评价方法,包括:
对比测井曲线与目的层岩性,遴选目的层敏感响应测井曲线Q;
在测井数据中去除目的层数据后进行合成记录波形实验分析,获得波形变化率参数C;
对比地震波形与测井合成记录波形,获得第一波形匹配关系E;
对比测井声波曲线波形与所述敏感响应测井曲线Q波形,获得第二波形匹配关系F;
基于波形变化率参数C、第一波形匹配关系E和第二波形匹配关系F,计算地震相可靠性因子K。
进一步地,所述地震相可靠性因子K=C*E*F,其中K的取值范围[0,1],K越靠近1,则地震相对目的层的表征可靠性越高。
进一步地,所述波形变化率参数C=Ab*At,C的取值范围[0,1],其中At为波长周期的个数,Ab为最大振幅值变动大小的比值。
进一步地,At=A/T,A为波形变化时间范围,T为目的层所在地震波单个波长的周期。
进一步地,Ab=B/BB,B为去目的层前变化范围内的最大振幅值,BB为去目的层后变化范围内的最大振幅值。
进一步地,获得第一波形匹配关系E包括:选取目的层时间范围A的测井合成记录与该点同时窗范围内的地震道波形进行对比;
E=E2/E1,E的取值范围[0,1],其中E1为测井合成记录时间范围A内的振幅变化率,E2为地震波形时间范围A内的振幅变化率,且E1>E2。
进一步地,利用振幅变化率的比值来计算第二波形匹配关系F;
F=|F2/F1|,F的取值范围[0,1],F1为所述敏感响应测井曲线Q在时间范围A内的振幅变化率,F2为所述测井声波曲线波形在时间范围A内的振幅变化率,且F1的绝对值大于F2。
进一步地,还包括选取准确时窗参数:
若只做单一层上下一定时窗范围的地震相,则选取时间范围A作为时窗;
若需要做两个层的层间地震相,则选取这两层,一个层做顶,一个层做底即可,不需要做时窗的上下漂移。
进一步地,还包括选取波形分类个数D;
D>=DD,DD为测井解释和地质沉积解释的沉积微相个数。
根据本发明的另一个方面,提供一种地震相可靠性评价系统,包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现所述的地震相可靠性评价方法。
本发明从基本理论数据和基础计算参数出发,优化计算地震相基本计算参数,遵照地震、测井、沉积一体化原则,测评三者数据间的相互关联关系的可靠性,最终计算出地震相可靠性因子K,为地震相计算结果的可靠性提供一套评价方法。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1为根据本发明的地震相可靠性评价方法流程图。
图2为根据本发明实施例的四个目的层的井上目的层去砂实验前后的波形对比图。
图3为根据本发明实施例的砂1段合成记录波形与该井点对应深度段地震波形对比图。
图4为根据本发明实施例的砂1段AC曲线波形与测井GR曲线波形对比图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本发明从地震、测井基本波形数据对比和地震相基础计算参数出发,遵照地震、测井、沉积一体化原则,测评三者数据间的相关性,进而计算地震相表征的可靠性。设计相关参数A、At、Ab、C、D、E、F、K,最终计算出地震相可靠性因子K,为地震相计算结果的可靠性提供一套除了盲井验证法之外的地震相可靠性评价方法技术流程,并能够克服诸多盲井验证法的不足,进而指导地震相后期的合理化应用,为油气勘探的准确性提供基础资料。
如图1所示,本发明公开了一种地震相可靠性评价方法,包括:
对比测井曲线与目的层岩性,遴选目的层敏感响应测井曲线Q;
在测井数据中去除目的层数据后进行合成记录波形实验分析,获得波形变化率参数C;
对比地震波形与测井合成记录波形,获得第一波形匹配关系E;
对比测井声波曲线波形与所述敏感响应测井曲线Q波形,获得第二波形匹配关系F;
基于波形变化率参数C、第一波形匹配关系E和第二波形匹配关系F,计算地震相可靠性因子K。
更优选地,具体步骤可以包括:
首先进行测井曲线与目的层岩性对比:遴选目的层敏感响应测井曲线Q。
测井曲线有很多种类,需要从中遴选出对目的层响应比较敏感的测井曲线,才能对目的层进行有效识别。这一步采用常规测井解释的成果即可。
接下来,对测井数据去目的层做合成记录实验分析:定义波形变化率参数C,C的取值范围[0,1]。
在测井曲线中可以根据已有测井曲线作合成记录,为了明确这一目的层对地震波形的影响,可以将这一目的层段所在深度范围内的井曲线直接截取掉后拉直,对比拉直前后合成记录的变化,可以看出这段目的层的存在对合成记录波形影响的范围和影响大小,结果有2种:
1)若合成记录有变化,可以直接得出结论:地震波形对此目的层有敏感响应特征,设波形变化时间范围为A,设目的层所在地震波单个波长的周期为T,定义参数At,At=A/T,At则为波长周期的个数。波形变化范围内,设去目的层前时间范围A内最大振幅值大小为B,变动后,时间范围A内的最大振幅值为BB,定义Ab,Ab=B/BB,则Ab为最大振幅值变动大小的比值。
定义波形变化率参数C,C=Ab*At,C值越大,地震波形对此目的层响应越强烈,因此基于地震波形对目的层所作的分析越可靠(包括地震相)。
2)若合成记录没有变化,可以直接得出结论:地震波形对此目的层不敏感,不能反映该目的层性质,因此,基于地震波形(包括地震振幅、频率、相位的其中任何一个或任意组合属性)对目的层所作的分析均为不可靠结果(包括地震相,此时则C=0。
接下来,可以进行地震相时窗范围因素评价分析,进而选取准确时窗参数:
若只做单一层上下一定时窗范围的地震相,则选取上述的时间范围A作为时窗。
若规定的需要做两个层的层间地震相,则选取这两层,一个层做顶,一个层做底即可,不需要再做时窗的上下漂移。
接下来,可以做波形分类数选取分析:设波形分类个数为D。
设测井解释和地质沉积解释的沉积微相个数为DD。波形分类的个数D>=DD即可。因为地震相的波形变化敏感度是沉积微相、岩性、构造等多因素变化影响,地震波形敏感度一般大于测井和地质分析,所以D>=DD才能尽量保证地震相的波形分类包含有沉积微相的分类。
接下来,地震波形与合成记录波形对比:定义此波形匹配关系E,E的取值范围[0,1]。
选取目的层时窗A范围的测井合成记录与该点同时窗范围内的地震道波形进行对比。两者吻合度越高,则基于地震波形、对目的层所作的分析越有效。这种吻合度数值可以用振幅变化率比值、波形变化率、相位变化率比值、等多种能够反映两者波形吻合度的参数,设此参数为E。但需要注意的是,这个数值大小要在[0,1]范围内,越贴近1,两种波形吻合度越高。
举例说明:利用振幅变化率的比值来求取E
设合成记录在时间范围A内的振幅变化率为E1,地震波形在时间范围A内的振幅变化率为E2,且E1>E2,则E=E2/E1。
接下来,进行测井声波AC(acoustic)曲线波形与敏感测井曲线Q波形对比:定义此波形匹配关系F,F的取值范围[0,1]。
测井合成记录波形一般来源于子波和反射系数进行折积计算得到。反射系数由测井AC曲线计算得到,反射系数和测井AC曲线有着比较好的正相关关系。敏感测井曲线Q对目的层岩性等有较好的识别能力,如果测井AC曲线与Q曲线也存在比较好的线性对应关系,则说明合成记录和Q曲线存在较好的对应关系,也就进而说明地震波形与目的层有较好的响应关系。这种波形吻合度与步骤5中的波形吻合度计算方式相似。这种吻合度数值也可以用振幅变化率比值、波形变化率、相位变化率比值、等多种能够反映两者波形吻合度的参数,设此参数为F。需要注意的是,因为AC曲线和Q曲线既可以是线性正相关,也可以是线性负相关关系,那么这个数值大小要在[-1,1]范围内,但为了计算最终的地震性可靠性因子,这里的这个F值的大小要取其绝对值,F越贴近1,两种波形吻合度越高。
举例说明:利用振幅变化率的比值来求取F
设曲线Q在时间范围A内的振幅变化率为F1,AC曲线在时间范围A内的振幅变化率为F2,且F1的绝对值大于F2,则F=|F2/F1|。
最后,计算地震相可靠性因子K:定义可靠性因子K,K=C*E*F。
通过以上K的定义可以看出,地震相的可靠性因子K的计算参数C、E、F大小均在[0,1]范围内,则K也在此数值范围区间。K越靠近1,则地震相对目的层的表征的可靠性越高。同时,通过以上K的定义可以看出,地震相的可靠性因子计算,是地震、测井、地质沉积解释三者一体化有效结合的成果。
为便于理解本发明实施例的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
某油田区块目的层仅有两口井,需要对基于地震相波形计算的结果进行地震相可靠性评价,进而落实砂体沉积展布范围和边界。
步骤一:测井曲线与目的层岩性对比:由于预测的目的层为砂体岩性目的层,需要表征的目标岩性为砂体,由已知的测井解释可知,测井伽马(GR)曲线对砂岩泥岩分辨效果较好,因此这里的敏感响应Q曲线为测井GR曲线。
步骤二:测井数据去目的层做合成记录实验分析:计算波形变化率参数C.
