CN117131801A - 一种湖相重力流沉积构型的精细表征方法和装置 - Google Patents

一种湖相重力流沉积构型的精细表征方法和装置 Download PDF

Info

Publication number
CN117131801A
CN117131801A CN202311051880.0A CN202311051880A CN117131801A CN 117131801 A CN117131801 A CN 117131801A CN 202311051880 A CN202311051880 A CN 202311051880A CN 117131801 A CN117131801 A CN 117131801A
Authority
CN
China
Prior art keywords
lake
gravity flow
flow deposition
deposition configuration
distribution characteristics
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
Application number
CN202311051880.0A
Other languages
English (en)
Other versions
CN117131801B (zh
Inventor
王武荣
岳大力
李伟
吴胜和
刘瑞璟
吴光圳
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.)
China University of Petroleum Beijing
Original Assignee
China University of Petroleum Beijing
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 China University of Petroleum Beijing filed Critical China University of Petroleum Beijing
Priority to CN202311051880.0A priority Critical patent/CN117131801B/zh
Publication of CN117131801A publication Critical patent/CN117131801A/zh
Application granted granted Critical
Publication of CN117131801B publication Critical patent/CN117131801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Remote Sensing (AREA)
  • Medical Informatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Mathematical Analysis (AREA)
  • Fluid Mechanics (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)

Abstract

本说明书提供了一种湖相重力流沉积构型的精细表征方法和装置。该方法包括：获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征；根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构；根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。基于上述方法能够实现湖相重力流沉积构型的精细表征。

