CN114004157B - 一种基于盆地地质大数据的古构造特征动态恢复方法 - Google Patents

一种基于盆地地质大数据的古构造特征动态恢复方法 Download PDF

Info

Publication number
CN114004157B
CN114004157B CN202111287558.9A CN202111287558A CN114004157B CN 114004157 B CN114004157 B CN 114004157B CN 202111287558 A CN202111287558 A CN 202111287558A CN 114004157 B CN114004157 B CN 114004157B
Authority
CN
China
Prior art keywords
basin
geological
big data
model
region
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
Application number
CN202111287558.9A
Other languages
English (en)
Other versions
CN114004157A (zh
Inventor
郭虹兵
徐宏远
刘恣君
曹涛
王恒
邓宾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202111287558.9A priority Critical patent/CN114004157B/zh
Publication of CN114004157A publication Critical patent/CN114004157A/zh
Application granted granted Critical
Publication of CN114004157B publication Critical patent/CN114004157B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于盆地地质大数据的古构造特征动态恢复方法，包括以下步骤：建立盆地地质大数据平台模型、建立盆地域三维精细地质结构模型、盆地砂箱构造物理模型模拟、核对砂箱物理构造模拟动态结果和对盆地的古构造特征进行动态恢复；本发明以超深层金钉子钻井和骨架地球物理结构剖面为核心，结合地质统计学和机器学***台模型，从而有效实现盆地域地表到地腹多指标地质大数据信息覆盖，多学科手段交叉结合，能够从不同时间和空间尺度上动态揭示盆地深部物质几何学、运动学和动力学特征，相比传统的盆地结构恢复方法更为准确，为盆地的评价、勘探和开发带来重要的实际意义。

Description

一种基于盆地地质大数据的古构造特征动态恢复方法
技术领域
本发明涉及盆地开发技术领域，尤其涉及一种基于盆地地质大数据的古构造特征动态恢复方法。
背景技术
盆地是指地球表面相对长时期沉降的区域，是基底表面相对于海平面长期洼陷或坳陷并接受沉积物沉积充填的地区，因整个地形外观与盆子相似而得名，沉积盆地既可以接受物源区搬运来的沉积物，也接受原地化学、生物及机械作用形成的盆内沉积物，盆地主要是由于地壳运动形成的，由于现今的油气与矿产资源等大都形成于沉积盆地中，所以对于盆地的评价、勘探和开发的研究工作从未停止。
为方便对盆地进行评价、勘探和开发，需要对盆地的古构造特征进行恢复，而目前对盆地古构造进行恢复的方法大都不够完善，不能实现盆地域地表到地腹多指标地质大数据信息覆盖，从而导致恢复的盆地古构造特征不够准确，不能为盆地的评价、勘探和开发工作带来实际意义，因此，本发明提出一种基于盆地地质大数据的古构造特征动态恢复方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明的目的在于提出一种基于盆地地质大数据的古构造特征动态恢复方法，该方法以超深层金钉子钻井和骨架地球物理结构剖面为核心，结合地质统计学和机器学***台模型，从而有效实现盆地域地表到地腹多指标地质大数据信息覆盖。
为了实现本发明的目的，本发明通过以下技术方案实现：一种基于盆地地质大数据的古构造特征动态恢复方法，
步骤一：建立盆地地质大数据平台模型
在以盆地内超深层金钉子钻井和骨架地球物理结构剖面为核心的基础上，***收集整理钻井地球化学资料、测井关键参数资料、岩石力学特性和古应力场特性相关测试资料，结合地质统计学和机器学***台模型；
步骤二：建立盆地域三维精细地质结构模型
结合盆地重点层系结构和关键钻井低温热年代学，建立盆地域三维精细地质结构模型，揭示盆地域多圈层结构及其空间差异性特征；
步骤三：盆地砂箱构造物理模型模拟
建立盆地砂箱物理模型边界条件，开展盆地不同边界条件下的比例砂箱模拟，从不同时间和空间尺度上动态揭示盆地多圈层结构形成演化过程及其与周缘板块动力学效应和响应机制；
步骤四：核对砂箱物理构造模拟动态结果
将不同边界条件下的比例砂箱模拟得出的砂箱物理构造模拟动态结果与盆地域三维精细地质结构模型进行契合度核对，若核对结果一致则进行盆地的古构造特征动态恢复；
步骤五：对盆地的古构造特征进行动态恢复
根据盆地多圈层结构形成演化过程及其与周缘板块动力学效应和响应机制，结合砂箱物理构造模拟动态结果对盆地的古构造特征进行动态恢复。
进一步改进在于：所述步骤一中，建立盆地地质大数据平台模型的具体步骤为：以盆地超深层钻井为金钉子，***收集整理钻井地球化学资料、测井关键参数资料、岩石力学特性、古应力场特性相关测试资料，横跨盆地地球物理资料为骨架，结合3D Move地表地质模型、3D地表投影和地表现今剥蚀量，以金钉子钻井和骨架地球物理结构剖面为核心，结合地质统计学和机器学***台模型，实现全盆地域地表-地腹多指标地质大数据信息覆盖。
进一步改进在于：所述步骤一中，盆地地质大数据平台模型包括四个模块，分别为：盆地域地层模块、盆地域结构-构造模块、盆地域岩石力学物性模块和盆地域古应力场模块。
进一步改进在于：所述步骤二中，建立盆地域三维精细地质结构模型过程中，结合关键钻井低温热年代学，应用3D move面积守恒和体积守恒算法进行平衡剖面恢复，定量研究不同时期盆地域重点层系界面构造变形与古应力场环境性质与特征。
进一步改进在于：所述步骤三中，盆地砂箱物理模型边界条件包括多层变形物质结构条件、汇聚逆冲-走滑叠加变形条件、前寒武纪能干性基底特性条件和长时间周期动态剥蚀-沉积条件。
进一步改进在于：所述多层变形物质结构条件以盆地垂向-侧向地壳浅部圈层结构格架为比例模型，所述汇聚逆冲-走滑叠加变形条件以盆地现今GPS速率、走滑-逆冲断距和多期构造叠加序列为比例模型，所述前寒武纪能干性基底特性条件以盆地前寒武纪能干性基底形态和不同盆地基底结构形态为比例模型，所述长时间周期动态剥蚀-沉积条件以低温年代学揭示的盆地沉积-沉降过程为模型。
进一步改进在于：所述步骤四中，若砂箱物理构造模拟动态结果与盆地域三维精细地质结构模型的核对结果不一致，则返回步骤二，继续对盆地域三维精细地质结构模型进行优化，直至盆地域三维精细地质结构模型与砂箱物理构造模拟动态结果一致。
本发明的有益效果为：本发明以超深层金钉子钻井和骨架地球物理结构剖面为核心，结合地质统计学和机器学***台模型，从而有效实现盆地域地表到地腹多指标地质大数据信息覆盖，多学科手段交叉结合，能够从不同时间和空间尺度上动态揭示盆地深部物质几何学、运动学和动力学特征，最终实现对盆地的古构造特征进行动态恢复，相比传统的盆地结构恢复方法更为准确，为盆地的评价、勘探和开发带来重要的实际意义。
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是本发明的方法流程图。
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作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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”、“第四”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
参见图1，本实施例提供了一种基于盆地地质大数据的古构造特征动态恢复方法，包括以下步骤：
步骤一：建立盆地地质大数据平台模型
以四川盆地为例，以盆地超深层钻井为金钉子(如：马深1井、女基井、威117井、永福1井、五探1井和蓬探1井等)，***收集整理钻井地球化学资料、测井关键参数资料、岩石力学特性、古应力场特性相关测试资料，横跨盆地地球物理资料为骨架(如：1-QC_LG_FDS线、2-AX_LNS_FL线、3-WZS_WY_SLX线、5-ZGS_LQS_MCS线等)，结合3D Move地表地质模型、3D地表投影和地表现今剥蚀量，以金钉子钻井和骨架地球物理结构剖面为核心，结合地质统计学和机器学***台模型，包括四个模块内容：盆地域地层模块、盆地域结构-构造模块、盆地域岩石力学物性模块和盆地域古应力场模块，实现全盆地域地表-地腹多指标地质大数据信息覆盖；
步骤二：建立盆地域三维精细地质结构模型
结合盆地重点层系结构和关键钻井低温热年代学(如：锆石和磷灰石裂变径迹年代学、(U-Th)/He年代学和团簇等)，应用3D move面积守恒和体积守恒算法进行平衡剖面恢复(结合伸展量和压缩量进行分析)，定量研究不同时期盆地域重点层系界面构造变形与古应力场环境性质与特征，建立盆地域三维精细地质结构模型，揭示盆地域多圈层结构及其空间差异性特征；
步骤三：盆地砂箱构造物理模型模拟
建立盆地砂箱物理模型边界条件，开展盆地不同边界条件下的比例砂箱模拟，从不同时间和空间尺度上动态揭示盆地多圈层结构形成演化过程及其与周缘板块动力学效应和响应机制，盆地砂箱物理模型边界条件包括多层变形物质结构条件、汇聚逆冲-走滑叠加变形条件、前寒武纪能干性基底特性条件和长时间周期动态剥蚀-沉积条件，所述多层变形物质结构条件以盆地垂向-侧向地壳浅部圈层结构格架为比例模型，所述汇聚逆冲-走滑叠加变形条件以盆地现今GPS速率、走滑-逆冲断距和多期构造叠加序列为比例模型，所述前寒武纪能干性基底特性条件以盆地前寒武纪能干性基底形态和不同盆地基底结构形态为比例模型，所述长时间周期动态剥蚀-沉积条件以低温年代学揭示的盆地沉积-沉降过程为模型；
步骤四：核对砂箱物理构造模拟动态结果
将不同边界条件下的比例砂箱模拟得出的砂箱物理构造模拟动态结果与盆地域三维精细地质结构模型进行契合度核对，若核对结果一致则进行盆地的古构造特征动态恢复，若砂箱物理构造模拟动态结果与盆地域三维精细地质结构模型的核对结果不一致，则返回步骤二，继续对盆地域三维精细地质结构模型进行优化，直至盆地域三维精细地质结构模型与砂箱物理构造模拟动态结果一致；
步骤五：对盆地的古构造特征进行动态恢复
根据盆地多圈层结构形成演化过程及其与周缘板块动力学效应和响应机制，结合砂箱物理构造模拟动态结果对盆地的古构造特征进行动态恢复。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：包括以下步骤：
步骤一：建立盆地地质大数据平台模型
在以盆地内超深层金钉子钻井和骨架地球物理结构剖面为核心的基础上，***收集整理钻井地球化学资料、测井关键参数资料、岩石力学特性和古应力场特性相关测试资料，结合地质统计学和机器学***台模型；
步骤二：建立盆地域三维精细地质结构模型
结合盆地重点层系结构和关键钻井低温热年代学，建立盆地域三维精细地质结构模型，揭示盆地域多圈层结构及其空间差异性特征；
步骤三：盆地砂箱构造物理模型模拟
建立盆地砂箱物理模型边界条件，开展盆地不同边界条件下的比例砂箱模拟，从不同时间和空间尺度上动态揭示盆地多圈层结构形成演化过程及其与周缘板块动力学效应和响应机制；
步骤四：核对砂箱物理构造模拟动态结果
将不同边界条件下的比例砂箱模拟得出的砂箱物理构造模拟动态结果与盆地域三维精细地质结构模型进行契合度核对，若核对结果一致则进行盆地的古构造特征动态恢复；
步骤五：对盆地的古构造特征进行动态恢复
根据盆地多圈层结构形成演化过程及其与周缘板块动力学效应和响应机制，结合砂箱物理构造模拟动态结果对盆地的古构造特征进行动态恢复。
2.根据权利要求1所述的一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：所述步骤一中，建立盆地地质大数据平台模型的具体步骤为：以盆地超深层钻井为金钉子，***收集整理钻井地球化学资料、测井关键参数资料、岩石力学特性、古应力场特性相关测试资料，横跨盆地地球物理资料为骨架，结合3D Move地表地质模型、3D地表投影和地表现今剥蚀量，以金钉子钻井和骨架地球物理结构剖面为核心，结合地质统计学和机器学***台模型，实现全盆地域地表-地腹多指标地质大数据信息覆盖。
3.根据权利要求1所述的一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：所述步骤一中，盆地地质大数据平台模型包括四个模块，分别为：盆地域地层模块、盆地域结构-构造模块、盆地域岩石力学物性模块和盆地域古应力场模块。
4.根据权利要求1所述的一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：所述步骤二中，建立盆地域三维精细地质结构模型过程中，结合关键钻井低温热年代学，应用3D move面积守恒和体积守恒算法进行平衡剖面恢复，定量研究不同时期盆地域重点层系界面构造变形与古应力场环境性质与特征。
5.根据权利要求1所述的一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：所述步骤三中，盆地砂箱物理模型边界条件包括多层变形物质结构条件、汇聚逆冲-走滑叠加变形条件、前寒武纪能干性基底特性条件和长时间周期动态剥蚀-沉积条件。
6.根据权利要求5所述的一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：所述多层变形物质结构条件以盆地垂向-侧向地壳浅部圈层结构格架为比例模型，所述汇聚逆冲-走滑叠加变形条件以盆地现今GPS速率、走滑-逆冲断距和多期构造叠加序列为比例模型，所述前寒武纪能干性基底特性条件以盆地前寒武纪能干性基底形态和不同盆地基底结构形态为比例模型，所述长时间周期动态剥蚀-沉积条件以低温年代学揭示的盆地沉积-沉降过程为模型。
7.根据权利要求1所述的一种基于盆地地质大数据的古构造特征动态恢复方法，其特征在于：所述步骤四中，若砂箱物理构造模拟动态结果与盆地域三维精细地质结构模型的核对结果不一致，则返回步骤二，继续对盆地域三维精细地质结构模型进行优化，直至盆地域三维精细地质结构模型与砂箱物理构造模拟动态结果一致。
CN202111287558.9A 2021-11-02 2021-11-02 一种基于盆地地质大数据的古构造特征动态恢复方法 Active CN114004157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111287558.9A CN114004157B (zh) 2021-11-02 2021-11-02 一种基于盆地地质大数据的古构造特征动态恢复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111287558.9A CN114004157B (zh) 2021-11-02 2021-11-02 一种基于盆地地质大数据的古构造特征动态恢复方法

Publications (2)

Publication Number Publication Date
CN114004157A CN114004157A (zh) 2022-02-01
CN114004157B true CN114004157B (zh) 2023-05-05

Family

ID=79926638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111287558.9A Active CN114004157B (zh) 2021-11-02 2021-11-02 一种基于盆地地质大数据的古构造特征动态恢复方法

Country Status (1)

Country Link
CN (1) CN114004157B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118097053A (zh) * 2024-04-26 2024-05-28 中国石油大学(华东) 一种建立盆地三维古构造模型的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160978A (zh) * 2015-02-03 2015-12-16 芦慧 一种用于地震勘探的砂箱物理模拟实验装置
CN207571955U (zh) * 2017-08-30 2018-07-03 中国石油天然气股份有限公司 盆地走滑构造物理模拟设备
CN113156537A (zh) * 2021-04-12 2021-07-23 中国地质调查局油气资源调查中心 一种沉积砂体物源区古地质演化的重建方法
CN113568065A (zh) * 2021-08-26 2021-10-29 中国石油大学(北京) 一种构造变形后盐岩层密封性物理模拟方法、装置及介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2439571B (en) * 2006-06-28 2008-11-12 Schlumberger Holdings Method for updating a model of the earth using microseismic measurements
CA2859661C (en) * 2011-12-20 2020-06-23 Shell Internationale Research Maatschappij B.V. A method to constrain a basin model with curie depth

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160978A (zh) * 2015-02-03 2015-12-16 芦慧 一种用于地震勘探的砂箱物理模拟实验装置
CN207571955U (zh) * 2017-08-30 2018-07-03 中国石油天然气股份有限公司 盆地走滑构造物理模拟设备
CN113156537A (zh) * 2021-04-12 2021-07-23 中国地质调查局油气资源调查中心 一种沉积砂体物源区古地质演化的重建方法
CN113568065A (zh) * 2021-08-26 2021-10-29 中国石油大学(北京) 一种构造变形后盐岩层密封性物理模拟方法、装置及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Lizzie Knight等. Links between foreland rheology and the growth and evolution of a young mountain belt in New Guinea.《Geophysical Journal International》.2021,第1684-1712页. *
邓宾等.前陆盆地形成与演化砂箱物理模拟启示——以四川盆地西部龙门山为例.《石油与天然气地质》.2021,第401-415页. *

Also Published As

Publication number Publication date
CN114004157A (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN105510993B (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
US10088596B2 (en) Meshless representation of a geologic environment
EP1938281B1 (en) Geologic models of subsurface sedimentray volumes
CA2907871C (en) Fault representation
CN105089615B (zh) 一种基于油藏模型的测井数据历史回归处理方法
Qi et al. Geostatistical three-dimensional modeling of oolite shoals, St. Louis Limestone, southwest Kansas
CN101906965A (zh) Vr地质环境下的地层识别与分析技术
CN112394404B (zh) 一种渐进式储层精细表征方法
CN110056346B (zh) 一种基于趋势变化函数的油藏三维原始含水饱和度模拟方法
CN107742020A (zh) 页岩气储层压裂改造体积预测方法
CN110244021B (zh) 一种基于各向异性插值的地层分层方法
CN106227957A (zh) 等效裂缝建模的方法
CN104635261A (zh) 山前带重磁电震联合分体建模方法
Mahjour et al. Developing a workflow to represent fractured carbonate reservoirs for simulation models under uncertainties based on flow unit concept
Gundesø et al. SESIMIRA—a new geological tool for 3D modelling of heterogeneous reservoirs
CN114004157B (zh) 一种基于盆地地质大数据的古构造特征动态恢复方法
CN109143337A (zh) 一种浊积砂体储层建模方法
CN111768503B (zh) 一种基于三维地质模型的海砂资源量估算方法
WO2024064126A1 (en) Geologic modeling framework
Alcaraz et al. A 3D multi-disciplinary interpretation of the basement of the Taupo Volcanic Zone, New Zealand
CN113742962B (zh) 一种基于水平井的页岩储层属性三维建模方法
WO2023130074A1 (en) Geologic modeling framework
Erzeybek Balan Characterization and modeling of paleokarst reservoirs using multiple-point statistics on a non-gridded basis
CN115469361B (zh) 一种碎屑岩地层三维地质建模方法
CN108132486A (zh) 一种重磁梯度与地震数据联合界面反演的优化模拟退火法

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