CN116027431A - 储层含气性预测方法、装置、存储介质及电子设备 - Google Patents
储层含气性预测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116027431A CN116027431A CN202111250079.XA CN202111250079A CN116027431A CN 116027431 A CN116027431 A CN 116027431A CN 202111250079 A CN202111250079 A CN 202111250079A CN 116027431 A CN116027431 A CN 116027431A
- Authority
- CN
- China
- Prior art keywords
- seismic data
- frequency
- low
- stack seismic
- gas
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及地震勘探领域,具体涉及一种储层含气性预测方法、装置及电子设备,解决了现有技术中难以获得良好的含气性预测成果的问题。方法包括:获取目标储层的叠前地震数据;对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
Description
技术领域
本申请涉及地震勘探技术领域,特别地涉及一种储层含气性预测方法、装置、存储介质及电子设备。
背景技术
储层含气性预测技术是地球物理油气勘探领域中的关键技术之一,良好的含气性预测成果有助于气藏的高效勘探与开发。含气性预测主要采用基于地震属性的方法进行。由于储层含气会引起“高频衰减和低频共振”等现象,这种现象可以被频率相关地震属性所表征,进而被利用来预测储层含气性,因此常用的反映储层含气性的地震属性均与频率域(时频域)属性有关,且现阶段技术集中在利用高频衰减相关属性进行含气性预测。然而数据的高频成分容易受到地层吸收衰减和噪声的影响,品质难以保证,获得的高频相关属性很可能是地层吸收衰减和噪声引起的,难以真正反演储层含气引起的异常,也就难以获得良好的含气性预测成果。
常规高频属性提取方法简介如下:高频端由于油气的存在使得地震信号的能力衰减增大,可以通过频率衰减梯度来进行油气检测。在时频剖面上把检测到的最大能量作为fmax,再计算fmax的65%和85%的地震波能量f65和f85,然后拟合f85到f65的曲线,获取拟合直线的斜率,该斜率K作为高频衰减梯度属性进行检测;这种拟合直线获取斜率作为属性的方法利用的是一种平均思维,即不考虑f65和f85之间的地震波能量变化,常用的其他类属性也都如此。当f65和f85之间存在由于油气引起的异常时,常会被平均掉,难以检测。
叠后地震数据具有较高的信噪比,常规地震属性分析建立在叠后地震数据基础之上,但是全角度多次叠加容易损失或模糊地震资料中某些反映岩性或油气性的有用信息,使得从叠后地震数据中提取出的地震属性对储层特征的敏感性降低,导致叠后属性在解决地质问题时多解性更加严重。
发明内容
针对现有技术中的难以获得良好的含气性预测成果问题,本申请提供一种储层含气性预测方法、装置、存储介质及电子设备。
第一方面,本申请提供了一种储层含气性预测方法,所述方法包括:
获取目标储层的叠前地震数据;
对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;
对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;
根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
上述实施方式中,对目标储层的叠前地震数据进行预处理,再对预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。根据低频不连续属性对目标储层的含气性进行预测。利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据的步骤,包括:
确定所述叠前地震数据中的最大角度值;
对所述叠前地震数据进行振幅随偏移距的变化进行特征分析,以确定振幅由弱变强的拐点;
根据所述最大角度值以及所述拐点确定角度范围;
根据所述角度范围从所述叠前地震数据中选取目标叠前地震数据;
对所述目标叠前地震数据进行部分叠加处理,以得到预处理后的叠前地震数据。
上述实施方式中,由于叠前地震数据中存在多一维的角度信息,因此,需要对叠前地震数据进行预处理,以保证根据预处理后的叠前地震数据对目标储层进行准确的含气性预测。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述根据所述最大角度值以及所述拐点确定角度范围的步骤,包括:
确定所述拐点对应的角度为初始角度;
根据所述最大角度值及预设比例确定范围长度;
根据所述初始角度及所述范围长度确定角度范围。
上述实施方式中,叠前地震数据中存在多一维的角度信息,可以根据叠前地震数据的角度值以及叠前地震数据的振幅特征确定角度范围,以根据角度范围从叠前地震数据中选出目标叠前地震数据。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性的步骤,包括:
获取低频不连续属性的提取范围;
确定所述预处理后的叠前地震数据中的每个频率点的斜率与频率的乘积值;
确定所述提取范围内所述乘积值的和为低频不连续属性。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述获取低频不连续属性的提取范围的步骤,包括:
确定所述预处理后的叠前地震数据的频谱最大值;
根据所述频谱最大值及预设比例范围确定所述提取范围。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述获取低频不连续属性的提取范围的步骤,包括:
获取与所述目标储层对应的样本井;
提取所述样本井的低频不连续属性;
根据所述样本井的低频不连续属性确定所述提取范围。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述根据所述样本井的低频不连续属性确定所述提取范围的步骤,包括:
根据所述样本井的低频不连续属性确定初始范围;
获取所述样本井的含气性与含水性的差值作为能量;
根据所述能量采用模拟退火算法对所述初始范围进行优化,以得到所述提取范围。
第二方面,本申请还提供了一种储层含气性预测装置,所述装置包括:叠前地震数据获取模块,用于获取目标储层的叠前地震数据;
预处理模块,用于对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;
低频不连续属性提取模块,用于对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;
含气性预测模块,用于根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述预处理模块包括:
最大角度值确定单元,用于确定所述叠前地震数据中的最大角度值;
拐点确定单元,用于对所述叠前地震数据进行振幅随偏移距的变化进行特征分析,以确定振幅由弱变强的拐点;
角度范围确定单元,用于根据所述最大角度值以及所述拐点确定角度范围;
目标叠前地震数据选取单元,用于根据所述角度范围从所述叠前地震数据中选取目标叠前地震数据;
叠加处理单元,用于对所述目标叠前地震数据进行部分叠加处理,以得到预处理后的叠前地震数据。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述角度范围确定单元包括:
初始角度确定子单元,用于确定所述拐点对应的角度为初始角度;
范围长度确定子单元,用于根据所述最大角度值及预设比例确定范围长度;
角度范围确定子单元,用于根据所述初始角度及所述范围长度确定角度范围。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述低频不连续属性提取模块包括:
提取范围获取单元,用于获取低频不连续属性的提取范围;
乘积值确定单元,用于确定所述预处理后的叠前地震数据中的每个频率点的斜率与频率的乘积值;
低频不连续属性确定单元,用于确定所述提取范围内所述乘积值的和为低频不连续属性。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述提取范围获取单元包括:
频谱最大值确定子单元,用于确定所述预处理后的叠前地震数据的频谱最大值;
第一提取范围确定子单元,用于根据所述频谱最大值及预设比例范围确定所述提取范围。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述提取范围获取单元包括:
样本井获取子单元,用于获取与所述目标储层对应的样本井;
低频不连续属性提取子单元,用于提取所述样本井的低频不连续属性;
第二提取范围确定子单元,用于根据所述样本井的低频不连续属性确定所述提取范围。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述第二提取范围确定子单元包括:
初始范围确定子单元,用于根据所述样本井的低频不连续属性确定初始范围;
能量获取子单元,用于获取所述样本井的含气性与含水性的差值作为能量;
提取范围计算子单元,用于根据所述能量采用模拟退火算法对所述初始范围进行优化,以得到所述提取范围。
第三方面,本申请提供了一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如上述的储层含气性预测方法。
第四方面,本申请提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行上述的储层含气性预测方法。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本申请提供的一种储层含气性预测方法、装置、存储介质及电子设备,所述方法包括:获取目标储层的叠前地震数据;对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。上述实施方式中,对目标储层的叠前地震数据进行预处理,再对预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。根据低频不连续属性对目标储层的含气性进行预测。利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例一提供的一种储层含气性预测方法的流程示意图。