Description

一种湖相重力流沉积构型的精细表征方法和装置
技术领域
本说明书涉及油气开发技术领域，尤其涉及一种湖相重力流沉积构型的精细表征方法和装置。
背景技术
沉积构型是指不同级次沉积构成单元的几何形态、规模、方向及其相互叠置关系。湖相重力流沉积过程较为复杂、沉积构型模式及形成机理模糊不清，导致湖相重力流储层预测精度较低，严重制约了致密油、页岩油的勘探与开发效率。因此，对湖相重力流沉积构型进行精细表征对于提高湖相重力流储层预测精度和致密油、页岩油等的勘探开发效率具有重要意义。
但是，基于现有的方法无法实现湖相重力流沉积构型的精细表征，从而导致致密油、页岩油等的勘探开发效率较低。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本说明书提供了一种湖相重力流沉积构型的精细表征方法和装置，以实现湖相重力流沉积构型的精细表征。
一方面，本说明书实施例提供了一种湖相重力流沉积构型的精细表征方法，包括：
获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；
根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征；
根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构；
根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
进一步地，所述方法还包括：
获取不同发育位置下多参数耦合的湖相重力流沉积构型的粒度取样数据和所述多参数对应的点云数据；
根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征。
进一步地，所述根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征，包括：
获取所述粒度取样数据和所述点云数据的非线性映射关系；
基于所述非线性映射关系，将所述点云数据反演为与粒度取样数据相关的粒度分布数据；
基于所述粒度分布数据，确定所述湖相重力流沉积构型的平面分布特征。
进一步地，所述根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征，包括：
根据所述湖相重力流沉积构型的平面分布特征，确定所述平面分布特征对应的切片数据；
根据湖相重力流沉积构型的粒度取样数据，分析所述切片数据的切片特征；
根据所述切片特征，确定所述湖相重力流沉积构型的剖面分布特征。
进一步地，所述根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构，包括：
获取所述湖相重力流沉积构型中砂体的微构造面和砂体厚度；
根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面分布特征，建立湖相重力流沉积构型的三维模型，得到三维重构的结果。
进一步地，所述沉积构型的要素类型包括主水道、支水道、朵叶体、滑塌体，相应地，所述根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面特征，建立湖相重力流沉积构型的三维模型，包括：
根据所述砂体的微构造面和砂体厚度控制所述主水道、支水道、朵叶体、滑塌体的空间形态；
根据所述平面分布特征控制所述主水道、支水道、朵叶体、滑塌体的平面位置；
根据所述空间形态、平面位置和所述剖面分布特征，依次建立所述主水道、支水道、朵叶体、滑塌体的三维模型。
进一步地，所述根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，包括：
根据三维重构的结果，确定层级特征数据之间的叠置样式；
对每个层级特征数据的几何参数进行测量，并确定测量后的几何参数的定量关系；
根据所述叠置样式和所述几何参数的定量关系，确定所述多层级特征数据。
进一步地，所述方法还包括：
根据所述湖相重力流沉积构型的精细表征，对所述湖相重力流的储层进行预测；
根据湖相重力流储层的预测结果，形成油气勘探开发策略；
根据所述油气勘探开发策略，进行油气勘探开发。
另一方面，本说明书实施例还提供了一种湖相重力流沉积构型的精细表征装置，包括：
平面分布特征确定模块，获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；
剖面分布特征确定模块，根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面特征；
三维重构模块，根据所述平面分布特征和所述剖面特征，对所述湖相重力流沉积构型进行三维重构；
精细表征模块，根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
再一方面，本申请还提供了一种设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述实施例中湖相重力流沉积构型的精细表征方法。
再一方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机可读存储介质执行所述指令时实现上述实施例中湖相重力流沉积构型的精细表征方法。
本说明书提供的一种湖相重力流沉积构型的精细表征方法和装置，首先，获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征。其次，根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征。然后，根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构。最后，根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。本说明书实施例通过获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征和剖面分布特征，充分考虑了湖相重力流不同位置发育的复杂沉积构型的特点，可以为后续全面有效地实现湖相重力流沉积构型的精细表征奠定基础。本说明书实施例中通过对湖相重力流沉积构型进行三维重构，再基于三维重构的结果，确定湖相重力流沉积构型的多层级特征数据，可以实现湖相重力流沉积构型的多层级三维定量表征。通过得到沉积构型的多层级三维定量表征形式，可以有效提高湖相重力流沉积水槽模拟实验中沉积内部构型预测的精度，为湖相重力流油藏致密油、页岩油高效开发提供重要的技术支撑。
附图说明
为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，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是本说明书的一个实施例提供的一种湖相重力流沉积构型的精细表征方法的流程示意图；
图2是在一个场景示例中，应用本说明书实施例提供的一种湖相重力流沉积构型的精细表征方法的一种实施例的示意图；
图3是本说明书的一个实施例提供的一种湖相重力流沉积构型的精细表征装置的结构组成示意图；
图4是本说明书的一个实施例提供的电子设备的结构组成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。
湖相重力流储层是致密油、页岩油富集的场所，其勘探开发潜力较大。然而，由于湖相重力流沉积过程较为复杂、沉积构型模式及形成机理模糊不清，导致湖相重力流储层预测精度较低，严重制约了致密油、页岩油勘探与开发效率。
