CN118011487A - 一种滩相白云岩储层地震预测方法及地震预测设备 - Google Patents
一种滩相白云岩储层地震预测方法及地震预测设备 Download PDFInfo
- Publication number
- CN118011487A CN118011487A CN202211398373.XA CN202211398373A CN118011487A CN 118011487 A CN118011487 A CN 118011487A CN 202211398373 A CN202211398373 A CN 202211398373A CN 118011487 A CN118011487 A CN 118011487A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- beach
- earthquake
- dolomite
- data
- 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
- 239000010459 dolomite Substances 0.000 title claims abstract description 61
- 229910000514 dolomite Inorganic materials 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 claims abstract description 54
- 238000010606 normalization Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000035945 sensitivity Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 235000019738 Limestone Nutrition 0.000 claims description 6
- 239000006028 limestone Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 239000011435 rock Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 229910001748 carbonate mineral Inorganic materials 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种滩相白云岩储层地震预测方法及地震预测设备，其中滩相白云岩储层地震预测方法包括S1.根据叠前角道集地震数据，获取待识别的地震弹性参数数据体，对待识别的地震弹性参数数据体进行归一化处理，收集测井弹性参数；S2.计算第一储层融合模型；S3.将S1中归一化处理后的待识别的地震弹性参数数据体带入S2中第一储层融合模型，对整个三维工区进行预测，从纵横向分别进行预测，最终将纵横向的结果叠加，输出滩相白云岩储层识别结果。本方法能够避免滩相白云岩储层在常规波阻抗直接反演中的储层与非储层的识别误差，提高预测准确度，有效指示滩相白云岩储层。
Description
技术领域
本发明涉及石油天然气测井解释与储层评价领域，尤其涉及一种滩相白云岩储层地震预测方法及地震预测设备。
背景技术
岩石物理弹性参数能够反映矿物岩性及物性特征，在地震储层预测中具有重要作用。随着勘探开发的不断拓展，油气勘探目标在碳酸盐岩中的应用不断深入，许多待勘探的厚度较薄的滩相白云岩储层识别成为了新的焦点。直接从地震数据识别岩相是油气勘探领域一直研究的重点，对于滩相白云岩储层而言，利用叠后数据提取和反演的所有属性都不能很好的将其识别出来，预测准确度较低。
发明内容
本发明的目的在于克服现有技术中对于滩相白云岩薄储层在地震上无响应、响应弱、难识别、多解性强，利用叠后数据提取的所有属性都不能很好的将其识别出来的问题，提供一种滩相白云岩储层地震预测方法及地震预测设备。
本发明所述的储层指孔隙度≥2％地层，非储层指孔隙度＜2％的地层。
为了实现上述发明目的，本发明提供了以下技术方案：
一种滩相白云岩储层地震预测方法，包括以下步骤：
S1.根据叠前角道集地震数据，获取待识别的地震弹性参数数据体，对待识别的地震弹性参数数据体进行归一化处理，收集测井弹性参数；
S2.计算第一储层融合模型；
S3.将S1中归一化处理后的待识别的地震弹性参数数据体带入S2中第一储层融合模型，对整个三维工区进行预测，从纵横向分别进行预测，最终将纵横向的结果叠加，输出滩相白云岩储层识别结果。
使用本发明所述的一种滩相白云岩储层地震预测方法，使用叠前角道集地震数据来预测滩相薄白云岩储层，引入多属性融合技术，在多弹性参数叠前同步反演、叠后波阻抗反演和弹性参数敏感性分析基础上，利用多弹性参数信息融合解释技术，开展滩相白云岩储层预测研究，相比于传统的常规波阻抗反演，多属性融合技术更加有利于约束碳酸盐岩矿物波阻抗属性中的多解性问题，凸显出不同碳酸盐岩岩相的弹性力学差异性，利用多属性融合技术扩大优势属性、减弱劣势属性的特点，降低了传统方法对滩相白云岩储层预测的多解性问题，提高了储层识别的精度。
优选地，S1中所述地震弹性参数数据体包括纵波阻抗数据体、横波阻抗数据体、泊松比数据体、拉梅常数数据体、杨氏模量数据体、剪切模量数据体、体积模量数据体。
优选地，S1中所述测井弹性参数包括纵波阻抗、横波阻抗、泊松比、拉梅常数、杨氏模量、剪切模量、体积模量、纵波速度、横波速度、密度、孔隙度。
优选地，S2中计算所述第一融合模型的步骤包括：
S21.计算测井弹性参数的储层敏感强度；
S22.计算测井弹性参数权重系数；
S23.对测井弹性参数进行归一化处理；
S24.构建待输入数据信息的初始融合模型，其中初始融合模型包括待融合项和相应的权重系数；
S25.将S23中归一化后的测井弹性参数带入S24中所述的初始融合模型；
S26.得到构建好的第一储层融合模型。
构建基于测井岩石物理参数分析的多属性融合模型，建立起了基于矿物理论力学性质与地下储层孔隙度的相关关系，通过多属性融合，有效的提高了储层的响应强度，降低了非储层的响应强度，针对叠前数据的解释工作上，增强了预测的准确性，降低了对滩相白云岩储层预测的多解性。在数据输入多属性融合模型之前通过对数据进行归一化处理，既保留了原始数据中的相关关系，又消除了不同量纲和取值范围的影响。
优选地，S21中所述敏感强度计算公式为：
其中，R表示敏感强度，X1为白云岩储层测井弹性参数，X2为灰岩非储层测井弹性参数。
优选地，S22中所述权重系数计算公式为：
其中，C为权重系数；Ri为测井弹性参数的敏感强度，i是纵波阻抗、横波阻抗、泊松比、拉梅常数、杨氏模量、剪切模量、体积模量。
优选地，S24中所述的初始融合模型为：
其中，Y为新构建的储层融合模型，A为归一化后的数据，X为校正系数，X＝0，C为权重系数，m为对应的弹性参数，n为弹性参数的数量。
优选地，所述的归一化处理的计算公式为：
其中，Xscaled为归一化后的数据，X为输入数据，Xmax代表待处理数据的最大值，Xmin代表待处理数据的最小值，给定缩放范围的上限max为1，所述给定缩放范围的下限min为0，axis＝0代表列。
一种地震预测设备，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行本发明所述的一种滩相白云岩储层地震预测方法。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现本发明所述的一种滩相白云岩储层地震预测方法的步骤。
与现有技术相比，本发明的有益效果是：
1.使用本发明所述的一种滩相白云岩储层地震预测方法，使用叠前角道集地震数据来预测滩相薄白云岩储层，引入多属性融合技术，在多弹性参数叠前同步反演、叠后波阻抗反演和弹性参数敏感性分析基础上，利用多弹性参数信息融合解释技术，开展滩相白云岩储层预测研究，相比于传统的常规波阻抗反演，多属性融合技术更加有利于约束碳酸盐岩矿物波阻抗属性中的多解性问题，凸显出不同碳酸盐岩岩相的弹性力学差异性，利用多属性融合技术扩大优势属性、减弱劣势属性的特点，降低了传统方法对滩相白云岩储层预测的多解性问题，提高了储层识别的精度。
2.构建基于测井岩石物理参数分析的多属性融合模型，建立起了基于矿物理论力学性质与地下储层孔隙度的相关关系，通过多属性融合，有效的提高了储层的响应强度，降低了非储层的响应强度，针对叠前数据的解释工作上，增强了预测的准确性，降低了对滩相白云岩储层预测的多解性。在数据输入多属性融合模型之前通过对数据进行归一化处理，既保留了原始数据中的相关关系，又消除了不同量纲和取值范围的影响。
3.多属性融合技术在建立理论模型之后，能够快速准确的对全区数据进行预测和分析，对滩相白云岩薄储层预测结果准确，与实际数据吻合，降低滩相白云岩薄储层预测的误差。
附图说明
图1为本发明的滩相白云岩储层预测方法流程图；
图2为单井岩石物理弹性参数分析直方图；
图3为过A1井使用不同弹性参数反演剖面图；
图4为A1井单井融合模型应用效果柱状图；
图5为A1井单井融合模型与孔隙度交会图；
图6为基于本发明的滩相白云岩储层预测方法的预测平面图；
图7为过A1井基于叠后波阻抗反演的滩相白云岩储层预测剖面图；
图8为过A1井基于本发明的滩相白云岩储层预测方法的预测剖面图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
选取川西南某工区为例，如图2所示，工区内滩相白云岩储层与灰岩围岩阻抗差异对储层的地震响应特征影响较小，可以很直观的表现出常规的波阻抗属性无法有效的对滩相白云岩储层进行识别，而剪切模量、体积模量和杨氏模量的储层识别强度则相对更高，但依然不足以很好的识别到目标体。
表1为研究区滩相白云岩薄储层与非储层灰岩的反射强度参数表，展示了白云岩储层和灰岩非储层的具体弹性参数变化，从具体储层识别强度数值变化来看，对于储层最为敏感的弹性参数依次分别为剪切模量、杨氏模量、横波阻抗、体积模量以及纵波阻抗。
表1反射强度参数表
为验证本文提出的设想，选区川西南某工区内一口含有弹性白云岩储层的井A1，图3为过A1井使用不同弹性参数反演剖面图，其中3a为剪切模量剖面图，3b为纵波阻抗剖面图，3c为横波阻抗剖面图，通过剖面对比分析发现，在图3b中储层段(方形框)纵波阻抗分布位置(浅灰色)对应关系一般，异常显示位置与储层位置吻合程度最高；图3a中剪切模量吻合程度次之，异常显示位置位置(浅灰色)与储层位置对应关系一般；图3c中横波阻抗吻合程度较差，整体(浅灰色)对应位置偏差较大，满足上述提出的设想。
图4为A1井单井融合模型应用效果柱状图，对比本发明的融合属性曲线、测井孔隙度曲线以及测井解释结果的吻合程度，可见通过属性融合模型构建的融合属性曲线与测井孔隙度曲线和测井解释结果具有极高的吻合程度，滩相白云岩储层在融合属性曲线上表现出明显的异常响应。
图5为融合属性与测井孔隙度的交会分析图，图中融合属性与测井孔隙度表现出良好的负相关关系，能够很好的区分滩相白云岩储层和非储层，验证了融合模型具有良好的应用效果，可以利用该模型指示滩相白云岩储层。
如图1所示，本发明以建立地震弹性参数数据体和滩相白云岩储层信息为目标，提供一种基于多属性融合技术的滩相白云岩储层地震预测方法，本方法在利用测井、地质和合成地震记录资料准确标定待识别目标层的基础上，包括以下步骤：
S1.根据叠前角道集地震数据，获取待识别的地震弹性参数数据体，地震弹性参数数据体包括纵波阻抗数据体、横波阻抗数据体、泊松比数据体、拉梅常数数据体、杨氏模量数据体、剪切模量数据体、体积模量数据体；对待识别的地震弹性参数数据体进行归一化处理；收集测井弹性参数，测井参数包括纵波阻抗、横波阻抗、泊松比、拉梅常数、杨氏模量、剪切模量、体积模量纵波速度、横波速度、密度、孔隙度。
S2.计算第一储层融合模型；
上述S2中计算第一储层融合模型的步骤包括：
S21.计算测井弹性参数的储层敏感强度，敏感强度计算公式为：
其中，R表示敏感强度，X1为白云岩储层测井弹性参数，X2为灰岩非储层测井弹性参数；
S22.计算测井弹性参数权重系数，权重系数计算公式为：
其中，C为权重系数；Ri为测井弹性参数的敏感强度，i是纵波阻抗、横波阻抗、泊松比、拉梅常数、杨氏模量、剪切模量、体积模量；
S23.对测井弹性参数进行归一化处理；
S24.构建待输入数据信息的初始融合模型，其中初始融合模型包括待融合项和相应的权重系数，初始融合模型为：
其中，Y为新构建的储层融合模型，A为归一化后的数据，X为校正系数，X＝0，C为权重系数，m为对应的弹性参数，n为弹性参数的数量；
S25.将S23中归一化后的测井弹性参数带入S24中的初始融合模型；
S26.得到构建好的第一储层融合模型；
S3.将S1中归一化处理后的待识别的地震弹性参数数据体带入S2中第一储层融合模型，对整个三维工区进行预测，从纵横向分别进行预测，最终将纵横向的结果叠加，输出滩相白云岩储层识别结果为储层或非储层。
上述步骤中，具体地，采用minmax-scale的方法对输入数据做归一化处理，确保弹性参数数据处于合理的分布范围之内，归一化处理的计算公式为：
其中，Xscaled为归一化后的数据，X为输入数据，Xmax代表待处理数据的最大值，Xmin代表待处理数据的最小值，给定缩放范围的上限max为1，给定缩放范围的下限min为0，axis＝0代表列。
经过归一化处理的弹性参数数据保留了原始数据中的相关关系，且能消除不同量纲和取值范围的影响。
实施例2
采用实施例1中的滩相白云岩储层地震预测方法，对整个三维工区进行预测，图6示出了采用本发明提供的滩相白云岩储层地震预测方法预测的平面图，本实施例中提供一种传统的基于叠后波阻抗反演的滩相白云岩储层预测方法作为对比例，应用该方法预测的过A1井剖面如图7所示，图8为过A1井基于本发明的滩相白云岩储层预测方法的预测剖面图，从两幅图的虚线框部分来看，图8与图7的剖面所展示的结果相比，本发明提供的预测方法所计算获得的储层分布剖面图具有更高的分辨率，横向连续性以及差异性相较于常规反演剖面有较大的提升。本方法建立了与储层孔隙度的线性特征，有效提高了滩相白云岩储层的预测精度，增强了预测准确性，降低了多解性，得到了很好的应用效果，与实际数据吻合，降低了预测误差。
实施例3
本实施例提供一种滩相白云岩储层地震预测设备，该设备包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行实施例1中的滩相白云岩储层地震预测方法方法。
实施例4
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现实施例1中的滩相白云岩储层地震预测方法的步骤。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作出的任何修改，等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种滩相白云岩储层地震预测方法，其特征在于，包括以下步骤：
S1.根据叠前角道集地震数据，获取待识别的地震弹性参数数据体，对所述待识别的地震弹性参数数据体进行归一化处理，收集测井弹性参数；
S2.计算第一储层融合模型；
S3.将所述S1中归一化处理后的所述待识别的地震弹性参数数据体带入所述S2中所述第一储层融合模型，对整个三维工区进行预测，从纵、横向分别进行预测，最终将纵、横向的结果叠加，输出滩相白云岩储层识别结果。
2.根据权利要求1所述的一种滩相白云岩储层地震预测方法，其特征在于，所述S1中所述地震弹性参数数据体包括纵波阻抗数据体、横波阻抗数据体、泊松比数据体、拉梅常数数据体、杨氏模量数据体、剪切模量数据体、体积模量数据体。
3.根据权利要求1所述的一种滩相白云岩储层地震预测方法，其特征在于，所述S1中所述测井弹性参数包括纵波阻抗、横波阻抗、泊松比、拉梅常数、杨氏模量、剪切模量、体积模量、纵波速度、横波速度、密度、孔隙度。
4.根据权利要求1所述的一种滩相白云岩储层地震预测方法，其特征在于，所述S2中计算所述第一融合模型的步骤包括：
S21.计算所述测井弹性参数的储层敏感强度；
S22.计算所述测井弹性参数权重系数；
S23.对所述测井弹性参数进行归一化处理；
S24.构建待输入数据信息的初始融合模型，所述初始融合模型包括待融合项和相应的权重系数；
S25.将所述S23中归一化后的所述测井弹性参数带入所述S24中所述的初始融合模型；
S26.得到构建好的所述第一储层融合模型。
5.根据权利要求4所述的一种滩相白云岩储层地震预测方法，其特征在于，所述S21中所述敏感强度计算公式为：
其中，R表示敏感强度，X1为白云岩储层测井弹性参数，X2为灰岩非储层测井弹性参数。
6.根据权利要求4所述的一种滩相白云岩储层地震预测方法，其特征在于，所述S22中所述权重系数计算公式为：
其中，C为权重系数；Ri为测井弹性参数的敏感强度，i是纵波阻抗、横波阻抗、泊松比、拉梅常数、杨氏模量、剪切模量、体积模量。
7.根据权利要求4所述的一种滩相白云岩储层地震预测方法，其特征在于，所述S24中所述的初始融合模型为：
其中，Y为新构建的储层融合模型，A为归一化后的数据，X为校正系数，X＝0，C为权重系数，m为对应的弹性参数，n为弹性参数的数量。
8.根据权利要求1-7任一所述的一种滩相白云岩储层地震预测方法，其特征在于，所述的归一化处理的计算公式为：
其中，Xscaled为归一化后的数据，X为输入数据，Xmax代表待处理数据的最大值，Xmin代表待处理数据的最小值，给定缩放范围的上限max为1，所述给定缩放范围的下限min为0，axis＝0代表列。
9.一种滩相白云岩储层地震预测设备，其特征在于，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行权利要求1-8任一所述的预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述的预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211398373.XA CN118011487A (zh) | 2022-11-09 | 2022-11-09 | 一种滩相白云岩储层地震预测方法及地震预测设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211398373.XA CN118011487A (zh) | 2022-11-09 | 2022-11-09 | 一种滩相白云岩储层地震预测方法及地震预测设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118011487A true CN118011487A (zh) | 2024-05-10 |
Family
ID=90958505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211398373.XA Pending CN118011487A (zh) | 2022-11-09 | 2022-11-09 | 一种滩相白云岩储层地震预测方法及地震预测设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118011487A (zh) |
-
2022
- 2022-11-09 CN CN202211398373.XA patent/CN118011487A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2018340369B2 (en) | Method and device for determining thin interlayer | |
| US8379482B1 (en) | Using seismic attributes for data alignment and seismic inversion in joint PP/PS seismic analysis | |
| US20180203144A1 (en) | Interferometric Microseismic Imaging Methods and Apparatus | |
| US10732310B2 (en) | Seismic attributes derived from the relative geological age property of a volume-based model | |
| CA2743611A1 (en) | Methods and systems for monitoring and modeling hydraulic fracturing of a reservoir field | |
| CN111506861B (zh) | 一种目的层有利区域裂缝强度计算方法 | |
| CN113296166A (zh) | 裂缝模型的构建方法 | |
| CN103869362A (zh) | 体曲率获取方法和设备 | |
| CN110320576A (zh) | 超前地质预报方法、装置及存储介质 | |
| CN104375178A (zh) | 一种碳酸盐岩缝洞储层预测方法和装置 | |
| Ding et al. | Reliability analysis of seismic attribute in the detection of fault-karst | |
| Shaban et al. | Comparison between curvature and 3D strain analysis methods for fracture predicting in the Gachsaran oil field (Iran) | |
| 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 | |
| CN112946782A (zh) | 一种致密油气储渗体地震精细刻画方法 | |
| CN111650643B (zh) | 地震断层机器学习模型训练集提取方法和系统 | |
| CN112444857B (zh) | 一种基于叠后地震资料的膏盐地球物理预测方法 | |
| CN118011487A (zh) | 一种滩相白云岩储层地震预测方法及地震预测设备 | |
| CN111502647B (zh) | 一种钻井地质环境因素确定方法、装置及存储介质 | |
| CN113848593A (zh) | 一种定量预测含煤地层中岩浆岩侵蚀区的方法 | |
| CN112147676A (zh) | 一种煤层及夹矸厚度预测方法 | |
| Li et al. | Small-Scale Fracture Detection via Anisotropic Bayesian Ant-Tracking Colony Optimization Driven by Azimuthal Seismic Data | |
| Yin et al. | Downhole Microseismic Source Location Based on a Multi‐Dimensional DIRECT Algorithm for Unconventional Oil and Gas Reservoir Exploration | |
| Thagafy et al. | Predictive fracture modeling: Example fields from Saudi Arabia | |
| CN105629302A (zh) | 三维地震定向体曲率分析方法 | |
| CN115184991A (zh) | 利用纵横波阻抗差异比进行页岩储层裂缝识别方法及系统 |
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 |