井震数据匹配方法及装置制造方法及图纸

本发明专利技术公开了一种井震数据匹配方法及装置，该方法包括：获取目标井目的层的油藏参数时移曲线；根据目标井目的层的油藏参数时移曲线，利用训练好的概率神经网络模型确定目标井目的层的孔隙度时移曲线；根据预测得到的目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型确定目标井目的层的井速度时移曲线；利用目标井目的层的井速度时移曲线，对目标井目的层的原始速度曲线进行校正，获得校正后的目标井目的层的井速度曲线。本发明专利技术通过概率神经网络预测孔隙度时移曲线，利用岩石物理模型确定井速度时移曲线，通过井速度时移曲线校正消除原始速度数据随时间的变化量，提高井震数据在时间维度的匹配精度。在时间维度的匹配精度。在时间维度的匹配精度。

【技术实现步骤摘要】
井震数据匹配方法及装置


[0001]本专利技术涉及地质勘探
，尤其涉及井震数据匹配方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]测井与地震相结合是油藏描述的主要手段，测井速度是建立井震数据之间关系的桥梁。但在碎屑岩油田开发过程中，长期开发环境会产生流体置换作用和储层被动改造作用，使得目的层饱和度、孔隙度及泥质含量等物性参数发生变化，进而造成地层速度的改变。当测井与地震数据采集时间跨度大时，二者所反映的地下储层及流体状态不同，导致逐年获取的测井数据与地震数据不能完全匹配，难以将两者优势充分发挥。
[0004]针对油田长期开发环境对地层弹性及物性产生的影响，前人已开展相关研究工作。李存贵等人(2003)应用水驱试验和岩心分析，首次提出储层孔隙结构随注水开发而发生变化的规律。凌东明等人(2018)通过岩石物理模型正演分析，总结了地层孔隙度、泥质含量与饱和度变化对地层速度的影响。赵启平等人(2019)通过岩石物理实验，总结了孔隙度等物性参数随压力、注入量等油藏参数变化的规律性。当前研究只分析了油藏开发过程中，储层物性与含油气性的变化机理，及降低井震数据匹配度的主要原因，但均未提出合理的井震数据匹配方法。
[0005]综上所述，亟需提出一种测井与地震数据在时间维度的匹配校正方法，以提高井震匹配精度。

技术实现思路

[0006]本专利技术实施例提供一种井震数据匹配方法，用以提高井震数据匹配精度，该井震数据匹配方法包括：
[0007]获取目标井目的层的油藏参数时移曲线；
[0008]根据目标井目的层的油藏参数时移曲线，利用训练好的概率神经网络模型确定目标井目的层的孔隙度时移曲线；训练好的概率神经网络模型能够建立孔隙度时移量与油藏参数时移量之间的强非线性关系；
[0009]根据预测得到的目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型确定目标井目的层的井速度时移曲线；岩石物理模型反映井速度与孔隙度之间的关系；
[0010]利用目标井目的层的井速度时移曲线，对目标井目的层的原始速度曲线进行校正，获得校正后的目标井目的层的井速度曲线。
[0011]本专利技术实施例还提供一种井震数据匹配装置，用以提高井震数据匹配精度，该井震数据匹配装置包括：
[0012]目标井油藏获取模块，用于获取目标井目的层的油藏参数时移曲线；
[0013]目标井孔隙度预测模块，用于根据目标井目的层的油藏参数时移曲线，利用训练
好的概率神经网络模型确定目标井目的层的孔隙度时移曲线；训练好的概率神经网络模型能够建立孔隙度时移量与油藏参数时移量之间的强非线性关系；
[0014]目标井井速度时移确定模块，用于根据预测得到的目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型确定目标井目的层的井速度时移曲线；岩石物理模型反映井速度与孔隙度之间的关系；
[0015]目标井井速度校正模块，用于利用目标井目的层的井速度时移曲线，对目标井目的层的原始速度曲线进行校正，获得校正后的目标井目的层的井速度曲线。
[0016]本专利技术实施例还提供一种计算机设备，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，所述处理器执行所述计算机程序时实现上述井震数据匹配方法。
[0017]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述井震数据匹配方法的计算机程序。
[0018]本专利技术实施例中，获取目标井目的层的油藏参数时移曲线；利用训练好的概率神经网络模型确定目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型确定目标井目的层的井速度时移曲线，最终利用目标井目的层的井速度时移曲线对原始速度曲线进行校正，获得校正后的目标井目的层的井速度曲线。本专利技术实施例能够通过概率神经网络预测孔隙度时移曲线，利用岩石物理模型确定井速度时移曲线，最终通过井速度校正消除井速度数据随时间的变化量，提高测井与地震数据在时间维度的匹配精度。
附图说明
[0019]为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，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：
[0020]图1为本专利技术实施例提供的井震数据匹配方法的实现流程图；
[0021]图1-1为本专利技术实施例提供的通过概率神经网络预测得到的某井孔隙度时移曲线示意图；
[0022]图2为本专利技术实施例提供的井震数据匹配方法中步骤101的实现流程图；
[0023]图2-1为本专利技术实施例提供的某井目的层的油藏参数时移量示意图；
[0024]图3为本专利技术实施例提供的井震数据匹配方法中训练概率神经网络模型的实现流程图；
[0025]图4为本专利技术实施例提供的井震数据匹配方法中步骤301的实现流程图；
[0026]图4-1为本专利技术实施例提供的点集差异法原理示意图；
[0027]图5为本专利技术实施例提供的井震数据匹配方法中步骤302的实现流程图；
[0028]图6为本专利技术实施例提供的井震数据匹配方法中步骤103的实现流程图；
[0029]图7为本专利技术实施例提供的井震数据匹配方法中步骤104的实现流程图；
[0030]图8为本专利技术实施例提供的井震数据匹配方法的另一实现流程图；
[0031]图9为本专利技术实施例提供的井震数据匹配方法中步骤801的实现流程图；
[0032]图9-1为本专利技术实施例提供的某井校正前合成地震记录(即合成地震道)示意图；
[0033]图9-2为本专利技术实施例提供的某井校正后合成地震记录(即合成地震道)示意图；
[0034]图10为本专利技术实施例提供的井震数据匹配装置的功能模块图；
[0035]图11为本专利技术实施例提供的井震数据匹配装置中目标井油藏获取模块1001的结构框图；
[0036]图12为本专利技术实施例提供的井震数据匹配装置中目标井孔隙度预测模块1002的结构框图；
[0037]图13为本专利技术实施例提供的井震数据匹配装置中基础井孔隙度获取单元1201的结构框图；
[0038]图14为本专利技术实施例提供的井震数据匹配装置中基础井油藏获取单元1202的结构框图；
[0039]图15为本专利技术实施例提供的井震数据匹配装置中目标井井速度时移确定模块1003的结构框图；
[0040]图16为本专利技术实施例提供的井震数据匹配装置中目标井井速度校正模块1004的结构框图；
[0041]图17为本专利技术实施例提供的井震数据匹配装置的另一功能模块图；
[0042]图18为本专利技术实施例提供的井震数据匹配装置中校验模块1701的结构框图。
具体实施方式
[0043]为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种井震数据匹配方法，其特征在于，包括：获取目标井目的层的油藏参数时移曲线；根据目标井目的层的油藏参数时移曲线，利用训练好的概率神经网络模型确定目标井目的层的孔隙度时移曲线；训练好的概率神经网络模型能够建立孔隙度时移量与油藏参数时移量之间的强非线性关系；根据预测得到的目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型确定目标井目的层的井速度时移曲线；岩石物理模型反映井速度与孔隙度之间的关系；利用目标井目的层的井速度时移曲线，对目标井目的层的原始速度曲线进行校正，获得校正后的目标井目的层的井速度曲线。2.如权利要求1所述的井震数据匹配方法，其特征在于，获取目标井目的层的油藏参数时移曲线，包括：获取目标井目的层的油藏参数时移量；将目标井目的层的油藏参数时移量重复多次，利用重复后的目标井目的层的油藏参数时移量形成目标井目的层的油藏参数时移曲线。3.如权利要求1所述的井震数据匹配方法，其特征在于，概率神经网络模型训练过程如下：获取基础井目的层的孔隙度时移曲线；获取基础井目的层的孔隙度时移曲线对应的油藏参数时移曲线；将油藏参数时移曲线作为训练曲线及将孔隙度时移曲线作为目标曲线，训练概率神经网络的网络参数；反复迭代训练直至满足训练收敛条件，获得训练后的概率神经网络。4.如权利要求3所述的井震数据匹配方法，其特征在于，获取基础井目的层的孔隙度时移曲线，包括：利用点集差异法确定基础井目的层的孔隙度时移量；基础井目的层的孔隙度时移量为以基础井为中心预设范围内时期井的目的层孔隙度均值与基础井的目的层孔隙度均值的差值；将基础井目的层的孔隙度时移量重复多次，利用重复后的基础井目的层的孔隙度时移量形成孔隙度时移曲线。5.如权利要求3所述的井震数据匹配方法，其特征在于，获取基础井目的层的孔隙度时移曲线对应的油藏参数时移曲线，包括：利用点集差异法确定基础井目的层的孔隙度时移量对应的油藏参数时移量；油藏参数时移量为以基础井为中心预设范围内时期井的目的层油藏参数均值与基础井的目的层油藏参数均值的差值；将基础井目的层的油藏参数时移量重复多次，利用重复后的基础井目的层的油藏参数时移量形成油藏参数时移曲线。6.如权利要求1所述的井震数据匹配方法，其特征在于，根据预测得到的目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型确定目标井目的层的井速度时移曲线，包括：确定待构建的岩石物理模型的岩石物理基本参数；岩石物理基本参数至少包括孔隙纵横比；
通过调整孔隙纵横比，拟合岩石物理模型的正演纵横波速度与实测纵横波速度相匹配，以得到构建的岩石物理模型；根据预测得到的目标井目的层的孔隙度时移曲线，利用构建的岩石物理模型计算得到目标井目的层的井速度时移曲线。7.如权利要求1所述的井震数据匹配方法，其特征在于，利用目标井目的层的井速度时移曲线，对目标井目的层的原始速度曲线进行校正，获得校正后的目标井目的层的井速度曲线，包括：将目标井目的层的原始速度曲线与目标井目的层的井速度时移曲线叠加，获得校正后的目标井目的层的井速度曲线。8.如权利要求1所述的井震数据匹配方法，其特征在于，还包括：利用目标井目的层的原始速度曲线及校正后的目标井目的层的井速度曲线，校验校正结果的准确度。9.如权利要求8所述的井震数据匹配方法，其特征在于，利用目标井目的层的原始速度曲线及校正后的目标井目的层的井速度曲线，校验校正结果的准确度，包括：利用目标井目的层的原始速度曲线及校正后的目标井目的层的井速度曲线进行井震标定，确定校正前后的目标井目的层的合成地震记录；通过对比校正前相关系数与校正后相关系数，校验校正结果的准确度；其中，校正前相关系数为校正前的目标井目的层的合成地震记录和实际地震记录的相关系数，校正后相关系数为校正后的目标井目的层的合成地震记录和实际地震记录的相关系数。10.一种井震数据匹配装置，其特征在于，包括：目标井油藏获取模块，用于获取目标井目的层的油藏参数时移曲线；目标井孔隙度预测模块，用于根据目标井目的层的油藏参数时移曲线，利用训练好的概率神经网络模型确定目标井目的层的孔隙度时移曲线；训练好的概率神经网络模型能够建立孔隙度时移量...

【专利技术属性】
技术研发人员：田军，刘永雷，任嘉伟，杨小川，韩耀祖，王鹤华，
申请(专利权)人：中国石油集团东方地球物理勘探有限责任公司，
类型：发明
国别省市：