利用地震几何属性和自组织神经网络进行地震相的自动识别

阐述了2类地震几何属性:①反映地震道空间变化量的属性;②反映地震属性空间相似程度及其衍生的各类参数.运用这些属性来判识地层或反射界面的空间连续性和倾向倾角等地质体的空间几何特征,采用自组织神经网络方法对这些属性进行自动分类来判别地震相.在山东东营凹陷永921井区的应用证明,该方法具有较好的应用效果.     

贝叶斯机器学习在储层预测中的应用研究

石油勘探面临的油气储集地质环境日趋复杂,当目标储层与多种岩性地质体混杂时,人工分辨困难,也难以定量化评估判别精度,取得最佳识别结果。针对此问题引入贝叶斯机器学习算法进行自动化目标判别。其中,提出了采用径向基神经网络估计先验分布概率密度,不再假设先验分布模型,增强了贝叶斯分类方法的实用性,替代了人工处理工序,实现了储层目标的高精度、定量、自动化判别。应用于油田地震勘探资料进行实际储层预测,判别结果与工业气井吻合,表明了方法可行、有效。     

基于柯西先验分布的叠前弹性阻抗反演方法及应用

以贝叶斯反演为代表的概率化反演方法既能考虑观测数据的不确定性,又可以考虑待求解参数的先验信息,在实际地震反演中备受青睐。经研究表明,在柯西先验信息下获取的反演结果更具有稀疏性,且具有高分辨特征。叠前弹性阻抗反演是一种基于多角度部份叠加剖面的叠前地震反演方法,信息量丰富,计算效率高。这里在贝叶斯框架下,实现了基于柯西先验的叠前弹性阻抗反演方法,并提取了对储层流体敏感的弹性参数。实际资料应用表明,基于柯西先验的弹性阻抗反演方法合理可靠,具有较高的分辨能力,且提取的弹性参数能够较好地吻合实际钻遇结果。     

地震属性的拟测井反演及在煤层解释中的应用

描述了地震属性的拟测井反演方法,即从地震属性中反演能够反映煤层特征的拟测井曲线。该方法将钻孔处的测井曲线和地震属性作为样本数据,经过神经网络训练后形成网络模型,以此模型反演非钻孔处的地震属性,得到三维测井曲线数据体。该数据体纵向分辨率高,横向分布精确可靠,经过解释,提供高准确度的煤层空间分布情况。      

地震波形分类技术在大情字井地区薄砂体预测中的应用

受限于地震资料分辨率,薄砂体预测存在不确定性,一个地震波形多是由两期或者多期砂体叠置干涉形成,因此用振幅、频率等常规属性难以准确描述单期砂体平面非均质性特征。这里采用地震波形分类技术,以松辽盆地南部大情字井地区青一段3砂组为例,通过分析井震标定合成记录,研究三角洲外前缘相带不同砂体叠置模式下地震波形变化规律,建立研究区四种典型砂体叠置模式,利用自组织神经网络技术,选择合适的时窗,经过多次迭代,确定波形分类总数为8种,使每种砂体叠置模式对应两个地震模型道,从而根据时窗内不同地震波形的空间分布,精细描述不同砂体叠置模式的平面非均质性特征。与其他属性和地质统计学反演预测的砂体厚度符合率相对比,波形分类预测符合率远高于振幅类属性和频率类属性,并与井震反演预测符合率相当,说明地震波形分类在三角洲外前缘相带砂体预测中是一种高效准确的技术方法。     

地震相分析在探测煤层中火成岩侵入范围的应用

煤田地震岩性解释普遍采用波阻抗反演技术和地震属性技术,二者的共同缺陷是无法把握地震信号的总体变化及其分布规律。基于波形的地震相分析技术综合利用了地震波的频率、相位、速度、能量等各种信息,即基于地震信号的整体差异进行分类。把地震相分析技术引入煤田三维地震资料岩性解释中,在确定煤层中火成岩侵入范围中取得了初步地质成果。      

小波变换与地震奇异性属性

地震属性是由地震数据提取的有关地震波的几何形态、运动学特征、动力学特征和统计学特征等组成。这里主要讨论了一种新的地震属性(奇异性属性)计算方法。由于地震数据携带着大量的奇异性信息,因此,这一新的地震属性是在偏移地震数据的小波变换和奇异性分析的基础上形成的。小波变换使检测数据中的局部奇异程度成为可能。为能够估计出偏移地震数据每一采样点的局部奇异规律,从小波变换系数的角度来提取地震信号的奇异指数。这种新属性实行单道处理,不需要子波和速度信息,它给出了地下分层情况和断层位置。在地震数据奇异性属性的基础上,用小波变换来划分地层旋回,从而提高了小波变换在地震解释中的应用。     

利用地震相分析方法圈定煤层变焦区

三维地震数据体中,地震波形的总体变化源于地质体构造、岩性的综合反映,因此地震波形的总体变化是一个很重要的地震属性。然而,传统的岩性解释手段(例如波阻抗反演和地震属性技术等)忽略了地震波形的整体变化及其分布规律。利用地震波形的变化来建立地震相,在一定程度上能够弥补这一缺陷。利用地震波形划分地震相就是通过神经网络分析将地震信号按照波形进行分类,不同的类反映不同的岩性地质体。基于波形划分地震相原理,介绍了利用Stratimagic地震地层解释系统进行地震相划分的一般流程和关键参数的设置,并以淄博矿业集团葛亭煤矿某采区为例,对其3煤层变焦区进行了圈定。     

从地震资料求取储层特性的地质统计法

用地震数据更好地约束井间储层模型已成为地震解释的一个重要目标。我们提出一种从地震资料求取软地质信息的方法，并通过刚果海上的一个实例来讨论其应用。该方法将地震相分析和统计标定技术相结合应用于储层段的属性特征道。我们建立了地震属性和属层特性间的统计关系，而储层特性是根据井及相邻道组成的标定总数而确定的。     

地震多属性拟合技术在粗粒扇体沉积相图编制中的应用--以玛131井区百口泉组二段为例

由于砾岩岩石类型复杂,储层非均质性强,难以建立地震属性与储层之间的一一对应关系,导致应用地震属性常常具有不确定性和多解性。为了克服单一属性反映粗粒沉积展布的片面性,同类属性间相关信息的彼此干扰性,地震相预测扇体分布的盲目性,针对性的提出了基于地震多属性拟合技术编制粗粒扇体沉积相图的方法:1）建立岩性识别图版;2）属性优化与线性逐步回归拟合含砂砾率;3）均方根振幅属性正态分布约束砂体边界;4）应用拟合含砂砾率等值线图,结合岩相和测井相编制粗粒扇体沉积相图。并将该方法用于玛131井区百口泉组二段的沉积研究中,为研究粗粒扇体沉积提供了新的思路,为玛湖滚动勘探及井位论证提供了可靠地质依据。     

Application of EM algorithms for seismic facices classification

Identification of the geological facies and their distribution from seismic and other available geological information is important during the early stage of reservoir development (e.g. decision on initial well locations). Traditionally, this is done by manually inspecting the signatures of the seismic attribute maps, which is very time-consuming. This paper proposes an application of the Expectation-Maximization (EM) algorithm to automatically identify geological facies from seismic data. While the properties within a certain geological facies are relatively homogeneous, the properties between geological facies can be rather different. Assuming that noisy seismic data of a geological facies, which reflect rock properties, can be approximated with a Gaussian distribution, the seismic data of a reservoir composed of several geological facies are samples from a Gaussian mixture model. The mean of each Gaussian model represents the average value of the seismic data within each facies while the variance gives the variation of the seismic data within a facies. The proportions in the Gaussian mixture model represent the relative volumes of different facies in the reservoir. In this setting, the facies classification problem becomes a problem of estimating the parameters defining the Gaussian mixture model. The EM algorithm has long been used to estimate Gaussian mixture model parameters. As the standard EM algorithm does not consider spatial relationship among data, it can generate spatially scattered seismic facies which is physically unrealistic. We improve the standard EM algorithm by adding a spatial constraint to enhance spatial continuity of the estimated geological facies. By applying the EM algorithms to acoustic impedance and Poisson’s ratio data for two synthetic examples, we are able to identify the facies distribution.     

先验概率分布及似然函数模型的选择对边坡可靠度评价影响的定量评估

受工程勘察成本及试验场地限制,可获得的试验数据通常有限,基于有限的试验数据难以准确估计岩土参数统计特征和边坡可靠度。贝叶斯方法可以融合有限的场地信息降低对岩土参数不确定性的估计进而提高边坡可靠度水平。但是,目前的贝叶斯更新研究大多假定参数先验概率分布为正态、对数正态和均匀分布,似然函数为多维正态分布,这种做法的合理性有待进一步验证。总结了岩土工程贝叶斯分析常用的参数先验概率分布及似然函数模型,以一个不排水黏土边坡为例,采用自适应贝叶斯更新方法系统探讨了参数先验概率分布和似然函数对空间变异边坡参数后验概率分布推断及可靠度更新的影响。计算结果表明：参数先验概率分布对空间变异边坡参数后验概率分布推断及可靠度更新均有一定的影响,选用对数正态和极值I型分布作为先验概率分布推断的参数后验概率分布离散性较小。选用Beta分布和极值I型分布获得的边坡可靠度计算结果分别偏于保守和危险,选用对数正态分布获得的边坡可靠度计算结果居中。相比之下,似然函数的影响更加显著。与其他类型似然函数相比,由多维联合正态分布构建的似然函数可在降低对岩土参数不确定性估计的同时,获得与场地信息更为吻合的计算结果。另外,构建似然函数时不同位置处测量误差之间的自相关性对边坡后验失效概率也具有一定的影响。     

三维地震约束辫状河储层的多点统计建模研究:以委内瑞拉M区块为例

将地震信息引入多点统计地质建模之中,可以提高模型的井间预测功能.首先以委内瑞拉奥里诺科重油带一个辫状河沉积含油区块为例,结合该区辫状河储层的地质特点,利用井震信息结合的多点统计建模方法,研究了波阻抗的相标定、砂体概率生成曲线选定、训练图像分析、井震影响比等方面的技术细节及它们在辫状河储层多点统计建模中的作用.然后结合辫状河储层的沉积学特征,对研究区的心滩、河道、泛滥平原等微相空间分布的建模结果进行了分析.最后对于不同的储层建模结果进行了不确定性分析.研究表明:井震结合的多点统计建模方法,较好地降低了稀井网地区建模结果的不确定性;通过砂岩概率生成曲线,波阻抗数据转化为地震相的空间概率分布.这样就有效地建立起了地震数据与其地质意义的联系;相比仅用测井信息建模,井震结合建模结果对井间微相预测更具合理性,同时预测的河道、心滩的连续性也得到了更好的体现.      

川中雷口坡组四~3亚段地震相分析——应用波形分类技术研究沉积相的实例

在工区面积大、钻井少的情况下开展地震相研究,可以有效绘出沉积相展布图。对四川盆地中部雷口坡组四3亚段利用GS1和YS104两口井进行地震地质标定,建立了膏盐湖、白云岩坪及颗粒滩等几种不同沉积微相的地震响应模式。膏盐湖相表现为强振幅、高连续的地震响应,而颗粒滩及白云岩坪主要表现为中振幅、低连续的地震响应特征。在地质标定基础上,对全区利用波形分类技术开展地震相研究,恢复了古沉积环境,获得了颗粒滩相及白云岩坪的展布图,这些分布区是有利储层的发育区。龙岗—营山—南充—蓬溪一带处于颗粒滩、白云岩坪有利相带,且处于雷四3亚段地层剥蚀线附近,受岩溶改造强烈,储层较为发育,是川中地区的重要勘探对象。     

地震波形指示反演在珠江口盆地A油田薄层预测中的应用

珠江口盆地A油田主要发育三角洲前缘沉积,砂泥岩互层严重,且储层薄、横向连续性差,分布规律难以掌握,随着开发进程的加快,其对储层预测的要求越来越精细,而常规反演方法很难满足高精度储层预测的要求。针对这一难题,结合该油田沉积相分布稳定的特征,这里在地震波形相控反演思想的基础上,将地震波形指示反演方法应用到A油田的薄层预测中,研究表明:①该方法的预测结果既在空间上体现了地震相约束,平面上也更符合该油田的地质沉积规律;②三维地震波形特征直接反映沉积相信息,减小了常规人工划分沉积相约束的工作量和主观认识的不确定性;③地震波形指示反演突破常规基于空间域插值算法的限制,对井位分布的均匀性没有严格要求,大大提高了储层反演的适用领域。该方法首次应用于珠江口盆地,并且在A油田的薄储层及薄隔夹层反演预测中,为该油田的开采提供了可靠的资料基础,取得了很好的应用效果,实现了井震协同的高分辨率储层预测,落实了薄层的空间展布。     

Distribution Prediction of Middle-deep Lacustrine Source Rocks in Eocene Wenchang Formation in the Kaiping Sag,Pearl Mouth Basin

Oil and gas shows are rich in drilling wells in Kaiping sag,however,large oilfield was still not found in this area.For a long time,it is thought that source rocks were developed in the middle-deep lacustrine facies in the Eocene Wenchang Formation,while there is no source rocks that in middle-deep lacustrine facies have been found in well.Thickness of Wenchang Formation is big and reservoirs with good properties could be found in this formation.Distribution and scale of source rock are significant for further direction of petroleum exploration.Distribution characterization of middle-deep lacustrine facies is the base for source rock research.Based on the sedimentary background,fault activity rate,seismic response features,and seismic attributes were analyzed.No limited classification method and multi-attributes neural network deep learning method were used for predicting of source rock distribution in Wenchang Formation.It is found that during the deposition of lower Wenchang Formation,activity rate of main fault controlling the sub sag sedimentation was bigger than 100 m/Ma,which formed development background for middle-deep lacustrine facies.Compared with the seismic response of middle-deep lacustrine source rocks developed in Zhu I depression,those in Kaiping sag are characterized in low frequency and good continuity.Through RGB frequency decomposition,areas with low frequency are main distribution parts for middle-deep lacustrine facies.Dominant frequency,instantaneous frequency,and coherency attributes of seismic could be used in no limited classification method for further identification of middle-deep lacustrine facies.Based on the limitation of geology knowledge,multi-attributes of seismic were analyzed through neural network deep learning method.Distribution of middle-deep lacustrine facies in the fourth member of Wenchang Formation is oriented from west to east and is the largest.Square of the middle-deep lacustrine facies in that member is 154 km²and the volume is 50 km³.Achievements could be bases for hydrocarbon accumulation study and for exploration target optimization in Kaiping sag.     

Bayesian estimation of seismic hazard for two sites in Switzerland

Seismic hazard analysis is based on data and models, which both are imprecise and uncertain. Especially the interpretation of historical information into earthquake parameters, e.g. earthquake size and location, yields ambiguous and imprecise data. Models based on probability distributions have been developed in order to quantify and represent these uncertainties. Nevertheless, the majority of the procedures applied in seismic hazard assessment do not take into account these uncertainties, nor do they show the variance of the results. Therefore, a procedure based on Bayesian statistics was developed to estimate return periods for different ground motion intensities (MSK scale).Bayesian techniques provide a mathematical model to estimate the distribution of random variables in presence of uncertainties. The developed method estimates the probability distribution of the number of occurrences in a Poisson process described by the parameter . The input data are the historical occurrences of intensities for a particular site, represented by a discrete probability distribution for each earthquake. The calculation of these historical occurrences requires a careful preparation of all input parameters, i.e. a modelling of their uncertainties. The obtained results show that the variance of the recurrence rate is smaller in regions with higher seismic activity than in less active regions. It can also be demonstrated that long return periods cannot be estimated with confidence, because the time period of observation is too short. This indicates that the long return periods obtained by seismic source methods only reflects the delineated seismic sources and the chosen earthquake size distribution law.     

井震联合建模技术在萨尔图油田B1DD区块的应用及其效果

为解决以往油藏描述工作单孔资料在深度和广度上存在明显局限性的问题,提出了一套井震联合地质建模的方法：首先以地震精细解释的层位数据和断层数据为约束,结合测井资料建立构造模型;然后采用地震反演体的概率面在平面上作为约束,纵向上在测井曲线上分类统计各微相的概率分布曲线,在变差函数分析的基础上,采用序贯指示模拟算法模拟出储层微相的空间展布,建立沉积相模型;最后采用相控技术和地质统计学理论,分析参数区域化变量的特征,建立储层属性模型。在大庆萨尔图油田的B1DD区块进行验证的结果表明,井震资料的联合应用揭示了大量的小断层,使断点组合率提高了15%,大于2 m的砂岩预测符合率达到90%以上,提高了井间断层和砂岩的预测精度,进而提高了地质模型、尤其是井间模型的精度。     

河流相油气储层的井震结合相控随机建模约束方法

河流相油气储层的研究传统上多是只依据井点资料,先在井上进行沉积相的划分,而后进行剖面相的分析,最后再结合平面沉积参数等值线图编制平面相图,这样往往会造成"见砂画河,吾跟勘探走"的局面,这种平面相图在井间可能存在着较大的误差。然而,平面相图的正确与否直接影响着储层建模中相控的结果。为此作者提出了一种井震结合进行沉积相图编制的新方法,即"以河找砂,指导勘探行"的思路,并在此基础上进行分层次地相控约束随机建模。同时提出相控建模的三个基本的约束条件,即首先要保证随机建模模型的"相序"符合地质规律;其次要保证建模实现的微相分布统计概率与单井沉积微相数据离散化至三维网格后的统计概率相一致;第三要确保三维数据中每种微相的变差函数特征与定量地质知识库一致。因而,从沉积形成与演化的成因角度来指导沉积储层随机建模过程,应用多参数协同、分层次约束的方法,以河道的平面展布和垂向演化来控制建模的结果,使其更逼近地下地质的真实。