水槽模拟实验是湖相重力流沉积过程模拟与沉积构型研究的重要手段。目前已有的水槽模拟实验主要是对河流、三角洲、冲积扇的湖相重力流沉积构型及形成机理进行分析，但对于发育于深湖-半深湖环境下的湖相重力流沉积构型缺乏相关研究。相较于河流、三角洲、冲积扇等陆上浅水沉积体系，发育于深湖-半深湖环境的湖相重力流沉积内部结构更为复杂，可由湖盆斜坡区的主水道沉积、盆底近端的朵叶体与支水道沉积、盆底远端的滑塌体等构型单元组成，而不同类型构型单元的发育程度、定量规模、空间叠置样式等均存在较大差异。因此，考虑湖盆斜坡区、盆底近端与盆底远端不同位置发育的湖相重力流沉积构型单元类型的特点确定与之相适应的内部构型表征方法，实现深湖-半深湖环境下湖相重力流沉积构型的多层级三维定量表征，对提高湖相重力流储层预测精度，以及提高致密油、页岩油等的勘探开发效率具有重要意义。
针对现有方法存在的上述问题，本说明书引入一种湖相重力流沉积构型的精细表征方法和装置，可以实现湖相重力流沉积构型的精细表征，有效提高了湖相重力流储层预测精度，为湖相重力流油藏致密油、页岩油高效开发提供重要的技术支撑。
基于上述思路，本说明书提出一种湖相重力流沉积构型的精细表征方法，首先，获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征。其次，根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征。然后，根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构。最后，根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。参阅图1所示，本说明书实施例提供了一种湖相重力流沉积构型的精细表征方法。具体实施时，该方法可以包括以下内容。
S10：获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征。
在一些实施例中，在获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征之前，在具体实施时，还可以包括：
获取沉积底形坡度参数和沉积物源供给参数；
根据所述沉积底形坡度参数和所述沉积物源供给参数，模拟不同发育位置下不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流沉积演化过程。
其中，上述沉积底形坡度参数可以包括斜坡坡度(°)、盆底坡度(°)、盆底宽度(m)、盆底两侧陡度(°)。上述沉积物源供给参数可以包括沉积物中砂质含量(％)、沉积物砂质粒度分布、流量(L/s)、砂泥浓度(％)。上述不同发育位置可以包括三角洲沉积区、湖相重力流沉积的斜坡区、湖相重力流沉积的盆底近端沉积区以及湖相重力流沉积的盆底远端沉积区。
在一些实施例中，以典型坳陷湖盆的鄂尔多斯盆地开展湖相重力流沉积模拟为例，对水槽模拟实验的过程进行说明：
首先，可以先根据典型坳陷湖(深湖)盆鄂尔多斯盆地的湖相重力流沉积底形特征及物理模拟装置条件，在模型中依次设置多个不同的发育位置，如：三角洲沉积区、湖相重力流沉积的斜坡区、湖相重力流沉积的盆底近端沉积区以及湖相重力流沉积的盆底远端沉积区。
然后，可以根据鄂尔多斯盆地的湖相重力流沉积的底床沉积物特征，设置底床沉积物中砂质沉积物占90％，泥质沉积物占10％，砂质沉积物粒度主要分布在0.0625mm～0.5mm之间，砂质粒度分布呈正态分布。
然后，根据鄂尔多斯盆地南缘野外露头数据、油田古地貌恢复结果、岩样分析化验等获取沉积底形坡度参数、沉积物源供给参数。可以设计3组共12轮水槽模拟实验，分别模拟斜坡坡度变化、盆底坡度变化、盆底侧向限制程度变化、沉积物供给的砂质含量变化的湖相重力流沉积过程。其中，可以按照湖盆斜坡区坡度的缓、陡将3组实验中斜坡坡度分别设置为3°、5°和7°，盆底坡度变化设置为0.5°、1°，盆底侧向宽度变化设置为2m、4m，盆底两侧陡度变化设置为1°、1.5°，沉积物中砂质含量设置为85％、50％、15％分别用于模拟富砂型、砂泥混合型、富泥型的沉积物源供给条件。具体实验参数设计如表1所示。其中，三组的砂泥浓度不同，实验法获取泥沙浓度可以为：每轮实验预设一轮实验，输入不携带沉积物的水流，在水流与底床沉积物的相互作用下，水流携带的沉积物会在湖盆远端达到稳定，此时在模型出口处测量水流中的砂泥浓度等，即为该参数的最佳设置值。
表1不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流水槽模拟实验参数设计方案表
需要说明的是，水槽模拟实验是变态模型，实际模拟中坡度可能大于实际湖盆底形坡度，在实验过程中可以根据实际情况进一步优化方案，并按照优化的实验方案开展不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流沉积模拟实验。
通过考虑深湖、半深湖不同发育位置下的湖相重力流的复杂沉积构型特点，并通过控制沉积底形坡度参数与沉积物源供给参数等参数，如斜坡坡度、盆底坡度、沉积物供给的砂质含量等，可以模拟不同发育位置下以及不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流沉积形成、发育与演化过程，为后续获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征奠定基础。
在一些实施例中，可以按照如下方式获取湖相重力流沉积构型的平面分布特征：
S101：获取不同发育位置下多参数耦合的湖相重力流沉积构型的粒度取样数据和所述多参数对应的点云数据；
S102：根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征。
在一些实施例中，上述根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征，在具体实施时，可以包括：
S1021：获取所述粒度取样数据和所述点云数据的非线性映射关系；
S1022：基于所述非线性映射关系，将所述点云数据反演为与粒度取样数据相关的粒度分布数据；
S1023：基于所述粒度分布数据，确定所述湖相重力流沉积构型的平面分布特征。
在一些实施例中，上述多参数耦合可以为上述的沉积底形坡度参数与沉积物源供给参数的耦合、上述不同发育位置可以包括三角洲沉积区、湖相重力流沉积的斜坡区、湖相重力流沉积的盆底近端沉积区、湖相重力流沉积的盆底远端沉积区。
在一些实施例中，可以通过如下方式获取点云数据：可以依托超声波实时扫描仪对水槽模拟实验过程中的沉积底形坡度参数、沉积物源供给参数等进行实时自动追踪，记录不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流水槽模拟的沉积与演化过程，从中获取水槽模拟实验中多参数对应的点云数据，所述点云数据可以为带有三维坐标的点云数据集(三维点云数据集)，可以包括地形的点云数据、水流的点云数据、砂体的点云数据。
在一些实施例中，可以通过如下方式获取粒度取样数据：可以对水槽模拟实验中不同发育位置下多参数耦合的多个不同湖相重力流沉积构型的典型位置处进行粒度取样，得到不同发育位置下多参数耦合的湖相重力流沉积构型的典型位置的粒度取样数据，其中，沉积构型的典型位置可以为沉积构型的上部、中部、下部。
