一种裂缝的地震属性判识系统及方法技术方案

本申请提供一种裂缝的地震属性判识系统及方法。所述方法包括：根据获取的成像测井资料、岩心分析资料识别和统计出单井裂缝密度的裂缝信息，并生成单井裂缝模型；从获取的地震数据中提取指定类型的地震属性数据，从中选出与储层相关性达到预设要求的优选地震属性；将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型；利用人工智能非线性神经网络对所述训练模型进行训练；当所述训练模型中的优选地震属性符合设置的筛选条件时，输出符合所述筛选条件的优选地震属性。利用本申请实施例可以智能、快速、准确的判别众多地震属性的优劣，实现地震属性对井检裂缝的有效识别，大大提高了实际作业效果和效率。

System and method for identifying seismic attribute of crack

The invention provides a system and a method for identifying the seismic attributes of a crack. The method comprises the following steps: according to the imaging logging data, core analysis data acquisition and recognition statistics of fracture information of single well fracture density, and generate a single well fracture model; extracting seismic attribute data of the specified type from the seismic data acquisition, select and reservoir related to optimization of seismic attributes the design requirements; the single well fracture model as the input signal, the optimization of seismic attributes as the output signal to establish training model; using artificial intelligence, nonlinear neural network to the training model for training; when the optimization of seismic attributes of the training model in accordance with the conditions set screening, optimization of seismic attributes output conforms to the conditions of screening. By using the embodiment of the utility model, the advantages and disadvantages of a plurality of seismic attributes can be judged intelligently, rapidly and accurately, and the effective identification of the seismic attributes to the well test cracks can be realized, and the actual operation effect and the efficiency can be greatly improved.

【技术实现步骤摘要】

本专利技术属于油气地质勘探开发领域，具体涉及基于地震属性预评估来油藏实际裂缝发育程度与预测裂缝发育程度符合度的智能判识系统及方法。该系统可有效提高工作效率，具有工业实用价值。
技术介绍
地震属性在油气勘探开发中通常是指从地震数据中导出的关于几何学、运动学、动力学及统计特征的特殊量值。利用地震属性可以分析研究存储的裂缝信息，进而为存储预测和油气勘探开发的井位部署提供可靠的依据。目前，利用地震属性分析技术进行油气勘探和储层预测已成为石油勘探开发中的一个重要研究方向。地震属性种类繁多，目前国内外没有统一的分类标准。从地震属性的实际应用看，根据不同的研究目标、层系、岩性变化，结合地震属性的地质意义可划分为振幅统计类、频(能)谱统计类、相位统计类、复地震道类、层序统计类、相关统计类等二百余种。在地震属性分析和应用方面，前人已做了大量的研究工作，但还存在很多方面的问题。例如，针对地震多属性研究中暴露出来的属性提取较多，工作量巨大，地质含义分析较少，属性的使用随意性较大等问题。现有技术中往往采用人工凭借经验和主观分析选取地震属性参数进行裂缝识别，缺乏有效、可行的选取依据，选取的地震属性往往与测井特征数据之间的相关性较差，对后续地震列表识别分析造成较大误差。目前，现有技术中还没有具体可行的可以智能、快速、准确的判别地震属性优劣的实施方案，从而为存储预测和油气勘探开发的井位部署提供可靠的依据。
技术实现思路
本申请目的在于提供一种裂缝的地震属性判识系统及方法，可以根据输入的地震资料数据计算地震属性与实际测井资料的相关性，并根据构建训练模型利用神经网络训练后输出与实际地震资料相符合、匹配度较高、准确可靠的地震属性，可以智能、快速、准确的判别众多地震属性的优劣，实现地震属性对井检裂缝的有效识别，并实现报警功能，方便用户处理，大大提高了实际作业效果和效率。本申请提供的一种裂缝的地震属性判识系统是这样实现的：一种裂缝的地震属性判识系统，所述系统包括：I/O接口，用于输入待处理的地震数据以及输出数据的处理结果信息；与所述I/O相连接的至少一个处理单元；报警提示器，与I/O接口相连接，用于基于接收到的报警消息生成相应地震属性的报警提示信息；所述处理单元被设置成执行，包括：根据获取的成像测井资料、岩心分析资料识别和统计出单井裂缝密度的裂缝信息，根据所述裂缝信息生成单井裂缝模型；从获取的地震数据中提取指定类型的地震属性数据，从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性；将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型；利用人工智能非线性神经网络对所述训练模型进行训练；当所述训练模型中的优选地震属性符合设置的触发条件时，通过I/O接口发送符合所述触发条件的优选地震属性的报警消息。优选的实施例中，所述处理单元从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性包括：采用下式计算地震属性数据与储层的测井特征的相关性：上式中：erf(x)为选取的一种误差函数，其表达式为：τk表示度量点的分散程度，其表达式为：上式中：N表示为井的个数，Nt等于N(N-1)/2，表示为交会点的点对个数，Np表示为斜率为正的点对个数，表示为斜率为负的点对个数，Nz表示为斜率为零的点对个数，N∞表示为斜率为无穷大的点对个数；选取相关性达到预设阀值的地震属性作为优选地震属性。优选的实施例中，所述利用人工智能非线性神经网络对所述训练模型进行训练包括：将输入模型训练的输入数据分为数目相等的训练数据、交叉数据、检验数据；所述训练数据用于对训练模型的训练；所述检验数据用于通过BP算法确定所述人工智能非线性神经网络隐含层的节点数；所述交叉数据用于所述人工智能非线性神经网络的交叉检验。优选的实施例中，所述将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型包括：输入信号表达式为：上式中，Xi表示为归一化的输入数据，Wij表示为设置的权系数，为m表示为输入节点数，n表示为所有的隐含节点数；输出信号表达式为：上式中，Wjk表示为计算得到的从隐含节点(j)到输出节点(k)的权系数，l表示为输出层所有的节点数，f表示为输入信号转化得到的激活函数。优选的实施例中，从获取的地震数据中提取指定类型的地震属性数据之后，所述处理单元还执行；利用下式计算地震属性数据中的异常值，删除不符合剩余异常标准差要求的地震属性数据：上式中：n1表示为地震属性数据的地震道数，SΔ表示为计算得到的地震属性数据的剩余异常标准差，ΔPi表示为计算得到的地震属性数据的剩余异常值，若ΔPi≥SΔ，则ΔPi为局部异常值，表示为剩余异常区域均值。优选的实施例中，所述处理单元还执行：对删除异常值后的地震数属性据进行归一化变换处理，使每个地震属性数据的变量值范围在0～1之间；所述的归一化变换处理采用的公式为：上式中：Pij、表示为变换后的地震属性数据，Pij表示为变换前的地震属性数据，n，m为地震数据中地震测线的道数。优选的实施例中，所述处理单元还执行：对删除异常值并进行归一化变换处理后的地震属性数据进行平滑处理，得到预处理后的地震属性数据；采用下述公式进行平滑处理；上式中：表示为平滑后地震属性数据，Pi+m-k表示为平滑前数据，Wm表示为第h个平滑因子；M表示为设置的平滑因子长度。优选的实施例中，所述报警提示器采用下述中的至一种或多种装置组合实现：LED显示器、声报警器、光报警器、显示在计算机显示屏上的提示消息。优选的实施例中，所述裂缝信息包括下述中的至少一种数据：密度、倾角、方位角。相应的，所述根据所述裂缝信息生成单井裂缝模型包括根据所述裂缝信息制作相应的单井裂缝曲线。优选的实施例中，所述指定类型的地震属性数据包括下述中的至少一种：均方根振幅、最大谷值峰值、振幅总量、瞬时频率、瞬时振幅、主频峰值、吸收系数、方差体、瞬时相位、总能量、蚂蚁体。一种裂缝的地震属性判识方法，所述方法包括：根据获取的成像测井资料、岩心分析资料识别和统计出单井裂缝密度的裂缝信息，根据所述裂缝信息生成单井裂缝模型；从获取的地震数据中提取指定类型的地震属性数据，从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性；将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型；利用人工智能非线性神经网络对所述训练模型进行训练；当所述训练模型中的优选地震属性符合设置的筛选条件时，输出符合所述筛选条件的优选地震属性。本申请提供的一种裂缝的地震属性判识系统及方法，可以根据输入的地震资料数据计算地震属性与实际测井资料的相关性，并根据构建训练模型利用神经网络训练后输出与实际地震资料相符合、匹配度较高、准确可靠的地震属性，可以智能、快速、准确的判别众多地震属性的优劣，实现地震属性对井检裂缝的有效识别。在本申请中可以把成像测井和岩心描述的裂缝密度作为输入信号，地震属性参数作为输出信号，应用非线性神经网络技术构成训练模型。基于地震属性预评估技术，通过修改阀值，使裂缝判识系统达到系统报警门限，实现智能判别地震属性优劣的目的。用该系统不仅可以进行单井裂缝判识，而且可以准确、快速实现地震属性对井间裂缝的有效判识，并实现报警功能，方便用户处理。附图说明为了更清楚地说明本申请本文档来自技高网...

【技术保护点】
一种裂缝的地震属性判识系统，其特征在于，所述系统包括：I/O接口，用于输入待处理的地震数据以及输出数据的处理结果信息；与所述I/O相连接的至少一个处理单元；报警提示器，与I/O接口相连接，用于基于接收到的报警消息生成相应地震属性的报警提示信息；所述处理单元被设置成执行，包括：根据获取的成像测井资料、岩心分析资料识别和统计出单井裂缝密度的裂缝信息，根据所述裂缝信息生成单井裂缝模型；从获取的地震数据中提取指定类型的地震属性数据，从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性；将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型；利用人工智能非线性神经网络对所述训练模型进行训练；当所述训练模型中的优选地震属性符合设置的触发条件时，通过I/O接口发送符合所述触发条件的优选地震属性的报警消息。

【技术特征摘要】
1.一种裂缝的地震属性判识系统，其特征在于，所述系统包括：I/O接口，用于输入待处理的地震数据以及输出数据的处理结果信息；与所述I/O相连接的至少一个处理单元；报警提示器，与I/O接口相连接，用于基于接收到的报警消息生成相应地震属性的报警提示信息；所述处理单元被设置成执行，包括：根据获取的成像测井资料、岩心分析资料识别和统计出单井裂缝密度的裂缝信息，根据所述裂缝信息生成单井裂缝模型；从获取的地震数据中提取指定类型的地震属性数据，从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性；将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型；利用人工智能非线性神经网络对所述训练模型进行训练；当所述训练模型中的优选地震属性符合设置的触发条件时，通过I/O接口发送符合所述触发条件的优选地震属性的报警消息。2.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，所述处理单元从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性包括：采用下式计算地震属性数据与储层的测井特征的相关性：S=erf(0.477τk9N(N-1)8N+20)]]>上式中：erf(x)为选取的一种误差函数，其表达式为：erf(x)=2π∫0xe-u2du]]>τk表示度量点的分散程度，其表达式为：τk=Np-Nn(Nt-N∞)(Nt-Nz)]]>上式中：N表示为井的个数，Nt等于N(N-1)/2，表示为交会点的点对个数，Np表示为斜率为正的点对个数，表示为斜率为负的点对个数，Nz表示为斜率为零的点对个数，N∞表示为斜率为无穷大的点对个数；选取相关性达到预设阀值的地震属性作为优选地震属性。3.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，所述利用人工智能非线性神经网络对所述训练模型进行训练包括：将输入模型训练的输入数据分为数目相等的训练数据、交叉数据、检验数据；所述训练数据用于对训练模型的训练；所述检验数据用于通过BP算法确定所述人工智能非线性神经网络隐含层的节点数；所述交叉数据用于所述人工智能非线性神经网络的交叉检验。4.如权利要求3所述的一种裂缝的地震属性判识系统，其特征在于，所述将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型包括：输入信号表达式为：Yj=Σi=1mWij·Xi]]>上式中，Xi表示为归一化的输入数据，Wij表示为设置的权系数，为m表示为输入节点数，n表示为所有的隐含节点数；输出信号表达式为：Zk=Σj=0nWjk·Yj=Σj=0nWjk·f(Σi=0mWij·Xi),(k=1...l)]]>上式中，Wjk表示为计算得到的从隐含节点(j)到输出节点(k)的权系数，l表示为输出层所有的节点数，f表示为输入信号转化得到的激活函数。5.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，从获取的地震数据中提取指定类型的地震属性数据之后，所述处理单元还执行；利用下式计算地震属性数据中的异常值，删除不符合剩余异常标准差要求的地震属性数据：SΔ=1n1-1Σi=1n1(ΔPi-ΔP‾)2]]>Pi‾=1n1Σi=1n1|Pi|]]>上式中：n1表示为地震属性数据的地震道数，SΔ表示为计算得到的地震属性数据的剩余异常标准差，ΔPi表示为计算得到的地震属性数据的剩余异常值，若ΔPi≥SΔ，则ΔPi为局部异常值，表示为剩余异常区域均值。6.如权利要求5所述的一种裂缝的地震属性判识系统，其特征在于，所述处理单元还执行：对删除异常值后的地震数属性据进行归一化变换处理，使每个地震属性数据的变量值范围在0～1之间；所述的归一化变换处理采用的公式为：上式中：P`ij表示为变换后的地震属性数据，Pij表示为变换前的地震属性数据，n，m为地震数据中地震测线的道数。7.如权利要求6所述的一种裂缝的地震属性判识系统，其特征在于，所述处理单元还执行：对删除异常值并进行归一化变换处理后的地震属性数据进行平滑处理，得到预处理后的地震属性数据；采用下述公式进行平滑处理；Pi‾=Σh=1MPi+h-k·WhΣh=1MWh,(h=1,2,...M;k=M/2+1)]]>上式中：表示为平滑后地震属性数据，Pi+m-k表示为平滑前数据，Wm表示为第h个平滑因子；M表示为设置的平滑因子长度。8.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，所述报警提示器采用下述中的至一种或多种装置组合实现：LED显示器、声报警器、光报警器、显示在计算机显示屏上的提示消息。9.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，所述裂缝信息包括下述中的至少一种数据：密度、倾角、方位角；相应的，所述根据所述裂缝信息生成单井裂缝模型包括根据所述裂缝信息制作相应的单井裂缝曲线。10.如权利要...

【专利技术属性】
技术研发人员：杨永亮，许宁，袁清秋，满安静，田淑芳，丁怀宇，苏超，邱林，王刚，陈东明，曹光胜，任雪，贺程晨，武凡皓，王菲菲，庚琪，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：北京;11