优选地震属性预测储层参数方法及应用研究

通过地震属性预测储层参数的方法有单属性方法和多属性方法,多属性方法又分为多元线性回归算法和神经网络算法。本文详细分析了这些方法的特点以及预测的效果。利用多属性预测精度比单属性高,而在多属性方法中又以概率神经网络法的精度较高。使用多属性方法预测还需通过属性优化选择和有效性分析,力求有效误差达到最小。此方法在埕北35北地区进行了实际的应用,取得了较为理想的效果。     

地震多属性孔隙因子参数反演及其在伊拉克M油田碳酸盐岩储层预测中的应用

储层孔隙结构刻画是预测有利储层的关键。伊拉克M油田发育礁滩相碳酸盐岩储层,受成岩作用影响,储层孔隙结构复杂,具有相同孔隙度的储层渗透率存在明显差异。核磁共振测井及取心井岩心资料分析结果表明深、浅侧向电阻率差异与储层的孔隙结构具有相关性,基于电阻率与孔隙度参数构建了储层孔隙因子,提出了地震多属性孔隙因子参数反演方法,其算法实现分三步:(1)利用波阻抗反演识别储层与基质;(2)应用专家优选与自动优化组合方法进行孔隙因子参数敏感地震属性优选;(3)利用概率神经网络算法对优选的地震属性进行地震多属性孔隙因子参数反演。实际应用效果验证了该方法的有效性,有利储层预测结果为油田开发井位部署提供了支持。     

一种基于灵敏属性分析的相关聚类属性优化方法

 利用多属性技术进行储层预测的关键是地震属性优化。仅从一个侧面考察储层参数与地震属性之间的相关性优选灵敏属性，容易造成漏选和误选。本文采用从储层参数与地震属性之间的有效性、符合率和相关性等三个方面评价地震属性反映储层参数的敏感性，利用灵敏属性分析技术并结合相关聚类分析法，在地震属性分析中实现了高效率的灵敏属性特征选择和降维映射。实际应用表明，该方法能够有效地提高储层定量预测效果。     

基于脉冲耦合神经网络的地震多属性融合方法

针对单一地震属性进行油气储层预测时往往存在多解性问题,提出基于脉冲耦合神经网络（PCNN）的地震多属性融合方法：通过简化PCNN模型,利用PCNN神经元结构很强的非线性处理功能,确定各神经元之间的数据融合系数,进而获得对应神经元的融合数据输出,从而实现了地震多属性的融合。该方法简捷、计算效率高、融合效果好。通过川东北地区多种属性切片数据的应用验证了该方法的合理性和有效性。     

属性降维在储层评价中的应用——以陆梁油田陆151井区为例

地震属性技术是储层预测的重要手段,目前已有多种类型的地震属性参数可以提取和利用,但是单一地震属性分析与解释存在较强的多解性、不确定性。属性降维是通过K-L变换把属性空间的高维样本变成低维样本,降维后的地震属性更加具有代表性,更能反映地质特征,然后再将降维后的地震属性用于储层预测更加符合地质规律。通过地震属性降维方法对陆梁油田陆151井区侏罗系头屯河组油藏进行储层预测,其预测结果与部署的评价井在地质参数上符合程度较高,取得了较好的效果。     

地震储层预测技术在资北三维区的应用

应用资北三维地震资料,对该区块的岩石物理参数及储层地震响应特征进行分析后,根据已完钻的砂27井相关信息,采用地震模型正演、多属性和阻抗反演的定性储层预测等方法,分层次开展资北断层下降盘资深1井区Ex下Ⅱ-1储层砂体空间分布的预测,确定了区块优质储层的分布规律,发现和落实了资北构造-岩性圈闭群,在资深1井在Ex下Ⅱ-1测井解释油层2层8.8m,试油获少量油,预测石油地质储量200多万t,取得了较好的应用效果。     

基于地震多属性的孔隙度预测——以川东A气田为例

利用基于地震多属性的孔隙度预测方法,可综合权衡各属性参数,更客观、有效地反映孔隙度的变化。建立测井孔隙度同地震属性联系,运用多元回归、误差分析、交叉验证等技术来确定最优的属性类型及数量;结合人工神经网络方法建立这些属性与测井孔隙度之间的映射关系,预测孔隙度在平面、垂向上的分布特征。首次将地震多属性孔隙度预测方法运用于川东A气田超致密砂岩储集层孔隙度的预测研究,取得了良好的效果。     

塔里木盆地塔中地区良里塔格组礁滩体储层地震预测

碳酸盐岩储集空间以溶洞和裂缝为主,在接近奥陶系灰岩表面,由于储集空间填充物与上覆地层岩石物理特性较为接近,造成直接利用地震数据对储层预测的不精确性,给储层地震预测带来很大困难。在假定地震属性与储层呈线性关系条件下,以交叉检验误差最小为准则,在提取的众多地震属性中,优选有利于储层描述的几组地震属性,在选定的地震属性参数空间结合RBF非线性算法,建立了地震属性关于储层的映射关系,并通过地震属性参数空间适应性分析,给出了各局部预测结果可信度评估结果。在新疆塔中油田良里塔格组礁滩体地震预测中见到较好效果。     

模糊C均值地震属性聚类分析

 地震多属性聚类分析是进行储层预测的有效工具。本文提出了基于模糊C均值的地震属性聚类方法，该方法可以将多种地震属性进行分析从而生成有效的特征图，它可以寻找各个类的最优聚类中心，并给出样本点属于每一类的隶属度。此算法是一个简单迭代过程，且算法的关键取决于两个参数：其一是聚类数要远小于聚类样本的总个数；其二是加权参数要适中，过大或过小均不利于聚类效果的改善。模型试验和实际资料的应用表明了该方法原理简单且算法鲁棒性好，具有很好的实际应用价值。     

利用模型正演优选地震属性进行储层预测

利用地震属性预测储层会产生不确定性,为此提出了利用岩心、测井和叠后地震属性预测储层的新方法。该方法是以岩心物性参数和岩石物理性质正演模拟为基础,分析岩石物性变化引起的地震响应特征变化,利用优选的地震属性进行储层预测。这套技术以正演为主,正、反演相结合,减少了预测结果的多解性,提高了用属性预测储层的准确性。该方法操作步骤包括横波速度预测、流体替换、属性优选、属性分类和储层预测等。用该方法预测了砂体分布及含油级别,其结果与钻井结果一致,取得了满意的效果。     

相关滤波技术在储层物性参数预测中的应用研究

本文在地震属性提取技术的基础上,采用相关滤波算法,针对储层物性参数中的孔隙度与渗透率进行预测,并对该方法的预测效果进行了检验~([1])。     

应用多属性神经网络方法预测油气

地震属性包含的地球物理信息十分丰富,但地震属性种类繁多,并且与储层特征对应关系复杂,单属性分析难以确保预测的准确性。人工神经网络方法具备较强的非线性映射能力,使用该方法可以综合利用多属性进行油气预测,提高预测精度。该文采用梯度下降神经网络算法,避免陷入局部极小值,有效加快网络收敛速度,使网络达到全局最优,提高了预测效果。     

预测砂岩孔隙度的地震多属性优化模式对比

利用地震多属性分析技术预测地下储层参数时,常常面临着对多个地震属性进行选择优化的问题。为了比较众多优化方法的异同,本文从数学上的相容性与冗余性、独立性与非相关性的角度出发,建立了一套地震多属性优化分析的数学表达式。在此基础上,将突出独立性的主成分分析优化、突出相容性的粗糙集属性优化、突出相关性的有效性—离散度—相关性三参数属性优化,从流程上串联起来,形成了8种地震多属性的优化模式,将优化后的8组属性输入径向基函数神经网络,外推砂岩储层的孔隙度参数。应用实例表明,粗糙集属性优化—主成分分析—神经网络模式识别的综合预测效果最好,全属性直接神经网络模式识别的综合预测效果要差一些,8种流程计算出的砂岩孔隙度的相对误差都在可接受范围内。     

地震属性优选、融合探讨

油气勘探评价中,地震属性作为主要的储层预测手段,发挥了重要的作用。但由于地震属性自身的局限性、多解性,使得属性优选、多属性合理组合等方面难度较大,降低了预测的准确性。就上述问题,本文从地震属性的地球物理含义及所赋予的地质意义出发,重点开展了基本地震属性优先选择、古地貌背景约束下地震属性选取等四种方法的研究及应用效果的分析,有效地增强了地震属性预测的针对性,提高了预测能力和精度,在实际应用中取得了较好的效果。     

多属性分析优化方法在南苏丹Greater Unity油田的应用

多属性分析优化方法是地震储层预测的直接手段之一,近年来在许多油田得到了较好应用。南苏丹Greater Unity油田三维地震资料品质差、构造复杂,为了解决地质相控建模和岩性建模的难题,运用多属性分析优化方法进行储层预测和砂体识别。在地震精细解释的基础上,提取多种地震属性,以K-L变换方法进行属性优化,筛选最敏感属性参数。应用结果表明,该方法既降低单一属性的多解性又突出多属性间的差异性,能有效提高储层预测精度,为后期油藏描述和开发方案制定奠定基础。     

地震多属性综合分析技术在储层预测中的应用

多属性分析技术是地震储层预测的直接手段之一,近年来得到了广泛应用。大庆长垣西部YT地区葡萄花油层砂岩以薄层、条带状砂体为主,砂体横向变化快,非均质性较强,井控程度低,储层预测难度大。采用多属性综合分析技术,提取并优选地震属性、结合K-L变换的多属性分析优化方法综合预测储层,研究储层参数在平面的展布,取得了较好的效果,为该地区提交探明储量和开发方案部署提供了可靠依据。     

地震属性分析技术在储层预测中的应用

根据目前已发表的文献，地震属性有数百个之多，通常用于地震解释的也有30—50个。地震属性技术作为地震勘探的一项新技术，已经在油田的勘探开发、油气藏的预测与描述中取得了较好的应用效果，它是连接地震信息与储层及油气藏分布的有效桥梁。地震属性分析技术在储层预测中的应用包括地震属性提取、地震属性优化和储层参数转换等技术。地震属性提取包括剖面属性提取、层面属性提取、三维体属性提取。通过吐哈-三塘湖盆地的应用实例分析不难看出，应用地震属性预测油气藏在原理和方法上是可行的，并且具有广阔的应用前景。     

垦71地区多分量地震资料解释方法研究进展

多分量地震资料解释主要包括纵波和转换横波资料的层位对比标定、纵波和横波地震属性参数计算、储层解释及油气预测等。其中的多分量地震层位对比是岩性解释和油气预测的关键技术环节。根据垦71地区多分量地震资料和纵横波测井资料,分析了转换波剖面的极性,研究了深度域法、剖面压缩法层位对比标定的方法步骤,并在此基础上进行了纵横波属性分析。实际资料的层位对比效果明显,属性分析取得初步成果。     

多信息储层预测地震属性提取与有效性分析方法

针对多信息储层预测，介绍了QuincyChen等人基于储层特征的地震属性分类，讨论了地震时窗的选取和属性预处理方法，提出了地震属性有效性分析基本准则和工作程序，并对优选地震属性的主要算法进行了介绍，结合大庆宋节屯油田芳深2区块储层预测给出了一个应用实例。指出精细的地震属性提取与有效性分析是高精度地震储层预测的前提，期望引起人们对地震属性的高度重视。     

基于随机神经网络的储集层孔隙度预测技术在Y3区块的应用

随机神经网络是通过对样本数据进行训练,寻求预测值和实测值之间误差最小的一种数学内插方法。通过曲线重构反演技术对原始地震数据体进行波阻抗反演,以提高地震资料对储集层的识别精度;在滤波参数选取中,通过共轭梯度算法计算最小检验误差,选取最佳的褶积算子和属性个数,使地震属性和目标参数最佳限度地吻合,避免了神经网络过度训练的缺陷。随机神经网络技术在Y3区块实际资料应用中,取得了良好的预测效果,相比线性回归法和传统神经网络方法提高了预测精度。