CN117607995A - 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 - Google Patents
利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 Download PDFInfo
- Publication number
- CN117607995A CN117607995A CN202311563270.9A CN202311563270A CN117607995A CN 117607995 A CN117607995 A CN 117607995A CN 202311563270 A CN202311563270 A CN 202311563270A CN 117607995 A CN117607995 A CN 117607995A
- Authority
- CN
- China
- Prior art keywords
- curve
- wave impedance
- natural gamma
- impedance
- frequency
- 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 47
- 230000004927 fusion Effects 0.000 title claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 33
- 238000001228 spectrum Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000011084 recovery Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 241000213006 Angelica dahurica Species 0.000 claims description 19
- 239000004576 sand Substances 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 13
- 238000011160 research Methods 0.000 claims description 13
- 239000011435 rock Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 229920002430 Fibre-reinforced plastic Polymers 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 239000003365 glass fiber Substances 0.000 claims description 6
- 229920000642 polymer Polymers 0.000 claims description 6
- 238000010206 sensitivity analysis Methods 0.000 claims description 5
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000008021 deposition Effects 0.000 abstract description 4
- 239000010410 layer Substances 0.000 description 19
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Geophysics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,包括获取测井曲线;测井曲线标准化及归一化;曲线频谱分析及滤波处理;曲线融合重构得到拟波阻抗重构曲线;利用拟波阻抗重构曲线进行地震重构反演并实现储层预测;利用“低频补偿高频恢复”开展曲线频率融合,更好的识别薄厚不同的砂岩,突破单一因素的局限性;根据测井曲线的不同频率尺度反映不同的地质与沉积特征的特点,采用波阻抗曲线的低频分量与自然伽马曲线高频分量相融合,融合出拟波阻抗曲线;融合后的拟波阻抗曲线对砂岩和泥岩的区分较之前有很大改进,对薄厚不同尺度砂岩响应非常敏感,提高地震反演储层横向预测精度;具备极好的应用前景。
Description
技术领域
本发明涉及油气勘探开发技术领域,具体涉及利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法。
背景技术