图2为本申请实施例二提供的一种振幅随偏移距的变化特征分析的分析结果示意图。
图3为本申请实施例三提供的一种属性提取结果的示意图。
图4为本申请实施例四提供的一种储层含气性预测装置的示意图。
图5为本申请实施例六提供的一种电子设备的连接框图。
在附图中,相同的部件使用相同的附图标记,附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本申请的保护范围之内。
叠后地震数据具有较高的信噪比,常规地震属性分析常常建立在叠后地震数据基础之上。但是全角度多次叠加容易损失或模糊地震资料中某些反映岩性或油气性的有用信息,使得从叠后地震数据中提取出的地震属性对储层特征的敏感性降低,导致叠后属性在解决地质问题时多解性更加严重。叠前地震数据与叠后地震数据相比,包含了更加丰富的地层信息,对地下构造、岩性以及物性参数等的反映更加灵敏。本申请所提供的储层含气性预测方法是基于叠前地震数据而提出的。
实施例一
本发明提供一种储层含气性预测方法,请参阅图1,该方法包括如下步骤:
步骤S110:获取目标储层的叠前地震数据。
叠前地震数据相对于叠后地震数据由更加丰富的振幅和旅行时信息,一些细微的地层特征在叠前地震数据中可以体现出来。因此,可以获取目标储层的叠前地震数据,从而保证能够最大程度得到较多的目标储层的特征信息,继而保证后续准确的进行储层含气性预测。
步骤S120:对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据。
由于叠后地震数据等于自激自收数据,入射角为90度,因此在利用叠后地震数据进行衰减属性提取时不需要优选采用的地震角度。而拟采用叠前地震数据进行低频不连续属性提取时,由于叠前地震数据存在多一维的角度信息,所以选取一定入射角的叠前地震数据作为数据基础,然后进行属性提取。因此,需要对叠前地震数据进行预处理,从而保证预测结果的准确性。
步骤S130:对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。
在利用叠前地震数据对储层含气性进行预测时,由于地震数据受到地下断裂或裂缝的影响,高频信息部分振幅损失严重,使得储层预测结果经常不能与真实储层的实际情况相吻合,因此,可以利用地震数据的低频不连续属性对目标储层的含气性进行预测,从而保证预测结果的准确性。
步骤S140:根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
在根据低频不连续属性对目标储层的含气性进行预测之前,可以根据对其他储层的低频不连续属性数据以及含气性进行分析,并建立好低频不连续属性与含气性的关系。例如,可以采用神经网络的方法建立表示低频不连续属性与含气性关系的预测模型,也可以采用其他方式进行建立,此处不作具体的限制。
综上所述,本申请提供一种储层含气性预测方法,包括:获取目标储层的叠前地震数据;对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。上述实施方式中,对目标储层的叠前地震数据进行预处理,再对预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。根据低频不连续属性对目标储层的含气性进行预测。利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
实施例二
在实施例一的基础上,本实施例通过具体实施案例对实施例一中的方法进行说明。
由于叠前地震数据存在多一维的角度信息,所以可以选取一定入射角的叠前数据作为数据基础,即对叠前地震数据进行预处理。
根据本申请的实施例,可选的,上述储层含气性预测方法中,所述对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据的步骤S120,包括以下步骤:
步骤S121:确定所述叠前地震数据中的最大角度值。
目标储层的目的层深度处能获取的叠前地震数据中的最大角度theta_max。
步骤S121:对所述叠前地震数据进行振幅随偏移距的变化进行特征分析,以确定振幅由弱变强的拐点。
一般目标储层的叠前地震数据受到采集条件的影响,会出现弱强弱的特征。因此,可以结合数据振幅随偏移距的变化(Amplitude variation with offset,AVO)特征分析,确定出叠前地震数据中振幅幽若变强的拐点。AVO(技术用于研究地震反射振幅随炮点与接收器之间的距离即炮检距(或入射角)的变化特征来探讨反射系数响应随炮检距(或入射角)的变化,进而确定反射界面上覆、下伏介质的岩性特征及物性参数。借助AVO分析可以更好地评估油气藏岩石属性,包括孔隙度、密度、岩性与流体含量等属性参数。AVO的理论基础是佐伊普里兹方程(Zoeppritz's equafion),根据AVO理论发展的叠前地震反演,可以通过观测地震数据预测地层弹性参数,是重要的地震数据定量解释技术。
