CN117130052A - 一种基于叠前道集数据计算裂缝参数的方法 - Google Patents
一种基于叠前道集数据计算裂缝参数的方法 Download PDFInfo
- Publication number
- CN117130052A CN117130052A CN202210551985.1A CN202210551985A CN117130052A CN 117130052 A CN117130052 A CN 117130052A CN 202210551985 A CN202210551985 A CN 202210551985A CN 117130052 A CN117130052 A CN 117130052A
- Authority
- CN
- China
- Prior art keywords
- data
- crack
- fracture
- angle
- attribute
- 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 62
- 238000011160 research Methods 0.000 claims abstract description 23
- 238000007499 fusion processing Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 102
- 238000012545 processing Methods 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000008092 positive effect Effects 0.000 abstract description 2
- 206010017076 Fracture Diseases 0.000 description 101
- 208000010392 Bone Fractures Diseases 0.000 description 97
- 238000012937 correction Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000037303 wrinkles 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
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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
本发明公开了一种基于叠前道集数据计算裂缝参数的方法,包括如下步骤:对全方位道集数据进行划分得到各个中心角道集数据体,并计算各个中心角道集数据体的梯度及截距属性数据体,然后对梯度及截距属性数据体进行校正;计算研究区目的层段各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体;对各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体在三维空间上分别进行数据融合处理,得到用于研究区裂缝预测及评价的裂缝强度数据体及裂缝方向数据体。与现有技术相比,本发明的积极效果是:相比其它裂缝预测方法所预测的裂缝强度及方向数据体更为准确。
Description
技术领域
本发明属于石油地球物理勘探领域,具体涉及一种基于叠前道集数据计算裂缝参数的方法。
背景技术
裂缝是地下油气聚集和运移的重要通道,裂缝预测是指预测裂缝的发育强度或与裂缝分析有关的参数。大多数情况下裂缝主要为构造裂缝——归因于局部构造事件或与局部构造事件相伴生的裂缝,包括与断层有关的裂缝系统、与地层隆升上拱有关的裂缝系统、与褶皱有关的裂缝系统等等。南方海相的碳酸盐岩储层基本上都发育有裂缝,其岩体上的裂缝经酸性溶液的溶蚀作用下,裂缝可进一步扩大、延展,也能起到沟通储层的作用,从而为形成优质的碳酸盐岩储层打下基础。所以,寻找裂缝型碳酸盐岩储层是海相油气勘探的重要目标之一。
目前,利用地震资料来预测地下裂缝不外乎两种——均与叠前及叠后地震资料有关。另外,也有采用有限元分析、构造应力场分析等地质经验分析技术对裂缝进行预测。其中一种利用分方位角地震叠加资料,以方位各向异性理论为指导,通过确定一个中心坐标为(0,0),与X轴成任意夹角θ的椭圆需要确定三个参数——长轴半径a、短轴半径b和θ,所以确定一个椭圆至少需要三个已知点的坐标。通过求出的这些拟合椭圆的长轴及短轴的比率,从而计算裂缝强度及方向。其次裂缝装置的建立亦有相关代替材料进行组合能够实现,另外可对裂缝装置利用地球物理实验技术进行相关计算,并能得到其相关的地震响应参数。地球物理实验技术包括地震物理模型实验技术、岩石物理测试及分析技术等。其中地震物理模型实验是一种正演方法,即在已知地质地震模型的条件下,获取地震物理模型观测数据;岩石物理测试及分析是通过岩芯测试实验手段,来建立岩石物性与地震响应之间的关系,揭示地震波传播规律,为实际地震响应分析和属性反演提供经验或理论依据。