地震反演是利用地震资料,以已知地质规律和钻井、测井资料为约束、对地下岩层空间结构和物理性质进行成像(求解)的过程,是石油勘探及油藏开发领域内储层预测从业者的必备技能。地震资料中包含着丰富的岩石的岩性物性信息,通过地震反演,可以把时间界面性的地震资料转换成岩层型的测井资料,使其能够与钻井、测井直接对比较,以岩层为单元进行地质解释,充分发挥地震在横上资料密集分辨率高的长处,研究目标地质的特征异常变化情况。目前地震反演方法广泛应用于储层预测之中,其主要根据地震储层可识别的波阻抗差异,实现反演成果能够有效体现储集层与围岩边界。这种基于模型的反演方法建立在褶积理论基础之上,其初始模型是地层声波或者波阻抗。在很多情况下,由于井桶污染或其他原因,测井声波不能很好的反映储层和围岩的差异,单一测井曲线对陆相碎屑岩储层与围岩差异响应具有局限性,难以应对储层与围岩的波阻抗差异较小时的复杂岩性储层预测,无法有效体现两者地球物理性质差异,使得反演结果不能解决储层预测问题。
不同测井曲线是用不同地球物理方法对同一个地质目标探测所得到的结果,尽管这些结果是不同的物理响应,但他们所反映的是同一个地质体,它们之间必然有一种内在的关系,这种关系不是简单的线性关系而往往是非线性映射。广大学者提出众多重构反演方法用于探索复杂储层地震预测,应用最广泛的是拟声波构建技术。但由于声波速度曲线本身受各种因素限制往往与真实地层条件匹配不好,曲线重构方法的普适性较差,对非均质较强砂泥岩薄互层复杂岩性的预测存在一定的局限性。而采用自然伽马测井曲线和波阻抗测井曲线通过多频段融合方法构建对储层特征敏感的曲线,能很好地突出储集层的地球物理响应,解决波阻抗差距较小的难题,以达到精细储层刻画目的。
综合测井、地震、地质等多种资料开展地震反演工作,最终实现地球物理多信息融合,突出各信息的优势分量。自然伽马等非速度类曲线在实际研究中对岩性识别发挥明显优势,利用自然伽马等地层、岩性变化比较敏感的曲线的高频分量构建具有波阻抗量纲的新曲线,结合波阻抗曲线的低频趋势,合成拟波阻抗曲线。这样构建的拟波阻抗曲线既能反映地层速度和波阻抗的变化趋势,又能反映地层中岩性的细微差异。综合体现地层背景与岩性背景信息,相当于在地震反演过程中加入了丰富的地质先验信息和岩石物性信息,使得反演结果更加准确。
为了解决背景技术中的问题,本发明提出了一种基于自然伽马曲线与波阻抗曲线融合重构的拟阻抗地震反演的复杂岩性储层预测方法,提高复杂地质情况下储层的预测精度。
发明内容
本发明的目的在于克服现有技术的缺点,提供利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,包括获取测井曲线;测井曲线标准化及归一化;曲线频谱分析及滤波处理;曲线融合重构得到拟波阻抗重构曲线;利用拟波阻抗重构曲线进行地震重构反演并实现储层预测;利用“低频补偿高频恢复”开展曲线频率融合,更好的识别薄厚不同的砂岩,突破单一因素的局限性;根据测井曲线的不同频率尺度反映不同的地质与沉积特征的特点,采用波阻抗曲线的低频分量与自然伽马曲线高频分量相融合,融合出拟波阻抗曲线;融合后的拟波阻抗曲线对砂岩和泥岩的区分较之前有很大改进,对薄厚不同尺度砂岩响应非常敏感,提高地震反演储层横向预测精度;具备极好的应用前景。
为实现以上技术效果,采用如下技术方案:
利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,包括以下步骤:
步骤S1:获取测井曲线;
从测井基础数据中获取自然伽马曲线和波阻抗曲线;
步骤S2:测井曲线标准化;
步骤S21:将步骤S1中得到的自然伽马曲线进行标准化处理;
步骤S22:将步骤S1中得到的波阻抗曲线进行标准化处理;
步骤S3:测井曲线归一化;
步骤S31:对步骤S2中标准化后的储层曲线开展敏感性分析,对标准化后的自然伽马曲线和波阻抗曲线进行交会分析,获得砂泥岩门限值;
步骤S32:对步骤S2中标准化后的自然伽马曲线进行归一化处理;
步骤S33:对步骤S2中标准化后的波阻抗曲线进行归一化处理;
步骤S4:将步骤S3中得到的归一化曲线进行曲线频谱分析及滤波处理;
步骤S5:对步骤S4中得到的曲线融合重构,得到拟波阻抗重构曲线;
步骤S6:利用步骤S5中得到的拟波阻抗重构曲线进行地震重构反演并实现储层预测。
进一步的,所述步骤S21中将自然伽马曲线进行标准化处理的具体方法为:
对自然伽马曲线开展基线校正,选取研究区标准井目的层作为标准层,读取标准层自然伽马曲线平均值作为自然伽马曲线基线漂移的基值,选取研究区每口井目的层对应的自然伽马值,按照自然伽马曲线采样率进行垂向上线性插值,生成校正基线曲线GR标基,对自然伽马曲线进行基线校正,利用如下公式进行校正,完成自然伽马曲线开展基线校正:
其中,为第n个采样点处基线校正后的自然伽马值;GRn为第n个采样点处基线校正前的自然伽马幅度值;/>为第n个采样点处校正基准曲线值;GR标准为标准层自然伽马平均值。
进一步的,所述步骤S22中波阻抗曲线进行标准化处理的具体方法为:
对波阻抗曲线开展基线校正,选取研究区标准井目的层作为标准层,读取标准层波阻抗曲线平均值作为波阻抗曲线基线漂移的基值,选取研究区每口井目的层对应的波阻抗值,按照波阻抗曲线采样率进行垂向上线性插值,生成校正基线曲线IMP标基,对波阻抗曲线进行基线校正,利用如下公式进行校正,完成波阻抗曲线开展基线校正:
