CN105929452B - 基于地震数据预测地下裂缝空间展布的方法及装置 - Google Patents
基于地震数据预测地下裂缝空间展布的方法及装置 Download PDFInfo
- Publication number
- CN105929452B CN105929452B CN201610384344.6A CN201610384344A CN105929452B CN 105929452 B CN105929452 B CN 105929452B CN 201610384344 A CN201610384344 A CN 201610384344A CN 105929452 B CN105929452 B CN 105929452B
- Authority
- CN
- China
- Prior art keywords
- mtd
- geological data
- msub
- mrow
- ant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009826 distribution Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 42
- 239000003016 pheromone Substances 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000007704 transition Effects 0.000 claims description 16
- 238000013508 migration Methods 0.000 claims description 14
- 230000005012 migration Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 6
- 238000013481 data capture Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 230000001427 coherent effect Effects 0.000 abstract description 7
- 230000008859 change Effects 0.000 abstract description 6
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000017105 transposition Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种基于地震数据预测地下裂缝空间展布的方法及装置,涉及地下裂缝空间展布预测技术领域。方法包括:获取地震数据和测井数据;进行井震标定,并对地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;对地震数据进行去噪处理,形成去噪后地震数据体;确定去噪后地震数据体的相干属性和蚂蚁追踪属性;将蚂蚁追踪属性的值域变化范围校正为相干属性的值域变化范围;将值域变化范围校正后的蚂蚁追踪属性与相干属性进行融合,形成裂缝预测敏感属性体;根据裂缝预测敏感属性体在空间范围内的数值大小预测顶底边界内的地下裂缝空间展布形态。本发明可以实现利用地震数据同时准确预测地下不同尺度裂缝的空间展布形态的效果。
Description
技术领域
本发明涉及地下裂缝空间展布预测技术领域,尤其涉及一种基于地震数据预测地下裂缝空间展布的方法及装置。
背景技术
近年来,随着油气勘探程度的不断提高,地下储层类型也日趋多样化。目前的地下储层类型有孔隙型、孔洞型,还出现了裂缝—孔隙型、裂缝—孔洞型和裂缝型储层等,而裂缝发育的储层往往伴随着油气高产。当前研究表明,地下裂缝不仅是渗流通道,也是重要的储集空间,是影响储层发育的重要因素之一。因此,准确预测地下裂缝空间展布是油气勘探的重要研究内容。
由于裂缝空间展布规律性差,且地下构造较为复杂,对其准确预测难度较大。目前常用的地震裂缝预测技术包括相干、曲率、蚂蚁追踪、体积膨胀系数和叠前方位各向异性分析等技术。其中,相干技术可以较好预测大中尺度的地下裂缝,但预测细小裂缝能力仍然较差。而蚂蚁追踪技术可以较好刻画细小裂缝的空间展布形态,但裂缝空间展布趋势不清晰。其余上述地震裂缝预测技术均各有优缺点,然而均不能准确预测地下裂缝的空间展布。当前,如何利用地震数据同时准确预测地下不同尺度裂缝的空间展布形态成为一个亟待解决的问题。
发明内容
本发明的实施例提供一种基于地震数据预测地下裂缝空间展布的方法及装置,以实现利用地震数据同时准确预测地下不同尺度裂缝的空间展布的形态的效果。
为达到上述目的,本发明采用如下技术方案:
一种基于地震数据预测地下裂缝空间展布的方法,包括:
获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据;
根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;
对所述地震数据进行去噪处理,形成去噪后地震数据体;
确定去噪后地震数据体的相干属性;
确定去噪后地震数据体的蚂蚁追踪属性;
将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;
将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;
根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。
具体的,对所述地震数据进行去噪处理,形成去噪后地震数据体,包括:
根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体;
