CN104570127B - 一种利用地震波速度同时反演孔隙度和泥质含量的方法 - Google Patents
一种利用地震波速度同时反演孔隙度和泥质含量的方法 Download PDFInfo
- Publication number
- CN104570127B CN104570127B CN201310468159.1A CN201310468159A CN104570127B CN 104570127 B CN104570127 B CN 104570127B CN 201310468159 A CN201310468159 A CN 201310468159A CN 104570127 B CN104570127 B CN 104570127B
- Authority
- CN
- China
- Prior art keywords
- porosity
- shale content
- velocity
- longitudinal wave
- rock
- 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.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种利用地震波速度同时反演孔隙度和泥质含量的方法,属于石油与天然气勘探开发领域。本方法包括:(1)输入基础数据;(2)在孔隙度和泥质含量取值范围内生成孔隙度φ和泥质含量β的可行解;(3)计算岩石骨架的等效体积模量Kp00(4)计算岩石骨架的纵波速度Vp0;(5)计算岩石的纵波速度Vp;(6)由地震振幅数据反演得到的纵波速度Vpi和岩石的纵波速度Vp建立同时反演泥质含量及孔隙度的目标函数f(φ,β);(7)利用非线性全局寻优算法对所述目标函数进行迭代反演,直到产生的孔隙度和泥质含量的可行解使得目标函数值满足终止条件为止;(8)输出上述满足终止条件的孔隙度和泥质含量的可行解,即为最终求得的孔隙度和泥质含量。
Description
技术领域
本发明属于石油与天然气勘探开发领域,具体涉及一种利用地震波速度同时反演孔隙度和泥质含量的方法。
背景技术
地震勘探方法是利用地震波在地下不同介质中传播的速度、振幅、频率、相位、波形等参数的变化来分析、预测油气储层分布范围及储层物性特征的一种地球物理学方法,是目前地球物理勘探中应用最为广泛的方法。随油气勘探开发的不断推进,常规油气勘探已由原来的寻找构造油气藏转向寻找岩性油气藏和隐蔽油气藏,非常规(煤层气、页岩气和致密砂岩气等)油气勘探开发逐渐受到人们的重视,而这类油气储层通常是波阻抗差异小且非均质性强烈,利用传统的波阻抗反演方法不能有效地实现储层预测。孔隙度和泥质含量作为储层参数中的重要参数,是定性、定量评价储层属性的重要参数。它们与地震波速度之间的关系对于揭示地震信息与岩石物性参数的关系意义重大,对储层评价、预测含油气远景区、储量估计及生产开发具有重要的意义。在确定岩石速度时,孔隙度可能是最重要的因素,而孔隙度与埋深和压力之间的关系使速度也随着这两个参数的变化而改变。泥质含量是影响速度的另外一个重要因素,有学者认为:如果岩石孔隙内充填的是泥质,其纵波速度要比充填流体的速度慢30%,会使横波的速度降低40%。在岩石速度与孔隙度等岩性参数之间关系的研究方面,史謌等利用回归分析得出纵、横波速度与孔隙度、泥质含量线性相关。李忠、贺振华等基于地层的孔隙度与速度、波阻抗等地震属性之间存在内在的联系,建立孔隙度和相应地震属性之间的相关关系,将地震属性数据转换成孔隙度数据,从而实现孔隙度预测。吴国平等提出了测井自然伽马求取泥质含量的新原理,利用测井自然伽马信号和提取的自然伽马真值子波,采用维纳滤波法求取测井***逆因子函数,根据逆因子函数,用自然伽马测井信号做卷积直接计算泥质含量。
然而地震波在岩石中的传播速度与岩石的孔隙度、孔隙的几何形状、岩石的矿物组分、岩石颗粒的胶结程度等有关,也与孔隙流体的饱和状态、环境的温度、压力有关,还与波本身的频率有关。在考察泥质含量与地震波速度复杂关系的同时,不可避免地要分析孔隙度对其的影响。现在主要的技术手段还以实验室标本分析为主,得到不同孔隙度、不同饱和度、不同泥质含量的实验室岩石波速值,再经过统计平均得到经验公式应用于实践。泥质含量的计算通常跟孔隙度的计算是不可分割的,目前求泥质含量主要采用测井方法。然而测井数据虽然具有较高分辨率,但是探区内往往钻井数量较少,插值得到的泥质含量剖面横向分辨率无法保证。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种利用地震波速度同时反演孔隙度和泥质含量的方法,测井数据虽然具有较高分辨率,但是探区内往往钻井数量较少,为此本发明将具有较高纵向分辨率的测井数据和具有较高横向分辨率的地震数据结合,利用岩石物理学方法原理,充分挖掘地震数据中所包含的岩性参数信息,反演得到孔隙度和泥质含量剖面,以辅助岩性(和地层)圈闭油气藏和非常规油气藏(煤层气、页岩气等)的精细储层描述和钻前预测,为油气勘探开发优选目标提供可靠的基础性资料。
本发明是通过以下技术方案实现的:
一种利用地震波速度同时反演孔隙度和泥质含量的方法,包括:
(1)输入基础数据,包括砂岩体积模量Ks、泥岩体积模量Ksh、密度ρ、孔隙流体纵波速度Vpf和从地震振幅数据反演得到的纵波速度Vpi;输入终止条件的值ε,ε由用户给定,是一个较小的数,比如ε=0.001。
(2)在孔隙度和泥质含量取值范围内生成孔隙度φ和泥质含量β的可行解;
(3)利用步骤(1)输入的砂岩体积模量Ks、泥岩体积模量Ksh、密度ρ及步骤(2)生成的孔隙度φ和泥质含量β的可行解,计算岩石骨架的等效体积模量Kp0;
(4)利用所述岩石骨架的等效体积模量Kp0和密度ρ,计算岩石骨架的纵波速度Vp0;
(5)利用所述岩石骨架的纵波速度Vp0和孔隙流体纵波速度Vpf及步骤(2)生成的孔隙度φ计算岩石的纵波速度Vp;
(6)由地震振幅数据反演得到的纵波速度Vpi和上述步骤(5)计算得到的岩石的纵波速度Vp建立同时反演泥质含量及孔隙度的目标函数f(φ,β);
(7)利用非线性全局寻优算法对所述目标函数进行迭代反演,直到产生的孔隙度和泥质含量的可行解使得目标函数值满足终止条件为止;
(8)输出上述满足终止条件的孔隙度和泥质含量的可行解,即为最终求得的孔隙度和泥质含量。
所述步骤(2)是这样实现的:
孔隙度φ和泥质含量β是通过式(7)和式(8)生成的:
φpos∈[φmin,φmax] (7)
βpos∈[βmin,βmax] (8)
其中,[φmin,φmax]是孔隙度的取值范围,[βmin,βmax]是泥质含量的取值范围,φpos和βpos分别为孔隙度和泥质含量的可行解,φpos和βpos在各自的取值范围[φmin,φmax]和[βmin,βmax]内随机产生。
所述步骤(3)是利用下式计算岩石骨架的等效体积模量Kp0:
Kp0=[VshKsh+VsKs+1/(Vsh/Ksh+Vs/Ks)]/2 (1)
其中,Vsh和Vs分别为泥岩和砂岩的体积百分含量,由公式(2)和(3)计算得到:
Vsh=(1-φ)β (2)
Vs=(1-φ)(1-β) (3)。
所述步骤(4)是采用公式(4)计算岩石骨架的纵波速度Vp0:
所述步骤(5)是采用公式(5)计算岩石的纵波速度Vp:
Vp=1/[φ/Vpf+(1-φ)/Vp0] (5)。
所述步骤(6)的目标函数f(φ,β)为:
f(φ,β)=||Vp-Vpi||L (6),
式中,||·||L表示范数,L通常取2。
所述步骤(7)中的终止条件为:
f(φ,β)≤ε (9)
所述步骤(7)是这样实现的:
判断f(φ,β)≤ε是否成立,如果否,则返回步骤(2),如果是,则停止迭代反演。
与现有技术相比,本发明的有益效果是:本发明基于岩石物理学方法原理,建立了速度和孔隙度及泥质含量之间的泛函关系,构建了实测速度与理论计算速度之间的目标函数,利用具有全局寻优能力的优化算法对目标函数进行反演,最后得到孔隙度和泥质含量。
附图说明
图1-1为孔隙度理论模型数据。
图1-2为泥质含量理论模型数据。
图2为纵波速度模型数据。
图3-1为利用本发明方法得到的孔隙度反演结果。
图3-2为利用本发明方法得到的泥质含量反演结果。
图4为本发明方法的步骤框图。
图5为某地区的实际资料反演得到的纵波速度剖面。
图6为本发明反演得到的孔隙度剖面。
图7为本发明反演得到的泥质含量剖面。
具体实施方式
下面结合附图对本发明作进一步详细描述:
本发明基于岩石物理学方法原理,建立速度和孔隙度及泥质含量之间的泛函关系,构建实测速度与理论计算速度之间的目标函数,利用具有全局寻优能力的优化算法对目标函数进行反演,最后得到孔隙度和泥质含量。
如图4所示,本发明具体的步骤如下:
(1)准备基础数据,包括砂岩体积模量Ks、泥岩体积模量Ksh、密度ρ、孔隙流体纵波速度Vpf和从地震振幅数据反演得到的纵波速度Vpi。砂岩及泥岩的体积模量及孔隙流体纵波速度由地球物理实验室做实验观测得到,密度从测井数据得到。
(2)在孔隙度和泥质含量取值范围内生成孔隙度φ和泥质含量β。
(3)计算由砂岩和泥岩组成的岩石骨架的等效体积模量,由公式(1)计算:
Kp0=[VshKsh+VsKs+1/(Vsh/Ksh+Vs/Ks)]/2 (1)
式中,Ksh和Ks分别为泥岩和砂岩的体积模量,Vsh和Vs分别为泥岩和砂岩的体积百分含量,Kp0为岩石骨架的等效体积模量。
所述公式(1)中的泥岩和砂岩的体积模量为已知的,体积百分含量Vsh和Vs分别由公式(2)和(3)计算:
Vsh=(1-φ)β (2)
Vs=(1-φ)(1-β) (3)。
所述公式(2)和(3)中,φ为孔隙度,β为泥质含量,Vsh和Vs分别为泥岩和砂岩的体积百分含量。
(4)由步骤(3)中计算的岩石骨架等效体积模量Kp0计算岩石骨架的纵波速度Vp0,由公式(4)计算:
所述公式(4)中,ρ是平均密度,由测井数据得到。
(5)根据Wyllie时间平均方程建立岩石速度与孔隙度的函数关系,由公式(5)计算:
Vp=1/[φ/Vpf+(1-φ)/Vp0] (5)
式中,Vp,Vp0和Vpf(由地球物理实验室做实验观测得到)分别为饱含流体岩石、岩石骨架和岩石孔隙流体的纵波速度,φ为孔隙度。
(6)构建从地震资料同时反演泥质含量及孔隙度的目标函数f(φ,β),由公式(6)计算:
f(φ,β)=||Vp-Vpi||L (6)
式中,||·||L表示范数,L通常取2。(二范数表示欧几里德空间的距离度量,该误差表示所有离差平方和然后再开根号。本发明取二范数,即L取2。)。Vpi为地震反演得到的纵波速度,此处是作为输入数据给定的。
(7)利用非线性全局寻优算法对上述步骤(6)中的目标函数进行迭代反演。通过与地震反演得到的纵波速度Vpi的比较,来调整孔隙度和泥质含量。具体方式为在孔隙度和泥质含量的取值范围内以随机的方式产生孔隙度和泥质含量的可行解,利用步骤(3)-(4)计算岩石骨架的体积模量和纵波速度,利用步骤(5)计算岩石的纵波速度,重复上述过程,直到产生的孔隙度和泥质含量可行解使得目标函数值满足终止条件为止。孔隙度和泥质含量可行解生成方式和终止条件分别由下式(7)、(8)及(9)给出:
φpos∈[φmin,φmax] (7)
βpos∈[βmin,βmax] (8)
f(φ,β)≤ε (9)
所述公式(7)和(8)中,[φmin,φmax]是孔隙度的取值范围(储层孔隙度大于0,小于1,[φmin,φmax]在0和1之间由用户任意取值),[βmin,βmax]是泥质含量的取值范围(储层泥质含量大于0,小于1,[βmin,βmax]在0和1之间由用户任意取值),φpos和βpos分别为孔隙度和泥质含量的可行解,φpos和βpos在各自的取值范围[φmin,φmax]和[βmin,βmax]内随机产生。
所述公式(9)中,ε为较小的数,如ε=0.001,当孔隙度和泥质含量的可行解使得终止条件公式(9)成立,那么算法终止,此时的孔隙度和泥质含量的可行解就是反演得到的解。
本发明方法利用岩石物理学方法原理,充分挖掘地震数据中所包含的岩性参数信息,以地震波速度数据为基础,反演得到孔隙度和泥质含量剖面,以辅助岩性(和地层)圈闭油气藏和非常规油气藏的精细储层描述和钻前预测,为油气勘探开发优选目标提供可靠的基础性资料。
下面以某地区的实际地震数据为例,进行孔隙度和泥质含量的反演,说明本发明的效果。
图1-1至图3-2为理论模型数据的反演,其中,图1-1和图1-2分别为孔隙度剖面和泥质含量模型剖面,图2为纵波速度,图3-1和图3-2分别为反演得到的孔隙度和泥质含量剖面。通过将图3-1、图3-2的反演结果与图1-1、图1-2中的模型对比,可以看出,本发明方法能够在岩性指示及岩性分界面方面有良好反演效果。
图5-图7为实际地震数据的反演。其中,图5是经过地震反演的得到的速度剖面,本发明方法以该速度剖面为基础同时反演得到孔隙度和泥质含量剖面。图6是反演得到的孔隙度剖面,图7是反演得到的泥质含量剖面。
实施例:
本实施例是本发明用于某地区的实际地震数据的孔隙度和泥质含量反演,具体步骤如下:
(1)准备基础数据,包括砂岩体积模量Ks、泥岩体积模量Ksh、密度ρ、孔隙流体纵波速度Vpf和从地震振幅数据反演得到的纵波速度Vpi。砂岩及泥岩的体积模量及孔隙流体纵波速度由地球物理实验室做实验观测得到,密度从测井数据得到。
(2)在孔隙度和泥质含量取值范围内生成孔隙度φ和泥质含量β。
(3)利用上述步骤得到的砂、泥岩体积模量、密度及生成的孔隙度、泥质含量数据,计算岩石骨架的等效体积模量Kp0。
(4)利用岩石骨架等效体积模量Kp0和密度ρ,计算岩石骨架的纵波速度Vp0。
(5)由上述步骤计算得到的岩石骨架的纵波速度Vp0和岩石孔隙流体的纵波速度及孔隙度计算岩石的纵波速度Vp。
(6)由从地震资料反演得到的纵波速度Vpi和上述步骤(5)计算得到的岩石的纵波速度建立同时反演泥质含量及孔隙度的目标函数f(φ,β)。
(7)利用非线性全局寻优算法对上述步骤(6)中的目标函数进行迭代反演。通过与地震反演得到的纵波速度Vpi的比较,来调整孔隙度和泥质含量。重复上述步骤(2)-(6),直到产生的孔隙度和泥质含量可行解使得目标函数值满足终止条件为止。
(8)输出上述满足条件的孔隙度和泥质含量。
本发明可应用于石油地球物理勘探中的储层预测领域。本发明方法基于岩石物理学方法原理,建立了地震波速度与孔隙度和泥质含量之间的泛函关系,并结合实测速度构建了同时反演孔隙度和泥质含量的目标函数,采用非线性全局寻优算法对目标函数进行迭代优化计算。该方法首先通过岩石骨架等效体积模量建立了岩石骨架纵波速度与泥质含量的关系,然后利用Wyllie时间平均方程建立了岩石速度与孔隙度的关系,最后结合速度剖面构建了同时反演孔隙度和泥质含量的目标函数。该方法能够从叠后地震剖面反演得到孔隙度和泥质含量剖面,对于岩性油气藏及隐蔽油气藏的勘探具有重大的应用价值。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
