碳酸盐岩缝洞储集体的体积确定方法、装置、计算机设备与流程

1.本公开涉及油气藏开发技术领域，特别涉及一种碳酸盐岩缝洞储集体的体积确定方法、装置、计算机设备。


背景技术：

2.碳酸盐岩区域具有非常丰富的石油与天然气资源，也是非常常见的出产石油与天然气的区域，石油与天然气主要存储在碳酸盐岩区域中的缝洞部分。碳酸盐岩区域的缝洞部分通常都分布的较为不规则，这种非均匀分布的缝洞部分常被称为缝洞储集体。
3.在石油与天然气的开发过程中，需要对碳酸盐岩区域的缝洞储集体的体积进行估算，并根据缝洞储集体的体积调整部分开发井的位置。相关技术中，常使用获取到的三维地震数据来反推缝洞储集体的形状与体积，但三维地震数据是与碳酸盐岩区域的地层相关的间接数据，使用三维地震数据来反推缝洞储集体的形状与体积不够准确，不利于石油与天然气的良好开发。


技术实现要素：

4.本公开实施例提供了一种碳酸盐岩缝洞储集体的体积确定方法、装置、计算机设备，可以提高确定的缝洞储集体的体积的准确度，有利于石油与天然气的良好开发。所述技术方案如下：
5.本公开实施例提供了一种碳酸盐岩缝洞储集体的体积确定方法，所述体积确定方法包括：
6.获取碳酸盐岩区域内多口井内多个测量点的缝洞厚度值，所述多个测量点分别分布在所述多口井内；
7.获取所述碳酸盐岩区域的三维地震数据；
8.根据所述三维地震数据和所述多个测量点的缝洞厚度值，得到所述碳酸盐岩区域的神经网络模型，所述神经网络模型用于反应所述碳酸盐岩区域的地震属性值与所述缝洞厚度值之间的映射关系；
9.采用所述神经网络模型，确定所述碳酸盐岩区域的缝洞储集体的体积。
10.可选地，所述根据所述三维地震数据和所述多个测量点的缝洞厚度值，得到所述碳酸盐岩区域的神经网络模型，包括：
11.获取所述多个测量点对应的平面位置坐标；
12.对所述多个测量点对应的深度进行时深转换，得到所述多个测量点对应的时间点；
13.根据所述三维地震数据、所述多个测量点对应的平面位置坐标及所述多个测量点对应的时间点获取所述多个测量点对应的地震属性值；
14.以所述多个测量点对应的缝洞厚度值与所述多个测量点对应的地震属性值为训练样本，对前馈神经网络模型进行训练，得到所述神经网络模型。
15.可选地，所述地震属性值包括最大正曲率属性值和边缘梯度属性值；所述根据所述三维地震数据、所述多个测量点对应的平面位置坐标及所述多个测量点对应的时间点获取所述多个测量点对应的地震属性值，包括：
16.根据所述三维地震数据获取所述碳酸盐岩区域的地层的倾角数据体与方位角数据体，所述倾角数据体反应所述碳酸盐岩区域的地层在x方向随时间的变化情况，所述方位角数据体反应所述碳酸盐岩区域的地层在y方向随时间的变化情况，所述x方向与所述y方向相互垂直且均平行于水平面；
17.根据所述倾角数据体与所述方位角数据体，确定所述碳酸盐岩区域的最大正曲率属性值与所述边缘梯度属性值；
18.根据所述碳酸盐岩区域的最大正曲率属性值与所述边缘梯度属性值、所述多个测量点对应的平面位置坐标及所述多个测量点对应的时间点，确定所述多个测量点对应的最大正曲率属性值与所述边缘梯度属性值。
19.可选地，所述倾角数据体与所述方位角数据体根据以下公式确定：
[0020][0021][0022]
其中，p(x,y,t)为倾角数据体，q(x,y,t)为方位角数据体，υ
1x
(x,y,t)为三维地震数据在x方向上的向量，υ
1y
(x,y,t)为三维地震数据在y方向上的向量，υ
1t
(x,y,t)为三维地震数据在t方向上的向量，x方向与y方向均为平行水平面的方向，且x方向与y方向相互垂直，t为时间方向。
[0023]
可选地，根据以下公式确定所述碳酸盐岩区域的每个所述测量点的最大正曲率属性值与边缘梯度属性值：
