CN116299701B - 断溶体储层识别方法、装置及电子设备 - Google Patents

断溶体储层识别方法、装置及电子设备 Download PDF

Info

Publication number
CN116299701B
CN116299701B CN202310161846.2A CN202310161846A CN116299701B CN 116299701 B CN116299701 B CN 116299701B CN 202310161846 A CN202310161846 A CN 202310161846A CN 116299701 B CN116299701 B CN 116299701B
Authority
CN
China
Prior art keywords
attribute
target
fusion
volume
data
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.)
Active
Application number
CN202310161846.2A
Other languages
English (en)
Other versions
CN116299701A (zh
Inventor
王力
冯洋洋
杨瑞召
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sunshine Jiao Energy Technology Co ltd
China University of Mining and Technology Beijing CUMTB
Original Assignee
Beijing Sunshine Jiao Energy Technology Co ltd
China University of Mining and Technology Beijing CUMTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sunshine Jiao Energy Technology Co ltd, China University of Mining and Technology Beijing CUMTB filed Critical Beijing Sunshine Jiao Energy Technology Co ltd
Priority to CN202310161846.2A priority Critical patent/CN116299701B/zh
Publication of CN116299701A publication Critical patent/CN116299701A/zh
Application granted granted Critical
Publication of CN116299701B publication Critical patent/CN116299701B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G01V2210/642—Faults
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

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

本发明提供了一种断溶体储层识别方法、装置及电子设备，先获取目标区域的地震数据和目标区域内每个目标井位在目标地质层的测井数据，再基于地震数据分别计算目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性，之后基于地震数据和全部目标井位在目标地质层的测井数据反演得到目标地质层的波阻抗数据体属性，并对波阻抗数据体属性进行趋势分析以得到目标地质层的剩余阻抗数据体属性，之后基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合，从而得到目标地质层的断溶体属性。采用本发明可以实现对目标区域断溶体储层的半定量识别与描述。

Description

断溶体储层识别方法、装置及电子设备
技术领域
本发明涉及油气勘探技术领域，尤其是涉及一种断溶体储层识别方法、装置及电子设备。
背景技术
塔里木盆地奥陶系断溶体型储层属于岩溶缝洞型碳酸盐岩储层，储层类型特殊，不同于常规的孔隙型碎屑岩及我国东部的裂缝型碳酸盐岩储层。近年来，塔里木盆地顺北地区埋深7 000m以下特深碳酸盐岩领域获得重大油气突破。前期勘探研究表明，塔里木顺北地区奥陶系碳酸盐岩储层是受断裂、岩溶、热液改造形成的多层段、多类型、多成因裂缝-洞穴型储集体，具备油藏发育条件和成藏基础，已经多次钻遇有利储层和油气富集区，开发潜力巨大。
一方面，复杂的构造情况和埋深使断裂不容易识别；另一方面，上奥陶系一间房组碳酸盐岩与上覆泥岩巨大的岩性差异导致该区块地震剖面上出现强振幅反射现象，增大了储层的识别难度。由于前期勘探表明断溶体储层具有巨大的开发潜力，因而识别和描述断溶体储层对于油气勘探具有重要意义。
发明内容
有鉴于此，本发明的目的在于提供一种断溶体储层识别方法、装置及电子设备，以缓解相关技术中存在的上述问题。
第一方面，本发明实施例提供了一种断溶体储层识别方法，所述方法包括：获取目标区域的地震数据和所述目标区域内每个目标井位在目标地质层的测井数据；其中，所述地震数据表征所述目标区域地质体的三维空间信息；所述测井数据包括多种测井曲线数据；基于所述地震数据分别计算所述目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性；基于所述地震数据和全部目标井位在目标地质层的测井数据反演得到所述目标地质层的波阻抗数据体属性，并对所述波阻抗数据体属性进行趋势分析，得到所述目标地质层的剩余阻抗数据体属性；基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合，得到所述目标地质层的断溶体属性。
第二方面，本发明实施例还提供一种断溶体储层识别装置，所述装置包括：获取模块，用于获取目标区域的地震数据和所述目标区域内每个目标井位在目标地质层的测井数据；其中，所述地震数据表征所述目标区域地质体的三维空间信息；所述测井数据包括多种测井曲线数据；第一计算模块，用于基于所述地震数据分别计算所述目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性；第二计算模块，用于基于所述地震数据和全部目标井位在目标地质层的测井数据反演得到所述目标地质层的波阻抗数据体属性，并对所述波阻抗数据体属性进行趋势分析，得到所述目标地质层的剩余阻抗数据体属性；融合模块，用于基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合，得到所述目标地质层的断溶体属性。
第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上述断溶体储层识别方法。
本发明实施例提供的一种断溶体储层识别方法、装置及电子设备，先获取目标区域的地震数据和目标区域内每个目标井位在目标地质层的测井数据，再基于地震数据分别计算目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性，之后基于地震数据和全部目标井位在目标地质层的测井数据反演得到目标地质层的波阻抗数据体属性，并对波阻抗数据体属性进行趋势分析以得到目标地质层的剩余阻抗数据体属性，之后基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合，从而得到目标地质层的断溶体属性。采用上述技术，能够通过属性融合的方式实现对目标区域断溶体储层的半定量识别与描述，从而缓解现有油气勘探技术中存在的难以识别和描述断溶体储层的问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例中一种断溶体储层识别方法的流程示意图；
图2为本发明实施例中AFE相干体、断层概率体、蚂蚁体沿目标地质层的平面示例图；
图3为本发明实施例中目标区域的原始三维地震数据、波阻抗数据体、波阻抗趋势体、剩余阻抗数据体的剖面示例图；
图4为本发明实施例中对目标区域的波阻抗数据体进行中值滤波的示例图；
图5为本发明实施例中目标地质层的断溶体属性的剖面示例图；
图6为本发明实施例中一种断溶体储层识别装置的结构示意图；
图7为本发明实施例中一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种断溶体储层识别方法进行详细介绍，参见图1所示，该方法可以包括以下步骤：
步骤S102，获取目标区域的地震数据和目标区域内每个目标井位在目标地质层的测井数据；其中，地震数据表征目标区域地质体的三维空间信息；测井数据包括多种测井曲线数据。
上述目标地质层可以根据实际的测量需求进行选择，例如可以为奥陶系等，对此不进行限定。上述测井曲线数据可以包括声波曲线、自然伽马、自然电位等，具体可根据实际需要自行选择，对此不进行限定。
步骤S104，基于地震数据分别计算目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性。
上述AFE相干属性用于表征出目标区域的主干断层，上述断层概率体属性用于表征出目标区域的裂缝密集带，上述蚂蚁体属性用于表征出目标区域的次级断层。
示例性地，参见图2所示，其中图2a、图2b、图2c分别为AFE相干体(即AFE相干属性)、断层概率体(即断层概率体属性)、蚂蚁体(即蚂蚁体属性)沿目标地质层的平面示例图。
步骤S106，基于地震数据和全部目标井位在目标地质层的测井数据反演得到目标地质层的波阻抗数据体属性，并对波阻抗数据体属性进行趋势分析，得到目标地质层的剩余阻抗数据体属性。
上述反演的方式可以根据实际情况自行选择，例如，利用Jason软件进行稀疏约束反演等，对此不进行限定。
步骤S108，基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标，对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合，得到目标地质层的断溶体属性。
上述实测融合评价指标用于表征储层的发育程度及规模，实测融合评价指标越高，储层发育程度及规模越好。
本发明实施例提供的一种断溶体储层识别方法，先获取目标区域的地震数据和目标区域内每个目标井位在目标地质层的测井数据，再基于地震数据分别计算目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性，之后基于地震数据和全部目标井位在目标地质层的测井数据反演得到目标地质层的波阻抗数据体属性，并对波阻抗数据体属性进行趋势分析以得到目标地质层的剩余阻抗数据体属性，之后基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合，从而得到目标地质层的断溶体属性。采用上述技术，能够通过属性融合的方式实现对目标区域断溶体储层的半定量识别与描述，从而缓解现有油气勘探技术中存在的难以识别和描述断溶体储层的问题。
作为一种可能的实施方式，上述步骤S104(即基于地震数据分别计算目标区域的AFE相干属性、断层概率体属性、蚂蚁体属)可以包括：
(11)采用小波变换将地震数据分解为低频带地震数据、中频带地震数据和高频带地震数据。
示例性地，可利用Mallat小波变换将目标区域的地震数据谱分解为低、中、高三种频带的地震数据。
Mallat算法是根据多分辨分析理论发展的小波分解算法。频率域小波变换分频算法的计算原理如下：
首先将地震数据中的信号f(t)变换到频率域：
设主频为fm的频率域小波表达式为则地震信号f(t)的某一主频fm的分频信号在频率域可表示为：/>
针对连续频率段[ω1,ω2]求取该频段的分频信号，在频率域的表达为：其中，mi∈[ω1,ω2]，为单频段的范围，C(mi)(i＝1,2,…,N)为随频率变化的系数，称为重构系数。
对h(ω)进行傅里叶反变换可得：取F(t)的实部，即可得到相应频率段重构后的时间地震子波信号数据。
设置响应的低中高频带mi，对整个三维地震数据的所有道进行分析计算，即可得到低中高频带地震数据。
(12)基于低频带地震数据计算AFE相干属性。
示例性地，可基于目标区域的低频带地震数据，利用现有的paradigm软件的Seismic Attributes模块计算目标区域的AFE相干属性；还可基于目标区域的低频带地震数据，利用现有的GeoEast软件计算目标区域的AFE相干属性。在此对目标区域AFE相干属性的计算方式不进行限定。
对于目标区域的每个样点，AFE相干属性计算方式如下： 其中，C为协方差矩阵，λj为协方差矩阵C第j个元素位置的本征值，(p,q)为一对视倾角，C3(p,q)为第三代本征相干值，在此基础上进行线性增强可得到AFE相干属性。
(13)基于中频带地震数据计算断层概率体属性。
对于目标区域的每个样点，断层概率体属性的计算公式如下：F＝1-Sem8，其中，F为断层概率值，F的取值范围为(0,1)，Sem是相似系数值，fi,j表示样点(i,j)的振幅值。
示例性地，可基于目标区域的中频带地震数据，利用现有的paradigm软件的SKUA模块计算目标区域的断层概率体属性；还可基于目标区域的中频带地震数据，利用现有的GeoEast软件计算目标区域的断层概率体属性。在此对目标区域断层概率体属性的计算方式不进行限定。
(14)基于高频带地震数据计算蚂蚁体属性。
示例性地，可基于目标区域的高频带地震数据，利用现有的petrel软件的Volumeattributes模块计算目标区域的蚂蚁体属性；还可基于目标区域的高频带地震数据，利用现有的GeoEast软件计算目标区域的蚂蚁体属性。在此对目标区域蚂蚁体属性的计算方式不进行限定。
作为一种可能的实施方式，上述对波阻抗数据体属性进行趋势分析，得到目标地质层的剩余阻抗数据体属性的步骤可以包括：
(21)采用预先确定的三维滤波参数对波阻抗数据体属性进行中值滤波，得到目标区域的波阻抗趋势体属性。
示例性地，对于目标区域的一个原始三维地震数据的剖面(如图3a所示)，在反演得到目标区域的波阻抗数据体属性(如图3b所示，灰色区域为正常区域，被灰色区域包围的白色区域和被灰色区域包围的黑色区域均为异常区域)后，可采用三维中值滤波器选取合适大小的滤波窗口沿目标地质层倾角方向对波阻抗数据体进行三维中值滤波处理，从而得到目标区域的波阻抗趋势体属性(参见图3c所示，灰度值位于预设的一个正常灰度区间的灰色区域为正常区域，灰度值小于正常灰度区间下限的灰色区域和灰度值大于正常灰度区间上限的灰色区域均为异常区域)。
示例性地，采用三维中值滤波器沿目标地质层倾角方向对波阻抗数据体进行三维中值滤波处理的过程可以为：在波阻抗数据体上沿目标地质层倾角方向移动三维中值滤波器，三维中值滤波器采用滤波窗口中所有样本点的中值代替波阻抗数据体每一个样本点的原始值，在中值滤波的过程中可以分析出滤波窗口中的异常值。由于三维中值滤波处理的方式与二维中值滤波处理的方式原理类似，为了便于描述，在此以采用二维中值滤波器沿目标地质层倾角方向对波阻抗数据体进行二维中值滤波处理为例对波阻抗数据体的三维中值滤波处理进行示例性描述：参见图4所示，二维中值滤波器的滤波窗口大小为2*2，可在波阻抗数据体400上沿目标地质层倾角方向(例如图4中其中一个箭头所指的方向)移动该二维中值滤波器，二维中值滤波器采用滤波窗口中所有样本点401(即图4中带虚线框的样本点)的中值代替波阻抗数据体400每一个样本点401的原始值。
示例性地，在采用三维中值滤波器对目标区域的波阻抗数据体进行三维中值滤波时，可先将三维中值滤波器滤波窗口的尺寸定义为奇数值A(如7*7*7、9*9*9)，之后利用有序指数(k)对滤波窗口中的I个样本点进行排序，即ui(1)(t)≤ui(2)(t)≤…ui(k)(t)≤ui(k+1)(t)≤…ui(I)(t)，得到该滤波窗口中样本点的中值为umedian(t)＝ui(I+1]/)(t)。
(22)将波阻抗数据体属性与波阻抗趋势体属性作差，得到剩余阻抗数据体属性。
示例性地，在通过中值滤波得到目标区域的波阻抗趋势体属性(参见图3c所示)后，可基于目标区域的波阻抗数据体属性(参见图3b所示)和目标区域的波阻抗趋势体属性(参见图3c所示)，按照以下公式计算得到目标区域的剩余阻抗数据体属性(参见图3d所示，白色区域为正常区域，被白色区域包围的灰色区域均为异常区域)：Irimp＝Iimp-Immp，其中，Irimp为目标区域的剩余阻抗数据体属性，Iimp为目标区域的波阻抗数据体属性，Immp为目标区域的阻抗趋势体属性。
作为一种可能的实施方式，上述断溶体储层识别方法还可以包括：
(31)分别采用预先确定的多个一维滤波参数对波阻抗数据体属性进行中值滤波，得到目标区域的多个第一波阻抗趋势体。
(32)将波阻抗数据体属性分别与每个第一波阻抗趋势体作差，得到目标区域的多个第一剩余阻抗数据体。
(33)分别计算每个第一剩余阻抗数据体中厚度小于预设厚度阈值的第一异常厚度体的厚度与目标区域内目标储层的厚度之间的差值，并基于差值最小时所对应的一维滤波参数确定三维滤波参数。
示例性地，可采用滤波窗口尺寸不同的一维中值滤波器分别对目标区域的波阻抗数据体属性进行一维中值滤波处理，从而得到目标区域的多个第一波阻抗趋势体；之后将目标区域的波阻抗数据体属性分别与目标区域的每个第一波阻抗趋势体作差，得到目标区域的一系列的第一剩余阻抗数据体，每个第一剩余阻抗数据体的异常低值值域范围K均可被解释为断溶体缝洞型储层纵向分布范围；之后对于每个第一剩余阻抗数据体，将该第一剩余阻抗数据体中厚度小于预设厚度阈值的范围作为第一异常厚度体，并计算该第一异常厚度体的厚度与目标区域内目标储层的厚度之间的差值；之后从得到的全部差值中选出最小值，并将该最小值所对应一维中值滤波器滤波窗口尺寸大小的三次方确定为用于对目标区域的波阻抗数据体属性进行三维中值滤波的三维中值滤波器滤波窗口的尺寸大小。
作为一种可能的实施方式，上述步骤S108(即基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标，对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合，得到目标地质层的断溶体属性)可以包括：
(41)基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标，分别确定属性融合常数项以及剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性各自的属性融合系数。
具体地，可先基于预设储层划分标准将目标区域内的目标地质层划分为多类储层，例如参考Y/T5388-2000中华人民共和国石油天然气行业标准-碳酸盐岩储层的划分标准将目标区域内的目标地质层划分为一类储层、二类储层、三类储层、围岩等；之后对于目标区域内的每个目标井位，按照以下公式计算该目标井位各类储层的实测融合评价指标：其中，dij为该目标井位第i类储层中第j个储层的厚度，D为该目标井位在目标地质层的总厚度，φ为孔隙度，Yi为该目标井位第i类储层的实测融合评价指标；之后构建一个多元线性回归方程：其中，/>是目标地质层的断溶体属性，β0是属性融合常数项，β1是剩余阻抗数据体属性的属性融合系数，β2是AFE相干属性的属性融合系数，β3是断层概率体属性的属性融合系数，β4是蚂蚁体属性的属性融合系数；对于目标区域内的每个目标井位，根据该目标井位各类储层的实测融合评价指标，采用预先构建的上述多元线性回归方程计算该目标井位各类储层的估计融合评价指标；根据该目标井位各类储层的实测融合评价指标和估计融合评价指标，通过最小二乘法计算得到属性融合常数项以及剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性各自的属性融合系数。
上述最小二乘法的计算方式具体可以为：对于目标区域内的每个目标井位，定义一个目标函数 其中，Yi是该目标井位第i类储层融合评价指标的实际观测值(即实测融合评价指标)，/>是该目标井位第i类储层融合评价指标的理论计算值(即估计融合评价指标)，可通过最小二乘法求解出使目标函数Q的值最小的上述多元线性回归方程的表达式，从而确定出该表达式中的β0、β1、β2、β3和β4。
(42)基于属性融合常数项以及剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性各自的属性融合系数，采用以下公式对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合以得到目标地质层的断溶体属性(参见图5所示，灰色区域为断溶体所在的区域)：
基于上述断溶体储层识别方法，本发明实施例还提供一种断溶体储层识别装置，参见图6所示，该装置可以包括以下模块：
获取模块602，可以用于获取目标区域的地震数据和所述目标区域内每个目标井位在目标地质层的测井数据；其中，所述地震数据表征所述目标区域地质体的三维空间信息；所述测井数据包括多种测井曲线数据。
第一计算模块604，可以用于基于所述地震数据分别计算所述目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性。
第二计算模块606，可以用于基于所述地震数据和全部目标井位在目标地质层的测井数据反演得到所述目标地质层的波阻抗数据体属性，并对所述波阻抗数据体属性进行趋势分析，得到所述目标地质层的剩余阻抗数据体属性；
融合模块608，可以用于基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合，得到所述目标地质层的断溶体属性。
本发明实施例提供的一种断溶体储层识别装置，先获取目标区域的地震数据和目标区域内每个目标井位在目标地质层的测井数据，再基于地震数据分别计算目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性，之后基于地震数据和全部目标井位在目标地质层的测井数据反演得到目标地质层的波阻抗数据体属性，并对波阻抗数据体属性进行趋势分析以得到目标地质层的剩余阻抗数据体属性，之后基于预先确定的目标区域内每个目标井位各类储层的实测融合评价指标对剩余阻抗数据体属性、AFE相干属性、断层概率体属性和蚂蚁体属性进行属性融合，从而得到目标地质层的断溶体属性。采用上述技术，能够通过属性融合的方式实现对目标区域断溶体储层的半定量识别与描述，从而缓解现有油气勘探技术中存在的难以识别和描述断溶体储层的问题。
上述融合模块608还可以用于：基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，分别确定属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数；基于所述属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数，采用以下公式对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合以得到所述目标地质层的断溶体属性： 其中，/>是所述目标地质层的断溶体属性，β0是属性融合常数项，β1是所述剩余阻抗数据体属性的属性融合系数，β2是所述AFE相干属性的属性融合系数，β3是所述断层概率体属性的属性融合系数，β4是所述蚂蚁体属性的属性融合系数。
上述第一计算模块604还可以用于：采用小波变换将所述地震数据分解为低频带地震数据、中频带地震数据和高频带地震数据；基于所述低频带地震数据计算所述AFE相干属性；基于所述中频带地震数据计算所述断层概率体属性；基于所述高频带地震数据计算所述蚂蚁体属性。
上述第二计算模块606还可以用于：采用预先确定的三维滤波参数对所述波阻抗数据体属性进行中值滤波，得到所述目标区域的波阻抗趋势体属性；将所述波阻抗数据体属性与所述波阻抗趋势体属性作差，得到所述剩余阻抗数据体属性。
参见图6所示，该装置还可以包括：
确定模块610，用于分别采用预先确定的多个一维滤波参数对所述波阻抗数据体属性进行中值滤波，得到所述目标区域的多个第一波阻抗趋势体；将所述波阻抗数据体属性分别与每个所述第一波阻抗趋势体作差，得到所述目标区域的多个第一剩余阻抗数据体；分别计算每个所述第一剩余阻抗数据体中厚度小于预设厚度阈值的第一异常厚度体的厚度与所述目标区域内目标储层的厚度之间的差值，并基于所述差值最小时所对应的一维滤波参数确定所述三维滤波参数。
参见图6所示，该装置还可以包括：
划分模块612，用于基于预设储层划分标准将所述目标区域内的目标地质层划分为多类储层。
第三计算模块614，用于对于所述目标区域内的每个目标井位，按照以下公式计算该目标井位各类储层的实测融合评价指标： 其中，dij为该目标井位第i类储层中第j个储层的厚度，D为该目标井位在目标地质层的总厚度，φ为孔隙度，Yi为该目标井位第i类储层的实测融合评价指标。
上述融合模块608还可以用于：对于所述目标区域内的每个目标井位，根据该目标井位各类储层的实测融合评价指标，采用预先构建的多元线性回归方程计算该目标井位各类储层的估计融合评价指标；根据该目标井位各类储层的实测融合评价指标和估计融合评价指标，通过最小二乘法计算得到所述属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数。
本发明实施例所提供的断溶体储层识别装置，其实现原理及产生的技术效果和前述断溶体储层识别方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的断溶体储层识别方法。
图7为本发明实施例提供的一种电子设备的结构示意图，该电子设备包括：处理器70，存储器71，总线72和通信接口73，所述处理器70、通信接口73和存储器71通过总线72连接；处理器70用于执行存储器71中存储的可执行模块，例如计算机程序。
其中，存储器71可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器71用于存储程序，所述处理器70在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中，或者由处理器70实现。
处理器70可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71，处理器70读取存储器71中的信息，结合其硬件完成上述断溶体储层识别方法的步骤。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种断溶体储层识别方法，其特征在于，所述方法包括：
获取目标区域的地震数据和所述目标区域内每个目标井位在目标地质层的测井数据；其中，所述地震数据表征所述目标区域地质体的三维空间信息；所述测井数据包括多种测井曲线数据；
基于所述地震数据分别计算所述目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性；
基于所述地震数据和全部目标井位在目标地质层的测井数据反演得到所述目标地质层的波阻抗数据体属性，并对所述波阻抗数据体属性进行趋势分析，得到所述目标地质层的剩余阻抗数据体属性；
基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合，得到所述目标地质层的断溶体属性；
基于所述地震数据分别计算所述目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性的步骤包括：
采用小波变换将所述地震数据分解为低频带地震数据、中频带地震数据和高频带地震数据；
基于所述低频带地震数据计算所述AFE相干属性；
基于所述中频带地震数据计算所述断层概率体属性；
基于所述高频带地震数据计算所述蚂蚁体属性。
2.根据权利要求1所述的方法，其特征在于，基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合，得到所述目标地质层的断溶体属性的步骤包括：
基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，分别确定属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数；
基于所述属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数，采用以下公式对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合以得到所述目标地质层的断溶体属性：
；
其中，是所述目标地质层的断溶体属性，/>是属性融合常数项，/>是所述剩余阻抗数据体属性的属性融合系数，/>是所述AFE相干属性的属性融合系数，/>是所述断层概率体属性的属性融合系数，/>是所述蚂蚁体属性的属性融合系数。
3.根据权利要求1所述的方法，其特征在于，对所述波阻抗数据体属性进行趋势分析，得到所述目标地质层的剩余阻抗数据体属性的步骤包括：
采用预先确定的三维滤波参数对所述波阻抗数据体属性进行中值滤波，得到所述目标区域的波阻抗趋势体属性；
将所述波阻抗数据体属性与所述波阻抗趋势体属性作差，得到所述剩余阻抗数据体属性。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
分别采用预先确定的多个一维滤波参数对所述波阻抗数据体属性进行中值滤波，得到所述目标区域的多个第一波阻抗趋势体；
将所述波阻抗数据体属性分别与每个所述第一波阻抗趋势体作差，得到所述目标区域的多个第一剩余阻抗数据体；
分别计算每个所述第一剩余阻抗数据体中厚度小于预设厚度阈值的第一异常厚度体的厚度与所述目标区域内目标储层的厚度之间的差值，并基于所述差值最小时所对应的一维滤波参数确定所述三维滤波参数。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于预设储层划分标准将所述目标区域内的目标地质层划分为多类储层；
对于所述目标区域内的每个目标井位，按照以下公式计算该目标井位各类储层的实测融合评价指标：
；
其中，为该目标井位第i类储层中第j个储层的厚度，D为该目标井位在目标地质层的总厚度，/>为孔隙度，/>为该目标井位第i类储层的实测融合评价指标。
6.根据权利要求5所述的方法，其特征在于，基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，分别确定属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数的步骤包括：
对于所述目标区域内的每个目标井位，根据该目标井位各类储层的实测融合评价指标，采用预先构建的多元线性回归方程计算该目标井位各类储层的估计融合评价指标；
根据该目标井位各类储层的实测融合评价指标和估计融合评价指标，通过最小二乘法计算得到所述属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数。
7.一种断溶体储层识别装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域的地震数据和所述目标区域内每个目标井位在目标地质层的测井数据；其中，所述地震数据表征所述目标区域地质体的三维空间信息；所述测井数据包括多种测井曲线数据；
第一计算模块，用于基于所述地震数据分别计算所述目标区域的AFE相干属性、断层概率体属性和蚂蚁体属性；
第二计算模块，用于基于所述地震数据和全部目标井位在目标地质层的测井数据反演得到所述目标地质层的波阻抗数据体属性，并对所述波阻抗数据体属性进行趋势分析，得到所述目标地质层的剩余阻抗数据体属性；
融合模块，用于基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合，得到所述目标地质层的断溶体属性；
所述第一计算模块还用于：采用小波变换将所述地震数据分解为低频带地震数据、中频带地震数据和高频带地震数据；基于所述低频带地震数据计算所述AFE相干属性；基于所述中频带地震数据计算所述断层概率体属性；基于所述高频带地震数据计算所述蚂蚁体属性。
8.根据权利要求7所述的装置，其特征在于，所述融合模块还用于：
基于预先确定的所述目标区域内每个目标井位各类储层的实测融合评价指标，分别确定属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数；
基于所述属性融合常数项以及所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性各自的属性融合系数，采用以下公式对所述剩余阻抗数据体属性、所述AFE相干属性、所述断层概率体属性和所述蚂蚁体属性进行属性融合以得到所述目标地质层的断溶体属性：
；
其中，是所述目标地质层的断溶体属性，/>是属性融合常数项，/>是所述剩余阻抗数据体属性的属性融合系数，/>是所述AFE相干属性的属性融合系数，/>是所述断层概率体属性的属性融合系数，/>是所述蚂蚁体属性的属性融合系数。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的方法。
CN202310161846.2A 2023-02-23 2023-02-23 断溶体储层识别方法、装置及电子设备 Active CN116299701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310161846.2A CN116299701B (zh) 2023-02-23 2023-02-23 断溶体储层识别方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310161846.2A CN116299701B (zh) 2023-02-23 2023-02-23 断溶体储层识别方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN116299701A CN116299701A (zh) 2023-06-23
CN116299701B true CN116299701B (zh) 2024-02-13

Family

ID=86791688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310161846.2A Active CN116299701B (zh) 2023-02-23 2023-02-23 断溶体储层识别方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116299701B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107367757A (zh) * 2017-07-20 2017-11-21 中国石油化工股份有限公司 碳酸盐岩断溶体的刻画方法
US10139508B1 (en) * 2016-03-24 2018-11-27 EMC IP Holding Company LLC Methods and apparatus for automatic identification of faults on noisy seismic data
CN110794476A (zh) * 2018-08-01 2020-02-14 中国石油化工股份有限公司 一种基于断溶体相控的反演方法
CN114428356A (zh) * 2020-09-23 2022-05-03 中国石油化工股份有限公司 相控反演刻画碳酸盐岩断溶体内部结构的方法及电子设备
CN114859418A (zh) * 2022-06-15 2022-08-05 北京阳光吉澳能源技术有限公司 河道砂储层识别方法、装置和电子设备
CN114994758A (zh) * 2022-08-02 2022-09-02 北京京鲁聚源能源科技有限公司 碳酸盐岩断控储层的波阻抗提取与结构表征方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10139508B1 (en) * 2016-03-24 2018-11-27 EMC IP Holding Company LLC Methods and apparatus for automatic identification of faults on noisy seismic data
CN107367757A (zh) * 2017-07-20 2017-11-21 中国石油化工股份有限公司 碳酸盐岩断溶体的刻画方法
CN110794476A (zh) * 2018-08-01 2020-02-14 中国石油化工股份有限公司 一种基于断溶体相控的反演方法
CN114428356A (zh) * 2020-09-23 2022-05-03 中国石油化工股份有限公司 相控反演刻画碳酸盐岩断溶体内部结构的方法及电子设备
CN114859418A (zh) * 2022-06-15 2022-08-05 北京阳光吉澳能源技术有限公司 河道砂储层识别方法、装置和电子设备
CN114994758A (zh) * 2022-08-02 2022-09-02 北京京鲁聚源能源科技有限公司 碳酸盐岩断控储层的波阻抗提取与结构表征方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
顺北地区走滑断裂与断溶体圈闭识别描述技术;李海英;刘军;龚伟;黄超;任丽丹;;中国石油勘探(第03期);全文 *

Also Published As

Publication number Publication date
CN116299701A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
BR112012028653B1 (pt) método para análise sísmica de sistema de hidrocarbonetos
Tahmasebi et al. Geostatistical simulation and reconstruction of porous media by a cross-correlation function and integration of hard and soft data
CN113919219A (zh) 基于测井大数据的地层评价方法及系统
EP3408691A1 (en) Feature index-based feature detection
US11199647B2 (en) Effective permeability upscaling for a discrete fracture network
Ding et al. Imaging of local rough surfaces by the linear sampling method with near-field data
Darbeheshti et al. Non-stationary covariance function modelling in 2D least-squares collocation
CN112213782B (zh) 分相位地震数据的处理方法、装置和服务器
Zhao et al. Fast stratification of geological cross-section from CPT results with missing data using multitask and modified Bayesian compressive sensing
CN116299701B (zh) 断溶体储层识别方法、装置及电子设备
Rahimi et al. Characterization and estimation of reservoir properties in a carbonate reservoir in Southern Iran by fractal methods
Ord et al. Nonlinear analysis of natural folds using wavelet transforms and recurrence plots
Fossum et al. Coarse-scale data assimilation as a generic alternative to localization
Wang et al. A nonparametric approach for characterizing soil spatial variability based on cone penetration test data
Mollajan Application of local linear neuro-fuzzy model in estimating reservoir water saturation from well logs
Cheng Agterberg, Frits
CN113221409B (zh) 一种有限元和边界元耦合的声波二维数值模拟方法和装置
Liu et al. A new approach to spatial data interpolation using higher-order statistics
Wu et al. Multichannel synchrosqueezing generalized S-transform for time-frequency analysis of seismic traces
CN113311485B (zh) 地震沉积特征加强滤波方法及装置
Asedegbega et al. Application of machine learniing for reservoir facies classification in port field, Offshore Niger Delta
Teixeira et al. Probabilistic estimation of seismically thin-layer thicknesses with application to evaporite formations
Faraji et al. Geophysical strata rating (GSR) as an aid in carbonate reservoir characterisation: an example from the South Pars gas field, Persian Gulf Basin
CN114428298A (zh) 断溶体分带性的识别方法、装置、电子设备及存储介质
Mirkes et al. Pseudo-outcrop visualization of borehole images and core scans

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