CN104297787A - 河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 - Google Patents
河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 Download PDFInfo
- Publication number
- CN104297787A CN104297787A CN201410554263.7A CN201410554263A CN104297787A CN 104297787 A CN104297787 A CN 104297787A CN 201410554263 A CN201410554263 A CN 201410554263A CN 104297787 A CN104297787 A CN 104297787A
- Authority
- CN
- China
- Prior art keywords
- petrofacies
- model
- sand
- sand body
- natural gamma
- 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
- 208000035126 Facies Diseases 0.000 title claims abstract description 46
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 239000004576 sand Substances 0.000 claims abstract description 211
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000011161 development Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 230000005251 gamma ray Effects 0.000 claims description 50
- 230000035699 permeability Effects 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 15
- 239000004575 stone Substances 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000005553 drilling Methods 0.000 claims description 7
- 239000003209 petroleum derivative Substances 0.000 abstract description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract 4
- 239000003345 natural gas Substances 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种河流相低渗致密砂岩储层的三维岩相数据处理方法及装置,涉及石油天然气开发技术领域,方法包括:根据砂体的长度、砂体的宽度、砂体的厚度、砂体的物源方向参数获取得到岩相的主要变差函数;根据自然伽马曲线与地震数据,获取得到自然伽马场;根据自然伽马曲线和自然伽马场,通过序贯高斯模拟方法建立岩相的主要变差函数约束下的自然伽马模型;根据自然伽马模型与砂岩概率的对应关系,生成砂岩概率体;建立三维训练图像,并根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。本发明能够解决简单的一步建模方法难以模拟该储层的地质情况,影响了石油天然气的开发的问题。
Description
技术领域
本发明涉及石油天然气开发技术领域,特别是一种河流相低渗致密砂岩储层的三维岩相数据处理方法及装置。
背景技术
在石油天然气开发技术领域中,一般需要对各种储层进行建模,从而模拟地下的地质情况,为石油天然气的后续开发提供了保障。当前对各种储层进行建模的大多通过较基本的先验的地质数据对模型进行约束,此种建模方式仅能够应用在结构较为简单的储层。目前的储层一般较为复杂,各储层埋深较大,地震数据品质不好的情况时,例如河流相低渗致密砂岩储层的地质条件复杂,储层质量差,相变快,横向分布不稳定,砂泥岩频繁交互出现。
这样,目前的建模方式中所涉及的地质数据较少,难以对较为复杂的储层模型进行约束,常规的波阻抗反演无法准确地区分砂岩和泥岩,造成井间储层难以识别和预测,因此常规的地质建模方法不适用于复杂的河流相低渗致密砂岩储层的三维岩相建模,难以模拟该储层的地质情况,影响了石油天然气的开发。
发明内容
本发明实施例提供一种河流相低渗致密砂岩储层的三维岩相数据处理方法及装置,以解决现有技术中的常规的地质建模方法不适用于复杂的河流相低渗致密砂岩储层的三维岩相建模,难以模拟该储层的地质情况,影响了石油天然气的开发的问题。
为了达到上述目的,本发明采用如下技术方案:
一种河流相低渗致密砂岩储层的三维岩相数据处理方法,包括:
根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;其中,所述砂体的长度为所述主要变差函数的主变程、所述砂体的宽度为所述主要变差函数的次变程、所述砂体的厚度为所述主要变差函数的垂直变程、所述砂体的物源方向参数为所述主要变差函数的方位角;
根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;