其中,为第n个采样点处基线校正后的波阻抗幅度值;IMPn为第n个采样点处基线校正前的波阻抗值;/>为第n个采样点处校正基准曲线值;IMP标准为标准层波阻抗平均值。
进一步的,所述步骤S31中的具体方法为:
将步骤S2中标准化后的储层曲线开展敏感性分析,对标准化后的自然伽马曲线和波阻抗曲线进行交会分析,分别获得不同曲线的砂泥岩门槛值;自然伽马曲线和波阻抗曲线的砂泥岩门限值分别为95API和11000Ω。
进一步的,所述步骤S32中的具体方法为:
对自然伽马曲线进行归一化处理;根据如下公式:
对自然伽马曲线进行归一化处理,其中,GR标为自然伽马曲线标准化后的响应值,GR门槛为自然伽马的砂泥岩门槛值,GRmax为自然伽马响应最大值,GRmin为自然伽马响应最小值,GR归为归一化处理后自然伽马测井响应值。
进一步的,所述步骤S33中的具体方法为:
对波阻抗曲线进行归一化处理;根据如下公式:
对波阻抗曲线进行归一化处理,其中,IMP标为波阻抗曲线标准化后的响应值,IMP门槛为波阻抗的砂泥岩门槛值,IMPmax为波阻抗响应最大值,IMPmin为波阻抗响应最小值,IMP归为归一化处理后波阻抗测井响应值。
进一步的,所述步骤S4中曲线频谱分析及滤波处理的具体方法为:
对步骤S32和步骤S33中得到的GR归和IMP归曲线进行快速傅里叶变换FFT,分别得到GR归曲线频率谱H(f)GR和IMP归曲线频率谱H(f)IMP,利用滤波器公式:
其中,f为频率;f截止为高低通滤波器的截止频率;H(f)GR为自然伽马曲线频谱函数;H(f)IMP为波阻抗曲线频谱函数;为自然伽马曲线高频部分;/>为波阻抗曲线低频部分;
通过高通、低通滤波处理分别得到高频分量频谱曲线和低频分量频谱曲线/>对/>和/>进行反傅里叶变换得到自然伽马曲线高频分量曲线GR高和波阻抗曲线低频分量曲线IMP低。
进一步的,所述步骤S4中截止频率f截止的选取为地震反演所应用到的地震数据的有效频带的最高值。
进一步的,所述步骤S5中曲线融合重构,得到拟波阻抗重构曲线的具体方法为:
通过利用反映地层和岩性变化比较敏感的测井曲线构建具有阻抗量纲的新曲线高频部分,结合波阻抗的低频部分,合成拟阻抗曲线的“低频补偿高频恢复”融合技术将步骤S4中得到的波阻抗低频分量频谱曲线IMP低和自然伽马高频分量频谱曲线GR高进行融合生成频谱曲线H(f)Ip;针对频谱曲线H(f)Ip开展反傅里叶变换,即得到基于频率融合的拟波阻抗曲线Ip重构。
本发明的有益效果为:
本发明利用“低频补偿高频恢复”的思路开展曲线频率融合,能够更好的识别薄厚不同的砂岩,突破单一因素的局限性。根据测井曲线的不同频率尺度反映不同的地质与沉积特征的特点,采用波阻抗曲线的低频分量与自然伽马曲线高频分量相融合,融合出拟波阻抗曲线。融合后的拟波阻抗曲线对砂岩和泥岩的区分较之前有很大改进,对薄厚不同尺度砂岩响应非常敏感,可提高地震反演储层横向预测精度。
附图说明
图1为本发明实施例的方法步骤示意图;
图2为本发明实施例的自然伽马曲线校正前后直方图;
图3为本发明实施例的井波阻抗曲线校正前后直方图;
图4为本发明实施例的自然伽马曲线和波阻抗曲线交汇分析图;
图5为本发明实施例的自然伽马曲线高频分量曲线图;
图6为本发明实施例的波阻抗曲线低频分量曲线图;
图7为本发明实施例的频率融合拟波阻抗曲线;
图8为本发明实施例的传统波阻抗反演剖面图;
图9为本发明实施例的频率融合的阻抗反演剖面图;
图10为本发明实施例的单井砂厚和计算砂厚的对比柱状图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
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、操作和/或它们的组合。
实施例1:
一、试验背景介绍
由于研究区西湖凹陷Y构造花港组岩性复杂,发育煤层、泥岩和薄厚不同的砂岩,出现砂泥岩薄互,层而非简单的泥质背景下的砂岩储层。不同岩性组合可以对应相同的地震反射特征,且砂、泥岩之间阻抗差异小,常规阻抗反演技术无法有效预测砂岩的空间展布规律。单层砂岩厚度小,横向变化大,地震资料纵向分辨能力很难识别薄储层。本实施例以波阻抗曲线和自然伽马曲线融合重构为基础,通过拟阻抗曲线作为岩性识别的依据,完成地震反演岩性预测,预测出储层段砂岩的时空展布规律。
二、试验步骤
如图1所示:
步骤S1、获取测井曲线
从西湖凹陷Y构造的测井基础数据中获取花港组的自然伽马测井曲线和波阻抗测井曲线;
步骤S2、测井曲线标准化
步骤S21、对自然伽马曲线进行标准化处理。对西湖凹陷Y构造各井花港组自然伽马开展标准化处理,以西湖凹陷Y构造YY1井花港组H3-H6作为标准层,读取标准层自然伽马曲线平均值作为自然伽马曲线基线漂移的基值,选取研究区每口井目的层对应自然伽马值,按照自然伽马曲线采样率进行垂向上线性插值,生成校正基线曲线GR标基,对自然伽马曲线进行基线校正,利用公式:
其中,为第n个采样点处基线校正后的自然伽马值;GRn为第n个采样点处基线校正前的自然伽马幅度值;/>为第n个采样点处校正基准曲线值;GR标准为标准层自然伽马平均值。
通过上述公式完成西湖凹陷Y构造花港组自然伽马曲线标准化处理,如图2所示,通过对比自然伽马曲线校正前后直方图,可知各井标准化处理后曲线正态分布,则说明各井自然伽马曲线已经校正到同一刻度水平上。
步骤S22,对波阻抗曲线进行标准化处理。对西湖凹陷Y构造各井波阻抗曲线开展基线校正,选取研究区标准井YY1井花港组作为标准层,读取标准层波阻抗曲线平均值作为波阻抗曲线基线漂移的基值,选取研究区每口井目的层对应的波阻抗值,按照波阻抗曲线采样率进行垂向上线性插值,生成校正基线曲线IMP标基,对波阻抗曲线进行基线校正,利用公式:
其中,为第n个采样点处基线校正后的波阻抗幅度值;IMPn为第n个采样点处基线校正前的波阻抗值;/>为第n个采样点处校正基准曲线值;IMP标准为标准层波阻抗平均值。
如图3所示,完成了井波阻抗曲线基线校正,将花港组位置校正到相同基线位置,消除了波阻抗曲线的基线偏移现象,增强了单井波阻抗曲线对砂泥岩的区分能力。
步骤S3、测井曲线归一化
步骤S31、将标准化后的储层曲线开展敏感性分析,对自然伽马曲线和波阻抗曲线进行交会分析,分别获得不同曲线的砂泥岩门限值。为反映不同类型测井曲线对含油气储层响应特征,利用常规测井曲线、测井解释结果开展储层敏感曲线分析,依据储层发育特征分析有利储层与测井曲线响应对应关系。如图4选所示,取西湖凹陷Y构造花港组的自然伽马曲线和波阻抗曲线进行交汇分析。砂泥岩的自然伽马门槛值和波阻抗门槛值分别为95API和11000Ω;
步骤S32、对自然伽马曲线进行归一化处理。自然伽马曲线砂泥岩门限值为90API,利用以下公式完成自然伽马曲线量纲化处理:
其中,GR标为自然伽马曲线标准化后的响应值,GR门槛为自然伽马的砂泥岩门槛值,GRmax为自然伽马响应最大值,GRmin为自然伽马响应最小值,GR归为归一化处理后自然电位测井响应值。
步骤S33,对波阻抗曲线进行归一化处理。波阻抗曲线砂泥岩门限值为11000Ω,利用公式完成波阻抗曲线量纲化处理:
其中,IMP标为波阻抗曲线标准化后的响应值,IMP门槛为波阻抗的砂泥岩门槛值,IMPmax为波阻抗响应最大值,IMPmin为波阻抗响应最小值,IMP归为归一化处理后深侧向电阻率测井响应值。
步骤S4、曲线频谱分析及滤波处理
对步骤S32和步骤S33中的得到GR归和IMP归进行快速傅里叶变换(FFT),分别得到GR归和IMP归的频率谱H(f)GR和H(f)IMP,分析地震反演所应用到的地震数据有效频带分布,选取f截止=40Hz作为滤波器截止频率;利用滤波器公式:
其中,f为频率;f截止为高低通滤波器的截止频率;H(f)GR为自然伽马曲线频谱函数;H(f)IMP为波阻抗曲线频谱函数;为自然伽马曲线高频部分;/>为波阻抗曲线低频部分。
通过高通、低通滤波处理分别得到得到高频分量频谱曲线和低频分量频谱曲线/>对/>和/>进行反傅里叶变换得到自然伽马曲线高频分量曲线GR高,如图5所示,波阻抗曲线低频分量曲线IMP低,如图6所示。
步骤S5、曲线融合重构,得到拟波阻抗重构曲线
曲线融合重构,通过利用反映地层和岩性变化比较敏感的测井曲线构建具有阻抗量纲的新曲线高频部分,结合波阻抗的低频部分,合成拟阻抗曲线的“低频补偿高频恢复”融合技术将步骤S4得到的自然伽马高频分量频谱曲线GR高和波阻抗低频分量频谱曲线IMP低进行融合生成频谱曲线H(f)Ip。针对频谱曲线H(f)Ip开展反傅里叶变换,即得到如图7所示,既具有地层背景的低频信息又能反映地层岩性变化的频率融合拟波阻抗曲线Ip重构。
步骤S6、利用拟波阻抗重构曲线进行地震重构反演并实现储层预测
将步骤S5中所得频率融合拟声波阻抗曲线Ip重构应用于地震反演运算过程。
三、效果分析
从预测效果来看,如图9所示,应用图基于频率融合的反演方法预测储层结果,较图8基于模型的地震波阻抗反演预测相比,砂体展布形态更客观,分布更合理,连续性更好。储层与测井钻遇储层一致性更好,如图10和表1、表2所示,反演厚度与实际钻遇误差较小,薄储层识别精度更高,储层与非储层之间差异明显,有效地提高薄储层预测精度,增加反演预测可信度。表明了利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法的技术先进性和实用性。
表1
表2
综上所述,本发明公开了利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,包括获取测井曲线;测井曲线标准化及归一化;曲线频谱分析及滤波处理;曲线融合重构得到拟波阻抗重构曲线;利用拟波阻抗重构曲线进行地震重构反演并实现储层预测;利用“低频补偿高频恢复”开展曲线频率融合,更好的识别薄厚不同的砂岩,突破单一因素的局限性;根据测井曲线的不同频率尺度反映不同的地质与沉积特征的特点,采用波阻抗曲线的低频分量与自然伽马曲线高频分量相融合,融合出拟波阻抗曲线;融合后的拟波阻抗曲线对砂岩和泥岩的区分较之前有很大改进,对薄厚不同尺度砂岩响应非常敏感,提高地震反演储层横向预测精度;具备极好的应用前景。
