一种基于地质信息约束的河流相储层分步地震相预测方法技术

本发明专利技术公开了一种基于地质信息约束的河流相储层分步地震相预测方法，包括如下步骤：地质资料评估；建立分析柱状图，对柱状图和工区河道砂体综合分析叠置关系；抽象化地震响应模型；构成地震敏感属性集合；利用概率神经网络识别地震模式；对地震属性做相关预处理操作；地震相预测，得到地震相图。本发明专利技术的优点在于：把地质信息转换为了地震尺度的监督信息加入到了地震相的模式识别当中，使得预测结果更加准确且具有明确的地质意义；利用概率神经网络预测地震相，使得最终的地震相预测结果具有明确的指示意义；网络训练方法大大节约了训练时间。通过分步式的预测方法，在不提前设定分类数的情况下，能在地震尺度范围内对储层地震相进行充分的预测。

A stepwise seismic facies prediction method for fluvial reservoir based on geological information constraint

The invention discloses a method for phase prediction of geological information constraints based on river facies reservoir by seismic, which comprises the following steps: the establishment of geological data evaluation; analysis of histogram, histogram and comprehensive analysis of body area of river sand superimposition; model abstraction structure seismic response; sensitive seismic attributes; probabilistic neural network recognition seismic pattern; relevant preprocessing of seismic attributes; seismic facies prediction, seismic phase diagram. The present invention has the advantages that the conversion of geological information to monitor earthquake information scale added to the pattern recognition of seismic facies and geological significance of the predicted results more accurate and definite; using probabilistic neural network prediction of seismic phase, so that the final seismic facies prediction results have significance of clear network training methods greatly reduce; the training time. Through the stepwise prediction method, the seismic facies of the reservoir can be fully predicted in the seismic scale without setting the classification number ahead of time.

【技术实现步骤摘要】
一种基于地质信息约束的河流相储层分步地震相预测方法
本专利技术涉及地震预测领域，特别涉及一种基于地质信息约束的河流相储层分步地震相预测方法。
技术介绍
当今，石油勘探行业有效地利用了现代科学技术，从而促进了石油工业的飞速发展，同时也给国民经济带来了巨大的效益。然而，随着石油勘探水平的不断提高，寻找新的油气田也愈加困难，这就要求人们不断提高认识水平，用科学的方法来了解和掌握油气存在的未知状况，从现有的地球物理、地质、油藏开发等资料中发掘出更多新的信息来进行油气的预测。在这一过程中，沉积相的研究具有极为重要的意义，它不仅可以分析沉积微相及其时空演化，建立沉积模式；还可以分析生、储、盖等成藏要素及组合，建立成藏模式；从而进一步探讨油气聚集与沉积微相间的关系，解释已知砂体的展布形态，指导未控制区的砂体预测，为预测含油气区和井位部署提供依据。由于勘探目的层深埋地下，对地下相的分析中，只有通过岩石资料才能够观察到目的层的沉积相标志，而钻井取心一般都是不连续的，并且一口探井的全井取心率往往只有百分之几到百分之十几，这给沉积相的研究造成了很大的困难。虽然利用测井资料进行测井相分析可以对全井做出连续的本文档来自技高网...

【技术保护点】
一种基于地质信息约束的河流相储层分步地震相预测方法，其特征在于包括以下步骤：步骤1：地质资料评估；包括地质、测井和地震资料的评估；了解河流相工区的地质概况，对其沉积演化史和岩性资料有所认识，对资料评估建立地质信息知识库；步骤2：从步骤1所建的地质信息知识库中提取岩性、岩性组合特征和相序特征的地质信息，并结合测井曲线对单井进行解释，建立起地质尺度下的单井优势相分析柱状图；然后，通过对柱状图和工区河道砂体不同叠置情况的综合分析将单井优势相转换为储层中砂体和围岩之间的叠置关系；步骤3：以河流沉积学、测井地质学和地震地层学为理论指导，结合步骤2中得到的地震模式及地层的密度、速度信息，建立河流相工区储层...

【技术特征摘要】
1.一种基于地质信息约束的河流相储层分步地震相预测方法，其特征在于包括以下步骤：步骤1：地质资料评估；包括地质、测井和地震资料的评估；了解河流相工区的地质概况，对其沉积演化史和岩性资料有所认识，对资料评估建立地质信息知识库；步骤2：从步骤1所建的地质信息知识库中提取岩性、岩性组合特征和相序特征的地质信息，并结合测井曲线对单井进行解释，建立起地质尺度下的单井优势相分析柱状图；然后，通过对柱状图和工区河道砂体不同叠置情况的综合分析将单井优势相转换为储层中砂体和围岩之间的叠置关系；步骤3：以河流沉积学、测井地质学和地震地层学为理论指导，结合步骤2中得到的地震模式及地层的密度、速度信息，建立河流相工区储层的抽象化地震响应模型；步骤4：采用正演模拟法分析地震属性：利用波动方程对步骤3中所建模型进行正演模拟得到地震数据；选取合适的时窗对正演数据提取各种类型的地震属性，并对所提属性做预处理操作；分析模型中各个地震模式对应的地震响应特征，以地质信息作为约束条件，运用交会图和等级相关分析来评价各个属性对响应特征的敏感程度，选择能清晰反映模型中各个地震模式的响应特征及其变化的属性来构成地震敏感属性集合；步骤5：本步骤包括训练过程和识别过程，利用概率神经网络自动分步识别抽象化地震响应模型中可分辨的地震模式；步骤6：选择合适的时窗从实际地震资料中按步骤4优选的敏感属性集合提取地震属性，并对地震属性做相关预处理操作，预处理操作包括：标准化、野值剔除和去噪；步骤7：利用概率神经网络分步智能化地预测河流相工区储层的地震相分布；利用步骤5的识别过程得到的地震相预测步骤为：1，将含砂岩相同纯泥岩相分开；2，将含砂岩相进一步细分为纯砂岩相和砂泥互层相；3，将砂泥互层相再次细分为不同厚度的砂岩夹不同厚度的泥岩相，厚度阈值因储层而异；步骤可循环，直到在约束条件下预测出储层中各种类型的地震相，从而得到地震相图。2.根据权利要求1所述的一种基于地质信息约束的河流相储层分步地震相预测方法，其特征在于：所述步骤5中的识别过程分两步，首先用解释人员构建的训练样本集对连接网络各层之间的权系数进行训练；然后将训练好的网络用于模型中地震模式的识别，得到地震上可分辨的地震模式。3.根据权利要求2所述的一种基于地质信息约束的河流相储层分步地震相预测方法，其特征在于：所述步骤5中的概率神经网络由输入层、隐含层、求和层和输出层组成，输入层各神经元与隐含层各神经元之间均有连接；求和层各神经元与属于自己类别的隐含层神经元相连；输出层神经元与求和层的每一个神经元相连。4.根据权利要求3所述的一种基于地质信息约束的河流相储层分步地震相预测方法，其特征在于：所述步骤5中的概率神经网络属于有监督型模式识别方法；训练过程中单个训练样本由作为输入信息的地震敏感属性和作为监督信息的地震模式组成；训练样本的类型由地震模式的类型决定，地震模式根据储层中砂体和围岩之间的叠置关系来定义；在模型中抽取能反映砂体和围岩之间典型叠置关系的地震道作为训练样本，各类型的训练样本应满足均匀选取的原则。5.根据权利要求4所述的一种基于地质信息约束的河流相储层分步地震相预测方法，其特征在于所述训练过程的步骤如下：①、地震模式类型定义：初次进行类型定义时应以能明确区分含砂模式和围岩为标准；②、对每个训练样本按下式进行单位长度归一化：式中：xij和x'ij分别为归一化前、后第i个训练样本的第j个属性；n为训练样本数；d为地震敏感属性个数；③、将第一个训练样本的各属性值分别置于输入层神经元上；同时，输入层和隐含层第一个神经...

【专利技术属性】
技术研发人员：尹成，罗浩然，丁峰，肖湘，代荣获，张栋，张运龙，代炳武，刘阳，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川,51