如图2所示,该区深度上有四个目的层,分别位于1540ms、1575ms、1595ms和1620ms上下,砂体的厚度如图2中灰色矩形条所示。从上到下四个目的层分别为砂1层、砂2层、砂3层和砂4层。分别针对每个层的砂单独做了井曲线上的去砂响应实验,图中分别标出了每层去砂前后的合成记录曲线。第一列曲线Track9为去砂1前后的合成记录对比。可以发现两条曲线变化十分明显,也就是说砂体的存在对波形影响很大,地震波形对砂体有较好的响应。计算得到此砂1的波形变化率参数C1=0.63。同理,看砂2段波形变化较大,而砂3和砂4去砂前后合成记录的波形变化很小。砂2对应的C2=0.55,而砂3的C3=0.05,砂4的C4=0.04。
由此可见,砂1、砂2段地震波形对砂体响应较为明显;而砂3和砂4的砂体的存在对地震波影响很小,合成记录波形在去砂前后变化也很小。因此,砂3和砂4计算得到的地震相的砂体分布范围是十分不可靠的。因此砂3和砂4目的层段的地震相可靠性因子不必再计算,直接得出结论砂3和砂4目的层段的地震相对砂体展布范围表征的可靠性很低,不值得为后续工作提供参考。砂1、砂2段地震相评价工作可以继续。
为了示例方便,本实施例仅作砂1段可靠性因子的求取。
步骤三:地震相时窗因素评价分析,进而选取准确时窗参数A。
由图2中的第一列曲线Track9可以发现,去砂前后合成记录波形不一致变化的时窗范围为(1510ms,1560ms)这个范围,也就是大约砂1以上30ms和以下20ms的范围,因此参数A的范围为以砂1层位为基准的(-30ms,20ms)范围内。
步骤四:波形分类数选取分析:求取波形分类个数D
通过该区的测井和沉积微相分析,砂1段目的层主要发育8类沉积微相,那么D取值为D>=8即可,本实施例将D值取为9。
步骤五:地震波形与合成记录波形对比:求取此波形匹配关系E
如图3所示,左侧的曲线段(1510ms,1560ms)段为测井合成记录波形。地震数据该井点位置该深度范围内的地震波形形态为图中右侧图件内波形所示。用两者振幅变化率的比值求得,E=0.83。
步骤六:测井声波AC曲线波形与测井GR曲线波形对比:求得此波形匹配关系F。
如图4所示,分别对AC曲线和GR曲线进行了平滑,平滑后的曲线分辨率尺度接近于地震波的分辨率尺度。需要指出的是,平滑与否,平滑程度,需要具体情况具体分析。砂1段深度范围由最下边两条横线所界定的深度段确定。在曲线平滑后,可以看出,两者有比较好的负相关关系,按照本发明的计算方法,计算两者的波形变化率值为-0.57,取其绝对值,F=0.57。
步骤七:定义可靠性因子K,K=C*E*F=0.63*0.83*0.57=0.298
示例计算结果:砂3、砂4的地震相计算不可靠,砂2层段该井附近地震相所表示的砂体范围的可靠性因子为0.298。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种地震相可靠性评价方法,其特征在于,包括:
对比测井曲线与目的层岩性,遴选目的层敏感响应测井曲线Q;
在测井数据中去除目的层数据后进行合成记录波形实验分析,获得波形变化率参数C;
对比地震波形与测井合成记录波形,获得第一波形匹配关系E;
对比测井声波曲线波形与所述敏感响应测井曲线Q波形,获得第二波形匹配关系F;
基于波形变化率参数C、第一波形匹配关系E和第二波形匹配关系F,计算地震相可靠性因子K。
2.根据权利要求1所述的地震相可靠性评价方法,其特征在于,所述地震相可靠性因子K=C*E*F,其中K的取值范围[0,1],K越靠近1,则地震相对目的层的表征可靠性越高。
3.根据权利要求1所述的地震相可靠性评价方法,其特征在于,所述波形变化率参数C=Ab*At,C的取值范围[0,1],其中At为波长周期的个数,Ab为最大振幅值变动大小的比值。
4.根据权利要求3所述的地震相可靠性评价方法,其特征在于,At=A/T,A为波形变化时间范围,T为目的层所在地震波单个波长的周期。
5.根据权利要求3所述的地震相可靠性评价方法,其特征在于,Ab=B/BB,B为去目的层前变化范围内的最大振幅值,BB为去目的层后变化范围内的最大振幅值。
6.根据权利要求2所述的地震相可靠性评价方法,其特征在于,获得第一波形匹配关系E包括:选取目的层时间范围A的测井合成记录与该点同时窗范围内的地震道波形进行对比;
E=E2/E1,E的取值范围[0,1],其中E1为测井合成记录时间范围A内的振幅变化率,E2为地震波形时间范围A内的振幅变化率,且E1>E2。
7.根据权利要求2所述的地震相可靠性评价方法,其特征在于,利用振幅变化率的比值来计算第二波形匹配关系F;
F=|F2/F1|,F的取值范围[0,1],F1为所述敏感响应测井曲线Q在时间范围A内的振幅变化率,F2为所述测井声波曲线波形在时间范围A内的振幅变化率,且F1的绝对值大于F2。
8.根据权利要求2所述的地震相可靠性评价方法,其特征在于,进一步包括选取准确时窗参数:
若只做单一层上下一定时窗范围的地震相,则选取时间范围A作为时窗;
若需要做两个层的层间地震相,则选取这两层,一个层做顶,一个层做底即可,不需要做时窗的上下漂移。
9.根据权利要求1所述的地震相可靠性评价方法,其特征在于,进一步包括选取波形分类个数D;
D>=DD,DD为测井解释和地质沉积解释的沉积微相个数。
10.一种地震相可靠性评价系统,其特征在于,包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现权利要求1-9中任一项所述的地震相可靠性评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639736.3A CN115453631A (zh) | 2021-06-08 | 2021-06-08 | 地震相可靠性评价方法及评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639736.3A CN115453631A (zh) | 2021-06-08 | 2021-06-08 | 地震相可靠性评价方法及评价系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115453631A true CN115453631A (zh) | 2022-12-09 |