在一些实施例中，在获取到点云数据和粒度取样数据之后，可以采用支持向量机(SVM)的方法，建立粒度取样数据与点云数据的非线性映射关系，然后可以基于该非线性映射关系，将所述点云数据反演为与粒度取样数据相关的粒度分布数据。最后，可以基于粒度分布数据，确定所述湖相重力流沉积构型的平面分布特征。例如：可以基于粒度分布数据，定量分析不同发育位置下多参数耦合的湖相重力流沉积构型要素的类型、组合特征及其几何形态、规模特征等，进而对不同沉积底形与物源供给耦合控制下的湖相重力流沉积构型平面分布进行精细解释，确定所述湖相重力流沉积构型的平面分布特征。其中，在得到粒度分布数据后可以基于粒度分布数据确定出粒度分布图(C-M图)，再基于粒度分布图(C-M图)定量分析湖相重力流沉积构型要素的类型，如：当C-M图形平行于C＝M基线，可以反映沉积物搬运机制以重力流为主，结合平面形态为扇状或舌状形态，则可以解释沉积构型的要素类型为朵叶体沉积；当C-M图形发育低跳跃高悬浮两段式，可以反映沉积物搬运机制牵引流和重力流并存，结合平面形态为条带状形态，则可以解释沉积构型的要素类型为水道沉积；当C-M图形平行于C＝M基线，可以反映沉积物搬运机制以重力流为主，结合平面形态为孤立的透镜状形态，则可以解释沉积构型的要素类型为滑塌体沉积。在分析沉积构型的要素类型的基础上，可以对不同发育位置下的沉积构型的要素类型(如：主水道、支水道、朵叶体、滑塌体)的组合分布特征进行分析，如：在近物源斜坡位置以主水道为主，偶见滑塌体沉积；在盆底近端主要发育条带状支水道和扇状朵叶体的组合或条带状支水道和舌状朵叶体的组合，在盆底远端主要发育孤立透镜状滑塌体沉积。在对沉积构型组合分布特征进行分析的基础上，可以对沉积构型单元的规模参数进行测量，如，测量主水道、支水道构型单元的宽度、弯曲度等，朵叶体和滑塌体构型单元的宽度、周长、面积等。其中，上述获取的平面分布特征可以包括如下：湖盆斜坡区发育的主水道呈窄条带状分布、湖盆盆底近端发育的朵叶体与支水道沉积整体呈扇状分布、湖盆盆底远端发育的滑塌体沉积呈孤立的透镜状分布等。
通过获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征，为后续进一步确定湖相重力流沉积构型的剖面分布特征奠定基础。
S11：根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征。
在一些实施例中，上述根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征，在具体实施时，可以包括：
S111：根据所述湖相重力流沉积构型的平面分布特征，确定所述平面分布特征对应的切片数据；
S112：根据湖相重力流沉积构型的粒度取样数据，分析所述切片数据的切片特征；
S113：根据所述切片特征，确定所述湖相重力流沉积构型的剖面分布特征。
在一些实施例中，可以通过如下方式确定平面分布特征对应的切片数据，例如：由于湖盆斜坡区发育的主水道呈窄条带状分布，可以在斜坡区沿水道的中心线设置顺物源方向切片(即纵切片)；由于湖盆盆底近端发育的朵叶体与支水道沉积整体呈扇状分布，可以在盆底近端设置50cm×50cm网格精度的多个顺物源方向切片(即纵切片)与切物源方向切片(即横切片)；由于湖盆盆底远端发育的滑塌体沉积呈孤立的透镜状分布，可以在湖盆盆底远端的滑塌体沉积区设置25cm×25cm网格精度的多个顺物源精密切片(即精密纵切片)与多个切物源方向精密切片(即精密横切片)(需要说明的是，滑塌体的沉积规模明显小于朵叶体沉积的规模，因此在滑塌体沉积区设置的纵横切片间距更小，可以将滑塌体沉积区设置的纵横切片定义为精密纵横切片)。
由于坳陷湖盆湖相重力流的沉积底形复杂、砂体变快化、非均质性强，能够形成湖盆斜坡区发育主水道沉积、盆底近端发育朵叶体与支水道沉积、盆底远端发育滑塌体等构型单元，且湖盆不同位置发育的湖相重力流沉积构型单元的发育程度、定量规模、空间叠置样式等均存在较大差异，对此，对不同沉积位置设置水槽实验模型的纵横精密切片，可以为后续进行沉积构型剖面分布特征的精细解释奠定基础。
在一些实施例中，在获取了平面分布特征对应的切片数据之后，可以再根据上述获取的湖相重力流沉积构型的粒度取样数据，分析所述切片数据的切片特征。例如：可以通过沉积构型的粒度取样数据，分析多个纵横切片的岩性、沉积构造、韵律等特征。如：粒度分析显示上部粒度为较细的粉砂岩、下部为粒度较粗的细砂岩，可以指示切片为正韵律粉砂-细砂岩；粒度显示上部和下部粒度基本一致、且以细砂岩为主，可以指示切片为均质韵律细砂岩。
在一些实施例中，在明确多个纵横切片的岩性、沉积构造、韵律等特征后，可以进一步阐明岩相及岩相组合类型、构型要素类型，进而精细刻画湖盆斜坡区、盆底近盆底远端不同发育位置下多参数耦合的沉积内部构型的剖面分布特征。如：主水道沉积可以以细砂岩和粗粉砂岩为主，沉积构造主要发育槽状和楔状交错层理，韵律以正韵律为主；支水道沉积可以以细砂岩和细粉砂岩为主，沉积构造主要发育板状交错层理和平行层理，韵律以正韵律为主；朵叶体沉积可以以细砂岩和粗粉砂岩为主，沉积构造以块状构造为主，韵律以反韵律和均质韵律为主；滑塌体可以以细砂岩和粗粉砂岩为主，块状构造为主，无明显韵律。在明确沉积构型的要素类型之后，主水道在剖面上可以是顶平底凸的形态、朵叶体在剖面上可以是底平底凸的形态、滑塌体在剖面上可以是透镜状的形态，可直接在切片上勾勒出相应的剖面形态和接触关系。其中，剖面分布特征可以包括构型单元几何形态、侧向拼接样式、垂向叠置样式等。
通过获取湖相重力流沉积构型的剖面分布特征，可以为后续对湖相重力流沉积构型进行三维重构奠定基础。
S12：根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构。
在一些实施例中，上述根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构，在具体实施时，可以包括：
S121：获取所述湖相重力流沉积构型中砂体的微构造面和砂体厚度；
S122：根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面分布特征，建立湖相重力流沉积构型的三维模型，得到三维重构的结果。
在一些实施例中，上述沉积构型的要素类型可以包括主水道、支水道、朵叶体、滑塌体，相应地，上述根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面特征，建立湖相重力流沉积构型的三维模型，在具体实施时，可以包括：
S1221：根据所述砂体的微构造面和砂体厚度控制所述主水道、支水道、朵叶体、滑塌体的空间形态；
S1222：根据所述平面分布特征控制所述主水道、支水道、朵叶体、滑塌体的平面位置；
S1223：根据所述空间形态、平面位置和所述剖面分布特征，依次建立所述主水道、支水道、朵叶体、滑塌体的三维模型。
在一些实施例中，可以以沉积构型的平面分布特征与剖面分布特征为条件数据，采用砂体微构造面控制的嵌入式沉积构型建模方法，对水槽模拟结果中的沉积构型进行三维重构。具体地，三维重构过程可以如下所示：
可以获取沉积构型中砂体的微构造面和砂体厚度，然后基于砂体的微构造面和砂体厚度，控制主水道、支水道、朵叶体、滑塌体(沉积构型单元或沉积构型的要素类型)的空间形态，利用上述沉积构型的平面分布特征控制主水道、支水道、朵叶体、滑塌体各沉积构型单元的平面位置。同时，在建模过程中，考虑到主水道、支水道砂体顶平底凸的剖面形态，可以采用自上至下计算方法进行建模，考虑到朵叶砂体底平顶凸的剖面形态，可以采用自下至上计算方法，并利用确定性建模算法依次建立主水道、支水道、朵叶体、滑塌体的三维构型模型。然后，将深湖泥岩作为背景相，将主水道、支水道、朵叶体、滑塌体模型作为建模目标，依次嵌入深湖泥岩背景相模型中，进而获得水槽模拟实验的湖相重力流沉积构型三维模型。最后，对比分析多轮不同沉积底形与物源供给耦合控制下的水槽模拟实验，依次完成不同沉积底形与物源供给耦合控制下湖相重力流沉积水槽实验模型中沉积构型的三维重构。
通过对湖相重力流沉积构型进行三维重构，可以为后续得到湖相重力流沉积构型的精细表征奠定基础。
