碳酸盐岩裂缝密度定量预测方法及装置制造方法及图纸

一种碳酸盐岩裂缝密度定量预测方法及装置，该方法包括：利用成像测井资料计算对应的已钻井井点处的裂缝密度；基于声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值；从三维叠后地震数据体中提取地震属性体；基于差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序；将所有已钻井分成训练井及校验井，分别作为训练井数据集及校验井数据集；利用训练井数据集训练不同数量的地震属性对应的概率神经网络模型；利用校验数据集及校验井的校验误差确定用于定量预测的最佳属性集；根据最佳属性集及概率神经网络模型计算碳酸盐岩裂缝密度的定量数据体。本发明专利技术可以实现裂缝发育密度三维空间的定量描述。

Quantitative prediction method and device for fracture density of carbonate rock

【技术实现步骤摘要】
碳酸盐岩裂缝密度定量预测方法及装置
本专利技术是关于碳酸盐岩储集层裂缝检测技术，特别是关于一种碳酸盐岩裂缝密度定量预测方法及装置。
技术介绍
碳酸盐岩储集层的发育具有很强的非均质性，裂缝的发育程度与开启性对碳酸盐岩油气藏储渗性能、烃类运聚、产能建设起着至关重要的作用。由于我国碳酸盐岩储集层普遍孔隙度低、渗透率低，因此裂缝在改造储集层性质、提高油气可动用性方面的作用就更为突出。在裂缝检测的勘探地球物理技术方法中，目前主要有石油地球物理测井(简称测井)技术方法和石油地球物理地震勘探(简称地震)技术方法两大类。用于裂缝检测的测井技术方法中，基于成像测井的裂缝识别方法是目前最为可靠的。利用已钻井的成像测井资料，可分析计算得到裂缝密度、裂缝长度、裂缝宽度以及裂缝张开度等裂缝发育定量信息，其中裂缝密度是关于裂缝空间展布的一个重要参数。但由于测井信息只能探测井筒四周很小的范围，因此，关于裂缝密度的定量信息也是局限于井点处的。用于裂缝检测的地震技术方法，由于其能够表征裂缝在三维空间的展布特征，因此对于碳酸盐岩油气藏勘探开发的指导作用更为显著。目前这类技术方法主要分为两大类：一类主要基于叠后地震数据开展裂缝检测；一类主要基于叠前地震数据开展裂缝检测。基于叠前地震数据开展裂缝检测，一般是利用不同方位地震响应的特征差异分析和预测裂缝；或者采用多波多分量裂缝检测得到较为精确的裂缝信息。但这类方法必需利用三维宽方位地震勘探资料或多波地震勘探资料，往往带来勘探成本的大幅度提高，因此目前均未广泛应用。基于叠后地震数据开展裂缝检测是目前较为常用的裂缝地震检测方法，其利用的是叠后地震数据，野外采集方式是常规采集，采用三维相干体、三维方差体、三维曲率体、谱分解、倾角扫描、多尺度边缘检测等技术方法进行裂缝检测，提供的裂缝信息主要是定性的，而对利用叠后地震数据开展三维空间裂缝密度定量预测的技术方法，其需求是十分迫切的。
技术实现思路
本专利技术实施例提供了一种碳酸盐岩裂缝密度定量预测方法，以实现裂缝发育密度三维空间的定量描述。为了实现上述目的，本专利技术实施例提供了一种碳酸盐岩裂缝密度定量预测方法，包括：获取已钻井的成像测井资料、声波测井信息、密度测井信息以及三维叠后地震数据体；利用所述成像测井资料计算对应的已钻井井点处的裂缝密度；基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值；从所述三维叠后地震数据体中提取地震属性体；基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序；将所有已钻井分成训练井及校验井，分别作为训练井数据集及校验井数据集；利用所述训练井数据集训练不同数量的地震属性对应的概率神经网络模型；利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集；根据所述最佳属性集及所述概率神经网络模型计算碳酸盐岩裂缝密度的定量数据体。一实施例中，所述基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值，包括：基于所述三维叠后地震数据体，采用递推反演方法计算三维地层的波阻抗数据体；利用已钻井的声波测井信息及密度测井信息，采用井约束地震反演方法，得到三维地层的岩石骨架波阻抗数据体；计算所述波阻抗数据体与岩石骨架波阻抗数据体之差，得到所述差值。一实施例中，所述基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序，包括：S1：随机选取一口已钻井作为分析对象；S2：将所述分析对象的差值作为第一个且固定的地震属性，从随机选取的该已钻井的井旁地震道中提取的m个地震属性分别组成m个属性对，作为m个回归自变量，将该已钻井的裂缝密度作为回归因变量；S3：分别建立m个回归自变量与所述回归因变量的二元回归模型；S4：计算每一所述回归模型的回归系数检验的统计量值，将统计量值的最大值对应的地震属性作为第二个地震属性；S5：基于自变量子集对回归因变量的三元线性回归，重复S4依次选出第三个至满足条件的最后一个地震属性。一实施例中，所述概率神经网络模型的输入为排序后的地震属性，输出为期望预测的井中裂缝密度测井信息。一实施例中，所述利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集，包括：将每口已钻井的各地震属性分别输入到对应的概率神经网络模型中；计算每口已钻井的的校验误差及所有已输入地震属性的井的校验总误差；对比对于不同输入数量的地震属性的校验总误差，选择校验总误差最小值对应的地震属性的个数作为用于定量预测的最佳属性集的属性个数，得到最佳属性集。为了实现上述目的，本专利技术实施例提供了一种碳酸盐岩裂缝密度定量预测装置，包括：数据获取单元，用于获取已钻井的成像测井资料、声波测井信息、密度测井信息以及三维叠后地震数据体；裂缝密度计算单元，用于利用所述成像测井资料计算对应的已钻井井点处的裂缝密度；差值计算单元，用于基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值；地震属性体提取单元，用于从所述三维叠后地震数据体中提取地震属性体；排序单元，用于基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序；钻井划分单元，用于将所有已钻井分成训练井及校验井，分别作为训练井数据集及校验井数据集；模型训练单元，用于利用所述训练井数据集训练不同数量的地震属性对应的概率神经网络模型；属性集确定单元，用于利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集；数据体计算单元，用于根据所述最佳属性集及所述概率神经网络模型计算碳酸盐岩裂缝密度的定量数据体。一实施例中，所述差值计算单元包括：波阻数据体计算模块，用于基于所述三维叠后地震数据体，采用递推反演方法计算三维地层的波阻抗数据体；骨架波阻抗数据体计算模块，用于利用已钻井的声波测井信息及密度测井信息，采用井约束地震反演方法，得到三维地层的岩石骨架波阻抗数据体；差值计算模块，用于计算所述波阻抗数据体与岩石骨架波阻抗数据体之差，得到所述差值。一实施例中，所述排序单元包括：钻井选取模块，用于随机选取一口已钻井作为分析对象；数据提取模块，用于将所述分析对象的差值作为第一个且固定的地震属性，从随机选取的该已钻井的井旁地震道中提取的m个地震属性分别组成m个属性对，作为m个回归自变量，将该已钻井的裂缝密度作为回归因变量；模型建立模块，用于分别建立m个回归自变量与所述回归因变量的二元回归模型；统计量值计算模块，用于计算每一所述回归模型的回归系数检验的统计量值，将统计量值的最大值对应的地震属性作为第二个地震属性；三元线性回归模块，用于基于自变量子集对回归因变量的三元线性回归，重复S4依次选出第三个至满足条件本文档来自技高网...

【技术保护点】
1.一种碳酸盐岩裂缝密度定量预测方法，其特征在于，包括：/n获取已钻井的成像测井资料、声波测井信息、密度测井信息以及三维叠后地震数据体；/n利用所述成像测井资料计算对应的已钻井井点处的裂缝密度；/n基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值；/n从所述三维叠后地震数据体中提取地震属性体；/n基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序；/n将所有已钻井分成训练井及校验井，分别作为训练井数据集及校验井数据集；/n利用所述训练井数据集训练不同数量的地震属性对应的概率神经网络模型；/n利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集；/n根据所述最佳属性集及所述概率神经网络模型计算碳酸盐岩裂缝密度的定量数据体。/n

【技术特征摘要】
1.一种碳酸盐岩裂缝密度定量预测方法，其特征在于，包括：
获取已钻井的成像测井资料、声波测井信息、密度测井信息以及三维叠后地震数据体；
利用所述成像测井资料计算对应的已钻井井点处的裂缝密度；
基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值；
从所述三维叠后地震数据体中提取地震属性体；
基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序；
将所有已钻井分成训练井及校验井，分别作为训练井数据集及校验井数据集；
利用所述训练井数据集训练不同数量的地震属性对应的概率神经网络模型；
利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集；
根据所述最佳属性集及所述概率神经网络模型计算碳酸盐岩裂缝密度的定量数据体。


2.根据权利要求1所述的碳酸盐岩裂缝密度定量预测方法，其特征在于，所述基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值，包括：
基于所述三维叠后地震数据体，采用递推反演方法计算三维地层的波阻抗数据体；
利用已钻井的声波测井信息及密度测井信息，采用井约束地震反演方法，得到三维地层的岩石骨架波阻抗数据体；
计算所述波阻抗数据体与岩石骨架波阻抗数据体之差，得到所述差值。


3.根据权利要求1所述的碳酸盐岩裂缝密度定量预测方法，其特征在于，所述基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序，包括：
S1：随机选取一口已钻井作为分析对象；
S2：将所述分析对象的差值作为第一个且固定的地震属性，从随机选取的该已钻井的井旁地震道中提取的m个地震属性分别组成m个属性对，作为m个回归自变量，将该已钻井的裂缝密度作为回归因变量；
S3：分别建立m个回归自变量与所述回归因变量的二元回归模型；
S4：计算每一所述回归模型的回归系数检验的统计量值，将统计量值的最大值对应的地震属性作为第二个地震属性；
S5：基于自变量子集对回归因变量的三元线性回归，重复S4依次选出第三个至满足条件的最后一个地震属性。


4.根据权利要求3所述的碳酸盐岩裂缝密度定量预测方法，其特征在于，所述概率神经网络模型的输入为排序后的地震属性，输出为期望预测的井中裂缝密度测井信息。


5.根据权利要求1所述的碳酸盐岩裂缝密度定量预测方法，其特征在于，所述利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集，包括：
将每口已钻井的各地震属性分别输入到对应的概率神经网络模型中；
计算每口已钻井的的校验误差及所有已输入地震属性的井的校验总误差；
对比对于不同输入数量的地震属性的校验总误差，选择校验总误差最小值对应的地震属性的个数作为用于定量预测的最佳属性集的属性个数，得到最佳属性集。


6.一种碳酸盐岩裂缝密度定量预测装置，其特征在于，包括：
数据获取单元，用于获取已钻井的成像测井资料、声波测井信息、密度测井信息以及三维叠后地震数据体；
裂缝密度计算单元，用于利用所述成像测井资料计算对应的已钻井井点处的裂缝密度；
差值计算单元，用于基于所述声波测井信息、密度测井信息以及三维叠后地震数据体计算地层波阻抗与岩石骨架波阻抗的差值；
地震属性体提取单元，用于从所述三维叠后地震数据体中提取地震属性体；
排序单元，用于基于所述差值及裂缝密度，利用向前逐步回归法对提取的地震属性体进行排序；
钻井划分单元，用于将所有已钻井分成训练井及校验井，分别作为训练井数据集及校验井数据集；
模型训练单元，用于利用所述训练井数据集训练不同数量的地震属性对应的概率神经网络模型；
属性集确定单元，用于利用所述校验数据集及所述校验井的校验误差确定用于定量预测的最佳属性集；
数据体计算单元，用于根据所述最佳属性集及所述概率神经网络模型计算碳酸盐岩裂缝密度的定量...

【专利技术属性】
技术研发人员：李劲松，魏超，李勇根，宋建勇，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：北京;11