步骤S121:根据所述最大角度值以及所述拐点确定角度范围;
得到最大角度值及拐点后,即可根据其确定出角度范围。
可选的,上述储层含气性预测方法中,所述根据所述最大角度值以及所述拐点确定角度范围的步骤S121,包括以下步骤:
步骤S1211:确定所述拐点对应的角度为初始角度。
步骤S1212:根据所述最大角度值及预设比例确定范围长度。
步骤S1213:根据所述初始角度及所述范围长度确定角度范围。
例如,将由弱变强的拐点处作为初始角度,将最大角度theta_max的1/3作为范围长度,选取从初始角度开始范围长度内的角度作为角度范围。如图2所示,如果theta_max=30,那么范围长度则为10。结合振幅随偏移距的变化AVO进行特征分析获取的振幅由弱变强的拐点所对应的角度为12,那么选取的基础数据角度范围为12-22。
步骤S121:根据所述角度范围从所述叠前地震数据中选取目标叠前地震数据。
步骤S121:对所述目标叠前地震数据进行部分叠加处理,以得到预处理后的叠前地震数据。
确定好角度范围之后,从叠前地震数据中选取角度在该角度范围内的叠前地震数据作为目标叠前地震数据。然后对目标叠前地震数据进行部分叠加处理,以获取预处理后的叠前地震数据。
实施例三
在实施例一的基础上,本实施例通过具体实施案例对实施例一中的方法进行说明。
高频端由于油气的存在使得地震信号的能力衰减增大,可以通过频率衰减梯度来进行油气检测。在时频剖面上把检测到的最大能量作为fmax,再计算fmax的65%和85%的地震波能量f65和f85,然后拟合f85到f65的曲线,获取拟合直线的斜率,并将该斜率K作为高频衰减梯度属性进行检测,如图3所示。
这种拟合利用的是一种平均思维,即不考虑f65和f85之间的地震波能量变化,常用的其他类属性也都如此。相应的,在低频段有对应的低频衰减属性。
因此在进行低频不连续属性提取时,可以利用的就是低频段的f65和f85作为拟合的起止位置,得到相应的拟合直线,并根据该拟合直线确定低频不连续属性。
作为另一种实施方式,本申请还提供了一种可以反映每一个频率点的低频不连续属性的提取方法。其中,每一个频率点可以为不连续的。根据本申请的实施例,可选的,上述储层含气性预测方法中,所述对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性的步骤S130,包括以下步骤:
步骤S131:获取低频不连续属性的提取范围。
低频不连续属性的提取范围可以是预先存储于数据库中或预先设置好的,也可以是根据相关数据进行确定的,此处对获取的具体方法不作赘述。
步骤S132:确定所述预处理后的叠前地震数据中的每个频率点的斜率与频率的乘积值。
由于频谱的本身特征会导致高频斜率会较低,而低频斜率会较高,为了平衡属性,并真实的反映出异常,可以将每个频率点的斜率与频率点相乘。
步骤S133:确定所述提取范围内所述乘积值的和为低频不连续属性。
然后在提取范围内对乘积值进行求和,可以得到低频不连续属性。
其中,在获取低频不连续属性的提取范围时,除了直接获取的方式,还可以通过以下几种方式进行获取。
第一种实施方式,所述获取低频不连续属性的提取范围时,可以先确定所述预处理后的叠前地震数据的频谱最大值,然后根据所述频谱最大值及预设比例范围确定所述提取范围。
第二种实施方式,获取低频不连续属性的提取范围时,可以先获取与所述目标储层对应的样本井,然后提取所述样本井的低频不连续属性,再根据所述样本井的低频不连续属性确定所述提取范围。
其中,所述根据所述样本井的低频不连续属性确定所述提取范围的步骤,包括以下过程。首先,根据所述样本井的低频不连续属性确定初始范围,然后获取所述样本井的含气性与含水性的差值作为能量,最终,根据所述能量采用模拟退火算法对所述初始范围进行优化,以得到所述提取范围。
选取研究区典型的含气高产井和含水或致密储层的井作为样本井,并分别提取该样本井的低频不连续属性,并将提取的低频不连续属性的频率范围作为提取范围(即ftop和fbot),该提取范围可以作为可更改的变量进行优化。将含气性与含水性的差值作为模拟退火算法的能量,将提取范围作为拟优化参数,可以获得最终的频率范围(即ftop和fbot)。
可以理解地,在对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性时,若已经获取了低频不连续属性的提取范围,则可以根据上述获取低频不连续属性的提取范围的实施方式对初低频不连续属性的提取范围进行优化,从而保证能够进行准确的低频不连续属性提取。
例如,在获取低频不连续属性的提取范围时,是直接从数据库中获取的预存提取范围,或者是使用上一次进行低频不连续属性提取的提取范围,则在之后,可以利用上述方法获取低频不连续属性的提取范围,然后对以获取的提取范围进行优化,从而保证根据优化后的提取范围能够更准确的获取到低频不连续属性,
作为一种具体的实施方式,在对低频不连续属性进行提取时,可以根据以下公式进行低频不连续属性的提取:
其中,ftop以及fbot可以利用最大振幅的预设比例范围进行确定,例如,将最大振幅的85%和65%作为ftop以及fbot。也可利用样本井的低频不连续属性确定所述提取范围确定。
