CN117008188A - 一种基于数据预处理的多尺度页岩气储层裂缝预测方法 - Google Patents
一种基于数据预处理的多尺度页岩气储层裂缝预测方法 Download PDFInfo
- Publication number
- CN117008188A CN117008188A CN202210464837.6A CN202210464837A CN117008188A CN 117008188 A CN117008188 A CN 117008188A CN 202210464837 A CN202210464837 A CN 202210464837A CN 117008188 A CN117008188 A CN 117008188A
- Authority
- CN
- China
- Prior art keywords
- stack
- fracture
- azimuth
- post
- fracture prediction
- 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 43
- 238000007781 pre-processing Methods 0.000 title claims abstract description 36
- 206010017076 Fracture Diseases 0.000 claims abstract description 91
- 208000010392 Bone Fractures Diseases 0.000 claims abstract description 85
- 230000001427 coherent effect Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 208000013201 Stress fracture Diseases 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 9
- 238000013441 quality evaluation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 229910052704 radon Inorganic materials 0.000 claims description 4
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 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
-
- 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/362—Effecting static or dynamic corrections; Stacking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
- G01V2210/512—Pre-stack
-
- 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
本发明提供一种基于数据预处理的多尺度页岩气储层裂缝预测方法,包括:将叠后多方位地震数据进行优势方位叠加;对优势方位叠加后的叠后多方位地震数据进行分频带预处理;在分频带预处理后的叠后多方位地震数据中提取相干体和曲率体,进行叠后地震裂缝预测;对叠前分方位地震道集进行预处理;对预处理后的叠前分方位地震道集计算频率衰减梯度,并进行叠前多方位频率衰减梯度裂缝预测;将叠前裂缝预测结果和叠后裂缝预测结果联合对裂缝进行综合预测。本发明将叠前裂缝预测与叠后裂缝预测相结合进行分析,叠前多方位频率衰减梯度裂缝预测能预测微细裂缝带分布,而叠后裂缝预测能预测大中断裂的精细位置,实现了统一的多尺度页岩气储层裂缝预测分析。
Description
技术领域
本发明涉及石油天然气地球物理勘探中的天然裂缝预测技术领域,具体而言,涉及一种基于数据预处理的多尺度页岩气储层裂缝预测方法。
背景技术
现有研究成果表明,在地震剖面上,断距较大的断层(一般>15m)能引起同相轴的明显错断,可通过构造解释或适于识别大尺度断层的地震属性进行描述;当断距变小或地层挠曲时,地震反射同相轴表现为微幅弯曲,这种尺度的断层或挠曲带处于识别的“模糊地带”,依靠肉眼有时已无法完全分辨,这时可借助地震属性予以描述;当遇到地震尺度的微细裂缝带发育时,地震反射同相轴上已经全无肉眼可见的响应特征,只能凭借地震属性对它们进行刻画。传统的现有技术对地震剖面上同相轴明显错断的情况,即断距大于15m的断层采用相干属性进行描述;对地震剖面上同相轴出现微幅弯曲的情况,即断距介于5~15m的小断层或地层发生挠曲而形成的天然裂缝带采用曲率属性进行描述。其主要原因在于:
单一的叠后裂缝预测技术往往无法满足生产需要,断距10m内的小断层与天然裂缝亟待攻关,裂缝表征精度亟需进一步提升,微细裂缝带的分布和大中尺度的裂缝预测尚且没有统一的分析。裂缝预测方法对地震数据质量具有一定的要求,常见的地震裂缝预测的原始数据往往不具备很高的信噪比,现有的地震裂缝预测方法往往没有涉及裂缝预测地震数据预处理环节。
发明内容
本发明旨在提供一种基于数据预处理的多尺度页岩气储层裂缝预测方法,以通过引入数据预处理环节提高裂缝预测的数据质量,并将叠前多方位频率衰减梯度裂缝预测和叠后裂缝预测进行RGB融合,得到多尺度裂缝预测方法,提高传统叠后裂缝预测方法的精度。
本发明提供的一种基于数据预处理的多尺度页岩气储层裂缝预测方法,包括如下步骤:
步骤101,综合叠后地震资料分析和地质构造形态分析,将叠后多方位地震数据进行优势方位叠加;
步骤102,对优势方位叠加后的叠后多方位地震数据进行分频带预处理;
步骤103,在分频带预处理后的叠后多方位地震数据中提取相干体和曲率体,根据相干体和曲率体进行叠后地震裂缝预测;
步骤104,对叠前分方位地震道集进行资料品质评估,根据资料品质评估结果对叠前分方位地震道集进行预处理;
步骤105,对预处理后的叠前分方位地震道集计算频率衰减梯度,并进行叠前多方位频率衰减梯度裂缝预测;
步骤106,将叠前裂缝预测结果和叠后裂缝预测结果联合对裂缝进行综合预测。
进一步的,步骤101中所述优势方位是指:
地震数据在不同方位的形态特征略有不同,能够相对比较明显反映构造形态的方位即为优势方位。
进一步的,步骤102中所述分频带预处理是指:
将优势方位叠加后的叠后多方位地震数据按照不同频率组分进行划分。
进一步的,步骤103中提取相干体的方法为:
通过计算分频带预处理后的叠后多方位地震数据的本征值获得相干体;对于地震数据样点矢量构成矩阵:
其中,N为横向采样点数,a为纵向采样点数,d是地震数据采样点,该地震数据的矩阵DN×a对应的协方差矩阵为Ca×a=DN×a TDN×a,那么基于本征结构相干性估计将第三代相干体定义为n是自变量(变化范围从1到a),λmax是矩阵DN×a的最大特征值,λn是不同的特征值,Cnn是矩阵Ca×a中不同的元素。
进一步的,步骤103中提取曲率体的方法为:
曲率体是指一种表征地层几何特征的指标,计算式如下:
其中,Kx表示沿x方向的曲率,dx为视倾角。
进一步的,步骤103中根据相干体和曲率体进行叠后地震裂缝预测的方法为:
对相干体和曲率体进行RGB融合得到叠后裂缝预测成果图;所述叠后裂缝预测成果图中采用不同的颜色分别反映大尺度断层的位置和中等尺度裂缝的位置。
进一步的,步骤104中根据资料品质评估结果对叠前分方位地震道集进行预处理的方法为:
对叠前分方位地震道集进行自适应Radon变换、阿尔法滤波联合去噪和道集拉平处理。
进一步的,步骤105中对预处理后的叠前分方位地震道集计算频率衰减梯度A的方法为:
其中,在瞬时振幅谱中最大能量点位置为(f1,E1),极小能量点位置为(f2,E2);而频率衰减梯度A用于描述地震数据高频段能量随频率增加而衰减的快慢程度,如果存在裂缝,频率衰减梯度A的绝对值会增大。
进一步的,步骤105中进行叠前多方位频率衰减梯度裂缝预测的方法为:
在计算得到频率衰减梯度A后,进行多方位各向异性椭圆拟合,得到叠前裂缝预测结果。
进一步的,步骤106中将叠前裂缝预测结果和叠后裂缝预测结果联合对裂缝进行综合预测是指:
通过叠前裂缝预测结果与叠后裂缝预测结果相结合进行分析,其中,叠前裂缝预测结果用于预测微细裂缝带分布,叠后裂缝预测结果用于预测大尺度断层和中等尺度裂缝的精细位置。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明将叠前裂缝预测与叠后裂缝预测相结合进行分析,叠前多方位频率衰减梯度裂缝预测能预测微细裂缝带分布,而叠后裂缝预测能预测大中断裂的精细位置,实现了统一的多尺度页岩气储层裂缝预测分析。裂缝预测地震数据预处理环节提升了用于裂缝预测的数据质量,一定程度提高了多尺度页岩气储层裂缝预测分析的精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明提供的一种基于数据预处理的多尺度页岩气储层裂缝预测方法的流程图。
图2为本发明实施例中的叠后裂缝预测成果图。
图3为本发明实施例中的叠前裂缝预测成果图。
图4为本发明实施例中叠前裂缝预测结果与叠后裂缝预测结果相结合后的RGB融合成果图。