[0024][0025]
其中，
[0026][0027][0028]
τ
x
＝tan(p)sinq，τy＝tan(p)cosq；
[0029]
k(x，y，t)＝(a b) [(a-b)2 c2]
1/2
，
[0030]
[0031][0032]
其中，s(x,y,t)为边缘梯度属性，m
x
和my分别为索贝尔算子在两个正交方向的模板，d
i,j,k
(x,y,t)为所述碳酸盐岩区域内选取的所有测量点的坐标，δt为所述碳酸盐岩区域的采样率，和分别为所述三维地震数据在x方向与y方向上的延迟时间，x方向与y方向均为平行水平面的方向，且x方向与y方向相互垂直，n为测量点的总数量，i为x方向上的步长，j为y方向上的步长，k为t方向上的步长，k为t方向上的测量点的总数量，p(x,y,t)与p均为倾角数据体，q(x,y,t)与q均为方位角数据体，k(x,y,t)为最大正曲率属性，a、b、c分别为三维地震数据局部区域二次曲面拟合方程中的系数。
[0033]
可选地，所述获取碳酸盐岩区域内多口井的缝洞层厚度曲线，包括：
[0034]
获取所述碳酸盐岩区域内每口井的成像测井图片；在所述成像测井图片上标记多个测量点；根据所述成像测井图片获取每个测量点的缝洞厚度值。
[0035]
可选地，所述采用所述神经网络模型，确定所述碳酸盐岩区域的缝洞储集体的体积，包括：
[0036]
根据所述神经网络模型得到所述碳酸盐岩区域内任意一点的缝洞体积函数；对所述缝洞体积函数进行积分得到所述碳酸盐岩区域内缝洞储集体的体积。
[0037]
可选地，根据以下公式确定所述碳酸盐岩区域的缝洞储集体的体积：
[0038][0039]v′
(xi,yj,tk)＝p3(x,y,tj)；
[0040]
其中，v为碳酸盐岩的缝洞储集体的体积，m、n和l分别为碳酸盐岩区域在x方向、y方向和t方向的网格点数，v
′
(xi,yj,tk)为碳酸盐岩区域内任意点的缝洞的体积，v和v
′
(xi,yj,tk)的单位都为m3，p(x,y,tj)为缝洞厚度函数。
[0041]
本公开实施例提供了一种碳酸盐岩缝洞储集体的体积确定装置，所述体积确定装置包括：
[0042]
第一数据获取模块，用于获取碳酸盐岩区域内多口井内多个测量点的缝洞厚度值，所述多个测量点分别分布在所述多口井内；
[0043]
第二数据获取模块，用于获取所述碳酸盐岩区域的三维地震数据；
[0044]
第一处理模块，用于根据所述三维地震数据和所述多个测量点的缝洞厚度值，得到所述碳酸盐岩区域的神经网络模型，所述神经网络模型用于反应所述碳酸盐岩区域的地震属性值与所述缝洞厚度值之间的映射关系；
[0045]
第二处理模块，用于采用所述神经网络模型，确定所述碳酸盐岩区域的缝洞储集体的体积。
[0046]
本公开实施例提供了一种计算机设备，所述计算机设备包括：
[0047]
处理器；
[0048]
用于存储处理器可执行指令的存储器；
[0049]
其中，所述处理器被配置为执行如前所述的碳酸盐岩缝洞储集体的体积确定方法。
[0050]
本公开实施例提供了一种非临时性计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如前所述的碳酸盐岩缝洞储集体的体积确定方法。
[0051]
本公开实施例提供的技术方案带来的有益效果至少包括：
[0052]
