CN107462927A - 基于朴素贝叶斯分类的地震岩相预测方法和装置 - Google Patents
基于朴素贝叶斯分类的地震岩相预测方法和装置 Download PDFInfo
- Publication number
- CN107462927A CN107462927A CN201610391119.5A CN201610391119A CN107462927A CN 107462927 A CN107462927 A CN 107462927A CN 201610391119 A CN201610391119 A CN 201610391119A CN 107462927 A CN107462927 A CN 107462927A
- Authority
- CN
- China
- Prior art keywords
- mrow
- work area
- msub
- predicted
- petrofacies
- 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
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
- G01V1/50—Analysing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
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
本发明涉及地震储层预测领域,具体涉及基于朴素贝叶斯分类的地震岩相预测方法和装置。该方法将贝叶斯分类应用到储层预测研究中,以岩石物理分析和弹性参数反演为基础,并采用朴素贝叶斯分类统计对岩性、流体等进行预测,降低储层预测多解性,还可对预测结果的不确定性进行定量评价,能够显著提高地震岩相预测的准确性。
Description
技术领域
本发明涉及地震储层预测领域,更具体地,涉及一种基于朴素贝叶斯分类的地震岩相预测方法和一种基于朴素贝叶斯分类的地震岩相预测装置。
背景技术
利用地震属性进行岩相预测,国内外不少学者提出相应研究方法,包括多属性聚类分析、多参数交汇及神经网络预测等,但缺少岩石物理理论支撑及对预测结果不确定性分析,其预测准确度难以令人满意。
发明内容
本发明提出了一种能够更准确地进行地震岩相预测的方法,本发明还提出了相应的装置。
根据本发明的一个方面,公开了一种基于朴素贝叶斯分类的地震岩相预测方法,该方法包括:基于研究区地质沉积特点和测井曲线特征,确定岩相划分方案,并通过测井交汇和统计分析从所述多种弹性参数中选择对岩相特征敏感的一个或多个弹性参数;基于测井的所述岩相特征和所述一个或多个弹性参数进行朴素贝叶斯分类统计,以确定在各种岩相特征下的所述一个或多个弹性参数的条件概率分布;基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数;基于所述条件概率分布和待预测工区的所述一个或多个弹性参数,得到待预测工区的岩相的空间分布。
根据本发明的另一方面,还公开了一种基于朴素贝叶斯分类的地震岩相预测装置,该装置包括:测井分析单元,用于基于研究区地质沉积特点和测井曲线特征,确定岩相划分方案,并通过测井交汇和统计分析从多种弹性参数中选择对岩相特征敏感的一个或多个弹性参数;概率确定单元,用于基于测井的所述岩相特征和所述一个或多个弹性参数进行朴素贝叶斯分类统计,以确定在各种岩相特征下的所述一个或多个弹性参数的条件概率分布;工区分析单元,用于基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数;工区岩相预测单元,用于基于所述条件概率分布和待预测工区的所述一个或多个弹性参数,得到待预测工区的岩相的空间分布。
本发明的各个方面,以岩石物理分析和弹性参数反演为基础,采用朴素贝叶斯分类统计对岩性、流体等进行预测,降低储层预测多解性,能够实现准确的地震岩相预测。本发明在岩相预测方面,至少具有以下优点:
(1)贝叶斯统计方法将弹性参数属性看做一个随机变量,充分考虑它的随机特征,这是与经典统计学的根本区别;
(2)利用少量井点处信息,将地震数据看成似然函数的形式,进而推断出岩相体的分布,适合于小样本情况,具有很强的适用性;
(3)可对多种属性进行分类统计,属性个数不受限制,每个属性都参与具体的分布运算,克服单一属性预测多解性;
(4)利用井点处先验信息来推断后验分布,针对不同岩相叠置问题,采用概率分布思想进行分类更为科学,降低人为误差,同时能应用在岩性、物性及含气性等预测方面;
(5)便于对预测结果的不确定性进行定量评价
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了朴素贝叶斯分类模型的结构图。
图2示出了根据本发明的一个实施例的基于朴素贝叶斯分类的地震岩相预测方法的流程图。
图3示出了某示例的测井岩相及弹性参数曲线柱状图;
图4示出了该示例中不同岩相弹性参数变化特征对比图;
图5示出了该示例中测井样点岩相条件概率分布;
图6(a)~(c)示出了该示例中不同角度的叠加剖面;
图7(a)~(b)示出了该示例中的叠前反演弹性属性剖面;
图8(a)~(b)示出了不同岩相及含气砂岩概率剖面图;
图9示出了岩相预测体沿层切片。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
此处,先对本发明的基本原理进行简单介绍。
