基于孔隙结构分类的横波速度预测方法和装置制造方法及图纸

本发明专利技术提供一种基于孔隙结构分类的横波速度预测方法和装置，该方法包括：获取目标井的常规测井参数；利用预获取的储层孔隙结构类型判别准则判别该常规测井参数得到该目标井的储层孔隙结构类型；将该常规测井参数输入预获取的与目标井的储层结构类型对应的横波速度预测模型得到该目标井的横波速度预测结果，充分考虑孔隙结构对储层横波速度的影响，实现利用常规测井资料准确预测横波速度，并实现地震资料精细解释及储层性质综合分析。震资料精细解释及储层性质综合分析。震资料精细解释及储层性质综合分析。

【技术实现步骤摘要】
基于孔隙结构分类的横波速度预测方法和装置


[0001]本专利技术涉及地球物理勘探
，尤其涉及一种基于孔隙结构分类的横波速度预测方法和装置。

技术介绍

[0002]横波速度在地震资料精细解释、储层性质综合分析等方面具有重要作用，包括地震资料的振幅随偏移距的变化(AVO)分析、地震叠前反演、储层弹性参数计算、流体识别等。目前地层横波速度常由阵列声波测井、偶极横波测井等方法直接获得，然而大量实际井中没有上述测井资料，因此横波速度的高精度预测变得至关重要。
[0003]目前横波速度预测方法主要分为两大类：第一种是理论模型预测法。包括Wu-White模型、微分等效介质理论及Gassmann理论等。上述方法充分考虑了孔隙形状、砂泥含量等参数对横波速度的影响，具有较高的精度，然而上述方法参数多、模型复杂、计算量大，实际应用中具有局限性。第二种是回归分析法，该方法通过对大量横波速度数据和其他数据进行单元或多元回归分析得到横波速度计算方程，并应用于实际井中实现横波速度的预测，然而该方法没有考虑储层孔隙结构的影响，横波速度计算精度较差。

技术实现思路

[0004]针对现有技术中的问题，本专利技术提供一种基于孔隙结构分类的横波速度预测方法和装置，能够至少部分地解决现有技术中存在的问题，充分考虑孔隙结构对储层横波速度的影响，实现利用常规测井资料准确预测横波速度，并实现地震资料精细解释及储层性质综合分析。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]第一方面，提供一种基于孔隙结构分类的横波速度预测方法，包括：
[0007]获取目标井的常规测井参数；
[0008]利用预获取的储层孔隙结构类型判别准则判别该常规测井参数得到该目标井的储层孔隙结构类型；
[0009]将该常规测井参数输入预获取的与目标井的储层结构类型对应的横波速度预测模型得到该目标井的横波速度预测结果。
[0010]进一步地，基于孔隙结构分类的横波速度预测方法还包括：
[0011]获取多个样本井的常规测井参数以及岩心样本的孔径分布数据、岩石物理参数，该岩石物理参数包括：横波速度以及孔隙结构参数；
[0012]根据该孔径分布数据以及该孔隙结构参数对岩心样本进行分类；
[0013]利用多元回归法分析各类岩心样本的横波速度与对应的常规测井参数之间的关系，得到不同孔隙结构类型储层的横波速度预测模型。
[0014]进一步地，该利用多元回归法分析各类岩心样本的横波速度与对应的常规测井参数之间的关系之前，还包括：
[0015]对各岩心样本的岩心深度进行校正。
[0016]进一步地，基于孔隙结构分类的横波速度预测方法还包括：
[0017]根据岩心样本的分类结果以及各类岩心样本对应的岩石物理参数和常规测井参数，利用Fisher判别分析法建立储层孔隙结构类型判别准则。
[0018]进一步地，该孔隙结构参数包括：孔隙度、渗透率、平均孔喉半径、中值孔喉半径、最大孔喉半径、最大汞饱和度、排驱压力、中值压力。
[0019]第二方面，提供一种基于孔隙结构分类的横波速度预测装置，包括：
[0020]目标井数据获取模块，获取目标井的常规测井参数；
[0021]储层孔隙结构类型判别模块，利用预获取的储层孔隙结构类型判别准则判别该常规测井参数得到该目标井的储层孔隙结构类型；
[0022]横波速度预测模块，将该常规测井参数输入预获取的与目标井的储层结构类型对应的横波速度预测模型得到该目标井的横波速度预测结果。
[0023]进一步地，基于孔隙结构分类的横波速度预测装置还包括：
[0024]样本井数据获取模块，获取多个样本井的常规测井参数以及岩心样本的孔径分布数据、岩石物理参数，该岩石物理参数包括：横波速度以及孔隙结构参数；
[0025]样本分类模块，根据该孔径分布数据以及该孔隙结构参数对岩心样本进行分类；
[0026]建模模块，利用多元回归法分析各类岩心样本的横波速度与对应的常规测井参数之间的关系，得到不同孔隙结构类型储层的横波速度预测模型。
[0027]进一步地，基于孔隙结构分类的横波速度预测装置还包括：
[0028]判别准则建立模块，根据岩心样本的分类结果以及各类岩心样本对应的岩石物理参数和常规测井参数，利用Fisher判别分析法建立储层孔隙结构类型判别准则。
[0029]第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现上述的基于孔隙结构分类的横波速度预测方法的步骤。
[0030]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于孔隙结构分类的横波速度预测方法的步骤。
[0031]本专利技术提供的基于孔隙结构分类的横波速度预测方法和装置，该方法包括：获取目标井的常规测井参数；利用预获取的储层孔隙结构类型判别准则判别该常规测井参数得到该目标井的储层孔隙结构类型；将该常规测井参数输入预获取的与目标井的储层结构类型对应的横波速度预测模型得到该目标井的横波速度预测结果，充分考虑孔隙结构对储层横波速度的影响，实现利用常规测井资料准确预测横波速度，并实现地震资料精细解释及储层性质综合分析。
[0032]为让本专利技术的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
[0033]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据
这些附图获得其他的附图。在附图中：
[0034]图1为本专利技术实施例中的服务器S1与客户端设备B1之间的架构示意图；
[0035]图2为本专利技术实施例中的服务器S1、客户端设备B1及数据库服务器S2之间的架构示意图；
[0036]图3是本专利技术实施例中的基于孔隙结构分类的横波速度预测方法的流程示意图一；
[0037]图4是本专利技术实施例中的基于孔隙结构分类的横波速度预测方法的流程示意图二；
[0038]图5是本专利技术实施例中的基于孔隙结构分类的横波速度预测方法的流程示意图三；
[0039]图6是本专利技术实施例中的基于孔隙结构分类的横波速度预测方法的流程示意图四；
[0040]图7示出了本专利技术实施例中的岩心孔隙结构分类标准；
[0041]图8示出了图7中I类孔隙结构类型岩心的横波速度计算公式及计算效果图；
[0042]图9示出了图7中II类孔隙结构类型岩心的横波速度计算公式及计算效果图；
[0043]图10示出了图7中III类孔隙结构类型岩心的横波速度计算公式及计算效果图；
[0044]图11示出了图7中IV类孔隙结构类型岩心的横波速度计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孔隙结构分类的横波速度预测方法，其特征在于，包括：获取目标井的常规测井参数；利用预获取的储层孔隙结构类型判别准则判别所述常规测井参数得到所述目标井的储层孔隙结构类型；将所述常规测井参数输入预获取的与目标井的储层结构类型对应的横波速度预测模型得到所述目标井的横波速度预测结果。2.根据权利要求1所述的基于孔隙结构分类的横波速度预测方法，其特征在于，还包括：获取多个样本井的常规测井参数以及岩心样本的孔径分布数据、岩石物理参数，所述岩石物理参数包括：横波速度以及孔隙结构参数；根据所述孔径分布数据以及所述孔隙结构参数对岩心样本进行分类；利用多元回归法分析各类岩心样本的横波速度与对应的常规测井参数之间的关系，得到不同孔隙结构类型储层的横波速度预测模型。3.根据权利要求2所述的基于孔隙结构分类的横波速度预测方法，其特征在于，所述利用多元回归法分析各类岩心样本的横波速度与对应的常规测井参数之间的关系之前，还包括：对各岩心样本的岩心深度进行校正。4.根据权利要求2所述的基于孔隙结构分类的横波速度预测方法，其特征在于，还包括：根据岩心样本的分类结果以及各类岩心样本对应的岩石物理参数和常规测井参数，利用Fisher判别分析法建立储层孔隙结构类型判别准则。5.根据权利要求2所述的基于孔隙结构分类的横波速度预测方法，其特征在于，所述孔隙结构参数包括：孔隙度、渗透率、平均孔喉半径、中值孔喉半径、最大孔喉半径、最大汞饱和度、排驱压力、中值压力。6.一种基于孔隙结构分类的横波速度预测装置，其特征在于，包括：目...

【专利技术属性】
技术研发人员：仇庭聪，潘树新，许多年，曲永强，刘建宇，李啸，黄林军，关新，张磊，王国栋，张寒，马永平，郭娟娟，陈永波，
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：