S13：根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
在一些实施例中，上述根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，在具体实施时，可以包括：
S131：根据三维重构的结果，确定层级特征数据之间的叠置样式；
S132：对每个层级特征数据的几何参数进行测量，并确定测量后的几何参数的定量关系；
S133：根据所述叠置样式和所述几何参数的定量关系，确定所述多层级特征数据。
在一些实施例中，可以对比多轮不同沉积底形坡度参数与沉积物源供给参数耦合控制下的水槽模拟实验内部沉积构型的三维重构结果，建立不同沉积底形坡度参数与沉积物源供给参数耦合控制下的各沉积构型单元或沉积构型要素类型间的叠置样式。上述层级特征数据可以为具有层级特征的各沉积构型单元或沉积构型要素类型，所述层级特征可以包括：复合微相层级(具有复合微相层级的沉积构型如：复合朵叶体、复合水道等)、单一微相层级(具有单一微相层级的沉积构型如：单一朵叶体、单一水道等)、单一微相层级的内部层级(具有单一微相层级的内部层级的沉积构型如：朵叶体内部增生体等)，其中，具有层级特征的各沉积构型单元的叠置样式，如：斜坡区主水道、盆底区支水道等重力流水道的叠置样式、重力流水道与朵叶体的叠置样式、复合朵叶体的叠置样式、单一朵叶体的叠置样式、单一朵叶体内部增生体的叠置样式等。
在一些实施例中，在确定出层级特征数据之间的叠置样式后，还可以对每个层级特征数据的几何参数进行测量与分析，再确定测量后的几何参数的定量关系。其中，所述几何参数可以包括宽度、厚度、延伸长度、面积、周长、规模等，所述几何参数的定量关系可以为：宽度与厚度的定量关系、厚度与面积的定量关系等，本说明书对此不作限定。
例如：可以对不同沉积底形坡度参数与沉积物源供给参数耦合条件下水槽模拟实验中的三维重构模型中各构型单元的几何特征参数进行测量与分析，如测量获取主水道、支水道的宽度、厚度、弯曲度以及复合朵叶体、单一朵叶体、滑塌体的宽度、厚度、延伸长度、面积、周长等以及单一朵叶体内部增生体的宽度、厚度等。然后，建立沉积构型单元间的定量关系，如朵叶体宽度与厚度、朵叶体厚度与面积、不同类型重力流水道宽度与厚度、重力流水道与朵叶体规模参数的定量关系等。
在一些实施例中，在确定出叠置样式和定量关系后，可以综合不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流沉积多层次沉积构型的几何形态、叠置样式、定量关系等，建立不同沉积底形坡度参数与沉积物源供给参数耦合控制下的多层级特征数据。所述多层级特征数据可以同时包括复合微相层级、单一微相层级、单一微相级次内部层级，三个层次的层级特征数据。
通过获取多层级特征数据，可以实现湖相重力流沉积构型的多层级三维定量表征。
在一些实施例，在实现湖相重力流沉积构型的多层级三维定量表征之后，在具体实施时，还可以包括：
S1331：根据所述湖相重力流沉积构型的精细表征，对所述湖相重力流的储层进行预测；
S1332：根据湖相重力流储层的预测结果，形成油气勘探开发策略；
S1333：根据所述油气勘探开发策略，进行油气勘探开发。
在一些实施例中，可以基于相重力流沉积构型的多层级三维定量表征，对湖相重力流的储层进行预测，提高湖相重力流的储层预测的精度。还可以基于湖相重力流的储层预测的结果，形成与之适配的油气勘探开发策略，基于油气勘探开发策略进行油气勘探开发，可以有效提高油气勘探开发的效率。
下面结合一个具体实施例对上述方法进行说明，然而值得注意的是，该具体实施例仅是为了更好地说明本申请，并不构成对本申请的不当限定。
在具体实施前，首先，获取沉积底形坡度参数和沉积物源供给参数。然后，根据所述沉积底形坡度参数和所述沉积物源供给参数，模拟不同发育位置下不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流沉积演化过程，即对不同发育位置下沉积底形坡度参数与沉积物源供给参数耦合的湖相重力流进行水槽模拟实验。然后，可以依托超声波实时扫描仪对水槽模拟实验过程中的沉积底形坡度参数、沉积物源供给参数等进行实时自动追踪，记录不同沉积底形坡度参数与沉积物源供给参数耦合控制下的湖相重力流水槽模拟的沉积与演化过程，并获取参数对应的三维点云数据。还可以利用局部采样及实验室分析化验等方式获取湖相重力流沉积构成典型位置中的粒度取样数据。最后，可以建立三维点云数据与粒度取样数据的非线性映射关系，基于非线性映射关系将三维点云数据反演为粒度分布数据。
在具体实施时，首先，可以根据粒度分布数据分析不同沉积底形与物源供给耦合控制下的湖相重力流沉积构型的特征，并基于分析结果对不同沉积底形与物源供给耦合控制下的湖相重力流沉积构型平面分布进行刻画。然后，可以获取湖相重力流沉积斜坡区、盆底近端、盆底远端等不同发育位置的沉积构型切片数据，根据粒度分析结果和切片数据，对不同沉积底形与物源供给耦合控制下的沉积构型剖面分布进行刻画。然后，根据不同沉积构型的平面刻画结果、剖面刻画结果，利用砂体微构造面控制的嵌入式沉积构型建模方法，对不同沉积底形与物源供给耦合控制下的湖相重力流沉积构型进行三维重构。最后，获取不同层级沉积构型的叠置样式、不同层级沉积构型的几何特征参数的定量关系，并基于此建立不同沉积底形与物源供给条件下湖相重力流沉积多层级定量构型模式。通过上述方法可以实现湖相重力流沉积构型的多层级三维定量表征，有效提高了湖相重力流沉积水槽实验内部构型预测的精度，为湖相重力流油藏致密油、页岩油高效开发提供重要的技术支撑。
在一个具体的场景示例中，可以应用本说明书实施例提供的一种湖相重力流沉积构型的精细表征方法实现湖相重力流沉积构型的多层级三维定量表征。具体实施时，参阅图2所示，可以包括以下步骤。
S1：以野外露头和油田区提供的相关模拟参数为基础，开展湖相重力流沉积水槽模拟实验。
在本步骤中，可以以典型坳陷湖盆鄂尔多斯盆地湖相重力流沉积底形特征及物理模拟装置条件，在水槽模拟实验中依次设置(不同发育位置)三角洲沉积区、湖相重力流沉积的斜坡区、湖相重力流沉积的盆底近端沉积区以及盆底远端沉积区。可以通过控制沉积底形与物源供给等参数，如斜坡坡度、盆底坡度、沉积物供给的砂质含量等，模拟不同发育位置下不同沉积底形与物源供给耦合控制下的湖相重力流沉积形成、发育与演化过程。
S2：利用超声波实时扫描与三维点云数据，定量分析湖相重力流沉积构型要素的组合特征、沉积与演化过程等，并进行沉积构型平面分布精细解释。
S3：根据湖相重力流沉积斜坡区、盆底近端与盆底远端发育的复杂沉积构型特点，在不同沉积位置设置水槽实验模型的纵横精密切片，并进行沉积构型剖面分布精细解释。
在本步骤中，可以根据坳陷湖盆湖相重力流沉积底形复杂、砂体变快化、非均质性强的特点，即湖盆斜坡区发育主水道沉积、盆底近端发育朵叶体与支水道沉积、盆底远端发育滑塌体等构型单元，且湖盆不同位置发育的湖相重力流沉积构型单元的发育程度、定量规模、空间叠置样式等均存在较大差异，由此分不同沉积位置设置水槽实验模型的纵横精密切片，并进行沉积构型剖面分布精细解释。
S4：以沉积构型平面与剖面解释数据为条件数据，采用砂体微构造面控制的嵌入式沉积构型建模方法，对水槽模拟结果进行内部构型三维重构，进而建立湖相重力流沉积多级次定量构型模式。
在本步骤中，可以建立湖相重力流沉积多级次定量构型模式，即可以建立湖相重力流沉积构型的多层级三维定量表征形式。
通过充分合理融入了湖相重力流沉积斜坡区、盆底近端、盆底远端不同位置发育的复杂沉积构型的特点，并通过超声波实时扫描与三维点云数据定量分析、纵横精密切片分析、砂体微构造面控制的嵌入式沉积构型建模相结合的多手段一体化沉积构型研究方法，可以实现湖相重力流沉积水槽模拟实验内部沉积构型的多层级三维定量表征，有效提高了湖相重力流沉积水槽实验内部构型预测的精度，为湖相重力流油藏致密油、页岩油高效开发提供重要的技术支撑。
