基于地震属性分析沉积相划分——以民丰地区为例

《基于地震属性分析沉积相划分——以民丰地区为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要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。通过沉积相研究，可以帮助油藏工程师建立油藏地质概念模型，为地震资料的数字处理解释奠定基础。用三维地震资料和可视化技术进行沉积相分布定量研究已经有了一些相对成熟的方法；但对于钻井资料少的研究区域，如何用地震信息进行沉积模式定量研究是一个值得探讨的问题，这对于区域风险勘探目标选取及有效储集层横向预测具有重要意义。本文以民丰洼陷为例，在区域沉积环境的控制下，利用测井资料进行单井相分析，并在单井相分析的基础上，利用地震属性进行砂体横向展布及地震相划分的研究，最后综合各方面资料预测研究区精细沉积相图。其中

2、，测井相分析是基础，而选用合理的数学方法进行属性分析是关键。本文研究了用振幅谱分维属性识别砂岩，在微小砂体的识别方面取得了一定的效果，比常规属性更准确清晰：在预测砂体厚度方面，通过单属性与复合属性的组合优化、多元线性回归，得到了比较准确的结果，与井中砂体厚度符合率达到了0．8：在地震相的划分方面，研究了一种称为灰度共生矩阵的方法，也称为共生体素(VCM)。根据VCM地震结构的原理，联合神经网络方法将地震振幅体变换为地震相分类体。具有VCM地震结构体的地震数据体与地震相分类体之间的对比表明，VCM地震结构能够捕捉主要的地震相。实例研究表明，不仅使用VCM地

3、震结构的相分类结果与大范围的地质相一致，而且其结果还揭示了用常规地震解释技术很难识别的辅加信息(如断层、微相边界)，结果更为客观，克服了以往人为推断划分的随意性。最终，结合测井、地质、地震三方面的信息，将地震相转化为沉积相。关键词：地震属性分析，振幅谱，砂体厚度预测，灰度共生矩阵，地震相划分，沉积相划分SedimentaryFaciesDivisionBasedonSeismicAttributesAnalysis———WiththeregionofMinfengTangXueqin(Geophy7sicalProspectingandInformati

4、onTechnology)DirectedbyProf．SongWeiqiAbstractSedimentfaciesrevealthesedimentenvironmentofthencrestinterval，theoriginanddistributionruleofthereservoir．nereservoirengineerscanbuildgeologicalmodelofthereservoiraccordingtotheresearchofthesedimentfacies，andmakeabasisfortheprocessingan

5、dinterpretationoftheseismicdata．Therearesomerelativelymaturemethodsforquantitativestudyofsedimentaryfaciesdistributionusing3Dseismicdataandvisualizationtechniques．Forsomelargeregions、^，ithscarcedrillingdataandonly2Dseismicdata，however,itisquestionablehowtostudysedimentarypaRernqu

6、antitativelyusingseismicinformation．ButthisstudyisimportanttOselectingregionalriskexplorationtargetsandpredictingeffectivereservoirrockslaterally．BytakingMinfengsagasacaseinthispaper,underthecontroloftheregionsedimentaryenvironment，firstly,weanalyzethewellloggingfaces诵mwelldata．S

7、econdly,weresearchthetransversespreadofsandbodiesandthedividedoftheseismicfaceswithseismicattributesonthebaseoflogginganalysis．111ispaperisusedtorecognizethetinysandstone埘mstudyingtheamplitudespectrumfractalattribute，andhascertaineffectinidentificationofsandbodgwhichiSmoreaccurat

8、ethanconventionalattribute；Inpredictings