CN115561815A - 基于扩展弹性阻抗的地震储层预测方法及装置 - Google Patents
基于扩展弹性阻抗的地震储层预测方法及装置 Download PDFInfo
- Publication number
- CN115561815A CN115561815A CN202211230203.0A CN202211230203A CN115561815A CN 115561815 A CN115561815 A CN 115561815A CN 202211230203 A CN202211230203 A CN 202211230203A CN 115561815 A CN115561815 A CN 115561815A
- Authority
- CN
- China
- Prior art keywords
- elastic impedance
- curve
- optimized
- logging
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
-
- 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
-
- 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
- G01V2210/6242—Elastic parameters, e.g. Young, Lamé or Poisson
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (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)
Abstract
本发明公开了基于扩展弹性阻抗的地震储层预测方法及装置。方法包括：获取测井曲线和CRP道集数据；对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据；根据所述优化测井曲线和所述优化CRP道集数据得到扩展弹性阻抗曲线和扩展弹性阻抗反射系数体；根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。本发明提供的方案分别从测井曲线和道集数据出发，获得与岩性相关度高的扩展弹性阻抗曲线以及扩展弹性阻抗反射系数体，获得高分辨率储层预测成果，解决薄储层难以预测的难题。
Description
技术领域
本发明涉及地质勘探技术领域，尤其涉及基于扩展弹性阻抗的地震储层预测方法及装置。
背景技术
随着油气勘探开发向精细化方向发展，传统储层预测方法已经无法满足薄储层预测的要求。现今油气勘探开发对地震储层预测方法提出了更高的要求，亟需提高薄储层的识别精度。
常见的储层预测方法受地震资料主频及频带宽度限制，长期以来，各研究机构为提高薄储层的预测效果，一方面进行大量的基于地震信号的提频处理，保幅保真性难以保证；另一方面，引入地质统计学方法，其参数复杂、计算量大，同时存在较强的随机性和模型化现象，对于海上少井区储层预测难以获得客观、准确的结果。
因此，需要研发预测性强、计算效率高的高分辨率储层预测方法，解决薄储层预测的难题。
发明内容
本发明提供了基于扩展弹性阻抗的高分辨率地震储层预测方法及装置，以通过预测性强、计算效率高的高分辨率储层预测方法解决薄储层预测的难题。
根据本发明的一方面，提供了一种基于扩展弹性阻抗的高分辨率地震储层预测方法，包括：
获取测井曲线和CRP道集数据；
对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据；
根据所述优化测井曲线和所述优化CRP道集数据得到扩展弹性阻抗曲线和扩展弹性阻抗反射系数体；
根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。
可选的，对所述测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集，包括：
对所述测井曲线进行井眼环境校正和一致性处理；
对所述CRP道集进行道集拉平、去残余多次和去噪处理。
可选的，所述扩展弹性阻抗曲线，通过如下方式获得：
从所述优化测井曲线中选择至少一条符合预设条件的目标测井曲线；
根据所述目标测井曲线的纵波速度、横波速度和密度曲线得到至少一个拟合角度下的待选拟合扩展弹性阻抗曲线；
从所述待选拟合扩展弹性阻抗曲线中选择至少一条扩展弹性阻抗曲线。
可选的，所述扩展弹性阻抗反射系数体，通过如下方式获得：
通过所述优化CRP道集数据得到截距和梯度属性体；
确定所述扩展弹性阻抗曲线的拟合角度值；
根据所述拟合角度值、所述截距和所述梯度属性体得到所述扩展弹性阻抗反射系数体。
可选的，在得到所述优化CRP道集数据后，该方法还包括：
对所述优化CRP道集数据进行叠加；
通过叠加后的所述优化CRP道集数据进行井震标定，得到井震标定结果；
根据所述井震标定结果建立时深关系。
可选的，该方法还包括：
提取测井的井旁子波和井上扩展弹性阻抗反射系数；
根据所述时深关系，将所述井旁子波和所述井上扩展弹性阻抗反射系数进行褶积运算，得到褶积结果；
对所述褶积结果和所述扩展弹性阻抗反射系数体进行井震一致性标定；
根据所述井震一致性标定结果确定所述扩展弹性阻抗反射系数体是否可用。
可选的，所述根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据，包括：
从测井中选择至少一个符合预设条件的目标测井；
根据所述目标测井的扩展弹性阻抗曲线和所述扩展弹性阻抗反射系数体，通过波形指示方法得到所述储层预测数据。
根据本发明的另一方面，提供了一种基于扩展弹性阻抗的高分辨率地震储层预测装置，包括：
数据获取单元，用于获取测井曲线和CRP道集数据；
数据预处理单元，用于对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据；
系数体确定单元，用于根据所述优化测井曲线得到扩展弹性阻抗曲线和优化CRP道集数据得到扩展弹性阻抗反射系数体；
储层预测数据确定单元，用于根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于扩展弹性阻抗的高分辨率地震储层预测方法。
根据本发明的另一方面，提供了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计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于扩展弹性阻抗的高分辨率地震储层预测方法。
本发明实施例的技术方案，获取测井曲线和CRP道集数据并进行预处理，得到优化测井曲线和优化CRP道集数据；根据所述优化测井曲线和所述优化CRP道集数据得到扩展弹性阻抗曲线和扩展弹性阻抗反射系数体；根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。本发明提供的方案分别从测井曲线和道集数据出发，获得与岩性相关度高的扩展弹性阻抗曲线以及扩展弹性阻抗反射系数体，获得高分辨率储层预测成果，解决薄储层难以预测的难题。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
图1为本发明实施例一提供的一种基于扩展弹性阻抗的高分辨率地震储层预测方法的流程图；
图2为本发明实施例二提供的一种扩展弹性阻抗曲线获得方法的流程图；
图3为本发明实施例二提供的一种扩展弹性阻抗反射系数体获得方法的流程图；
图4为本发明实施例三提供的一种基于扩展弹性阻抗的高分辨率地震储层预测装置的结构示意图；
图5是实现本发明实施例的基于扩展弹性阻抗的高分辨率地震储层预测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种基于扩展弹性阻抗的高分辨率地震储层预测方法的流程图，本实施例可适用于油气勘探场景下对薄储层进行预测的情况，该方法可以由基于扩展弹性阻抗的高分辨率地震储层预测装置来执行，该基于扩展弹性阻抗的高分辨率地震储层预测装置可以采用硬件和/或软件的形式实现，该基于扩展弹性阻抗的高分辨率地震储层预测装置可配置于计算机中。如图1所示，该方法包括：
S110、获取测井曲线和CRP道集数据。
其中，测井是属于应用地球物理方法(包括重、磁、电、震、核、测井)之一。是利用岩层的电化学特性、导电特性、声学特性、放射性等地球物理特性，测量地球物理参数的方法。测井曲线实际是不同测井方法，在不同地质条件下、不同地层环境中地球物理化学等信息的数据记录的一种表现方式。一般情况下，测井数据的记录采用的是深度和时间连续的测井，即一般间距0.125米(8点/米)，***自动设置；非连续测井一般为离散数据，根据需要确定测点深度。测井数据包括纵波速度、横波速度和密度等。
CRP道集是叠前时间偏移后的地震道集，主要用于叠前反演和叠前AVO分析。CRP道集中所有的轨迹都来自一个中心点。
S120、对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据。
其中，对原始测井曲线的预处理包括但不限于岩石物理分析、井眼环境校正、测井一致性处理等；对CRP道集数据的预处理主要为质控和优化，主要处理步骤包括但不限于异常切除、道集拉平等。
S130、根据所述优化测井曲线和所述优化CRP道集数据得到扩展弹性阻抗曲线和扩展弹性阻抗反射系数体。
S140、根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。
其中，扩展弹性阻抗反射系数体用于进行储层预测，通过测井曲线和道集数据通过角度拟合，获得与岩性相关度高的扩展弹性阻抗曲线以及扩展弹性阻抗反射系数体。可以通过波形指示方法反演获得高分辨率储层预测成果，解决叠前同时反演方法分辨率低、地质统计学反演方法复杂的问题。
本发明实施例的技术方案，获取测井曲线和CRP道集数据并进行预处理，得到优化测井曲线和优化CRP道集数据；根据所述优化测井曲线和所述优化CRP道集数据得到扩展弹性阻抗曲线和扩展弹性阻抗反射系数体；根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。本发明提供的方案分别从测井曲线和道集数据出发，获得与岩性相关度高的扩展弹性阻抗曲线以及扩展弹性阻抗反射系数体，获得高分辨率储层预测成果，解决薄储层难以预测的难题。
实施例二
图2为本发明实施例二提供的一种扩展弹性阻抗曲线获得方法的流程图，本实施例与上述实施例一的基础上作进一步解释说明。如图2所示，该方法包括：
S210、从所述优化测井曲线中选择至少一条符合预设条件的目标测井曲线。
其中，在勘探现场通常会设置多个测井，不同的测井因为其所处位置等因素的不同，测量的维度是不同的，因此通过不同测井对应测量维度，通过数学变换得到每个测井的扩展弹性阻抗曲线。应当从优化测井曲线中优选出能反映研究区岩性的测井曲线作为目标曲线，并应尽量保证该曲线在工区内分布较多、较均匀且目的层段质量较好。
S220、根据所述目标测井曲线的纵波速度、横波速度和密度曲线得到至少一个拟合角度下的待选拟合扩展弹性阻抗曲线。
S230、从所述待选拟合扩展弹性阻抗曲线中选择至少一条扩展弹性阻抗曲线。
其中，以纵波速度、横波速度和密度曲线为基础，计算不同拟合角度下的扩展弹性阻抗曲线，并分析各拟合角度下扩展弹性阻抗曲线与目标曲线的相关性。优选相关性最高的拟合角度值，将其对应的扩展弹性阻抗曲线作为后续输入。
本发明求取与岩性相关度高的扩展弹性阻抗曲线，其兼含叠后及叠前信息，解决了部分地层叠后纵波阻抗无法区分砂泥岩的问题。
图3为本发明实施例二提供的一种扩展弹性阻抗反射系数体获得方法的流程图，如图3所示，该方法包括：
S310、通过所述优化CRP道集数据得到截距和梯度属性体。
S320、根据所述拟合角度值，将所述截距和所述梯度属性体融合得到扩展弹性阻抗反射系数体。
使用叠前道集提取的截距和梯度属性融合获得扩展弹性阻抗反射系数体，其信噪比高于叠前地质统计学反演使用的部分叠加体，使储层预测结果更加稳定、可靠。
在本发明实施例二中，得到所述优化CRP道集数据后，该方法进一步包括：
对所述优化CRP道集数据进行叠加；
通过叠加后的所述优化CRP道集数据进行井震标定，得到井震标定结果；
根据所述井震标定结果建立时深关系。
其中，在油气勘探领域，综合利用测井和地震资料是预测储层岩性、物性和含油性的主要方法。井震标定是建立测井和地震资料之间联系的桥梁。测井资料具有较高的垂向分辨率，地震资料具有较高的横向分辨率，将两者的优势充分使用一直是当前油气勘探的研究热点。测井数据是深度域的，地震数据是时间域的，井震标定就是建立起测井深度域和地震时间域的对应关系，为后续的地震反演提供准确的时深关系。标定结果的准确与否直接关系到反演结果的准确性，特别是目的层附近的标定一定要准确。当今油气勘探的油气藏主要以构造复杂、地层厚度薄的岩性油气藏为主，对井震标定提出了更高、更严格的要求。
对优化后的道集数据进行叠加，并开展井震标定，这既是建立时深关系的过程，也是对井数据和地震数据的质控过程。良好的标定效果意味着井-震具有比较好的一致性，较差的标定效果意味着测井曲线存在质量问题或地震数据存在保幅性问题，由此将影响后续储层预测的可靠性。
在本发明实施例二中，该方法还包括：
提取测井的井旁子波和井上扩展弹性阻抗反射系数；
根据所述时深关系，将所述井旁子波和所述井上扩展弹性阻抗反射系数进行褶积运算，得到褶积结果；
对所述褶积结果和所述扩展弹性阻抗反射系数体进行井震一致性标定；
根据所述井震一致性标定结果确定所述扩展弹性阻抗反射系数体是否可用。
其中，在实际应用中部分测井可能会出现测井数据不准确或地震数据不准确的问题，需要对测井数据进行检查，查看能否与实际的地质情况对应，因此，为质控扩展弹性阻抗曲线与反射系数体的一致性，需要开展扩展弹性阻抗域标定。扩展弹性阻抗曲线与反射系数体具有较好的褶积关系也是波形指示方法的前提条件。在已有时深关系的基础上，提取井旁子波后与井上扩展弹性阻抗反射系数褶积，并与扩展弹性阻抗反射系数体进行井震一致性标定，若两者相关性较好，子波形态基本一致，则认为井震一致性较好，满足后续基于波形指示方法的储层预测基础。如果两者相关性较差，则需要返回前步，对测井曲线或地震资料进行检查。
在本发明实施例二中，所述根据所述扩展弹性阻抗反射系数体得到储层预测数据，包括：
从测井中选择至少一个符合预设条件的目标测井；
根据所述目标测井的扩展弹性阻抗曲线和所述扩展弹性阻抗反射系数体得到所述储层预测数据。
其中，波形指示方法利用参与井在井旁统计地震波形与储层组合结构的关系，以共性结构频段作为确定性成分，并建立初始模型，迭代完成中低频成分的储层预测；中高频成分则在贝叶斯框架下进行模拟，使模拟结果符合地震中频阻抗和井曲线结构特征。因此从工区中选择参与井以及设定合并频率是主要的控制因素。计算参与井应选择可以控制全区及目的层、弹性阻抗域标定较好的井，合并频率则应该保证地震频段的最大化利用。最终得到合理的扩展弹性阻抗高分辨率储层预测结果。
波形指示方法以扩展弹性阻抗的地震波形为趋势约束，将测井高频信息外推，并分段融合测井和地震信息，受单井曲线影响小，具有很高的稳定性和预测性。本发明的方案操作简便、计算效率高，平均用时为传统叠前地质统计学反演的十分之一。本发明适用于扩展弹性阻抗与岩性曲线有较好相关性的研究区，可广泛应用于薄储层预测研究。
此外，通过扩展弹性阻抗与目标(岩性)曲线的关系，通过不同门槛值，可以将扩展弹性阻抗高分辨率结果解释为岩性成果。同时，通过与井上实钻岩性对比，分析是否可靠或满足高分辨率要求。根据实际需求迭代或结束研究工作。
实施例三
图4为本发明实施例三提供的一种基于扩展弹性阻抗的高分辨率地震储层预测装置的结构示意图。如图4所示，该装置包括：
数据获取单元410，用于获取测井曲线和CRP道集数据；
数据预处理单元420，用于对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据；
系数体确定单元430，用于根据所述优化测井曲线得到扩展弹性阻抗曲线和所述优化CRP道集数据得到扩展弹性阻抗反射系数体；
储层预测数据确定单元440，用于根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。
在本发明实施例三中，数据预处理单元420，用于执行：
对所述测井曲线进行井眼环境校正和一致性处理；
对所述CRP道集数据进行道集拉平、去残余多次和去噪处理。
在本发明实施例三中，系数体确定单元430在执行通过所述优化测井曲线拟合扩展弹性阻抗曲线时，具体执行：
从所述优化测井曲线中选择至少一条符合预设条件的目标测井曲线；
根据所述目标测井曲线的纵波速度、横波速度和密度曲线得到至少一个拟合角度下的待选拟合扩展弹性阻抗曲线；
从所述待选拟合扩展弹性阻抗曲线中选择至少一条扩展弹性阻抗曲线。
在本发明实施例三中，系数体确定单元430，用于执行：
通过所述优化CRP道集数据得到截距和梯度属性体；
确定所述扩展弹性阻抗曲线的拟合角度值；
根据所述拟合角度值、所述截距和所述梯度属性体得到所述扩展弹性阻抗反射系数体。
在本发明实施例三中，数据获取单元410在得到所述优化CRP道集数据后，还用于执行：
对所述优化CRP道集数据进行叠加；
通过叠加后的所述优化CRP道集数据进行井震标定，得到井震标定结果；
根据所述井震标定结果建立时深关系。
如图4所示，在本发明实施例三中，该装置还包括：系数体验证单元450；
系数体验证单元450，用于执行：
提取测井的井旁子波和井上扩展弹性阻抗反射系数；
根据所述时深关系，将所述井旁子波和所述井上扩展弹性阻抗反射系数进行褶积运算，得到褶积结果；
对所述褶积结果和所述扩展弹性阻抗反射系数体进行井震一致性标定；
根据所述井震一致性标定结果确定所述扩展弹性阻抗反射系数体是否可用。
在本发明实施例三中，储层预测数据确定单元440，用于执行：
根据目标测井的扩展弹性阻抗曲线和所述扩展弹性阻抗反射系数体得到所述储层预测数据。
本发明实施例所提供的基于扩展弹性阻抗的高分辨率地震储层预测装置可执行本发明任意实施例所提供的基于扩展弹性阻抗的高分辨率地震储层预测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于扩展弹性阻抗的高分辨率地震储层预测方法。
在一些实施例中，基于扩展弹性阻抗的高分辨率地震储层预测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于扩展弹性阻抗的高分辨率地震储层预测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于扩展弹性阻抗的高分辨率地震储层预测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.基于扩展弹性阻抗的高分辨率地震储层预测方法，其特征在于，包括：
获取测井曲线和CRP道集数据；
对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据；
根据所述优化测井曲线和所述优化CRP道集数据得到扩展弹性阻抗曲线和扩展弹性阻抗反射系数体；
根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。
2.根据权利要求1所述的方法，其特征在于，对所述测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集，包括：
对所述测井曲线进行井眼环境校正和一致性处理；
对所述CRP道集数据进行道集拉平、去残余多次和去噪处理。
3.根据权利要求1所述的方法，其特征在于，所述扩展弹性阻抗曲线，通过如下方式获得：
从所述优化测井曲线中选择至少一条符合预设条件的目标测井曲线；
根据所述目标测井曲线的纵波速度、横波速度和密度曲线得到至少一个拟合角度下的待选拟合扩展弹性阻抗曲线；
从所述待选拟合扩展弹性阻抗曲线中选择至少一条扩展弹性阻抗曲线。
4.根据权利要求3所述的方法，其特征在于，所述扩展弹性阻抗反射系数体，通过如下方式获得：
通过所述优化CRP道集数据得到截距和梯度属性体；
确定所述扩展弹性阻抗曲线的拟合角度值；
根据所述拟合角度值、所述截距和所述梯度属性体得到所述扩展弹性阻抗反射系数体。
5.根据权利要求1中所述的方法，其特征在于，在得到所述优化CRP道集数据后，进一步包括：
对所述优化CRP道集数据进行叠加；
通过叠加后的所述优化CRP道集数据进行井震标定，得到井震标定结果；
根据所述井震标定结果建立时深关系。
6.根据权利要求5所述的方法，其特征在于，进一步包括：
提取测井的井旁子波和井上扩展弹性阻抗反射系数；
根据所述时深关系，将所述井旁子波和所述井上扩展弹性阻抗反射系数进行褶积运算，得到褶积结果；
对所述褶积结果和所述扩展弹性阻抗反射系数体进行井震一致性标定；
根据所述井震一致性标定结果确定所述扩展弹性阻抗反射系数体是否可用。
7.根据权利要求1所述的方法，其特征在于，所述根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据，包括：
从测井中选择至少一个符合预设条件的目标测井；
根据所述目标测井的扩展弹性阻抗曲线和所述扩展弹性阻抗反射系数体，通过波形指示方法得到所述储层预测数据。
8.基于扩展弹性阻抗的高分辨率地震储层预测装置，其特征在于，包括：
数据获取单元，用于获取测井曲线和CRP道集数据；
数据预处理单元，用于对所述原始测井曲线和所述CRP道集数据进行预处理，得到优化测井曲线和优化CRP道集数据；
系数体确定单元，用于根据所述优化测井曲线得到扩展弹性阻抗曲线和优化CRP道集数据得到扩展弹性阻抗反射系数体；
储层预测数据确定单元，用于根据所述扩展弹性阻抗曲线和扩展弹性阻抗反射系数体得到储层预测数据。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于扩展弹性阻抗的地震储层预测方法。
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计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于扩展弹性阻抗的地震储层预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211230203.0A CN115561815A (zh) | 2022-10-08 | 2022-10-08 | 基于扩展弹性阻抗的地震储层预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211230203.0A CN115561815A (zh) | 2022-10-08 | 2022-10-08 | 基于扩展弹性阻抗的地震储层预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115561815A true CN115561815A (zh) | 2023-01-03 |
Family
ID=84744090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211230203.0A Pending CN115561815A (zh) | 2022-10-08 | 2022-10-08 | 基于扩展弹性阻抗的地震储层预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115561815A (zh) |
-
2022
- 2022-10-08 CN CN202211230203.0A patent/CN115561815A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10324229B2 (en) | System and method of pore type classification for petrophysical rock typing | |
| US10732310B2 (en) | Seismic attributes derived from the relative geological age property of a volume-based model | |
| CN109115987B (zh) | 一种基于岩石物理模型的流体因子的评价方法及装置 | |
| US11586790B2 (en) | Determining hydrocarbon production sweet spots | |
| US11221425B1 (en) | Generating a model for seismic velocities in a subsurface region using inversion with lateral variations | |
| AU2014384715A1 (en) | Facies definition using unsupervised classification procedures | |
| US11650349B2 (en) | Generating dynamic reservoir descriptions using geostatistics in a geological model | |
| US11899150B2 (en) | Velocity model for sediment-basement interface using seismic and potential fields data | |
| CN115561815A (zh) | 基于扩展弹性阻抗的地震储层预测方法及装置 | |
| CN111025393B (zh) | 针对含薄煤层地层的储层预测方法、装置、设备及介质 | |
| CN111502647B (zh) | 一种钻井地质环境因素确定方法、装置及存储介质 | |
| CN111897004A (zh) | 一种基于大数据分析技术的测井预测方法 | |
| CN107589457A (zh) | 测井资料尺度粗化的方法和装置 | |
| CN110632661B (zh) | 一种油气储层预测方法、装置、设备及存储介质 | |
| US20240240554A1 (en) | Training dataset generation process for moment tensor machine learning inversion models | |
| CN117345208B (zh) | 一种压裂优势区定量表征方法、装置、电子设备及介质 | |
| CN118295022A (zh) | 一种储层孔隙度定量预测方法、装置、电子设备及介质 | |
| CN118426055A (zh) | 基于支持向量机的孔隙度反演方法、装置、设备及介质 | |
| CN114609666B (zh) | 一种页岩薄储层的预测方法、装置、设备及存储介质 | |
| US20240036225A1 (en) | Thermal conductivity mapping from rock physics guided seismic inversion | |
| CN117908109A (zh) | 一种盐岩地层速度的确定方法、装置、设备及介质 | |
| CN118227935A (zh) | 测井曲线重构方法、装置、设备及可读介质 | |
| CN117988714A (zh) | 一种水平井的钻井轨迹确定方法、装置、设备及介质 | |
| CN118091743A (zh) | 一种井震匹配方法、装置、电子设备及存储介质 | |
| CN117784254A (zh) | 一种基于人工智能的多尺度岩性预测方法、电子设备及介质 |
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 |