地震属性在沉积相预测中的方法研究—序贯随机模式识别

沉积相揭示了目的层段的沉积环境、储集岩成因及其分布规律.通过沉积相的研究,油藏工程师对储层的认识更加细致.对于钻井资料较少的研究区域,如何用地震信息研究沉积相是一个值得探讨的问题.传统的沉积相预测方法主要包括地质统计学和模式识别等方法.首先,地质统计学方法使用井点数据进行插值,考虑到数据空间变异性特征,但是忽略地震数据.其次,模式识别多变量预测方法通过井、震多变量信息建立识别模式,但是识别建立过程中忽略空间数据的结构特征.针对传统方法在识别过程中存在的问题,本文以苏里格气田苏10区块盒8下段为例,提出一种综合考虑地震属性和空间变异性特征的序贯随机模式识别方法,将此方法应用到沉积相预测过程中.首先提取多种地震属性,然后利用降维和属性优选等方法筛选出对沉积相较敏感的地震属性,利用变差函数分析工具进行空间结构性分析,最后通过井、震结合建立识别模式开展沉积相研究.研究实例表明,相比最邻近法和序贯指示模拟,其沉积相预测精度分别提高24%和8%.因此,综合空间结构特征和多变量信息融合识别沉积相,使得平面沉积微相展布研究更为精确.