CN111596364B - 基于高精度层序地层格架的地震沉积微相组合分析方法 - Google Patents
基于高精度层序地层格架的地震沉积微相组合分析方法 Download PDFInfo
- Publication number
- CN111596364B CN111596364B CN202010428198.9A CN202010428198A CN111596364B CN 111596364 B CN111596364 B CN 111596364B CN 202010428198 A CN202010428198 A CN 202010428198A CN 111596364 B CN111596364 B CN 111596364B
- Authority
- CN
- China
- Prior art keywords
- seismic
- sand
- amplitude
- microphase
- layer sequence
- 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
Images
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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
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
本发明实施例公开了基于高精度层序地层格架的地震沉积微相组合分析方法,包括如下步骤:选取典型区域,划分高精度层序以及确定建立地质模型所需的数据样本点;在高精度层序地层的格架下确定砂体特征与地球物理响应之间的联系;在所述典型区域内基于连井砂体的解释结果建立二维地质模型;对二维地质模型的地震数据进行正演,并对砂体的边界进行正演模拟分析;对定量化预测出的砂岩结合平面沉积环境的成因解释得到地震微相组合分析结果;本发明通过以定量化或半定量化的方式计算砂体发育的特征,并且将其与地震数据对应起来建立地质模型,从而在高精度层序地层格架下得到地震微相组合分析的结果。
Description
技术领域
本发明实施例涉及地震数据分析技术领域,具体涉及基于高精度层序地层格架的地震沉积微相组合分析方法。
背景技术
在陆源碎屑岩为主的沉积盆地的岩性地层圈闭勘探中,对于在无井或少井的条件下,人们迫切需要地层、沉积相研究的精细化。在体系域内以沉积亚相为单位的沉积相图已不能满足勘探的需要,当前对沉积微相编图的呼声越来越高。但是传统意义上的沉积微相只能是在准层序(小层)内用几百米的密集开发井网来刻画,这在勘探阶段是不可能实现的。在勘探阶段的主要手段是基于地震资料的分析,但是在地震资料上对于沉积微相一般无法识别,因此沉积微相研究在勘探中往往并不能起到实际指导作用。
目前广泛采用的地震储层预测技术为填补这一缺口提供了基础。利用地震属性可以划分出各种地震相类型。它们与一定的岩石组合相对应,显然代表了某种特定的沉积相单元。地震储层预测技术所能分辨的最小地层单元大致与与1/2波长或半个同相轴相对应,介于准层序和层序组之间。从这种地震相的平面分布范围来看,大体上介于亚相和微相之间。显然,如果可以对这种地震相单元给以确切的沉积学意义,理顺其与沉积亚相和沉积微相的关系,就可以在沉积学理论中增添一个沉积相的级别,它具有明确的沉积学意义,又可以充分地满足油气勘探的需要。在当前技术条件下,对于这个级别目前还没有严密的理论,暂且可称之为“地震沉积微相组合”。
发明内容
为此,本发明实施例提供基于高精度层序地层格架的地震沉积微相组合分析方法,以解决现有技术中在地震资料上无法识别沉积微相导致沉积微相无法有效指导勘探的问题。
为了实现上述目的,本发明的实施方式提供如下技术方案:
基于高精度层序地层格架的地震沉积微相组合分析方法,包括如下步骤:
步骤100、选取典型区域,对钻井的沉积微相和储层特征进行分析,并划分高精度层序地层以及确定建立地质模型所需的数据样本点;
步骤200、在高精度层序地层的格架下确定砂体特征与地球物理响应之间的联系,并定量化分析含砂率和振幅的关系;
步骤300、在所述典型区域内基于连井砂体的解释结果建立二维地质模型;
步骤400、对二维地质模型的地震数据进行正演,并对砂体的边界进行正演模拟分析,以定量或半定量的方式确定砂体的空间分布和砂体发育的真实边界;
步骤500、以含砂率与振幅的定量关系为基础进行对均方根振幅切片进行砂岩定量化计算,对定量化预测出的砂岩结合平面沉积环境的成因解释得到地震微相组合分析结果。