针对裂缝的预测,已有相当多的专利技术文献,由此可见对裂缝的探测一直是研究及探索的热点。一些专利和技术文献如范国章和牟永光提出的建立裂缝分布模型及其地震响应(范国章和牟永光在2002年《石油物探》上发表的《裂缝各向异性介质中纵波速度的变化及其对共中心点道集叠加的影响》;发明名称为《一种可控裂缝参数物理模型及其制作方法》(专利号:201210326132.4)的专利公开了一种可控裂缝参数物理模型及其制作方法,通过对物理模型在每层背景介质层上均匀嵌入有裂缝填充物,并将各个嵌入有裂缝填充物的背景介质层层叠设置,从而构成物理模型;发明名称为《一种地震物理模型及其制备方法和应用》(专利号:201010503831.2)的专利是通过专用的制作设备及制作工艺合成新型的地震物理模型材料,通过利用相似性原理建造地震物理模型,模拟实际的地质构造,用于地震波场和其他目的研究,研究地震波在复杂地区传播的运动学和动力学特征,同时也为油气勘探开发中新的方法和新理论的验证提供了比较客观的依据;发明名称为《裂缝预测方法和装置》(专利号:201010205983.4)的专利提出利用拾取的目标层时窗获取每个地震道的反射振幅,通过获取的方位角及反射振幅来进行椭圆拟合,以此来预测裂缝的方向及裂缝密度。但是,这些方法实现起来难度相当大,操作起来易受各种因素影响,主要存在如下几个问题:
(1)常规裂缝预测技术在对小型裂缝、目的层段裂缝分布复杂时的预测结果往往与井资料的吻合率不高,预测难度较大。
(2)利用振幅、频率等属性进行椭圆拟合计算裂缝发育方向及强度,预测结果往往差异很大,难于对这些技术方法进行取舍及影响成果的判断。
发明内容
为了克服现有技术的上述缺点,本发明提出了一种基于叠前道集数据计算裂缝强度及方向等两种数据体的方法,采用相对简单的技术流程来解决对裂缝预测的问题,更为有效地实施相关研究区目的层裂缝发育参数的计算,有效地解决了上述现有常规裂缝预测技术中存在的难题。
本发明解决其技术问题所采用的技术方案是:一种基于叠前道集数据计算裂缝参数的方法,包括如下步骤:
步骤一、对全方位道集数据进行划分得到各个中心角道集数据体,并计算各个中心角道集数据体的梯度及截距属性数据体;
步骤二、对相关梯度及截距属性数据体进行校正处理后作为输入,并基于分层段及波形分类的各个分类波形的裂缝强度及裂缝方向两种计算模型及中心角属性组合进行优选后,计算关于不同分类波形平面范围内裂缝强度及方向等参数的两个数据体及实施相关的三维空间上数据体融合处理,得到用于研究区目的层的裂缝预测的裂缝强度及裂缝方向的两个数据体;具体步骤如下:
步骤201、对各个中心角道集数据体的梯度及截距属性数据体分别依相关计算公式进行校正处理,所得到的属性数据体分别参与后续步骤的计算;
步骤202、对研究区内的目的层段依设定相关的分层段及分波形参数实施处理,得到相关的不同的裂缝参数计算区域(建立参与对同一个分类及同一个层段内的同一个裂缝强度及裂缝方向计算的数据区域);
步骤203、对不同的裂缝参数计算区域,建立相关的裂缝强度及裂缝方向计算模型、输入的优选属性组合,并分别计算研究区目的层段各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体;
步骤204、对各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体在三维空间上分别进行数据融合处理,得到用于研究区裂缝预测及评价的裂缝强度数据体及裂缝方向数据体。
与现有技术相比,本发明的积极效果是:
本发明提供的基于叠前道集数据计算裂缝参数的方法相对于传统的裂缝计算方法来说,可得到准确的关于裂缝强度及裂缝方向的两种数据体;且相比其它裂缝预测方法所预测的裂缝强度及方向数据体更为准确。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1为本发明方法的流程图。
具体实施方式
一种基于叠前道集数据计算裂缝参数的方法,包括如下步骤:
步骤一、对全方位道集数据依设定的方位角及入射角范围进行关于各个中心角道集数据体的划分处理,并计算相关各个中心角道集数据体的梯度及截距属性数据体,具体步骤如下:
(1-1)、将所述全方位角道集数据体按设计的方位角范围划分成多个中心角道集数据体,并使各个中心角的振幅变化幅度基本一致。一般情况下,所设计的方位角范围是固定的,并且各个方位角范围的所对应大小方位角数据值的平均值设定为相关的中心角数据值。在实际操作中,根据所设定的方位角范围、划分的中心角道集数目及基于射线对称原理,从而将全方位角道集数据在0°-180°方位角范围之间,划分成设定的多个中心角道集数据。其中,所述的全方位角道集数据是指经过常规野外静校正、叠前去噪、振幅补偿及反褶积、剩余静校正处理及动校正后的道集数据;另外,相关的叠加及偏移处理都是常规地震处理技术,在本发明中不再叙述。原则上,所设计的中心角数目越多则关于裂缝强度的计算精度也越高;反之,则裂缝强度的计算精度相对降低。其次,对中心角的设计可以设计为中心角之间的增量是等距或不等距,一般依中心角的数目在0°-180°之间设计为等距的。一般情况下,基于地震射线的对称原理,中心角及方位角均设定为0°-180°之间的道集数据。一般情况下,本发明所划分中心角的数目必须大于三个。其中,所述的使各个中心角的振幅变化幅度基本一致,也就是对各个中心角道集数据体基于保幅、保真及目的层时差校正处理等常规道集处理后,使各个中心角道集内的振幅更易于实施AVO属性计算。