根据所述井点实测的自然伽马曲线和所述自然伽马场,通过序贯高斯模拟方法建立所述岩相的主要变差函数约束下的自然伽马模型;
根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体;
根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;
根据所述三维训练图像、井点的岩相数据和所述砂岩概率体,通过多点地质统计学方法建立岩相模型;其中,所述井点岩相数据为硬数据,所述砂体概率体为软数据;所述井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
另外,该河流相低渗致密砂岩储层的三维岩相数据处理方法,还包括:
从所述地震数据中获取地震波形储层预测结果;
将所述岩相模型与所述地震波形储层预测结果比较,确定所述岩相模型与所述地震波形储层预测结果的砂体厚度差;
若所述砂体厚度差大于一第一预设阈值,调节所述岩相模型,使得所述岩相模型中的砂体连续,并且调节岩相模型中的砂体厚度的最大值和最小值。
另外,该河流相低渗致密砂岩储层的三维岩相数据处理方法,还包括:
对井网进行逐级抽稀,并建立抽稀后的井网的岩相模型;
获取被抽稀掉的井的自然伽马曲线,将所述被抽稀掉的井的自然伽马曲线与抽稀后的井网的岩相模型进行比较,确定砂体的正判率;
若所述砂体的正判率小于一第二预设阈值,调节所述抽稀后的井网的岩相模型,使得所述抽稀后的井网的岩相模型中的砂体连续,并且调节抽稀后的井网的岩相模型中的砂体厚度的最大值和最小值。
具体的,所述根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场,包括:
根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据;
根据所述地震特征数据反演得到所述自然伽马场。
此外,所述根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体,包括:
通过如下公式生成所述砂岩概率体:
P=-8×105V2+2×10-3V+1.153
其中,P为砂岩概率;V为所述自然伽马模型中的自然伽马值。
一种河流相低渗致密砂岩储层的三维岩相数据处理装置,包括:
主要变差函数获取单元,用于根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;其中,所述砂体的长度为所述主要变差函数的主变程、所述砂体的宽度为所述主要变差函数的次变程、所述砂体的厚度为所述主要变差函数的垂直变程、所述砂体的物源方向参数为所述主要变差函数的方位角;
自然伽马场获取单元,用于根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;
自然伽马模型建立单元,用于根据所述井点实测的自然伽马曲线和所述自然伽马场获取单元获取的自然伽马场,通过序贯高斯模拟方法建立所述主要变差函数获取单元获取的岩相的主要变差函数约束下的自然伽马模型;
砂岩概率体生成单元,用于根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体;
三维训练图像建立单元,用于根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;
岩相模型建立单元,用于根据所述三维训练图像、井点的岩相数据和所述砂岩概率体,通过多点地质统计学方法建立岩相模型;其中,所述井点的岩相数据为硬数据,所述砂体概率体为软数据;所述井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
进一步的,该河流相低渗致密砂岩储层的三维岩相数据处理装置,还包括:
地震波形储层预测结果获取单元,用于从所述地震数据中获取地震波形储层预测结果;
砂体厚度差确定单元,用于将所述岩相模型与所述地震波形储层预测结果比较,确定所述岩相模型与所述地震波形储层预测结果的砂体厚度差;
调节单元,用于在所述砂体厚度差大于一第一预设阈值时,调节所述岩相模型,使得所述岩相模型中的砂体连续,并且调节岩相模型中的砂体厚度的最大值和最小值。
此外,该河流相低渗致密砂岩储层的三维岩相数据处理装置,还包括:
井网抽稀单元,用于对井网进行逐级抽稀,并建立抽稀后的井网的岩相模型;
砂体正判率确定单元,用于获取被抽稀掉的井的自然伽马曲线,将所述被抽稀掉的井的自然伽马曲线与抽稀后的井网的岩相模型进行比较,确定砂体的正判率;
所述调节单元,还用于在所述砂体的正判率小于一第二预设阈值时,调节所述抽稀后的井网的岩相模型,使得所述抽稀后的井网的岩相模型中的砂体连续,并且调节抽稀后的井网的岩相模型中的砂体厚度的最大值和最小值。
另外,所述自然伽马场获取单元,具体用于根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据;
根据所述地震特征数据反演得到所述自然伽马场。
另外,所述砂岩概率体生成单元,具体用于:
通过如下公式生成所述砂岩概率体:
P=-8×105V2+2×10-3V+1.153
其中,P为砂岩概率;V为所述自然伽马模型中的自然伽马值。
本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理方法及装置,根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;根据所述井点实测的自然伽马曲线和所述自然伽马场,通过序贯高斯模拟方法建立所述岩相的主要变差函数约束下的自然伽马模型;根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体;根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;根据所述三维训练图像、井点的岩相数据和所述砂岩概率体,通过多点地质统计学方法建立岩相模型。通过本发明能够实现复杂的河流相低渗致密砂岩储层的三维岩相建模,避免了常规建模方法不适用于复杂的河流相低渗致密砂岩储层的三维岩相建模,难以模拟该储层的地质情况,影响了石油天然气的开发的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理方法的流程图一;
