CN117150929A - 深地油气精准导航井震结合更新碎屑岩岩性模型系统 - Google Patents
深地油气精准导航井震结合更新碎屑岩岩性模型系统 Download PDFInfo
- Publication number
- CN117150929A CN117150929A CN202311353155.9A CN202311353155A CN117150929A CN 117150929 A CN117150929 A CN 117150929A CN 202311353155 A CN202311353155 A CN 202311353155A CN 117150929 A CN117150929 A CN 117150929A
- Authority
- CN
- China
- Prior art keywords
- data
- seismic
- stratum
- point
- representing
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 18
- 238000005553 drilling Methods 0.000 claims abstract description 46
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000003672 processing method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 11
- 238000012952 Resampling Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000001052 transient effect Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 239000004215 Carbon black (E152) Substances 0.000 claims 2
- 229930195733 hydrocarbon Natural products 0.000 claims 2
- 150000002430 hydrocarbons Chemical class 0.000 claims 2
- 230000035939 shock Effects 0.000 claims 2
- 239000000463 material Substances 0.000 claims 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical class CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 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
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于地质勘探技术领域,具体涉及一种深地油气精准导航井震结合更新碎屑岩岩性模型系统。发明包括:收集地震资料,对原始地震资料预处理,得到标准化伽马测井参数;对标准化伽马测井参数进行特征提取,获得随钻方差属性曲线;基于随钻方差属性曲线,得到各层系地层厚度预测模型;基于标准化地震资料,通过基于小波变换的分频处理方法获取分频地震数据;基于各层系地层厚度预测值,获取最优地震频段信息;基于所述分频地震数据、最优地震频段信息、历史伽马测井参数和标准化伽马测井参数,构建当前地层的地质预测模型;随着地震资料的输入,重复以上步骤,更新地质预测模型。发明旨在解决地质模型参数调节计算量大和推断结果偏差较大的问题。
Description
技术领域
本发明属于地质勘探技术领域,具体涉及一种深地油气精准导航井震结合更新碎屑岩岩性模型系统。
背景技术
深地精准导航技术可用于深部油气勘探,指导钻井人员优化井轨迹到油气藏指定位置以获得最大的泄油面积和最佳的采收率,成为提高单井油气产量和油田开发效益的前沿技术。其中,精确的反演算法是基于实时上传的地球物理资料建立一个动态调整的随钻预测模型,以适应在强非均质性储层中实现更高的储层钻遇率。
正演模拟法,通过数学建模和计算机模拟,模拟地下岩石物理性质的分布和变化规律,预测地下地质结构和岩性分布的特征,但模拟结果受到初始化和模型选择等因素的影响,且需要大量的计算和模型参数调节。
