沉积微相识别方法、装置、电子设备及介质制造方法及图纸

公开了一种沉积微相识别方法、装置、电子设备及介质。该方法可以包括：确定敏感测井曲线；根据敏感测井曲线，确定最优测井固有模态函数；针对井旁地震道的地震数据进行经验模态分解，获得多组地震数据固有模态函数，进而确定最优地震数据固有模态函数；根据最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相。本发明专利技术将地震和测井的信息有效结合，根据井点沉积微相敏感测井曲线特征，识别沉积微相，通过测井资料约束地震反演，提高了反演结果的分辨率，能有效识别目的层段平面沉积微相。相。相。

【技术实现步骤摘要】
沉积微相识别方法、装置、电子设备及介质


[0001]本专利技术涉及石油勘探
，更具体地，涉及一种沉积微相识别方法、装置、电子设备及介质。

技术介绍

[0002]沉积微相识别工作是油气勘探与开发的基础。传统沉积微相分析一般基于地质工作者个人经验进行大量人工识别，可重复操作性较差，工作效率较低，难以客观地刻画沉积微相。
[0003]近些年，常规平面沉积微相的研究一般是单一利用测井相、地震相进行沉积微相分析。测井相是通过研究测井曲线的变化组合可以去定义相应的相带，从而确定对应的沉积微相。例如采用小波分析技术建立精准的地层格架，同时联合灰色系统理论分析技术，研究了丰富川油田的测井相及沉积微相；对反映不同沉积微相的测井曲线形态方向概率密度函数进行小波分析，使沉积微相信息从高维特征空间被映射到由少数几个低频小波描述子组成低维特征向量空间，使不同沉积微相间差异信息得到放大突出；应用人工神经网络和分形几何等模式识别数学方法，遵循地质家的思维方式，进行了测井资料沉积微相解释方法研究；针对目前沉积微相自动识别模型和算法存在的某些不适应性，提出了一种基于遗传—BP算法与图像处理技术相结合的方法；应用主成分分析法与Bayes判别分析方法建立埕岛油田馆上段地层的测井—沉积微相数值模型；将常规测井资料及其解释成果中的地质资料同岩心资料相结合，分别通过主成分分析(PCA)和独立分量分析(ICA)提取反映沉积微相变化的特征，利用支持向量机(SVM)建立沉积微相的判别模型，根据该模型对未取心井段的沉积微相进行自动识别。地震相指特定沉积相或地质体在地震振幅、相位、连续性及反射特征组合中的综合响应。
[0004]随着引入“地震沉积学”概念，地震资料在辫状河三角洲，曲流河，湖底扇等沉积体系的砂体识别中发挥了重要的作用。例如为提高储层沉积微相的预测精度，提出了高精度层序地层格架约束下的基于波形相对变化的波形－微相定量表征综合解释技术；利用贝叶斯判别法建立多种地震属性与沉积微相关系，定量预测河道微相；采用地震微相聚类分析、地震沿层相干分析、地震属性信息优化、神经网络地震波形分类、全三维储集层特征反演等多种地球物理技术，进行大港滩海探区地震微相分析和沉积微相划分。
[0005]当前，国内外在利用三维地震数据体进行井震结合研究沉积微相领域发展迅速。例如借助三维地震数据在密井网区充分实现井震结合，把地震属性合理地转换为沉积参数，以便更好地再现沉积微相在平面上的展布；采用井震结合方法，将地震信息转换成沉积参数，从而建立河流相沉积模式对相控随机建模进行有效约束；针对岩性和构造—岩性油气藏，总结出一套“单井定带，属性波形综合定边，分频验证，模式约束微相成图”方法。
[0006]然而，无论是单一利用测井还是地震资料进行沉积微相分析，都存在一定的局限性。测井资料短期旋回内井间对比难度大，且难以控制区域平面的沉积相带。地震资料对于开展区域研究具有很大的优势，且基于三维地震工区内的沉积微相识别方法目前已较为成
熟，但是在面积相对庞大的二维地震工区，由于其纵横向分辨率小于目标体，前人只能做到沉积亚相。井震结合一般要在井网密度大的三维地震工区内实施，不适应于二维工区。
[0007]因此，有必要开发一种基于升尺度频率耦合的沉积微相识别方法、装置、电子设备及介质。
[0008]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0009]本专利技术提出了一种沉积微相识别方法、装置、电子设备及介质，将地震和测井的信息有效结合，根据井点沉积微相敏感测井曲线特征，识别沉积微相，通过测井资料约束地震反演，提高了反演结果的分辨率，能有效识别目的层段平面沉积微相。
[0010]第一方面，本公开实施例提供了一种沉积微相识别方法，包括：
[0011]确定敏感测井曲线；
[0012]根据所述敏感测井曲线，确定最优测井固有模态函数；
[0013]针对井旁地震道的地震数据进行经验模态分解，获得多组地震数据固有模态函数，进而确定最优地震数据固有模态函数；
[0014]根据所述最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相。
[0015]优选地，根据所述敏感测井曲线，确定最优测井固有模态函数包括：
[0016]针对敏感测井曲线进行经验模态分解，获得多组测井固有模态函数；
[0017]建立每一组测井固有模态函数与沉积微相之间的对应关系，确定所述最优测井固有模态函数。
[0018]优选地，确定所述最优测井固有模态函数包括：
[0019]确定与沉积微相划分界面具有良好的对应关系的测井固有模态函数，记为所述最优测井固有模态函数。
[0020]优选地，确定最优地震数据固有模态函数包括：
[0021]计算与所述最优测井固有模态函数匹配性最好的地震数据固有模态函数，记为最优地震数据固有模态函数。
[0022]优选地，根据所述最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相包括：
[0023]将最优地震数据固有模态函数作为判识标志导入所述目的层地震数据体；
[0024]通过K最近邻深度学习频率反演的方法，从判识后的地震数据体中识别出沉积微相。
[0025]作为本公开实施例的一种具体实现方式，
[0026]第二方面，本公开实施例还提供了一种沉积微相识别装置，包括：
[0027]敏感测井曲线确定模块，确定敏感测井曲线；
[0028]最优测井固有模态函数确定模块，根据所述敏感测井曲线，确定最优测井固有模态函数；
[0029]最优地震数据固有模态函数确定模块，针对井旁地震道的地震数据进行经验模态
分解，获得多组地震数据固有模态函数，进而确定最优地震数据固有模态函数；
[0030]识别模块，根据所述最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相。
[0031]优选地，根据所述敏感测井曲线，确定最优测井固有模态函数包括：
[0032]针对敏感测井曲线进行经验模态分解，获得多组测井固有模态函数；
[0033]建立每一组测井固有模态函数与沉积微相之间的对应关系，确定所述最优测井固有模态函数。
[0034]优选地，确定所述最优测井固有模态函数包括：
[0035]确定与沉积微相划分界面具有良好的对应关系的测井固有模态函数，记为所述最优测井固有模态函数。
[0036]优选地，确定最优地震数据固有模态函数包括：
[0037]计算与所述最优测井固有模态函数匹配性最好的地震数据固有模态函数，记为最优地震数据固有模态函数。
[0038]优选地，根据所述最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相包括：
[0039]将最优地震数据固有模态函数作为判识标志导入所述目的层地震数据体；
[0040]通过K最近邻深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种沉积微相识别方法，其特征在于，包括：确定敏感测井曲线；根据所述敏感测井曲线，确定最优测井固有模态函数；针对井旁地震道的地震数据进行经验模态分解，获得多组地震数据固有模态函数，进而确定最优地震数据固有模态函数；根据所述最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相。2.根据权利要求1所述的沉积微相识别方法，其中，根据所述敏感测井曲线，确定最优测井固有模态函数包括：针对敏感测井曲线进行经验模态分解，获得多组测井固有模态函数；建立每一组测井固有模态函数与沉积微相之间的对应关系，确定所述最优测井固有模态函数。3.根据权利要求2所述的沉积微相识别方法，其中，确定所述最优测井固有模态函数包括：确定与沉积微相划分界面具有良好的对应关系的测井固有模态函数，记为所述最优测井固有模态函数。4.根据权利要求1所述的沉积微相识别方法，其中，确定最优地震数据固有模态函数包括：计算与所述最优测井固有模态函数匹配性最好的地震数据固有模态函数，记为最优地震数据固有模态函数。5.根据权利要求1所述的沉积微相识别方法，其中，根据所述最优地震数据固有模态函数，在目的层地震数据体中识别沉积微相包括：将最优地震数据固有模态函数作为判识标志导入所述目的层地震数据体；通过K最近邻深度学习频率反演的方法，从判识后的地震数据体中识别出沉积微相。6.一种沉积微相识别装置，其特征在于，包...

【专利技术属性】
技术研发人员：张福顺，孔强夫，胡瀚文，汲生珍，韩东，
申请(专利权)人：中国石油化工股份有限公司石油勘探开发研究院，
类型：发明
国别省市：