CN116840918A - 基于砂体机理模型正演的储层边界定量预测方法及系统 - Google Patents
基于砂体机理模型正演的储层边界定量预测方法及系统 Download PDFInfo
- Publication number
- CN116840918A CN116840918A CN202310829550.3A CN202310829550A CN116840918A CN 116840918 A CN116840918 A CN 116840918A CN 202310829550 A CN202310829550 A CN 202310829550A CN 116840918 A CN116840918 A CN 116840918A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- well
- sand body
- attribute
- microphase
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 130
- 230000007246 mechanism Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011161 development Methods 0.000 claims abstract description 45
- 230000008021 deposition Effects 0.000 claims abstract description 34
- 239000011435 rock Substances 0.000 claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 239000013049 sediment Substances 0.000 claims abstract description 11
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000005553 drilling Methods 0.000 claims description 12
- 230000005574 cross-species transmission Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000013211 curve analysis Methods 0.000 claims description 4
- 230000004660 morphological change Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (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
本发明涉及一种基于砂体机理模型正演的储层岩性边界定量预测方法及系统，其包括：确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；根据属性阈值圈定储层边界，指导开发水平井优化。本发明可以在油田开发领域中应用。
Description
技术领域
本发明涉及一种油田开发技术领域，特别是关于一种基于砂体机理模型正演的储层边界定量预测方法及系统。
背景技术
油气储层是在油气勘探工程中地下存在油气聚集的岩层区域。储层的特征包括了岩性、物性、含油气性等方面，这也是储层预测的主要方向。储层岩性是描述储层矿物质组成成分的主要特征，反映了岩层的储藏性能和储层特征，常用参数包括储层结构、分布范围、储层顶界面构造形态、储层厚度等。储层边界预测属于储层岩性预测范围，可以根据实际钻井过程中钻遇储层的情况，利用储层结构、厚度等参数进行定义，然后利用多种技术手段进行预测。
储层边界的准确预测能够为开发井，特别是水平井的成功实施提供参考和支持，是油田开发钻井过程中非常关注的问题。以地震数据、已钻井数据为基础，以地震属性为手段预测储层分布是油田开发研究中一种常用的手段，但实现定量预测的精度往往无法保证。为实现储层边界的准确预测，在常规属性预测基础之上，还需要根据实际砂体的边界定义，设计符合地下真实情况的砂体机理模型，然后通过正演合成记录与实际地震响应的标定建立准确的关系，以获得较为准确的储层边界位置，指导开发井位部署和优化。
发明内容
针对上述问题，本发明的目的是提供一种基于砂体机理模型正演的储层边界定量预测方法及系统，其能结合目标砂体发育的沉积微相类型和规模，确定准确的正演模型参数，并通过已钻井的正演模型与实际地震响应进行标定，获得较为准确的储层边界位置。
为实现上述目的，本发明采取以下技术方案：一种基于砂体机理模型正演的储层岩性边界定量预测方法，其包括：确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；根据属性阈值圈定储层边界，指导开发水平井优化。
进一步，确定典型连井线的砂体机理模型，包括：
选取覆盖目标砂体范围的多个方向的典型过井剖面，根据已钻井钻遇砂体厚度、测井曲线形态和值域分布范围，将井点处钻遇储层信息结合地震响应横向变化特征进行外推，得到典型连井线的砂体机理模型。
进一步，明确目标砂体包含的沉积微相类型，包括：
目标砂体对应的沉积微相包括河道主体、河道边部、溢岸和河道间泥岩四种类型。
进一步，实际地震响应与正演合成地震记录之间的标定关系，包括：
分析已钻井目标砂体深度段及附近的伽马、声波和密度曲线，根据曲线的值域分布及形态变化，推测井上钻遇的微相类型及厚度；
以目标砂体顶底深度为范围，通过岩石物理交会图版，分析不同岩性对应的岩石物理参数范围；
综合测井曲线分析和岩石物理交会图版分析结果，确定不同沉积微相类型对应岩石物理参数；