神经网络模型用于反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系。三维地震数据的一些地震属性值与碳酸盐岩区域内缝洞的存在具有非常紧密的关系，但地震属性值是二次计算数据，与缝洞的存在之间的对应关系不够准确。因此可以先直接得到碳酸盐岩区域内多口井内多个测量点的实际缝洞厚度值，多个测量点分别分布在多口井内。再根据三维地震数据和多个测量点的缝洞厚度值，得到用于反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系的神经网络模型。能够在地震属性值与实际缝洞厚度值之间建立较为准确的对应关系。最后根据该较为准确的神经网络模型，进一步获得较为准确的碳酸盐岩区域的缝洞储集体的体积，可以有效调整后续开发井的具体分布，最大程度地开发石油与天然气，有利于石油与天然气的良好开发。
附图说明
[0053]
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，
[0054]
图1是本公开实施例提供的碳酸盐岩缝洞储集体的体积确定方法的流程图；
[0055]
图2是本公开实施例提供的另一种碳酸盐岩缝洞储集体的体积确定方法的流程图；
[0056]
图3是本公开实施例提供的一口井的成像测井图片的示意图；
[0057]
图4是本公开实施例提供的碳酸盐岩区域的弯曲部位示意图；
[0058]
图5是本公开实施例提供的碳酸盐岩区域的不连续部位示意图；
[0059]
图6是本公开实施例提供的碳酸盐岩区域的缝洞储集体的位置分布图；
[0060]
图7是本公开实施例提供的一种碳酸盐岩缝洞储集体的体积确定装置的原理示意图；
[0061]
图8是本公开实施例提供的一种计算机设备的结构框图。
具体实施方式
[0062]
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步的详细描述。
[0063]
图1是本公开实施例提供的碳酸盐岩缝洞储集体的体积确定方法的流程图，参考图1可知，该碳酸盐岩缝洞储集体的体积确定方法包括：
[0064]
s101：获取碳酸盐岩区域内多口井内多个测量点的缝洞厚度值，多个测量点分别分布在多口井内。
[0065]
s102：获取碳酸盐岩区域的三维地震数据。
[0066]
s103：根据三维地震数据和多个测量点的缝洞厚度值，得到碳酸盐岩区域的神经
网络模型，神经网络模型用于反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系。
[0067]
s104：采用神经网络模型，确定碳酸盐岩区域的缝洞储集体的体积。
[0068]
神经网络模型用于反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系。三维地震数据的一些地震属性值与碳酸盐岩区域内缝洞的存在具有非常紧密的关系，但地震属性值是二次计算数据，与缝洞的存在之间的对应关系不够准确。因此可以先直接得到碳酸盐岩区域内多口井内多个测量点的实际缝洞厚度值，多个测量点分别分布在多口井内。再根据三维地震数据和多个测量点的缝洞厚度值，得到用于反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系的神经网络模型。能够在地震属性值与实际缝洞厚度值之间建立较为准确的对应关系。最后根据该较为准确的神经网络模型，进一步获得较为准确的碳酸盐岩区域的缝洞储集体的体积，可以有效调整后续开发井的具体分布，最大程度地开发石油与天然气，有利于石油与天然气的良好开发。
[0069]
并且反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系的神经网络模型，也可以作为是否可以在碳酸盐岩区域的某一位置进行开发的判断基础。例如可以获取碳酸盐岩区域某一位置的地震属性值，将地震属性值代入神经网络模型中推导出该位置的缝洞厚度值，如果缝洞厚度值合格则可以进行开发。
[0070]
需要说明的是，某一深度测量点处的缝洞厚度，为该深度测量点处，垂直于开发井的深度的平面所截取的缝洞的厚度。
[0071]
需要说明的是，地震属性值指的是由三维地震数据，经过数学变换而得出的有关地震波的几何学、运动学、动力学或统计学特征值。
[0072]
图2是本公开实施例提供的另一种碳酸盐岩缝洞储集体的体积确定方法的流程图，参考图2可知，该碳酸盐岩缝洞储集体的体积确定方法可包括：
[0073]
s201：获取碳酸盐岩区域内多口井内多个测量点的缝洞厚度值，多个测量点分别分布在多口井内。
[0074]
步骤s201，可包括：
[0075]
获取碳酸盐岩区域内多个开发井的成像测井数据；根据多个开发井的成像测井数据获取每个开发井的多个测量点的缝洞厚度值。基于成像测井数据可便于获取测量点的缝洞厚度值。
[0076]
可选地，成像测井数据包括每口井的成像测井图片，根据多个开发井的成像测井数据获取每个开发井的多个测量点的缝洞厚度值，包括：
[0077]
在成像测井图片上标记多个测量点；根据成像测井图片获取每个测量点的缝洞厚度值。可便于测量点的缝洞厚度值的直接获取。
[0078]
需要说明的是，测量点均选取的对应缝洞所在位置的点，且测量点为沿重力方向设置的深度点。不同井内的测量点的深度可相同或不同。每个测量点的缝洞厚度值，均为平行水平方向确定的缝洞厚度值，且为某一平行水平方向且垂直重力方向的平面所截取的，缝洞的厚度之和。
[0079]
需要说明的是，本公开中所提供的缝洞均为存在油气的具有流动性的缝洞。此类缝洞在成像测井图片上呈正余弦曲线状或团块状。
[0080]
示例性地，成像测井图片可通过成像测井装置获得，获取方便。
[0081]
可选地，也可以根据成像测井图片获取第一缝洞厚度曲线，第一缝洞厚度曲线反应井的深度与缝洞厚度值之间的映射关系。
[0082]
第一缝洞厚度曲线上对应不为零的缝洞厚度值的深度点即为测量点。第一缝洞厚度曲线上，存在缝洞的测量点对应的缝洞厚度值不为零，不存在缝洞的测量点对应的缝洞厚度值为零。第一缝洞厚度曲线的提取，可以便于测量点的选取与确定，及后续的数据计算与处理。
[0083]
图3是本公开实施例提供的一口井的成像测井图片的示意图，参考图3，图3中a表示深度方向，b表示水平方向，测量点的缝洞厚度值为缝洞在b向的厚度值。图3中的深色区域为井上存在缝洞的区域。图3左侧数据为井的深度值。
[0084]
s202：获取碳酸盐岩区域的三维地震数据。
[0085]
在本公开所提供的实现方式中，三维地震数据可通过地震勘探技术得到。三维地震数据可以反映碳酸盐岩区域的地质特征与时间域之间的对应关系。时间域包括，地震波接收点从开始接收来自某一震源的第一道地震波的时间点，直至地震波接收点接收完来自同一震源的最后一道地震波的时间点，及两个时间点之间的所有时间点构成的合集。
[0086]
需要说明的是，在本公开所提供的实现方式中，地震勘探技术中的震源均位于地面上。
[0087]
在本公开所提供的一种实现方式中，三维地震数据可用ei(tj)代表。
[0088]
s203：获取多个测量点对应的平面位置坐标。
[0089]
步骤s203中，测量点的平面位置坐标，可通过碳酸盐岩区域的平面地图确定。
[0090]
在本公开所提供的实现方式中，测量点对应的平面位置坐标可为x方向上的坐标与y方向上的坐标。x方向与y方向均平行于水平面且相互垂直。
[0091]
s204：对多个测量点对应的深度进行时深转换，得到多个测量点对应的时间点。
[0092]
示例性地，对多个测量点对应的深度进行时深转换，可包括：以每个测量点的深度除以地震波的平均速度，获得每个测量点对应的时间点。可以实现测量点的深度与时间点的快速转换。
[0093]
地震波的平均速度，以某一水平界面为界，为地震波垂直穿过该水平界面以上所有地层总厚度与总传播时间之比。