所述根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体,包括:
根据预先设置的时窗在所述地震数据中选取2y+1个样本点;
根据公式:确定所述预先设置的时窗中的2y+1个样本点中第y+1个样本点的值;
将所述确定为地震数据中的样本点Sx的去噪处理结果。
具体的,确定去噪后地震数据体的相干属性,包括:
获取去噪后地震数据体在一预先设置的分析窗口内的多道地震数据的多个采样点,形成地震数据矩阵D:
其中,k为每道地震数据的采样点个数;n为所述预先设置的分析窗口内的地震数据的道数;
确定地震数据矩阵D的协方差矩阵C:
其中,为地震数据矩阵D的第n行向量,dk为的转置,
确定地震数据矩阵D对应的相干属性E:
其中,λk为协方差矩阵C的第k个特征值;λmax为协方差矩阵C的最大特征值。
具体的,确定去噪后地震数据体的蚂蚁追踪属性,包括:
根据去噪后地震数据体确定多个地震数据节点;
根据公式:
确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M;
其中,i为蚂蚁当前所在地震数据节点位置;j为蚂蚁行进到下一地震数据节点位置;τij(t+n)为从t时刻开始经过n次迁移后在地震数据节点i和地震数据节点j连线上残留的信息素;ηij(t)为t时刻由地震数据节点i到地震数据节点j的期望程度;α、β分别表示信息素和蚂蚁行进路线的相对重要程度;
其中,ρ为信息素的残留程度;1-ρ为信息素的减少程度;Δτij为一次循环中留在从地震数据节点i到地震数据节点j路径上的信息素;τij(t)为t时刻在地震数据节点i和地震数据节点j连线上残留的信息素。
具体的,将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围,包括:
获取蚂蚁追踪属性M的各采样点Mi;
根据公式:确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点M′i;其中,Mmin为蚂蚁追踪属性M的各采样点的最小值;Mmax为蚂蚁追踪属性M的各采样点的最大值;Emin为相干属性E的最小值。
具体的,将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体,包括:
根据公式:Zi=M′i×Ei,i=1,2,…,N;确定裂缝预测敏感属性体Zi;其中,Ei为相干属性E与各采样点Mi对应位置的采样点。
一种基于地震数据预测地下裂缝空间展布的装置,包括:
数据获取单元,用于获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据;
顶底边界确定单元,用于根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;
去噪处理单元,用于对所述地震数据进行去噪处理,形成去噪后地震数据体;
相干属性确定单元,用于确定去噪后地震数据体的相干属性;
蚂蚁追踪属性确定单元,用于确定去噪后地震数据体的蚂蚁追踪属性;
值域变化范围校正单元,用于将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;
裂缝预测敏感属性体生成单元,用于将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;
地下裂缝空间展布形态预测单元,用于根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。
此外,所述去噪处理单元,具体用于:
根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体;
所述去噪处理单元,具体还用于:
根据预先设置的时窗在所述地震数据中选取2y+1个样本点;
根据公式:确定所述预先设置的时窗中的2y+1个样本点中第y+1个样本点的值;
将所述确定为地震数据中的样本点Sx的去噪处理结果。
此外,所述相干属性确定单元,具体用于:
获取去噪后地震数据体在一预先设置的分析窗口内的多道地震数据的多个采样点,形成地震数据矩阵D:
其中,k为每道地震数据的采样点个数;n为所述预先设置的分析窗口内的地震数据的道数;
确定地震数据矩阵D的协方差矩阵C:
其中,为地震数据矩阵D的第n行向量,dk为的转置,
确定地震数据矩阵D对应的相干属性E:
其中,λk为协方差矩阵C的第k个特征值;λmax为协方差矩阵C的最大特征值。
另外,所述蚂蚁追踪属性确定单元,具体用于:
根据去噪后地震数据体确定多个地震数据节点;
根据公式:
确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M;
其中,i为蚂蚁当前所在地震数据节点位置;j为蚂蚁行进到下一地震数据节点位置;τij(t+n)为从t时刻开始经过n次迁移后在地震数据节点i和地震数据节点j连线上残留的信息素;ηij(t)为t时刻由地震数据节点i到地震数据节点j的期望程度;α、β分别表示信息素和蚂蚁行进路线的相对重要程度;
其中,ρ为信息素的残留程度;1-ρ为信息素的减少程度;Δτij为一次循环中留在从地震数据节点i到地震数据节点j路径上的信息素;τij(t)为t时刻在地震数据节点i和地震数据节点j连线上残留的信息素。
另外,所述值域变化范围校正单元,具体用于:
获取蚂蚁追踪属性M的各采样点Mi;
根据公式:确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点Mi′;其中,Mmin为蚂蚁追踪属性M的各采样点的最小值;Mmax为蚂蚁追踪属性M的各采样点的最大值;Emin为相干属性E的最小值。
另外,所述裂缝预测敏感属性体生成单元,具体用于:
根据公式:Zi=M′i×Ei,i=1,2,…,N;确定裂缝预测敏感属性体Zi;其中,Ei为相干属性E与各采样点Mi对应位置的采样点。
本发明实施例提供的基于地震数据预测地下裂缝空间展布的方法及装置,首先,获取了地震资料保幅处理后的偏移叠加地震数据,并获取了地震工区内钻穿目的层的测井数据;之后,根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;之后,对所述地震数据进行去噪处理,形成去噪后地震数据体;确定去噪后地震数据体的相干属性;确定去噪后地震数据体的蚂蚁追踪属性;将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。可见,本发明可以将地震相干属性和地震蚂蚁追踪属性进行融合,在保留裂缝空间展布趋势的同时提高了地下裂缝预测的精度,从而可以实现利用地震数据同时准确预测地下不同尺度裂缝的空间展布的形态的效果。
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一种基于地震数据预测地下裂缝空间展布的方法的流程图一;
图2为本发明实施例提供的一种基于地震数据预测地下裂缝空间展布的方法的流程图二;
图3为本发明实施例中的原始地震剖面结构示意图;
图4为基于相干算法得到的裂缝预测剖面示意图;
图5为基于相干算法得到的Z段地层裂缝预测结果示意图;
图6为基于蚂蚁追踪算法得到的裂缝预测剖面示意图;
图7为基于蚂蚁追踪算法得到的Z段地层裂缝预测结果示意图;
图8为基于本发明实施例的方法得到的裂缝预测剖面示意图;
图9为基于本发明方法得到的Z段地层裂缝预测结果示意图;
图10为本发明实施例提供的一种基于地震数据预测地下裂缝空间展布的装置的结构示意图。
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基于地震数据预测地下裂缝空间展布的方法,包括:
步骤101、获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据。
步骤102、根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界。
步骤103、对所述地震数据进行去噪处理,形成去噪后地震数据体。
步骤104、确定去噪后地震数据体的相干属性。
步骤105、确定去噪后地震数据体的蚂蚁追踪属性。
步骤106、将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围。
步骤107、将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体。
步骤108、根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。
本发明实施例提供的基于地震数据预测地下裂缝空间展布的方法,首先,获取了地震资料保幅处理后的偏移叠加地震数据,并获取了地震工区内钻穿目的层的测井数据;之后,根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;之后,对所述地震数据进行去噪处理,形成去噪后地震数据体;确定去噪后地震数据体的相干属性;确定去噪后地震数据体的蚂蚁追踪属性;将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。可见,本发明可以将地震相干属性和地震蚂蚁追踪属性进行融合,在保留裂缝空间展布趋势的同时提高了地下裂缝预测的精度,从而可以实现利用地震数据同时准确预测地下不同尺度裂缝的空间展布的形态的效果。
为了使本领域的技术人员更好的了解本发明,下面列举一个更为详细的实施例,如图2所示,本发明实施例提供一种基于地震数据预测地下裂缝空间展布的方法,包括:
步骤201、获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据。
此处根据该地震数据形成的原始地震剖面结构可以如图3所示。
步骤202、根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界。
此处的井震标定是为了建立测井数据与地震数据之间的联系,落实测井测量深度对应于地震时间域深度的位置。而进行地震数据目的层构造解释的作用,主要是落实目的层段顶底的空间位置,用于最后对目的层段裂缝空间展布形态描述设定顶底边界。
步骤203、根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体。
此处根据中值滤波法对所述地震数据进行去噪处理,可以采用如下方式:
根据预先设置的时窗在所述地震数据中选取2y+1个样本点。
根据公式:确定所述预先设置的时窗中的2y+1个样本点中第y+1个样本点的值。
将所述确定为地震数据中的样本点Sx的去噪处理结果。
根据上述步骤203可以去除地震数据中包含的随机噪音,为提高相干属性和蚂蚁追踪属性的裂缝预测精度奠定了基础。
步骤204、获取去噪后地震数据体在一预先设置的分析窗口内的多道地震数据的多个采样点,形成地震数据矩阵D。
其中,k为每道地震数据的采样点个数;n为所述预先设置的分析窗口内的地震数据的道数。
步骤205、确定地震数据矩阵D的协方差矩阵C。
其中,为地震数据矩阵D的第n行向量,dk为的转置,dk=[dk1,dk2,…,dkn]T。
步骤206、确定地震数据矩阵D对应的相干属性E。
其中,λk为协方差矩阵C的第k个特征值;λmax为协方差矩阵C的最大特征值。
步骤207、根据去噪后地震数据体确定多个地震数据节点。
步骤208、确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M。
在蚂蚁算法中,路径的选择依赖于信息素浓度,信息素浓度越大路径被选择的概率越大,蚂蚁根据转移概率寻求路径节点。
此处,具体可以根据公式:
确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M。
其中,i为蚂蚁当前所在地震数据节点位置;j为蚂蚁行进到下一地震数据节点位置;τij(t+n)为从t时刻开始经过n次迁移后在地震数据节点i和地震数据节点j连线上残留的信息素,该τij(t+n)说明,蚂蚁经过后路径上的信息素会随之增加,但随着时间增加,信息素也会减少;ηij(t)为t时刻由地震数据节点i到地震数据节点j的期望程度;α、β分别表示信息素和蚂蚁行进路线的相对重要程度。
其中,ρ为信息素的残留程度;1-ρ为信息素的减少程度;Δτij为一次循环中留在从地震数据节点i到地震数据节点j路径上的信息素;τij(t)为t时刻在地震数据节点i和地震数据节点j连线上残留的信息素。
值得说明的是,对于蚂蚁算法,每只蚂蚁经过n次迁移后就可得到一条路径,如果该路径满足最短路径要求即停止,否则进行重新搜索直至收敛于最优路径。当蚂蚁从某个节点出发将所有可能连续转移的位置均尝试后,通过转移概率值的大小即可确定出最短路径。
步骤209、获取蚂蚁追踪属性M的各采样点Mi。
步骤210、确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点M′i。
此处,可以根据公式:确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点M′i;其中,Mmin为蚂蚁追踪属性M的各采样点的最小值;Mmax为蚂蚁追踪属性M的各采样点的最大值;Emin为相干属性E的最小值。
此处由于蚂蚁追踪属性与相干属性的值域变化范围不同,因此需要将蚂蚁追踪属性的值域变化范围校正到相干属性的值域变化范围。一般情况下,相干属性的最大值为1,表示完全无相关性,最小值介于0至1之间。
步骤211、将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体。
具体的,此处可以根据公式:Zi=M′i×Ei,i=1,2,…,N;确定裂缝预测敏感属性体Zi;其中,Ei为相干属性E与各采样点Mi对应位置的采样点。
步骤212、根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。
此处,该裂缝预测敏感属性体在空间范围内的数值范围为0至1,若该数值越接近1,则表示裂缝越不发育;而若该数值越接近0,则表示裂缝越发育完好。具体可以参见后续图8、9所示。纯黑色表示数值为0,纯白色表示数值为1。
为了使本发明实施例提供的基于地震数据预测地下裂缝空间展布的方法的效果更加明确,下面结合现有技术和本发明实施例的效果图进行说明。此处以四川盆地Z段地层裂缝预测为例进行说明,该Z段地层岩性为白云岩,脆性较大,容易产生裂缝。
图4为基于相干算法得到的裂缝预测剖面;图5为基于相干算法得到的Z段地层裂缝预测结果。图6为基于蚂蚁追踪算法得到的裂缝预测剖面;图7为基于蚂蚁追踪算法得到的Z段地层裂缝预测结果;图8为基于本发明实施例的方法得到的裂缝预测剖面;图9为基于本发明方法得到的Z段地层裂缝预测结果。可见,图4、5裂缝空间展布规律性较好,但是局部细节连续性较差。图6、7预测的裂缝空间展布散乱无规律。图8、9与上述图4、5相比不仅保持裂缝原有的空间展布规律性,而且在局部细节更加连续清晰,描述裂缝更为准确。
本发明实施例提供的基于地震数据预测地下裂缝空间展布的方法,首先,获取了地震资料保幅处理后的偏移叠加地震数据,并获取了地震工区内钻穿目的层的测井数据;之后,根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;之后,对所述地震数据进行去噪处理,形成去噪后地震数据体;确定去噪后地震数据体的相干属性;确定去噪后地震数据体的蚂蚁追踪属性;将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。可见,本发明可以将地震相干属性和地震蚂蚁追踪属性进行融合,在保留裂缝空间展布趋势的同时提高了地下裂缝预测的精度,从而可以实现利用地震数据同时准确预测地下不同尺度裂缝的空间展布的形态的效果。
对应于上述图1和图2所示的方法实施例,如图10所示,本发明实施例提供一种基于地震数据预测地下裂缝空间展布的装置,包括:
数据获取单元31,用于获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据。
顶底边界确定单元32,用于根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界。
去噪处理单元33,用于对所述地震数据进行去噪处理,形成去噪后地震数据体。
相干属性确定单元34,用于确定去噪后地震数据体的相干属性。
蚂蚁追踪属性确定单元35,用于确定去噪后地震数据体的蚂蚁追踪属性。
值域变化范围校正单元36,用于将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围。
裂缝预测敏感属性体生成单元37,用于将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体。
地下裂缝空间展布形态预测单元38,用于根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。
此外,该去噪处理单元33,具体可以:
根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体。
所述去噪处理单元33,具体还可以:
根据预先设置的时窗在所述地震数据中选取2y+1个样本点。
根据公式:确定所述预先设置的时窗中的2y+1个样本点中第y+1个样本点的值。
将所述确定为地震数据中的样本点Sx的去噪处理结果。
