【技术实现步骤摘要】
本专利技术涉及底辟区裂缝预测研究，更具体地，涉及一种基于地震资料的底辟区裂缝预测方法。
技术介绍
1、岩石受成岩作用或构造作用产生破裂，破裂两侧的岩石沿破裂面没有发生明显的相对位移，或仅有微量位移的断裂构造称为天然裂缝。天然裂缝作为油气藏生成、储存及运移的重要介质，往往决定了油气的分布规律、影响油气在油气藏开发中的渗流特征。因此天然裂缝的发育特征对油气藏的勘探以及开发具有及其重要的作用。《石油勘探与开发》在1999年公布了尹志军的“用三维地震资料预测裂缝”，该文应用三维地震资料，通过分析裂缝发育带地质特征，拾取由裂缝引起的地震波传播速度、频率和振幅差异，提出了用地震波运动学和动力学特征进行裂缝预测的方法。《中国海上油气》在2020年公布了邓勇的“莺歌海盆地底辟模糊区成因分析及成像对策”，该文根据地震剖面模糊区识别底辟发育区，并分析认为底辟发育区的地震模糊带是由于裂缝发育引起的。《中国石油勘探》在2018年公布了杨东升的“琼东南盆地乐东-陵水凹陷底辟构造及其油气地质意义”，该文根据地震剖面模糊带识别底辟发育区，并认为底辟区裂缝是油气运移输导的主要路径。
2、综上所述，天然裂缝对油气藏的勘探及开发具有及其重要的作用，尤其是底辟区通常伴随裂缝发育，对油气运聚和聚集具有重要控制作用。而现有利用地震剖面模糊区预测底辟区发育以及常规地震属性来预测裂缝发育的方式，在实际应用时精确度不够，影响勘探效率。
技术实现思路
1、本专利技术为克服上述现有技术中底辟区裂缝的预测精度不够的缺陷，提
2、为解决上述技术问题，本专利技术采用的技术方案是：
3、一种基于地震资料的底辟区裂缝预测方法，包括以下步骤：
4、步骤一：获取勘探区的整体三维地震数据体和勘探区内任一钻井的测井资料、目的层段信息和井旁地震道信息；三维地震数据体为经过采集处理后得到叠后地震数据体，包含三维地震资料图及地震资料等；测井资料是利用岩层的电化学特性、导电特性、声学特性、放射性等地球物理特性，测量地球物理参数时所得到的信息。
5、步骤二：根据三维地震数据体和测井资料合成转换得到合成地震记录，再根据测井资料、目的层段信息和井旁地震道信息，标定地震解释层位；合成地震记录是指利用测井资料中的声波测井资料，计算得到目的层的反射系数；再根据三维地震数据体中包含的地震资料，通过频谱分析得到地震主频，进而将测井资料计算的反射系数与根据地震资料分析的主频确定的雷克子波褶积得到一道人工计算的地震记录，称合成地震记录。
6、步骤三：根据三维地震数据体和地震解释层位，开展三维地震层位解释，进而得到目的层地震层位解释数据。
7、步骤四：根据目的层地震层位解释数据提取地震属性，并将其转化为地震属性图；地震属性可分多种类别，是表征地震波形态、运动学特征、动力学特征和统计特征的物理量。将地震属性转化为地震属性图可以方便查看。
8、步骤五：结合地震属性图识别模糊区，并根据模糊区在地震属性图中圈定底辟发育带区域；现有技术通过地震剖面模糊带识别底辟发育区，地震剖面显示竖直平面上的地质结构，本步骤中，通过地震属性图模糊区识别底辟发育带，地震属性图显示地底地层在水平面上的地质特征，横向显示地质信息的地震属性图更利于判断勘探区内底辟的及裂缝的分布情况，更利于提升勘探效率；其中，在地震属性图中存在数值突变部分会在图中显示为模糊区，而模糊区中数值异常超出范围值的位置，即为底辟所在的位置，根据数值异常程度识别模糊区，进而圈定底辟发育带。
9、步骤六：提取地震属性图中底辟发育带区域的属性信息，并将其输入神经网络模块中进行辅助识别，得到预测结果；通过神经网络的优化计算，使属性信息中的裂缝信息更清晰地显示出来；具体可采用竞争型神经网络，竞争型神经网络能够自组织地挖掘输入信息的特征，以便对输入进行聚类处理，进而将裂缝信息更清晰地显现出来，例如art神经网络或者sofm神经网络。
10、步骤七：根据预测结果记录裂缝发育情况与裂缝具体坐标；便于进一步的定位勘探，提高勘探效率。
11、优选的，在步骤四中，根据目的层地震层位解释数据提取多种类型的地震属性，每种类型的地震属性分别对应一种地震属性图。
12、提取多种类型的地震属性，且每种地震属性均分别对应一种地震属性图，为后续的神经网络模块的识别提供多种类型的信息，提高识别准确性和识别精度。
13、优选的，在步骤四中，地震属性包括取倾角属性，并将其转化为倾角属性图。倾角属性为通过层位与断面倾角的差异来判断小断层或裂缝的地质区域的一种属性。
14、优选的，在步骤四中，地震属性包括倾角曲率属性，并将其转化为倾角曲率属性图。倾角曲率属性为倾角的曲率信息，是从最大倾角的方向上计算的曲率，该曲率是最大倾角方向上的倾角变化率的度量单位，包含了断层、裂缝大小信息以及方位信息。
15、优选的，在步骤四中，地震属性包括玫瑰图属性，并将其转化为玫瑰图属性图。玫瑰图属性用于描述裂缝发育的密度和裂缝方向，即在给定面元内计算生成玫瑰图的花瓣，花瓣的长度表征裂缝发育密度，方向表征裂缝发育方向。
16、优选的，在步骤四中，地震属性包括走向曲率属性，并将其转化为走向曲率属性图。走向曲率属性为沿着断层延伸走向方向提取的曲率。
17、优选的，在步骤六中，神经网络模块选择sofm神经网络。
18、sofm神经网络指的是自组织特征映射神经网络(sofm)，是芬兰学者kohonen在1981年所提出的一种无监督神经网络模型。该网络可以模拟大脑神经系统自组织特征映射功能，即能通过输入样本自动检测其中的规律以及输入的样本数据之间的关系，因此称之为“自组织”神经网络。sofm神经网络的基本原理是当网络接收到一个外界输入时，将自动分为不同的区域，各区域将自动对输入信息产生不同程度的响应。这种响应会在输出层神经元之间发生竞争，响应最强烈的神经元为获胜神经元，又称最佳匹配神经元(bestmatching unit，bmu)，根据bmu即可确定输入样本对应的聚类类型，获胜神经元通过对较邻近的神经元互相刺激，较远的神经元相互抑制，经过反复的输入训练样本调整网络权值，从而达到自动聚类的目的。
19、优选的，在步骤六中，在神经网络模块进行识别训练前，先对底辟发育带区域进行网格划分，再进行识别训练。对底辟发育带区域进行网格划分，便于神经网络的处理。
20、优选的，在步骤六中，每个网格面积相等，且分别对应相同个数的神经元。进而保证神经网络模块处理的精度，避免出现各网格处理精度不一致的情况。
21、优选的，在步骤六中，对底辟发育带区域进行至少两种方式的网格划分，并进行预测响应，根据响应区的显示情况择优选取其中一种网格划分方式进行识别训练。神经网络模块处理后的结果通过图版显示，网格划分的数量与神经网络模块本文档来自技高网...
【技术保护点】
1.一种基于地震资料的底辟区裂缝预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，根据目的层地震层位解释数据提取多种类型的地震属性，每种类型的地震属性分别对应一种地震属性图。
3.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括取倾角属性，并将其转化为倾角属性图。
4.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括倾角曲率属性，并将其转化为倾角曲率属性图。
5.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括玫瑰图属性，并将其转化为玫瑰图属性图。
6.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括走向曲率属性，并将其转化为走向曲率属性图。
7.根据权利要求1所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤六中，神经网络模块选择SOFM神经
8.根据权利要求1所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤六中，在神经网络模块进行识别训练前，先对底辟发育带区域进行网格划分，再进行识别训练。
9.根据权利要求8所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤六中，每个网格面积相等，且分别对应相同个数的神经元。
10.根据权利要求9所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤六中，对底辟发育带区域进行至少两种方式的网格划分，并进行预测响应，根据响应区的显示情况择优选取其中一种网格划分方式进行识别训练。
...【技术特征摘要】
1.一种基于地震资料的底辟区裂缝预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，根据目的层地震层位解释数据提取多种类型的地震属性，每种类型的地震属性分别对应一种地震属性图。
3.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括取倾角属性，并将其转化为倾角属性图。
4.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括倾角曲率属性，并将其转化为倾角曲率属性图。
5.根据权利要求2所述的一种基于地震资料的底辟区裂缝预测方法，其特征在于：在步骤四中，地震属性包括玫瑰图属性，并将其转化为玫瑰图属性图。
6.根据权利要求2所述的一种基于地震资料的底辟区...
【专利技术属性】
技术研发人员：胡高伟，周杰，裴健翔，胡林，李芳，何小胡，杨金海，段亮，徐涛，张亚震，陈亚兵，金峰，
申请(专利权)人：中海石油中国有限公司海南分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。