[發明專利]一種基于目的層與相鄰層地震屬性的砂體預測方法及系統在審
| 申請號: | 201910091747.5 | 申請日: | 2019-01-30 |
| 公開(公告)號: | CN109765609A | 公開(公告)日: | 2019-05-17 |
| 發明(設計)人: | 李偉;岳大力;王文楓;吳勝和;王武榮 | 申請(專利權)人: | 中國石油大學(北京) |
| 主分類號: | G01V1/28 | 分類號: | G01V1/28;G01V1/30 |
| 代理公司: | 北京紀凱知識產權代理有限公司 11245 | 代理人: | 孫楠 |
| 地址: | 102249*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 地震屬性 砂體 相鄰層 多元回歸模型 測井解釋 目標數據 相鄰地層 預測 訓練樣本數據 非線性映射 地震層位 厚度分布 目標參數 訓練數據 精細層 融合 切片 分析 | ||
1.一種基于目的層與相鄰層地震屬性的砂體預測方法,其特征在于包括以下步驟:
1)基于測井曲線進行單井砂體解釋,提取目的層井點處的砂體厚度;
2)對目的層及相鄰層的地震層位進行精細層位解釋,提取井點附近的地震屬性值;
3)通過分析井點附近各地震屬性與測井解釋的砂體厚度的相關性,選出能夠反映目標參數的地震屬性;
4)以目的層測井解釋砂體厚度作為目標數據集,以目的層和上部、下部相鄰地層井點附近的地震屬性值作為訓練樣本數據集,將目標數據與訓練數據全部作為輸入數據,進行非線性映射,即得到訓練后的多元回歸模型;
5)根據訓練后的多元回歸模型,將目的層及上部、下部相鄰地層的地震屬性層切片進行融合,得到能夠反映目的層砂體厚度分布的融合地震屬性圖,即完成了砂體分布預測。
2.如權利要求1所述砂體預測方法,其特征在于:所述步驟1)中,針對測井數據,根據測井曲線形態進行單井上的砂體解釋,進而基于測井解釋的砂體,提取目的層井點處的砂體厚度;針對地震數據,通過合成地震記錄的方法或井間VSP速度資料進行時深標定,對目的層及相鄰層的地震層位進行精細層位解釋。
3.如權利要求1所述砂體預測方法,其特征在于:所述步驟2)中,根據層位解釋及井震聯合時深標定結果,提取目的層及上部、下部相鄰地層的多種地震屬性的地層切片,進而提取井點附近的地震屬性值。
4.如權利要求1所述砂體預測方法,其特征在于:所述步驟3)中,能夠反映目標參數的地震屬性,是指與目標參數的相關性較高的地震屬性。
5.如權利要求4所述砂體預測方法,其特征在于:所述相關性較高采用以下兩個選擇標準中的一種:一是在提取的地震屬性中,選擇與目標參數的相關性最高的一種地震屬性;二是選取具有較為明顯相關性的幾種地震屬性,其中,明顯相關性是指相關系數大于0.5。
6.如權利要求1至5任一項所述砂體預測方法,其特征在于:所述步驟2)中,提取井點附近數據具體方法:以井點所在位置為中心,以預先設定的半徑,求取井點附近的地震屬性平均值。
7.如權利要求1所述砂體預測方法,其特征在于:所述步驟4)中,采用機器學習的方法建立地震屬性與砂體厚度之間的非線性映射關系。
8.如權利要求1所述砂體預測方法,其特征在于:所述步驟5)中,地震屬性層切片融合是將目的層及上部、下部相鄰地層的地震屬性層切片,通過訓練后的非線性回歸模型進行轉化。
9.一種基于目的層與相鄰層地震屬性的砂體預測系統,其特征在于:包括砂體厚度提取模塊、精細層位解釋模塊、地震屬性選取模塊、多元回歸模型獲取模塊和砂體分布預測模塊;
所述砂體厚度提取模塊基于測井曲線進行單井砂體解釋,提取目的層井點處的砂體厚度;
所述精細層位解釋模塊根據對目的層及相鄰層的地震層位進行精細層位解釋,提取井點附近的地震屬性值;
所述地震屬性選取模塊是通過分析井點附近各地震屬性與測井解釋的砂體厚度的相關性,選出能夠反映目標參數的地震屬性;
所述多元回歸模型獲取模塊以目的層測井解釋砂體厚度作為目標數據集,以目的層和上部、下部相鄰地層井點附近的地震屬性值作為訓練樣本數據集,將目標數據與訓練數據全部作為輸入數據,進行非線性映射,即得到訓練后的多元回歸模型;
所述砂體分布預測模塊根據訓練后的多元回歸模型,將目的層及上部、下部相鄰地層的地震屬性層切片進行融合,得到能夠反映目的層砂體厚度分布的融合地震屬性圖,即完成了砂體分布預測。
10.如權利要求1所述砂體預測系統,其特征在于:所述地震屬性選取模塊中,根據層位解釋及井震聯合時深標定結果,提取目的層及上部、下部相鄰地層的多種地震屬性的地層切片,進而提取井點附近的地震屬性值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國石油大學(北京),未經中國石油大學(北京)許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910091747.5/1.html,轉載請聲明來源鉆瓜專利網。