此外,该相干属性确定单元34,具体用于:
获取去噪后地震数据体在一预先设置的分析窗口内的多道地震数据的多个采样点,形成地震数据矩阵D:
其中,k为每道地震数据的采样点个数;n为所述预先设置的分析窗口内的地震数据的道数。
确定地震数据矩阵D的协方差矩阵C:
其中,为地震数据矩阵D的第n行向量,dk为的转置,dk=[dk1,dk2,…,dkn]T。
确定地震数据矩阵D对应的相干属性E:
其中,λk为协方差矩阵C的第k个特征值;λmax为协方差矩阵C的最大特征值。
另外,所述蚂蚁追踪属性确定单元35,具体可以:
根据去噪后地震数据体确定多个地震数据节点。
根据公式:
确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M。
其中,i为蚂蚁当前所在地震数据节点位置;j为蚂蚁行进到下一地震数据节点位置;τij(t+n)为从t时刻开始经过n次迁移后在地震数据节点i和地震数据节点j连线上残留的信息素;ηij(t)为t时刻由地震数据节点i到地震数据节点j的期望程度;α、β分别表示信息素和蚂蚁行进路线的相对重要程度。
其中,ρ为信息素的残留程度;1-ρ为信息素的减少程度;Δτij为一次循环中留在从地震数据节点i到地震数据节点j路径上的信息素;τij(t)为t时刻在地震数据节点i和地震数据节点j连线上残留的信息素。
另外,所述值域变化范围校正单元36,具体可以:
获取蚂蚁追踪属性M的各采样点Mi。
根据公式:确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点M′i;其中,Mmin为蚂蚁追踪属性M的各采样点的最小值;Mmax为蚂蚁追踪属性M的各采样点的最大值;Emin为相干属性E的最小值。
另外,所述裂缝预测敏感属性体生成单元37,具体可以:
根据公式:Zi=M′i×Ei,i=1,2,…,N;确定裂缝预测敏感属性体Zi;其中,Ei为相干属性E与各采样点Mi对应位置的采样点。
值得说明的是,本发明实施例提供的基于地震数据预测地下裂缝空间展布的装置的具体实现方式可以参见上述图1和图2对应的方法实施例,此处不再赘述。
本发明实施例提供的基于地震数据预测地下裂缝空间展布的装置,首先,获取了地震资料保幅处理后的偏移叠加地震数据,并获取了地震工区内钻穿目的层的测井数据;之后,根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;之后,对所述地震数据进行去噪处理,形成去噪后地震数据体;确定去噪后地震数据体的相干属性;确定去噪后地震数据体的蚂蚁追踪属性;将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态。可见,本发明可以将地震相干属性和地震蚂蚁追踪属性进行融合,在保留裂缝空间展布趋势的同时提高了地下裂缝预测的精度,从而可以实现利用地震数据同时准确预测地下不同尺度裂缝的空间展布的形态的效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (4)
1.一种基于地震数据预测地下裂缝空间展布的方法,其特征在于,包括:
获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据;
根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;
对所述地震数据进行去噪处理,形成去噪后地震数据体;
确定去噪后地震数据体的相干属性;
确定去噪后地震数据体的蚂蚁追踪属性;
将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;
将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;
根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态;
确定去噪后地震数据体的相干属性,包括:
获取去噪后地震数据体在一预先设置的分析窗口内的多道地震数据的多个采样点,形成地震数据矩阵D:
<mrow>
<mi>D</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>d</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>d</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mi>k</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mi>k</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mi>k</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,k为每道地震数据的采样点个数;n为所述预先设置的分析窗口内的地震数据的道数;
确定地震数据矩阵D的协方差矩阵C:
<mrow>
<mi>C</mi>
<mo>=</mo>
<msup>
<mi>D</mi>
<mi>T</mi>
</msup>
<mi>D</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>d</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
</mrow>
其中,为地震数据矩阵D的第k行向量,dk为的转置,dk=[dk1,dk2,…,dkn]T;
确定地震数据矩阵D对应的相干属性E:
<mrow>
<mi>E</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>max</mi>