(1-2)、对所述的各个中心角道集数据所对应的共反射点道集数据进行入射角道集转换,并对转换后的各个中心角角度道集数据按对目的层的关于入射角范围进行划分或切除,从而得到中心角——入射角组。其中,所设定的关于目的层的入射角原则上不大于30°。一般情况下,所设定角度道集数据的入射角范围为8°-30°,大于30°的入射角的道集数据进行切除(或剔除)。在实际操作中,入射角组可以根据道集针对深度域目的层的入射角范围,以最大入射角小于30°设定入射角范围;计算道集的入射角范围时,可以根据相关中心角的CDP点的目的层深度数据及层速度数据体,对相关的各个中心角道集数据体依相关公式进行角度转换计算,从而得到一系列的中心角——入射角组。其中,目的层深度数据的获得,可以通过计算时间域的层位数据及层速度数据体等进行计算得到,在此不再详细阐述;关于转换所使用的层速度数据体及均方根速度数据体,则可以根据相关的成熟商业软件计算得到。
(1-3)对所述划分后的各个中心角——入射角组对应的共反射点道集数据进行梯度及截距属性数据计算,从而得到各个中心角——入射角的梯度及截距属性数据体。其中,梯度及截距属性计算的相关属性数据体为根据各个中心角——入射角道集数据的目的层段的采样点的地震反射振幅与入射角的关系(AVO),计算其相关的梯度及截距数据,从而得到各个中心角的梯度及截距两种数据体。一般情况下,关于道集数据体的梯度及属性的计算,可以利用相关的商业软件实施计算,在此不在详细阐述。
优选地,目的层段是指研究区内包含储层的层段,是油气勘探的层段位置。一般情况下,目的层段是指研究区内含油气的储层所在的地质层位之间的地层,具体操作为根据相关井中的井—震合成记录的标定结果,确定其目的层的顶、底的层位数据,利用顶及底的层位数据实施卡层后,从而确定目的层段的双程反射时间。另外,根据目的层的地震反射特征,设定地震资料解释网格,在整个研究区内进行关于层位数据的解释,得到相关的层位数据。
优选地,在相关的方位角及中心角设计中,本发明技术处理中设定观测系统方向以正北方向为0°,顺时针方向旋转,计360°。基于对称原理,将野外采集的地震数据炮点—检波点的360°方位转化为180°方位角,对某一个方位角范围来说计算其中心角,中心角则代表划分的这个方位角范围。计算公式如下:
式中,θi为设计的第i个道集数据的中心角,为设计的第i个道集数据最小方位角,/>为设计的第i个道集数据最大方位角,i≥2。
优选地,对动校正后的CMP道集数据转换到角度域中,得到角度道集数据。另外,可进一步对全方位角的CMP道集数据进行提高信噪比、分辨率及保真度等处理。其中,角度道集转换可根据实际情况选用以下一种计算公式对全方位道集数据进行关于角度道集转换,相关角度道集的转换公式可为如下两种:
式中,θ为第一种情况下的角度道的入射角,x为炮检距,v为均方根速度,t0为零偏移距的双程旅行时。
式中,α为第二种情况下的角度道的入射角,vint为层速度,vrms为均方根速度,t为双程旅行时,x为炮检距。
步骤二、对相关梯度及截距属性数据体进行校正处理后作为输入,并基于分层段及波形分类的各个分类波形的裂缝强度及裂缝方向等两种计算模型及中心角属性组合进行优选后,计算关于不同分类波形平面范围内裂缝强度及方向等参数的两个数据体及实施相关的三维空间上数据体融合处理,得到用于研究区目的层的裂缝预测的裂缝强度及裂缝方向的两个数据体,具体步骤如下:
(2-1)对各个中心角的梯度及截距数据体进行校正处理,对分层段及波形分类后的各个分类波形的裂缝强度及方向的计算模型及中心角组合进行优选,从而确定相关的裂缝计算模型及优选中心角组合属性数据体。其中,本发明所述的裂缝计算模型是指利用井上的实测资料建立多种计算裂缝强度及方向的函数关系式,这些函数关系式可以是BP神经网络回归数学模型及其相关改进型。此外,建立样本井及盲井,对相关的裂缝计算模型及一系列的优选中心角属性组合所计算的梯度及截距属性(校正处理后)经椭圆拟合计算的结果作为相关计算模型的输入属性。另外,本步骤中的波形分类是指根据目的层段的反射波形特征信息,采用监督或无监督的分类方法来识别不同的地震波形,并将其划分进分类后所设计的不同类别。一般情况下,分类方法可包括基于SOM神经网络的自动波形分类、基于分层聚类的自动波形分类、基于概率模型聚类的自动波形分类或基于确定性概率分布的EM有监督波形分类,这些技术方法已有大量的商业软件可以实现。