岩性推断法,通过岩屑组成、电测测井等地质资料,进行岩性推断,建立岩性模型,用于预测下一钻孔的岩性特征,而地下地质结构复杂且岩性变化大,基于先前钻探的数据进行预测,导致推断结果存在较大偏差。
反演模拟法,可以综合利用多种地球物理数据,提高预测精度和可靠性,可以模拟地下岩石的物理性质,对地质结构和岩性进行直接预测,避免了岩性推断和主观判断的误差。
对于碎屑岩储层,在构建随钻地质模型过程中,会遇到纵向上层系叠置的非均质性问题。在地球物理数据处理过程中,面对某些层段内是大套的砂岩或泥岩时,高频分量可作为噪音看待,而面对某些层段内是砂泥岩互层时,高频分量被认为是关键信息。
如何在随钻过程中快速而准确的做出反演决策,确定合适的地震频段作为反演与预测依据是随钻预测模型实时更新的关键。
发明内容
为了解决现有技术中的上述问题,即现有的随钻测井中由于地层的复杂性较高,以单一模型进行不同地层的地质情况进行预测存在偏差在随钻过程中难以快速而准确的做出反演决策的问题,本发明提供了一种深地油气精准导航井震结合更新碎屑岩岩性模型系统系统,所述系统包括:
数据获取及标准化模块,配置为获取历史地震资料和历史测井资料;
并随钻收集原始地震资料和原始测井资料,通过孤立森林算法获取剔除异常值的地震资料和剔除异常值的测井资料;对剔除异常值的地震资料和剔除异常值的测井资料进行标准化处理,得到标准化地震资料和标准化测井资料;其中标准化测井资料包括标准化伽马测井参数;
方差属性获取模块,配置为提取标准化伽马测井参数的方差属性特征,获得随钻方差属性曲线;
地层厚度预测模块,配置为基于所述随钻方差属性曲线,获取各层系地层厚度预测值;
分频地震数据获取模块,配置为基于所述标准化地震资料,通过基于小波变换的分频处理方法获取分频地震数据;
最优地震频段获取模块,配置为基于各层系地层厚度预测值,获取最优地震频段信息;
当前地层的地质预测模型获取模块,配置为基于所述分频地震数据、最优地震频段信息、历史测井资料中的历史伽马测井参数和标准化伽马测井参数,构建当前地层的地质预测模型;
模型更新模块,配置为每钻入预设的深度间隔,重复数据获取及标准化模块、方差属性获取模块、地层厚度预测模块、分频地震数据获取模块、最优地震频段获取模块和当前地层的地质预测模型获取模块的功能获取新的原始地震资料,并生成新的当前地层的地质预测模型,通过所述新的当前地层的地质预测模型指导钻进轨迹。
在一些优选的方案中,所述标准化伽马测井参数,其获得方法包括:
步骤A10,将原始地震资料和原始测井资料作为待处理数据集;
步骤A20,从待处理数据集中随机抽取/>个数据点构成待处理数据子集/>存入根节点;
步骤A30,从待处理数据集中随机选定一个维度q,在维度q中随机产生一个分割点/>;其中分割点/>满足,j表示分割点序号,i表示数据类别;
步骤A40,根据切割点p生成将维度q中数据划分为两个子空间的超平面,指定数值小于p的维度q的数据点放入第一叶子节点,数值大于或等于p的数据点放入第二叶子节点;
步骤A50,递归步骤A30至步骤A40所述的方法,直至所有的叶子节点都只有一个数据点或孤立树已经达到预设的高度;
步骤A60,重复步骤A30至步骤A50所述的方法,直至生成T个孤立树;其中,T个孤立树表示:孤立树没有叶子节点的外部节点,或有两个叶子节点和一个内部节点test;在T个孤立树的内部节点test由维度q和一个分割点p组成,q<p的点属于/>,反之属于;
步骤A70,所述T个孤立树即为孤立树森林,令每个数据点遍历每一个孤立树,计算数据点/>在每一个孤立树的高度/>即数据点/>从所在孤立树的根节点到叶子节点经过的边的数量;从而计算数据点/>在孤立树森林中的平均高度,对所有数据点的平均高度做归一化处理,获得归一化的数据点平均高度/>;
步骤A80,基于所述归一化的数据点平均高度,计算异常值分数/>:
其中,表示/>个数据点所构建的二叉树路径长度的平均值,E(*)表示期望;
其中,表示调和数,通过/>估算,0.5772156649为欧拉常数;
当所述异常值分数小于预设的异常值阈值s时,将对应的数据点剔除,获得剔除异常值的地震资料和剔除异常值的测井资料/>,,/>,/>表示剔除异常值的地震资料中的数据点数和剔除异常值的测井资料中的数据点数;
步骤A90,对连续的剔除异常值的地震资料和剔除异常值的测井资料进行标准化处理,得到标准化地震资料和标准化测井资料:
其中,表示剔除异常值的地震资料或剔除异常值的测井资料的第z个采样点数据值,Average表示计算平均值;/>表示剔除异常值的地震资料或剔除异常值的测井资料的所有数据样本点;/>表示剔除异常值的地震资料的方差或剔除异常值的测井资料的方差;表示标准化之后剔除异常值的地震资料或剔除异常值的测井资料的第z个采样点数据值。
在一些优选的方案中,所述方差属性获取模块,具体包括:
根据目标地层厚度设定标准化伽马测井参数的方差属性特征的曲线序列时窗大小w,计算标准化伽马测井参数在曲线序列时窗范围内的方差值var:
其中,n表示GR曲线采样点,表示第n个GR采样点的值,w表示时窗大小;
对每个采样点都进行计算,得到随钻方差属性曲线。
在一些优选的方案中,所述地层厚度预测模块,具体包括:
对随钻方差属性曲线进行求导,获取随钻方差瞬变属性;
提取随钻方差瞬变属性中的极大值点,获取突变点检测结果;
输入新采样点,重复获取随钻方差瞬变属性,和获得多个突变点检测结果,判定不同的突变点检测结果之间为单独的层系,获得实时更新的层系界面深度判定结果;
根据随钻方差属性曲线与实时更新的层系界面深度判定结果,统计最小方差值和对应的最大地层厚度/>,以及最大方差值/>和对应的最小地层厚度,建立线性地层厚度预测模型,进而计算各层系地层厚度预测值/>:
。
在一些优选的方案中,所述分频地震数据获取模块,具体包括:
基于所述标准化地震资料,基于莫莱特小波基函数设计更匹配原始地震资料的新型小波基函数:
其中,表示小波基函数,/>表示时间,/>表示使所述新型小波基函数满足归一化条件的变量,/>表示时频二维分辨的区间,/>表示控制小波变换后频率的中心位置的常数,/>表示虚数单位;
使所述新型小波基函数满足归一化条件,有:
输入所有地震道数据,通过新型小波基函数对地震道进行分频变换,获得分频地震数据:
表示尺度因子,/>表示时移因子子,/>表示在特定频率a和特定时间b的振幅值,/>表示小波基的频率,/>和/>分别为正态分布/>中的分布参数。
在一些优选的方案中,所述最优地震频段获取模块,具体包括:
计算各层系地层厚度预测值与地震波波长的比值,所述各层系地层厚度预测值与地震波波长的比值为时,地层顶与地层底所产生的反射波叠加形成强振幅信号,计算地震波波速与对应层系地层厚度预测值的比值,得到最优频段信息。
在一些优选的方案中,所述当前地层的地质预测模型获取模块,具体包括:
根据历史地震资料确定目标层位的三维曲面数据确定目标层位地层时窗顶界面、主频f(Hz)和完整地震波波长/>,将目标层位的三位曲面数据向下延拓/>获得地层时窗底界面,获得地层时窗和地层时窗大小;
基于所述地层时窗截取目的层段地震波形数据,获得目的层段地震波形采样数据,对目的层段地震波形采样数据进行重采样,获得目的层段地震波形重采样数据;
对所述目的层段地震波形重采样数据进行聚类,获得每个频段的波形聚类结果;
基于所述目的层段聚类数据、分频地震数据和最优地震频段信息构建当前地层的地质预测模型。
在一些优选的方案中,所述对所述目的层段地震波形重采样数据进行聚类,获得每个频段的波形聚类结果,具体包括:
根据所述目的层段地震波形重采样数据,随机选取k个当前聚类中心,此时迭代步数t=0,记为;
对于每一个数据点,分配至距离最近的聚类中心:
调整每个当前聚类中心,k1为1至k中的任一整数,重新计算对应聚类簇的聚类中心,获得新的聚类中心:
将所述新的聚类中心替换当前聚类中心,选取另一数据点分配至距离最近的聚类中心,并获取新的聚类中心,直至损失函数小于预设的阈值,获得目的层段聚类数据,进而获得每个频段的波形聚类结果。
本发明的有益效果:
(1)本发明通过定义随钻测井曲线的特征属性作为评估地层厚度的定量指标建立了该定量指标与地震资料又是频段的对应关系,制定了一套随钻地质模型的更新的技术流程,使得模型能够根据钻进深度的变化自动更新参数以适应地层的复杂性,实现对不同地层地质均能实时有效精准地预测。
附图说明
图1为本说明书实施例提供的深地油气精准导航井震结合更新碎屑岩岩性模型系统的结构框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的第一实施例,提供一种深地油气精准导航井震结合更新碎屑岩岩性模型系统,如图1所示,包括:
数据获取及标准化模块,配置为获取历史地震资料和历史测井资料;
并随钻收集原始地震资料和原始测井资料,通过孤立森林算法获取剔除异常值的地震资料和剔除异常值的测井资料;对剔除异常值的地震资料和剔除异常值的测井资料进行标准化处理,得到标准化地震资料和标准化测井资料;其中标准化测井资料包括标准化伽马测井参数;
在本实施例中,获得标准化伽马测井参数的方法包括:
步骤A10,将原始地震资料和原始测井资料作为待处理数据集;
步骤A20,从待处理数据集中随机抽取/>个数据点构成待处理数据子集/>存入根节点;
步骤A30,从待处理数据集中随机选定一个维度q,在维度q中随机产生一个分割点/>;其中分割点/>满足,j表示分割点序号,i表示数据类别;