至此,本领域技术人员认识到,虽然本文已详尽展示和描述了本发明的实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导符合本发明原理的许多其他变形或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变形或修改。
Claims (9)
1.利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述预测方法包括以下步骤:
步骤S1:获取测井曲线;
从测井基础数据中获取自然伽马曲线和波阻抗曲线;
步骤S2:测井曲线标准化;
步骤S21:将步骤S1中得到的自然伽马曲线进行标准化处理;
步骤S22:将步骤S1中得到的波阻抗曲线进行标准化处理;
步骤S3:测井曲线归一化;
步骤S31:对步骤S2中标准化后的储层曲线开展敏感性分析,对标准化后的自然伽马曲线和波阻抗曲线进行交会分析,获得砂泥岩门限值;
步骤S32:对步骤S2中标准化后的自然伽马曲线进行归一化处理;
步骤S33:对步骤S2中标准化后的波阻抗曲线进行归一化处理;
步骤S4:将步骤S3中得到的归一化曲线进行曲线频谱分析及滤波处理;
步骤S5:对步骤S4中得到的曲线融合重构,得到拟波阻抗重构曲线;
步骤S6:利用步骤S5中得到的拟波阻抗重构曲线进行地震重构反演并实现储层预测。
2.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S21中将自然伽马曲线进行标准化处理的具体方法为:
对自然伽马曲线开展基线校正,选取研究区标准井目的层作为标准层,读取标准层自然伽马曲线平均值作为自然伽马曲线基线漂移的基值,选取研究区每口井目的层对应的自然伽马值,按照自然伽马曲线采样率进行垂向上线性插值,生成校正基线曲线GR标基,对自然伽马曲线进行基线校正,利用如下公式进行校正,完成自然伽马曲线开展基线校正:
其中,为第n个采样点处基线校正后的自然伽马值;GRn为第n个采样点处基线校正前的自然伽马幅度值;/>为第n个采样点处校正基准曲线值;GR标准为标准层自然伽马平均值。
3.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S22中波阻抗曲线进行标准化处理的具体方法为:
对波阻抗曲线开展基线校正,选取研究区标准井目的层作为标准层,读取标准层波阻抗曲线平均值作为波阻抗曲线基线漂移的基值,选取研究区每口井目的层对应的波阻抗值,按照波阻抗曲线采样率进行垂向上线性插值,生成校正基线曲线IMP标基,对波阻抗曲线进行基线校正,利用如下公式进行校正,完成波阻抗曲线开展基线校正:
其中,为第n个采样点处基线校正后的波阻抗幅度值;IMPn为第n个采样点处基线校正前的波阻抗值;/>为第n个采样点处校正基准曲线值;IMP标准为标准层波阻抗平均值。
4.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S31中的具体方法为:
将步骤S2中标准化后的储层曲线开展敏感性分析,对标准化后的自然伽马曲线和波阻抗曲线进行交会分析,分别获得不同曲线的砂泥岩门槛值;自然伽马曲线和波阻抗曲线的砂泥岩门限值分别为95API和11000Ω。
5.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S32中的具体方法为:
对自然伽马曲线进行归一化处理;根据如下公式:
对自然伽马曲线进行归一化处理,其中,GR标为自然伽马曲线标准化后的响应值,GR门槛为自然伽马的砂泥岩门槛值,GRmax为自然伽马响应最大值,GRmin为自然伽马响应最小值,GR归为归一化处理后自然伽马测井响应值。
6.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S33中的具体方法为:
对波阻抗曲线进行归一化处理;根据如下公式:
对波阻抗曲线进行归一化处理,其中,IMP标为波阻抗曲线标准化后的响应值,IMP门槛为波阻抗的砂泥岩门槛值,IMPmax为波阻抗响应最大值,IMPmin为波阻抗响应最小值,IMP归为归一化处理后波阻抗测井响应值。
7.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S4中曲线频谱分析及滤波处理的具体方法为:
对步骤S32和步骤S33中得到的GR归和IMP归曲线进行快速傅里叶变换FFT,分别得到GR归曲线频率谱H(f)GR和IMP归曲线频率谱H(f)IMP,利用滤波器公式:
其中,f为频率;f截止为高低通滤波器的截止频率;H(f)GR为自然伽马曲线频谱函数;H(f)IMP为波阻抗曲线频谱函数;为自然伽马曲线高频部分;/>为波阻抗曲线低频部分;