优选地,所述的对目的层段实施分层段及波形分类处理,得到相关的不同层段内的不同波形分类平面,并对各个波形分类平面的数据范围进行关于裂缝强度及裂缝方向等两种计算模型及中心角组合的优选。其中,所述的对目的层实施分层段及波形分类,得到相关的不同层段内的不同波形分类平面,并对各个波形分类平面的数据范围进行关于裂缝强度及裂缝方向等两种计算模型的优选,相关的操作步骤如下:
a)对目的层段按设定的固定时窗参数及分层数目实施分层段计算,得到一系列的分层层段。一般情况下,所分层段的时窗应该大于或等于四分之三的波长。在实际操作中,可以根据分层层段测试情况、专家经验及裂缝预测精度等确定。原则上,所划分的层段数目越多,裂缝计算精度越高;反之,裂缝计算的精度相对降低。原则上,所划分的分层时间厚度是相等的,也可以根据相关实际情况,划分不同时间厚度的分层层段。如果目的层段(如层段厚度不大于四分之三的波长)不满足进行分层,则可以忽略该步骤,直接进行关于波形分类的下一步骤;
b)利用分层层段数据,在不同的层段设定相关的波形分类数目后实施不同层段内的波形分类处理,得到不同层段的波形分类平面数据范围。在实际操作中,如对于某一分层层段,可以利用相关的已知井上测井数据及叠后波阻抗反演方法及参数等对三维叠后地震数据体进行波阻抗反演,得到相关的叠后波阻抗数据体;再利用相关的波形分类方法及参数对波阻抗反演数据体进行关于该分层层段的波形分类,从而得到相关的波形分类平面数据。依此类推,完成不同分层层段的不同波形分类。原则上,各个分层层段的波形分类数目可以相同或不相同,分类数目的确定应该根据地震资料的实际情况、专家经验及裂缝预测精度等确定。一般情况下,所设计的波形分类数目,要在相关波形分类后各个波形平面范围内必须有两口及以上已钻井,这样相对有利于对各个波形分类实施裂缝参数建模;
c)对各个波形分类平面的数据范围进行关于裂缝强度及裂缝方向等两种计算模型的优选。在实际操作中,主要为分别对各个波形分类平面内的已知井中实测裂缝强度及方向等参数数据、各个中心角所计算裂缝强度及方向数据(校正处理后)等建立关于相关波形分类内的一系列裂缝强度及裂缝方向计算模型并对其实施优选,从而得到各个波形分类数据内的优选裂缝强度及裂缝方向的计算模型。其中,本发明中裂缝方向是指井中裂缝发育点的优势裂缝方向——主要裂缝方向,是具有单一方向性质,也称为第一裂缝方向。其中,三维叠后地震数据体的获得,是利用全方位角道集数据体进行叠加、偏移处理后得到。
d)根据优选的裂缝参数计算模型,实施对相关中心角组合的优选。在实际操作中,设定相关的组合数增量(一般设定为一),以组合数为三开始计算,利用优选的裂缝参数计算模型及盲井中实测的裂缝强度及方向数据,对不同组合的计算结果进行优选,根据平均误差最小的组合或误差次小的组合作为优选中心角属性组合,或者取平均误差最小的组合作为优选中心角属性组合。
优选地,利用所计算的各个中心角的梯度及截距属性,对各个中心角的梯度及截距属性等这两种属性进行校正处理,利用校正后的各个中心角的梯度及截距属性建立相关的裂缝计算模型的输入属性测试及优选中心角组合属性。
优选地,对各个中心角的相关采样点的梯度属性进行校正,从而得到相关的校正后的梯度属性进入下一步骤。其中,相关的梯度属性校正计算公式如下:
公式(1)中,为第j个中心角的第i个采样点的校正后的梯度属性,/>为第j个中心角的第i个采样点的截距属性数据值,/>为第j个中心角的第i个采样点的梯度属性数据值,/>为各个中心角在该采样点上的截距数据值之和的平均值。
优选地,对各个中心角的相关采样点的截距属性进行校正,从而得到相关的校正后的截距属性进入下一步骤。其中,相关的截距属性校正计算公式如下:
公式(2)中,为第j个中心角的第i个采样点的校正后的截距属性,/>为第j个中心角的第i个采样点的波阻抗属性数据值,/>为第j个中心角的第i个采样点的梯度属性数据值,/>为各个中心角在该采样点上的波阻抗属性数据值之和的平均值。一般情况下,各个中心角道集数据的波阻抗属性数据值,其主要步骤为对各个中心角道集数据体采用同一方法及参数进行叠加、偏移处理,得到各个中心角的叠后数据体;再利用测井数据及层位数据建模、各个中心角叠后数据体进行地震反演后得到相关的各个中心角波阻抗数据体。
优选地,上述关于梯度及截距校正处理时,要对其梯度及截距进行绝对值计算后再进行校正处理。
优选地,鉴于本次发明所预测的裂缝参数主要是裂缝强度及裂缝方向,相关的裂缝参数计算模型的建立及主要操作步骤如下:
(a)根据各个中心角——梯度或截距属性(校正处理后)的关系,分别建立不同中心角属性的矢量模式也就是在二维极坐标平面中,建立/> 其中,/>为第i个中心角的地震属性(梯度及截距属性中的一种)数据值,/>为该地震属性所对应的中心角。建立极坐标,主要是为了实施椭圆拟合计算其裂缝强度及裂缝方向。其中,极坐标系统以正北方向为0°,顺时针方向旋转,计360°。
(b)相关的裂缝强度计算模型的建立。该裂缝强度计算模型,主要是由相关的数学函数关系式构成。其中,关于裂缝强度计算的数学函数关系式如下:
Fs i=f(Ki m) (3)
公式(3)中,Fs i为第s个CDP点上的第i个采样点的裂缝强度数据值,f为关于计算裂缝强度的函数关系式,Ki m为优选中心角组合某一个属性基于椭圆拟合计算的第m个裂缝强度数据值。其中,Ki m数据值的获取,主要是根据设定相关优选中心角组合的梯度或截距属性对极坐标上相关数据投影点进行椭圆拟合计算后,得到关于这个组合属性的裂缝强度数据值Ki m及裂缝方向θi m,利用这两个数据值参与相关的裂缝强度及方向计算。其中,椭圆拟合计算裂缝强度及方向,是相当成熟的技术,在此不再详细阐述。在实际操作中,根据相关的中心角数目,设定相关关于椭圆拟合计算的优选中心角属性组合,以便对该组合内各个中心角的梯度或截距属性/>实施相关椭圆拟合计算,以得到相对应的裂缝强度数据值Ki m及裂缝方向θi m数据。依此类推,完成关于梯度及截距属性的各个中心角的设定优选组合所计算的裂缝强度数据值Ki m及裂缝方向θi m,从而得到一系列的裂缝强度数据值及裂缝方向数据值。一般情况下,所设定的优选中心角组合数目为4-6个。
其中,关于裂缝方向的计算公式如下:
θs i=f(θi m) (4)
公式(4)中,θs i为第s个CDP点上的第i个采样点的裂缝方向数据值,f为关于计算裂缝方向的函数关系式,θi m为优选中心角组合某一个属性基于椭圆拟合计算的第m个裂缝方向数据值。
在实际操作中,如针对某一个分层层段中的某一个波形分类范围内,以各井井中的该层段内的无裂缝段及裂缝段建立相关采样点的实测裂缝强度及裂缝方向的数据值/>或相关曲线数据,并根据其相关采样点所对应的各个中心角的梯度及截距地震属性,经相关中心角属性组合测试及优选后,进行关于优选d(d≥3)个中心角属性组合的椭圆拟合计算后所得到的一系列裂缝强度及方向数据作为输入、训练,从而建立关于裂缝强度及裂缝方向计算的两种函数关系式,这两种函数关系式组成了裂缝参数计算模型。其中,井中实测的裂缝强度及方向与计算裂缝强度数据对应关系,主要是根据井上的时深关系,将井上实测的裂缝强度曲线从深度域进行转换进时间域及实施重采样计算,从而得到井上的裂缝强度与计算裂缝强度的对应关系。依此类推,也可以完成实测裂缝方向与计算裂缝方向数据的对应关系。
优选地,所述的相关组合,如对于梯度属性,是指从n个中心角梯度属性中,每次取出d个组合的梯度属性数据,不管其顺序合成一组,其组合数目的计算公式如下:
公式(5)中,n为中心角数目,设定d≥3,n>d。在实际操作中,可根据裂缝预测精度及测试情况、专家经验等确定测试的d组合数的大小,也可以设定一系列的d1、d2、d3等组合。一般情况下,可以将d组合数设定为增量模式(如增量为1),以便对其进行关于裂缝计算模型的测试及中心角组合属性优选。
(c)相关分层段分波形处理后的各个波形分类范围内的裂缝强度及裂缝方向计算模型及关于中心角属性数据组合的优选,并对优选后的计算模型及利用中心角组合的椭圆拟合计算结果进行后续步骤的计算。在实际操作中,关于计算模型的优选,该步骤的具体操作为,对已知井分别建立样本井及盲井,其中样本井主要是建立裂缝强度或方向的计算模型所用,而盲井则是对裂缝强度或方向的计算模型进行测试及优选。在实际操作中,可以将相关的测试模型及输入属性(设定中心角组合后经椭圆拟合计算的裂缝强度及方向数据作为输入)进行关于盲井的裂缝强度及方向数据计算,与实测的盲井井中目的层的裂缝强度值及裂缝方向数据值进行误差分析或相关系数计算,选取各个盲井的平均误差最小或相关系数最大时所对应的裂缝强度计算模型及裂缝方向计算模型进入下一步骤。另外,对于中心角组合的优选,主要操作步骤为设定一系列组合——具有组合数目具有增量特征,对盲井井上的裂缝强度及方向计算采用设定的一系列组合进行椭圆拟合计算,将所得到的结果与实测的盲井井中目的层的裂缝强度值及裂缝方向数据值进行误差分析或相关系数计算,选取各个盲井的平均误差最小或相关系数最大时所对应的中心角组合进入下一步骤。
优选地,关于裂缝强度及裂缝方向计算模型及关于中心角属性数据组合的优选,其步骤可以不分先后。在实际操作中,可以先设定裂缝计算模型,对相关的中心角属性组合进行测试及优选,再利用优选的中心角属性组合对一系列的裂缝计算模型进行测试及优选。也可以先设定相关的中心角属性组合,对裂缝计算模型进行测试及优选,再利用优选的裂缝计算模型对一系列的中心角属性组合进行测试及优选,确定相关优选的中心角属性组合。
(2-2)利用各个分层层段的不同波形分类后各个波形内优选的裂缝强度及方向计算模型及其所对应优选中心角组合属性所计算的裂缝强度及方向数据作为输入,经相关计算得到该波形范围内关于裂缝参数计算的两种数据体。依此类推,完成各个分层层段及其不同波形分类范围内的裂缝强度及方向数据体的计算,得到相关的裂缝强度及方向数据体。其中,裂缝强度及裂缝方向两种数据,主要是根据各个中心角的校正后的梯度及截距属性,分别对两者进行优选组合后再实施椭圆拟合计算得到关于各自的裂缝强度及裂缝方向数据体,从而得到两种类型的一系列裂缝强度及裂缝方向数据体;并分别将其作为输入数据,经优选裂缝强度计算模型计算后得到裂缝强度数据体(输入裂缝强度数据体),经优选裂缝方向计算模型计算后得到裂缝方向数据体(输入裂缝方向数据体)。
