基于地震屬性的儲層參數(shù)估算方法研究
本文選題:角度域共成像點道集 + 地震屬性優(yōu)選 ; 參考:《中國石油大學(華東)》2015年碩士論文
【摘要】:疊前地震數(shù)據(jù)中含有十分豐富的物性、巖性、流體等信息,需要綜合利用多種方法把反映這些儲層信息的參數(shù)提取出來,地震屬性是獲得這些參數(shù)的一個重要途徑,通過對提取的地震屬性進行分析可以獲得較為準確的儲層信息。地下地層的厚度、孔隙度、滲透率、飽和度等特征參數(shù)只能通過鉆井信息來確定,而從井中所得到的各種特征參數(shù)僅是井點上的信息,只能確定一些離散位置點上的儲層信息。因此,要了解整個三維空間上儲層特征參數(shù)分布的規(guī)律,必須依靠地震數(shù)據(jù)在空間上進行展開,這就要建立地震數(shù)據(jù)與由測井數(shù)據(jù)獲得的各種儲層特征參數(shù)之間的關系。首先,通過相關性分析發(fā)現(xiàn),相比基于疊后地震數(shù)據(jù)的常規(guī)屬性,在疊前角度域共成像點道集(ADCIGs)上提取的地震屬性包含更加豐富的原始地震信息,疊加會損失疊前地震資料里微弱的有效信息,因此在ADCIGs上提取常規(guī)地震屬性,同時提取疊前屬性P、G,與測井數(shù)據(jù)一起組成樣本集,采用標準差標準化方法對樣本集數(shù)據(jù)進行標準化處理。進而,提出了將遺傳算法、支持向量回歸機算法結合的屬性優(yōu)選方法(GA-SVR),同時將禁忌搜索算法(TS)引入到屬性優(yōu)選中,將GA-SVR與TS進行對比、分析,選擇了GA-SVR方法對樣本集進行地震屬性優(yōu)選。最后,利用支持向量回歸機(SVR)建立屬性優(yōu)選后的樣本集與Gamma、Porosity測井數(shù)據(jù)等儲層特征參數(shù)之間的非線性估算模型,進而對三維工區(qū)進行儲層特征參數(shù)估算。針對Opendtect中的F3演示數(shù)據(jù)和勝利油田某工區(qū)實際數(shù)據(jù)進行了方法試算,估算結果在井位置處與實際測井數(shù)據(jù)有較高的一致性,在遠離井的位置,與地震數(shù)據(jù)、地質背景相吻合,驗證了本研究內容的有效性,為油田的石油勘探提供了參考。
[Abstract]:The prestack seismic data contain abundant physical property, lithology, fluid and so on, so it is necessary to extract the parameters reflecting these reservoir information by comprehensive use of many methods. Seismic attribute is an important way to obtain these parameters. More accurate reservoir information can be obtained by analyzing the extracted seismic attributes. The characteristic parameters of underground formation such as thickness porosity permeability and saturation can only be determined by drilling information. Therefore, in order to understand the distribution law of reservoir characteristic parameters in the whole three-dimensional space, we must rely on the spatial expansion of seismic data, which is necessary to establish the relationship between seismic data and various reservoir characteristic parameters obtained from logging data. First of all, through correlation analysis, it is found that compared with the conventional attributes based on post-stack seismic data, the seismic attributes extracted from the common imaging point gathers in prestack angle domain (ADCIGs) contain more abundant original seismic information. Stacking will lose the weak and effective information in the prestack seismic data, so the conventional seismic attributes are extracted from the ADCIGs, and the prestack attributes are extracted to form the sample set together with the logging data. The standard deviation standardization method is used to standardize the sample set data. Furthermore, a new attribute selection method, which combines genetic algorithm and support vector regression algorithm, is proposed. At the same time, Tabu search algorithm is introduced into attribute selection, and GA-SVR and TS are compared and analyzed. The GA-SVR method is selected to select the seismic attributes of the sample set. Finally, the nonlinear estimation model between the sample set after attribute selection and the reservoir characteristic parameters such as Gamma-Porosity logging data is established by using support vector regression machine (SVR), and then the reservoir characteristic parameters are estimated in 3D working area. Based on the F3 demonstration data in Opendtect and the actual data in a certain working area of Shengli Oilfield, the estimated results are in good agreement with the actual logging data at the well location, the location far away from the well, the seismic data and the geological background. The validity of this study is verified and a reference for oil field exploration is provided.
【學位授予單位】:中國石油大學(華東)
【學位級別】:碩士
【學位授予年份】:2015
【分類號】:P631.4;P618.13
【參考文獻】
相關期刊論文 前10條
1 蘇建龍;米鴻;王彥春;張豐麒;唐靜;;基于支持向量機的非線性彈性阻抗反演方法[J];石油地球物理勘探;2014年04期
2 王開燕;徐清彥;張桂芳;程某存;李培海;;地震屬性分析技術綜述[J];地球物理學進展;2013年02期
3 朱怡翔;石廣仁;;火山巖巖性的支持向量機識別[J];石油學報;2013年02期
4 王新桐;盧雙舫;肖佃師;;基于聚類分析的地震屬性優(yōu)化及儲層預測——以敖包塔油田敖9工區(qū)為例[J];石油天然氣學報;2013年03期
5 張爾華;關曉巍;張元高;;支持向量機模型在火山巖儲層預測中的應用——以徐家圍子斷陷徐東斜坡帶為例[J];地球物理學報;2011年02期
6 肖冬生;;疊前地震屬性在濁積巖儲層預測中的應用——以興隆臺-馬圈子地區(qū)沙三中下亞段為例[J];石油天然氣學報;2010年06期
7 袁野;劉洋;;地震屬性優(yōu)化與預測新進展[J];勘探地球物理進展;2010年04期
8 唐小彪;;基于對應分析的支持向量機回歸在地震儲層厚度預測中的應用[J];物探與化探;2009年04期
9 唐耀華;張向君;高靜懷;;基于地震屬性優(yōu)選與支持向量機的油氣預測方法[J];石油地球物理勘探;2009年01期
10 楊培杰;印興耀;;基于支持向量機的疊前地震反演方法[J];中國石油大學學報(自然科學版);2008年01期
相關碩士學位論文 前3條
1 于文彬;基于偏最小二乘及最小二乘支持向量機算法在儲層參數(shù)預測上的應用[D];吉林大學;2011年
2 倪鳳田;基于地震屬性分析的儲層預測方法研究[D];中國石油大學;2008年
3 倪艷;Isomap算法在地震屬性參數(shù)降維中的應用[D];成都理工大學;2007年
,本文編號:1821390
本文鏈接:http://sikaile.net/kejilunwen/shiyounenyuanlunwen/1821390.html