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,下面将结合本发明实施例中的附图,对本发明实施例中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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
实施例
选取西南油气田川南页岩气区块阳101井区宝藏向斜部分奥陶系五峰组,储层为海相页岩储层。如图1所示,本实施例提出一种基于数据预处理的多尺度页岩气储层裂缝预测方法,包括如下步骤:
步骤101,综合叠后地震资料分析和地质构造形态分析,将区内的叠后多方位地震数据进行优势方位叠加;
其中,所述优势方位是指:
地震数据在不同方位的形态特征略有不同,能够相对比较明显反映构造形态的方位即为优势方位。
步骤102,对优势方位叠加后的叠后多方位地震数据进行分频带预处理;
其中,所述分频带预处理是指:
将优势方位叠加后的叠后多方位地震数据按照不同频率组分进行划分。
步骤103,在分频带预处理后的叠后多方位地震数据中提取相干体和曲率体,根据相干体和曲率体进行叠后地震裂缝预测;
其中,提取相干体的方法为:
通过计算分频带预处理后的叠后多方位地震数据的本征值获得相干体;地震数据样点矢量构成矩阵,地震数据可以表示为DN×a:
上式中,N为横向采样点数,a为纵向采样点数,d是地震数据采样点,该地震数据的矩阵DN×a对应的协方差矩阵为Ca×a=DN×a TDN×a,那么基于本征结构相干性估计将第三代相干体定义为n是自变量(变化范围从1到a),λmax是矩阵DN×a的最大特征值,λn是不同的特征值,Cnn是矩阵Ca×a中不同的元素。
其中,提取曲率体的方法为:
曲率体是指一种表征地层几何特征的指标,计算式如下:
其中,Kx表示沿x方向的曲率,dx为视倾角,x方向表示沿着地面的水平方向,y方向是垂直于地面方向垂直向下。
根据相干体和曲率体进行叠后地震裂缝预测的方法为:
对相干体和曲率体进行RGB融合得到叠后裂缝预测成果图;所述叠后裂缝预测成果图中采用不同的颜色分别反映大尺度断层的位置和中等尺度裂缝的位置。本实施例得到的叠后裂缝预测成果图如图2所示,所述叠后裂缝预测成果图中:
采用黑色表示相干体,用于反映大尺度断层的位置;
采用彩色(由于制图要求,图2中展示为不同深浅的灰度)表示曲率体,用于反映中等尺度裂缝的位置。
步骤104,对叠前分方位地震道集进行资料品质评估,根据资料品质评估结果对叠前分方位地震道集进行预处理;
其中,预处理的方法包括:
对叠前分方位地震道集进行自适应Radon变换、阿尔法滤波联合去噪和道集拉平处理。
(1)所述自适应Radon变换的公式如下:
R(ρ,θ)=∫∫f(x,y)δ(ρ-x cosθ-y sinθ)dxdy
其中,R是变换域的值,ρ是直线到原点的距离,θ是直线的法线与横线的夹角,δ是狄拉克函数,f为地震数据;
(2)所述阿尔法滤波联合去噪是指:
将地震数据以面元为单位进行滤波,参数阿尔法表示在面元中去噪的程度,值越大去噪程度越大,值越小去噪程度越弱;
(3)所述道集拉平处理是指:
不依赖速度的剩余时差校正方法,通过将近/中道叠加道做模板,使处理前、后信号振幅保持不变,保持AVO特征。详细见【美】渥·伊尔马兹所著《地震资料分析-地震资料处理、反演和解释》。
步骤105,对预处理后的叠前分方位地震道集计算频率衰减梯度,并进行叠前多方位频率衰减梯度裂缝预测;
其中,对预处理后的叠前分方位地震道集计算频率衰减梯度A的方法为:
其中,在瞬时振幅谱中最大能量点位置为(f1,E1),极小能量点位置为(f2,E2);而频率衰减梯度A用于描述地震数据高频段能量随频率增加而衰减的快慢程度,如果存在裂缝,频率衰减梯度A的绝对值会增大。
进行叠前多方位频率衰减梯度裂缝预测的方法为:在计算得到频率衰减梯度A后,进行多方位各向异性椭圆拟合,得到叠前裂缝预测结果。本实施例得到的叠前裂缝预测结果如图3所示,从图中可以看到微细裂缝带的分布位置和方向,颜色深浅代表裂缝分布带的强度,颜色越深强度越大,反之相反。
步骤106,将叠前裂缝预测结果和叠后裂缝预测结果联合对裂缝进行综合预测。即,通过叠前裂缝预测结果与叠后裂缝预测结果相结合进行分析,其中,叠前裂缝预测结果用于预测微细裂缝带分布,叠后裂缝预测结果用于预测大尺度断层和中等尺度裂缝的精细位。本实施例将叠前裂缝预测结果与叠后裂缝预测结果相结合后得到如图4所示的RGB融合成果图(图4中含YANG101H56-1井和YANG101H53-3井)。
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 (10)
1.一种基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,包括如下步骤:
步骤101,综合叠后地震资料分析和地质构造形态分析,将叠后多方位地震数据进行优势方位叠加;
步骤102,对优势方位叠加后的叠后多方位地震数据进行分频带预处理;
步骤103,在分频带预处理后的叠后多方位地震数据中提取相干体和曲率体,根据相干体和曲率体进行叠后地震裂缝预测;
步骤104,对叠前分方位地震道集进行资料品质评估,根据资料品质评估结果对叠前分方位地震道集进行预处理;
步骤105,对预处理后的叠前分方位地震道集计算频率衰减梯度,并进行叠前多方位频率衰减梯度裂缝预测;
步骤106,将叠前裂缝预测结果和叠后裂缝预测结果联合对裂缝进行综合预测。
2.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤101中所述优势方位是指:
地震数据在不同方位的形态特征略有不同,能够相对比较明显反映构造形态的方位即为优势方位。
3.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤102中所述分频带预处理是指:
将优势方位叠加后的叠后多方位地震数据按照不同频率组分进行划分。
4.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤103中提取相干体的方法为:
通过计算分频带预处理后的叠后多方位地震数据的本征值获得相干体;对于地震数据样点矢量构成矩阵:
其中,N为横向采样点数,a为纵向采样点数,d是地震数据采样点,该地震数据的矩阵DN×a对应的协方差矩阵为Ca×a=DN×a TDN×a,那么基于本征结构相干性估计将第三代相干体定义为n是自变量(变化范围从1到a),λmax是矩阵DN×a的最大特征值,λn是不同的特征值,Cnn是矩阵Ca×a中不同的元素。
5.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤103中提取曲率体的方法为:
曲率体是指一种表征地层几何特征的指标,计算式如下:
其中,Kx表示沿x方向的曲率,dx为视倾角。
6.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤103中根据相干体和曲率体进行叠后地震裂缝预测的方法为:
对相干体和曲率体进行RGB融合得到叠后裂缝预测成果图;所述叠后裂缝预测成果图中采用不同的颜色分别反映大尺度断层的位置和中等尺度裂缝的位置。
7.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤104中根据资料品质评估结果对叠前分方位地震道集进行预处理的方法为:
对叠前分方位地震道集进行自适应Radon变换、阿尔法滤波联合去噪和道集拉平处理。
8.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤105中对预处理后的叠前分方位地震道集计算频率衰减梯度A的方法为:
其中,在瞬时振幅谱中最大能量点位置为(f1,E1),极小能量点位置为(f2,E2);而频率衰减梯度A用于描述地震数据高频段能量随频率增加而衰减的快慢程度,如果存在裂缝,频率衰减梯度A的绝对值会增大。
9.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤105中进行叠前多方位频率衰减梯度裂缝预测的方法为:
在计算得到频率衰减梯度A后,进行多方位各向异性椭圆拟合,得到叠前裂缝预测结果。
10.根据权利要求1所述的基于数据预处理的多尺度页岩气储层裂缝预测方法,其特征在于,步骤106中将叠前裂缝预测结果和叠后裂缝预测结果联合对裂缝进行综合预测是指:
通过叠前裂缝预测结果与叠后裂缝预测结果相结合进行分析,其中,叠前裂缝预测结果用于预测微细裂缝带分布,叠后裂缝预测结果用于预测大尺度断层和中等尺度裂缝的精细位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210464837.6A CN117008188A (zh) | 2022-04-29 | 2022-04-29 | 一种基于数据预处理的多尺度页岩气储层裂缝预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210464837.6A CN117008188A (zh) | 2022-04-29 | 2022-04-29 | 一种基于数据预处理的多尺度页岩气储层裂缝预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117008188A true CN117008188A (zh) | 2023-11-07 |