[0094]
s205：根据三维地震数据、多个测量点对应的平面位置坐标及多个测量点对应的时间点获取多个测量点对应的地震属性值。
[0095]
可选地，步骤s205，可包括：
[0096]
根据三维地震数据获取碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值；根据碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值、多个测量点对应的时间点与平面位置坐标，确定多个测量点对应的碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值。
[0097]
最大正曲率属性值为反应碳酸盐岩区域的地层弯曲程度的数值，边缘梯度属性值为反应碳酸盐岩区域的地层连续程度的数值；地层弯曲程度较大的区域最大正曲率属性值高，地层连续程度较低的区域边缘梯度属性值高，而地层存在弯曲与不连续性高的区域，均为缝洞发育较高的地区。这两个地震属性与缝洞的发育相关度较高，因此选取二者与缝洞厚度值之间建立联系，最终反应的碳酸盐岩区域的缝洞发育区域的准确性也较高。
[0098]
为便于理解，此处提供图4与图5，图4是本公开实施例提供的碳酸盐岩区域的弯曲
部位示意图，图4中深色的部位为碳酸盐岩区域存在弯曲的部位，深色的部位对应的最大正曲率属性值的数值会较大。
[0099]
图5是本公开实施例提供的碳酸盐岩区域的不连续部位示意图，图5中浅色的部位为碳酸盐岩区域存在不连续的部位，浅色的部位对应的边缘梯度属性值的数值会较大。结合图4与图5可知，图4中的深度部位与图5中的浅色部位的重合度较高，图4中的深色部位与图5中的浅色部位的重合部分的缝洞发育程度较高。
[0100]
需要说明的是，图4与图5均为碳酸盐岩区域在水平面上的投影示意图。
[0101]
可选地，根据三维地震数据获取碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值，可包括：
[0102]
根据三维地震数据获取碳酸盐岩区域的地层的倾角数据体与方位角数据体，倾角数据体反应碳酸盐岩区域的地层在x方向随时间的变化情况，方位角数据体反应碳酸盐岩区域的地层在y方向随时间的变化情况，x方向与y方向相互垂直且均平行于水平面。根据倾角数据体与方位角数据体，确定碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值。
[0103]
根据倾角数据体与方位角数据体得到的最大正曲率属性值与边缘梯度属性值更为准确。
[0104]
可选地，倾角数据体与方位角数据体可根据以下公式确定：
[0105][0106][0107]
其中，p(x,y,t)为倾角数据体，q(x,y,t)为方位角数据体，υ
1x
(x,y,t)为三维地震数据在x方向上的向量，υ
1y
(x,y,t)为三维地震数据在y方向上的向量，υ
1t
(x,y,t)为三维地震数据在t方向上的向量，x方向与y方向均为平行水平面的方向，且x方向与y方向相互垂直，t为时间方向。
[0108]
倾角数据体与方位角数据体的推导过程如下：
[0109]
对三维地震数据进行分解，构建三维地震数据矩阵gst(x,y,t)，并对三维地震数据矩阵进行特征分解，如以下公式所示：
[0110][0111]
公式(3)中，υi和λi(i＝1，2，3)分别为地震波振幅属性矩阵对应的三个特征向量和特征值。三维地震数据矩阵是一个对称半正定矩阵，因此特征值都是非负的。对特征值进行排序，满足λ1》λ2》λ3，得到最大特征值λ1。利用计算得到的最大特征值λ1对应的特征向量υ1(x,y,t)在x方向上的向量υ