通过高通、低通滤波处理分别得到高频分量频谱曲线和低频分量频谱曲线对/>和/>进行反傅里叶变换得到自然伽马曲线高频分量曲线GR高和波阻抗曲线低频分量曲线IMP低。
8.如权利要求7所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S4中截止频率f截止的选取为地震反演所应用到的地震数据的有效频带的最高值。
9.如权利要求1所述的利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法,其特征在于,所述步骤S5中曲线融合重构,得到拟波阻抗重构曲线的具体方法为:
通过利用反映地层和岩性变化比较敏感的测井曲线构建具有阻抗量纲的新曲线高频部分,结合波阻抗的低频部分,合成拟阻抗曲线的“低频补偿高频恢复”融合技术将步骤S4中得到的波阻抗低频分量频谱曲线IMP低和自然伽马高频分量频谱曲线GR高进行融合生成频谱曲线H(f)Ip;针对频谱曲线H(f)Ip开展反傅里叶变换,即得到基于频率融合的拟波阻抗曲线Ip重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311563270.9A CN117607995A (zh) | 2023-11-22 | 2023-11-22 | 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311563270.9A CN117607995A (zh) | 2023-11-22 | 2023-11-22 | 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117607995A true CN117607995A (zh) | 2024-02-27 |
Family
ID=89948934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311563270.9A Pending CN117607995A (zh) | 2023-11-22 | 2023-11-22 | 利用自然伽马与波阻抗融合的拟阻抗地震岩性反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117607995A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784244A (zh) * | 2024-02-28 | 2024-03-29 | 中国石油大学(华东) | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 |
-
2023
- 2023-11-22 CN CN202311563270.9A patent/CN117607995A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784244A (zh) * | 2024-02-28 | 2024-03-29 | 中国石油大学(华东) | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 |
CN117784244B (zh) * | 2024-02-28 | 2024-05-10 | 中国石油大学(华东) | 基于变纵波速度的细粒混积岩孔隙压力预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Brittleness evaluation of resource plays by integrating petrophysical and seismic data analysis | |
US20130138350A1 (en) | Enhanced termination identification function based on dip field generated from surface data | |
Zeng | Frequency-dependent seismic-stratigraphic and facies interpretation | |
AU2013100760A4 (en) | A workflow for seismic lithologic characterization | |
Zhang et al. | Viabilities of seismic ray impedance and elastic impedance for hydrocarbon-sand discrimination | |
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 | |
Morozov et al. | Accurate poststack acoustic-impedance inversion by well-log calibration | |