步骤A40,根据切割点p生成将维度q中数据划分为两个子空间的超平面,指定数值小于p的维度q的数据点放入第一叶子节点,数值大于或等于p的数据点放入第二叶子节点;
步骤A50,递归步骤A30至步骤A40所述的方法,直至所有的叶子节点都只有一个数据点或孤立树已经达到预设的高度;
步骤A60,重复步骤A30至步骤A50所述的方法,直至生成T个孤立树;其中,T个孤立树表示:孤立树没有叶子节点的外部节点,或有两个叶子节点和一个内部节点test;在T个孤立树的内部节点test由维度q和一个分割点p组成,q<p的点属于/>,反之属于;
步骤A70,所述T个孤立树即为孤立树森林,令每个数据点遍历每一个孤立树,计算数据点/>在每一个孤立树的高度/>即数据点/>从所在孤立树的根节点到叶子节点经过的边的数量;从而计算数据点/>在孤立树森林中的平均高度,对所有数据点的平均高度做归一化处理,获得归一化的数据点平均高度/>;
步骤A80,基于所述归一化的数据点平均高度,计算异常值分数/>:
其中,表示/>个数据点所构建的二叉树路径长度的平均值,E(*)表示期望;
其中,表示调和数,通过/>估算,0.5772156649为欧拉常数;
当所述异常值分数小于预设的异常值阈值s时,将对应的数据点剔除,获得剔除异常值的地震资料和剔除异常值的测井资料/>,,/>,/>表示剔除异常值的地震资料中的数据点数和剔除异常值的测井资料中的数据点数;
步骤A90,对连续的剔除异常值的地震资料和剔除异常值的测井资料进行标准化处理,得到标准化地震资料和标准化测井资料:
其中,表示剔除异常值的地震资料或剔除异常值的测井资料的第z个采样点数据值,Average表示计算平均值;/>表示剔除异常值的地震资料的或剔除异常值的测井资料的所有数据样本点;/>表示剔除异常值的地震资料的方差或剔除异常值的测井资料的方差;/>表示标准化之后剔除异常值的地震资料或剔除异常值的测井资料的第z个采样点数据值。
方差属性获取模块,配置为提取标准化伽马测井参数的方差属性特征,获得随钻方差属性曲线;
在本实施例中,所述方差属性获取模块,具体包括:
根据目标地层厚度设定标准化伽马测井参数的方差属性特征的曲线序列时窗大小w,计算标准化伽马测井参数在曲线序列时窗范围内的方差值var:
其中,n表示GR曲线采样点,表示第n个GR采样点的值,w表示时窗大小;
地层厚度预测模块,配置为基于所述随钻方差属性曲线,获取各层系地层厚度预测值;
在本实施例中,所述地层厚度预测模块,具体包括:
对随钻方差属性曲线进行求导,获取随钻方差瞬变属性;
提取随钻方差瞬变属性中的极大值点,获取突变点检测结果;
输入新采样点,重复获取随钻方差瞬变属性,和获得多个突变点检测结果,判定不同的突变点检测结果之间为单独的层系,获得实时更新的层系界面深度判定结果;
在本实施例中,实时钻进过程中每遇到一个突变点视为一个层系界面,层系界面两两之间视为一个层,从而在实时钻井过程中实时检测所钻遇的层;
方差越小,说明层系内的地层均一性较好,反之,方差越大,说明层系内地层存在薄互层的情况。
根据随钻方差属性曲线与实时更新的层系界面深度判定结果,统计最小方差值和对应的最大地层厚度/>,以及最大方差值/>和对应的最小地层厚度,建立线性地层厚度预测模型,进而计算各层系地层厚度预测值/>:
。
分频地震数据获取模块,配置为基于所述标准化地震资料,通过基于小波变换的分频处理方法获取分频地震数据;
在本实施例中,所述分频地震数据获取模块,具体包括:
基于所述标准化地震资料,基于莫莱特小波基函数设计更匹配原始地震资料的新型小波基函数:
其中,表示小波基函数,/>表示时间,/>表示使所述新型小波基函数满足归一化条件的变量,/>表示时频二维分辨的区间,/>表示控制小波变换后频率的中心位置的常数,/>表示虚数单位;在本方案中本应采用i表示虚数单位,为避免参数误用特采用/>表示虚数单位;在本实施例中,为了保证小波基函数归一化条件,沿用正态分布公式的形式来表示小波基函数;
使所述新型小波基函数满足归一化条件,有过度项为:
输入所有地震道数据,通过新型小波基函数对地震道进行分频变换,获得分频地震数据:
表示尺度因子,/>表示时移因子子,/>表示在特定频率a和特定时间b的振幅值,/>表示小波基的频率,/>和/>分别为正态分布/>中的分布参数。
最优地震频段获取模块,配置为基于各层系地层厚度预测值,获取最优地震频段信息;
在本实施例中,获取最优地震频段信息的方法,具体包括:
计算各层系地层厚度预测值与地震波波长的比值,所述各层系地层厚度预测值与地震波波长的比值为时,地层顶与地层底所产生的反射波叠加形成强振幅信号,计算地震波波速与对应层系地层厚度预测值的比值,得到最优频段信息。