图2为本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理方法的流程图二;
图3为本发明实施例中的自然伽马模型的示意图;
图4为本发明实施例中的建立岩相模型的示意图;
图5为本发明提供的河流相低渗致密砂岩储层的三维岩相数据处理装置的结构示意图一;
图6为本发明提供的河流相低渗致密砂岩储层的三维岩相数据处理装置的结构示意图二。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1所示,本发明实施例提供一种河流相低渗致密砂岩储层的三维岩相数据处理方法,包括:
步骤101、根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数。
其中,砂体的长度为主要变差函数的主变程、砂体的宽度为主要变差函数的次变程、砂体的厚度为主要变差函数的垂直变程、砂体的物源方向参数为主要变差函数的方位角。
步骤102、根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场。
步骤103、根据井点实测的自然伽马曲线和自然伽马场,通过序贯高斯模拟方法建立岩相的主要变差函数约束下的自然伽马模型。
步骤104、根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体。
步骤105、根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像。
步骤106、根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。
其中,井点的岩相数据为硬数据,砂体概率体为软数据;井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理方法,根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;根据井点实测的自然伽马曲线和自然伽马场,通过序贯高斯模拟方法建立岩相的主要变差函数约束下的自然伽马模型;根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体;根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。通过本发明能够实现复杂的河流相低渗致密砂岩储层的三维岩相建模,避免了常规的建模方法不适用于复杂的河流相低渗致密砂岩储层的三维岩相建模,难以模拟该储层的地质情况,影响了石油天然气的开发的问题。
值得说明的是,上述步骤102根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场可以通过如下方式实现:
根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据,并根据地震特征数据反演得到自然伽马场。
另外,上述的步骤104根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体可以通过如下方式实现,即通过如下公式(1)来生成砂岩概率体:
P=-8×105V2+2×10-3V+1.153 (1)
其中,P为砂岩概率;V为自然伽马模型中的自然伽马值。
为了使本领域的技术人员更好的理解本发明的技术方案,下面列举一个更为具体的实施例,如图2所示,本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理方法,包括:
步骤201、根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数。
其中,砂体的长度为主要变差函数的主变程、砂体的宽度为主要变差函数的次变程、砂体的厚度为主要变差函数的垂直变程、砂体的物源方向参数为主要变差函数的方位角。
步骤202、根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据。
步骤203、根据地震特征数据反演得到自然伽马场。
步骤204、根据井点实测的自然伽马曲线和自然伽马场,通过序贯高斯模拟方法建立岩相的主要变差函数约束下的自然伽马模型。
具体的自然伽马模型可以如图3所示,其中,X轴表示自然伽马模型的长度,Y轴表示自然伽马模型的宽度,Z轴表示自然伽马模型的厚度。
通过反演得到的自然伽马场建立自然伽马模型,降低了地震资料的多解性,明确了砂体预测的地质含义,并保证了自然伽马值在井点和井间的连续性。
步骤205、根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体。
通过自然伽马模型生成砂岩概率体可以通过如下方式实现,即通过如下公式(1)来生成砂岩概率体:
P=-8×105V2+2×10-3V+1.153 (1)
其中,P为砂岩概率;V为自然伽马模型中的自然伽马值。
步骤206、根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像。
该三维训练图像并不一定忠实于实际井信息,而只是反映一种先验的地质概念与统计特征,属于多点地质统计学的重要基础。
