储层预测.ppt
- 文档编号:18801814
- 上传时间:2023-11-22
- 格式:PPT
- 页数:136
- 大小:11.11MB
储层预测.ppt
《储层预测.ppt》由会员分享,可在线阅读,更多相关《储层预测.ppt(136页珍藏版)》请在冰点文库上搜索。
,油藏地球物理,1:
地震勘探的发展2:
油藏地球物理研究的内容3:
油藏地球物理的定义,20世纪70年代,地震勘探数字化技术与地震资料数据处理技术等全面发展,出现了振幅相对保持的“亮点”技术(1973年),开始了应用地震资料直接寻找油气,揭开了油藏地球物理技术的序幕,“亮点”技术的实质是应用地震波的振幅属性作烃类检测;之后,又出现了声阻抗技术、剖面的彩色显示技术;我国地球物理家1974年就提出了开发地震的概念,70年代末,出现了三瞬(瞬时振幅、瞬时频率、瞬时相位)技术,开始地震属性分析;1982年Angeleri等人发表文章提出了利用地震资料预测储层孔隙度的文章,同年,Ostrander等提出了AVO技术;90年代初,中国地球物理学家应用多参数分析、模式识别与人工神经网络等进行储层预测,如杜世通等提出地震多参数(即现在的地震属性)储层预测技术,钱绍新等提出应用模式识别技术进行储层油气预测,李衍达、朱广生等分别提出应用地震波特征参数(属性)与人工神经网络作油气预测;90年代中期陈遵德等提出应用人工神经网络预测储层参数,并作地震属性优化研究;之后,出现了地震三维可视化技术,相干数据体、方差体等各类地震属性综合分析技术。
在地震属性分析技术与储层预测技术发展的同时,以测井约束地震波阻抗反演理论、方法与技术也迅速发展。
随着计算数学、图象处理、信号处理等相关领域方法技术的发展及在地震勘探中的引入与广泛应用,各类地震波属性计算精度越来越高,提取的数量越来越多,波阻抗反演与储层预测方法也越来越多,逐步形成一套在油气田开发中行之有效地球物理理论方法与应用-油藏地球物理。
勘探地球物理学油藏(储层)地球物理学,勘探地球物理主要是精确成像,解决构造问题油藏地球物理解决的问题:
岩性、储层参数(孔隙度、砂岩厚度、渗透率等)、油气分布等。
储层地球物理学研究的内容:
地层岩性、压力、储层厚度、孔隙度、渗透率、饱和度、油气分布等。
油藏地球物理:
1绪论1.1油藏地球物理学的形成、发展与现状1.2油藏地球物理学研究的内容2地震波属性概述2.1地震波属性的概念与分类2.2主要地震波属性的地球物理意义与计算2.3地震波属性优化技术,3几种典型地震波属性及应用3.1AVO特征及应用3.2主特征参数的提取与应用3.3吸收系数的提取与应用3.4相干体的计算与应用3.5高阶累计量与高阶谱的计算与应用4相关滤波及其在储层预测中的应用4.1相关滤波技术的基本原理4.2相关滤波技术的应用,5多元统计方法在储层预测中的应用5.1多元统计方法原理5.2多元统计方法的应用6模式识别技术及其在储层预测中的应用6.1统计模式识别技术的基本原理与应用6.2人工神经网络基本原理与应用7边缘检测技术与应用7.1边缘检测技术的基本原理7.2基于小波边缘检测技术与应用7.3基于分形边缘检测技术与应用,8地震波阻抗反演方法理论与应用8.1波阻抗反演的基本原理8.2测井约束地震反演方法的应用9多波多分量地震储层描述与应用9.1多波多分量地震勘探的理论基础9.2多波多分量地震资料采集与处理9.3多波地震资料解释和储层描述10四维地震勘探技术与应用10.1四维地震的可行性与研究前提10.2四维地震资料处理方法与原则10.3四维地震资料解释方法,11井间地震勘探技术11.1井间地震原理与方法11.2井间地震作用11.3井间地震发展现状与前景12微震监测技术12.1微震监测原理与方法12.2微震监测作用12.3微震监测发展现状与前景,储层地球物理学的定义:
通过某一方法,利用地震波属性(特征)研究储层岩性、厚度、孔隙度、渗透率、饱和度、油气等储层参数的地球物理方法理论。
地震波属性(特征):
是专门用来测定地震数据的几何学、动力学、运动学、统计学特征。
方法:
统计学波阻抗反演模式识别等,地震储层预测,一、地震储层预测的理论与地质基础二、地震属性分析、优化与应用三、模式识别储层参数预测四、地震反演,储层:
具有一定连通性孔隙、能使流体储存,并在其中渗滤的岩层称为储层(储集层)碳酸岩储层:
石灰岩、白云岩、生物焦等碎硝岩储层:
砂砾岩、抽砂岩、中砂岩、细砂岩、粉砂岩等,一、地震储层预测的理论与地质基础,描述储层的参数:
孔隙、裂隙、溶洞孔隙度、渗透率、饱和度、储层厚度、地层压力、泥质含量等,影响地震波传播的因素:
与地震波速度有关的因素:
1)弹性常数与地震波速度的关系;2)岩性与地震波速度的关系;3)密度与地震波速度的关系;4)构造历史和沉积年代与地震波速度的关系;5)埋藏深度与地震波速度的关系;6)孔隙度及流体性质与地震波速度的关系;7)温度压力与地震波速度的关系。
一、速度与岩石弹性常数的关系,弹性模量,拉梅系数、体变模量K、杨氏模量E、泊松比,剪切模量,体变模量,杨氏模量,上两式相除:
泊松比为0.25左右,所以(含气时泊松比变小),二、地震波速度与岩性的关系,各大类岩石的波速,几种沉积岩的波速,三、地震波速度与岩石密度的关系,沉积岩中的波速与岩石密度的关系:
如对某些石灰岩、页岩来说,可用线性方程来描述:
式中VKm/s,,完全充水饱和时,地震纵波速度与岩石密度之间存在着良好的定量关系,非线性关系经验公式(加德纳公式):
四、速度与构造历史和沉积年代的关系,一般来说,地层越深,地震波速度越大,一般来说,沉积年代越久,地震波速度越大,五、地震波速度与埋藏深度的关系,一般来说,随深度的增加地震波速度增大。
不同的地区,速度随深度变化的垂直梯度可能相差很大。
一般地说,在浅处速度梯度较大;深度增加时,梯度减小。
一般地,随岩石埋藏深度的增加,地震波的速度增大,垂直梯度减小。
六、与孔隙度和流体性质的关系,岩石孔隙度示意图,岩石骨架,流体(孔隙),当考虑流体压力变化影响因素时,引入压差调节系数C,上式变为:
孔隙度;V波在岩石中的实际速度;波在孔隙流体中的速度;波在岩石基质中的速度;C压差调节系数。
七、与频率、温度和压力的关系与频率无关(无频散),温度每升高100度,速度减少56。
理论曲线图,此外,表层、地层吸收、波前扩散等对地震记录也有较大的影响。
描述储层的地震属性:
定义:
地震波属性(地震波特征参数):
是专门用来测定地震数据的几何学、动力学、运动学、统计学特征。
地震数据通过某种数学运算获得的参数即为地震波属性。
二、地震属性分析与应用,各类地震波属性种类与分类地震波特征信息非常丰富,从前人研究成果来看,可提取近150种不同的地震特征参数。
分类:
比较流行的分类有两种方法:
一种是20世纪90年代初由Taner等人提出的,将地震属性分为几何属性和物理属性,几何属性通常与波形及地震层位的几何形态(如倾角、方位、曲率等)有关,物理属性包括地震波运动学和动力学属性,主要有速度、振幅、频率、衰减等;另一种分类是1996年Brown等人提出的,将地震属性分为叠前属性与叠后属性;到20世纪90年代末,人们在上述两种分类方法的基础上,提出了一种比较完整的分类方法,即将叠后属性与叠前属性看成地震属性技术发展的两个阶段,就象叠后偏移成像与叠前偏移成像一样。
在这个意义上,将地震属性分为几何学属性、运动学属性、动力学术性和统计学属性四大类。
前三类属性常常有直接物理意义,统计学属性大多采用统计学方法获得的次生属性,如相干体、相似性、广义主分量(GPC)、边缘检测(EPS)等,一般没有直接物理意义。
地震波属性的应用概述:
用单一的地震波属性研究油气分布和储层参数的变化;用一组属性结合其它方法来进行研究。
综合利用地震波属性作储层预测的方法较多,如模式识别、多元统计、模糊数学等,其中最典型的是用神经网络作油气预测。
在各种预测方法中,使用的地震波特征参数多少不同,一般多取20多种不同的特征参数。
几种地震波属性的计算:
特征参数的计算:
在地震资料解释的基础上,对目的层时窗按下式作Hilbet变换,求得虚数地震道:
式中:
是实地震道,是虚地震道,是时间采样间隔,n是采样点数。
在实际编程过程中,为防止出现振荡现象,需用Parzen窗等进行镶边。
瞬时振幅的计算公式:
瞬时相位的计算公式:
瞬时频率的计算公式:
设介质的吸收系数为,则一维波动方程的解为:
吸收系数:
K:
反映吸收系数的大小,求出自相关函数,总能量,最大能量,带宽,带宽内的能量,求出自相关函数,自回归的随机过程,自回归模型为:
亮点:
地层含气后,振幅明显增大,形成一个很粗黑的同相轴,负片(胶片)上则为透明带,称为亮点。
平点:
倾斜或弯曲地层,某些大型气(油)藏的气(油)水界面会形成一个水平反射段,叫平点。
暗点:
多数地质背景下满足不了形成亮点的条件,砂岩储层顶面为一正反射系数。
当油气后,反射系数减小,而使振幅减弱。
把这种现象叫暗点反射。
形成弱振幅暗点的地质原因很多,故暗点不是油气检测的有效方法。
亮点(暗点、平点)油气检测,亮点的剖面特征:
(1)极性反转
(2)强振幅(3)低频(4)同相轴中断,1970年在墨西哥湾发现的一个亮点,平点,暗点,连井地震测线与吸收系数吸收系数平面分布,T66ms振幅方差平面分布图变T612ms振幅方差平面分布图,有利勘探面积25km2,三、模式识别储层参数预测,3.1:
基于神经网络与K-L变换属性优化,内容,地震特征参数人工神经网络原理K-L变换地震特征参数优化储层参数预测原理储层预测方法的应用1)王3区块储层孔隙度与砂岩厚度预测2)杜家台油层油气及储层参数预测3)百口泉区块油气及储层参数预测,地震特征参数,地震波中蕰含了十分丰富的地层信息和油气信息,这些信息反映在地震波特征上。
通过各种数学方法,提取不同的地震特征参数(属性),并应用于各类油气藏及储层参数的识别。
现有的文献表明:
地震特征参数种类有150多种,我在利用地震波特征参数预测储层孔隙度、砂层厚度等储层参数时,共提取了25个特征参数。
分别如下:
1:
瞬时参数
(1)、瞬时振幅的均值;
(2)、瞬时振幅的均方值;(3)、瞬时频率的均值;(4)、瞬时频率的均方值;2:
频域内地震波特征参数(5)、频域内总能量;(6)、功能谱最大峰值;(7)、功能谱最大峰值对应的频率;(8)、频带宽度;(9)、带宽内的功能谱之和;(10)、主频;(11)、15-20Hz频带内能量和;(12)、中心频率;(13)、能量达到总能量25%时的频率;(14)、能量达到总能量50%时的频率;(15)、能量达到总能量75%时的频率;,3:
吸收系数(16)、相对吸收系数;(17)、绝对吸收系数;4:
自相关特征参数(18)、自相关函数负极大值的绝对值;(19)、自相关函数主瓣宽度;(20)、自相关函数的主瓣面积;5:
自回归特征参数(21)(25)、5个五阶自回归系数;,特征参数的计算:
(以三瞬为例)在地震资料解释的基础上,对目的层时窗按下式作Hilbet变换,求得虚数地震道:
式中:
是实地震道,是虚地震道,是时间采样间隔,n是采样点数。
在实际编程过程中,为防止出现振荡现象,需用Parzen窗等进行镶边。
瞬时振幅的计算公式:
瞬时相位的计算公式:
瞬时频率的计算公式:
1)人工神经网络的基本处理单元2)多层感知器3)误差反传播算法,人工神经网络原理,人工神经元基本处理单元Sigmoid函数,1:
人工神经网络的基本处理单元,多层感知器,2:
多层感知器,误差反传播算法是利用梯度搜索技术使估价函数(costfunction)最小化,估价函数等于期望输出与网络实际输出差的平方和。
网络训练时,开始取一些小的随机数(计算机自动生成),以这些随机数作为网络内部各个节点之间连接的权系数和各个节点上的阈值的初始值,然后,输入所有训练样本数据,根据网络求得输出结果,计算实际输出与期望输出的差值,并按照一定的规则,不断地修改节点间的连接权系数和节点内部的阈值,反复这一过程,直至权值收敛,并使估价函数降至可接收值。
3:
误差反传播算法,在利用地震波特征参数作储层预测时,不同参数从不同的方面反映储层的性质,由于影响地震波特征参数变化的因素较多,且十分复杂,储层参数的变化不可能使每一种地震波特征参数发生变化,甚至对某些特征的变化具有不确定性,在储层预测时起副作用;同时,地震波特征是经过各种数学变换求得的,特征参数之间,有些是相互独立的,有些存在一定的相关性。
因此,针对不同的地区,预测不同的参数,采取特征参数优化方法,选取较敏感的一组地震波特征参数进行储层预测具有重要的意义。
K-L变换是特征优化有效方法。
K-L变换地震特征参数优化,应用地震资料作储层参数油气预测的主要步骤:
第一步:
地震资料的构造精细解释。
第二步:
地震波特征参数的提取。
第三步:
神经网络的训练。
第四步:
对储层参数、油气分布进行预测。
储层参数预测原理,神经网络储层参数,储层预测方法的应用,神经网络属于模式识别范畴,在数学理论上十分完备,近十年来在社会各个领域中都得到了应用,在油气勘探与开发方面,由于地下介质的复杂性以及地震资料在采集、处理和解释等方面存在诸多因素的限制,使得地震信号保真程度降低,进而造成特征参数的误差,同时,因不同的使用者对其应用的理解程度不同,这些都影响神经网络的预测效果。
我们在构造精细解释基础上,以地震波特征参数提取为基础,以神经网络为手段,对王三区块的沙2-1、沙2-2、沙2-3、沙2-4及辽河油田杜家台层段的油气、砂岩厚度和孔隙度分布进行预测。
在应用过程中,我们重点考虑K-L变换优化后的地震波特征参数,选取合理的网络结构,充分利用测井、钻井、地质等资料综合评定的砂岩厚度作为约束条件。
纵波多属性综合识别裂隙油气藏,沙二1预测孔隙度分布图,1:
王三区块储层预测,沙二2预测孔隙度分布图,沙二3预测孔隙度分布图,沙二4预测孔隙度分布图,沙二1预测砂岩厚度分布图,沙二2预测砂岩厚度分布图,沙二3预测砂岩厚度分布图,沙二4预测砂岩厚度分布图,从图上可以得到如下认识:
地震资料预测值与实际值吻合较好,实际砂岩厚度与孔隙度较大的区域,预测砂岩厚度与孔隙度一般也较大,实际砂岩厚度与孔隙度较小的区域,预测砂岩厚度与孔隙度一般也较小。
2:
将井位处实际孔隙度与地震预测值比较,如表4-1,分析表中数据可以得出:
沙二1、沙二2、沙二3、沙二4孔隙度预测值的相对误差小于10%的分别为54%、79%、75%和67%,平均69%,达到了合同规定60%的指标;相对误差小于20%的分别为83%、98%、98%和93%,平均93%,也达到了合同规定90%的指标。
可见,孔隙度的预测精度相当高。
将井位处实际砂岩厚度与地震预测值比较,如表4-2,分析表中数据可以得出:
沙二1、沙二2、沙二3、沙二4砂岩厚度预测值的相对误差小于15%的分别为:
45%、37%、47%和45%,平均44%,与50%的指标略有差距;相对误差小于30%的分别为:
79%、78%、81%和82%,平均80%,刚好达到了规定的80%的指标。
图1-1:
工区位置及地震测线分布图,2、杜家台油层油气及储层参数预测,图1-2:
L321测线各层位标定及追踪,图1-6:
T480测线各层位标定及追踪,图1-7:
杜家台油层顶面构造图,图2-6:
基于神经网络与多参数的油气预测,图2-7:
基于神经网络与多参数的砂岩厚度预测,图2-8:
基于神经网络与多参数的孔隙度预测,沙二1预测孔隙度分布图,1:
砂岩厚度预测,沙二2预测孔隙度分布图,沙二3预测孔隙度分布图,沙二4预测孔隙度分布图,沙二1预测砂岩厚度分布图,沙二2预测砂岩厚度分布图,沙二3预测砂岩厚度分布图,从图上可以得到如下认识:
地震资料预测值与实际值吻合较好,实际砂岩厚度较大的区域,预测砂岩厚度一般也较大,实际砂岩厚度较小的区域,预测砂岩厚度一般也较小。
2:
将井位处实际孔隙度与地震预测值比较,如表4-1,分析表中数据可以得出:
沙二1、沙二2、沙二3、沙二4孔隙度预测值的相对误差小于10%的分别为54%、79%、75%和67%,平均69%,达到了合同规定60%的指标;相对误差小于20%的分别为83%、98%、98%和93%,平均93%,也达到了合同规定90%的指标。
可见,孔隙度的预测精度相当高。
将井位处实际砂岩厚度与地震预测值比较,如表4-2,分析表中数据可以得出:
沙二1、沙二2、沙二3、沙二4砂岩厚度预测值的相对误差小于15%的分别为:
45%、37%、47%和45%,平均44%,与50%的指标略有差距;相对误差小于30%的分别为:
79%、78%、81%和82%,平均80%,刚好达到了规定的80%的指标。
沙二10上预测孔隙度分布图,2:
孔隙度预测,沙二10下预测孔隙度分布图,沙二10下预测孔隙度分布图,沙二10下预测孔隙度分布图,沙二10下预测孔隙度分布图,沙二10下预测孔隙度分布图,沙二10下预测孔隙度分布图,从图上可以看出:
地震资料预测值与实际值吻合较好,实际砂岩厚度与孔隙度较大的区域,预测砂岩厚度与孔隙度一般也较大,实际砂岩厚度与孔隙度较小的区域,预测砂岩厚度与孔隙度一般也较小。
将井位处实际孔隙度与地震预测值比较,如表4-3,分析表中数据可以得出:
沙二10上和沙二10下的孔隙度预测值的相对误差小于10%的分别为:
64%和73%,完全达到了合同规定的达60%的技术指标;相对误差小于20%的分别为:
93%和91%,也完全达到了90%的技术指标。
可见,孔隙度的预测精度相当高。
沙二10上预测孔隙度分布图,3:
油气预测,沙二10下预测孔隙度分布图,沙二10下预测孔隙度分布图,将井位处实际砂岩厚度与地震预测值比较,如表4-4,分析表中数据可以得出:
沙二10上和沙二10下砂岩厚度预测值的相对误差小于15%的分别为:
49%和55%,平均52%,达到了50%的指标要求;相对误差小于30%的分别为:
66%和83%,接近80%的指标。
谢谢!
地震勘探,地震勘探,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 预测