建立单井砂体机理模型，选取跟地震资料主频一致的子波，制作合成地震记录，计算正演记录的地震属性和实际井旁道的地震属性，分析两者之间的相关性，建立线性或者非线性标定关系式，进而通过多参数储层模型正演振幅属性计算真实的振幅属性。
进一步，确定不同沉积微相类型对应岩石物理参数，包括：
河道主体和边部岩石物理偏砂岩属性，溢岸为砂岩到泥岩过度，河道间泥岩为纯泥岩属性，考虑不同沉积微相之间的渐变关系，同时结合测井曲线分析结果中不同微相对应的密度和速度值域范围，确定不同微相对应的岩石物理参数。
进一步，根据标定关系预测储层边界对应的属性阈值，包括：
根据目标砂体涵盖的沉积微相类型，制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
根据现场开发井实施经验，明确储层边界定义及对应的储层参数；
根据正演结果，确定储层边界定义及对应的属性阈值。
进一步，制作合成地震记录，包括：
结合目标砂体涵盖的沉积微相类型，将储层厚度设定为单一变量，建立不同沉积微相类型的正演模型并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
结合目标砂体涵盖的沉积微相类型，将不同沉积微相的发育厚度，沉积微相可能存在的组合关系设定为变量，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值。
一种基于砂体机理模型正演的储层岩性边界定量预测系统，其包括：第一处理模块，确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；第二处理模块，利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；阈值预测模块，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；优化处理模块，根据属性阈值圈定储层边界，指导开发水平井优化。
一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明通过利用单井钻遇储层信息、多方向典型连井地震剖面、测井曲线及岩石物理分析等信息，建立单井砂体机理模型、连井砂体机理模型并整合得到考虑目标砂体所有微相类型、规模及组合的多参数组合砂体机理模型。
2、本发明通过已钻井的正演记录与实际井旁道建立相对准确的标定关系，然后可以通过多参数模拟储层模型得到对应的实际资料响应属性值，准确推测储层边界对应的属性阈值。
附图说明
图1是本发明实施例中基于砂体机理模型正演的储层边界定量预测方法流程图；
图2是本发明实施例中根据典型过井轨迹剖面建立的砂体机理模型图；
图3是本发明实施例中将实际井钻遇砂体情况抽象为机理模型得到的正演合成地震记录；
图4是本发明实施例中正演记录与实际地震响应标定关系图；
图5是本发明实施例中多参数变量的砂体机理模型及正演合成记录图；
图6a是本发明实施例中根据砂体厚度的多参数变量的砂体机理模型正演结果得到的实际地震响应标定图版；
图6b是本发明实施例中根据砂地比的多参数变量的砂体机理模型正演结果得到的实际地震响应标定图版；
图7是本发明实施例中根据属性阈值圈定的岩性边界。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明的一个实施例中，提供一种基于砂体机理模型正演的储层边界定量预测方法。本实施例中，以渤海某油田浅水三角洲相砂体单元作为实例作进一步说明，如图1所示，该方法包括以下步骤：
1)确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；
2)利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；
3)建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；
4)根据属性阈值圈定储层边界，指导开发水平井优化。
上述步骤1)种，确定典型连井线的砂体机理模型，具体为：选取覆盖目标砂体范围的多个方向的典型过井剖面，根据已钻井钻遇砂体厚度、测井曲线形态和值域分布范围，将井点处钻遇储层信息结合地震响应横向变化特征进行外推，得到典型连井线的砂体机理模型。
上述步骤1)中，如图2所示，根据井上钻遇的砂体情况及区域沉积特征，明确目标砂体包含的沉积微相类型，具体为：目标砂体对应的沉积微相包括河道主体、河道边部、溢岸和河道间泥岩四种类型。
在本实施例中，单期河道砂体厚度一般不超过10m，纵向上一般为单期或两期沉积，地层厚度一般不超过15m，累计砂体厚度一般不超过15m。
上述步骤2)中，实际地震响应与正演合成地震记录之间的标定关系，包括以下步骤：
2.1)分析已钻井目标砂体深度段及附近的伽马、声波和密度曲线，根据曲线的值域分布及形态变化，推测井上钻遇的微相类型及厚度；
本实施例中，例如某实钻井在目标砂体深度钻遇两期砂体，上部砂体厚度为1.9米,伽马曲线为漏斗形曲线特征，声波和密度曲线表现为低速度、低密度特征且形态与伽马曲线相似，推测其为河道边部沉积微相，中部钻遇4.1米河道间泥岩，下部钻遇砂体厚度9.3米，伽马曲线为箱型曲线特征，声波和密度曲线相比上部河道边部砂体曲线速度更低、密度更低，推测砂岩纯度更高，为河道主体沉积微相。
2.2)以目标砂体顶底深度为范围，通过岩石物理交会图版，分析不同岩性对应的岩石物理参数范围；
本实施例中，交会分析得到实例中砂体单元的泥岩密度范围为2.25g/cm3～2.45g/cm3，纵波速度范围为2650m/s～2900m/s，砂岩密度范围为2.05g/cm3～2.25g/cm3，纵波速度范围为2440m/s～2650m/s。
2.3)综合测井曲线分析和岩石物理交会图版分析结果，确定不同沉积微相类型对应岩石物理参数；