步骤207、根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。
其中,井点的岩相数据为硬数据,砂体概率体为软数据;井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
此处可以采用一种序贯模拟算法,即Snesim算法,搜索一定距离的数据样本内所有的三维训练图像样式,建立搜索树,提取每个数据事件的条件概率,概率最大的图像样式即为该点的模拟结果。例如,如图4所示,模拟目标区内一个由未取样点及其邻近的四个井数据(其中,u2和u4为砂,u1和u3为泥)组成的数据事件,当应用该数据事件对图4中右侧b处的三维训练图像进行扫描时,可得到四个重复数据如图4中a处所示,中心点为砂岩的重复数据有3个,而中心点为泥岩的重复数据有1个。因此,该未取样点为砂岩的概率为75%,而为泥岩的概率为25%。
步骤208、从地震数据中获取地震波形储层预测结果。
步骤209、将岩相模型与地震波形储层预测结果比较,确定岩相模型与地震波形储层预测结果的砂体厚度差。
其中,地震波形为地震波振幅、频率、相位的综合变化,可在平面上表现一定厚度的砂体的分布,在井间具有一定的预测性。
步骤210、若砂体厚度差大于一第一预设阈值,调节岩相模型,使得岩相模型中的砂体连续,并且调节岩相模型中的砂体厚度的最大值和最小值。在步骤210之后返回执行步骤204。
步骤211、对井网进行逐级抽稀,并建立抽稀后的井网的岩相模型。
其中,该逐级抽稀可以分为四级,井网密度分别为400m×600m、800m×1200m、1200m×1800m、1600m×2400m。随着井间距离的加大,井间砂体的正判率逐渐下降。当抽稀到1200m×1800m井网时,井间砂体的正判率为72.7%,而在进一步抽稀,造成正判率急剧下降,仅为55.2%,大量砂体会出现误判。因此,可以确认本次岩相模型适用于1200m×1800m井网,相比于常规岩相建模方法,其模型精度得以较大程度地提高。
步骤212、获取被抽稀掉的井的自然伽马曲线,将被抽稀掉的井的自然伽马曲线与抽稀后的井网的岩相模型进行比较,确定砂体的正判率,并确定该正判率是否小于一第二预设阈值。
若砂体的正判率小于一第二预设阈值,执行如下步骤:
步骤213、调节抽稀后的井网的岩相模型,使得抽稀后的井网的岩相模型中的砂体连续,并且调节抽稀后的井网的岩相模型中的砂体厚度的最大值和最小值。在步骤213之后,继续执行步骤204。
若砂体的正判率大于等于一第二预设阈值,执行如下步骤:
步骤214、输出该砂体的正判率大于等于一第二预设阈值时的岩相模型。
本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理方法,根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;根据井点实测的自然伽马曲线和自然伽马场,通过序贯高斯模拟方法建立岩相的主要变差函数约束下的自然伽马模型;根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体;根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。通过本发明能够实现复杂的河流相低渗致密砂岩储层的三维岩相建模,避免了常规的建模方法不适用于复杂的河流相低渗致密砂岩储层的三维岩相建模,难以模拟该储层的地质情况,影响了石油天然气的开发的问题。
对应于上述图1和图2所示的方法实施例,本发明提供一种河流相低渗致密砂岩储层的三维岩相数据处理装置,如图5所示,包括:
主要变差函数获取单元31,可以根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数。
其中,砂体的长度为主要变差函数的主变程、砂体的宽度为主要变差函数的次变程、砂体的厚度为主要变差函数的垂直变程、砂体的物源方向参数为主要变差函数的方位角。
自然伽马场获取单元32,可以根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场。
自然伽马模型建立单元33,可以根据井点实测的自然伽马曲线和自然伽马场获取单元32获取的自然伽马场,通过序贯高斯模拟方法建立主要变差函数获取单元31获取的岩相的主要变差函数约束下的自然伽马模型。
砂岩概率体生成单元34,可以根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体。
三维训练图像建立单元35,可以根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像。
岩相模型建立单元36,可以根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。
其中,井点的岩相数据为硬数据,砂体概率体为软数据;井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
进一步的,如图6所示,该河流相低渗致密砂岩储层的三维岩相数据处理装置,还可以包括:
地震波形储层预测结果获取单元37,可以从地震数据中获取地震波形储层预测结果。
砂体厚度差确定单元38,可以将岩相模型与地震波形储层预测结果比较,确定岩相模型与地震波形储层预测结果的砂体厚度差。
调节单元39,可以在砂体厚度差大于一第一预设阈值时,调节岩相模型,使得岩相模型中的砂体连续,并且调节岩相模型中的砂体厚度的最大值和最小值。
此外,如图6所示,该河流相低渗致密砂岩储层的三维岩相数据处理装置,还包括:
井网抽稀单元40,用于对井网进行逐级抽稀,并建立抽稀后的井网的岩相模型。