(2-3)对各个分层层段内的不同波形分类的裂缝强度及裂缝方向两种数据体分别进行三维空间上的数据体融合处理,从而得到整个关于研究区裂缝预测及评价的裂缝强度数据体及裂缝方向数据体。其中,不同数据体的三维空间融合处理,已经有成熟的商业软件可以实施,在本发明中不再详细阐述。
本发明采用如下实施例对本发明方法的预测成果进行了验证:
如图1所示,根据本发明技术流程制定工作步骤,本实例是对某三维工区进行海相目的层裂缝强度数据体及裂缝方向数据体的计算。在该区的油气勘探中发现,关于储层的裂缝预测相当重要,打在储层内的裂缝强发育区域的钻井经测试可获得高产工业气流。
对步骤一中对全方位角道集的设定相关的中心角及以其为中心的方位角范围及入射角范围进行确定。在实际操作中,根据该区地震资料的实际情况及专家经验等,确定中心角的数目为18个,分别为5°、15°、25°、35°、45°、55°、65°、75°、85°、95°、105°、115°、125°、135°、145°、155°、165°、175°等18个,各个中心角之间采用等增量设计,相关中心角的方位角范围设定为以中心角正负5°、对主要目的层的入射角设定小于30°,所设定的入射角范围为5°-30°。根据设定的方位角及入射角范围等相关参数,对全方位角道集数据依此方位角及入射角范围划分参数分别进行道集划分处理及切除,得到各个中心角——入射角共反射点道集数据体。
其次,利用相关的井资料、合成记录标定及地质资料、三维叠后地震资料等对研究区确定目的层位,并基于解释网格对层位数据进行人工解释后,对解释层位数据进行内插、平滑处理,从而得到用于后续计算的层位数据。另外,也根据后续步骤的需要,进行了全方位角道集及分方位角、分入射角道集的叠加、偏移处理,从而得到了三维叠后地震数据体及各个中心角叠后地震数据体,这些数据体均利用后续的波阻抗反演计算。
在本步骤中,对共计18个中心角——入射角共反射点道集数据体进行目的层相关采样点的梯度及截距计算,得到相关的中心角——入射角梯度及截距属性数据体。
在步骤二中根据相关的校正公式,分别对梯度及截距数据体进行校正处理后,在设计相关的分层数目及时窗后,对目的层段进行分层处理,得到各个分层层段;再对各个分层层段进行波形分类处理,得到相关的不同层段的波形分类范围;并根据相关波形分类范围的裂缝强度及方向计算模型的测试情况、专家经验及裂缝预测精度等,建立相关的裂缝强度及裂缝方向等的裂缝参数计算模型并优选,再对相关中心角属性组合进行优选,利用优选组合数的梯度及截距属性进行关于椭圆拟合计算后得到裂缝强度数据体及裂缝方向数据体,并分别将其输入相关的裂缝强度及方向计算模型,经计算得到各个层段各个分类波形的裂缝强度及方向数据体;再对计算所得到的各个裂缝强度数据体及裂缝方向数据体在三维空间上分别进行数据融合处理,从而得到关于研究区裂缝预测的裂缝强度数据体及裂缝方向数据体。在实际操作中,针对该研究区的目的段,利用校正后的梯度及截距属性数据,并根据中心角属性数据组合测试后优选的中心角组合数(优选组合数目为6和8),分别计算关于梯度及截距的椭圆拟合的裂缝强度及裂缝方向,从而将两种类型的数据体作为优选裂缝参数计算模型的输入。在实际操作中,鉴于研究区域内目的层时间厚度小于四分之三波长(目的层底及向上开40ms时窗),因此,不对其进行分层处理;而是直接对其实施波形分类处理,所设计的波形分类数目为6,得到六个不同波形范围,其相关范围内的井数目满足相关裂缝参数建模要求。另外,根据某一个波形分类区域内相关盲井的测试结果、专家经验及裂缝预测精度等,决定采用前馈式反向传播BP神经网络模型作为裂缝强度及裂缝方向的计算模型,并采用井上目的层相关采样点的实测裂缝强度及裂缝方向及其对应的关于优选组合的中心角属性经椭圆拟合计算得到的裂缝强度及裂缝方向数据分别对BP神经网络模型进行训练,从而得到用于后续裂缝强度及方向计算的两套BP神经网络模型。依此类推,完成了六个分类波形内的裂缝强度及裂缝方向的计算模型的优选。在实际操作中,对于某一个波形分类,以优选中心角属性组合计算的裂缝强度及裂缝方向数据体作为输入,经优选的裂缝强度及裂缝方向计算模型进行计算后,从而得到两个数据体(裂缝强度数据体及裂缝方向数据体);依此类推,完成了六个分类波形内的六个裂缝强度数据体及六个裂缝方向数据体的计算,并将两者分别在三维空间上进行数据体融合计算,得到一个裂缝强度数据体及一个裂缝方向数据体。在实际操作中,对于裂缝强度计算模型的训练,在某一个波形分类范围内将该范围内各个井中的裂缝强度参数作为神经网络的训练数据,网络模型结构为2-9-2,经过17800次迭代后,系统误差平方和为0.003,小于期望误差10-2,学习结束,得到该波形分类范围内优选的裂缝强度计算模型。依此类推,完成各个分类波形内的裂缝强度及裂缝方向的计算模型的训练,得到相关的优选裂缝参数计算模型。
利用本发明的裂缝参数预测成果,经与研究区后续的钻井资料对比分析,符合率高于81.5%,达到了地质上的要求。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (10)
1.一种基于叠前道集数据计算裂缝参数的方法,其特征在于:包括如下步骤:
步骤一、对全方位道集数据进行划分得到各个中心角道集数据体,并计算各个中心角道集数据体的梯度及截距属性数据体;
步骤二、对各个中心角道集数据体的梯度及截距属性数据体进行校正;
步骤三、计算研究区目的层段各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体;
步骤四、对各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体在三维空间上分别进行数据融合处理,得到用于研究区裂缝预测及评价的裂缝强度数据体及裂缝方向数据体。
2.根据权利要求1所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:步骤一所述对全方位道集数据进行划分得到各个中心角道集数据体,并计算各个中心角道集数据体的梯度及截距属性数据体的方法为:
1)将全方位角道集数据按设计的方位角范围划分成多个中心角道集数据体,并使各个中心角的振幅变化幅度一致;
2)对各个中心角道集数据所对应的共反射点道集数据进行入射角道集转换,并对转换后的各个中心角角度道集数据按关于目的层的入射角范围进行划分或切除,得到中心角-入射角组;
3)对各个中心角-入射角组对应的共反射点道集数据进行梯度及截距属性数据计算,从而得到各个中心角道集数据体的梯度及截距属性数据体。
3.根据权利要求2所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:划分中心角的数目大于三个。
4.根据权利要求2所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:目的层的入射角范围为8°-30°。
5.根据权利要求1所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:按如下公式对各个中心角道集数据体的梯度属性数据体进行校正:
式中,为第j个中心角的第i个采样点的校正后的梯度属性,/>为第j个中心角的第i个采样点的截距属性数据值,/>为第j个中心角的第i个采样点的梯度属性数据值,/>为各个中心角在该采样点上的截距数据值之和的平均值。
6.根据权利要求5所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:按如下公式对各个中心角道集数据体的截距属性数据体进行校正:
式中,为第j个中心角的第i个采样点的校正后的截距属性,/>为第j个中心角的第i个采样点的波阻抗属性数据值,/>为第j个中心角的第i个采样点的梯度属性数据值,/>为各个中心角在该采样点上的波阻抗属性数据值之和的平均值。
7.根据权利要求1所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:步骤三所述计算研究区目的层段各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体的方法为:
1)对研究区目的层段进行分层处理,得到各个分层层段;
2)对各个分层层段进行波形分类处理,得到相关的不同层段的波形分类范围;
3)建立裂缝强度及裂缝方向计算模型并优选;
4)利用中心角属性优选组合数的梯度及截距属性进行椭圆拟合计算,得到裂缝强度数据体及裂缝方向数据体;
5)将裂缝强度数据体和裂缝方向数据体分别输入优选的裂缝强度及裂缝方向计算模型,经计算得到各个分层层段内的不同波形范围内的裂缝强度数据体及裂缝方向数据体。
8.根据权利要求7所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:裂缝强度计算模型由如下数学函数关系式构成:
Fs i=f1(Ki m)
式中,Fs i为第s个CDP点上的第i个采样点的裂缝强度数据值,f1为关于计算裂缝强度的函数关系式,Ki m为优选中心角组合某一个属性基于椭圆拟合计算的第m个裂缝强度数据值。
9.根据权利要求8所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:裂缝方向计算模型由如下数学函数关系式构成:
θs i=f2(θi m)
式中,θs i为第s个CDP点上的第i个采样点的裂缝方向数据值,f2为关于计算裂缝方向的函数关系式,θi m为优选中心角组合某一个属性基于椭圆拟合计算的第m个裂缝方向数据值。
10.根据权利要求7所述的一种基于叠前道集数据计算裂缝参数的方法,其特征在于:中心角属性优选组合数为4-6个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551985.1A CN117130052A (zh) | 2022-05-20 | 2022-05-20 | 一种基于叠前道集数据计算裂缝参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551985.1A CN117130052A (zh) | 2022-05-20 | 2022-05-20 | 一种基于叠前道集数据计算裂缝参数的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117130052A true CN117130052A (zh) | 2023-11-28 |
Family
ID=88855141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210551985.1A Pending CN117130052A (zh) | 2022-05-20 | 2022-05-20 | 一种基于叠前道集数据计算裂缝参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117130052A (zh) |
-
2022
- 2022-05-20 CN CN202210551985.1A patent/CN117130052A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109425896B (zh) | 白云岩油气储层分布预测方法及装置 | |
WO2016041189A1 (zh) | 一种评价页岩气储层及寻找甜点区的方法 | |
CN106405651B (zh) | 一种基于测井匹配的全波形反演初始速度模型构建方法 | |
US9869783B2 (en) | Structure tensor constrained tomographic velocity analysis | |
CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
CN111506861B (zh) | 一种目的层有利区域裂缝强度计算方法 | |
CN110231652B (zh) | 一种基于密度的含噪声应用空间聚类的地震相提取方法 | |
CN102967883A (zh) | 通过页岩气叠前弹性参数反演预测岩石脆性概率的方法 | |
CN109799540B (zh) | 基于地质信息约束下的火山岩型铀矿床磁化率反演方法 | |
Kianoush et al. | Compressional and shear interval velocity modeling to determine formation pressures in an oilfield of SW Iran | |
WO2016008105A1 (zh) | 一种基于柯西分布的叠后波阻抗反演方法 | |
CN105319589A (zh) | 一种利用局部同相轴斜率的全自动立体层析反演方法 | |
US11668848B2 (en) | Method and system for seismic imaging using S-wave velocity models and machine learning | |
CN111722283B (zh) | 一种地层速度模型建立方法 | |
CN109655918B (zh) | 地面浅井微地震监测观测台站位置确定方法及系统 | |
CN113466933B (zh) | 基于深度加权的地震斜率层析成像方法 | |
CN108957554B (zh) | 一种地球物理勘探中的地震反演方法 | |
CN115877447A (zh) | 一种直平联合井网条件下地震约束三维地质建模的储层预测方法 | |
CN114861515A (zh) | 层速度数据体的计算方法、装置、设备及介质 | |
CN111308558B (zh) | 页岩气水平井纵波时差校正方法 | |
CN116755148A (zh) | 正交各向异性介质多方位反射波走时反演方法 | |
CN107942373B (zh) | 基于裂缝性油气储层断裂系统检测的相干算法 | |
Sanda et al. | The integrated approach to seismic attributes of lithological characterization of reservoirs: case of the F3 Block, North Sea-Dutch Sector | |
CN113671566B (zh) | 一种基于深度域地震数据计算裂缝参数的方法 | |
CN113109875B (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 |
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 |