Family
ID=88565936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210464837.6A Pending CN117008188A (zh) | 2022-04-29 | 2022-04-29 | 一种基于数据预处理的多尺度页岩气储层裂缝预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117008188A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117991370A (zh) * | 2024-03-08 | 2024-05-07 | 成都星辉科瑞科技有限责任公司 | 一种页岩气多尺度裂缝小断层叠前智能增强检测方法 |
-
2022
- 2022-04-29 CN CN202210464837.6A patent/CN117008188A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117991370A (zh) * | 2024-03-08 | 2024-05-07 | 成都星辉科瑞科技有限责任公司 | 一种页岩气多尺度裂缝小断层叠前智能增强检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Backus et al. | Flat spot exploration | |
Ferreira et al. | Unsupervised seismic facies classification applied to a presalt carbonate reservoir, Santos Basin, offshore Brazil | |
CN107356965B (zh) | 基于加权叠加噪音压制策略的反射系数反演储层预测方法 | |
CN106646609B (zh) | 多次扫描的微地震多参数联合快速反演方法 | |
CN111506861B (zh) | 一种目的层有利区域裂缝强度计算方法 | |
CN113296166A (zh) | 裂缝模型的构建方法 | |
CN110632652A (zh) | 断块油气藏的油气运移方式确定方法及装置 | |
CN117008188A (zh) | 一种基于数据预处理的多尺度页岩气储层裂缝预测方法 | |
CN112346121B (zh) | 一种基于全波形的储集体地层分离处理方法 | |
CN117607995A (zh) | 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 | |
CN109471162A (zh) | 层间多次波处理方法、系统、电子设备及可读介质 | |
CN113109875A (zh) | 一种全波形速度场约束下的盐下碳酸盐岩储层反演方法 | |
CN114488293A (zh) | 基于敏感测井曲线的高分辨率反演方法 | |
Ma et al. | A Global and Multi-Scale Denoising Method Based on Generative Adversarial Network for DAS VSP Data | |
CN112255677B (zh) | 一种圈定大洋海山碳酸盐岩分布范围的方法及处理终端 | |
CN113900141B (zh) | 油气分布预测方法及装置 | |
CN116413831A (zh) | 多井合成地震记录自动标定及构造解释和储层预测方法 | |
CN113589372A (zh) | 适用于断陷盆地扭张断层定量识别方法 | |
CN114089418A (zh) | 高地层倾角条件下低序级断层的地震识别方法 | |
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 | |
CN110485993A (zh) | 一种地震资料套变点预测方法 | |
CN112882095B (zh) | 一种盐下湖相碳酸盐岩的岩性判识方法和系统 | |
CN118014871A (zh) | 一种断裂特征增强方法、存储介质以及电子设备 | |
CN113325474B (zh) | 生物礁判别方法 | |
ZHANG | Target enhancement interpretive processing techniques and their application in B area |
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 |