Jesus et al. | Multiattribute framework analysis for the identification of carbonate mounds in the Brazilian presalt zone | |
Lu et al. | Prestack inversion identification of organic reef gas reservoirs of Permian Changxing Formation in Damaoping area, Sichuan Basin, SW China | |
Lai et al. | Typical misinterpretations and scientific concepts in well-logging geologic studies | |
Liu et al. | Seismic characterization of fault and fractures in deep buried carbonate reservoirs using CNN-LSTM based deep neural networks | |
Iturrarán-Viveros et al. | Validated artificial neural networks in determining petrophysical properties: A case study from Colombia | |
Alshakhs et al. | Sweet-spot mapping through formation evaluation and property modelling using data from the Goldwyer Formation of the Barbwire Terrace, Canning Basin | |
Zou et al. | Log-constrained inversion based on a conjugate gradient-particle swarm optimization algorithm | |
CN105989240B (zh) | 砂层预测方法及装置 | |
Contreras et al. | Characterization of fluvio-deltaic gas reservoirs through AVA deterministic, stochastic, and wave-equation-based seismic inversion: A case study from the Carnarvon Basin, Western Australia | |
Jafari et al. | Estimation of acoustic-impedance model by using model-based seismic inversion on the Ghar Member of Asmari Formation in an oil field in southwestern Iran | |
CN107831537B (zh) | 高砂地比浊积岩储层描述方法 | |
Nie et al. | L1–2 minimization for P-and S-impedance inversion | |
CN113640873B (zh) | 砂岩型铀矿叠前地震预测方法及装置 | |
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 | |
Li et al. | Automatic extraction of seismic data horizon across faults | |
Kalashnikova et al. | High‐resolution seismic velocity field estimation techniques and their application to geohazard, lithology and porosity prediction | |
Xu et al. | Frequency trend attribute analysis for stratigraphic division and correlation | |
Sinha* et al. | Identification and Quantification of Parasequences Using Expectation Maximization Filter: Defining Well Log Attributes for Reservoir Characterization |
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 |