由于频谱的本身特征导致高频斜率会较低,低频斜率会较高,为了平衡属性并真实反映异常,可以利用每一个频率点的斜率与频率的乘积作为每点的属性值,将fbot到ftop范围内的所有属性值相加,获取Kd低频不连续属性。
实施例四
请参看图4,本申请提供了一种储层含气性预测装置400,该装置包括:
叠前地震数据获取模块410,用于获取目标储层的叠前地震数据;
预处理模块420,用于对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;
低频不连续属性提取模块430,用于对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;
含气性预测模块440,用于根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述预处理模块420包括:
最大角度值确定单元,用于确定所述叠前地震数据中的最大角度值;
拐点确定单元,用于对所述叠前地震数据进行振幅随偏移距的变化进行特征分析,以确定振幅由弱变强的拐点;
角度范围确定单元,用于根据所述最大角度值以及所述拐点确定角度范围;
目标叠前地震数据选取单元,用于根据所述角度范围从所述叠前地震数据中选取目标叠前地震数据;
叠加处理单元,用于对所述目标叠前地震数据进行部分叠加处理,以得到预处理后的叠前地震数据。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述角度范围确定单元包括:
初始角度确定子单元,用于确定所述拐点对应的角度为初始角度;
范围长度确定子单元,用于根据所述最大角度值及预设比例确定范围长度;
角度范围确定子单元,用于根据所述初始角度及所述范围长度确定角度范围。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述低频不连续属性提取模块430包括:
提取范围获取单元,用于获取低频不连续属性的提取范围;
乘积值确定单元,用于确定所述预处理后的叠前地震数据中的每个频率点的斜率与频率的乘积值;
低频不连续属性确定单元,用于确定所述提取范围内所述乘积值的和为低频不连续属性。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述提取范围获取单元包括:
频谱最大值确定子单元,用于确定所述预处理后的叠前地震数据的频谱最大值;
第一提取范围确定子单元,用于根据所述频谱最大值及预设比例范围确定所述提取范围。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述提取范围获取单元包括:
样本井获取子单元,用于获取与所述目标储层对应的样本井;
低频不连续属性提取子单元,用于提取所述样本井的低频不连续属性;
第二提取范围确定子单元,用于根据所述样本井的低频不连续属性确定所述提取范围。
根据本申请的实施例,可选的,上述储层含气性预测装置中,所述第二提取范围确定子单元包括:
初始范围确定子单元,用于根据所述样本井的低频不连续属性确定初始范围;
能量获取子单元,用于获取所述样本井的含气性与含水性的差值作为能量;
提取范围计算子单元,用于根据所述能量采用模拟退火算法对所述初始范围进行优化,以得到所述提取范围。
综上所述,本申请提供一种储层含气性预测装置,包括:叠前地震数据获取模块410,用于获取目标储层的叠前地震数据;预处理模块420,用于对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;低频不连续属性提取模块430,用于对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;含气性预测模块440,用于根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。上述实施方式中,对目标储层的叠前地震数据进行预处理,再对预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。根据低频不连续属性对目标储层的含气性进行预测。利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
实施例五
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,所述计算机程序被处理器执行时可以实现如下方法步骤:
步骤S110:获取目标储层的叠前地震数据;
步骤S120:对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;
步骤S130:对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;
步骤S140:根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
上述实施方式中,对目标储层的叠前地震数据进行预处理,再对预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。根据低频不连续属性对目标储层的含气性进行预测。利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
可选的,上述储层含气性预测方法中,所述对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据的步骤,包括:
确定所述叠前地震数据中的最大角度值;
对所述叠前地震数据进行振幅随偏移距的变化进行特征分析,以确定振幅由弱变强的拐点;
根据所述最大角度值以及所述拐点确定角度范围;
根据所述角度范围从所述叠前地震数据中选取目标叠前地震数据;
对所述目标叠前地震数据进行部分叠加处理,以得到预处理后的叠前地震数据。
上述实施方式中,由于叠前地震数据中存在多一维的角度信息,因此,需要对叠前地震数据进行预处理,以保证根据预处理后的叠前地震数据对目标储层进行准确的含气性预测。
可选的,上述储层含气性预测方法中,所述根据所述最大角度值以及所述拐点确定角度范围的步骤,包括:
确定所述拐点对应的角度为初始角度;
根据所述最大角度值及预设比例确定范围长度;
根据所述初始角度及所述范围长度确定角度范围。
上述实施方式中,叠前地震数据中存在多一维的角度信息,可以根据叠前地震数据的角度值以及叠前地震数据的振幅特征确定角度范围,以根据角度范围从叠前地震数据中选出目标叠前地震数据。
可选的,上述储层含气性预测方法中,所述对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性的步骤,包括:
获取低频不连续属性的提取范围;
确定所述预处理后的叠前地震数据中的每个频率点的斜率与频率的乘积值;
确定所述提取范围内所述乘积值的和为低频不连续属性。
可选的,上述储层含气性预测方法中,所述获取低频不连续属性的提取范围的步骤,包括:
确定所述预处理后的叠前地震数据的频谱最大值;
根据所述频谱最大值及预设比例范围确定所述提取范围。
可选的,上述储层含气性预测方法中,所述获取低频不连续属性的提取范围的步骤,包括:
获取与所述目标储层对应的样本井;
提取所述样本井的低频不连续属性;
根据所述样本井的低频不连续属性确定所述提取范围。
可选的,上述储层含气性预测方法中,所述根据所述样本井的低频不连续属性确定所述提取范围的步骤,包括:
根据所述样本井的低频不连续属性确定初始范围;
获取所述样本井的含气性与含水性的差值作为能量;
根据所述能量采用模拟退火算法对所述初始范围进行优化,以得到所述提取范围。
上述方法步骤的具体实施例过程可参见实施例一,本实施例在此不再重复赘述。
实施例六
本申请实施例提供了一种电子设备,该电子设备可以是手机、电脑或平板电脑等,包括存储器和处理器,所述存储器上存储有计算器程序,该计算机程序被处理器执行时实现如实施例一中所述的储层含气性预测方法。可以理解,如图5所示,该电子设备500还可以包括:处理器501,存储器502,多媒体组件503,输入/输出(I/O)接口504,以及通信组件505。
其中,处理器501用于执行如实施例一中的储层含气性预测方法中的全部或部分步骤。存储器502用于存储各种类型的数据,这些数据例如可以包括电子设备中的任何应用程序或方法的指令,以及应用程序相关的数据。
处理器501可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例一中的储层含气性预测方法。
存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
多媒体组件503可以包括屏幕和音频组件,该屏幕可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。
I/O接口504为处理器501和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件505用于该电子设备500与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件505可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
综上,本申请提供的一种储层含气性预测方法、装置、存储介质及电子设备,该方法包括:获取目标储层的叠前地震数据;对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。上述实施方式中,对目标储层的叠前地震数据进行预处理,再对预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性。根据低频不连续属性对目标储层的含气性进行预测。
利用叠前地震数据和低频不连续属性进行含气性预测,可以达到避免采用高频信息和叠后地震数据进行含气性预测时存在不准确的缺点,也可以体现更多油气引起的细节异常,进而获得更准确的目标储层含气性预测成果。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上,但所述的内容只是为了便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种储层含气性预测方法,其特征在于,所述方法包括:
获取目标储层的叠前地震数据;
对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;
对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;
根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
2.根据权利要求1所述的方法,其特征在于,所述对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据的步骤,包括:
确定所述叠前地震数据中的最大角度值;
对所述叠前地震数据进行振幅随偏移距的变化进行特征分析,以确定振幅由弱变强的拐点;
根据所述最大角度值以及所述拐点确定角度范围;
根据所述角度范围从所述叠前地震数据中选取目标叠前地震数据;
对所述目标叠前地震数据进行部分叠加处理,以得到预处理后的叠前地震数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述最大角度值以及所述拐点确定角度范围的步骤,包括:
确定所述拐点对应的角度为初始角度;
根据所述最大角度值及预设比例确定范围长度;
根据所述初始角度及所述范围长度确定角度范围。
4.根据权利要求1所述的方法,其特征在于,所述对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性的步骤,包括:
获取低频不连续属性的提取范围;
确定所述预处理后的叠前地震数据中的每个频率点的斜率与频率的乘积值;
确定所述提取范围内所述乘积值的和为低频不连续属性。
5.根据权利要求4所述的方法,其特征在于,所述获取低频不连续属性的提取范围的步骤,包括:
确定所述预处理后的叠前地震数据的频谱最大值;
根据所述频谱最大值及预设比例范围确定所述提取范围。
6.根据权利要求4所述的方法,其特征在于,所述获取低频不连续属性的提取范围的步骤,包括:
获取与所述目标储层对应的样本井;
提取所述样本井的低频不连续属性;
根据所述样本井的低频不连续属性确定所述提取范围。
7.根据权利要求6所述的方法,其特征在于,所述根据所述样本井的低频不连续属性确定所述提取范围的步骤,包括:
根据所述样本井的低频不连续属性确定初始范围;
获取所述样本井的含气性与含水性的差值作为能量;
根据所述能量采用模拟退火算法对所述初始范围进行优化,以得到所述提取范围。
8.一种储层含气性预测装置,其特征在于,所述装置包括:
叠前地震数据获取模块,用于获取目标储层的叠前地震数据;
预处理模块,用于对所述叠前地震数据进行预处理,以得到预处理后的叠前地震数据;
低频不连续属性提取模块,用于对所述预处理后的叠前地震数据进行低频不连续属性提取,以得到低频不连续属性;
含气性预测模块,用于根据所述低频不连续属性以及预先建立好的低频不连续属性与含气性的关系对所述目标储层的含气性进行预测。
9.一种存储介质,其特征在于,所述存储介质存储的计算机程序,在被一个或多个处理器执行时,用来实现如权利要求1-7中任意一项所述的方法。
10.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250079.XA CN116027431A (zh) | 2021-10-26 | 2021-10-26 | 储层含气性预测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250079.XA CN116027431A (zh) | 2021-10-26 | 2021-10-26 | 储层含气性预测方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116027431A true CN116027431A (zh) | 2023-04-28 |
Family
ID=86073163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111250079.XA Pending CN116027431A (zh) | 2021-10-26 | 2021-10-26 | 储层含气性预测方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116027431A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192603A (zh) * | 2023-09-11 | 2023-12-08 | 大庆油田有限责任公司 | 一种识别含气储层的地震属性提取方法 |
-
2021
- 2021-10-26 CN CN202111250079.XA patent/CN116027431A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192603A (zh) * | 2023-09-11 | 2023-12-08 | 大庆油田有限责任公司 | 一种识别含气储层的地震属性提取方法 |