</msub>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,λk为协方差矩阵C的第k个特征值;λmax为协方差矩阵C的最大特征值;
确定去噪后地震数据体的蚂蚁追踪属性,包括:
根据去噪后地震数据体确定多个地震数据节点;
根据公式:
确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M;
其中,i为蚂蚁当前所在地震数据节点位置;j为蚂蚁行进到下一地震数据节点位置;τij(t+n)为从t时刻开始经过n次迁移后在地震数据节点i和地震数据节点j连线上残留的信息素;ηij(t)为t时刻由地震数据节点i到地震数据节点j的期望程度;α、β分别表示信息素和蚂蚁行进路线的相对重要程度;
其中,ρ为信息素的残留程度;1-ρ为信息素的减少程度;Δτij为一次循环中留在从地震数据节点i到地震数据节点j路径上的信息素;τij(t)为t时刻在地震数据节点i和地震数据节点j连线上残留的信息素;
将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围,包括:
获取蚂蚁追踪属性M的各采样点Mi;
根据公式:确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点Mi′;其中,Mmin为蚂蚁追踪属性M的各采样点的最小值;Mmax为蚂蚁追踪属性M的各采样点的最大值;Emin为相干属性E的最小值;
将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体,包括:
根据公式:Zi=Mi′×Ei,i=1,2,…,N;确定裂缝预测敏感属性体Zi;其中,Ei为相干属性E与各采样点Mi对应位置的采样点。
2.根据权利要求1所述的基于地震数据预测地下裂缝空间展布的方法,其特征在于,对所述地震数据进行去噪处理,形成去噪后地震数据体,包括:
根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体;
所述根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体,包括:
根据预先设置的时窗在所述地震数据中选取2y+1个样本点;
根据公式:确定所述预先设置的时窗中的2y+1个样本点中第y+1个样本点的值;
将所述确定为地震数据中的样本点Sx的去噪处理结果。
3.一种基于地震数据预测地下裂缝空间展布的装置,其特征在于,包括:
数据获取单元,用于获取地震资料保幅处理后的偏移叠加地震数据,并获取地震工区内钻穿目的层的测井数据;
顶底边界确定单元,用于根据所述地震数据和所述测井数据进行井震标定,并对所述地震数据进行目的层构造解释,确定待预测的目的层的顶底边界;
去噪处理单元,用于对所述地震数据进行去噪处理,形成去噪后地震数据体;
相干属性确定单元,用于确定去噪后地震数据体的相干属性;
蚂蚁追踪属性确定单元,用于确定去噪后地震数据体的蚂蚁追踪属性;
值域变化范围校正单元,用于将所述蚂蚁追踪属性的值域变化范围校正为所述相干属性的值域变化范围;
裂缝预测敏感属性体生成单元,用于将值域变化范围校正后的蚂蚁追踪属性与所述相干属性进行融合,形成裂缝预测敏感属性体;
地下裂缝空间展布形态预测单元,用于根据所述裂缝预测敏感属性体在空间范围内的数值大小预测所述顶底边界内的地下裂缝空间展布形态;
所述相干属性确定单元,具体用于:
获取去噪后地震数据体在一预先设置的分析窗口内的多道地震数据的多个采样点,形成地震数据矩阵D:
<mrow>
<mi>D</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>d</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>d</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mi>k</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mi>k</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>d</mi>
<mrow>
<mi>k</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,k为每道地震数据的采样点个数;n为所述预先设置的分析窗口内的地震数据的道数;
确定地震数据矩阵D的协方差矩阵C:
<mrow>
<mi>C</mi>
<mo>=</mo>
<msup>
<mi>D</mi>
<mi>T</mi>
</msup>
<mi>D</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>d</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
</mrow>
其中,为地震数据矩阵D的第k行向量,dk为的转置,dk=[dk1,dk2,…,dkn]T;
确定地震数据矩阵D对应的相干属性E:
<mrow>
<mi>E</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>max</mi>
</msub>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,λk为协方差矩阵C的第k个特征值;λmax为协方差矩阵C的最大特征值;
所述蚂蚁追踪属性确定单元,具体用于:
根据去噪后地震数据体确定多个地震数据节点;
根据公式:
确定蚂蚁算法寻求路径节点的转移概率,并将所述转移概率确定为所述蚂蚁追踪属性M;