虽然本说明书提供了如下述实施例或附图3所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
基于上述一种湖相重力流沉积构型的精细表征方法，本说明书还提出一种湖相重力流沉积构型的精细表征装置的实施例。如图3所示，所述基于装置具体可以包括以下模块：
平面分布特征确定模块301，可以用于获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；
剖面分布特征确定模块302，可以用于根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面特征；
三维重构模块303，可以用于根据所述平面分布特征和所述剖面特征，对所述湖相重力流沉积构型进行三维重构；
精细表征模块304，可以用于根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
在一些实施例中，上述平面分布特征确定模块301之前具体还可以用于获取不同发育位置下多参数耦合的湖相重力流沉积构型的粒度取样数据和所述多参数对应的点云数据；根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征。
在一些实施例中，上述平面分布特征确定模块301具体还可以用于获取所述粒度取样数据和所述点云数据的非线性映射关系；基于所述非线性映射关系，将所述点云数据反演为与粒度取样数据相关的粒度分布数据；基于所述粒度分布数据，确定所述湖相重力流沉积构型的平面分布特征。
在一些实施例中，上述剖面分布特征确定模块302具体可以用于根据所述湖相重力流沉积构型的平面分布特征，确定所述平面分布特征对应的切片数据；根据湖相重力流沉积构型的粒度取样数据，分析所述切片数据的切片特征；根据所述切片特征，确定所述湖相重力流沉积构型的剖面分布特征。
在一些实施例中，上述三维重构模块303具体可以用于获取所述湖相重力流沉积构型中砂体的微构造面和砂体厚度；根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面分布特征，建立湖相重力流沉积构型的三维模型，得到三维重构的结果。
在一些实施例中，上述三维重构模块303中的所述沉积构型的要素类型可以包括主水道、支水道、朵叶体、滑塌体，相应地，上述三维重构模块303具体还可以用于根据所述砂体的微构造面和砂体厚度控制所述主水道、支水道、朵叶体、滑塌体的空间形态；根据所述平面分布特征控制所述主水道、支水道、朵叶体、滑塌体的平面位置；根据所述空间形态、平面位置和所述剖面分布特征，依次建立所述主水道、支水道、朵叶体、滑塌体的三维模型。
在一些实施例中，上述精细表征模块304具体可以用于根据三维重构的结果，确定层级特征数据之间的叠置样式；对每个层级特征数据的几何参数进行测量，并确定测量后的几何参数的定量关系；根据所述叠置样式和所述几何参数的定量关系，确定所述多层级特征数据。
在一些实施例中，上述精细表征模块304之后具体可以用于根据所述湖相重力流沉积构型的精细表征，对所述湖相重力流的储层进行预测；根据湖相重力流储层的预测结果，形成油气勘探开发策略；根据所述油气勘探开发策略，进行油气勘探开发。
需要说明的是，上述实施例阐明的单元、装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
由上可见，基于本说明书实施例提供的一种湖相重力流沉积构型的精细表征装置，考虑了湖相重力流沉积斜坡区、盆底近端、盆底远端等不同发育位置的复杂沉积构型特点，获取了不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征和剖面分布特征，可以实现不同发育位置下多参数耦合的湖相重力流沉积构型的多层级三维定量表征，有效提高了湖相重力流储层的预测精度，从而提高了致密油、页岩油勘探与开发效率。
本说明书实施例还提供一种基于上述湖相重力流沉积构型的精细表征方法的电子设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器具体实施时可以根据指令执行以下步骤：获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征；根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构；根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
为了能够更加准确地完成上述指令，参阅图4所示，本说明书实施例还提供了另一种具体的电子设备，其中，所述电子设备包括网络通信端口401、处理器402以及存储器403，上述结构通过内部线缆相连，以便各个结构可以进行具体的数据交互。
其中，所述网络通信端口401，具体可以用于获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征。
所述处理器402，具体可以用于根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征；根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构；根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
所述存储器403，具体可以用于存储相应的指令程序。
在本实施例中，所述网络通信端口401可以是与不同的通信协议进行绑定，从而可以发送或接收不同数据的虚拟端口。例如，所述网络通信端口可以是负责进行web数据通信的端口，也可以是负责进行FTP数据通信的端口，还可以是负责进行邮件数据通信的端口。此外，所述网络通信端口还可以是实体的通信接口或者通信芯片。例如，其可以为无线移动网络通信芯片，如GSM、CDMA等；其还可以为Wifi芯片；其还可以为蓝牙芯片。
在本实施例中，所述处理器402可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中，所述存储器403可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。
本说明书实施例还提供了一种基于上述湖相重力流沉积构型的精细表征方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征；根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构；根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
在本实施例中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
虽然本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施例的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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，移动终端，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形而不脱离本说明书的精神，希望所附的权利要求包括这些变形而不脱离本说明书的精神。

Claims (10)

1.一种湖相重力流沉积构型的精细表征方法，其特征在于，包括：
获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；
根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征；
根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构；
根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取不同发育位置下多参数耦合的湖相重力流沉积构型的粒度取样数据和所述多参数对应的点云数据；
根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征。
3.根据权利要求2所述的方法，其特征在于，所述根据所述粒度取样数据和所述点云数据，确定所述湖相重力流沉积构型的平面分布特征，包括：
获取所述粒度取样数据和所述点云数据的非线性映射关系；
基于所述非线性映射关系，将所述点云数据反演为与粒度取样数据相关的粒度分布数据；
基于所述粒度分布数据，确定所述湖相重力流沉积构型的平面分布特征。
4.根据权利要求1所述的方法，其特征在于，所述根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面分布特征，包括：
根据所述湖相重力流沉积构型的平面分布特征，确定所述平面分布特征对应的切片数据；
根据湖相重力流沉积构型的粒度取样数据，分析所述切片数据的切片特征；
根据所述切片特征，确定所述湖相重力流沉积构型的剖面分布特征。
5.根据权利要求1所述的方法，其特征在于，所述根据所述平面分布特征和所述剖面分布特征，对所述湖相重力流沉积构型进行三维重构，包括：
获取所述湖相重力流沉积构型中砂体的微构造面和砂体厚度；
根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面分布特征，建立湖相重力流沉积构型的三维模型，得到三维重构的结果。
6.根据权利要求5所述的方法，其特征在于，所述沉积构型的要素类型包括主水道、支水道、朵叶体、滑塌体，相应地，所述根据所述砂体的微构造面和砂体厚度、平面分布特征和剖面分布特征，建立湖相重力流沉积构型的三维模型，包括：
根据所述砂体的微构造面和砂体厚度控制所述主水道、支水道、朵叶体、滑塌体的空间形态；
根据所述平面分布特征控制所述主水道、支水道、朵叶体、滑塌体的平面位置；
根据所述空间形态、平面位置和所述剖面分布特征，依次建立所述主水道、支水道、朵叶体、滑塌体的三维模型。
7.根据权利要求1所述的方法，其特征在于，所述根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，包括：
根据三维重构的结果，确定层级特征数据之间的叠置样式；
对每个层级特征数据的几何参数进行测量，并确定测量后的几何参数的定量关系；
根据所述叠置样式和所述几何参数的定量关系，确定所述多层级特征数据。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述湖相重力流沉积构型的精细表征，对所述湖相重力流的储层进行预测；
根据湖相重力流储层的预测结果，形成油气勘探开发策略；
根据所述油气勘探开发策略，进行油气勘探开发。
9.一种湖相重力流沉积构型的精细表征装置，其特征在于，包括：
平面分布特征确定模块，用于获取不同发育位置下多参数耦合的湖相重力流沉积构型的平面分布特征；
剖面分布特征确定模块，用于根据所述平面分布特征，确定所述湖相重力流沉积构型的剖面特征；
三维重构模块，用于根据所述平面分布特征和所述剖面特征，对所述湖相重力流沉积构型进行三维重构；
精细表征模块，用于根据所述三维重构的结果，确定所述湖相重力流沉积构型的多层级特征数据，所述多层级特征数据用于对所述湖相重力流沉积构型进行精细表征。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
CN202311051880.0A 2023-08-21 2023-08-21 一种湖相重力流沉积构型的精细表征方法和装置 Active CN117131801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311051880.0A CN117131801B (zh) 2023-08-21 2023-08-21 一种湖相重力流沉积构型的精细表征方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311051880.0A CN117131801B (zh) 2023-08-21 2023-08-21 一种湖相重力流沉积构型的精细表征方法和装置

