CN112346117A - 一种基于地震属性融合的储层特征预测方法和装置 - Google Patents
一种基于地震属性融合的储层特征预测方法和装置 Download PDFInfo
- Publication number
- CN112346117A CN112346117A CN201910733009.6A CN201910733009A CN112346117A CN 112346117 A CN112346117 A CN 112346117A CN 201910733009 A CN201910733009 A CN 201910733009A CN 112346117 A CN112346117 A CN 112346117A
- Authority
- CN
- China
- Prior art keywords
- attribute
- reservoir characteristic
- sensitive
- value
- reservoir
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010586 diagram Methods 0.000 claims abstract description 60
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000010606 normalization Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000035945 sensitivity Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 description 17
- 230000008901 benefit Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
-
- 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)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于地震属性融合的储层特征预测方法和装置,其中,该方法包括以下步骤:获取多个敏感属性平面图以及各井点处的储层特征值;对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间;在每个储层特征值域区间内选择多个样本井,对每一敏感属性平面图中的数据进行归一化计算;根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取区域敏感属性平面图;将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;将属性融合后的网格点图转换为融合属性平面图,对储层特征进行预测。该方案可以提高储层预测的精度。
Description
技术领域
本发明涉及地球物理勘探技术领域,特别涉及一种基于地震属性融合的储层特征预测方法和装置。
背景技术
在地球物理研究工作中,利用地震属性开展储层预测,是地球物理工作者认识地下地质情况的主要手段之一,但是地震属性包含大量的储层信息,而储层特性又与多种地震属性有关,要想弄清楚这种复杂的多解性关系,仅靠单一地震属性往往不能正确预测储层。近年来,随着地震属性在储层预测方面的广泛应用,地震多属性融合逐渐成为一种新兴的属性分析方法。
目前,比较常见的属性融合方法包括:RGB属性融合、聚类分析属性融合、多元线性回归属性融合、井属性融合、基于模糊逻辑的属性融合等,这些方法归根结底就是将多个属性经过一定的数学运算从而融合在一起,使融合属性能最大限度反映每种属性对储层的响应优势,降低储层预测多解性。但是,这些方法均将每种属性对储层响应不敏感的区域纳入融合运算过程,不敏感区域参与属性融合会降低储层预测的精度。
发明内容
本发明实施例提供一种基于地震属性融合的储层特征预测方法,解决了现有的融合方法中将每种属性对储层响应不敏感的区域纳入融合运算过程,导致降低储层预测的精度的技术问题,该方法包括:
获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域;
对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算;
根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用来对储层特征进行预测。
本发明还提供一种基于地震属性融合的储层特征预测装置,解决了现有的融合方法中将每种属性对储层响应不敏感的区域纳入融合运算过程,导致降低储层预测的精度的技术问题,该装置包括:
数据获取模块,用于获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域;
储层特征值区间划分模块,用于对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
归一化计算模块,用于在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算;
区域敏感属性提取模块,用于根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
属性融合模块,用于将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
储层特征预测模块,用于将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用于对储层特征进行预测。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下方法:
获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域;
对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算;
根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用来对储层特征进行预测。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行如下方法的计算机程序:
获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域;
对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算;
根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用来对储层特征进行预测。
本发明实施例通过计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,提取了最能反映储层特征的区域敏感属性参与属性融合;建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算,将敏感属性值的量纲转换为储层特征值的量纲,便于属性融合;将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合,降低了直接融合引发的边界效应,最大程度的保留了有效数据,这样基于融合后的敏感属性进行储层特征预测,可以提高储层预测的精度。
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的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中基于地震属性融合的储层特征预测方法示意图;
图2为本发明实施例中测井区的井点分布图;
图3为本发明实施例中敏感属性1平面图;
图4为本发明实施例中敏感属性2平面图;
图5为本发明实施例中各井点敏感属性1属性值与储层特征值的散点图;
图6为本发明实施例中各井点敏感属性2属性值与储层特征值的散点图;
图7为本发明实施例中区域敏感属性1平面图;
图8为本发明实施例中区域敏感属性2平面图;
图9为本发明实施例中区域敏感属性1的网格点图;
图10为本发明实施例中区域敏感属性2的网格点图;
图11为本发明实施例中融合属性的网格点图;
图12为本发明实施例中融合属性平面图;
图13为本发明实施例中储层特征预测结果的绝对误差统计图;
图14为本发明实施例中储层特征预测结果的相对误差统计图;
图15为本发明实施例中基于地震属性融合的储层特征预测装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
为了提取每种地震属性对储层响应最敏感的区域参与融合运算,最大限度发挥每种属性的优势,从而提高储层的预测精度,本发明实施例提供一种基于地震属性融合的储层特征预测方法,如图1所示,该方法可以包括:
步骤101:获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域;
步骤102:对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
步骤103:在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算;
步骤104:根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
步骤105:将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
步骤106:将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用来对储层特征进行预测。
具体实施时,步骤101中,储层特征是指具有连通孔隙、允许油气在其中储存和渗滤的岩层的某些储集特征,储层特征可以是储层厚度、储层孔隙度、储层渗透率或其他特征;地震属性平面图是指在三维地震数据体上沿地层层位或等时切片提取的地震属性图,它是定量地震相分析和储层预测的重要参数;对于每一井点,存在多种地震属性,敏感属性是指在多种地震属性中优选出能反映储层特征的几种地震属性。敏感属性的获取方法为:获取测井区各井点处的多个地震属性值和储层特征值;根据多个地震属性值和储层特征值,逐井点计算任一地震属性的相关斜率值;将各井点处任一地震属性的相关斜率值的值域等间隔划分,确定各值域区间内的井点数;根据各值域区间内的井点数确定值域区间的门槛值,筛选主要值域区间并获取主要值域区间内的井点数,主要值域区间是指,值域区间的下限大于或等于该门槛值的所有值域区间;计算主要值域区间内井点处的任一地震属性值和储层特征值的相关系数;根据相关系数和主要值域区间内的井点数,判断任一地震属性是否为敏感属性。
具体实施时,步骤102中,相关系数可以表示地震属性值和储层特征值的关联程度,相关系数的绝对值越接近于1,表明两者的相关程度越高,相关系数的绝对值越接近于0,表明两者的相关程度越低;给定值可以通过实验数据或实际情况得出。
具体实施时,步骤103中,由于各敏感属性的值域范围差异很大,一般情况下不在一个量纲内,而储层特征值属于一个量纲,通过等效方程组的求解,可以将各敏感属性归一化为成储层特征值,以便进行属性融合。
实施例中,样本井在储层特征值域区间内均匀分布,样本井的井数大于敏感属性的总数且小于等于敏感属性总数的两倍。
实施例中,按照如下方式建立样本井点处的敏感属性值与储层特征值的等效关系:
其中:n为样本井点个数;a1、a2、…、an为各样本井点的敏感属性值;t1、t2、…、tn为各样本井点的储层特征值;A,B分别为待求的归一化参数。
具体实施时,步骤105中,属性融合是指,通过数学运算将反映任一储层特征的多种属性,合并为一种融合属性,使得融合属性能最大程度的反映储层特征。在理想情况下,将区域敏感属性图进行直接拼接,即可实现属性融合。但是由于不同区域敏感属性之间很难是线性关系,将区域敏感属性图直接拼接时会产生边界效应,即在区域的边界附近有些区域位置会重合,有些区域位置因不重合会形成空白,因此需要将多个区域敏感属性平面图转换为网格点图,再进行属性融合,利用Petrel软件可以将敏感属性平面图转换网格点图。网格点数据是离散的,它有n行数据,每行数据由x坐标、y坐标和z坐标组成,其中:n为网格点的总数,x、y是网格点的平面位置,z是敏感属性值,网格点数据可以看作是一个n行、3列的数组,用数学表现方式为:xq,yq,zq,(q=1,2,…,n)。
实施例中,按照如下方式对所有网格点进行属性融合:
将各区域敏感属性的网格点个数从多到少进行排序,依次标记为属性1、属性2、属性3......属性x,x为区域敏感属性的总数;
对于属性1和属性2中网格点位置重合的点,按照公式(1)进行属性融合:
其中:mx,my,mz为属性融合后网格点的横坐标、纵坐标和属性值;x1,y1,z1为属性1的网格点的横坐标、纵坐标和属性值;x2,y2,z2为属性2的网格点的横坐标、纵坐标和属性值;n1为属性1的网格点个数;n2为属性2的网格个数;p为属性1和属性2中网格点位置重合的点数;
对于属性1和属性2中网格点位置不重合的点,按照公式(2)、(3)进行属性融合:
将公式(1)、(2)、(3)中得到的融合后的网格点作为属性1,将属性3作为属性2,重复迭代,直到所有的属性都完成融合。
对于属性1和属性2中网格点位置重合的点,根据实际情况选择需要保留的属性,本实施例中默认保留属性2的网格点,对于属性1和属性2中网格点位置不重合的点则全部保留。
具体实施时,步骤106中,属性融合后的网格点图中仍然存在一些区域没有对应的属性值,利用Petrel软件将网格点图通过插值运算转换为融合属性平面图,近似补齐这些区域的属性值。
下面给出一个具体实施例,说明本发明实施例中地震属性优选方法的具体应用。
第一步,获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域。预测层段井点数为149,井位分布情况如图2所示,图3为敏感属性1的平面图,敏感属性1的值域为0~5000,图4为敏感属性2的平面图,敏感属性1的值域为0~5500,图3、图4中,不同的颜色表示不同的值,储层特征为砂体厚度,提取各井点处的敏感属性1、2的值和砂体厚度值,如图5、图6所示,砂体厚度的值域为0~4米。
第二步,对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合。分别计算敏感属性1、2和砂体厚度值的相关系数,筛选出相关系数大于或等于0.5对应的砂体厚度值域区间,如图5、图6所示,敏感属性1在砂体厚度值大于或等于1.5米的区间相关系数大于0.5,敏感属性2在砂体厚度值小于1.5米的区间相关系数大于0.5。
第三步,在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算。分别在1.5~4米的砂体厚度区间和0~1.5米的砂体厚度区间内选择4个样本井,通过建立并求解样本井点处的敏感属性1、2与砂体厚度值的等效方程组,将敏感属性1、2平面图进行归一化计算。
第四步,根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图。按照砂体厚度0~1.5米、1.5~4米的区间划分,在归一化计算之后的敏感属性平面中提取相应的区间范围,形成区域敏感属性1、2的平面图,如图7、图8所示。
第五步,将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合。利用Petrel软件将区域敏感属性1、2的平面转换为网格点,如图9、图10所示,并对所有网格点进行属性融合,属性融合结果如图11所示。
第六步,将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用来对储层特征进行预测。由图11可知,属性融合后的网格点图中仍然存在一些区域没有对应的属性值,需要利用Petrel软件将网格点图通过插值运算转换为融合属性平面图,得到预测的砂体厚度图,如图12所示。
为了验证预测结果的准确性,从图12中提取149个井点处预测的砂体厚度值,获取井点处实际钻遇的砂体厚度值,用预测的结果减去实际结果作为绝对误差值,从图13可以看出,本实例中预测的砂体厚度的绝对误差主要集中在-0.5~0.5米范围内;用预测的结果减去实际的结果再除以实际的结果作为相对差值,从图14可以看出,本实例中预测的砂体厚度的相对误差主要集中在-20~20的范围内。从绝对误差和相对误差的统计结果来看,预测精度较高,与实际砂体厚度比较接近,认为预测结果比较可靠。
基于同一发明构思,本发明实施例还提供了一种基于地震属性融合的储层特征预测装置,如下面的实施例所述。由于这些解决问题的原理与基于地震属性融合的储层特征预测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
图15为本发明实施例中基于地震属性融合的储层特征预测的结构图,如图15所示,该装置包括:
数据获取模块101,用于获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计储层特征值的值域;
储层特征值区间划分模块210,用于对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
归一化计算模块310,用于在每个储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算;
区域敏感属性提取模块410,用于根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
属性融合模块510,用于将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
储层特征预测模块610,用于将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用于对储层特征进行预测。
实施例中,样本井在储层特征值域区间内均匀分布,样本井的井数大于敏感属性的总数且小于等于敏感属性总数的两倍。
实施例中,归一化计算模块310进一步用于,按照如下方式建立样本井点处的敏感属性值与储层特征值的等效关系:
其中:n为样本井点个数;a1、a2、…、an为各样本井点的敏感属性值;t1、t2、…、tn为各样本井点的储层特征值;A,B分别为待求的归一化参数。
实施例中,属性融合模块510进一步用于,按照如下方式对所有网格点进行属性融合:
将各区域敏感属性的网格点个数从多到少进行排序,依次标记为属性1、属性2、属性3......属性x,x为区域敏感属性的总数;
迭代过程如下:
对属性1和属性2中位置重合的网格点点进行属性融合:
其中:mx,my,mz为属性融合后网格点的横坐标、纵坐标和属性值;x1,y1,z1为属性1的网格点的横坐标、纵坐标和属性值;x2,y2,z2为属性2的网格点的横坐标、纵坐标和属性值;n1为属性1的网格点个数;n2为属性2的网格个数;p为属性1和属性2中网格点位置重合的点数;
对于属性1和属性2中位置不重合的网格点点进行属性融合:
将上述得到的融合后的网格点作为属性1,将属性3作为属性2,重复迭代,直到所有的属性都完成融合。
综上所述,本发明实施例通过计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,提取了最能反映储层特征的区域敏感属性参与属性融合;建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一敏感属性平面图中的数据进行归一化计算,将敏感属性值的量纲转换为储层特征值的量纲,便于属性融合;将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合,降低了直接融合引发的边界效应,最大程度的保留了有效数据,这样基于融合后的敏感属性进行储层特征预测,可以提高储层预测的精度。
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。以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于地震属性融合的储层特征预测方法,其特征在于,包括:
获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计所述储层特征值的值域;
对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
在每个所述储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一所述敏感属性平面图中的数据进行归一化计算;
根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
将所述多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用来对储层特征进行预测。
2.如权利要求1所述的方法,其特征在于,所述的样本井在储层特征值域区间内均匀分布,样本井的井数大于敏感属性的总数且小于等于敏感属性总数的两倍。
4.如权利要求1所述的方法,其特征在于,按照如下方式对所有网格点进行属性融合:将各区域敏感属性的网格点个数从多到少进行排序,依次标记为属性1、属性2、属性3......属性x,x为区域敏感属性的总数;
迭代过程如下:
对属性1和属性2中位置重合的网格点进行属性融合:
其中:mx,my,mz分别为属性融合后网格点的横坐标、纵坐标和属性值;x1,y1,z1分别为属性1的网格点的横坐标、纵坐标和属性值;x2,y2,z2分别为属性2的网格点的横坐标、纵坐标和属性值;n1为属性1的网格点个数;n2为属性2的网格个数;p为属性1和属性2中网格点位置重合的点数;
对属性1和属性2中位置不重合的网格点进行属性融合:
将上述得到的融合后的网格点作为属性1,将属性3作为属性2,重复迭代,直到所有的属性都完成融合。
5.一种基于地震属性融合的储层特征预测装置,其特征在于,包括:
数据获取模块,用于获取多个敏感属性平面图以及各井点处的储层特征值,从多个敏感属性平面图上提取各井点处的多个敏感属性值,统计所述储层特征值的值域;
储层特征值区间划分模块,用于对于每一个敏感属性,计算敏感属性值和储层特征值的相关系数,筛选出相关系数大于或等于给定值对应的储层特征值域区间,所有储层特征值域区间范围之和与储层特征值域范围保持一致,且多个储层特征值域区间无重合;
归一化计算模块,用于在每个所述储层特征值域区间内选择多个样本井,建立样本井点处的敏感属性值与储层特征值的等效关系,基于等效关系对每一所述敏感属性平面图中的数据进行归一化计算;
区域敏感属性提取模块,用于根据每个储层特征的值域区间的值域范围,在归一化计算后的每一敏感属性平面图中提取相应的值域范围,得到区域敏感属性平面图;
属性融合模块,用于将多个区域敏感属性平面图转换为网格点图,并对所有网格点进行属性融合;
储层特征预测模块,用于将属性融合后的网格点图转换为融合属性平面图,得到预测的储层特征图,预测的储层特征图用于对储层特征进行预测。
6.如权利要求5所述的装置,其特征在于,所述样本井在储层特征值域区间内均匀分布,样本井的井数大于敏感属性的总数且小于等于敏感属性总数的两倍。
8.如权利要求5所述的装置,其特征在于,所述属性融合模块进一步用于,按照如下方式对所有网格点进行属性融合:
将各区域敏感属性的网格点个数从多到少进行排序,依次标记为属性1、属性2、属性3......属性x,x为区域敏感属性的总数;
迭代过程如下:
对属性1和属性2中位置重合的网格点点进行属性融合:
其中:mx,my,mz为属性融合后网格点的横坐标、纵坐标和属性值;x1,y1,z1为属性1的网格点的横坐标、纵坐标和属性值;x2,y2,z2为属性2的网格点的横坐标、纵坐标和属性值;n1为属性1的网格点个数;n2为属性2的网格个数;p为属性1和属性2中网格点位置重合的点数;
对于属性1和属性2中位置不重合的网格点点进行属性融合:
将上述得到的融合后的网格点作为属性1,将属性3作为属性2,重复迭代,直到所有的属性都完成融合。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733009.6A CN112346117B (zh) | 2019-08-09 | 2019-08-09 | 一种基于地震属性融合的储层特征预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733009.6A CN112346117B (zh) | 2019-08-09 | 2019-08-09 | 一种基于地震属性融合的储层特征预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112346117A true CN112346117A (zh) | 2021-02-09 |
CN112346117B CN112346117B (zh) | 2023-06-30 |
Family
ID=74367630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733009.6A Active CN112346117B (zh) | 2019-08-09 | 2019-08-09 | 一种基于地震属性融合的储层特征预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112346117B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080288173A1 (en) * | 2007-05-17 | 2008-11-20 | Spectraseis Ag | Seismic attributes for reservoir localization |
US20140188392A1 (en) * | 2012-12-27 | 2014-07-03 | Schlumberger Technology Corporation | Normalization seismic attribute |
CN103926617A (zh) * | 2014-04-21 | 2014-07-16 | 中国石油化工股份有限公司 | 一种缝洞储集体的检测方法和检测装置 |
CN104950334A (zh) * | 2015-06-16 | 2015-09-30 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
US20150316673A1 (en) * | 2012-12-05 | 2015-11-05 | Jacky M. Wiener | Systems and Methods for 3D Seismic Data Depth Conversion Utilizing Artificial Neural Networks |
CN105467449A (zh) * | 2014-09-04 | 2016-04-06 | 中国石油化工股份有限公司 | 基于地震分级敏感属性融合的深层薄互储层定量表征方法 |
CN105589096A (zh) * | 2014-10-21 | 2016-05-18 | 中国石油化工股份有限公司 | 一种基于d-s证据理论的沉积相带划分方法 |
CN105760673A (zh) * | 2016-02-22 | 2016-07-13 | 中国海洋石油总公司 | 一种河流相储层地震敏感参数模板分析方法 |
CN106154323A (zh) * | 2015-04-01 | 2016-11-23 | 中国石油化工股份有限公司 | 基于地震拓频处理的相控随机反演薄储层预测方法 |
CN106353811A (zh) * | 2016-08-12 | 2017-01-25 | 北京天工新源科技有限公司 | 一种基于井资料属性优选的多属性融合储层流体识别方法 |
CN109242968A (zh) * | 2018-08-24 | 2019-01-18 | 电子科技大学 | 一种基于多属性超体素图割的河道三维建模方法 |
US20190129048A1 (en) * | 2017-10-26 | 2019-05-02 | Chevron U.S.A. Inc. | System and method for assessing the presence of hydrocarbons in a subterranean reservoir based on seismic inversions |
CN109709612A (zh) * | 2018-11-07 | 2019-05-03 | 中国石油大学(北京) | 砂体分布预测方法、装置、设备及可读存储介质 |
-
2019
- 2019-08-09 CN CN201910733009.6A patent/CN112346117B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080288173A1 (en) * | 2007-05-17 | 2008-11-20 | Spectraseis Ag | Seismic attributes for reservoir localization |
US20150316673A1 (en) * | 2012-12-05 | 2015-11-05 | Jacky M. Wiener | Systems and Methods for 3D Seismic Data Depth Conversion Utilizing Artificial Neural Networks |
US20140188392A1 (en) * | 2012-12-27 | 2014-07-03 | Schlumberger Technology Corporation | Normalization seismic attribute |
CN103926617A (zh) * | 2014-04-21 | 2014-07-16 | 中国石油化工股份有限公司 | 一种缝洞储集体的检测方法和检测装置 |
CN105467449A (zh) * | 2014-09-04 | 2016-04-06 | 中国石油化工股份有限公司 | 基于地震分级敏感属性融合的深层薄互储层定量表征方法 |
CN105589096A (zh) * | 2014-10-21 | 2016-05-18 | 中国石油化工股份有限公司 | 一种基于d-s证据理论的沉积相带划分方法 |
CN106154323A (zh) * | 2015-04-01 | 2016-11-23 | 中国石油化工股份有限公司 | 基于地震拓频处理的相控随机反演薄储层预测方法 |
CN104950334A (zh) * | 2015-06-16 | 2015-09-30 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
CN105760673A (zh) * | 2016-02-22 | 2016-07-13 | 中国海洋石油总公司 | 一种河流相储层地震敏感参数模板分析方法 |
CN106353811A (zh) * | 2016-08-12 | 2017-01-25 | 北京天工新源科技有限公司 | 一种基于井资料属性优选的多属性融合储层流体识别方法 |
US20190129048A1 (en) * | 2017-10-26 | 2019-05-02 | Chevron U.S.A. Inc. | System and method for assessing the presence of hydrocarbons in a subterranean reservoir based on seismic inversions |
CN109242968A (zh) * | 2018-08-24 | 2019-01-18 | 电子科技大学 | 一种基于多属性超体素图割的河道三维建模方法 |
CN109709612A (zh) * | 2018-11-07 | 2019-05-03 | 中国石油大学(北京) | 砂体分布预测方法、装置、设备及可读存储介质 |
Non-Patent Citations (5)
Title |
---|
KAI ZHANG等: "Reservoir characterisation method with multi-component seismic data by unsupervised learning and colour feature blending" * |
席昊鹏;韩建龙;姜兆宇;: "地震属性在辽河盆地H块储层预测上的应用" * |
李凯等: "Relief_F算法在属性优选中的应用" * |
邓博文;赵正果;姚兴苗;: "基于多属性的地质目标体表面重建方法研究" * |
陈德武等: "一种基于ArcGIS的地震采集质量分析评价技术" * |
Also Published As
Publication number | Publication date |
---|---|
CN112346117B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031896B (zh) | 基于多点地质统计学先验信息的地震随机反演方法及装置 | |
EP3204799B1 (en) | Conditioning of object or event based reservoir models using local multiple-point statistics simulations | |
US5757663A (en) | Hydrocarbon reservoir connectivity tool using cells and pay indicators | |
WO2017007924A1 (en) | Improved geobody continuity in geological models based on multiple point statistics | |
CN102176052B (zh) | 一种面向三维层面网格生成的层序分析方法 | |
CN107956465B (zh) | 基于关联井的全区多井测井曲线标准化方法及装置 | |
US20210302620A1 (en) | Comparison of wells using a dissimilarity matrix | |
CN102944896A (zh) | 表层调查数据的模型法静校正方法 | |
US9187985B2 (en) | Method for optimizing the development of an underground medium by means of a reservoir study comprising optimized upscaling | |
CN110927793A (zh) | 一种基于序贯随机模糊模拟的储层预测方法及*** | |
CN103543478A (zh) | 地质形态插值的km方法 | |
CN116721227A (zh) | 一种复杂地质体三维地质模型自动化建模方法 | |
CN111239809B (zh) | 一种基于属性融合原理的优势储层确定方法及*** | |
Bubnova et al. | Automatic determination of sedimentary units from well data | |
CN116027454A (zh) | 一种砂岩厚度等值线图的成图方法及智能绘制装置 | |
CN112346117A (zh) | 一种基于地震属性融合的储层特征预测方法和装置 | |
EP3186665B1 (en) | Method of characterising a subsurface volume | |
CN115880455A (zh) | 基于深度学习的三维智能插值方法 | |
Degterev | Multivariate Spatial Temporal Model of Gas Dynamic in Underground Gas Storage Based on Saturation Parameter from Well Logging Data | |
AU2022252835B2 (en) | Acceleration of subsurface simulation using filtered grid connectivity graph | |
Lavenu et al. | Modeling Fractures in a Heterogeneous Carbonate Reservoir Onshore UAE: A Case Study | |
CN113267810B (zh) | 地震勘探全深度速度建模方法及装置 | |
CN111815769A (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
US12007518B2 (en) | Systems and methods for identifying type curve regions as a function of position in a region of interest | |
CN116166988B (zh) | 一种含煤地层异常构造识别分类方法 |
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 |