基于频谱分解和机器学习的岩溶储层充填分析方法和系统技术方案

本发明专利技术属于数据识别、记录载体的处理领域，具体涉及了一种基于频谱分解和机器学习的岩溶储层充填分析方法和系统，旨在解决现有的石油勘探技术无法预测横向变化快的储层、无法识别大范围内复杂盆地碳酸盐岩洞穴型储层的发育特征的问题。本发明专利技术包括：获取标准化测井曲线数据；通过混合相位子波反褶积和扩散滤波，获得高精度的三维地震振幅数据体；确定能够反映整体地质情况的最优样本数参量进而确定时深转化关系和对储层敏感的特征参数；通过波阻抗解释结论门槛值计算缝洞型储层结构特征与空间分布规律；通过解释结论门槛值进行交会分析获得古岩溶洞穴充填物三维空间形态特征。本发明专利技术达到识别大范围内复杂盆地碳酸盐岩岩溶洞穴型储层的发育特征的效果提高了刻画的精度。的精度。的精度。

【技术实现步骤摘要】
基于频谱分解和机器学习的岩溶储层充填分析方法和系统


[0001]本专利技术属于数据识别、记录载体的处理领域，具体涉及了一种基于频谱分解和机器学习的岩溶储层充填分析方法和系统。

技术介绍

[0002]近年来，盆地深层油气资源正逐步成为油气勘探领域的重心。深层碳酸盐岩油气勘探潜力巨大，该类油藏占全球已探明石油储量的52%，产量的60%，是世界上许多盆地中最重要的油气靶区之一。虽然目前我国大部分油气产自碎屑岩储层，但碳酸盐岩储层正在发挥越来越重要的作用。中国海相碳酸盐岩储层油气资源丰富，在塔里木、鄂尔多斯、四川和渤海湾等陆上海相盆地已发现大量的石油资源，所探明石油储量为340
×
108t，然而，探明率仅为4.56%和13.17%。因此，海相碳酸盐岩储层具有巨大的油气开采潜力，是我国重要的油气勘探接替领域。
[0003]经研究发现，岩溶储层的充填特性会对油气产能产生很大的影响，如未充填、半充填的古岩溶洞穴有利于油气运移，能有效储集并在后期调整中良好成藏；而全充填的古岩溶洞穴则难以形成有效储集空间。据学者统计，砂泥质、洞穴垮塌角砾以及化学充填物等占据了古岩溶洞穴储层70%以上的空间。充填物岩性、物性的差异严重影响了油气储层储集空间与渗流作用。
[0004]碳酸盐岩古岩溶储层空间分布复杂，相互联系紧密。古岩溶储层研究的关键问题是如何准确认识深埋古岩溶系统的构造，如何利用地球物理资料有效地识别其位置，并且高精度地刻画古岩溶洞穴系统内部充填特征。
[0005]常规地球物理探测手段面临储层识别的瓶颈问题。由于沉积、成岩作用及后期岩溶改造，所形成的碳酸盐岩古岩溶储层洞穴、裂缝离散随机，具有极强的非均质性，我们从浅层碎屑岩和多孔碳酸盐岩储层得到的探测经验不能直接用于塔河油田的古岩溶储层勘探。稀疏的测井曲线纵向分辨率高，但是其探测范围有限，远离井筒的储层参数无法准确判断，这些特征决定了传统的测井探测手段量化储集体精细预测难度大。
[0006]由于古岩溶洞穴型储层埋藏深，地震波能量吸收衰减作用强烈，导致地震资料主频显著降低，分辨率大打折扣，深层时窗内信噪比过低。而钻井资料和岩芯样品表明，大多数洞穴高度不足5米，最大高度约为15米，原始地震资料分辨率难以达到准确识别效果。此外，与测井曲线相比，地震属性所包含的岩性物性信息含量较低，无法有效识别储层充填特征。
[0007]因此，如何充分利用地球物理信息，建立高精度测井解释方法与大范围地震探测数据的联系是改善储层预测分辨率与纵横向探测能力的关键。
[0008]井震联合反演可以将地震反射数据转化为岩石性质的定量估计，被广泛应用于储层预测中。基于地质统计学的井震联合反演是利用地质统计学原理，以地质模式为指导，根据随距离变化的变差函数将测井、地震等多类、多尺度数据整合，可实现古岩溶洞穴与致密围岩的区分，在此基础上可表征储集体的岩性、物性参数。由于地质统计思想在储层建模中
发挥了地质学优势，解决了物探领域的探测精度与探测范围的理论问题，突破了地震分辨率限制，达到了薄储层的随机模拟的效果。然而，该方法样本井的优选依赖于先验模型，并参考随距离变化的变差函数。地震资料只是起到对随机模拟结果优选的作用，没有考虑地震信息对样本优选的贡献。导致反演结果在高频段部分直接受控于井间插值，横向预测随机性强，无法预测横向变化快的储层。

技术实现思路

[0009]为了解决目前储层识别的技术难题，即现有的石油勘探洞穴型储层填充特征分析方法只将地质资料作为对随机模拟结构优选，并未考虑地震信息对测井样本优选的贡献，导致反演结果在高频段部分直接受控于井间插值，横向预测随机性强，无法预测横向变化快的储层的问题。本专利技术提供了一种基于频谱分解和机器学习的岩溶储层充填分析方法，所述方法包括：步骤S100，获取原始地球物理测井资料：通过测井设备获取各样本井的原始测井数据，包括：通过测量电极测量各样本井的自然电位SP，通过自然伽马井下装置和自然伽马地面仪器测量各样本井的自然伽马GR，通过井径臂获取各样本井的井径CAL；通过传统测井设备获取电阻率曲线数据：深侧向测井RLLD、浅侧向测井RLLS和微侧向测井RLLM，物性表征曲线数据：补偿中子CNL、补偿声波曲线AC和密度曲线DEN；基于成像测井信息、钻井信息、录井信息和岩心信息获得个别深度段的确定岩性信息和物性信息，进而确定目的层位标志层的深度数据；步骤S200，获取地震数据，通过地震波激发装置与接收装置获取原始地震波反射信号数据，并根据原始地震波反射信号数据的波形获取目的层位标志层的等时三维展布；步骤S300，原始地球物理测井数据预处理：基于所述样本井的所有原始测井数据，绘制测井曲线数据，并进行异常值处理和标准化处理，获得标准化测井曲线数据；步骤S400，地震数据预处理：基于所述地震波反射信号数据，通过混合相位子波反褶积和扩散滤波，获得高精度的三维地震振幅数据体；步骤S500，井震标定与特征参数选取：基于所述标准化测井曲线数据中的补偿声波曲线AC和密度曲线DEN获取样本井的波阻抗曲线，进而计算反射系数曲线，获取雷克子波的优选频率使其与高精度三维地震振幅数据体的主频保持一致，将所述雷克子波与所述反射系数曲线进行褶积运算，得到合成地震记录，并将所述目的层位标志层的深度数据与所述目的层位标志层的等时三维展布相比对进行井震标定，计算所述合成地震记录与井旁地震道波形的相关度，当相关度大于或等于预设的第一阈值时，判定井震标定结果合格，获得测井曲线数据与地震记录的时深转化关系和对储层敏感的特征参数；所述对储层敏感的特征参数，其获得方法包括：通过对井旁不同地质体产生的测井参数的响应绘制柱状统计图，当某一标准化测井曲线数据的数值可以将不同测井解释结论预设的第二阈值以上的数据点区分开时，则选定该标准化测井曲线数据为对储层敏感的特征参数；所述对储层敏感的特征参数至少包括波阻抗IMP，还可包括井径CAL、自然伽马GR、自然电位SP，电阻率曲线数据：深侧向测井RLLD、浅侧向测井RLLS、微侧向测井RLLM，物性表征曲线数据：补偿中子CNL、补偿声波曲线AC、密度曲线DEN中的一个或多个；
步骤S600，构建等时格架模型：基于高精度三维地震振幅数据体所反映的沉积地层规律和所述时深转化关系构建等时格架模型；步骤S700，井间储层参数模拟：基于各样本井的标准化测井曲线数据，确定能够反映整体地质情况的最优样本数参量，选取最优样本数参量条地震波形相关性最高的样本井的对储层敏感的特征参数数据构建初始模型，不断更正初始模型的参数，输出高精度特征值模拟结果数据体，所述高精度特征值模拟结果数据体为与所述对储层敏感的特征参数一一对应的数据体；步骤S800，刻画井间溶洞系统边界：基于对储层敏感的特征参数中的样本井的波阻抗曲线IMP，绘制波阻抗曲线直方图，确定区分古岩溶洞穴与围岩波阻抗门槛值；基于所述古岩溶洞穴与围岩波阻抗门槛值，将高精度特征值模拟结果数据体中超过所述区分古岩溶洞穴与围岩波阻抗门槛值的区域定义为碳酸盐岩基岩，将低于所述区分古岩溶洞穴与围岩波阻抗门槛值的区域定义为古岩溶洞本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于频谱分解和机器学习的岩溶储层充填分析方法，其特征在于，所述方法包括：步骤S100，获取原始地球物理测井资料：通过测井设备获取各样本井的原始测井数据，包括：通过测量电极测量各样本井的自然电位SP，通过自然伽马井下装置和自然伽马地面仪器测量各样本井的自然伽马GR，通过井径臂获取各样本井的井径CAL；通过传统测井设备获取电阻率曲线数据：深侧向测井RLLD、浅侧向测井RLLS和微侧向测井RLLM，物性表征曲线数据：补偿中子CNL、补偿声波曲线AC和密度曲线DEN；基于成像测井信息、钻井信息、录井信息和岩心信息获得个别深度段的确定岩性信息和物性信息，进而确定目的层位标志层的深度数据；步骤S200，获取地震数据，通过地震波激发装置与接收装置获取原始地震波反射信号数据，并根据原始地震波反射信号数据的波形获取目的层位标志层的等时三维展布；步骤S300，原始地球物理测井数据预处理：基于所述样本井的所有原始测井数据，绘制测井曲线数据，并进行异常值处理和标准化处理，获得标准化测井曲线数据；步骤S400，地震数据预处理：基于所述地震波反射信号数据，通过混合相位子波反褶积和扩散滤波，获得高精度的三维地震振幅数据体；步骤S500，井震标定与特征参数选取：基于所述标准化测井曲线数据中的补偿声波曲线AC和密度曲线DEN获取样本井的波阻抗曲线，进而计算反射系数曲线，获取雷克子波的优选频率使其与高精度三维地震振幅数据体的主频保持一致，将所述雷克子波与所述反射系数曲线进行褶积运算，得到合成地震记录，并将所述目的层位标志层的深度数据与所述目的层位标志层的等时三维展布相比对进行井震标定，计算所述合成地震记录与井旁地震道波形的相关度，当相关度大于或等于预设的第一阈值时，判定井震标定结果合格，获得测井曲线数据与地震记录的时深转化关系和对储层敏感的特征参数；所述对储层敏感的特征参数，其获得方法包括：通过对井旁不同地质体产生的测井参数的响应绘制柱状统计图，当某一标准化测井曲线数据的数值可以将不同测井解释结论预设的第二阈值以上的数据点区分开时，则选定该标准化测井曲线数据为对储层敏感的特征参数；所述对储层敏感的特征参数至少包括波阻抗IMP，还可包括井径CAL、自然伽马GR、自然电位SP，电阻率曲线数据：深侧向测井RLLD、浅侧向测井RLLS、微侧向测井RLLM，物性表征曲线数据：补偿中子CNL、补偿声波曲线AC、密度曲线DEN中的一个或多个；步骤S600，构建等时格架模型：基于高精度三维地震振幅数据体所反映的沉积地层规律和所述时深转化关系构建等时格架模型；步骤S700，井间储层参数模拟：基于各样本井的标准化测井曲线数据，确定能够反映整体地质情况的最优样本数参量，选取最优样本数参量条地震波形相关性最高的样本井的对储层敏感的特征参数数据构建初始模型，不断更正初始模型的参数，输出高精度特征值模拟结果数据体，所述高精度特征值模拟结果数据体为与所述对储层敏感的特征参数一一对应的数据体；步骤S800，刻画井间溶洞系统边界：基于对储层敏感的特征参数中的样本井的波阻抗曲线IMP，绘制波阻抗曲线直方图，确定区分古岩溶洞穴与围岩波阻抗门槛值；基于所述古岩溶洞穴与围岩波阻抗门槛值，将高精度特征值模拟结果数据体中超过所
述区分古岩溶洞穴与围岩波阻抗门槛值的区域定义为碳酸盐岩基岩，将低于所述区分古岩溶洞穴与围岩波阻抗门槛值的区域定义为古岩溶洞穴储层发育位置，获得古岩溶洞穴储层结构特征和空间分布规律；步骤S900，刻画洞穴内部充填岩性物性边界：刻画洞穴内部充填岩性物性边界：基于所述对储层敏感的特征参数构建交会版图，根据所述个别深度段的岩性信息和物性信息在交汇版图中框选数据点作为测井解释样本点，获得充填程度与充填物类型的解释结论门槛值；通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获得洞穴内部充填程度与充填物组合三维空间形态特征；步骤S1000，古岩溶洞穴结构与充填描述：基于所述古岩溶洞穴储层结构特征、空间分布规律、基于洞穴内部充填程度和充填物组合三维空间形态特征，采用岩性遮挡技术和三维雕刻技术雕刻出古岩溶洞穴空间展布和内部充填的发育特征。2.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征在于，所述通过测量电极测量各样本井的自然电位SP，通过自然伽马井下装置和自然伽马地面仪器测量各样本井的自然伽马GR，具体包括：所述通过测量电极测量各样本井的自然电位SP：将测量电极N设置于地面，测量电机M通过电缆设置于井下；沿井轴提升测量电极M测量自然电位随井深的变化；自然电位值的计算方法为：其中，为总自然电位，为扩散电位系数，为扩散吸附电位系数，为泥浆滤液电阻率值，为地层水电阻率值；所述通过自然伽马井下装置和自然伽马地面仪器测量各样本井的自然伽马GR：自然伽马井下装置包括探测器、放大器、高压电源；通过探测器获取自然伽马射线，并将所述自然伽马射线转化为电脉冲信号，并通过放大器进行放大；所述地面仪器把每分钟形成的电脉冲计数转化为电位差进行记录。3.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征在于，所述步骤S300，包括：步骤S310，基于所述原始测井数据绘制原始测井曲线数据；步骤S320，基于所述原始测井曲线数据，去除离群点获得去除离群点的测井曲线数据；步骤S330，基于所述去除离群点的测井曲线数据，叠合工区内所有样本井位的单个测井曲线柱状图数据，通过整合阈值，获得标准化测井曲线数据。4.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征在于，所述步骤S400，具体包括：步骤S410，基于所述地震波反射信号数据，将频率域地震记录褶积模型表示为：
其中，表示经傅氏变换后的地震记录，表示经傅氏变换后的子波，表示经傅氏变换后的反射系数的频谱，表示角频率；步骤S420，将所述频率域地震记录褶积模型的等式两边取对数转化为线性系统，获得线性地震记录褶积模型：步骤S430，将所述线性地震记录褶积模型进行反傅氏变换，获得复赛谱序列：其中，表示地震波形记录的复赛谱序列，表示地震子波的复赛谱序列，表示地层反射系数的复赛谱序列，表示地震波形记录时间；步骤S440，基于所述复赛谱序列，通过低通滤波器进行子波与反射系数分离，提取子波振幅谱；步骤S450，通过最小二乘法获取模拟地震子波振幅谱：其中，最小二乘法拟合参数为常数，表示子波振幅谱，和表示f的多项式，f表示地震子波的频率；步骤S460，基于所述模拟地震子波振幅谱，获得子波最大相位分量和最小相位分量；设子波的最大相位分量为、最小相位分量为，则子波为：振幅谱的复赛谱中表示为：其中，振幅谱的复赛谱在复赛谱的正、负轴上对称显示，为地震子波最大相位分量所对应的最小相位函数的复赛谱，为地震子波最小相位分量所对应的最大相位函数的复赛谱；步骤S470，基于所述振幅谱中的复赛谱确定一组具有相同振幅谱的混合相位子波集合，不断调整俞氏子波参数，保持低频、拓展高频和适当提高主频构建期望输出子波形态，在井曲线控制下以信噪比谱作参考寻找提高分辨率与保真度之间的最佳平衡点，获得整形后波形数据；步骤S480，基于所述整形后波形数据，构建张量扩散模型：其中，表示扩散时间，表示散度算子，D表示扩散滤波器的张量型扩散系数，U表示扩散滤波结果，表示=0时的扩散滤波结果，表示时刻的整形后波形数据，作
为张量扩散模型的初始条件，表示扩散滤波结果的梯度；基于所述张量扩散模型构建梯度结构张量：其中，U表示扩散滤波结果，表示梯度向量张量积；表示尺度为的高斯函数：其中，r表示计算半径；结构张量的特征向量为：其中，、和表示为梯度结构张量的3个特征向量，可视为局部正交坐标系，指向地震信号的梯度方向，和组成的平面平行于地震信号的局部结构特征，、和为分别与、和对应的三个特征值；步骤S490，基于所述结构张量的特征向量分别计算线状结构置信度量、面状结构置信度量和扩散张量；所述现状结构置信度量为：所述面状结构置信度量为：所述扩散张量D为：其中，、和表示扩散张量的三个非负特征值，他们分别表示扩散滤波器沿、和这三个特征方向的滤波强度；步骤S4100，重复步骤S480
‑
S490的步骤，直至达到预设的迭代次数，获得扩散滤波结果，即为所述高精度的三维地震振幅数据体。5.根据权利要求4所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征在于，所述模拟地震子波振幅谱的计算方法为：定位地震波反射信号数据中振幅谱的极大值和极大值所对应的频率；
将所述地震信号振幅谱的极大值和所述模拟地震子波振幅谱通过最小二乘法拟合的方式得到参数和多项式的系数，进而获得拟合的极大值相应频率振幅值；将所述地震信号振幅谱的极大值除以所拟合出的相应频率的振幅值，进而用商拟合多项式的系数。6.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征在于，所述步骤S700，具体包括步骤S710
‑
步骤S790：步骤S710，任选一样本井作为参考目标井，设定初始的样本数参量为1；步骤S720，根据波形相似性原则选取数量为样本数参量的样本井标准化测井曲线特征参数数据与参考目标井标准化测井曲线特征参数数据进行相关性分析获得样本数参量
‑
参考目标井的特征参数相关性值；步骤S730，逐1增加样本数参量，重复步骤S720的方法获得各样本数参量对应的样本数参量
‑
参考目标井曲线特征参数的相关性值，将所有样本数参量
‑<...

【专利技术属性】
技术研发人员：张江云，田飞，底青云，郑文浩，王中兴，杨永友，张文秀，
申请(专利权)人：中国科学院地质与地球物理研究所，
类型：发明
国别省市：