CN116699693A - 基于多元曲线重构地震反演的复杂岩性储层预测方法 - Google Patents
基于多元曲线重构地震反演的复杂岩性储层预测方法 Download PDFInfo
- Publication number
- CN116699693A CN116699693A CN202310980596.5A CN202310980596A CN116699693A CN 116699693 A CN116699693 A CN 116699693A CN 202310980596 A CN202310980596 A CN 202310980596A CN 116699693 A CN116699693 A CN 116699693A
- Authority
- CN
- China
- Prior art keywords
- curve
- reconstruction
- reservoir
- response
- density
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000002349 favourable effect Effects 0.000 claims abstract description 27
- 238000010606 normalization Methods 0.000 claims abstract description 14
- 230000002146 bilateral effect Effects 0.000 claims abstract description 12
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000004044 response Effects 0.000 claims description 111
- 230000008569 process Effects 0.000 claims description 4
- 239000004576 sand Substances 0.000 description 21
- 230000000694 effects Effects 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
-
- 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
- G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
-
- 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
- G01V2210/6163—Electromagnetic
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6224—Density
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6226—Impedance
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及基于多元曲线重构地震反演的复杂岩性储层预测方法,属于地震反演技术领域。包括A、获取测井曲线;B、开展储层曲线敏感性分析,选取自然电位曲线、密度曲线、深双侧向电阻率曲线和中子孔隙度曲线进行交会分析,获得有利储层范围;C、多元曲线重构C1、对自然电位曲线进行归一化处理;C2、对深双侧向电阻率曲线进行归一化处理;C3、对密度曲线进行归一化处理;C4、根据归一化处理后的自然电位曲线、深双侧向电阻率曲线和密度曲线进行多元曲线重构,得到拟波阻抗重构曲线;D、利用拟波阻抗重构曲线进行地震重构反演并实现储层预测。本发明实现了复杂地质条件地震重构反演预测,为精确刻画地下复杂岩性储层,寻找优质储层提供可能。
Description
技术领域
本发明属于地震反演技术领域,尤其是一种基于多元曲线重构地震反演的复杂岩性储层预测方法。
背景技术
地震反演是石油勘探及油藏开发领域内储层预测从业者的必备技能。基于模型反演方法建立在褶积理论基础之上,其初始模型是地层声波或者波阻抗。在很多情况下,由于井桶污染或其他原因,测井声波不能很好的反映储层和围岩的差异,使得反演结果不能解决储层预测问题。基于不同类型测井曲线对不同储层响应存有差异这一核心问题,地震重构反演用于不同储层预测逐渐成为行业热点。近年来,随着油气常规勘探领域向致密油、页岩油等非常规储层领域不断拓展,传统地震反演手段愈发难以应对复杂岩性的储层预测。广大学者在探索复杂储层地震预测方法上进行了大量有益尝试,提出的众多重构反演方法在各油田均取得了良好预测效果,但由于曲线重构方法的普适性较差,对非均质较强凝灰质砂砾岩和碎屑岩互层复杂岩性的预测存在一定的局限性。