2.4)如图3所示，根据上述步骤获得参数建立单井砂体机理模型，选取跟地震资料主频一致的子波，制作合成地震记录，计算正演记录的地震属性Attr(well)和实际井旁道的地震属性Attr’(well)，分析两者之间的相关性，建立线性或者非线性标定关系式，进而通过多参数储层模型正演振幅属性计算真实的振幅属性。
本实施例中，实际砂体案例提取的地震属性为平均振幅属性，建立的标定图版如图4所示，所有已钻井的正演记录与实际地震属性具有较好的线性相关性，相关系数为0.82，说明机理模型的参数选取合理，能够真实地反映地下储层的实际情况，建立的关系式为Attr’＝85.2*Attr+3438.3，根据该关系式即可通过多参数储层模型正演振幅属性计算真实的振幅属性。
上述步骤2.3)中，确定不同沉积微相类型对应岩石物理参数，具体为：河道主体和边部岩石物理偏砂岩属性，溢岸为砂岩到泥岩过度，河道间泥岩为纯泥岩属性，考虑不同沉积微相之间的渐变关系，同时结合测井曲线分析结果中不同微相对应的密度和速度值域范围，确定不同微相对应的岩石物理参数。例如，河道主体密度2.1g/cm3，纵波速度2480m/s、河道边部密度2.2g/cm3，纵波速度2600m/s、溢岸密度2.25g/cm3，纵波速度2700m/s、河道间泥岩密度2.4g/cm3，纵波速度2770m/s。
上述步骤3)中，根据标定关系预测储层边界对应的属性阈值，包括以下步骤：
3.1)根据目标砂体涵盖的沉积微相类型，制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
3.2)根据现场开发井实施经验，明确储层边界定义及对应的储层参数；
本实施例中，目标砂体通过现场定向井及水平井实施情况，单期河道边部沉积、溢岸沉积厚度小于5m，或者在地层厚度小于15m的情况下砂地比低于40％或溢岸厚度占比大于80％的情况，水平井实施情况较差，可认为是储层边界。
3.3)根据正演结果，确定储层边界定义及对应的属性阈值。如图6a、图6b所示，根据储层边界的参数定义，当实际振幅属性值大于-5000时，包含储层边界定义的各种情况，因此可以将-5000设定为储层边界阈值。
上述步骤3.1)中，制作合成地震记录，具体为：
(1)结合目标砂体涵盖的沉积微相类型，将储层厚度设定为单一变量，建立不同沉积微相类型的正演模型并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
(2)结合目标砂体涵盖的沉积微相类型，将不同沉积微相的发育厚度，沉积微相可能存在的组合关系设定为变量，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值。
如图5所示，即为根据目标砂体实例设计的多参数变量的砂体机理模型图，模型中考虑了单期砂体发育情况及厚度变化，河道主体厚度设定为0～20m，河道边部设定为0～5m，溢岸设定为0～5m，同时考虑两期砂体发育情况及厚度、微相组合关系的变化，设计了上溢岸下河道、上河道边部下河道、上下均为河道的组合关系，且砂地比分布范围为0～1。
上述步骤4)中，指导开发水平井优化，如图7所示，为目标砂体实例圈定的岩性边界示意图，该图件可以为开发定向井或水平井规划提供参考，井位部署时应尽量使其位于储层边界之内，以保证开发井砂岩钻遇率，提高实施效果。
在本发明的一个实施例中，提供一种基于砂体机理模型正演的储层边界定量预测系统，其包括：
第一处理模块，确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；
第二处理模块，利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；
阈值预测模块，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；
优化处理模块，根据属性阈值圈定储层边界，指导开发水平井优化。
上述实施例中，确定典型连井线的砂体机理模型，包括：
选取覆盖目标砂体范围的多个方向的典型过井剖面，根据已钻井钻遇砂体厚度、测井曲线形态和值域分布范围，将井点处钻遇储层信息结合地震响应横向变化特征进行外推，得到典型连井线的砂体机理模型。
上述实施例中，明确目标砂体包含的沉积微相类型，包括：
目标砂体对应的沉积微相包括河道主体、河道边部、溢岸和河道间泥岩四种类型。
上述实施例中，实际地震响应与正演合成地震记录之间的标定关系，包括：
分析已钻井目标砂体深度段及附近的伽马、声波和密度曲线，根据曲线的值域分布及形态变化，推测井上钻遇的微相类型及厚度；
以目标砂体顶底深度为范围，通过岩石物理交会图版，分析不同岩性对应的岩石物理参数范围；
综合测井曲线分析和岩石物理交会图版分析结果，确定不同沉积微相类型对应岩石物理参数；
建立单井砂体机理模型，选取跟地震资料主频一致的子波，制作合成地震记录，计算正演记录的地震属性和实际井旁道的地震属性，分析两者之间的相关性，建立线性或者非线性标定关系式，进而通过多参数储层模型正演振幅属性计算真实的振幅属性。
在本实施例中，确定不同沉积微相类型对应岩石物理参数，包括：河道主体和边部岩石物理偏砂岩属性，溢岸为砂岩到泥岩过度，河道间泥岩为纯泥岩属性，考虑不同沉积微相之间的渐变关系，同时结合测井曲线分析结果中不同微相对应的密度和速度值域范围，确定不同微相对应的岩石物理参数。
上述实施例中，根据标定关系预测储层边界对应的属性阈值，包括：
根据目标砂体涵盖的沉积微相类型，制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
根据现场开发井实施经验，明确储层边界定义及对应的储层参数；
根据正演结果，确定储层边界定义及对应的属性阈值。
在本实施例中，制作合成地震记录，包括：
(1)结合目标砂体涵盖的沉积微相类型，将储层厚度设定为单一变量，建立不同沉积微相类型的正演模型并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