砂体正判率确定单元41,可以获取被抽稀掉的井的自然伽马曲线,将被抽稀掉的井的自然伽马曲线与抽稀后的井网的岩相模型进行比较,确定砂体的正判率。
调节单元39,还可以在砂体的正判率小于一第二预设阈值时,调节抽稀后的井网的岩相模型,使得抽稀后的井网的岩相模型中的砂体连续,并且调节抽稀后的井网的岩相模型中的砂体厚度的最大值和最小值。
另外,自然伽马场获取单元32,具体可以根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据,并根据地震特征数据反演得到自然伽马场。
另外,该砂岩概率体生成单元34,具体可以通过如下公式(1)生成砂岩概率体:
P=-8×105V2+2×10-3V+1.153 (1)
其中,P为砂岩概率;V为自然伽马模型中的自然伽马值。
值得说明的是本申请实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理装置的具体实现方式可以参见图1和图2所示的方法实施例,此处不再赘述。
本发明实施例提供的河流相低渗致密砂岩储层的三维岩相数据处理装置,根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;根据井点实测的自然伽马曲线和自然伽马场,通过序贯高斯模拟方法建立岩相的主要变差函数约束下的自然伽马模型;根据自然伽马模型与砂岩概率的对应关系,通过自然伽马模型生成砂岩概率体;根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;根据三维训练图像、井点的岩相数据和砂岩概率体,通过多点地质统计学方法建立岩相模型。通过本发明能够实现复杂的河流相低渗致密砂岩储层的三维岩相建模,避免了常规的建模方法不适用于复杂的河流相低渗致密砂岩储层的三维岩相建模,难以模拟该储层的地质情况,影响了石油天然气的开发的问题。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种河流相低渗致密砂岩储层的三维岩相数据处理方法,其特征在于,包括:
根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;其中,所述砂体的长度为所述主要变差函数的主变程、所述砂体的宽度为所述主要变差函数的次变程、所述砂体的厚度为所述主要变差函数的垂直变程、所述砂体的物源方向参数为所述主要变差函数的方位角;
根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;
根据所述井点实测的自然伽马曲线和所述自然伽马场,通过序贯高斯模拟方法建立所述岩相的主要变差函数约束下的自然伽马模型;
根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体;
根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;
根据所述三维训练图像、井点的岩相数据和所述砂岩概率体,通过多点地质统计学方法建立岩相模型;其中,所述井点的岩相数据为硬数据,所述砂体概率体为软数据;所述井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
2.根据权利要求1所述的河流相低渗致密砂岩储层的三维岩相数据处理方法,其特征在于,所述方法还包括:
从所述地震数据中获取地震波形储层预测结果;
将所述岩相模型与所述地震波形储层预测结果比较,确定所述岩相模型与所述地震波形储层预测结果的砂体厚度差;
若所述砂体厚度差大于一第一预设阈值,调节所述岩相模型,使得所述岩相模型中的砂体连续,并且调节岩相模型中的砂体厚度的最大值和最小值。
3.根据权利要求2所述的河流相低渗致密砂岩储层的三维岩相数据处理方法,其特征在于,所述方法还包括:
对井网进行逐级抽稀,并建立抽稀后的井网的岩相模型;
获取被抽稀掉的井的自然伽马曲线,将所述被抽稀掉的井的自然伽马曲线与抽稀后的井网的岩相模型进行比较,确定砂体的正判率;
若所述砂体的正判率小于一第二预设阈值,调节所述抽稀后的井网的岩相模型,使得所述抽稀后的井网的岩相模型中的砂体连续,并且调节抽稀后的井网的岩相模型中的砂体厚度的最大值和最小值。
4.根据权利要求3所述的河流相低渗致密砂岩储层的三维岩相数据处理方法,其特征在于,所述根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场,包括:
根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据;
根据所述地震特征数据反演得到所述自然伽马场。
5.根据权利要求4所述的河流相低渗致密砂岩储层的三维岩相数据处理方法,其特征在于,所述根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体,包括:
通过如下公式生成所述砂岩概率体:
P=-8×105V2+2×10-3V+1.153
其中,P为砂岩概率;V为所述自然伽马模型中的自然伽马值。
6.一种河流相低渗致密砂岩储层的三维岩相数据处理装置,其特征在于,包括:
主要变差函数获取单元,用于根据砂体的长度、砂体的宽度、砂体的厚度以及砂体的物源方向参数,获取得到岩相的主要变差函数;其中,所述砂体的长度为所述主要变差函数的主变程、所述砂体的宽度为所述主要变差函数的次变程、所述砂体的厚度为所述主要变差函数的垂直变程、所述砂体的物源方向参数为所述主要变差函数的方位角;
自然伽马场获取单元,用于根据井点实测的自然伽马曲线与地震数据,获取得到自然伽马场;
自然伽马模型建立单元,用于根据所述井点实测的自然伽马曲线和所述自然伽马场获取单元获取的自然伽马场,通过序贯高斯模拟方法建立所述主要变差函数获取单元获取的岩相的主要变差函数约束下的自然伽马模型;
砂岩概率体生成单元,用于根据所述自然伽马模型与砂岩概率的对应关系,通过所述自然伽马模型生成砂岩概率体;
三维训练图像建立单元,用于根据井点的储层厚度、砂体长宽比、砂体宽厚比、井点河流弯曲度,通过基于目标的离散性建模方法,建立各开发层的三维训练图像;
岩相模型建立单元,用于根据所述三维训练图像、井点的岩相数据和所述砂岩概率体,通过多点地质统计学方法建立岩相模型;其中,所述井点的岩相数据为硬数据,所述砂体概率体为软数据;所述井点的岩相数据为钻井实测时的砂岩或泥岩的深度和厚度。
7.根据权利要求6所述的河流相低渗致密砂岩储层的三维岩相数据处理装置,其特征在于,还包括:
地震波形储层预测结果获取单元,用于从所述地震数据中获取地震波形储层预测结果;
砂体厚度差确定单元,用于将所述岩相模型与所述地震波形储层预测结果比较,确定所述岩相模型与所述地震波形储层预测结果的砂体厚度差;
调节单元,用于在所述砂体厚度差大于一第一预设阈值时,调节所述岩相模型,使得所述岩相模型中的砂体连续,并且调节岩相模型中的砂体厚度的最大值和最小值。
8.根据权利要求7所述的河流相低渗致密砂岩储层的三维岩相数据处理装置,其特征在于,还包括:
井网抽稀单元,用于对井网进行逐级抽稀,并建立抽稀后的井网的岩相模型;
砂体正判率确定单元,用于获取被抽稀掉的井的自然伽马曲线,将所述被抽稀掉的井的自然伽马曲线与抽稀后的井网的岩相模型进行比较,确定砂体的正判率;
所述调节单元,还用于在所述砂体的正判率小于一第二预设阈值时,调节所述抽稀后的井网的岩相模型,使得所述抽稀后的井网的岩相模型中的砂体连续,并且调节抽稀后的井网的岩相模型中的砂体厚度的最大值和最小值。
9.根据权利要求8所述的河流相低渗致密砂岩储层的三维岩相数据处理装置,其特征在于,所述自然伽马场获取单元,具体用于:
根据井点实测的自然伽马曲线与地震数据,通过神经网络模式识别方法,确定井点实测的自然伽马曲线与地震数据中的地震反射波的函数关系,建立地震特征数据;
根据所述地震特征数据反演得到所述自然伽马场。
10.根据权利要求9所述的河流相低渗致密砂岩储层的三维岩相数据处理装置,其特征在于,所述砂岩概率体生成单元,具体用于:
通过如下公式生成所述砂岩概率体:
P=-8×105V2+2×10-3V+1.153
其中,P为砂岩概率;V为所述自然伽马模型中的自然伽马值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410554263.7A CN104297787B (zh) | 2014-10-17 | 2014-10-17 | 河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410554263.7A CN104297787B (zh) | 2014-10-17 | 2014-10-17 | 河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104297787A true CN104297787A (zh) | 2015-01-21 |
CN104297787B CN104297787B (zh) | 2017-03-08 |
Family
ID=52317589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410554263.7A Active CN104297787B (zh) | 2014-10-17 | 2014-10-17 | 河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104297787B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105545265A (zh) * | 2016-01-05 | 2016-05-04 | 郭建林 | 大面积致密气藏开采方法 |
CN106646606A (zh) * | 2016-12-14 | 2017-05-10 | 中国石油大学(华东) | 基于地震特征参数模式识别的薄砂体表征方法 |
CN107942400A (zh) * | 2017-11-10 | 2018-04-20 | 中国石油天然气股份有限公司 | 一种预测钻井风险的方法及装置 |
CN107977483A (zh) * | 2017-10-30 | 2018-05-01 | 中国石油天然气股份有限公司 | 一种砂泥岩分布预测的方法 |
CN108645994A (zh) * | 2018-04-25 | 2018-10-12 | 中国石油大学(北京) | 一种基于多点地质统计学的地质随机反演方法及装置 |
CN109358364A (zh) * | 2018-10-29 | 2019-02-19 | 中国石油大学(北京) | 一种建立地下暗河储集体地质模型的方法、装置及*** |
CN110927793A (zh) * | 2019-11-27 | 2020-03-27 | 中国地质大学(北京) | 一种基于序贯随机模糊模拟的储层预测方法及*** |
CN111505713A (zh) * | 2020-01-21 | 2020-08-07 | 长江大学 | 基于多点地质统计的叠前地震反演方法 |
CN111899338A (zh) * | 2020-08-05 | 2020-11-06 | 芯元(浙江)科技有限公司 | 一种覆盖区地层岩性三维建模的方法、装置及*** |
CN112394404A (zh) * | 2020-12-14 | 2021-02-23 | 中国海洋石油集团有限公司 | 一种渐进式储层精细表征方法 |