发明内容
本发明所要解决的技术问题是提供一种基于多元曲线重构地震反演的复杂岩性储层预测方法,提高复杂地质情况下储层的预测精度。
为解决上述问题,本发明采用的技术方案为:基于多元曲线重构地震反演的复杂岩性储层预测方法,包括
A、获取测井曲线;
B、开展储层曲线敏感性分析,选取自然电位曲线、密度曲线和深双侧向电阻率曲线进行交会分析,获得有利储层范围;
C、多元曲线重构
C1、对自然电位曲线进行归一化处理;
C2、对深双侧向电阻率曲线进行归一化处理;
C3、对密度曲线进行归一化处理;
C4、根据归一化处理后的自然电位曲线、深双侧向电阻率曲线和密度曲线进行多元曲线重构,得到拟波阻抗重构曲线;
D、利用拟波阻抗重构曲线进行地震重构反演并实现储层预测。
进一步地,步骤B中,自然电位曲线的有利储层范围为7mV<SP<19mV,密度曲线的有利储层范围为DEN<2.67g/cm3,深双侧向电阻率曲线的有利储层范围为19.6Ω.∙m <RLLD<49.3Ω.∙m。
进一步地,步骤C1中,根据公式对自然电位曲线进行归一化处理,其中,/>为自然电位曲线原始响应值,/>为自然电位响应最大值,/>自然电位响应最小值,/>为归一化处理后自然电位测井响应值。
进一步地,步骤C2中,根据公式对深双侧向电阻率曲线进行归一化处理,其中,/>为深侧向电阻率曲线原始响应值,/>为深侧向电阻率响应最大值,/>为深侧向电阻率响应最小值,/>为归一化处理后深侧向电阻率测井响应值。
进一步地,步骤C3中,根据公式对密度曲线进行归一化处理,其中,为密度曲线原始响应值,/>为密度响应最大值,/>为密度响应最小值,/>为归一化处理后密度响应值。
进一步地,步骤C4中,根据公式进行多元曲线重构,其中,Y为储层重构曲线响应值,XNEX为归一化处理后自然电位测井响应值、深侧向电阻率测井响应值或密度响应值,i=1、2、3。
本发明的有益效果是:本发明利用自然电位曲线对较厚砂岩较为敏感,对其他类型储层响应不明显,深双侧向电阻率对薄层砂岩响应较明显的特性,弥补了自然电位曲线薄砂岩响应差的问题。而针对凝灰质砂砾岩而言,鉴于凝灰质砂砾岩密度远高于碎屑砂岩密度这一普遍现象,密度曲线响应频率明显高于自然电位曲线和深双侧向电阻率,能够很好地区分出凝灰质砂砾岩和砂岩。因此,本发明将自然电位曲线、深双侧向电阻率曲线以及密度曲线进行结合,可以有效区分厚层砂岩、薄层砂岩、灰质砂砾岩、碎屑砂岩等复杂的储层结构,并且采用多元曲线重构方法,通过曲线量纲化处理和多元曲线重构,有效解决凝灰质砂砾岩、砂岩和泥岩识别难题,重构后拟波阻抗曲线对不同岩性类型储层响应均有所改善,相对于单一曲线对储层界限响应更加明显,垂向分辨率更高。本发明实现了复杂地质条件地震重构反演预测,为精确刻画地下复杂岩性储层,寻找优质储层提供可能。
附图说明
图1有利储层DEN-RLLD交会图。
图2有利储层SP-RLLD交会图。
图3为典型井M1井储层解释综合图。
图4为测井曲线敏感分析图。
图5为多元曲线重构过程示意图。
图6为传统地震反演与重构地震反演剖面效果对比图。
图7为单一曲线储层预测效果图。
图8为多元曲线重构有利储层预测效果图。
图9为本发明所述方法的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明的基于多元曲线重构地震反演的复杂岩性储层预测方法,如图9所示,包括
A、获取测井曲线。测井基础数据包括多种曲线,经过现有的探测手段即可得到,直接从测井基础数据库中调取即可。
B、开展储层曲线敏感性分析,选取自然电位曲线、密度曲线和深双侧向电阻率曲线进行交会分析,获得有利储层范围。
由于不同层段储层的岩性、物性、含流体等特征差异,不同类型测井曲线均表现出不同程度的响应特征。为反映不同类型测井曲线对含油储层响应特征,开展储层曲线敏感分析,敏感分析即对物理、化学等可能造成损害的各种因素的分析,经过分析可得,自然电位曲线对较厚砂岩较为敏感,对其他类型储层响应不明显,深双侧向电阻率对薄层砂岩响应较明显的特性,针对凝灰质砂砾岩而言,鉴于凝灰质砂砾岩密度远高于碎屑砂岩密度这一普遍现象,密度曲线响应频率明显高于自然电位曲线和深双侧向电阻率,能够很好地区分出凝灰质砂砾岩和砂岩。因此,根据敏感性分析结果,选取自然电位(SP)曲线、密度(DEN)曲线和深双侧向电阻率(RLLD)曲线进行交会分析,可以有效区分厚层砂岩、薄层砂岩、灰质砂砾岩、碎屑砂岩等复杂的储层结构。
有利储层是指具有商业开采价值油气储层。DEN-RLLD交会图如图1所示,SP-RLLD交会图如图2所示,从图中可以看出,自然电位曲线的有利储层范围为7mV<SP<19mV,密度曲线的有利储层范围为DEN<2.67g/cm3,深双侧向电阻率曲线的有利储层范围为19.6Ω.∙m <RLLD<49.3Ω.∙m。
C、多元曲线重构
C1、对自然电位曲线进行归一化处理。原则上含油有利储层测井响应值应大于7,利用以下公式完成自然电位曲线量纲化处理。/>其中,/>自然电位曲线原始响应值,/>为自然电位响应最大值,/>为自然电位响应最小值。/>为归一化处理后自然电位测井响应值,有利储层响应值域范围在7~19之间。
C2、对深双侧向电阻率曲线进行归一化处理。
原则上含油有利储层深侧向电阻率响应值应大于19.6,利用公式完成深侧向电阻率曲线量纲化处理。/>其中,为深侧向电阻率曲线原始响应值,/>为深侧向电阻率响应最大值,为深侧向电阻率响应最小值,/>为归一化处理后深侧向电阻率测井响应值。其中有利储层响应值域范围在19.6~49.3之间。
C3、对密度曲线进行归一化处理。
对密度曲线开展标准化处理,原则上含油有利储层测井响应值应小于2.67,利用公式完成密度曲线量纲化处理。/>其中,/>为密度曲线原始响应值,/>为密度响应最大值,/>为密度响应最小值,/>为归一化处理后密度响应值,其中有利储层响应值应小于2.67。C4、根据归一化处理后的自然电位曲线、深双侧向电阻率曲线和密度曲线进行多元曲线重构,得到拟波阻抗重构曲线。
根据优选出的3条归一化后敏感测井曲线,根据公式进行多元曲线重构,其中,Y为储层重构曲线响应值,XNEX为归一化处理后自然电位测井响应值、深侧向电阻率测井响应值或密度响应值,i=1、2、3。由于储层响应的测井曲线值均大于1,依据上述公式计算曲线值势必增大,即变换后的曲线对储层响应越敏感,反之亦然。该方法增强了储层与非储层测井响应差异程度,从而提高了储层预测精度。
D、利用拟波阻抗重构曲线进行地震重构反演,以预测含有油气的储层。根据各实验井的重构曲线完成实验区地震重构反演,并提取目的层段储层反演属性平面图,与常规反演效果图对比,定性分析重构反演预测效果。
综上,本发明利用自然电位曲线对较厚砂岩较为敏感,对其他类型储层响应不明显,深双侧向电阻率对薄层砂岩响应较明显的特性,弥补了自然电位曲线薄砂岩响应差的问题。而针对凝灰质砂砾岩而言,鉴于凝灰质砂砾岩密度远高于碎屑砂岩密度这一普遍现象,密度曲线响应频率明显高于自然电位曲线和深双侧向电阻率,能够很好地区分出凝灰质砂砾岩和砂岩。因此,本发明将自然电位曲线、深双侧向电阻率曲线以及密度曲线进行结合,可以有效区分厚层砂岩、薄层砂岩、灰质砂砾岩、碎屑砂岩等复杂的储层结构,并且采用多元曲线重构方法,通过曲线量纲化处理和多元曲线重构,有效解决凝灰质砂砾岩、砂岩和泥岩识别难题,重构后拟波阻抗曲线对不同岩性类型储层响应均有所改善,相对于单一曲线对储层界限响应更加明显,垂向分辨率更高。本发明实现了复杂地质条件地震重构反演预测,为精确刻画地下复杂岩性储层,寻找优质储层提供可能。
实施例
海拉尔盆地油田断陷期主力油层的沉积时期为断陷盆地强拉张阶段,受东北部、西北部物源控制,该时期除正常沉积砂泥碎屑岩外,晚期由于部分凝灰岩侵入(如图3所示),进一步复杂化了含油储层的空间分布,其快速沉积的凝灰质砂砾岩、砂岩为油藏提供了良好的储集空间。正因如此,不同构造带不同井对应的测井响应特征和产油量差异较大(表1),本次选择4口典型井作为实验井,且均匀分布在实验区各个构造部位。
表1 实验区不同构造带典型井地球物理响应数据表
井名 | RLLD(Ω.m) | DEN(g/cm3) | SP(mV) | 有效厚度(m) | 年产油量(t/y) |
M1 | >100 | <2.55 | >50 | >40 | 3000 |
M2 | 40-100 | <2.55 | 10-50 | >30 | 1800 |
M3 | >80 | 2.55-2.60 | >10 | >30 | 500 |
M4 | 10-40 | 2.55-2.65 | <10 | <20 | <200 |
测井敏感性分析
由于不同层段储层岩性、物性、含流体特征差异,不同类型测井曲线均表现出不同程度的响应特征。为反映不同类型测井曲线对含油储层响应特征,开展储层曲线敏感分析。利用常规测井曲线、测井解释结果开展储层敏感曲线分析,依据储层发育特征利用Discovery软件的单井分析、连井对比软件模块,分析有利储层与测井曲线响应对应关系(如图4所示),针对研究区内试油结论,选取SP幅值、DEN和RLLD进行交会分析,优选有利储层敏感参数如图1、图2。由图1和图2可知,RLLD、DEN、SP有利储层的范围分别为19.6<RLLD<49.3Ω∙m、DEN<2.67g/cm3、7mV<SP<19mV。多元曲线重构
图5为多元曲线重构过程示意图,从图中可以看出该井在目的层内共发育含油储层6处,通过曲线敏感分析可知,自然电位曲线对较厚砂岩更为敏感,如1#、3#、4#砂体的自然电位响应高达到12mV左右,而对于其他类型储层响应不明显,如5#砂体和6#砂体下部自然电位响应值低于门槛值。因此,单一利用自然电位曲线不能实现薄储层识别;深侧向电阻率对薄层砂岩响应较明显,弥补了自然电位曲线薄砂岩响应差的问题;而针对凝灰质砂砾岩而言,鉴于凝灰质砂砾岩密度远高于碎屑砂岩密度这一普遍现象,因此,密度曲线响应频率明显高于自然电位曲线和深侧向电阻率,能够很好地区分出凝灰质砂砾岩和砂岩。为发挥敏感曲线各自优势,采用多元曲线重构方法,通过曲线量纲化处理和多元曲线重构,有效解决了凝灰质砂砾岩、砂岩和泥岩识别难题,重构后拟波阻抗曲线对不同岩性类型储层响应均有所改善,相对于单一曲线对储层界限响应更加明显,垂向分辨率更高。
具体地,对海拉尔盆地油田断陷期主力油层自然电位曲线开展标准化处理,原则上含油有利储层测井响应值应大于7,
利用公式1完成自然电位曲线量纲化处理。(公式1)其中,/>自然电位曲线原始响应值,/>为自然电位响应最大值,/>为自然电位响应最小值。/>为归一化处理后自然电位测井响应值,有利储层响应值域范围在7~19之间。/>(公式2)其中,为深侧向电阻率曲线原始响应值,/>为深侧向电阻率响应最大值,为深侧向电阻率响应最小值,/>为归一化处理后深侧向电阻率测井响应值。其中有利储层响应值域范围在19.6~49.3之间。对密度曲线开展标准化处理,原则上含油有利储层测井响应值/>应小于2.67,利用公式3完成密度曲线量纲化处理。(公式3)其中,/>为密度曲线原始响应值,/>为密度响应最大值,/>为密度响应最小值,/>为归一化处理后密度响应值,其中有利储层响应值应小于2.67。根据优选出的3条归一化后敏感测井曲线,利用公式4开展多元重构曲线处理。/>(公式4)其中,Y为储层重构曲线响应值。由于储层响应的测井曲线值均大于1,依据公式4计算曲线值势必增大,即变换后的曲线对储层响应越敏感,反之亦然。该方法增强了储层与非储层测井响应差异程度,从而提高了储层预测精度。
地震重构反演。
利用重构拟波阻抗曲线开展地震重构反演以此来实现实验区的储层预测。根据各实验井的重构曲线完成实验区地震重构反演,并提取目的层段储层反演属性平面图,与常规反演效果图对比,定性分析重构反演预测效果。依据坐标,任意选择三处地震反演预测剖面,标记出储层发育部位和数量,依据预留后验井的预测精度定量分析。
效果分析
从预测效果来看,应用图6传统地震反演与重构地震反演剖面效果对比以及图7单一曲线储层预测效果图和图8多元曲线重构有利储层预测效果图的对比可知,多元曲线重构地震反演的储层识别精度更高,增加了地震反演预测的可信度,表明多元曲线重构地震反演解决复杂岩性储层预测方法的实用性。
以上所述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 (6)
1.基于多元曲线重构地震反演的复杂岩性储层预测方法,其特征在于,包括
A、获取测井曲线;
B、开展储层曲线敏感性分析,选取自然电位曲线、密度曲线、深双侧向电阻率曲线和中子孔隙度曲线进行交会分析,获得有利储层范围;
C、多元曲线重构
C1、对自然电位曲线进行归一化处理;
C2、对深双侧向电阻率曲线进行归一化处理;
C3、对密度曲线进行归一化处理;
C4、根据归一化处理后的自然电位曲线、深双侧向电阻率曲线和密度曲线进行多元曲线重构,得到拟波阻抗重构曲线;
D、利用拟波阻抗重构曲线进行地震重构反演并实现储层预测。
2.如权利要求1所述的基于多元曲线重构地震反演的复杂岩性储层预测方法,其特征在于, 步骤B中,自然电位曲线的有利储层范围为7mV<SP<19mV,密度曲线的有利储层范围为DEN<2.67g/cm3,深双侧向电阻率曲线的有利储层范围为19.6Ω.∙m <RLLD<49.3Ω.∙m。
3.如权利要求2所述的基于多元曲线重构地震反演的复杂岩性储层预测方法,其特征在于,步骤C1中,根据公式对自然电位曲线进行归一化处理,其中,/>为自然电位曲线原始响应值,/>为自然电位响应最大值,/>自然电位响应最小值,/>为归一化处理后自然电位测井响应值。
4.如权利要求2所述的基于多元曲线重构地震反演的复杂岩性储层预测方法,其特征在于,步骤C2中,根据公式对深双侧向电阻率曲线进行归一化处理,其中,/>为深侧向电阻率曲线原始响应值,为深侧向电阻率响应最大值,/>为深侧向电阻率响应最小值,为归一化处理后深侧向电阻率测井响应值。
5.如权利要求2所述的基于多元曲线重构地震反演的复杂岩性储层预测方法,其特征在于,步骤C3中,根据公式对密度曲线进行归一化处理,其中,/>为密度曲线原始响应值,/>为密度响应最大值,为密度响应最小值,/>为归一化处理后密度响应值。
6.如权利要求2所述的基于多元曲线重构地震反演的复杂岩性储层预测方法,其特征在于,步骤C4中,根据公式进行多元曲线重构,其中,Y为储层重构曲线响应值,XNEX为归一化处理后自然电位测井响应值、深侧向电阻率测井响应值或密度响应值,i=1、2、3。/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310980596.5A CN116699693B (zh) | 2023-08-07 | 2023-08-07 | 基于多元曲线重构地震反演的复杂岩性储层预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310980596.5A CN116699693B (zh) | 2023-08-07 | 2023-08-07 | 基于多元曲线重构地震反演的复杂岩性储层预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116699693A true CN116699693A (zh) | 2023-09-05 |
CN116699693B CN116699693B (zh) | 2023-11-07 |
Family
ID=87837863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310980596.5A Active CN116699693B (zh) | 2023-08-07 | 2023-08-07 | 基于多元曲线重构地震反演的复杂岩性储层预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116699693B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112147687A (zh) * | 2019-06-28 | 2020-12-29 | 中国石油化工股份有限公司 | 一种储层含气性预测方法及预测系统 |
CN114280670A (zh) * | 2021-12-13 | 2022-04-05 | 华能煤炭技术研究有限公司 | 多物理模型测井横波速度曲线重构方法、系统及电子设备 |
CN114488293A (zh) * | 2020-10-23 | 2022-05-13 | 中国石油化工股份有限公司 | 基于敏感测井曲线的高分辨率反演方法 |
CN115993657A (zh) * | 2021-10-18 | 2023-04-21 | 中国石油化工股份有限公司 | 一种波阻抗反演方法 |
-
2023
- 2023-08-07 CN CN202310980596.5A patent/CN116699693B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112147687A (zh) * | 2019-06-28 | 2020-12-29 | 中国石油化工股份有限公司 | 一种储层含气性预测方法及预测系统 |
CN114488293A (zh) * | 2020-10-23 | 2022-05-13 | 中国石油化工股份有限公司 | 基于敏感测井曲线的高分辨率反演方法 |
CN115993657A (zh) * | 2021-10-18 | 2023-04-21 | 中国石油化工股份有限公司 | 一种波阻抗反演方法 |
CN114280670A (zh) * | 2021-12-13 | 2022-04-05 | 华能煤炭技术研究有限公司 | 多物理模型测井横波速度曲线重构方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116699693B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kadkhodaie-Ilkhchi et al. | Analysis of the reservoir electrofacies in the framework of hydraulic flow units in the Whicher Range Field, Perth Basin, Western Australia | |
CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