Claims (8)
1.一种利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述方法包括:
(1)输入基础数据,包括砂岩体积模量Ks、泥岩体积模量Ksh、密度ρ、孔隙流体纵波速度Vpf和从地震振幅数据反演得到的纵波速度Vpi;输入终止条件的值ε;
(2)在孔隙度和泥质含量取值范围内生成孔隙度φ和泥质含量β的可行解;
(3)利用步骤(1)输入的砂岩体积模量Ks、泥岩体积模量Ksh、密度ρ及步骤(2)生成的孔隙度φ和泥质含量β的可行解,计算岩石骨架的等效体积模量Kp0;
(4)利用所述岩石骨架的等效体积模量Kp0和密度ρ,计算岩石骨架的纵波速度Vp0;
(5)利用所述岩石骨架的纵波速度Vp0和孔隙流体纵波速度Vpf及步骤(2)生成的孔隙度φ计算岩石的纵波速度Vp;
(6)由地震振幅数据反演得到的纵波速度Vpi和上述步骤(5)计算得到的岩石的纵波速度Vp建立同时反演泥质含量及孔隙度的目标函数f(φ,β);
(7)利用非线性全局寻优算法对所述目标函数进行迭代反演,直到产生的孔隙度和泥质含量的可行解使得目标函数值满足终止条件为止;
(8)输出上述满足终止条件的孔隙度和泥质含量的可行解,即为最终求得的孔隙度和泥质含量。
2.根据权利要求1所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(2)是这样实现的:
孔隙度φ和泥质含量β是通过式(7)和式(8)生成的:
φpos∈[φmin,φmax](7)
βpos∈[βmin,βmax](8)
其中,[φmin,φmax]是孔隙度的取值范围,[βmin,βmax]是泥质含量的取值范围,φpos和βpos分别为孔隙度和泥质含量的可行解,φpos和βpos在各自的取值范围[φmin,φmax]和[βmin,βmax]内随机产生。
3.根据权利要求2所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(3)是利用下式计算岩石骨架的等效体积模量Kp0:
Kp0=[VshKsh+VsKs+1/(Vsh/Ksh+Vs/Ks)]/2(1)
其中,Vsh和Vs分别为泥岩和砂岩的体积百分含量,由公式(2)和(3)计算得到:
Vsh=(1-φ)β(2)
Vs=(1-φ)(1-β)(3)。
4.根据权利要求3所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(4)是采用公式(4)计算岩石骨架的纵波速度Vp0:
5.根据权利要求4所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(5)是采用公式(5)计算岩石的纵波速度Vp:
Vp=1/[φ/Vpf+(1-φ)/Vp0](5)。
6.根据权利要求5所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(6)的目标函数f(φ,β)为:
f(φ,β)=||Vp-Vpi||L
其中,L取2。
7.根据权利要求6所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(7)中的终止条件为:
f(φ,β)≤ε(9)。
8.根据权利要求7所述的利用地震波速度同时反演孔隙度和泥质含量的方法,其特征在于:所述步骤(7)是这样实现的:
判断f(φ,β)≤ε是否成立,如果否,则返回步骤(2),如果是,则停止迭代反演。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310468159.1A CN104570127B (zh) | 2013-10-09 | 2013-10-09 | 一种利用地震波速度同时反演孔隙度和泥质含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310468159.1A CN104570127B (zh) | 2013-10-09 | 2013-10-09 | 一种利用地震波速度同时反演孔隙度和泥质含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104570127A CN104570127A (zh) | 2015-04-29 |
CN104570127B true CN104570127B (zh) | 2017-06-20 |
Family