当前地层的地质预测模型获取模块,配置为基于所述分频地震数据、最优地震频段信息、历史测井资料中的历史伽马测井参数和标准化伽马测井参数,构建当前地层的地质预测模型;
在本实施例中,所述当前地层的地质预测模型获取模块,具体包括:
根据历史地震资料确定目标层位的三维曲面数据确定目标层位地层时窗顶界面、主频f(Hz)和完整地震波波长/>,将目标层位的三位曲面数据向下延拓/>获得地层时窗底界面,获得地层时窗和地层时窗大小;
基于所述地层时窗截取目的层段地震波形数据,获得目的层段地震波形采样数据,对目的层段地震波形采样数据进行重采样,获得目的层段地震波形重采样数据;
对所述目的层段地震波形重采样数据进行聚类,获得每个频段的波形聚类结果;
在本实施例中,所述对所述目的层段地震波形重采样数据进行聚类,获得每个频段的波形聚类结果,具体包括:
根据所述目的层段地震波形重采样数据,随机选取k个当前聚类中心,此时迭代步数t=0,记为;
对于每一个数据点,分配至距离最近的聚类中心:
调整每个当前聚类中心,k1为1至k中的任一整数,重新计算对应聚类簇的聚类中心,获得新的聚类中心:
将所述新的聚类中心替换当前聚类中心,选取另一数据点分配至距离最近的聚类中心,并获取新的聚类中心,直至损失函数小于预设的阈值,获得目的层段聚类数据,进而获得每个频段的波形聚类结果。
基于所述目的层段聚类数据、分频地震数据和最优地震频段信息构建当前地层的地质预测模型。
模型更新模块,配置为每钻入预设的深度间隔,重复数据获取及标准化模块、方差属性获取模块、地层厚度预测模块、分频地震数据获取模块、最优地震频段获取模块和当前地层的地质预测模型获取模块的功能获取新的原始地震资料,并生成新的当前地层的地质预测模型,通过所述新的当前地层的地质预测模型指导钻进轨迹。上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的深地精准导航中随钻地质模型实时更新系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
术语“包括”或者任何其它类似用语旨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、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述系统包括:
数据获取及标准化模块,配置为获取历史地震资料和历史测井资料;
并随钻收集原始地震资料和原始测井资料,通过孤立森林算法获取剔除异常值的测井资料;对剔除异常值的测井资料进行标准化处理,得到标准化测井资料;其中标准化测井资料包括标准化伽马测井参数;
方差属性获取模块,配置为提取标准化伽马测井参数的方差属性特征,获得随钻方差属性曲线;
地层厚度预测模块,配置为基于所述随钻方差属性曲线,获取各层系地层厚度预测值;
分频地震数据获取模块,配置为基于所述原始地震资料,通过基于小波变换的分频处理方法获取分频地震数据;
最优地震频段获取模块,配置为基于各层系地层厚度预测值,获取最优地震频段信息;
当前地层的地质预测模型获取模块,配置为基于所述分频地震数据、最优地震频段信息、历史测井资料中的历史伽马测井参数和标准化伽马测井参数,构建当前地层的地质预测模型;
模型更新模块,配置为每钻入预设的深度间隔,重复数据获取及标准化模块、方差属性获取模块、地层厚度预测模块、分频地震数据获取模块、最优地震频段获取模块和当前地层的地质预测模型获取模块的功能获取新的原始地震资料,并生成新的当前地层的地质预测模型,通过所述新的当前地层的地质预测模型指导钻进轨迹。
2.根据权利要求1所述的深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述标准化伽马测井参数,其获得方法包括:
步骤A10,将原始测井资料作为待处理数据集 ;
步骤A20,从待处理数据集中随机抽取/>个数据点构成待处理数据子集/>存入根节点;
步骤A30,从待处理数据集中随机选定一个维度q,在维度q中随机产生一个分割点/>;其中分割点/>满足/>,j表示分割点序号,i表示数据类别;
步骤A40,根据切割点p生成将维度q中数据划分为两个子空间的超平面,指定数值小于p的维度q的数据点放入第一叶子节点,数值大于或等于p的数据点放入第二叶子节点;
步骤A50,递归步骤A30至步骤A40所述的方法,直至所有的叶子节点都只有一个数据点或孤立树已经达到预设的高度;
步骤A60,重复步骤A30至步骤A50所述的方法,直至生成T个孤立树;其中,T个孤立树表示:孤立树没有叶子节点的外部节点,或有两个叶子节点和一个内部节点test;在T个孤立树的内部节点test由维度q和一个分割点p组成,q<p的点属于/>,反之属于/>;