其中,i为蚂蚁当前所在地震数据节点位置;j为蚂蚁行进到下一地震数据节点位置;τij(t+n)为从t时刻开始经过n次迁移后在地震数据节点i和地震数据节点j连线上残留的信息素;ηij(t)为t时刻由地震数据节点i到地震数据节点j的期望程度;α、β分别表示信息素和蚂蚁行进路线的相对重要程度;
其中,ρ为信息素的残留程度;1-ρ为信息素的减少程度;Δτij为一次循环中留在从地震数据节点i到地震数据节点j路径上的信息素;τij(t)为t时刻在地震数据节点i和地震数据节点j连线上残留的信息素;
所述值域变化范围校正单元,具体用于:
获取蚂蚁追踪属性M的各采样点Mi;
根据公式:确定值域变化范围校正后的蚂蚁追踪属性M′的各采样点Mi′;其中,Mmin为蚂蚁追踪属性M的各采样点的最小值;Mmax为蚂蚁追踪属性M的各采样点的最大值;Emin为相干属性E的最小值;
所述裂缝预测敏感属性体生成单元,具体用于:
根据公式:Zi=Mi′×Ei,i=1,2,…,N;确定裂缝预测敏感属性体Zi;其中,Ei为相干属性E与各采样点Mi对应位置的采样点。
4.根据权利要求3所述的基于地震数据预测地下裂缝空间展布的装置,其特征在于,所述去噪处理单元,具体用于:
根据中值滤波法对所述地震数据进行去噪处理,形成去噪后地震数据体;
所述去噪处理单元,具体还用于:
根据预先设置的时窗在所述地震数据中选取2y+1个样本点;
根据公式:确定所述预先设置的时窗中的2y+1个样本点中第y+1个样本点的值;
将所述确定为地震数据中的样本点Sx的去噪处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610384344.6A CN105929452B (zh) | 2016-06-02 | 2016-06-02 | 基于地震数据预测地下裂缝空间展布的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610384344.6A CN105929452B (zh) | 2016-06-02 | 2016-06-02 | 基于地震数据预测地下裂缝空间展布的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105929452A CN105929452A (zh) | 2016-09-07 |
CN105929452B true CN105929452B (zh) | 2018-01-02 |
Family
ID=56833414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610384344.6A Active CN105929452B (zh) | 2016-06-02 | 2016-06-02 | 基于地震数据预测地下裂缝空间展布的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105929452B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842316B (zh) * | 2016-12-20 | 2019-01-18 | 中国石油天然气股份有限公司 | 裂缝确定方法和装置 |
CN107015275B (zh) * | 2017-04-14 | 2019-04-19 | 中国矿业大学(北京) | 陷落柱检测方法和装置 |
CN108931814B (zh) * | 2017-05-26 | 2020-10-20 | 中国石油化工股份有限公司 | 一种基于多属性融合的基岩裂缝预测的方法 |
CN108897066B (zh) * | 2018-08-23 | 2020-01-07 | 中国石油天然气股份有限公司 | 碳酸盐岩裂缝密度定量预测方法及装置 |
CN109298448B (zh) * | 2018-09-06 | 2020-08-21 | 中国海洋石油集团有限公司 | 一种致密气压裂工程甜点的预测方法和装置 |
CN110907990B (zh) * | 2018-09-18 | 2021-11-19 | 中国石油化工股份有限公司 | 一种叠后地震裂缝定量预测方法及*** |
CN114185091B (zh) * | 2020-09-15 | 2024-05-07 | 中国石油化工股份有限公司 | 基于频谱分解的蚂蚁体裂缝追踪方法、装置及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9329293B2 (en) * | 2013-03-12 | 2016-05-03 | Pgs Geophysical, As | Systems and methods for removing acquisition related effects from seismic data |
AU2013389299B2 (en) * | 2013-05-15 | 2015-12-10 | Landmark Graphics Corporation | Stratigraphic seismic traces to interpret geological faults |
CN105334534A (zh) * | 2015-10-21 | 2016-02-17 | 中国石油大学(华东) | 一种基于构造模式指导下的低序级断层解释方法 |
CN105425299B (zh) * | 2015-11-17 | 2017-12-05 | 中国石油天然气股份有限公司 | 确定地层裂缝分布的方法和装置 |
-
2016