(2)结合目标砂体涵盖的沉积微相类型，将不同沉积微相的发育厚度，沉积微相可能存在的组合关系设定为变量，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值。
本实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
在本发明一实施例中提供的计算设备结构，该计算设备可以是终端，其可以包括：处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该计算机程序被处理器执行时以实现上述方法；该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏，该输入装置可以是显示屏上覆盖的触摸层，也可以是计算设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的一个实施例中，提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。
在本发明的一个实施例中，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于砂体机理模型正演的储层边界定量预测方法，其特征在于，包括：
确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；
利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；
建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；
根据属性阈值圈定储层边界，指导开发水平井优化。
2.如权利要求1所述基于砂体机理模型正演的储层边界定量预测方法，其特征在于，确定典型连井线的砂体机理模型，包括：
选取覆盖目标砂体范围的多个方向的典型过井剖面，根据已钻井钻遇砂体厚度、测井曲线形态和值域分布范围，将井点处钻遇储层信息结合地震响应横向变化特征进行外推，得到典型连井线的砂体机理模型。
3.如权利要求1所述基于砂体机理模型正演的储层边界定量预测方法，其特征在于，明确目标砂体包含的沉积微相类型，包括：
目标砂体对应的沉积微相包括河道主体、河道边部、溢岸和河道间泥岩四种类型。
4.如权利要求1所述基于砂体机理模型正演的储层边界定量预测方法，其特征在于，实际地震响应与正演合成地震记录之间的标定关系，包括：
分析已钻井目标砂体深度段及附近的伽马、声波和密度曲线，根据曲线的值域分布及形态变化，推测井上钻遇的微相类型及厚度；
以目标砂体顶底深度为范围，通过岩石物理交会图版，分析不同岩性对应的岩石物理参数范围；
综合测井曲线分析和岩石物理交会图版分析结果，确定不同沉积微相类型对应岩石物理参数；
建立单井砂体机理模型，选取跟地震资料主频一致的子波，制作合成地震记录，计算正演记录的地震属性和实际井旁道的地震属性，分析两者之间的相关性，建立线性或者非线性标定关系式，进而通过多参数储层模型正演振幅属性计算真实的振幅属性。
5.如权利要求4所述基于砂体机理模型正演的储层边界定量预测方法，其特征在于，确定不同沉积微相类型对应岩石物理参数，包括：
河道主体和边部岩石物理偏砂岩属性，溢岸为砂岩到泥岩过度，河道间泥岩为纯泥岩属性，考虑不同沉积微相之间的渐变关系，同时结合测井曲线分析结果中不同微相对应的密度和速度值域范围，确定不同微相对应的岩石物理参数。
6.如权利要求1所述基于砂体机理模型正演的储层边界定量预测方法，其特征在于，根据标定关系预测储层边界对应的属性阈值，包括：
根据目标砂体涵盖的沉积微相类型，制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
根据现场开发井实施经验，明确储层边界定义及对应的储层参数；
根据正演结果，确定储层边界定义及对应的属性阈值。
7.如权利要求6所述基于砂体机理模型正演的储层边界定量预测方法，其特征在于，制作合成地震记录，包括：
结合目标砂体涵盖的沉积微相类型，将储层厚度设定为单一变量，建立不同沉积微相类型的正演模型并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值；
结合目标砂体涵盖的沉积微相类型，将不同沉积微相的发育厚度，沉积微相可能存在的组合关系设定为变量，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，并制作合成地震记录，将合成地震记录的属性值通过标定关系式转换为实际地震数据的属性值。
8.一种基于砂体机理模型正演的储层边界定量预测系统，其特征在于，包括：
第一处理模块，确定典型连井线的砂体机理模型，明确目标砂体包含的沉积微相类型，不同沉积微相的发育规模以及沉积微相可能存在的组合关系；
第二处理模块，利用测井曲线、岩石物理交会图确定不同沉积微相类型对应的岩石物理参数，将所有已钻井信息简化为单井砂体机理模型，进行地震正演分析得到实际地震响应与正演合成地震记录之间的标定关系；
阈值预测模块，建立厚度和沉积微相组合多参数变量的储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系预测储层边界对应的属性阈值；
优化处理模块，根据属性阈值圈定储层边界，指导开发水平井优化。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310829550.3A CN116840918A (zh) | 2023-07-07 | 2023-07-07 | 基于砂体机理模型正演的储层边界定量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310829550.3A CN116840918A (zh) | 2023-07-07 | 2023-07-07 | 基于砂体机理模型正演的储层边界定量预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116840918A true CN116840918A (zh) | 2023-10-03 |