步骤A70,所述T个孤立树即为孤立树森林,令每个数据点遍历每一个孤立树,计算数据点/>在每一个孤立树的高度/>即数据点/>从所在孤立树的根节点到叶子节点经过的边的数量;从而计算数据点/>在孤立树森林中的平均高度,对所有数据点的平均高度做归一化处理,获得归一化的数据点平均高度/>;
步骤A80,基于所述归一化的数据点平均高度,计算异常值分数/>:
;
其中,表示/>个数据点所构建的二叉树路径长度的平均值,E(*)表示期望;
;
其中,表示调和数,通过/>估算, 0.5772156649为欧拉常数;
当所述异常值分数小于预设的异常值阈值s时,将对应的数据点剔除,获得剔除异常值的测井资料/>,/>,/>,/>表示剔除异常值的测井资料中的数据点数;
步骤A90,对连续的剔除异常值的测井资料进行标准化处理,得到标准化测井资料:
;
其中,表示剔除异常值的测井资料的第z个采样点数据值,Average表示计算平均值;/>表示剔除异常值的测井资料的所有数据样本点;/>表示剔除异常值的测井资料的方差;/>表示标准化之后剔除异常值的测井资料的第z个采样点数据值。
3.根据权利要求1所述的深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述方差属性获取模块,具体包括:
根据目标地层厚度设定标准化伽马测井参数的方差属性特征的曲线序列时窗大小w,计算标准化伽马测井参数在曲线序列时窗范围内的方差值var:
;
;
其中,n表示GR曲线采样点,表示第n个GR采样点的值,w表示时窗大小;
对每个采样点都进行计算,得到随钻方差属性曲线。
4.根据权利要求1所述的一种深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述地层厚度预测模块,具体包括:
对随钻方差属性曲线进行求导,获取随钻方差瞬变属性;
提取随钻方差瞬变属性中的极大值点,获取突变点检测结果;
输入新采样点,重复获取随钻方差瞬变属性,和获得多个突变点检测结果,判定不同的突变点检测结果之间为单独的层系,获得实时更新的层系界面深度判定结果;
根据随钻方差属性曲线与实时更新的层系界面深度判定结果,统计最小方差值和对应的最大地层厚度/>,以及最大方差值 />和对应的最小地层厚度/>,建立线性地层厚度预测模型,进而计算各层系地层厚度预测值/>:
。
5.根据权利要求1所述的深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述分频地震数据获取模块,具体包括:
基于莫莱特小波基函数设计更匹配原始地震资料的新型小波基函数:
;
其中,表示小波基函数,/>表示时间,/>表示使所述新型小波基函数满足归一化条件的变量,/>表示时频二维分辨的区间,/>表示控制小波变换后频率的中心位置的常数,表示虚数单位;
使所述新型小波基函数满足归一化条件,有:
;
输入所有地震道数据,通过新型小波基函数对地震道进行分频变换,获得分频地震数据:
;
表示尺度因子,/>表示时移因子子,/>表示在特定频率a和特定时间b的振幅值,/>表示小波基的频率,/>和/>分别为正态分布/>中的分布参数。
6.根据权利要求1所述的深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述最优地震频段获取模块,具体包括:
计算各层系地层厚度预测值与地震波波长的比值,所述各层系地层厚度预测值与地震波波长的比值为时,地层顶与地层底所产生的反射波叠加形成强振幅信号,计算地震波波速与对应层系地层厚度预测值的比值,得到最优频段信息。
7.根据权利要求1所述的深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述当前地层的地质预测模型获取模块,具体包括:
根据历史地震资料确定目标层位的三维曲面数据确定目标层位地层时窗顶界面、主频f(Hz)和完整地震波波长/>,将目标层位的三位曲面数据向下延拓获得地层时窗底界面,获得地层时窗和地层时窗大小;
基于所述地层时窗截取目的层段地震波形数据,获得目的层段地震波形采样数据,对目的层段地震波形采样数据进行重采样,获得目的层段地震波形重采样数据;
对所述目的层段地震波形重采样数据进行聚类,获得每个频段的波形聚类结果;
基于所述每个频段的波形聚类结果、分频地震数据、最优地震频段信息、历史伽马测井参数和标准化伽马测井参数,通过波形指示反演构建当前地层的地质预测模型。
8.根据权利要求7所述的深地油气精准导航井震结合更新碎屑岩岩性模型系统,其特征在于,所述对所述目的层段地震波形重采样数据进行聚类,获得每个频段的波形聚类结果,具体包括:
根据所述目的层段地震波形重采样数据,随机选取k个当前聚类中心,此时迭代步数t=0,记为;
对于每一个数据点,分配至距离最近的聚类中心:
;
调整每个当前聚类中心,k1为1至k中的任一整数,重新计算对应聚类簇的聚类中心,获得新的聚类中心:
;
将所述新的聚类中心替换当前聚类中心,选取另一数据点分配至距离最近的聚类中心,并获取新的聚类中心,直至损失函数小于预设的阈值,获得目的层段聚类数据,进而获得每个频段的波形聚类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311353155.9A CN117150929B (zh) | 2023-10-19 | 2023-10-19 | 深地油气精准导航井震结合更新碎屑岩岩性模型系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311353155.9A CN117150929B (zh) | 2023-10-19 | 2023-10-19 | 深地油气精准导航井震结合更新碎屑岩岩性模型系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150929A true CN117150929A (zh) | 2023-12-01 |
CN117150929B CN117150929B (zh) | 2023-12-26 |
Family
ID=88884433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311353155.9A Active CN117150929B (zh) | 2023-10-19 | 2023-10-19 | 深地油气精准导航井震结合更新碎屑岩岩性模型系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150929B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
CN113759425A (zh) * | 2021-09-13 | 2021-12-07 | 中国科学院地质与地球物理研究所 | 井震联合评价深层古岩溶储层充填特征的方法与系统 |
US20220188648A1 (en) * | 2020-12-10 | 2022-06-16 | Southwest Petroleum University | Method for predicting and optimizing penetration rate in oil and gas drilling based on cart algorithm |
CN116027454A (zh) * | 2022-09-21 | 2023-04-28 | 中国石油化工股份有限公司 | 一种砂岩厚度等值线图的成图方法及智能绘制装置 |
CN116502154A (zh) * | 2023-04-25 | 2023-07-28 | 中国地震局地球物理研究所 | 基于多维特征提取和XGBoost的地震分类方法及系统 |
-
2023
- 2023-10-19 CN CN202311353155.9A patent/CN117150929B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
US20220188648A1 (en) * | 2020-12-10 | 2022-06-16 | Southwest Petroleum University | Method for predicting and optimizing penetration rate in oil and gas drilling based on cart algorithm |
CN113759425A (zh) * | 2021-09-13 | 2021-12-07 | 中国科学院地质与地球物理研究所 | 井震联合评价深层古岩溶储层充填特征的方法与系统 |
US11500117B1 (en) * | 2021-09-13 | 2022-11-15 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration |
CN116027454A (zh) * | 2022-09-21 | 2023-04-28 | 中国石油化工股份有限公司 | 一种砂岩厚度等值线图的成图方法及智能绘制装置 |
CN116502154A (zh) * | 2023-04-25 | 2023-07-28 | 中国地震局地球物理研究所 | 基于多维特征提取和XGBoost的地震分类方法及系统 |
Non-Patent Citations (1)
Title |
---|
王贤;唐建华;毕建军;翟浩杰;: "地震波形指示反演在石南地区薄储层预测中的应用", 新疆石油天然气, no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN117150929B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3406844B1 (en) | Resource production forcasting | |
US8521494B2 (en) | System and method for characterizing fractures in a subsurface reservoir | |
CN111596364B (zh) | 基于高精度层序地层格架的地震沉积微相组合分析方法 | |
CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
CN109709607B (zh) | 一种预测薄层砂岩储层厚度方法及装置 | |
CN104747185A (zh) | 非均质油藏储层综合分类评价方法 | |
US9176255B2 (en) | Permeability prediction systems and methods using quadratic discriminant 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 | |
CN112100930B (zh) | 一种基于卷积神经网络和Eaton公式的地层孔隙压力计算方法 | |
Mahjour et al. | Developing a workflow to represent fractured carbonate reservoirs for simulation models under uncertainties based on flow unit concept | |
US11703608B2 (en) | Reservoir characterization using machine-learning techniques | |
CN114994758B (zh) | 碳酸盐岩断控储层的波阻抗提取与结构表征方法和系统 | |
CN107102379A (zh) | 一种基于多属性反演进行煤层底板富水性预测的方法 | |
CN117150929B (zh) | 深地油气精准导航井震结合更新碎屑岩岩性模型系统 | |
CN109932749B (zh) | 一种井震标定方法、装置 | |
CN112147677A (zh) | 油气储层参数标签数据生成方法及装置 | |
EP3387469B1 (en) | Electrofacies determination | |
Bashore et al. | Multivariate statistical applications for quantifying contribution of seismic data to production prediction in the Wolfcamp, Midland Basin | |
CN111815769A (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
CN116957363B (zh) | 深地油气精准导航砂泥岩地层构造评价方法与系统 | |
CN117345208B (zh) | 一种压裂优势区定量表征方法、装置、电子设备及介质 | |
CN112950016B (zh) | 基于深度学习的多参数融合非常规油气资源甜点评价方法 | |
CN116520407A (zh) | 利用地震多属性基于两次随机森林法预测薄砂体厚度的方法 | |
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 | |
Correia et al. | Using pilot wells to integrate geological modelling and history matching: applied to the Norne Benchmark case |
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 |