多波多分量技术在岩性与流体预测中的应用

目的探索利用多波分量技术提高地震储层测精度。方法在精细岩石物理分析和岩性、流体敏感因子优选的基础上,通过PS波标定,纵横波精细对齐进行纵横波联合解释、联合反演;利用实测全波列测井数据对PS波AVO响应特征和储层及流体的关系进行定量研究。结果在研究区进行含气性预测,预测符合率较单一纵波提高10%以上。结论多波勘探技术因增加了横波信息,有效提高了岩性和流体预测精度。     

超致密裂缝性储层地震预测方法研究——以川西新场气田须二气藏勘探为例

川西深层须家河组油气成藏地质条件十分复杂,气藏具有超深、超低孔渗、超高压、超致密等特征.有效储层预测、裂缝预测、含气性检测成为须家河组地震勘探面临的三大主要难题.近年来,以宽方位、大偏移、三分量三维地震资料为主,多学科协同,深入研究多波属性含气地震响应特征等,通过P波叠前纵、横波联合反演、PP波和PS波叠后联合反演、P波方位各向异性检测、横波分裂裂缝检测等方法技术的应用,较好解决了须家河组超致密裂缝性储层预测和裂缝检测等问题,充分利用地震资料信息,取得了一系列油气勘探开发的重大进展.     

利用改进的自组织网络进行地震属性分析

自组织神经网络结合地震属性技术往往被用于进行地震相的自动识别,但在实际应用中存在着一些问题难以解决：如神经网络的分类识别能力问题、怎样选取地震属性、怎样解决自组织聚类的有序映射等。对Kohonen自组织网络进行了部分改进,并利用灵敏属性分析技术来解决地震属性的选择问题,最后结合自组织聚类参数利用RBF网络对储层参数进行预测,较为有效地提高了地震多属性储层预测精度。     

伊拉克中部E油田三角洲前缘Zubair层系砂岩储层预测

伊拉克中部下白垩统Zubair层系砂岩储层为中东重要油气储层,为三角洲前缘沉积,储层横向变化快,明确砂体分布规律对于油藏开发具有重要意义。针对目的层段,统计工区内6口井的砂体厚度与油层厚度,综合应用叠后地震反演与地震多属性定量分析,优选对储层敏感的地震属性,进行归一化处理,获得综合地震属性用于指示有利储层分布。研究表明,研究区内平均波阻抗、最大波阻抗可以一定程度上反映砂岩有利分布区,但叠后反演波阻抗有利储层识别能力有限;最大振幅属性和均方根振幅属性随砂体厚度增大而增大,瞬时频率属性与平均主频属性随油层厚度增大而增大;上述地震属性与砂体发育、含油气性吻合度较高,可作为工区内的敏感地震属性,指示有利储层分布规律。     

川西深层须家河组气藏储层预测关键技术

探讨川西深层上三叠统须家河组气藏优质储层预测、裂缝发育带预测及含气性检测方法。针对川西新场气田须家河组气藏,在储层地震响应特征和有利沉积相带预测的基础上,利用AVO叠前同时反演预测相对优质储层的分布;采用纵横波资料联合的裂缝检测方法,进行地震属性裂缝预测、P波方位各向异性裂缝预测、横波分裂裂缝检测及离散裂缝网络建模的裂缝表征等多方法、多尺度的裂缝综合预测;利用纵波和横波联合反演进行储层的含气性预测,并形成了须家河组气藏储层预测关键技术。结果表明该技术系列可以较好地预测须家河组气藏相对高孔隙储层、裂缝发育带及含气有利区,钻井成功率从15%提高到89%。     

概率神经网络技术在地震岩性反演中应用

针对研究区目的储层单层厚度小和储层岩性横向变化较大情况,为了解决利用地震资料进行常规储层预测反演较困难问题,采用概率神经网络方法,讨论了网络模型的构造和预测识别等步骤。根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地层特征进行预测识别,研究结果表明:在实际资料处理中取得了好的应用效果。研究成果对油田勘探开发具有一定的指导意义。     

车排子东缘沙湾组薄互层油藏分布特征

车排子地区沙湾组含油气地层主要以沙一段夹杂于灰质砂岩中的疏松砂岩条带为主,结合沉积相分析认为,受到多期物源以及沉积变化的影响,该油藏具有厚度薄、横向变化快的特点。受地震分辨率限制,采用反演、属性分析等方法无法对该薄互层油藏中有效储层厚度变化进行准确刻画。针对这种薄夹层储层,结合测井、岩心资料建立地质模型进行地震正演,分析发现在围岩厚度一定的情况下地震响应特征与有效储层厚度之间存在单调变化关系,根据这个特征,建立不同围岩厚度条件下的储层厚度-属性模板,综合利用地震属性、地震反演结果实现对研究区有效储层厚度变化的预测。结合区域研究成果与储层预测,车排子东缘沙一段主要可划为两套不同类型沉积,有效储层的分布特征主要受两种沉积的分布影响。     

砂泥岩地层概率神经网络岩性反演技术应用研究

概率神经网络是一种基于概率密度函数理论的神经网络,能够广泛地应用于模式识别等领域.针对地震岩性反演预测问题,提出了一种具体的概率神经网络方法,包括网络模型的构造和预测识别步骤等.研究区主要目的层为沙溪庙组沙一段湖滩砂及河道砂体,储层单层厚度小,岩性横向变化较大,利用地震资料进行常规储层预测较困难.为此,根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地震属性数据做变换,从而对地层特征进行预测识别.     

滨里海盆地东缘中区块东南部石炭系KT-Ⅱ滩相薄储层综合预测

滨里海盆地东缘中区块东南部石炭系KT-Ⅱ滩相储层厚度薄、横向变化快、非均质性强。利用地震、测井、岩心资料,以滩相储层评价研究为指导,综合运用敏感属性及地质统计学反演方法,进行薄储层预测。研究区KT-Ⅱ滩相储层划分为孔隙型、裂缝—孔隙型及孔洞缝型3类,以孔隙型为主,有效储层孔隙度下限为4%。滩相沉积表现为中弱振幅、低频地震反射特征,首先优选均方根振幅、瞬时频率、有效带宽等敏感地震属性,通过优选属性聚类,定性预测储层分布;之后,结合储层评价研究结果,通过基于马尔科夫链—蒙特卡洛算法（MCMC）的高分辨率地质统计学反演、云变换与地质统计学协模拟,刻画有效薄储层展布,反演结果纵向分辨率高,井间横向变化合理,真实地反映了碳酸盐岩储层变化特征。薄储层综合预测结果表明,滩相储层主要分布于研究区东侧,研究成果成功指导X-7探井钻探,实钻获得高产油流,并指出研究区东南侧为下一步勘探有利区域。     

应用地震多属性反演与随机模拟技术预测砂体展布——以川西丰谷构造须四段为例

针对丰谷构造须四段储层具有埋深大、物性差、砂泥岩速度差异小等特点,综合采用基于神经网络的地震多属性反演与基于地质统计学的随机模拟进行砂体展布预测.该方法在目标曲线预分析和井震标定的基础上,首先根据地震属性与目标曲线的相关性,对地震属性进行排序与优选;然后通过概率神经网络训练,寻找目标曲线与多种地震属性的非线性关系,得到目标曲线的反演数据体;最后以反演体为约束条件,通过随机模拟的方法建立砂岩百分含量模型,完成砂体的井间预测.应用结果表明.该方法可以有效地减少砂体预测的多解性、提高砂体预测的精度,较为客观地展现各期砂体的空间分布以及相互叠置关系,具有一定应用价值.     

基于地震属性技术的井壁稳定随钻预测新方法

基于地震属性和测井数据之间存在非线性关系，提出一种综合利用地震和测井信息随钻预测井壁稳定性的新方法，即在钻前联合运用遗传算法和BP神经网络算法，从所提取的井旁原始地震属性中优选出对测井特征参数最敏感的地震属性组合，并利用已钻井资料建立起反映所研究区块不同地层中地震属性与测井数据之间关系的一系列神经网络映射模型，实钻时通过分析岩屑录井资料选择适当的映射模型，随钻预测出待钻井段的声波和密度测井数据，进一步预测出钻头下方地层的井壁稳定性。该预测方法具有良好的精确度和时效性，在塔西南地区的实际应用中取得了良好效果。     

神经网络在CB油田储层预测和储层厚度计算中的应用

根据ＣＢ油田的特点提出了利用神经网络进行储层预测和计算地层厚度的方法。将传统的储层预测方法与人工神经网络相结合，能较好地解决ＣＢ油田的储层预测问题。利用神经网络的非线性映射特点实现了地震特征与地层厚度之间的映射，从而可以准确地求取地层厚度。用该方法设计了２口探井，实际钻井结果表明，这种方法的预测结果准确、可靠。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布。     

非线性方法在储层参数平面分布预测中的应用

根据神经网络、非参数回归等非线性方法的基本原理 ,对储层参数平面分布进行了预测。结果表明 ,神经网络方法能够根据井点储层参数观测数据与井旁道地震属性之间的内在联系 ,通过自学习功能 ,建立起储层参数与地震属性间较为复杂的关系 ,适应性很强。但该方法对井点储层参数及地震属性的质量要求较高 ;而非参数回归方法不必事先知道储层参数和地震属性之间的关系 ,可以避免由于模型假设与实际情况的偏差而产生的错误预测。该模型包罗广 ,适用面宽 ,能够有效地反映地震属性与储层参数间较为复杂的关系 ,在油气预测以及油藏描述中将会有广阔的应用前景。     

基于吸收分析的多属性反演技术及在油田开发中的应用

为了满足油藏开发阶段砂体内部油水识别的需求,提出了基于地层吸收分析的多属性反演流体识别技术。算法实现分三步:1利用基于广义S变换的瞬时子波吸收分析(GST_WEA)油气预测技术计算地震记录的高、低频吸收因子;2结合吸收因子和其它与流体相关的地震属性,以电阻率曲线为目标函数构建多元线性反演,利用多元逐步回归算法对包括吸收因子在内的多种地震属性进行流体敏感性排序;3进一步利用概率神经网络算法对优选的以吸收因子为主的地震属性进行多属性电阻率反演。通过模型分析验证了GST_WEA油气预测技术的抗噪性。实际应用效果表明吸收因子较其他地震属性具有更高的流体敏感性,通过多属性反演有效预测了砂体内部的含油优势区域。     

一种基于卷积网络的地震探测数据随机噪声去除方法

为有效提高地震数据信噪比,通过卷积神经网络(convolutional neural network,CNN)的方法研究了地震勘探数据去除随机噪声问题.该方法包含17个卷积层,使用线性整流(rectified linear unit,ReLU)激活函数避免梯度消失,使用批量标准化(batch normalization,BN)提高网络的泛化能力.所构建的网络应用残差学习策略,即输入为含噪地震正演叠前数据,输出为CNN网络学习获得的随机噪声.然后从地震记录中减去网络预测的噪声数据,从而达到去除随机噪声的目的.同时,根据地震勘探数据振幅随探测时间衰减的规律,在网络训练过程中进行深度加权,使得CNN对于深部噪声的学习效果更好.网络在PyTorch框架下训练,应用图形处理器并行计算可以有效提高网络训练速度.利用训练好的网络进行去噪实验,结果表明与传统的时空域预测滤波法相比,该网络能更好地压制随机噪声.可见针对地震勘探数据,CNN能够有效提取含噪数据中的噪声信息,证明了该方法在去除随机噪声方面的合理性与有效性.     

分布式光纤声波地震波勘探技术

随着常规和易采油气资源日渐减少,勘探开发复杂地质油气资源,对降低我国油气对外依存度,保障国家能源安全发挥着越来越重要的作用。复杂地质油气藏具有储层更薄、更深,非均质性更强等特性,现有地震波检测技术难以实现有效勘探。设计了一种用于油气地震波勘探开发的分布式光纤声波监测系统,使用光缆作为传感器来检测声音信号,采用基于背向瑞利散射的相位调制解调技术,实现了10 m的空间分辨率、-145.35 dB的声压灵敏度的测试,并进行了地震弹炮实地勘探,完成了地震波信号采集处理,获得了清晰的地层反演信息。