朴素贝叶斯分类器是一种应用基于独立假设的贝叶斯定理的简单概率分类器,更精确地来说这种潜在的概率模型为独立特征模型。贝叶斯分类方法以贝叶斯理论为基础,根据训练集中各个类别样本的分布情况分别计算其属于各个类别的后验概率,然后将该样本的类别判断为最大后验概率所对应的类别。贝叶斯公式可写成如下形式:
其中,P(y|x)为后验概率分布,P(y)为先验分布,P(x)通常为常数。
贝叶斯分类方法原理简洁,但当属性数目较多时,计算量非常巨大,在实际应用中往往受到限制。为了简化运算,提出一种比较实用的朴素贝叶斯分类算法,假定任意属性对类别的影响与其他属性对类别的影响无关,这种假定称为类别条件独立朴素假定。图1示出了朴素贝叶斯分类模型的结构图,其中C表示待分的类别,A1、A2、...An表示样本属性,箭头表示属性变量和类别变量之间的依存关系。从图1中可以看出,在朴素贝叶斯分类模型中,样本属性和AiAj(i不等于j)之间不存在相互依赖关系,他们仅与节点类别C有关。
已知样本数据x=(x1,...,xn)(样本数据x共有n种属性A1、A2、...An,其中xi表示属性Ai的值)属于任意类y(y∈{c1,...,ck})(总共k个类别,cj表示编号为j的类别)的概率。给定一个未分类的数据样本X,应用朴素贝叶斯分类算法,预测样本数据X属于具有最大后验概率的类,未知样本X属于类别ci的条件是,当且仅当:
P(ci|X)>P(cj|X),1≤i,j≤k,j≠i。 (2)
因此,将最大化后验概率P(ci|X)或者其对数形式称为最大后验假定,记为arg maxy P(y|X)。
根据贝叶斯定理,有:
在任意一次分类中取值均相等,也就是说,数据样本X产生的概率相同(P(x)定义为常数),简化后得到:
P(y|X)∝P(X|y)*P(y)。 (4)
根据朴素贝叶斯分类算法的条件属性相互独立的假设,有:
根据朴素贝叶斯分类原则,最大后验概率可表示为:
对未知样本X分类,针对每个类别ci计算P(x|ci)P(ci);当且仅当
P(X|ci)P(ci)>P(X|cj)P(cj),1≤j≤m,j≠i, (7)
定义样本X属于类别ci,即X被指派到P(X|ci)P(ci)最大的类别ci。
实施例1
图2示出了根据本发明的一个实施例的基于朴素贝叶斯分类的地震岩相预测方法的流程图。本实施例中,该方法包括:
步骤101,基于研究区地质沉积特点和测井曲线特征,确定岩相划分方案,并通过测井交汇和统计分析从多种弹性参数中选择对岩相特征敏感的一个或多个弹性参数;
步骤102,基于测井的所述岩相特征和所述一个或多个弹性参数进行朴素贝叶斯分类统计,以确定在各种岩相特征下的弹性参数的条件概率分布;
步骤103,基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数;
步骤104,基于所述条件概率分布和待预测工区的所述一个或多个弹性参数,得到待预测工区的岩相的空间分布。
本实施例中,以岩石物理分析和弹性参数反演为基础,采用朴素贝叶斯分类统计对岩性、流体等进行预测,降低储层预测多解性,能够实现准确的地震岩相预测。
上述所述多种弹性参数可以包括纵波阻抗、横波阻抗、泊松比、纵横波速度比(Vp/Vs)、拉梅常数、剪切模量和体积模量等中的部分或全部。
在一个示例中,本发明还可以包括:可以基于所述条件概率分布得到岩相概率数据体,以定量评估预测结果的不确定性。
在一个示例中,上述步骤103可以包括:可以输入多个不同角度叠加的地震数据和对应子波,可以给出纵波阻抗、横波阻抗和密度的纵向变化趋势及横向约束范围,然后可以选择基于Aki-Richards公式的AVA模拟方法进行叠前同时反演,得到纵波阻抗数据体、横波阻抗数据体和纵横波速度比数据体、密度数据体,接下来可以基于反演结果计算所述一个或多个弹性参数中的其他弹性参数。
在一个示例中,可以采用核函数表示所述条件概率密度。主要核函数包括三角核函数、高斯核函数、Epanechnikov核函数等。
进一步地,发明人经过反复试验和深入研究发现,在本发明中,可以采用高斯核函数拟合所述条件概率密度,有利于提高岩相预测的准确度。可以采用下列高斯核函数表示所述条件概率分布:
其中,xk表示编号为k的弹性参数的随机值,ci表示编号为i的岩相,uci和σci表示均值和方差。可以通过调整uci和σci来确定所述条件概率分布。
实施例2
根据本发明的另一实施例还公开了一种基于朴素贝叶斯分类的地震岩相预测装置,该装置包括:
测井分析单元,用于基于研究区地质沉积特点和测井曲线特征,确定岩相划分方案,并通过测井交汇和统计分析从多种弹性参数中选择对所述岩相特征敏感的一个或多个弹性参数;
概率确定单元,用于基于测井的所述岩相特征和所述一个或多个弹性参数进行朴素贝叶斯分类统计,以确定在各种岩相特征下的所述一个或多个弹性参数的条件概率分布;
工区分析单元,用于基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数;
工区岩相预测单元,用于基于所述条件概率分布和待预测工区的所述一个或多个弹性参数,得到待预测工区的岩相的空间分布。
在一个示例中,该装置还可以包括不确定性分析单元,其可以用于基于所述条件概率分布得到岩相概率数据体,以定量评估预测结果的不确定性。
在一个示例中,在所述工区分析单元中,基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数可以包括:
可以输入多个不同角度叠加的地震数据和对应子波,可以给出纵波阻抗、横波阻抗和密度的纵向变化趋势及横向约束范围,然后可以选择基于Aki-Richards公式的AVA模拟方法进行叠前同时反演,可以得到纵波阻抗数据体、横波阻抗数据体和纵横波速度比数据体、密度数据体,接下来可以基于反演结果计算所述一个或多个弹性参数中的其他弹性参数。
在一个示例中,在所述概率确定单元中,可以采用核函数表示所述条件概率密度。
在一个示例中,所述核函数可以为高斯核函数:
其中,xk表示编号为k的弹性参数的随机值,ci表示编号为i的岩相,uci和σci表示均值和方差。在所述概率确定单元中,可以通过调整uci和σci来确定所述条件概率分布。
应用实例
为便于理解本发明实施例的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
根据研究区储层特征和类型,利用测井资料和解释成果对不同岩相进行定义,分为含气砂岩、致密砂岩和泥岩三种岩相类型,其中含气砂岩对应自然伽马GR≦110API、孔隙度por≧6%及SW≦65%,致密砂岩对应自然伽马GR≦110API、孔隙度por<6%,泥岩为自然伽马GR<110API,要求岩相重新定义结果与测井解释结果基本一致;利用理论公式分别计算各井的弹性参数曲线,包括纵、横波阻抗、泊松比、Vp/Vs、拉梅常数和体积模量等,如3所示。
通过不同岩相的测井响应特征对比和各种弹性参数变化差异的统计,可以确定研究区含气砂岩主要表现为中高纵波阻抗、低Vp/Vs、低泊松比和拉梅常数等岩石物理特征,如图4所示。
为了克服单一弹性属性预测的多解性,可优选纵波阻抗和Vp/Vs属性组合来建立不同岩相的概率分布,根据概率分布特征选择相应的函数类型,本次选择高斯核函数,通过调节函数的主要参数包括均值和方差等,使得该函数所描绘区间与测井散点分布基本一致,如图5所示,确定含气砂岩纵波阻抗均值11300g/cm3*m/s,标准方差为693,占岩相比例0.15。
对原始地震叠前CRP道集进行预处理,包括远道切除、叠前去噪、高阶动校正和振幅补偿等处理,使得叠前道集能满足叠前反演的要求。利用地震叠加速度谱资料将偏移距道集转换为角度域道集,按角度分布范围叠加得到分角度叠加数据,图6(a)示出了近偏(0-10°)的分角度叠加数据,图6(b)示出了中偏(11-20°)的分角度叠加数据,图6(c)示出了远偏(21-30°)的分角度叠加数据。针对不同角度道集提取相应地震子波并标定,然后通过叠前同时反演方法得到纵、横波阻抗和Vp/Vs等属性体,图7(a)示出了纵波阻抗,图7(b)示出了Vp/Vs。
最后利用图5建立的统计关系,将叠前反演的属性体转换得到不同岩相体以及相应的岩相概率体,从岩相预测结果来看,井点处基本吻合,横向变化忠实于原始地震资料,反映井间非均质性变化特征,验证了本发明的有效性,图8(a)示出了岩相分布,图8(b)示出了含气砂岩概率,图9示出了岩相预测体层切片。此外,还可生成岩相概率数据体,以进一步定量评价岩相预测结果的不确定性,概率值大则地方可靠性相对高。
本发明可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
这里参照根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种基于朴素贝叶斯分类的地震岩相预测方法,该方法包括:
基于研究区地质沉积特点和测井曲线特征,确定岩相划分方案,并通过测井交汇和统计分析从多种弹性参数中选择对岩相特征敏感的一个或多个弹性参数;
基于测井的所述岩相特征和所述一个或多个弹性参数进行朴素贝叶斯分类统计,以确定在各种岩相特征下的所述一个或多个弹性参数的条件概率分布;
基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数;
基于所述条件概率分布和待预测工区的所述一个或多个弹性参数,得到待预测工区的岩相的空间分布。
2.根据权利要求1所述的地震岩相预测方法,该方法还包括:
基于所述条件概率分布得到岩相概率数据体,以定量评估预测结果的不确定性。
3.根据权利要求1所述的地震岩相预测方法,其中,基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数包括:
输入多个不同角度叠加的地震数据和对应子波,给出纵波阻抗、横波阻抗和密度的纵向变化趋势及横向约束范围,然后选择基于Aki-Richards公式的AVA模拟方法进行叠前同时反演,得到纵波阻抗数据体、横波阻抗数据体和纵横波速度比数据体、密度数据体,再基于反演结果计算所述一个或多个弹性参数中的其他弹性参数。
4.根据权利要求1所述的地震岩相预测方法,其中,采用核函数表示所述条件概率密度。
5.根据权利要求4所述的地震岩相预测方法,其中,所述核函数为高斯核函数:
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msqrt>
<mrow>
<mn>2</mn>
<msubsup>
<mi>&pi;&sigma;</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,xk表示编号为k的弹性参数的随机值,ci表示编号为i的岩相,uci和σci表示均值和方差,通过调整uci和σci来确定所述条件概率分布。
6.一种基于朴素贝叶斯分类的地震岩相预测装置,该装置包括:
测井分析单元,用于基于研究区地质沉积特点和测井曲线特征,确定岩相划分方案,并通过测井交汇和统计分析从多种弹性参数中选择对岩相特征敏感的一个或多个弹性参数;
概率确定单元,用于基于测井的所述岩相特征和所述一个或多个弹性参数进行朴素贝叶斯分类统计,以确定在各种岩相特征下的所述一个或多个弹性参数的条件概率分布;
工区分析单元,用于基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数;
工区岩相预测单元,用于基于所述条件概率分布和待预测工区的所述一个或多个弹性参数,得到待预测工区的岩相的空间分布。
7.根据权利要求6所述的地震岩相预测装置,该装置还包括:
不确定性分析单元,用于基于所述条件概率分布得到岩相概率数据体,以定量评估预测结果的不确定性。
8.根据权利要求6所述的地震岩相预测装置,其中,在所述工区分析单元中,基于待预测工区叠前地震分角度叠加数据反演得到待预测工区的所述一个或多个弹性参数包括:
输入多个不同角度叠加的地震数据和对应子波,给出纵波阻抗、横波阻抗和密度的纵向变化趋势及横向约束范围,然后选择基于Aki-Richards公式的AVA模拟方法进行叠前同时反演,得到纵波阻抗数据体、横波阻抗数据体和纵横波速度比数据体、密度数据体,再基于反演结果计算所述一个或多个弹性参数中的其他弹性参数。
9.根据权利要求6所述的地震岩相预测装置,其中,在所述概率确定单元中,采用核函数表示所述条件概率密度。
10.根据权利要求9所述的地震岩相预测装置,其中,所述核函数为高斯核函数:
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msqrt>
<mrow>
<mn>2</mn>
<msubsup>
<mi>&pi;&sigma;</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,xk表示编号为k的弹性参数的随机值,ci表示编号为i的岩相,uci和σci表示均值和方差,在所述概率确定单元中,通过调整uci和σci来确定所述条件概率分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610391119.5A CN107462927A (zh) | 2016-06-03 | 2016-06-03 | 基于朴素贝叶斯分类的地震岩相预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610391119.5A CN107462927A (zh) | 2016-06-03 | 2016-06-03 | 基于朴素贝叶斯分类的地震岩相预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107462927A true CN107462927A (zh) | 2017-12-12 |
Family
ID=60545785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610391119.5A Pending CN107462927A (zh) | 2016-06-03 | 2016-06-03 | 基于朴素贝叶斯分类的地震岩相预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107462927A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110175721A (zh) * | 2019-05-30 | 2019-08-27 | 长江大学 | 一种基于贝叶斯统计预测的潜力凹陷定量优选方法及*** |
CN110609327A (zh) * | 2018-06-14 | 2019-12-24 | 中国石油化工股份有限公司 | 基于叠前地震属性的碳酸盐岩储集相预测方法及装置 |
CN111832636A (zh) * | 2020-06-30 | 2020-10-27 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
CN112649867A (zh) * | 2019-10-12 | 2021-04-13 | 中国石油化工股份有限公司 | 虚拟井构建方法及*** |
CN114185090A (zh) * | 2020-09-15 | 2022-03-15 | 中国石油化工股份有限公司 | 岩相和弹性参数同步反演方法、装置、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100017132A1 (en) * | 2008-07-18 | 2010-01-21 | Bhp Billiton Innovation Pty Ltd | Method for evaluating measured electromagnetic data relating to a subsurface region |
US20110292764A1 (en) * | 2010-04-13 | 2011-12-01 | Spectraseis Ag | Bayesian DHI for Seismic Data |
CN103176211A (zh) * | 2013-03-07 | 2013-06-26 | 中国石油集团东方地球物理勘探有限责任公司 | 基于多敏感弹性参数的含气储层预测方法及装置 |
CN104297785A (zh) * | 2014-09-29 | 2015-01-21 | 中国石油天然气股份有限公司 | 岩相约束储层物性参数反演方法及装置 |
CN104749624A (zh) * | 2015-03-03 | 2015-07-01 | 中国石油大学(北京) | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
CN105044770A (zh) * | 2015-07-06 | 2015-11-11 | 成都理工大学 | 致密砂砾岩气藏储层定量预测方法 |
-
2016
- 2016-06-03 CN CN201610391119.5A patent/CN107462927A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100017132A1 (en) * | 2008-07-18 | 2010-01-21 | Bhp Billiton Innovation Pty Ltd | Method for evaluating measured electromagnetic data relating to a subsurface region |
US20110292764A1 (en) * | 2010-04-13 | 2011-12-01 | Spectraseis Ag | Bayesian DHI for Seismic Data |
CN103176211A (zh) * | 2013-03-07 | 2013-06-26 | 中国石油集团东方地球物理勘探有限责任公司 | 基于多敏感弹性参数的含气储层预测方法及装置 |
CN104297785A (zh) * | 2014-09-29 | 2015-01-21 | 中国石油天然气股份有限公司 | 岩相约束储层物性参数反演方法及装置 |
CN104749624A (zh) * | 2015-03-03 | 2015-07-01 | 中国石油大学(北京) | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
CN105044770A (zh) * | 2015-07-06 | 2015-11-11 | 成都理工大学 | 致密砂砾岩气藏储层定量预测方法 |
Non-Patent Citations (3)
Title |
---|
胡华锋: "基于叠前道集的储层参数反演方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
袁成等: "地震岩相识别概率表征方法", 《地球物理学报》 * |
袁成等: "基于概率统计的地震岩相识别不确定性定量评价方法", 《地球物理学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110609327A (zh) * | 2018-06-14 | 2019-12-24 | 中国石油化工股份有限公司 | 基于叠前地震属性的碳酸盐岩储集相预测方法及装置 |
CN110609327B (zh) * | 2018-06-14 | 2021-04-27 | 中国石油化工股份有限公司 | 基于叠前地震属性的碳酸盐岩储集相预测方法及装置 |
CN110175721A (zh) * | 2019-05-30 | 2019-08-27 | 长江大学 | 一种基于贝叶斯统计预测的潜力凹陷定量优选方法及*** |
CN112649867A (zh) * | 2019-10-12 | 2021-04-13 | 中国石油化工股份有限公司 | 虚拟井构建方法及*** |
CN112649867B (zh) * | 2019-10-12 | 2024-04-09 | 中国石油化工股份有限公司 | 虚拟井构建方法及*** |
CN111832636A (zh) * | 2020-06-30 | 2020-10-27 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
CN111832636B (zh) * | 2020-06-30 | 2024-04-12 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
CN114185090A (zh) * | 2020-09-15 | 2022-03-15 | 中国石油化工股份有限公司 | 岩相和弹性参数同步反演方法、装置、电子设备及介质 |
CN114185090B (zh) * | 2020-09-15 | 2024-04-05 | 中国石油化工股份有限公司 | 岩相和弹性参数同步反演方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107462927A (zh) | 基于朴素贝叶斯分类的地震岩相预测方法和装置 | |
US10983233B2 (en) | Method for dynamic calibration and simultaneous closed-loop inversion of simulation models of fractured reservoirs | |
Thompson et al. | Impediments to predicting site response: Seismic property estimation and modeling simplifications | |
Spikes et al. | Probabilistic seismic inversion based on rock-physics models | |
US9355070B2 (en) | System and method of using spatially independent subsets of data to determine the uncertainty of soft-data debiasing of property distributions for spatially correlated reservoir data | |
CN106556867B (zh) | 基于贝叶斯分类的相控孔隙度反演方法 | |
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 | |
Khodaverdian et al. | Seismicity parameters and spatially smoothed seismicity model for Iran | |
Downton et al. | Theory-guided data science-based reservoir prediction of a North Sea oil field | |
CN107203005A (zh) | 一种定量化计算裂缝描述参数的方法 | |
US10386512B2 (en) | System and method for petro-elastic modeling | |
CN105158796A (zh) | 确定toc含量的方法和装置 | |
Hallo et al. | Joint multizonal transdimensional Bayesian inversion of surface wave dispersion and ellipticity curves for local near-surface imaging | |
CN103760600A (zh) | 一种含气饱和度反演方法 | |
Sherman et al. | Parameterizing the spatial Markov model from breakthrough curve data alone | |
Zhang et al. | Prediction of shear wave velocity based on a statistical rock-physics model and Bayesian theory | |
Golsanami et al. | Synthesis of capillary pressure curves from post-stack seismic data with the use of intelligent estimators: a case study from the Iranian part of the South Pars gas field, Persian Gulf Basin | |
Guartán et al. | Regionalized classification of geochemical data with filtering of measurement noises for predictive lithological mapping | |
Shi et al. | Prediction of shear wave velocity using machine learning technique, multiple regression and well logs | |
Maffioletti et al. | Changing scale and domain of a petrophysical and elastic properties based log-facies classification | |
Rezaee et al. | Integration of multiple soft data sets in MPS thru multinomial logistic regression: a case study of gas hydrates | |
Alameedy et al. | Predicting dynamic shear wave slowness from well logs using machine learning methods in the Mishrif Reservoir, Iraq | |
Barman et al. | Fractured reservoir characterization using streamline-based inverse modeling and artificial intelligence tools | |
Wu et al. | Effective parametrization for reliable reservoir performance predictions | |
Qian et al. | A rock physics driven Bayesian inversion for TOC in the Fuling shale gas reservoir |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171212 |
|
RJ01 | Rejection of invention patent application after publication |