- 2016-06-02 CN CN201610384344.6A patent/CN105929452B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105929452A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105929452B (zh) | 基于地震数据预测地下裂缝空间展布的方法及装置 | |
CN106951660B (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
CN103454678B (zh) | 一种地震切片等时性的确定方法及*** | |
CN109388817A (zh) | 一种储层裂缝三维建模方法 | |
CN105510993A (zh) | 前陆盆地深埋挤压型复杂膏盐岩层识别和分布预测方法 | |
AU2014357650B2 (en) | Tuning digital core analysis to laboratory results | |
CN106894761A (zh) | 利用时间域地震体的地质导向模型的地质导向方法 | |
Tilsley-Baker et al. | Extra-deep resistivity experience in Brazil geosteering operations | |
CN106940450A (zh) | 基于时间域地震体的地质导向模型建立方法 | |
CN106503295A (zh) | 一种利用状态空间模型解释油田水淹层的方法及装置 | |
CN104834007B (zh) | 地震反演过程中计算碳酸盐岩缝洞型储层充填程度的方法 | |
Fachri et al. | Volumetric faults in field-sized reservoir simulation models: A first case study | |
Shtun et al. | Integrated approach to drilling ERD wells with the innovative reservoir-scale mapping while drilling technology on Korchagina field | |
Lyu et al. | Classification, modeling and characterization of marine carbonate paleokarst reservoirs in Tahe Oilfield, Tarim Basin, China | |
Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China | |
Shao et al. | 3D Geological Modeling under Extremely Complex Geological Conditions. | |
Wang et al. | Super-large scale horizontal well position optimization method and infilling practice in high water-cut large complex fluvial reservoir based on multidisciplinary innovative techniques | |
Thompson et al. | Salt gets in your eyes: the geological challenges and solutions to sub-salt exploration | |
Abdy et al. | An integrated and effective method for well placement using a numerical simulation model: a North Kuwait field case study | |
Li et al. | Shale-gas reservoir-prediction study in Daanzhai, Eastern Sichuan Basin | |
Freeman et al. | A New Facies Classification Scheme Using Gamma Ray and Bulk Density Logs, With Multiple Practical Applications in North Kuwait Heavy Oil Fields | |
Guizada et al. | Geosteering Strategy for Enhancement Horizontal Well Placement in Tight Carbonate Formations | |
McGeer et al. | Dynamically Conditioned Modeling to Address Development Challenges in a Highly Complex Fractured Basement Reservoir, Yemen | |
Gazar et al. | Adapting Field Development Plan of Compartmentalized Oil Rim Reservoir with Significant Gas Cap and Water Aquifer-Case Study | |
Abou-Qammaz et al. | Enhancing the Oil Production from Sabiriyah Upper Burgan Reservoir of North Kuwait through Non-Conventional Well |
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 |