CN115708001A - 预测油气储层的方法、装置、设备及存储介质 - Google Patents
预测油气储层的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115708001A CN115708001A CN202110949679.9A CN202110949679A CN115708001A CN 115708001 A CN115708001 A CN 115708001A CN 202110949679 A CN202110949679 A CN 202110949679A CN 115708001 A CN115708001 A CN 115708001A
- Authority
- CN
- China
- Prior art keywords
- data
- inversion
- gamma
- determining
- prediction model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 41
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 40
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 40
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 20
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请公开了一种预测油气储层的方法、装置、设备及存储介质,属于油气勘探技术领域。该方法包括:确定将砂岩、泥岩区分的伽马阈值、将油气储层与其他层区分的电阻率阈值,以及用于反演的有效样本数以和最佳截止频率。根据伽马阈值、电阻率阈值依次对反演之后的反演预测模型进行滤除处理,得到用于表示目标地区对应的各个油气储层在地下的位置的反演预测模型。采用本申请可以提高预测油气储层在地下分布位置的精度。
Description
技术领域
本申请涉及油气勘探技术领域,特别涉及一种预测油气储层分布的方法、装置、设备及存储介质。
背景技术
随着现阶段油气勘探的难度增大,油气储层逐渐向纵向砂体厚度薄、横向连续性差的方向发展,进行储层预测的精度要求也在不断提高。
储层预测,即对一个地区内油气储层在地下分布位置进行预测的技术。在相关技术中,可以通过获取某个地区内所有井对应的测井资料(测井数据)中的岩性、电阻率、伽马值等进行反演,得到反演结果。其中,反演结果即为对油气储层在地下分布位置的预测结果。
在实现本申请的过程中,发明人发现相关技术至少存在以下问题:
预测油气储层地下分布位置的精度在很大程度上依靠进行反演的数据,而在相关技术中,进行反演的数据仅有测井资料,进行反演的数据较为单一,导致对油气储层进行地下分布位置预测的精度较低。
发明内容
本申请实施例提供了一种预测油气储层的方法、装置、设备及存储介质,能够提高预测油气储层在地下分布位置的精度。所述技术方案如下:
一方面,提供了一种预测油气储层的方法,所述方法包括:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值;
基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值;
获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率;
基于所述有效样本数、所述最佳截止频率、所述伽马数据以及所述地震数据进行反演,得到第一反演预测模型,其中,所述第一反演预测模型用于表示所述目标地区地下的各个位置的岩性;
基于所述伽马阈值对所述第一反演预测模型进行滤除处理,得到滤除处理后的第二反演预测模型;
基于所述有效样本数、所述最佳截止频率、所述电阻率数据、所述地震数据以及所述第二反演预测模型进行反演,得到第三反演预测模型,其中,所述第三反演预测模型用于表示所述目标地区地下的各个位置的含油气性;
基于所述电阻率阈值对所述第三反演预测模型进行滤除处理,得到滤除处理后的第四反演预测模型,其中,所述第四反演预测模型用于表示所述目标地区对应的各个油气储层在地下的位置。
可选的,所述基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值,包括:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马值,确定在不同的伽马值下,砂岩和泥岩分别对应的含量值;
基于所述不同的伽马值下的砂岩和泥岩分别对应的含量值,确定用于将砂岩、泥岩进行区分的伽马阈值。
可选的,所述基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值,包括:
基于所述测井数据中油气储层与其他层分别对应的电阻率数据和所述伽马数据,确定将油气储层与其他层进行区分的电阻率阈值。
可选的,所述获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率,包括:
基于所述地震数据以及所述目标地区内各个井的位置信息,确定所述每个井对应与周围不同数目的井的第一相关指数;
基于所述每个井对应与周围不同数目的井的第一相关指数,确定所述有效样本数;
基于所述地震数据以及所述目标地区内各个井的位置信息,确定在不同地震频率下所述各个井的位置对应的地震波形与测井波形的第二相关指数;
基于不同地震频率下所述各个井的位置对应的第二相关指数,确定所述最佳截止频率。
另一方面,提供了一种预测油气储层的装置,所述装置包括:
确定模块,用于基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值;基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值;获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率;
反演模块,用于基于所述有效样本数、所述最佳截止频率、所述伽马数据以及所述地震数据进行反演,得到第一反演预测模型,其中,所述第一反演预测模型用于表示所述目标地区地下的各个位置的岩性;
处理模块,用于基于所述伽马阈值对所述第一反演预测模型进行滤除处理,得到滤除处理后的第二反演预测模型;
所述反演模块,用于基于所述有效样本数、所述最佳截止频率、所述电阻率数据、所述地震数据以及所述第二反演预测模型进行反演,得到第三反演预测模型,其中,所述第三反演预测模型用于表示所述目标地区地下的各个位置的含油气性;
所述处理模块,用于基于所述电阻率阈值对所述第三反演预测模型进行滤除处理,得到滤除处理后的第四反演预测模型,其中,所述第四反演预测模型用于表示所述目标地区对应的各个油气储层在地下的位置。
可选的,所述确定模块,用于:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马值,确定在不同的伽马值下,砂岩和泥岩分别对应的含量值;
基于所述不同的伽马值下的砂岩和泥岩分别对应的含量值,确定用于将砂岩、泥岩进行区分的伽马阈值。
可选的,所述确定模块,用于:
基于所述测井数据中油气储层与其他层分别对应的电阻率数据和所述伽马数据,确定将油气储层与其他层进行区分的电阻率阈值。
可选的,所述确定模块,用于:
基于所述地震数据以及所述目标地区内各个井的位置信息,确定所述每个井对应与周围不同数目的井的第一相关指数;
基于所述每个井对应与周围不同数目的井的第一相关指数,确定所述有效样本数;
基于所述地震数据以及所述目标地区内各个井的位置信息,确定在不同地震频率下所述各个井的位置对应的地震波形与测井波形的第二相关指数;
基于不同地震频率下所述各个井的位置对应的第二相关指数,确定所述最佳截止频率。
再一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上所述的预测油气储层的方法所执行的操作。
再一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如上所述的预测油气储层的方法所执行的操作。
本申请实施例提供的技术方案带来的有益效果是:
在本申请实施例中,通过有效样本数、最佳截止频率、伽马数据以及地震数据进行反演,得到用于表示岩性的第一反演预测模型,根据确定的伽马阈值对第一反演预测模型进行滤除处理,得到第二反演预测模型;然后对第二反演预测模型进行反演,得到通过电阻率表示目标地区对应的各个油气储层在地下的位置的第三反演预测模型;最后可以根据电阻率阈值对第三反演预测模型进行滤除处理,得到表示目标地区对应的各个油气储层在地下分布位置的第四反演预测模型。可见本申请在反演时增加了有效样本数、最佳截止频率以及地震数据做参考,并分别根据伽马阈值以及电阻率阈值对得到的反演预测模型进行滤除处理,然后根据滤除处理后的反演预测模型确定表示目标地区对应的各个油气储层在地下的位置的反演预测模型,可以提高预测油气储层在地下分布位置的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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。
图1是本申请实施例提供的一种预测油气储层的方法流程图;
图2是本申请实施例提供的一种预测油气储层的方法示意图;
图3是本申请实施例提供的一种预测油气储层的方法示意图;
图4是本申请实施例提供的一种预测油气储层的方法示意图;
图5是本申请实施例提供的一种预测油气储层的方法示意图;
图6是本申请实施例提供的一种预测油气储层的装置结构示意图;
图7是本申请实施例提供的计算机设备的装置结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的预测油气储层的方法可以由终端实现。终端可以运行有用于地震反演应用程序,例如薄层地震反演软件。终端可以具备处理器和存储器,存储器可以用于存储有预测油气储层的执行数据以及执行程序,例如某一区域对应的地震数据、以及在这一区域内各个井的测井数据等。处理器可运行存储器中的执行程序,根据执行数据,如地震数据和测井数据,实现本申请提供的预测油气储层的方法。
图1是本申请实施例提供的一种预测油气储层的方法流程图。参见图1,该实施例包括:
步骤101、基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值。
其中,测井数据中可以包括对于每个井测得的不同深度的声波、波阻抗、伽马、电阻率、密度等。可以根据测井数据包括的砂岩和泥岩在不同伽马值下对应的在对应储层中的含量值,确定伽马阈值。具体如下:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马值,确定在不同的伽马值下,砂岩和泥岩分别对应的含量值;基于不同的伽马值下的砂岩和泥岩分别对应的含量值,确定用于将砂岩、泥岩进行区分的伽马阈值。
在实施中,可以根据第一个地区内的各个井对应的测井数据中包括的在不同的伽马值下砂岩和泥岩的占比,确定该地区对应的岩性分布直方图。如图2所示,在岩性分布直方图中纵坐标为百分比,横坐标为伽马值,技术人员可以根据岩性分布直方图中砂岩在不同伽马值时对应的百分比,以及泥岩在不同伽马值时对应的百分比,确定用于将砂岩、泥岩进行区分的伽马阈值。例如图2中,在伽马值小于100时砂岩的百分比较高,在伽马值大于100时泥岩的百分比较高,则可以将100确定为用于将砂岩、泥岩进行区分的伽马阈值。
步骤102、基于测井数据中包括的电阻率数据和伽马数据,确定用于将油气储层与非油气储层进行区分的电阻率阈值。
其中,非油气储层可以包括泥岩、差气层、差油层、干层、含水气层、含油水层、可疑层、气层、汽水层、水层、砂岩、油水层等。在测井数据中可以包括目标区域内油气储层与非油气储层分别对应的电阻率和伽马值,可以根据油气储层与非油气储层分别对应的电阻率和伽马值确定将油气储层与非油气储层进行区分的电阻率阈值。
在实施中,可以根据第一个地区内对应的测井数据中包括的不同储层分别对应的伽马值和电阻率值确定GR-lnR交会图(伽马电阻率交会图),然后根据GR-lnR交会图中,不同储层分别对应的电阻率,确定用于将油气储层与其他层进行区分的电阻率阈值。例如图3所示GR-lnR交会图中,油气层对应的电阻率值一般大于5,而其他层的电阻率值一般小于5,因此可以将5作为用于将油气储层与其他层进行区分的电阻率阈值。
其中,需要说明的是,在执行步骤101和步骤102之前,可以由技术人员对测井数据中的各测井参数进行优选,如测井数据中的声波、密度、伽马及电阻率等进行优选。另外,在执行步骤101和步骤102时,还可以完成反演方法的时深标定、子波估计等处理,其具体处理流程属于现有技术,此处不再赘述。
步骤103、获取目标地区对应的地震数据,基于地震数据以及目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率。
有效样本数用来估算预测点反演结果的有效样本个数,可以用于表示地震波形空间变化对储层的影响程度,可以提高反演的横向分辨率。当研究区储层变化小、非均质性弱,可适当增加有效样本数,当研究区储层横向变化快、非均质性强可适当减小样本数。
最佳截止频率用于确定反演体的最大频率。最佳截止频率可用于调节反演体的确定性和随机性。最佳截止频率小,反演体的纵向分辨率越低,确定性越强。反之反演体的纵向分辨率越高,随机性越强。
在实施中,可以根据地震数据以及目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率。
其中,有效样本数的确定步骤如下:基于地震数据以及目标地区内各个井的位置信息,确定每个井对应与周围不同数目的井的第一相关指数,其中,第一相关指数用于指示地震波形与测井波形的相似度;基于每个井对应与周围不同数目的井的第一相关指数,确定有效样本数。
在实施中,各个井的位置信息可以是各个井的经纬度,或者是在目标地区对应的平面坐标系中的坐标值。地震数据中包括目标地区内各个位置的地震波形。对于目标地区内的每个井,都可以根据该井的位置信息确定,在该井的位置对应的地震波形,并确定在该井周围的其他井的地震波形。对于该井,分别确定该井与在该井周围的一个井、两个井、三个井、N个井对应的地震波形相似度。进而通过相似度,得到每个井与周围不同数目的井之间的第一相关指数。如图4所示,图4为目标地区内各个井分别与周围不同数目个井的第一相关指数的示意图。根据图4,可以确定各个井随着周围井的数目增加,确定第一相关指数上升趋势。其中,第一相关指数越大,井之间的相似度越小。可以根据各个井对应第一相关指数的上升趋势,确定各个井对应的第一相关指数的上升趋势开始趋于平缓的目标数目。可以将各个井对应的目标数目的最大值确定为有效样本数,或者可以将各个井对应的目标数目的平均值确定为有效样本数。
其中,最佳截止频率的确定步骤如下:基于地震数据以及目标地区内各个井的位置信息,确定在不同频率下各个井的位置对应的地震波形与测井波形的第二相关指数;基于不同频率下各个井的位置对应的第二相关指数,确定最佳截止频率。
在实施中,地震数据中可以包括目标地区中各个位置在不同地震频率下的地震波形。然后各个井在不同地震频率下的对应的地震波形和测井波形的相似度(即第二相关指数)。如图5所示,图5为目标地区内不同井在不同地震频率下的第二相关指数的示意图。可以根据各个井对应第二相关指数的上升趋势或下降趋势,确定各个井对应的第二相关指数的开始趋于平缓的目标频率。可以将各个井对应的目标频率的最大值确定为最佳截止频率,或者可以将各个井对应的目标频率的平均值确定为最佳截止频率。
步骤104、基于有效样本数、最佳截止频率、伽马数据以及地震数据进行反演,得到第一反演预测模型。
其中,第一反演预测模型用于表示目标地区地下的各个位置的岩性。
在实施中,在得到有效样本数和最佳截止频率之后,可以将有效样本数、最佳截止频率、目标地区对应的伽马数据和地震数据输入到反演算法中,进行反演计算,例如,反演算法可以是马尔科夫链-蒙特卡罗随机模拟算法。其中,具体的反演处理属于现有技术,此处不再详细描述。进行反演后得到的反演预测模型可称为第一反演预测模型或者伽马反演体。在第一反演预测模型中,包括目标地区地下各个空间位置对应的伽马值。该伽马值可用于表示对应位置的岩性。
其中,需要说明的是,在将伽马数据输入到反演算法之前,可以将伽马数据进行拟声波进行处理,得到伽马数据对应的波阻抗,进而通过伽马数据对应的波阻抗进行反演计算。
步骤105、基于伽马阈值对第一反演预测模型进行滤除处理,得到滤除处理后的第二反演预测模型。
在步骤101中,已经确定出将砂岩和泥岩进行区分的伽马阈值。因此,可以根据伽马阈值对第一反演预测模型进行滤除处理,即可以滤除第一反演预测模型中大于伽马阈值的伽马值,例如可以将大于伽马阈值的伽马值置为0。进而得到滤除处理后的第二反演预测模型,在滤除处理后的第二反演预测模型中泥岩对应的伽马值为0。
步骤106、基于有效样本数、最佳截止频率、电阻率数据、地震数据以及第二反演预测模型进行反演,得到第三反演预测模型。
其中,第三反演预测模型用于表示目标地区地下的各个位置的含油气性。当得到通过滤除处理后的第二反演预测模型,可以再次对第二反演预测模型进行反演。由于第二反演预测模型是根据伽马阈值对伽马反演体进行滤除处理之后得到的,也就是滤除了伽马反演体中的泥岩,如此再对滤除处理后的伽马反演体进行反演,可以避免伽马反演体中泥岩对反演的影响,可以进一步提高预测油气储层的准确性。
在实施中,可以将有效样本数、最佳截止频率、目标地区对应的电阻率数据、地震数据以及第二反演预测模型输入到反演算法中,进行反演计算。进行反演后得到的反演预测模型可称为第三反演预测模型或电阻率反演体。在第三反演预测模型中,包括目标地区地下各个空间位置对应的电阻率,该电阻率可用于表示对应位置的油气性。
步骤107、基于电阻率阈值对第三反演预测模型进行滤除处理,得到滤除处理后的第四反演预测模型。
其中,第四反演预测模型用于表示目标地区对应的各个油气储层在地下的位置。
在实施中,由于第二反演预测模型中包括目标地区地下各个空间位置对应的电阻率,该电阻率用于表示对应空间位置的含油气性。在步骤102中,已经确定将油气储层与非油气储层进行区分的电阻率阈值。在步骤106中,通过对滤除处理后的伽马反演体进行再次反演得到了电阻率反演体。因此,可以根据电阻率阈值对电阻率反演体进行滤除处理,即滤除电阻率反演体中小于电阻率阈值的电阻率,例如将小于电阻率阈值的电阻率置为0。进而得到滤除处理后的第四反演预测模型。如此滤除处理之后得到的第四反演预测模型中,只包括大于电阻率阈值电阻率值,这样在第四反演预测模型中各电阻率值对应的空间位置组成的空间区域,即为目标地区的各个油气储层在地下的分布区域。
在本申请实施例中,通过有效样本数、最佳截止频率、伽马数据以及地震数据进行反演,得到用于表示岩性的第一反演预测模型,根据确定的伽马阈值对第一反演预测模型进行滤除处理,得到第二反演预测模型;然后对第二反演预测模型进行反演,得到通过电阻率表示目标地区对应的各个油气储层在地下的位置的第三反演预测模型;最后可以根据电阻率阈值对第三反演预测模型进行滤除处理,得到表示目标地区对应的各个油气储层在地下分布区域的第四反演预测模型。可见本申请在反演时增加了有效样本数、最佳截止频率以及地震数据做参考,并分别根据伽马阈值以及电阻率阈值对得到的反演预测模型进行滤除处理,然后根据滤除处理后的反演预测模型确定表示目标地区对应的各个油气储层在地下的位置的反演预测模型,可以提高预测油气储层在地下分布位置的精度。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
图6是本申请实施例提供的一种预测油气储层的装置,该装置可以是上述实施例中的终端,参见图6,该装置包括:
确定模块610,用于基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值;基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值;获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率;
反演模块620,用于基于所述有效样本数、所述最佳截止频率、所述伽马数据以及所述地震数据进行反演,得到第一反演预测模型,其中,所述第一反演预测模型用于表示所述目标地区地下的各个位置的岩性;
处理模块630,用于基于所述伽马阈值对所述第一反演预测模型进行滤除处理,得到滤除处理后的第二反演预测模型;
所述反演模块620,用于基于所述有效样本数、所述最佳截止频率、所述电阻率数据、所述地震数据以及所述第二反演预测模型进行反演,得到第三反演预测模型,其中,所述第三反演预测模型用于表示所述目标地区地下的各个位置的含油气性;
所述处理模块630,用于基于所述电阻率阈值对所述第三反演预测模型进行滤除处理,得到滤除处理后的第四反演预测模型,其中,所述第四反演预测模型用于表示所述目标地区对应的各个油气储层在地下的位置。
可选的,所述确定模块610,用于:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马值,确定在不同的伽马值下,砂岩和泥岩分别对应的含量值;
基于所述不同的伽马值下的砂岩和泥岩分别对应的含量值,确定用于将砂岩、泥岩进行区分的伽马阈值。
可选的,所述确定模块610,用于:
基于所述测井数据中油气储层与其他层分别对应的电阻率数据和所述伽马数据,确定将油气储层与其他层进行区分的电阻率阈值。
可选的,所述确定模块610,用于:
基于所述地震数据以及所述目标地区内各个井的位置信息,确定所述每个井对应与周围不同数目的井的第一相关指数;
基于所述每个井对应与周围不同数目的井的第一相关指数,确定所述有效样本数;
基于所述地震数据以及所述目标地区内各个井的位置信息,确定在不同地震频率下所述各个井的位置对应的地震波形与测井波形的第二相关指数;
基于不同地震频率下所述各个井的位置对应的第二相关指数,确定所述最佳截止频率。
需要说明的是:上述实施例提供的预测油气储层的装置在预测油气储层时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的预测油气储层的装置与预测油气储层的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7示出了本申请一个示例性实施例提供的计算机设备700的结构框图。该计算机设备700可以是上述实施例中的终端,可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。计算机设备700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,计算机设备700包括有:处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的预测油气储层的方法。
在一些实施例中,计算机设备700还可选包括有:外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地,外围设备包括:射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置在计算机设备700的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在计算机设备700的不同表面或呈折叠设计;在另一些实施例中,显示屏705可以是柔性显示屏,设置在计算机设备700的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-EmittingDiode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在计算机设备700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位计算机设备700的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源709用于为计算机设备700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,计算机设备700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于:加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以计算机设备700建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号,控制显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测计算机设备700的机体方向及转动角度,陀螺仪传感器712可以与加速度传感器711协同采集用户对计算机设备700的3D动作。处理器701根据陀螺仪传感器712采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在计算机设备700的侧边框和/或显示屏705的下层。当压力传感器713设置在计算机设备700的侧边框时,可以检测用户对计算机设备700的握持信号,由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在显示屏705的下层时,由处理器701根据用户对显示屏705的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹,由处理器701根据指纹传感器714采集到的指纹识别用户的身份,或者,由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器701授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置在计算机设备700的正面、背面或侧面。当计算机设备700上设置有物理按键或厂商Logo时,指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中,处理器701可以根据光学传感器715采集的环境光强度,控制显示屏705的显示亮度。具体地,当环境光强度较高时,调高显示屏705的显示亮度;当环境光强度较低时,调低显示屏705的显示亮度。在另一个实施例中,处理器701还可以根据光学传感器715采集的环境光强度,动态调整摄像头组件706的拍摄参数。
接近传感器716,也称距离传感器,通常设置在计算机设备700的前面板。接近传感器716用于采集用户与计算机设备700的正面之间的距离。在一个实施例中,当接近传感器716检测到用户与计算机设备700的正面之间的距离逐渐变小时,由处理器701控制显示屏705从亮屏状态切换为息屏状态;当接近传感器716检测到用户与计算机设备700的正面之间的距离逐渐变大时,由处理器701控制显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图7中示出的结构并不构成对计算机设备700的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述实施例中预测油气储层的方法。该计算机可读存储介质可以是非暂态的。例如,所述计算机可读存储介质可以是ROM(Read-OnlyMemory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种预测油气储层的方法,其特征在于,所述方法包括:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值;
基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值;
获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率;
基于所述有效样本数、所述最佳截止频率、所述伽马数据以及所述地震数据进行反演,得到第一反演预测模型,其中,所述第一反演预测模型用于表示所述目标地区地下的各个位置的岩性;
基于所述伽马阈值对所述第一反演预测模型进行滤除处理,得到滤除处理后的第二反演预测模型;
基于所述有效样本数、所述最佳截止频率、所述电阻率数据、所述地震数据以及所述第二反演预测模型进行反演,得到第三反演预测模型,其中,所述第三反演预测模型用于表示所述目标地区地下的各个位置的含油气性;
基于所述电阻率阈值对所述第三反演预测模型进行滤除处理,得到滤除处理后的第四反演预测模型,其中,所述第四反演预测模型用于表示所述目标地区对应的各个油气储层在地下的位置。
2.根据权利要求1所述的方法,其特征在于,所述基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值,包括:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马值,确定在不同的伽马值下,砂岩和泥岩分别对应的含量值;
基于所述不同的伽马值下的砂岩和泥岩分别对应的含量值,确定用于将砂岩、泥岩进行区分的伽马阈值。
3.根据权利要求1所述的方法,其特征在于,所述基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值,包括:
基于所述测井数据中油气储层与其他层分别对应的电阻率数据和所述伽马数据,确定将油气储层与其他层进行区分的电阻率阈值。
4.根据权利要求1所述的方法,其特征在于,所述获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率,包括:
基于所述地震数据以及所述目标地区内各个井的位置信息,确定所述每个井对应与周围不同数目的井的第一相关指数;
基于所述每个井对应与周围不同数目的井的第一相关指数,确定所述有效样本数;
基于所述地震数据以及所述目标地区内各个井的位置信息,确定在不同地震频率下所述各个井的位置对应的地震波形与测井波形的第二相关指数;
基于不同地震频率下所述各个井的位置对应的第二相关指数,确定所述最佳截止频率。
5.一种预测油气储层的装置,其特征在于,所述装置包括:
确定模块,用于基于目标地区内各个井的测井数据中包括的岩性数据和伽马数据,确定用于将砂岩、泥岩进行区分的伽马阈值;基于所述测井数据中包括的电阻率数据和所述伽马数据,确定用于将油气储层与其他层进行区分的电阻率阈值;获取所述目标地区对应的地震数据,基于所述地震数据以及所述目标地区内各个井的位置信息,确定用于反演的有效样本数以及最佳截止频率;
反演模块,用于基于所述有效样本数、所述最佳截止频率、所述伽马数据以及所述地震数据进行反演,得到第一反演预测模型,其中,所述第一反演预测模型用于表示所述目标地区地下的各个位置的岩性;
处理模块,用于基于所述伽马阈值对所述第一反演预测模型进行滤除处理,得到滤除处理后的第二反演预测模型;
所述反演模块,用于基于所述有效样本数、所述最佳截止频率、所述电阻率数据、所述地震数据以及所述第二反演预测模型进行反演,得到第三反演预测模型,其中,所述第三反演预测模型用于表示所述目标地区地下的各个位置的含油气性;
所述处理模块,用于基于所述电阻率阈值对所述第三反演预测模型进行滤除处理,得到滤除处理后的第四反演预测模型,其中,所述第四反演预测模型用于表示所述目标地区对应的各个油气储层在地下的位置。
6.根据权利要求5所述的装置,其特征在于,所述确定模块,用于:
基于目标地区内各个井的测井数据中包括的岩性数据和伽马值,确定在不同的伽马值下,砂岩和泥岩分别对应的含量值;
基于所述不同的伽马值下的砂岩和泥岩分别对应的含量值,确定用于将砂岩、泥岩进行区分的伽马阈值。
7.根据权利要求5所述的装置,其特征在于,所述确定模块,用于:
基于所述测井数据中油气储层与其他层分别对应的电阻率数据和所述伽马数据,确定将油气储层与其他层进行区分的电阻率阈值。
8.根据权利要求1所述的装置,其特征在于,所述确定模块,用于:
基于所述地震数据以及所述目标地区内各个井的位置信息,确定所述每个井对应与周围不同数目的井的第一相关指数;
基于所述每个井对应与周围不同数目的井的第一相关指数,确定所述有效样本数;
基于所述地震数据以及所述目标地区内各个井的位置信息,确定在不同地震频率下所述各个井的位置对应的地震波形与测井波形的第二相关指数;
基于不同地震频率下所述各个井的位置对应的第二相关指数,确定所述最佳截止频率。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求4任一项所述的预测油气储层的方法所执行的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如权利要求1至权利要求4任一项所述的预测油气储层的方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110949679.9A CN115708001A (zh) | 2021-08-18 | 2021-08-18 | 预测油气储层的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110949679.9A CN115708001A (zh) | 2021-08-18 | 2021-08-18 | 预测油气储层的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115708001A true CN115708001A (zh) | 2023-02-21 |
Family
ID=85212469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110949679.9A Pending CN115708001A (zh) | 2021-08-18 | 2021-08-18 | 预测油气储层的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115708001A (zh) |
-
2021
- 2021-08-18 CN CN202110949679.9A patent/CN115708001A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109696706B (zh) | 盐构造检测方法、装置及存储介质 | |
CN112922589A (zh) | 尖灭线确定方法、装置、终端及存储介质 | |
CN111077570B (zh) | 确定油藏中辉绿岩的侵入位置的方法、装置和存储介质 | |
CN109281648B (zh) | 确定油藏的合理井网密度的方法和装置 | |
CN110673214B (zh) | 预测水平井的入口靶点和末端点的深度的方法和装置 | |
CN108733902B (zh) | 油藏渗透率的确定方法、装置及存储介质 | |
CN109116424B (zh) | 地震波数据的低波数噪音分离方法、装置及存储介质 | |
CN109343113B (zh) | 一种预测油气藏位置的方法和装置 | |
CN113216926A (zh) | 页岩气井的筛选方法、装置、终端及存储介质 | |
CN115708001A (zh) | 预测油气储层的方法、装置、设备及存储介质 | |
CN114280686A (zh) | 碳酸盐岩储层的岩心物性分析方法及设备 | |
CN112698391B (zh) | 砂体刻画方法、装置、设备及存储介质 | |
CN114839679B (zh) | 处理裂缝检测数据的方法、装置、设备及存储介质 | |
CN110058306B (zh) | 确定三维速度体的方法、装置及计算机存储介质 | |
CN111075439B (zh) | 确定砾岩储层有效厚度的方法、装置和存储介质 | |
CN112987105B (zh) | 定量预测地下岩盐层分布的方法、装置、终端和存储介质 | |
CN113418848B (zh) | 岩心的渗透参数的确定方法、装置、设备及存储介质 | |
CN113139877B (zh) | 页岩气井的筛选方法及装置 | |
CN113153284B (zh) | 束缚水饱和参数的确定方法、装置、设备和存储介质 | |
CN110630254B (zh) | 油水层的区分方法、装置及计算机可读存储介质 | |
CN114527505A (zh) | 薄层识别方法、装置、设备及存储介质 | |
CN115478836A (zh) | 孔隙参数的阈值信息确定方法、装置、设备及存储介质 | |
CN115163056A (zh) | 动态储量的确定方法、装置、计算机设备及存储介质 | |
CN110927788A (zh) | 检测地层不连续性的方法、装置及存储介质 | |
CN115576009A (zh) | 断层的确定方法、装置、计算机设备和存储介质 |
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 |