System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于地震资料处理,具体为综合叠前叠后地震属性的油气储层孔隙度智能预测方法。
技术介绍
1、随着我国油气勘探开发的持续推进,陆上复杂油气藏已经成为维护国家能源战略安全的主阵地,包括构造岩性复合油气藏、中深层油气藏、非常规油气藏,地质目标的日益复杂化对地震技术提出了更高的要求,地质理论和技术创新对油气勘探的决定性作用愈加突出,既要通过高密度高分辨率的地震数据对构造细节进行精细刻画,又要对油气储层的物理性质进行直接的三维空间表征,据此可以进行储量评估、产量预测、勘探决策和开发设计。
2、陆相油气储层薄而且横向变化快,储层物性预测难度大,传统基于模型的确定性反演结果分辨率低、多解性强,据此进行勘探决策的风险较高,与之相比,随机地震反演尽管能够提高分辨率和可靠性,并能对预测结果的准确性进行统计定量评价,但是,由于计算流程复杂、计算效率低,在业界的应用推广普及程度仍然不高,石油勘探开发行业拥有海量的三维分布地震数据和一维测井数据,如何从这些海量数据中提取有用的勘探信息是地球物理解释人员的首要任务,传统人工地震解释非常耗时耗力,需要引入人工智能方法技术提质增效,机器学习在地球物理成像和岩石物理反演中的应用出现了爆炸式的增长,用于解决一系列具有挑战性的复杂地球物理反问题,为地震数据处理、地震成像和反演、地震解释和储层表征、测井分析等提供了高效、高精度解决方案,机器学习应用于储层物性预测是通过学习大量的样本数据,建立储层物性参数和地震数据特征之间的关系,这是一种数据驱动的预测方法,可以融合多源地球物理数据,通过数据驱动,建立
3、地震属性是从地震数据中计算得到的具有几何学、运动学、动力学或统计学特征的测量参数值,有些对沉积环境比较敏感,有些可以更好地描述较为隐蔽的储层特征,有些则被用来进行直接油气检测,如今,地震属性在储层表征中起着不可或缺的作用,在地震数据质量较差的时候,构造解释可以勉强进行下去,但是对依赖于地震属性的储层物性预测来说,很明显储层物性预测结果的质量不会高于输入地震数据的质量,储层预测的结果存在很大的不确定性,在地震解释中,常常利用一种或多种地震属性来进行储层预测,自从上世纪六十年代利用亮点地震属性刻画油气储层以来,已发展出上百种地震属性,大量案例表明,叠后地震属性与储层几何特征密切相关;叠后瞬时属性提取虽然是基于地震信号的数学变换,而不是基于波动理论,但是在有些情况下也会对储层刻画有较敏感的识别效果,叠前地震属性及avo反演属性与储层物性的关系最为密切,随着截距与梯度avo属性的出现,avo解释进入到了一个定量化阶段,目前,利用zoepprtiz方程或其线性化近似,可定量反演弹性参数,由此可构建岩性和流体指示因子,基于岩石物理模型还可进一步反演储层参数,如孔隙度和流体饱和度,但是,地震波形记录的影响因素很多,包括岩性、厚度、深度、孔隙度与孔隙结构分布、孔隙流体等,没有一种地震属性会准确刻画油气储层,因此,为了发挥各种属性的独特优势,利用多种叠前、叠后地震属性进行储层预测是必然的发展方向,为了降低信息冗余和增强输入数据的特征,业界常常会减少输入高度相关的属性,对监督学习算法来说,减少属性数量对预测结果影响不大,但是对弱监督学习算法来说,在学习样本匮乏的情况下,输入冗余的地震属性既会带来数据端的“维数灾难”,也会导致“过拟合”,从而降低储层物性的预测效果,地震属性直接影响机器学习的预测效果,尤其是学习样本匮乏和地震数据质量不高的情况下,噪音会左右机器学习的训练效果,因此,对众多的地震属性进行特征分析是非常有必要的,据此对输入地震数据进行质量控制,优选关键属性用于储层物性精准预测。
4、为弥补传统油气储层孔隙度预测方法过于依赖单一地震属性的缺点,本专利技术提出了一种新的综合叠前叠后地震属性的油气储层孔隙度智能预测方法。
技术实现思路
1、为了克服上述缺陷,本专利技术提供了综合叠前叠后地震属性的油气储层孔隙度智能预测方法,解决了传统油气储层孔隙度预测方法过于依赖单一地震属性的问题。
2、本专利技术的目的为:
3、通过将叠后地震多属性转换成孔隙度再与叠前地震多属性进行联合,从而解决了地震反射属性与地层属性两类属性的融合问题,并借助人工智能算法在数据融合方面的优势,与单独叠后或叠前属性预测结果相比,综合叠前叠后地震属性的油气储层孔隙度智能预测精度提高了15.5%,由此提高了油气储层物性预测的准确度。
4、为实现上述目的,本专利技术提供如下技术方案:
5、综合叠前叠后地震属性的油气储层孔隙度智能预测方法,包括以下步骤:
6、s101、基于叠后地震多属性进行油气储层孔隙度初步预测;
7、s102、叠前叠后地震多属性排序优选;
8、s103、综合叠前叠后地震属性进行油气储层孔隙度智能预测。
9、作为本专利技术的进一步方案:所述s101中,基于叠后地震多属性进行油气储层孔隙度初步预测,基于提取得到的多种叠后地震属性,利用人工智能算法进行油气储层孔隙度的预测,从而将地层反射属性转换成地层属性。
10、作为本专利技术的进一步方案:所述s101中,共提取了叠后地震属性12种,展示了其中6种油气储层的叠后地震属性,分别是相对阻抗、震幅包络、瞬时震幅、瞬时主频、平均频率和瞬时相位属性;
11、基于所提取的叠后地震属性,利用人工智能算法进行油气储层孔隙度的预测;
12、其中人工智能算法为支持向量机svm;
13、工区内测井数据较为完备的井5口,选取其中4口作为训练样本,余下的1口作为验证样本。
14、作为本专利技术的进一步方案:所述s102中,进一步提取得到多种叠前地震属性,并进行叠前叠后地震多属性的排序优选,包括多种叠后地震属性和多种叠前地震属性,以及s101中得到的油气储层孔隙度初步预测结果。
15、作为本专利技术的进一步方案:所述s102中,展示了其中6种油气储层的叠前地震属性,包括纵波速度、横波速度、密度、泊松比、λρ和μρ;
16、在进行优选过程中采用逐级方法,计算单个属性与孔隙度的相关系数并进行排序。
17、作为本专利技术的进一步方案:所述s103中,综合叠前叠后地震属性进行油气储层孔隙度的智能预测,从而得到油气储层孔隙度的最终预测结果。
18、作为本专利技术的进一步方案:所述s103中,其中人工智能算法为支持向量机svm;
19、工区内测井数据较为完备的井5口,选取其中4口作为训练样本,余下的1口作为验证样本;
20、在选取地震属性的过程中,泊松比为首选,然后融合相关系数第二高值的孔隙度初步预测值,利用两种属性进行孔隙度预测;
21、依次融入更多的地震属性,利用验证井查看预测结果的准确程度,直至准确度出现下降,便停止纳入更多的地震属性,此时的地震属性组合即为最有组合。
22、与现有技术相比,本专利技术的有益效果在于:通过本文档来自技高网...
【技术保护点】
1.综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S101中,基于叠后地震多属性进行油气储层孔隙度初步预测,基于提取得到的多种叠后地震属性,利用人工智能算法进行油气储层孔隙度的预测,从而将地层反射属性转换成地层属性。
3.根据权利要求1所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S102中,进一步提取得到多种叠前地震属性,并进行叠前叠后地震多属性的排序优选,包括多种叠后地震属性和多种叠前地震属性,以及S101中得到的油气储层孔隙度初步预测结果。
4.根据权利要求1所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S103中,综合叠前叠后地震属性进行油气储层孔隙度的智能预测,从而得到油气储层孔隙度的最终预测结果。
5.根据权利要求2所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S101中,共提取了叠后地震属性12种,展示了其中6种油气储层的
6.根据权利要求5所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S101中,基于所提取的叠后地震属性,利用人工智能算法进行油气储层孔隙度的预测,其中人工智能算法为支持向量机SVM。
7.根据权利要求3所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S102中,得到了其中6种油气储层的叠前地震属性,包括纵波速度、横波速度、密度、泊松比、λρ和μρ。
8.根据权利要求7所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S102中,在进行优选过程中采用逐级方法,计算单个属性与孔隙度的相关系数并进行排序。
9.根据权利要求4所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述S103中,其中人工智能算法为支持向量机SVM。
...【技术特征摘要】
1.综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述s101中,基于叠后地震多属性进行油气储层孔隙度初步预测,基于提取得到的多种叠后地震属性,利用人工智能算法进行油气储层孔隙度的预测,从而将地层反射属性转换成地层属性。
3.根据权利要求1所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述s102中,进一步提取得到多种叠前地震属性,并进行叠前叠后地震多属性的排序优选,包括多种叠后地震属性和多种叠前地震属性,以及s101中得到的油气储层孔隙度初步预测结果。
4.根据权利要求1所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在于:所述s103中,综合叠前叠后地震属性进行油气储层孔隙度的智能预测,从而得到油气储层孔隙度的最终预测结果。
5.根据权利要求2所述的综合叠前叠后地震属性的油气储层孔隙度智能预测方法,其特征在...
【专利技术属性】
技术研发人员:焦国华,张卫平,周晋科,杨玉龙,孙福刚,王亮,杨海涛,
申请(专利权)人:中国石油化工股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。