Family
ID=88161364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310829550.3A Pending CN116840918A (zh) | 2023-07-07 | 2023-07-07 | 基于砂体机理模型正演的储层边界定量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116840918A (zh) |
-
2023
- 2023-07-07 CN CN202310829550.3A patent/CN116840918A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2486336C2 (ru) | Способы имитации разрыва пласта-коллектора и его оценки и считываемый компьютером носитель | |
| US11209560B2 (en) | Assignment of systems tracts | |
| CA2823710C (en) | Methods and systems regarding models of underground formations | |
| CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
| CN110412649B (zh) | 一种单期水下分流河道的识别方法 | |
| US11010969B1 (en) | Generation of subsurface representations using layer-space | |
| US10984590B1 (en) | Generation of subsurface representations using layer-space | |
| Kamali et al. | 3D geostatistical modeling and uncertainty analysis in a carbonate reservoir, SW Iran | |
| Méndez et al. | Rock type prediction and 3D modeling of clastic paleokarst fillings in deeply-buried carbonates using the Democratic Neural Networks Association technique | |
| Suarez et al. | Fracturing-to-Production Simulation Approach for Completion Optimization in the Vaca Muerta Shale | |
| 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 | |
| Pyrcz et al. | Representative input parameters for geostatistical simulation | |
| CN112433248B (zh) | 一种碳酸盐岩沉积环境下隐蔽储层的探测方法 | |
| CN116840918A (zh) | 基于砂体机理模型正演的储层边界定量预测方法及系统 | |
| CN110308488B (zh) | 确定洞穴充填程度的方法及系统 | |
| CN112147676A (zh) | 一种煤层及夹矸厚度预测方法 | |
| CN115576011B (zh) | 一种基于地质模型的相控储层预测方法、装置及系统 | |
| CN112782757B (zh) | 碳酸盐岩储层介质随机建模方法 | |
| Madani et al. | Improvement of fracture network modeling in fractured reservoirs using conditioning and geostatistical method | |
| Kondratyev et al. | Submarine fan reservoir architecture and heterogeneity influence on hard-to-recover reserves. Achimov Fm | |
| CN115629414A (zh) | 稀井区烃源岩toc预测方法、系统、电子设备及介质 | |
| CN104991277A (zh) | 一种利用声波速度判断火山岩含油气性的方法及装置 | |
| Shahbazi | Hybrid Strategy for Porosity Distribution Mapping on a Heterogeneous Reservoir Using Artificial Intelligence Method | |
| Tang et al. | Static connectivity and heterogeneity (sch) analysis and dynamic uncertainty estimation | |
| Dunn | Plurigaussian Simulation of rocktypes using data from a gold mine in Western Australia |
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 |