CN112502690A (zh) * | 2019-08-26 | 2021-03-16 | 中国石油天然气股份有限公司 | 低渗特低渗砂岩中的有效储层预测方法及*** |
CN112835113A (zh) * | 2019-11-25 | 2021-05-25 | 中国石油化工股份有限公司 | 一种层序约束下的岩性识别方法 |
CN113031065A (zh) * | 2020-12-02 | 2021-06-25 | 中海石油(中国)有限公司 | 一种油田砂体地质建模方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070276604A1 (en) * | 2006-05-25 | 2007-11-29 | Williams Ralph A | Method of locating oil and gas exploration prospects by data visualization and organization |
CN102759745A (zh) * | 2011-04-28 | 2012-10-31 | 中国石油天然气集团公司 | 一种基于数字地质露头模型正演的碳酸盐岩储层预测方法 |
-
2014
- 2014-10-17 CN CN201410554263.7A patent/CN104297787B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070276604A1 (en) * | 2006-05-25 | 2007-11-29 | Williams Ralph A | Method of locating oil and gas exploration prospects by data visualization and organization |
CN102759745A (zh) * | 2011-04-28 | 2012-10-31 | 中国石油天然气集团公司 | 一种基于数字地质露头模型正演的碳酸盐岩储层预测方法 |
Non-Patent Citations (4)
Title |
---|
刘彦锋 等: "多点地质统计学在苏49-01井区沉积微相建模中的应用", 《勘探技术》 * |
康海涛 等: "南堡油田低井控区主力油组岩相模拟研究", 《石油天然气学报》 * |
贾爱林 等: "《精细油藏描述程序方法》", 30 November 2012, 石油工业出版社 * |
高金玉 等: "随机模拟方法在阿尔及利亚Oued Mya盆地的应用", 《岩性油气藏》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105545265B (zh) * | 2016-01-05 | 2017-12-05 | 郭建林 | 大面积致密气藏开采方法 |
CN105545265A (zh) * | 2016-01-05 | 2016-05-04 | 郭建林 | 大面积致密气藏开采方法 |
CN106646606A (zh) * | 2016-12-14 | 2017-05-10 | 中国石油大学(华东) | 基于地震特征参数模式识别的薄砂体表征方法 |
CN107977483B (zh) * | 2017-10-30 | 2021-01-29 | 中国石油天然气股份有限公司 | 一种砂泥岩分布预测的方法 |
CN107977483A (zh) * | 2017-10-30 | 2018-05-01 | 中国石油天然气股份有限公司 | 一种砂泥岩分布预测的方法 |
CN107942400A (zh) * | 2017-11-10 | 2018-04-20 | 中国石油天然气股份有限公司 | 一种预测钻井风险的方法及装置 |
CN107942400B (zh) * | 2017-11-10 | 2019-06-11 | 中国石油天然气股份有限公司 | 一种预测钻井风险的方法及装置 |
CN108645994A (zh) * | 2018-04-25 | 2018-10-12 | 中国石油大学(北京) | 一种基于多点地质统计学的地质随机反演方法及装置 |
CN109358364A (zh) * | 2018-10-29 | 2019-02-19 | 中国石油大学(北京) | 一种建立地下暗河储集体地质模型的方法、装置及*** |
CN112502690A (zh) * | 2019-08-26 | 2021-03-16 | 中国石油天然气股份有限公司 | 低渗特低渗砂岩中的有效储层预测方法及*** |
CN112835113B (zh) * | 2019-11-25 | 2024-01-23 | 中国石油化工股份有限公司 | 一种层序约束下的岩性识别方法 |
CN112835113A (zh) * | 2019-11-25 | 2021-05-25 | 中国石油化工股份有限公司 | 一种层序约束下的岩性识别方法 |
CN110927793B (zh) * | 2019-11-27 | 2020-09-29 | 中国地质大学(北京) | 一种基于序贯随机模糊模拟的储层预测方法及*** |
CN110927793A (zh) * | 2019-11-27 | 2020-03-27 | 中国地质大学(北京) | 一种基于序贯随机模糊模拟的储层预测方法及*** |
CN111505713B (zh) * | 2020-01-21 | 2021-05-07 | 长江大学 | 基于多点地质统计的叠前地震反演方法 |
CN111505713A (zh) * | 2020-01-21 | 2020-08-07 | 长江大学 | 基于多点地质统计的叠前地震反演方法 |
CN111899338A (zh) * | 2020-08-05 | 2020-11-06 | 芯元(浙江)科技有限公司 | 一种覆盖区地层岩性三维建模的方法、装置及*** |
CN113031065A (zh) * | 2020-12-02 | 2021-06-25 | 中海石油(中国)有限公司 | 一种油田砂体地质建模方法 |
CN112394404A (zh) * | 2020-12-14 | 2021-02-23 | 中国海洋石油集团有限公司 | 一种渐进式储层精细表征方法 |
CN112394404B (zh) * | 2020-12-14 | 2023-10-20 | 中国海洋石油集团有限公司 | 一种渐进式储层精细表征方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104297787B (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104297787A (zh) | 河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 | |
Pyrcz et al. | Stratigraphic rule-based reservoir modeling | |
US8838425B2 (en) | Generating facies probablity cubes | |
Saller et al. | Characteristics of Pleistocene deep-water fan lobes and their application to an upper Miocene reservoir model, offshore East Kalimantan, Indonesia | |
Trani et al. | Seismic history matching of fluid fronts using the ensemble Kalman filter | |
CN104297785A (zh) | 岩相约束储层物性参数反演方法及装置 | |
CN105738952B (zh) | 一种水平井区储层岩石相建模方法 | |
CN104504754A (zh) | 一种多点统计建模的方法及装置 | |
CN102943669B (zh) | 适用于水平井轨迹设计的高精度深度域随机模拟反演方法 | |
CN104991272A (zh) | 一种针对无井地震反演的地震速度扰动建模方法 | |
CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
John et al. | Seismic facies identification and classification using simple statistics | |
Zhao et al. | An automatical infill shot method for uniform imaging of target layer | |
CN115407407A (zh) | 针对碳酸盐岩古溶洞及其充填的三维地质模型构建方法 | |
Liu et al. | The study of seismic inversion in paleokarst reservoir | |
Wang et al. | Fracture-vuggy carbonate reservoir characterization based on multiple geological information fusion | |
CN112649867B (zh) | 虚拟井构建方法及*** | |
Miola et al. | 3D Modeling and Integration of Heterogeneous Geo-data. | |
CN115220101B (zh) | 一种深层碎屑岩砂体沉积结构的建模方法 | |
Kavousi et al. | Seismic attribute-assisted reservoir property modeling using sequential Gaussian simulation: A case study from the Persian Gulf | |
Olsen et al. | Integrated reservoir characterization and uncertainty analysis, Heidrun Field, Norway | |
Setiawan et al. | Field Development Challenge of Combination Traps in JDA Area of North Malay Basin | |
CN117055101A (zh) | 一种海上深层陆相地层的储层分析方法、装置及电子设备 | |
Issel et al. | Application of Locally Varying Anisotropy (LVA) kriging at the Grasberg porphyry Cu-Au-Ag deposit, Papua, Indonesia | |
Arslan et al. | Facies modeling using multiple-point statistics: an example from a carbonate reservoir section located in a small part of a large shelf margin of Arabian Gulf, UAE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |