资源描述：
《微地震相分析在河流储层精细描述中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第22卷第6期大庆石油地质与开发P.G.O.D.D.2003年12月69文章编号!1000-3754"2003#06-0069-02微地震相分析在河流储层精细描述中的应用杨勇1!别爱芳2!杨彩娥3!孟海泉4!施少武21.中国地质大学北京1000832.中国石油化工股份有限公司勘探开发研究院北京1000833.东方地球物理公司研究院长庆分院陕西西安7100214.长庆油田分公司市场开发部陕西西安710021摘要!传统地震相分析满足不了目前油田勘探开发的需要"神经网络微地震相分析将神经网络应用于高质量三维地震数据体中!可对单一反射同相轴进
2、行波形信号分析和训练!建立模型地震道!并对实际地震道分类!进而得到在平面和剖面上精度较高的微地震相分布"采用该方法并结合测井资料!在研究区块中建立的微地震相分布图能够清晰地表现出该区块的沉积微相特征!且较好地解释了工区内2口井的产能差异!表明神经网络微地震相分析是可靠和有效的"关键词!微地震相#沉积相#神经网络#河流相中图分类号!P631.445文献标识码!A地震相是不同沉积体系的各级界面岩性及集合的相似拟合度对实际地震道进行分类不同的类赋予特征在地震剖面上的综合表现地震相分析则是根据不同的颜色以此得到三维数据体的具有沉积相指示3地震
3、资料解释其环境背景和岩相传统地震相分析主的微地震相分布要利用地震相标志即地震反射结构地震反射构造12区块简介和地震相单元外形进行定性描述主要着眼于多个地震反射同相轴的组合特征所以传统地震相分析研究工区为中国西部某气田研究层位为河流在垂向上时间厚度较大往往忽视单个反射同相轴的相发育的主要微相有河道砂坝决口扇天然堤及沉积意义精度和准确性满足不了储层精细描述的要泛滥平原沉积主要储层分布在河道砂坝微相中其求因此研究探讨了微地震相分析方法储层主要为浅褐灰浅绿灰色细粒长石岩屑石英砂岩细粒岩屑石英砂岩和粗粉砂岩胶结物以方解石1方法概述为主砂岩胶结较
4、致密分选中等至好磨圆度多为微地震相分析主要研究反射同相轴的微小变化特次圆和次棱角状征目的是要确定由于储层沉积微相岩性储集特在对钻井和地震资料的储层精细标定后确定了性流体组分不同引起的地下较薄储层的横向变化井眼处目的层在地震上的反射层位然后利用基于模利用这种微地震相分析得到的微地震相图可以识别河型的自动追踪技术外推得到空间的目的层位分布道砂坝扇体等几何形状复杂的储层的分布图1-a图1-b分别为过XP16井和CX284井的地震与常规地震相分析不同微地震相分析采用神经剖面及层位目的层分别对应XP16井的680ms处2和CX284井662ms
5、处的向两侧逐渐尖灭的强同相轴网络分析技术在三维地震数据体中某一感兴趣的层段内训练和估计地震波形信号的可变性同时进行波峰上图2为根据井眼处标定自动追踪得到的目的信号分析学习和迭代来构建合成地震道然后与实际层位目的层为西南高东北低的一个河道LL地震数据进行对比通过自适应叠加和误差处理反和NN测线分别对应图1中的过XP16井和CX284复迭代并相应地调整合成地震道在模型道和实际地井的地震剖面两口井皆位于河道中开发资料表明XP16井初始平均月产气约5.45>1043震道之间寻找更好的相关道以建立反映三维数据体m层段内所有地震道变化特征的合成地
6、震波形信号即43产气量CX284井初始平均月产气约14.96>10m地震模型道然后可根据实际地震道与地震模型道的较大差别说明河道内的储层微相或物性有比较大的收稿日期!2003-08-04作者简介!杨勇1970-男湖北襄樊人博士从事油气田储层预测和储层建模工作-70-大庆石油地质与开发P.G.O.D.D.第22卷第6期差异为了详细研究河道内储层微相分布,采用神经-32,含气饱和度为45.2%CX284井位于主10卜m网络微地震相分析对该目的层进行分析河道中,其对应深度1140～1175m的测井曲线GR和RT值表明其从下至上为主河道~泛滥
7、平原和天然堤亚相,其中主河道砂测井解释有效厚度为9.5m,有效孔隙度为13.5%,渗透率为1.56>10-32,卜m含气饱和度为62.7%由于CX284井位于主河道中,故其砂体发育程度~砂体厚度及物性都好于位于河道之间砂坝上的XP16井4结束语传统地震相分析主要根据多个反射同相轴的相互关系来识别,神经网络方法分析微地震相可以对单个反射同相轴进行微地震相分布研究不管在垂向上还是平面上,刻画储层的可靠和快速都是传统地震相分3微地震相分析析无法比拟的在研究中,经神经网络分析得到的微地震相非常清晰地勾画了河道~砂坝等微相,结合单将拾取的目的层
8、位上~下平移15ms,产生一个井相解释分析了目的层上2口井的产能差异原因,为包含目的层的厚度为30ms的层段,对此层段内的地进一步布井提供了依据震波形进行神经网络分析,划分为7类地震模型道,并据此对实际地震道进行分类,从
