基于叠前地质统计学反演的煤体结构定量识别方法及装置与流程

摘要: 本发明涉及地球物理勘探与煤层气开发,特别涉及一种基于叠前地质统计学反演的煤体结构定量识别方法及装置。背景技术:1、煤体结构是指煤层自形成以来经地质构造破坏后煤的...
基于叠前地质统计学反演的煤体结构定量识别方法及装置与流程

本发明涉及地球物理勘探与煤层气开发,特别涉及一种基于叠前地质统计学反演的煤体结构定量识别方法及装置。

背景技术:

1、煤体结构是指煤层自形成以来经地质构造破坏后煤的结构和构造保留程度,根据煤体受地质构造破坏后的结构特征,煤体结构分为原生结构煤、碎裂煤、碎粒煤和糜棱煤等类型。煤体结构是煤层气有利区带评价优选及影响勘探开发成效的关键因素,不同煤体结构对煤层气的赋存状态、储层渗透性以及压裂改造效果具有决定性影响。

2、目前,煤体结构的识别方法主要包括以下几类:基于煤心观察的煤体结构判定方法、基于测井资料的煤体结构识别方法,以及近年来发展的基于地震资料的煤体结构预测方法。

3、基于煤心观察的煤体结构判定方法通过钻井取心后对岩心进行直接观察和描述来判定煤体结构类型。然而,该方法成本高昂,且仅能提供井点处的一维信息,无法获得井间的三维空间分布,对于煤层气开发中水平井部署的指导作用有限。

4、基于测井资料的煤体结构识别方法是目前应用较为广泛的方法。中国地质大学(北京)申请的发明专利“一种利用测井数据定量评价煤体结构类型的方法”(申请公布号cn107576772a)公开了一种利用测井数据定量评价煤体结构类型的方法,通过主成分分析提取主成分并建立综合得分系数公式,实现煤体结构的定量划分。然而,该类方法仍然仅能提供井点处的煤体结构信息,无法实现井间的三维空间预测。

5、近年来,基于地震资料的煤体结构预测方法得到了发展。有研究利用叠前同时反演密度方法对煤体结构分布进行预测。中国矿业大学申请的发明专利“一种基于svm理论的煤体结构智能预测方法”(申请公布号cn108761531a)公开了一种基于svm理论的煤体结构智能预测方法,通过测试构造煤和原生煤的弹性模量e和泊松比σ信息构建煤体结构智能分类器,推导新的叠前地震反演公式,生成部分叠加角度道集并代入叠前地震反演公式完成分类。此外,还有研究利用“基于叠前avo数据的波形指示反演预测煤体结构”,通过岩石物理分析技术,优选剪切模量μ和密度ρ的乘积得到的弹性参数μρ作为识别煤体结构类型的敏感弹性参数。然而,上述现有技术存在以下不足:

6、(1)现有基于地震资料的煤体结构预测方法多采用叠后反演或确定性叠前反演(如叠前同步反演),受地震资料分辨率的限制,对于厚度通常小于λ/4的薄煤层,其煤体结构识别能力不足,难以满足煤层气开发对精细描述的需求。

7、(2)现有方法在敏感参数的选择上存在较大差异,有的采用弹性模量e和泊松比σ,有的采用μρ,有的采用λρ和μρ,尚无统一认识。且上述参数多为衍生弹性参数,需要通过纵波速度、横波速度和密度的组合运算获得,参数计算过程中的误差传递会影响最终的识别精度。

8、(3)现有方法多采用定性分类方式,或基于单一参数的阈值判断,识别结果受解释人员经验影响大,可重复性差,难以实现煤体结构的定量化识别。

9、(4)叠前地质统计学反演方法已被用于储层岩性预测和流体识别,但鲜见将其应用于煤体结构定量识别的报道。叠前地质统计学反演与常规叠前同步反演的本质区别在于:前者通过随机模拟产生多个等概率的实现,以测井数据作为纵向分辨率来源、以地震数据作为横向约束,能够获得远高于地震数据分辨率的三维弹性参数体,这一技术特性恰好适用于煤体结构这类需要高精度识别的薄层地质体。

10、鉴于此,本发明提供一种基于叠前地质统计学反演的煤体结构定量识别方法。本发明通过系统的岩石物理分析发现,在贵州六盘水地区上二叠统龙潭组煤层中,密度(den)与纵波速度(vel)的组合对原生结构煤、碎裂煤和构造煤三类煤体结构具有良好的区分能力。在此基础上,本发明将叠前地质统计学反演与密度-纵波速度双参数定量识别模型相结合,实现了煤体结构的三维空间高精度定量识别,解决了现有技术中煤体结构识别仅能提供井点信息、无法实现三维空间连续预测、预测精度不高、难以定量识别的问题。

技术实现思路

1、本发明旨在解决现有技术中煤体结构识别仅能提供井点信息、无法实现三维空间连续预测、预测精度不高且难以定量识别的问题,提供一种基于叠前地质统计学反演的煤体结构定量识别方法及装置。

2、本发明采用如下技术方案:

3、一种基于叠前地质统计学反演的煤体结构定量识别方法,包括以下步骤:

4、步骤s1:获取目标工区的三维地震数据,所述地震数据包括叠前道集数据,并对所述叠前道集数据进行保幅处理;

5、步骤s2:获取目标工区的已钻井测井数据,对多井测井曲线进行一致性校正,并针对缺乏横波速度信息的井采用多曲线拟合方式进行横波预测;

6、步骤s3:基于已钻井测井数据进行岩石物理敏感性分析,筛选密度和纵波速度作为煤体结构识别的敏感参数;

7、步骤s4:基于所述叠前道集数据进行叠前地质统计学反演,获得密度三维数据体和纵波速度三维数据体;

8、步骤s5:基于所述密度三维数据体和纵波速度三维数据体,利用预先建立的密度-纵波速度定量识别模型,识别目标煤层的煤体结构类型。

9、优选地,所述步骤s5中,所述密度-纵波速度定量识别模型的建立方法包括:

10、基于已钻井的煤心观察数据或测井解释数据,确定各井点处不同深度段的煤体结构类型;

11、提取各井点处不同煤体结构类型对应的密度和纵波速度测井值,构建密度-纵波速度交汇图版;

12、统计原生结构煤、碎裂煤和构造煤在所述交汇图版中的分布范围;

13、通过交叉验证方法,确定使三类煤体结构识别准确率最大化的最优划分边界,形成定量识别阈值。

14、优选地,所述步骤s1中对所述叠前道集数据进行保幅处理,具体包括:

15、利用维纳预测滤波方法消除随机噪声;

16、对去噪后的道集进行道集拉平处理,消除剩余时差;

17、对拉平后的道集进行avo拟合补偿,保留原始道集的avo特征;

18、将处理后的道集按入射角分为至少三个部分叠加数据体,所述至少三个部分叠加数据体包括近角度叠加、中角度叠加和远角度叠加。

19、优选地,所述步骤s2中对多井测井曲线进行一致性校正,并针对缺乏横波速度信息的井采用多曲线拟合方式进行横波预测,具体包括:

20、选取工区内分布稳定、厚度较大、区域可对比性强的泥岩层段作为标准层,选取其中一口井作为标准井,对其他各井的测井曲线进行一致性校正。由于各井的测井曲线难以保证是用同一类型的仪器及相同的标准刻度器进行测量,采用直方图法开展多井曲线的一致性校正

21、针对部分井缺乏横波速度信息的情况,对已收集的测井曲线进行相关性分析,筛选与横波曲线相关性最高的曲线,采用多曲线拟合方式进行横波预测。

22、横波预测的拟合公式为:

23、dts = a + b×dtc + c×cnl + d×pe + e×den。

24、其中,dts为横波时差,dtc为纵波时差,cnl为补偿中子,pe为光电吸收截面指数,den为密度;a、b、c、d、e为拟合系数。

25、优选地,所述步骤s3中岩石物理敏感性分析,确定煤体结构识别的敏感弹性参数,具体包括:

26、对已钻井的测井数据进行统计分析,获取不同煤体结构类型对应的多种弹性参数的响应特征,包括但不限于:纵波速度vp、横波速度vs、密度ρ、纵波阻抗ai、横波阻抗si、纵横波速度比vp/vs、泊松比σ、拉梅常数λρ和μρ等,。

27、对上述多种弹性参数进行敏感性对比分析,通过定量评估各参数对不同煤体结构的区分能力(区分度、重叠率等指标),筛选出对目标工区煤体结构识别最敏感的参数组合。

28、优选地,所述步骤s4中所述叠前地质统计学反演包括:

29、建立低频模型,将测井资料经过时深转换后,结合解释层位建立低频模型;

30、利用所述低频模型作为约束,以测井数据作为纵向分辨率来源,以地震数据作为横向约束,通过随机模拟产生井间弹性参数;

31、从多个随机模拟实现中优选一个与井、地震、地质认识符合率最佳的实现。

32、本发明的有益效果:

33、三维高精度预测:将叠前地质统计学反演引入煤体结构识别,利用测井的高纵向分辨率和地震的高横向连续性,突破了传统方法仅能提供井点信息的局限,实现了煤体结构的三维空间连续定量识别。

34、定量识别标准明确:通过岩石物理分析,确立了“密度+纵波速度”双参数识别模型,并给出了具体的定量划分阈值,克服了定性分类的主观性,提高了识别的可重复性和准确率。

35、针对性强:针对薄煤层(通常小于λ/4)识别难的问题,利用地质统计学反演的高分辨率特性,有效提升了薄煤层的识别能力。

36、应用价值高:预测结果可直接用于指导煤层气水平井部署,优选原生结构煤和碎裂煤发育的“甜点区”,降低开发风险。