作为本发明的一种优选方案,在步骤100中,高精度层序划分以及建立地质模型数据样本点确认的具体步骤为:
步骤101、在现有三级层序及其体系域级别的层序地层划分和对比的基础上,以经典层序地层学原理作为指导并采用井震结合的方法在指定的目标区域内划分准层序组;
步骤102、以划分的准层序组作为依据建立准层序组级别的高精度层序地层格架,并按照地层叠置样式的差异对进积型、加积型和退积型三种类型的准层序组进行分类;
步骤103、以准层序组为地层基本单元,将位于研究区内所有钻井的准层序组划分的个数总和作为数据样本点。
作为本发明的一种优选方案,在步骤102中,在高精度层序地层的划分结果下识别不同准层序组对应的岩相特征组合以及可能存在的沉积微相类型。
作为本发明的一种优选方案,在高精度层序地层格架下选择不同方向过钻井的二维测线,在所述二维测线上结合地震反射特征和钻井岩性以及沉积相的识别勾绘出砂体发育的纵向分布模式;
二维测线的方向和数量为顺着沉积体系物源方向和垂直物源方向各2-3条。
作为本发明的一种优选方案,在选定的二维测线上,基于钻井取芯获得的砂岩储层物性数据以及薄片观察鉴定的结果划分不同沉积微相对应砂岩储集条件的优劣。
作为本发明的一种优选方案,在步骤200中建立砂体特征与地球物理响应之间联系并进行定量化分析的具体步骤为:
步骤201、统计所选取数据样本点对应的准层序组厚度以及准层序组内砂岩的累计厚度,并基于统计结果分别计算每个数据样本点砂岩的百分含量;
步骤202、基于高精度层序地层的划分和沉积微相以及储层特征的分析结果建立所述典型区域内各钻井准层序组-岩性组合-沉积微相-储层之间的关系,并依据所属关系建立一维地质模型;
步骤203、对一维地质模型的地震数据进行正演和振幅归一化处理,建立含砂率和振幅的定量关系,振幅以均方根振幅表示:
式中:RMS为振幅,N是分析时窗内地震波按照2ms采样间隔所得到的样点总数,ai为同一地震道每个样点位置的振幅值;
步骤204、通过对不同岩相的沉积微相的分析、多个数据样本点含砂率和振幅的统计计算,对数据样本点含砂率和振幅的散点数据进行回归分析,建立含砂率和均方根振幅的定量关系和数学模型;
其中,含砂率低于60%时:
振幅与含砂率之间具有幂函数的关系:RMS=a×Rsz,式中RMS为振幅,Rs是含砂率,z为经验系数,a为常数;
一半以上数据样本点的含砂率超过60%时:
振幅与含砂率之间具有二次方函数的关系:RMS=a×Rs2+b×Rs+c,式中RMS为振幅,Rs是含砂率,a、b、c为常数。
作为本发明的一种优选方案,在步骤203中对一维地质模型进行地震正演处理具体步骤为:
对每个数据样本点分别确定所对应的子波主频;
通过已有地质模型中的砂泥岩波阻抗计算出反射系数,并分别与确定的所述子波主频进行褶积得到模型地震道;
依据不同数据样本点所对应的岩相组合和沉积微相,在对正演获得的模型地震道进行归一化的基础上,解释出不同类型准层序组中不同沉积微相因岩相组合不同形成的不同地震振幅特征。
作为本发明的一种优选方案,在步骤400中,对二维地质模型的地震数据进行正演和对砂体的边界进行正演模拟分析的具体方法为:
在所述典型区域内分析其砂体展布特征并且统计分析与砂体对应的岩性特征;
设计与实际地质情况相吻合的地质模型,采用波动方程法进行模拟,得到砂体的地质-地球物理的响应模型,并将模拟的结果与实际结果进行对比,根据对比结果不断修改响应模型的参数,使模拟结果与实际地震剖面相吻合,进而得到各类成因砂体在不同地质背景下的地球物理响应模型。
作为本发明的一种优选方案,在步骤500中对砂岩定量化预测和沉积成因解释的具体步骤为:
根据准层序组的划分结果,在指定目标区三维地震精细层位追踪的基础上提取地震均方根振幅;
利用含砂率-均方根振幅定量关系解释对均方根振幅进行砂岩解释;
结合各钻井准层序组-岩性组合-沉积微相-储层之间的关系,对预测砂岩进行沉积微相或沉积微相组合解释和平面划分。
作为本发明的一种优选方案,还包括对砂体定量预测与地震沉积微相解释的误差分析,其具体方法为:
在地震数据中,分别测量了多个数据样本点位置的地震地震振幅,计算地震振幅对应的预测含砂率;
模型振幅与地震振幅、钻井实测的含砂率与预测含砂率分别进行散点投图,并根据散点投图计算模型振幅与地震振幅、实测的含砂率与预测含砂率之间的相关性。
本发明的实施方式具有如下优点:
本发明通过以定量化或半定量化的方式计算砂体发育的特征,并且将其与地震数据对应起来建立地质模型,从而在高精度层序地层格架下得到地震微相组合分析的结果,从而用于指导勘探。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施方式中的地震沉积微相组合分析方法流程图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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,本发明提供了基于高精度层序地层格架的地震沉积微相组合分析方法,包括如下步骤:
步骤100、选取典型区域,对钻井的沉积微相和储层特征进行分析,并划分高精度层序地层以及确定建立地质模型所需的数据样本点;
步骤200、在高精度层序地层的格架下确定砂体特征与地球物理响应之间的联系,并定量化分析含砂率和振幅的关系;
步骤300、在所述典型区域内基于连井砂体的解释结果建立二维地质模型;
步骤400、对二维地质模型的地震数据进行正演,并对砂体的边界进行正演模拟分析,以定量或半定量的方式确定砂体的空间分布和砂体发育的真实边界;
步骤500、以含砂率与振幅的定量关系为基础进行对均方根振幅切片进行砂岩定量化计算,对定量化预测出的砂岩结合平面沉积环境的成因解释得到地震微相组合分析结果。
为了更加清楚的说明上述技术方案,本实施方式将结合以下具体实施例做进一步的阐述。
一般所说的层序是指三级层序,其顶底以不整合面为界,但是随着油气高勘探开发程度的不断提高,三级层序已不能满足勘探开发实践的要求,需要在区域等时地层格架中,划分对比更高级次的层序地层单元,为隐蔽圈闭识别、精细储层描述以及渗流单元的划分提供时间分辨率更高的年代框架。
因此,在现有三级层序及其体系域级别的层序地层划分和对比的基础上,以经典层序地层学原理作为指导并采用井震结合的方法在指定的目标区域内划分准层序组。
以划分的准层序组作为依据建立准层序组级别的高精度层序地层格架,并按照地层叠置样式的差异对进积型、加积型和退积型三种类型的准层序组进行分类。
值得注意的是,高精度层序地层分析必须考虑井震结合,准层序组划分的合理性是后期开展等时成因砂体预测的基础。以准层序组为地层基本单元,将位于研究区内所有钻井的准层序组划分的个数总和作为数据样本点。
在高精度层序地层的划分结果下识别不同准层序组对应的岩相特征组合以及可能存在的沉积微相类型。比如分流河道、河口坝、远砂坝等等。沉积微相分析的主要目的在于通过微相特征类型的***研究和归类,构建不同类型的微相与准层序组类型-岩相组合特征-含砂率(含砂率)之间的内在联系,为砂岩沉积学的解释提供依据。
在高精度层序地层格架下选择不同方向过钻井的二维测线,在所述二维测线上结合地震反射特征和钻井岩性以及沉积相的识别勾绘出砂体发育的纵向分布模式。其中,二维测线的方向和数量为顺着沉积体系物源方向和垂直物源方向各2-3条。
在选定的二维测线上,基于钻井取芯获得的砂岩储层物性数据(比如孔隙度、渗透率)以及薄片观察鉴定的结果划分不同沉积微相对应砂岩储集条件的优劣。
统计所选取数据样本点对应的准层序组厚度以及准层序组内砂岩的累计厚度,并基于统计结果分别计算每个数据样本点砂岩的百分含量。在对砂岩累计厚度统计中,为了定量分析的需要,按照砂岩和泥岩两大类岩性来考虑和分类,即:粗砂岩、中细砂岩、粉砂岩、含砾砂岩和泥质粉砂岩统一归并为砂岩类,而泥岩和粉砂质泥岩则按泥岩来考虑。
基于高精度层序地层的划分和沉积微相以及储层特征的分析结果建立所述典型区域内各钻井准层序组-岩性组合-沉积微相-储层之间的关系,并依据所属关系建立一维地质模型;
对一维地质模型的地震数据进行正演和振幅归一化处理,建立含砂率和振幅的定量关系。
振幅以均方根振幅表示:
式中:RMS为振幅,N是分析时窗内地震波按照2ms采样间隔所得到的样点总数,ai为同一地震道每个样点位置的振幅值。
通过对不同岩相的沉积微相的分析、多个数据样本点含砂率和振幅的统计计算,对数据样本点含砂率和振幅的散点数据进行回归分析,建立含砂率和均方根振幅的定量关系和数学模型;
其中,含砂率普遍低于60%时:
振幅与含砂率之间具有幂函数的关系:RMS=a×Rsz,式中RMS为振幅,Rs是含砂率,z为经验系数,a为常数;
一半以上数据样本点的含砂率较超过60%时:
振幅与含砂率之间具有二次方函数的关系:RMS=a×Rs2+b×Rs+c,式中RMS为振幅,Rs是含砂率,a、b、c为常数。
在本实施方式中还需要进一步解释波阻抗:它是岩石密度和纵波速度的乘积,这意味着波阻抗是一种岩石特性,而不是象地震反射数据那样代表界面特性。波阻抗本身就是岩石的一种物性参数(波速与密度的乘积),对岩石性质的表述能力很强(如岩性、岩石的孔隙性和含烃饱和度等)。
在本实施例中,基于岩性统计的结果表明本地区岩性较为简单,发育类型为砂岩和泥岩。波阻抗的统计分析发现泥岩的阻抗明显低于砂岩,砂泥岩波阻抗可分且差异较大为本地区根据岩性-沉积微相类型进行正演并运用振幅预测砂体提供了理论基础。
在步骤203中对一维地质模型进行地震正演处理具体步骤为:
对每个数据样本点分别确定所对应的子波主频;
通过已有地质模型中的砂泥岩波阻抗计算出反射系数,并分别与确定的所述子波主频进行褶积得到模型地震道;
依据不同数据样本点所对应的岩相组合和沉积微相,在对正演获得的模型地震道进行归一化的基础上,解释出不同类型准层序组中不同沉积微相因岩相组合不同形成的不同地震振幅特征。
子波的主频主要是通过研究区所有钻井在目的层范围的频率范围来确定,通常用钻井地震合成记录标定获取主频范围。但是由于具体到某个研究区,因为地震子波主频是变化的,不同样点的主频可能存在差异,因此,在本体系中,分别对每个样点进行子波主频的确认,以期达到与真实地震反射接近的条件。
正演原理就是通过已有地质模型中砂泥岩波阻抗计算出反射系数,通过与获取的子波进行褶积得到模型地震道。在步骤400中,对二维地质模型的地震数据进行正演和对砂体的边界进行正演模拟分析的具体方法为:
在所述典型区域内分析其砂体展布特征并且统计分析与砂体对应的岩性特征;
设计与实际地质情况相吻合的地质模型,采用波动方程法进行模拟,得到砂体的地质-地球物理的响应模型,并将模拟的结果与实际结果进行对比,根据对比结果不断修改响应模型的参数,使模拟结果与实际地震剖面相吻合,进而得到各类成因砂体在不同地质背景下的地球物理响应模型。
岩性地层圈闭识别的核心和难点是侧向封堵性的识别。侧向封堵意味着砂体厚度尖灭0线的确定,这远远小于地震分辨率,几乎是不可能实现的,岩性地层圈闭识别的难度远远大于砂体预测。因此不难看出,隐蔽圈闭边界的刻画的主要任务就是判断砂体在地震剖面中的真正尖灭点。在现有分辨率条件下如何能更准确地确定岩性尖灭线是值得地震解释人员探讨的。
研究表明,当砂体厚度小于调谐厚度时,地震反射的振幅发生明显的变化,而相位和频率将不变。本实施方式利用砂体的楔形模型,并建立其正演地震记录,将地震道加载至工区并达到与该工区三维地震数据振幅统一,进一步读取不同砂体厚度位置对应的振幅值。因此,通过这个楔形模型及其对应的振幅关系可以为下一步重点地区砂体边界的刻画提供保障。在对实际工区砂体边界确定过程中,采用以下基本流程:
a***开展高精度层序地层格架下的成因砂体地质-地球物理模型建立,并开展重点地区目的层的地震-沉积微相组合分析,为圈闭边界刻画提供宏观指导。
b设置砂体发育的楔形模型,通过正演模拟建立研究目标砂体厚度与地震工区均方根振幅之间的定量关系。对于要开展地震沉积学分析的任务而言,在楔形正演模型中最好再做一个90度相位转移的正演地震数据,并对其进行定量关系的统计分析。
c在定量关系建立的基础上,开展地震目标区、目标砂体的地震精细解释。如果采用的是90度相位转移模型,首先应该对地震数据也进行90度相位转移。然后对转移地震数据开展目标砂体对应的地震同相轴逐道解释。
d在地震解释的基础上,进行地震属性(均方根振幅)提取,通过设置图标颜色确定砂体边界,属性提取时时窗选择根据研究区砂体发育的厚度进行估算。
在步骤500中对砂岩定量化预测和沉积成因解释的具体步骤为:
根据准层序组的划分结果,在指定目标区三维地震精细层位追踪的基础上提取地震均方根振幅;
振幅统计类地震属性包括均方根振幅、平均绝对振幅、最大峰值振幅、平均峰值振幅、最大谷值和峰值、绝对振幅能量、振幅总量、平均能量、能量总体、平均振幅、平均反射强度、平均瞬时频率、平均瞬时相位等。这些地震属性可以反映地层的岩性、地层层序变化、不整合、断层、流体变化、储层孔隙度变化等特征。
通过地震和钻井的综合分析,合成记录的精确标定,可以估算目标砂体在地震上的沉积厚度,选取不同的时窗提取属性。在地震上一般对应1/4~2/3个波长,地震时间大致为15ms~50ms,考虑到由于时间跨度较大不易选择提取时窗,还考虑到各准层序组内部的岩性组合及叠置样式,最后采用了上下准层序组界面之间的属性提取为最优。
均方根属性是通过计算地震道分析时窗内各采样点振幅的均方根值得到均方根振幅,由于均方根振幅是在平均之前先平方,所以它对振幅的变化是非常敏感的,尤其利于区别地震体中的异常体,因此在本实施方式中将利用均方根振幅属性分析砂体展布。
利用含砂率-均方根振幅定量关系解释对均方根振幅进行砂岩解释;
结合各钻井准层序组-岩性组合-沉积微相-储层之间的关系,对预测砂岩进行沉积微相或沉积微相组合解释和平面划分。
在本实施方式中还包括对砂体定量预测与地震沉积微相解释的误差分析,其具体方法为:
在地震数据中,分别测量了多个数据样本点位置的地震振幅,计算地震振幅对应的预测含砂率;
模型振幅与地震振幅、钻井实测的含砂率与预测含砂率分别进行散点投图,并根据散点投图计算模型振幅与地震振幅、实测的含砂率与预测含砂率之间的相关性。
检验结果如果具有宏观上明显的线性正相关关系,则充分说明,在类似的沉积背景的沉积建造中,以实际钻井中的岩相组合为地质模型的地震正演方法是可取的,通过正演所获取的模型振幅可以代表实际三维地震振幅,因此进一步通过实测含砂率-模型振幅关系式来对三维地震振幅切片做出含砂率和岩性的定量预测具有较高的可靠性。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,包括如下步骤:
步骤100、选取典型区域,对钻井的沉积微相和储层特征进行分析,并划分高精度层序地层以及确定建立地质模型所需的数据样本点;
在步骤100中,高精度层序划分以及建立地质模型数据样本点确认的具体步骤为:
步骤101、在现有三级层序及其体系域级别的层序地层划分和对比的基础上,以经典层序地层学原理作为指导并采用井震结合的方法在指定的目标区域内划分准层序组;
步骤102、以划分的准层序组作为依据建立准层序组级别的高精度层序地层格架,并按照地层叠置样式的差异对进积型、加积型和退积型三种类型的准层序组进行分类;在高精度层序地层的划分结果下识别不同准层序组对应的岩相特征组合以及可能存在的沉积微相类型;
步骤103、以准层序组为地层基本单元,将位于研究区内所有钻井的准层序组划分的个数总和作为数据样本点;
步骤200、在高精度层序地层的格架下确定砂体特征与地球物理响应之间的联系,并定量化分析含砂率和振幅的关系;
步骤300、在所述典型区域内基于连井砂体的解释结果建立二维地质模型;
步骤400、对二维地质模型的地震数据进行正演,并对砂体的边界进行正演模拟分析,以定量或半定量的方式确定砂体的空间分布和砂体发育的真实边界;
步骤500、以含砂率与振幅的定量关系为基础进行对均方根振幅切片进行砂岩定量化计算,对定量化预测出的砂岩结合平面沉积环境的成因解释得到地震微相组合分析结果。
2.根据权利要求1所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,在高精度层序地层格架下选择不同方向过钻井的二维测线,在所述二维测线上结合地震反射特征和钻井岩性以及沉积相的识别勾绘出砂体发育的纵向分布模式;
二维测线的方向和数量为顺着沉积体系物源方向和垂直物源方向各2-3条。
3.根据权利要求2所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,在选定的二维测线上,基于钻井取芯获得的砂岩储层物性数据以及薄片观察鉴定的结果划分不同沉积微相对应砂岩储集条件的优劣。
4.根据权利要求1所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,在步骤200中建立砂体特征与地球物理响应之间联系并进行定量化分析的具体步骤为:
步骤201、统计所选取数据样本点对应的准层序组厚度以及准层序组内砂岩的累计厚度,并基于统计结果分别计算每个数据样本点砂岩的百分含量;
步骤202、基于高精度层序地层的划分和沉积微相以及储层特征的分析结果建立所述典型区域内各钻井准层序组-岩性组合-沉积微相-储层之间的关系,并依据所属关系建立一维地质模型;
步骤203、对一维地质模型的地震数据进行正演和振幅归一化处理,建立含砂率和振幅的定量关系,振幅以均方根振幅表示:
式中:RMS为振幅,N是分析时窗内地震波按照2ms采样间隔所得到的样点总数,ai为同一地震道每个样点位置的振幅值;
步骤204、通过对不同岩相沉积微相的分析、多个数据样本点含砂率和振幅的统计计算,对数据样本点含砂率和振幅的散点数据进行回归分析,建立含砂率和均方根振幅的定量关系和数学模型;
其中,含砂率低于60%时:
振幅与含砂率之间具有幂函数的关系:RMS=a×Rsz,式中RMS为振幅,Rs是含砂率,z为经验系数,a为常数;
一半以上数据样本点的含砂率超过60%时:
振幅与含砂率之间具有二次方函数的关系:RMS=a×Rs2+b×Rs+c,式中RMS为振幅,Rs是含砂率,a、b、c为常数。
5.根据权利要求4所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,在步骤203中对一维地质模型进行地震正演处理具体步骤为:
对每个数据样本点分别确定所对应的子波主频;
通过已有地质模型中的砂泥岩波阻抗计算出反射系数,并分别与确定的所述子波主频进行褶积得到模型地震道;
依据不同数据样本点所对应的岩相组合和沉积微相,在对正演获得的模型地震道进行归一化的基础上,解释出不同类型准层序组中不同沉积微相因岩相组合不同形成的不同地震振幅特征。
6.根据权利要求1所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,在步骤400中,对二维地质模型的地震数据进行正演和对砂体的边界进行正演模拟分析的具体方法为:
在所述典型区域内分析其砂体展布特征并且统计分析与砂体对应的岩性特征;
设计与实际地质情况相吻合的地质模型,采用波动方程法进行模拟,得到砂体的地质-地球物理的响应模型,并将模拟的结果与实际结果进行对比,根据对比结果不断修改响应模型的参数,使模拟结果与实际地震剖面相吻合,进而得到各类成因砂体在不同地质背景下的地球物理响应模型。
7.根据权利要求1所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,在步骤500中对砂岩定量化预测和沉积成因解释的具体步骤为:
根据准层序组的划分结果,在指定目标区三维地震精细层位追踪的基础上提取地震均方根振幅;
利用含砂率-均方根振幅定量关系解释对均方根振幅进行砂岩解释;
结合各钻井准层序组-岩性组合-沉积微相-储层之间的关系,对预测砂岩进行沉积微相或沉积微相组合解释和平面划分。
8.根据权利要求1所述的基于高精度层序地层格架的地震沉积微相组合分析方法,其特征在于,还包括对砂体定量预测与地震沉积微相解释的误差分析,其具体方法为:
在地震数据中,分别测量了多个数据样本点位置的地震振幅,计算地震振幅对应的预测含砂率;
模型振幅与地震振幅、钻井实测的含砂率与预测含砂率分别进行散点投图,并根据散点投图计算模型振幅与地震振幅、实测的含砂率与预测含砂率之间的相关性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010428198.9A CN111596364B (zh) | 2020-05-20 | 2020-05-20 | 基于高精度层序地层格架的地震沉积微相组合分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010428198.9A CN111596364B (zh) | 2020-05-20 | 2020-05-20 | 基于高精度层序地层格架的地震沉积微相组合分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111596364A CN111596364A (zh) | 2020-08-28 |
CN111596364B true CN111596364B (zh) | 2023-06-13 |
Family
ID=72185931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010428198.9A Active CN111596364B (zh) | 2020-05-20 | 2020-05-20 | 基于高精度层序地层格架的地震沉积微相组合分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111596364B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505753B (zh) * | 2020-10-23 | 2021-11-02 | 中国石油集团工程咨询有限责任公司 | 一种地震驱动的高精度层序格架模型构建方法 |
CN114624776B (zh) * | 2020-12-14 | 2024-03-19 | 中国石油化工股份有限公司 | 断层胶结带影响断层地震响应特征变化的定量分析方法 |
CN113253349B (zh) * | 2021-05-10 | 2022-03-01 | 中国科学院地质与地球物理研究所 | 一种山前挠曲盆地碎屑岩储层时空演化分析方法 |
CN113295849B (zh) * | 2021-05-21 | 2022-12-13 | 新疆大学 | 一种通过沉积体系分布样式确定陆相湖盆古风向的方法 |
CN113419274B (zh) * | 2021-06-21 | 2022-03-01 | 大庆油田有限责任公司 | 基于高精度层序格架模型的三维地震切片属性体提取方法 |
CN113985493B (zh) * | 2021-11-05 | 2023-11-03 | 西南石油大学 | 地下多信息约束的等时地层格架智能建模方法 |
US11852768B2 (en) | 2021-11-19 | 2023-12-26 | Saudi Arabian Oil Company | Multimodal approach to target stratigraphic plays through seismic sequence stratigraphy, rock physics, seismic inversion and machine learning |
CN116047602B (zh) * | 2023-01-16 | 2024-01-12 | 中国海洋大学 | 基于生烃数值模拟的ii型水合物饱和度预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
CN103217714A (zh) * | 2013-03-26 | 2013-07-24 | 中国石油大学(华东) | 基于频率-尺度匹配的地震沉积学解释方法 |
CN108680951A (zh) * | 2018-03-22 | 2018-10-19 | 中国地质大学(北京) | 一种基于地震信息判断煤层气富集沉积控制作用的方法 |
CN109324171A (zh) * | 2018-11-15 | 2019-02-12 | 中国海洋石油集团有限公司 | 一种基于岩性统计的沉积相定量识别方法 |
-
2020
- 2020-05-20 CN CN202010428198.9A patent/CN111596364B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
CN103217714A (zh) * | 2013-03-26 | 2013-07-24 | 中国石油大学(华东) | 基于频率-尺度匹配的地震沉积学解释方法 |
CN108680951A (zh) * | 2018-03-22 | 2018-10-19 | 中国地质大学(北京) | 一种基于地震信息判断煤层气富集沉积控制作用的方法 |
CN109324171A (zh) * | 2018-11-15 | 2019-02-12 | 中国海洋石油集团有限公司 | 一种基于岩性统计的沉积相定量识别方法 |
Non-Patent Citations (4)
Title |
---|
地震储层预测技术在砂体精细刻画中的应用;马波等;《内蒙古石油化工》;20161231;第112-119页 * |
坳陷湖盆缓坡层序地层学研究与岩性地层圈闭有利区带预测 ——以准噶尔盆地腹部石南地区为例;黄兴文等;《中国知网》;20060815;正文第62-63页 * |
多区三维地震资料在沉积体系研究中的应用――以准噶尔盆地腹部陆西地区为例;岳云雷;《科技创新导报》;20110821(第24期);全文 * |
平面沉积相联合编图原理、方法及应用――以准噶尔盆地陆西地区为例;冯动军;《内蒙古石油化工》;20091215(第23期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111596364A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596364B (zh) | 基于高精度层序地层格架的地震沉积微相组合分析方法 | |
JP3390445B2 (ja) | 地質学的特性を推定するために統計学的較正技術を使用する地震トレース解析方法 | |
US20080162093A1 (en) | Method of constructing a geological model of a subsoil formation constrained by seismic data | |
Grana et al. | Seismic driven probabilistic classification of reservoir facies for static reservoir modelling: a case history in the Barents Sea | |
US20220291418A1 (en) | An integrated geomechanics model for predicting hydrocarbon and migration pathways | |
Bashore et al. | Importance of a geological framework and seismic data integration for reservoir modeling and subsequent fluid-flow predictions | |
Kianoush et al. | Compressional and shear interval velocity modeling to determine formation pressures in an oilfield of SW Iran | |
CN114994758B (zh) | 碳酸盐岩断控储层的波阻抗提取与结构表征方法和*** | |
White et al. | Sedimentology, statistics, and flow behavior for a tide-influenced deltaic sandstone, Frontier Formation, Wyoming, United States | |
CN112505754B (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
Yasin et al. | Seismic characterization of geologically complex geothermal reservoirs by combining structure-oriented filtering and attributes analysis | |
CN111077578B (zh) | 岩层分布预测方法和装置 | |
CN110727027B (zh) | 多期次河道砂的精细刻画方法 | |
CN116068663A (zh) | 基于磁震联合低频建模的火成岩波阻抗反演方法 | |
CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
Al-Khazraji | Depth prediction by using various velocity models of Khasib Reservoir in East Baghdad field, Iraq | |
CN113806674A (zh) | 古河道纵向尺度的量化方法、装置、电子设备及存储介质 | |
CN113759419B (zh) | 一种储层预测方法、装置、存储介质及电子设备 | |
Alam | Estimation of reservoir heterogeneity from the depositional environment in reservoir characterization of a CHOPS Field | |
Arzuman | Comparison of geostatistics and artificial neural networks in reservoir property estimation | |
Hidayat et al. | The Pematang Group Sand Analysis Using Growing Neural Network Machine Learning | |
Adlakha | Fracture analysis and modelling of the South Arne field | |
Chuai et al. | Applications of texture attribute analysis to seismic interpretation | |
Ma et al. | Constructing 3D Model Framework and Change of Support in Data Mapping | |
Owen | " Reservoir Characterization and Performance Analysis Using Type Curves: A Case Study from South-Eastern Bangladesh |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |