综合地球物理信息的孔隙率预测方法及应用效果分析

在油藏综合研究中,储层孔隙率参数的准确求取是一项关键性技术,本文在分析总结已有的储层参数预测方法的基础上,综合利用地质,地球物理信息,通过数学统计等方法,采用逐步线性回归,相关滤波,神经网络,协克里金,非参数回归等预测孔隙参数平面分布,通过实例分析比较了各种方法的地质效果,归纳总结出上述方法的特点及其应用条件。     

地震孔隙率反演方法和应用

本文根据Biot理论的基本观点,结合地下流体力学的理论,建立了一系列数学模型,探索出使用地震资料反演孔隙率的一种新方法。该方法最终获得的数据定义为地震孔隙率。在勘探阶段,利用地震孔隙率可进行储层横向预测;在开发阶段,使用井资料标定其数据,可用于油藏描述。该方法在实际应用中有显著的地质效果。     

优选地震属性预测储层参数的方法及其应用

地震属性预测储层参数的方法有传统的单属性方法和比较新的多属性方法,多属性方法又分为多元线性回归算法和神经网络算法。通过埕北35北和樊124井地区实际应用,研究了这些方法的原理、特点以及预测的效果,并探索了利用井间地震资料地震属性预测孔隙度参数的可行性,取得了较好的效果。     

利用双参数预测储层的孔隙率

本文介绍了双参数预测储层孔除率的新方法,旨在同时利用纵、横波速度或时差和密度观参数来预测储层的孔隙率。据D。Eberhart－Phillips的岩石物理实验测定结果[3]和JLK地区6口测井资料的计算结果表明:利用纵、横波速度联合求取的孔隙率的平均相对误差为7.86％利用时差和密度联合求取的孔隙率的平均相对误差为13.0％。另外,该方法在获得预测孔隙率值的同时,还可得到较可靠的泥质含量值,这对于揭示储层的非均质性具有十分重要的意义。     

基于神经网络的储层参数预测方法及应用

储层参数预测在油气勘探与开发中发挥着重要作用。采用神经网络法对储层参数进行预测,建立储层参数(储层砂岩厚度和孔隙度)与目的层地震波属性之间的联系,这种联系是通过人工神经网络来实现的。以地震波属性为输入,储层参数为输出,并以测井资料作为约束条件,指导神经网络学习,进而进行储层参数预测。实际资料处理结果表明,该方法预测的储层孔隙度与砂岩厚度是可靠的。     

慢度法全波场模拟及其水平慢度积分的实现

叠前地震数据的反演需要以某种正演算法为基础。本文从弹性动力学方程出发，采用慢度法计算层状介质的叠前地震记录。同反射率法一样，慢度法也能够提供地震波场的完全解，包括地震波在地层中传播时形成的一次波、多次波和转换波信息，而且其中间结果容易解释。具体实现步骤为：①通过傅立叶变换和汉克尔变换将本构方程和弹性动力学方程变换到频率-慢度域；②在频率-慢度域得到反射、透射系数矩阵递推公式；③分别对频率和慢度进行积分变换得到时-空域的地震道集。文中还讨论了慢度积分计算中解的稳定性问题。     

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。     

基于单道奇异值分解的微地震资料去噪方法

奇异值分解(SVD)是一种利用地震资料的相关性进行去噪的有效方法。但对于信号较弱、信噪比极低的微地震资料,传统SVD方法处理效果较差。针对单道微地震记录噪声周期性较强的特点,提出了一种基于单道SVD的去噪方法。首先利用单道微地震记录来构建分解矩阵,然后对矩阵进行奇异值分解,通过对奇异值分布规律的分析,选取适当的奇异值实现矩阵的重构,最后通过SVD反变换得到重构信号,从而达到去除噪声、突出有效信号的目的。实践表明,该方法能有效去除微地震记录中的噪声,为微地震事件的正确识别与震源的准确定位提供强有力的前提保障。     

基于SVD法三维地震属性优化技术在苏里格气田含气性预测中的应用

在进行地震储层预测时,经常先对地震属性依据地表环境,采集客观因素、处理不当等原因引起属性异常进行客观分析,充分理解地震各个属性所携带的各种非储层信息;然后再综合分析地质资料,诸如沉积环境、构造特征、岩性变化、物性变化等;最后才是储层含气性在地震属性上的表现特征,再结合非地质因素和非含气性因素进行含气性预测,尤其注意预测方法的适用条件,即在同等级别的地质因素、储层因素的前提下预测含气性。按照上述流程对苏里格气田东区三维地震区进行详细研究,针对三维地震资料属性分析中对于储层预测多解性问题,采用了奇异值分解(SVD)的方法对地震属性展开降维,分类优化,在一定程度上降低了三维地震预测储层的多解性,降低了气田开发井位部署风险,在气田滚动评价与整体开发中起到很好的应用效果。     

基于奇异值分解的地震属性优化分析技术研究

奇异值分解是基于矩阵的数学运算方法来优化压缩地震属性集,地震属性集空间维数一般较高,因此有必要对相关地震属性集进行压缩,从而揭示数据集所表征的储层特征,可用于识别有意义的地质目标。采用奇异值分解方法对苏里格气田东区致密砂岩石盒子组盒8段含气储层沿层属性集进行了优化压缩。实际应用结果表明:奇异值分解优化后的各分量比优化压缩前的单属性预测致密含气砂岩效果更好。     

频谱分解方法比较及其在轮古地区碳酸盐岩储层预测中的应用

塔里木盆地奥陶系碳酸盐岩具有非均质性强、各向异性特征显著和基质孔渗性低等特点,给储层的预测带来一定困难,为进一步提高储层预测精度,开展了频谱分解的储层预测技术研究.不同分频方法具有不同的优缺点和适用条件,其中基于S-变换的频谱分解技术采用的时窗随频率变化,适用于非平稳地震信号的处理,有较好的时频分辨率和多分辨率,具有局...     

纵横波联合反演方法研究及应用

 本文利用Aki Richards提出的近似公式,对PP波和PS转换波的联合反演方法进行了研究。利用PS波反射系数公式消去PP波反射系数公式中的密度项,并给出一种利用奇异值分解来求解的反演方法。与单独利用PP波的反演方法相比,采用两组独立的PP波和PS波数据的联合反演方程组更加稳定。理论试算和实际资料的应用表明,此种纵横波联合反演方法的准确性和抗噪性比单独的PP波反演方法有明显的提高。     

应用奇异值分解算法的核磁共振测井解谱方法

由于核磁共振测井数据的信噪比很低，能否很好地降低噪声的影响成为核磁共振测井解谱方法有效与否的关键因素。本文介绍了在解谱中净特征矩阵进行奇异值分解，然后截去小的非零奇异值的方法，以增加特征矩阵的稳定性，从而保证数据在低信噪比时仍然可以得到稳定的弛豫频谱。本方法在实际应用中取得了很好的效果。     

f-x域Cadzow技术分块压制随机噪声及其应用

介绍了一种f-x域Cadzow滤波分块压制随机噪声的技术。首先构建Hankel矩阵,然后利用复数域奇异值分解(SVD)技术进行特征值分解,利用优选特征值的加权并通过替换频率切片实现随机噪声的压制。采用分块处理解决实际地震资料中存在的倾角变化非稳态问题,与传统的假设同相轴水平的SVD技术相比,该技术无需对同相轴进行任何相对时差校正,在假设线性同相轴条件下适应同相轴交错的复杂情况。模型数据处理结果表明,如果地层的倾角个数与选取的特征值个数相同,则对无噪数据没有损害。实际资料处理结果表明,f-x域Cadzow滤波技术是一种稳健的压制随机噪声的技术。     

裂缝型储层地震属性预测方法研究与应用

如何合理提取裂缝型储层地震响应属性,描述储层的空间展布特征,是裂缝型储层预测研究的基础。通过提取塔北隆起西部A区块奥陶系一间房组(O2y)顶部碳酸盐岩裂缝型储层的地震响应特征,探讨了适合该区碳酸盐岩裂缝型储层预测的技术方法。在研究过程中,从裂缝成因理论出发,应用地震属性的几何学与波动学属性,从不同方面对裂缝型储层的预测进行了研究;首先通过本征值相干体、AFE(automatic fault extract)裂缝预测体的制作方法进行裂缝地震几何学属性方法研究,然后在测井岩石物理分析的基础上,应用地震联合反演方法对裂缝型储层进行地震反演方法研究,利用所提取的地震属性对研究区块的裂缝展布特征进行合理预测,解释了由于裂缝型储层各向异性而导致的用传统研究方法难以合理解释的勘探现象。描述了一种适合裂缝型储层预测的综合研究方法,对同类储层的预测有一定的参考意义。     

基于MF-SVD的滚动轴承振动信号故障特征提取方法研究

极值域均值模式分解(EMMD)在抑制端点效应、算法精度、计算耗时等方面均比经验模式分解(EMD)算法和自适应时变滤波分解(ATVFD)有着明显的优势,能够有效地对旋转机械振动信号进行故障特征提取,由于现场信号通常掺杂大量噪声,严重影响了EMMD的分解精度。针对该问题,提出了基于形态滤波-奇异值(MF-SVD)的去噪方法,并将其与EMMD相结合,建立了一种新的故障特征提取方法。实验结果表明:该方法能够有效、准确地提取旋转机械滚动轴承内圈损伤的故障特征,有着良好运算速度和精确度。     

时频分析技术及其在储层预测中的应用

根据岩性油气藏的特点，以鄂尔多斯盆地大牛地气田为例，提出了利用基于小波变换的时频分析方法进行岩性油气藏储层预测的思路，给出了利用小波变换进行时频分析的计算过程以及利用基于小波变换的谱分解技术进行储层预测的关键步骤。最后，用基于小波变换的谱分解技术对鄂尔多斯盆地大牛地工区的地震资料进行了频谱成像。     

奇异值分解技术在绕射波分离成像中的应用研究

实现绕射波分离成像,要利用反射波和绕射波的特征差异,不同方法所利用的特征差异不尽相同。在地下反射层位水平连续的假设条件下,基于反射波和绕射波在相干性方面的差异,提出一种基于奇异值分解的绕射波分离成像方法。首先通过炮域动校正拉平反射波,使其相干性增强,而绕射波呈现非线性形态,相干性较弱,两者在相干性方面差异明显。基于此,再利用奇异值分解重构出反射波,并将其从地震数据中减去,从而分离出绕射波。为了在有效压制反射波的同时,尽可能地保护绕射波能量,在重构反射波时采用了一种迭代的方式。最后对数据进行反动校,得到绕射波单炮记录,继而实现绕射波成像。数值模型和实际资料应用结果表明,该方法能够有效压制强反射,提高小尺度非均质体的识别精度,有良好的应用价值。     

地震属性奇异值分解法降维的应用

在地震属性领域中,从地震资料中提取的地震属性可达上百种,大多情况是凭解释人员的经验来完成地震属性挑选的,不但增加了工作量,人为因素也难以避免,为解决这一困难,需要把数据挖掘技术引入地震属性领域。数据降维就是数据挖掘的一种,本文将奇异值分解降维方法应用到地震属性降维中,通过与钻井、试油的对比结果来看,在储层含油气预测方面数据降维方法是一种有效的分析方法。     

多元线性回归方法在油田产量预测中的应用

本文应用多元线性回归的方法,对油田产量进行预测,采取后退法对影响产量的因素进行优选,得到相对最优的回归预测模型。该模型克服了传统预测方法的局限性,综合考虑了新区、老区等各种影响产量的因素。预测结果表明,该模型适用于油田产量预测。