CN117192603B (zh) * | 2023-09-11 | 2024-03-15 | 大庆油田有限责任公司 | 一种识别含气储层的地震属性提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hunt et al. | Quantitative estimate of fracture density variations in the Nordegg with azimuthal AVO and curvature: A case study | |
Xiao et al. | A fracture identification method for low-permeability sandstone based on R/S analysis and the finite difference method: A case study from the Chang 6 reservoir in Huaqing oilfield, Ordos Basin | |
US20120140593A1 (en) | Time-lapse seismic comparisons using pre-stack imaging and complex wave field comparisons to improve accuracy and detail | |
CN107450108B (zh) | 甜点区的确定方法和装置 | |
AU2013100760A4 (en) | A workflow for seismic lithologic characterization | |
CN113687440A (zh) | 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 | |
Farrugia et al. | Validation of 1D earthquake site characterization methods with observed earthquake site amplification in Alberta, Canada | |
Wang et al. | Relational database for horizontal‐to‐vertical spectral ratios | |
US20190179043A1 (en) | Generating a velocity model for a subsurface structure using refraction traveltime tomography | |
CN116027431A (zh) | 储层含气性预测方法、装置、存储介质及电子设备 | |
CN113994237A (zh) | 使用频率斜率进行直接气藏检测的方法和系统 | |
US11650349B2 (en) | Generating dynamic reservoir descriptions using geostatistics in a geological model | |
WO2020167654A1 (en) | Genetic quality of pick attribute for seismic cubes and surfaces | |
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 | |
CN113327070B (zh) | 智能勘查煤系气的方法、装置及电子设备 | |
CN112666610B (zh) | 地层有机碳含量计算方法及系统 | |
CN111077577B (zh) | 井地联合储层描述方法及装置 | |
CN110805434B (zh) | 复杂地层岩性识别方法及系统 | |
CN114428298A (zh) | 断溶体分带性的识别方法、装置、电子设备及存储介质 | |
Liu et al. | Robust prestack seismic facies analysis using shearlet transform-based deep learning | |
Al-Gawas et al. | Fracture detection via correlating P-wave amplitude variation with offset and azimuth analysis and well data in eastern central Saudi Arabia | |
CN110632661B (zh) | 一种油气储层预测方法、装置、设备及存储介质 | |
CN113640873B (zh) | 砂岩型铀矿叠前地震预测方法及装置 | |
US11796699B2 (en) | System and methods for determining a converted wave attenuated vertical seismic profile of a hydrocarbon reservoir | |
CN111123369B (zh) | 地质勘探检波方法、装置、设备和介质 |
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 |