Family
ID=84295062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110639736.3A Pending CN115453631A (zh) | 2021-06-08 | 2021-06-08 | 地震相可靠性评价方法及评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115453631A (zh) |
-
2021
- 2021-06-08 CN CN202110639736.3A patent/CN115453631A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709603B (zh) | 地震层位识别与追踪方法、系统 | |
Iturrarán-Viveros et al. | Artificial neural networks applied to estimate permeability, porosity and intrinsic attenuation using seismic attributes and well-log data | |
Raeesi et al. | Classification and identification of hydrocarbon reservoir lithofacies and their heterogeneity using seismic attributes, logs data and artificial neural networks | |
CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
Tian et al. | Multi-resolution graph-based clustering analysis for lithofacies identification from well log data: Case study of intraplatform bank gas fields, Amu Darya Basin | |
CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
CN109541685B (zh) | 一种河道砂体识别方法 | |
CN102918423A (zh) | 用于地震烃体系分析的方法 | |
CN105445800A (zh) | 一种厚层砂体顶部分异岩性油藏的识别方法 | |
CN105259572A (zh) | 基于地震多属性参数非线性自动分类的地震相计算方法 | |
CN107193046A (zh) | 一种基于谱反演的砂体厚度预测方法及系统 | |
Ouadfeul et al. | Lithofacies classification using the multilayer perceptron and the self-organizing neural networks | |
CN104422969A (zh) | 一种减小电磁测深反演结果非唯一性的方法 | |
CN105738952A (zh) | 一种水平井区储层岩石相建模方法 | |
CN116168224A (zh) | 基于成像砾石含量的机器学习岩相自动识别方法 | |
CN111983683A (zh) | 一种少井条件下盐下湖相灰岩储层预测方法和系统 | |
Bruno et al. | Groundwater characterization in arid regions using seismic and gravity attributes: Al Jaww Plain, UAE | |
CN109425889B (zh) | 一种用于刻画古岩溶暗河的方法 | |
CN112505754B (zh) | 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 | |
Djebbas et al. | Integrating hydraulic flow unit concept and adaptive neuro-fuzzy inference system to accurately estimate permeability in heterogeneous reservoirs: Case study Sif Fatima oilfield, southern Algeria | |
Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
CN115327627A (zh) | 多信息融合的致密砂岩气分流河道表征方法及装置 | |
CN114482995A (zh) | 一种细粒沉积物泥质含量精细确定方法 | |
CN112379435B (zh) | 相控岩溶型缝洞集合体刻画方法及装置 | |
CN115453631A (zh) | 地震相可靠性评价方法及评价系统 |
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 |