CN112698399B (zh) | 一种砂砾岩井测震联动约束高效储层定量预测方法与系统 | |
McKean et al. | Quantifying fracture networks inferred from microseismic point clouds by a Gaussian mixture model with physical constraints | |
Mahmoodi et al. | Using constrained inversion of gravity and magnetic field to produce a 3D litho‐prediction model | |
US10061052B2 (en) | Modeling subterranean fluid viscosity | |
CN110412662A (zh) | 基于地震多属性深度学习的薄互层储层预测方法 | |
CN116168224A (zh) | 基于成像砾石含量的机器学习岩相自动识别方法 | |
CN107861162B (zh) | 基于微电极测井资料的天然裂缝识别方法及系统 | |
Eftekhari et al. | Hydraulic flow unit and rock types of the Asmari Formation, an application of flow zone index and fuzzy C-means clustering methods | |
Petrik et al. | Quantitative characterisation of fracture connectivity from high-resolution borehole image logs | |
Méndez et al. | Rock type prediction and 3D modeling of clastic paleokarst fillings in deeply-buried carbonates using the Democratic Neural Networks Association technique | |
CN116699693B (zh) | 基于多元曲线重构地震反演的复杂岩性储层预测方法 | |
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 | |
Wang et al. | Quantitative seismic interpretation of rock brittleness based on statistical rock physics | |
Yang et al. | Ai-boosted geological facies analysis from high-resolution borehole images | |
Bhattacharya | Summarized applications of machine learning in subsurface geosciences | |
CN114482995A (zh) | 一种细粒沉积物泥质含量精细确定方法 | |
CN113514884A (zh) | 一种致密砂岩储层预测方法 | |
Carrasquilla et al. | Using facies, data mining and artificial intelligence concepts in the evaluation of a carbonate reservoir in Campos basin, Southeastern Brazil | |
Rawlinson et al. | Gaussian process modeling of well logs | |
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 | |
Chapin et al. | Integrated static and dynamic modeling of the Pinedale tight gas field, Wyoming | |
US20240219601A1 (en) | Parameterization of nuclear magnetic resonance transverse relaxation time distribution |
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 |