ID=53086641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310468159.1A Active CN104570127B (zh) | 2013-10-09 | 2013-10-09 | 一种利用地震波速度同时反演孔隙度和泥质含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104570127B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105114068A (zh) * | 2015-09-07 | 2015-12-02 | 中国地质大学(北京) | 一种利用测井资料预测煤层气区块高产水区的方法 |
CN105445791B (zh) * | 2015-11-25 | 2017-09-19 | 成都理工大学 | 一种基于多种地震属性的地层孔隙压力预测方法 |
CN105370274B (zh) * | 2015-12-14 | 2018-08-21 | 长江大学 | 井下地层孔隙度确定方法 |
CN105607123B (zh) * | 2016-01-15 | 2017-11-10 | 中国石油天然气股份有限公司 | 一种计算随机孔隙介质模型地震波特征信息的方法和装置 |
CN107290782B (zh) * | 2016-03-30 | 2019-07-12 | 中国石油化工股份有限公司 | 储层孔隙度、含水饱和度和泥质含量参数同时反演新方法 |
CN110133722B (zh) * | 2019-06-06 | 2019-12-24 | 克拉玛依市昂科能源科技有限公司 | 一种应用声速定性识别泥质分布类型的方法 |
CN112415616A (zh) * | 2019-08-22 | 2021-02-26 | 中国石油天然气集团有限公司 | 深埋储层孔隙度反演方法及装置 |
CN111255435B (zh) * | 2020-01-17 | 2021-09-07 | 西安石油大学 | 一种复杂储层泥质含量计算方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5012674A (en) * | 1988-10-31 | 1991-05-07 | Amoco Corporation | Method of exploration for hydrocarbons |
CN101887132A (zh) * | 2009-05-15 | 2010-11-17 | 中国石油天然气股份有限公司 | 一种井震结合定量预测砂岩储层流体饱和度的方法 |
CN103293563B (zh) * | 2013-05-13 | 2014-12-10 | 中国石油大学(华东) | 一种确定油气储层岩石裂隙发育度和流体性质的方法 |
-
2013
- 2013-10-09 CN CN201310468159.1A patent/CN104570127B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104570127A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104570127B (zh) | 一种利用地震波速度同时反演孔隙度和泥质含量的方法 | |
Islam et al. | Advanced petroleum reservoir simulation: Towards developing reservoir emulators | |
Aimene et al. | Geomechanical modeling of hydraulic fractures interacting with natural fractures—Validation with microseismic and tracer data from the Marcellus and Eagle Ford | |
CN102707317B (zh) | 一种利用地震波吸收衰减特征进行储层分析的方法 | |
Yasin et al. | Estimation of petrophysical parameters from seismic inversion by combining particle swarm optimization and multilayer linear calculator | |
CN103954999B (zh) | 一种适用于低孔隙度砂泥岩地层的横波速度预测方法 | |
Shi et al. | Brittleness index prediction in shale gas reservoirs based on efficient network models | |
Song et al. | Evaluation of hydraulic fracturing effect on coalbed methane reservoir based on deep learning method considering physical constraints | |
CN105301647B (zh) | 区分灰质泥岩和砂岩的方法 | |
CN104570065B (zh) | 一种利用地震波阻抗定量反演孔隙度的方法 | |
Liu et al. | Quantitative characterization of shale gas reservoir properties based on BiLSTM with attention mechanism | |
Zhou et al. | Data driven modeling and prediction for reservoir characterization using seismic attribute analyses and big data analytics | |
Gu et al. | Shale fracturing characterization and optimization by using anisotropic acoustic interpretation, 3D fracture modeling, and supervised machine learning | |
Mustafa et al. | Shale brittleness prediction using machine learning—A Middle East basin case study | |
Mou et al. | A variational inequality approach with SVM optimization algorithm for identifying mineral lithology | |
Liu et al. | Seismic characterization of fault and fractures in deep buried carbonate reservoirs using CNN-LSTM based deep neural networks | |
Maffioletti et al. | Changing scale and domain of a petrophysical and elastic properties based log-facies classification | |
Lorentzen et al. | Estimation of shear sonic logs in the heterogeneous and fractured Lower Cretaceous of the Danish North Sea using supervised learning | |
ZHAI et al. | Inversion for microseismic focal mechanisms in attenuated strata and its resolution | |
Aziz et al. | Development a statistical relationship between compressional wave velocity and petrophysical properties from logs data for Jeribe Formation Asmari Reservoir in Fauqi Oil Field | |
CN104459771B (zh) | 一种基于分频avo反演的储层含气性半定量识别方法 | |
Chen et al. | A hybrid spatial model based on identified conditions for 3D pore pressure estimation | |
Chao et al. | A prediction method of borehole stability based on seismic attribute technology | |
Jia et al. | Seismic response analysis and distribution prediction of source rocks in a survey of the South China Sea | |
Dubinya et al. | Usage of imitational geological-petrophysical models to reduce drilling risks for offshore reservoirs exploration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |