一種地震流體反演識別方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請涉及石油勘探領(lǐng)域，更具體地說，涉及一種地震流體反演識別方法和裝置。
【背景技術(shù)】
[0002] 地震流體反演識別，即利用地震資料對儲層含流體特征進行識別與描述，即將與 孔隙流體有關(guān)的異常特性表征為流體因子，利用地震資料實現(xiàn)流體因子反演并指導(dǎo)流體識 別的過程。流體因子最早定義為由縱橫波速度相對變化量的權(quán)差運算構(gòu)成的一種參數(shù)。隨 著流體因子在儲層預(yù)測中的推廣應(yīng)用，流體因子這一概念已不單指某種特定的參數(shù)，而是 被賦予更為寬泛的含義，即：對某研究工區(qū)而言，能夠?qū)涌紫读黧w類型進行有效區(qū)分的 參數(shù)都可以稱為"流體因子"，因此對于不同工區(qū)，流體因子既有共性也有較大差異，需通過 流體因子敏感性分析開展統(tǒng)計分析。
[0003] 現(xiàn)有基于疊前反演的地震流體識別方法主要利用地震信息，在測井及層位約束下 開展流體因子反演，缺少地質(zhì)信息的考慮，反演結(jié)果對地質(zhì)先驗認識考慮較少，導(dǎo)致流體預(yù) 測結(jié)果缺少地質(zhì)意義。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本申請?zhí)峁┮环N地震流體反演識別方法和裝置，在儲層巖石物理相約 束下實現(xiàn)流體因子疊前地震反演，使得流體預(yù)測結(jié)果具有地質(zhì)意義。
[0005] 為了實現(xiàn)上述目的，現(xiàn)提出的方案如下：
[0006] -種地震流體反演識別方法，包括：
[0007] 建立三維儲層巖石物理相模型；
[0008] 在所述三維儲層巖石物理相模型的約束下，建立地震反演初始模型；
[0009] 根據(jù)不同角度的地震數(shù)據(jù)，利用所述地震反演初始模型實現(xiàn)對儲層流體的反演識 別。
[0010] 優(yōu)選的，所述構(gòu)建三維儲層巖石物理相模型包括：
[0011] 構(gòu)建儲層的三維沉積相模型；
[0012] 在所述三維沉積相模型的約束下，基于預(yù)先構(gòu)建的多個單井儲層巖石物理相模 型，建立三維儲層巖石物理相模型。
[0013] 優(yōu)選的，所述構(gòu)建儲層的三維沉積相模型，包括：
[0014] 獲取地震解釋信息和地質(zhì)分層信息；
[0015] 根據(jù)所述地震解釋信息和所述地質(zhì)分層信息構(gòu)建三維構(gòu)造模型；
[0016] 基于所述三維構(gòu)造模型，建立三維沉積相模型。
[0017] 優(yōu)選的，所述在所述三維沉積相模型的約束下，基于預(yù)先構(gòu)建多個單井儲層巖石 物理相模型，建立三維儲層巖石物理相模型之前，還包括：根據(jù)測井解釋數(shù)據(jù)，構(gòu)建多個單 井儲層巖石物理相模型。
[0018] 優(yōu)選的，所述構(gòu)建儲層的三維沉積相模型包括：利用序貫高斯模擬技術(shù)建立所述 三維儲層巖石物理相模型。
[0019] 優(yōu)選的，所述構(gòu)建多個單井儲層巖石物理相模型包括：基于神經(jīng)網(wǎng)絡(luò)的聚類分析 技術(shù)構(gòu)建多個單井儲層巖石物理相模型。
[0020] 優(yōu)選的，所述在所述三維沉積相模型的約束下，基于預(yù)先構(gòu)建的多個單井儲層巖 石物理相模型，建立三維儲層巖石物理相模型，包括：
[0021] 采用序貫高斯模擬技術(shù)在所述三維沉積相模型的約束下，基于預(yù)先構(gòu)建的多個單 井儲層巖石物理相模型，建立三維儲層巖石物理相模型。
[0022] 優(yōu)選的，所述地震反演初始模型為儲層巖石物理相約束下建立的不同角度彈性阻 抗初始模型。
[0023] -種地震流體反演識別裝置，包括：
[0024] 三維儲層巖石物理相構(gòu)建單元，用于構(gòu)建三維儲層巖石物理相模型；
[0025] 地震反演初始模型構(gòu)建單元，用于在所述三維儲層巖石物理相模型的約束下，建 立地震反演初始模型；
[0026] 地震流體反演識別單元，用于根據(jù)不同角度的地震數(shù)據(jù)，利用所述地震反演模型 實現(xiàn)對儲層流體的反演識別。
[0027] 優(yōu)選的，所述三維儲層巖石物理相模型構(gòu)建單元包括：
[0028] 三維沉積相模型構(gòu)建子單元，用于構(gòu)建儲層的三維沉積相模型；
[0029] 三維儲層巖石物理相模型構(gòu)建子單元，用于在所述三維沉積相模型的約束下，基 于預(yù)先構(gòu)建的多個單井儲層巖石物理相模型，建立三維儲層巖石物理相模型。
[0030] 經(jīng)由上述技術(shù)方案可知，本發(fā)明公開了一種地震流體反演識別方法和裝置。該方 法首先構(gòu)建儲層的三維巖石物理相模型，并在三維巖石物理相模型的約束下，建立地震反 演初始模型。進而，利用不同角度的地震數(shù)據(jù)實現(xiàn)流體因子疊前地震反演，從而完成對儲層 流體的反演識別。由于儲層巖石物理相分析是儲層綜合評價方法，主要表征沉積作用、成巖 作用和后期構(gòu)造作用對儲層影響的綜合效應(yīng)，儲層巖石物理相作為油藏描述系統(tǒng)工程的一 個重要內(nèi)容，對預(yù)測有利油氣富集部位、剩余油氣富集區(qū)有著重要的指導(dǎo)意義。因而本發(fā)明 提出的基于儲層巖石物理相約束的地震流體識別方法在反演中考慮了儲層巖石物理相的 先驗約束，反演得到的流體展布符合地質(zhì)先驗認識，使得流體預(yù)測結(jié)果具有地質(zhì)意義。。
【附圖說明】
[0031] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0032] 圖1示出了本發(fā)明一個實施例公開的一種地震流體反演識別方法的流程示意圖；
[0033] 圖2示出了本發(fā)明另一個實施例公開的一種地震流體反演識別裝置的流程示意 圖。
【具體實施方式】
[0034] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0035] 參見圖1示出了本發(fā)明一個實施例公開的一種地震流體反演識別方法的流程示 意圖。
[0036] 在本實施例中，該方法包括：
[0037] SlOl :建立三維儲層巖石物理相模型。
[0038] 可選的，可通過以下方式構(gòu)建儲層的三維物理相模型。
[0039] A :獲取地震解釋信息和地質(zhì)分層信息，將所獲取的地震解釋信息和地質(zhì)分層信息 作為輸入數(shù)據(jù)，建立儲層的層面模型及斷層模型。層面模型和斷層模型建立后即得到了儲 層的構(gòu)造模型，在構(gòu)造模型的基礎(chǔ)上建立儲層的三維沉積相模型。
[0040] 可選的，該三維沉積相模型可以由隨機模擬技術(shù)或確定性模擬技術(shù)方法得到。其 中，三維沉積相模型的隨機建模方法主要有截斷高斯、標點過程、指示模擬、序貫高斯模擬 等。如果工區(qū)井網(wǎng)很密且單井資料豐富，則可以利用確定性建模的方法模擬儲層的三維沉 積相模型。在確定性建模方法中，三維沉積模式的建立主要通過取心井巖心的觀測和分析 工區(qū)的沉積特征，利用自然電位或自然伽馬測井曲線在各沉積相中不同的響應(yīng)特征，定量 統(tǒng)計砂體走向和同沉積砂體的厚度等參數(shù)，建立工區(qū)的沉積相一維井模型，然后，數(shù)字化校 正后的沉積相平面圖，利用賦值法進行確定性三維沉積相建模。
[0041] B :構(gòu)建多個單井儲層巖石物理相模型。
[0042] 目前研究巖石物理相的方法主要有疊加法、加權(quán)平均法、對應(yīng)分析法、主因素分析 法。
[0043] 疊加法是指將沉積微相、成巖相、裂縫相平面圖進行疊加，以其交集作為巖石物理 相分類依據(jù)。加權(quán)平均法是根據(jù)選定的綜合評判函數(shù)來計算巖石物理相類型（PF)，根據(jù)PF 進行巖石物理相劃分。對應(yīng)分析法和主因素分析法是多元統(tǒng)計范疇內(nèi)的相關(guān)分析方法，加 強了對多元信息的提取，但實現(xiàn)步驟繁瑣，可操作性差。為此，本研究采用基于神經(jīng)網(wǎng)絡(luò)的 聚類分析技術(shù)來進行儲層巖石物理相的劃分。神經(jīng)網(wǎng)絡(luò)（Neural Networks，NN)是通過模 擬人的大腦處理機制的生理功能，由大量的、簡單的處理單元（或稱神經(jīng)元）廣泛互連形成 的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，具有大規(guī)模并行、分布式存儲和處理、自組織、自適應(yīng)和自學(xué)習(xí)的能力，特 別適用于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，目前已廣 泛應(yīng)用與語音識別、圖形識別與理解、計算機視覺、智能機器人、故障檢測等領(lǐng)域中。由于神 經(jīng)網(wǎng)絡(luò)具有魯棒性強、可去除噪聲等優(yōu)點，將神經(jīng)網(wǎng)絡(luò)用于聚類問題有望解決傳統(tǒng)聚類問 題中的噪聲問題。神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)分為輸出層、處理層和輸出層三部分。輸入層從外界 環(huán)境接收數(shù)據(jù)及相關(guān)函數(shù)等外部信息，處理層由處理節(jié)點通過不同權(quán)值而復(fù)雜互聯(lián)，從而 對輸入層傳輸?shù)臄?shù)據(jù)進行復(fù)雜的加權(quán)處理，最后由輸出層得到處理結(jié)果。在聚類問題中， 可以將要聚類的樣本作為輸入數(shù)據(jù)到達輸入層，然后經(jīng)過處理層對樣本進行復(fù)雜的加權(quán)求 值，然后在輸出層輸出聚類的結(jié)果，從而達到聚類的目的。由于神經(jīng)網(wǎng)絡(luò)具有魯棒性強、可 去除噪聲的優(yōu)點，所以不會把極個別噪聲數(shù)據(jù)單獨聚為一類，從而有效地避免了噪聲數(shù)據(jù) 對于聚類結(jié)果的影響。如果對于潛在的巖石物理機制的關(guān)系不了解的話，神經(jīng)網(wǎng)絡(luò)技術(shù)是 學(xué)習(xí)和評估巖石屬性之間關(guān)系的一個方法。聚類分析將能夠確定最佳的與這些關(guān)系相吻合 的非線性函數(shù)。一旦這種非線性函數(shù)關(guān)系確定，就可以用于預(yù)測所期望的屬性值。目標工區(qū) 采用測井解釋結(jié)果孔隙度，滲透率，泥質(zhì)含量，粒度中值及流動帶指標值等進行儲層巖石物 理相聚類分析，分為三類。其中泥質(zhì)含量和粒度中值主要反映儲層的巖石相特征，孔隙度、 滲透率反映儲層的物性特征。而流動帶指標值則反映儲層的微觀孔隙結(jié)果特征。
[0044] C :采用序貫高斯