Publications (2)

Publication Number Publication Date
CN117131801A true CN117131801A (zh) 2023-11-28
CN117131801B CN117131801B (zh) 2024-06-07

Family

ID=88852095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311051880.0A Active CN117131801B (zh) 2023-08-21 2023-08-21 一种湖相重力流沉积构型的精细表征方法和装置

Country Status (1)

Country Link
CN (1) CN117131801B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106569287A (zh) * 2016-09-14 2017-04-19 中国石油化工股份有限公司 一种基于复合砂体构型模式的扇三角洲前缘储层预测方法
CN113821906A (zh) * 2021-08-18 2021-12-21 中国石油天然气股份有限公司 一种单砂体期次划分方法及多期砂体精细刻画方法
CN115903038A (zh) * 2022-12-02 2023-04-04 中国海洋石油集团有限公司 一种深水沉积岩性圈闭识别和定量刻画方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106569287A (zh) * 2016-09-14 2017-04-19 中国石油化工股份有限公司 一种基于复合砂体构型模式的扇三角洲前缘储层预测方法
CN113821906A (zh) * 2021-08-18 2021-12-21 中国石油天然气股份有限公司 一种单砂体期次划分方法及多期砂体精细刻画方法
CN115903038A (zh) * 2022-12-02 2023-04-04 中国海洋石油集团有限公司 一种深水沉积岩性圈闭识别和定量刻画方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
WURONG WANG 等: "Qualitative and quantitative characterization of multiple factors that influence movable fluid saturation in lacustrine deep-water gravity-flow tight sandstones from the Yanchang Formation, southern Ordos Basin, China", MARINE AND PETROLEUM GEOLOGY, vol. 121, 30 November 2020 (2020-11-30), pages 1 - 16 *
周雄杰;: "浅析青岛灵山岛晚中生代重力流沉积特征及环境", 石化技术, no. 11, 28 November 2015 (2015-11-28), pages 158 *
宋岩;李卓;姜振学;罗群;刘冬冬;高之业;: "非常规油气地质研究进展与发展趋势", 石油勘探与开发, no. 04 *
李宇鹏 等: "储集层构型分级套合模拟方法", 石油勘探与开发, vol. 40, no. 5, 31 October 2013 (2013-10-31), pages 630 - 634 *
潘进 等: "准噶尔盆地玛湖凹陷夏子街扇区三叠系百口泉组沉积演化特征", 古地理学报, vol. 21, no. 6, 31 December 2019 (2019-12-31), pages 913 - 923 *
王华;周立宏;韩国猛;陈思;黄传炎;周可佳;巩天浩;张悦辉;潘凯;: "陆相湖盆大型重力流发育的成因机制及其优质储层特征研究:以歧口凹陷沙河街组一段为例", 地球科学, no. 10, 19 September 2018 (2018-09-19), pages 3423 - 3438 *
王鑫: "苏德尔特油田兴安岭油层沉积微相模式与单砂体精细表征研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 07, 15 July 2016 (2016-07-15), pages 011 - 226 *

Also Published As

Publication number Publication date
CN117131801B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
Deutsch et al. FLUVSIM: a program for object-based stochastic modeling of fluvial depositional systems
Bakke et al. 3-D pore-scale modelling of sandstones and flow simulations in the pore networks
Sech et al. Three-dimensional modeling of a shoreface-shelf parasequence reservoir analog: Part 1. Surface-based modeling to capture high-resolution facies architecture
CA2579138C (en) Geologic models of subsurface sedimentary volumes
Qi et al. Geostatistical three-dimensional modeling of oolite shoals, St. Louis Limestone, southwest Kansas
CN106295054B (zh) 不规则边界河道河床表面分形维数计算方法
van de Lageweg et al. Archimetrics: a quantitative tool to predict three‐dimensional meander belt sandbody heterogeneity
WO2014062947A2 (en) Method for modeling a reservoir using 3d multiple-point simulations with 2d training images
CN113189675B (zh) 一种砂岩压实作用数值模拟方法
Han et al. Multiple point geostatistical simulation with adaptive filter derived from neural network for sedimentary facies classification
Li et al. A novel method for estimating sandbody compaction in fluvial successions
CN117131801B (zh) 一种湖相重力流沉积构型的精细表征方法和装置
Iltaf et al. Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China
AU2021270865B2 (en) Image-comparison based analysis of subsurface representations
CN111967117B (zh) 基于露头碳酸盐岩储层建模的地下储层预测方法及装置
Qin et al. Interpolation Technique for the Underwater DEM Generated by an Unmanned Surface Vessel.
Tyler et al. Heterogeneity modeling used for production simulation of a fluvial reservoir
CN115327627A (zh) 多信息融合的致密砂岩气分流河道表征方法及装置
Benhallam et al. Spatial analysis of channel-belt stacking patterns: Metrics to discriminate between local and regional controls on deposition in the fluvial John Henry Member of the Straight Cliffs Formation, southern Utah, USA
Olivier et al. Numerical modelling of a Macrotidal Bay over the last 9,000 years: An interdisciplinary methodology to understand the influence of sea-level variations on tidal currents in the Bay of Brest
Carrillat et al. Automated mapping of carbonate mounds using 3D seismic texture attributes
Yin et al. Investigation of Natural Gas Hydrate Microscopic Occurrence Types and Pore-Scale Flow Simulation Based on Digital Cores
Tarboton et al. Kriging of regional hydrologic properties in the western San Joaquin Valley, California
Stauffer et al. Stochastic macrodispersion models for gravel aquifers
Wang Plan-view Paleochannel Reconstruction and Paleocurrent Field of Meanderbelts, Cretaceous Ferron Sandstone, Henry Mountain Region, Utah

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