1x
(x,y,t)、y方向上的向量υ
1y
(x,y,t)和t方向上的向量υ
1t
(x,y,t)，计算得到公式(1)中的倾角数据体p(x,y,t)和公式(2)中的方位角数据体q(x,y,t)。
[0112]
需要说明的是，三维地震数据矩阵可为梯度结构张量矩阵。
[0113]
可选地，根据以下公式确定碳酸盐岩区域的每个测量点的最大正曲率属性值与边
缘梯度属性值：
[0114][0115]
其中，
[0116][0117][0118]
τ
x
＝tan(p)sinq
ꢀꢀ
(8)；
[0119]
τy＝tan(p)cosq
ꢀꢀ
(9)；
[0120]
k(x，y，t)＝(a b) [(a-b)2 c2]
1/2
ꢀꢀ
(10)；
[0121][0122][0123][0124]
其中，s(x,y,t)为边缘梯度属性，m
x
和my分别为索贝尔算子在两个正交方向的模板，d
i,j,k
(x,y,t)为所述碳酸盐岩区域内选取的所有测量点的坐标，δt为所述碳酸盐岩区域的采样率，和分别为所述三维地震数据在x方向与y方向上的延迟时间，x方向与y方向均为平行水平面的方向，且x方向与y方向相互垂直，n为测量点的总数量，i为x方向上的步长，j为y方向上的步长，k为t方向上的步长，k为t方向上的测量点的总数量，p(x,y,t)与p均为倾角数据体，q(x,y,t)与q均为方位角数据体，k(x,y,t)为最大正曲率属性，a、b、c分别为三维地震数据局部区域二次曲面拟合方程中的系数。
[0125]
采用公式(4)与公式(10)便于边缘梯度属性与最大正曲率属性的计算与处理，得到的边缘梯度属性与最大正曲率属性的结果也较为准确。
[0126]
示例性地，步骤s204，还可包括：对最大正曲率属性值与边缘梯度属性值进行归一化处理。便于后续训练处理。
[0127]
对最大正曲率属性值与边缘梯度属性值进行归一化处理可包括：确定一区间上限值；
[0128]
将区间上限值与多个测量点对应的数值最大的最大正曲率属性值的比值作为第一系数，将多个测量点对应的最大正曲率属性值均与第一系数相乘，得到多个测量点对应的第一值域区间；将区间上限值与多个测量点对应的数值最大的边缘梯度属性值的比值作为第二系数，将多个测量点对应的边缘梯度属性值均与第二系数相乘，得到多个测量点对应的第二值域区间。第一值域区间与第二值域区间均在零到区间上限值(包括区间上限值)内。
[0129]
需要说明的是，区间上限值为正数。
[0130]
归一化是一种简化计算的方式，用以将有量纲的最大正曲率属性值与边缘梯度属性值，经过变换，化为无量纲的数据。
[0131]
第一值域区间与第二值域区间均可在0～1内。此时，1为区间上限值。便于计算处理。
[0132]
最大正曲率属性值与边缘梯度属性值的值域区间中，最小值0可表示缝洞发育程度最低，最大值1可表示缝洞发育程度最高。
[0133]
s206：以多个测量点对应的缝洞厚度值与多个测量点对应的地震属性值为训练样本，对前馈神经网络模型进行训练，得到训练后的神经网络模型。
[0134]
需要说明的是，对多个测量点对应的缝洞厚度值与多个测量点对应的地震属性值进行训练时，多个测量点的地震属性值为输入值，多个测量点的缝洞厚度值为输出值。
[0135]
可选地，可根据以下公式确定神经网络模型：
[0136][0137][0138][0139]
公式(14)～(16)中，ei(tj)为三维地震数据；p(x,y,tj)为缝洞厚度函数，wj为边缘梯度属性在神经网络模型中的权重，w
′j为最大正曲率属性在神经网络模型中的权重，为边缘梯度属性与缝洞厚度值的对应关系，为最大正曲率属性与缝洞厚度值的对应关系，n为测量点的个数。
[0140]
s207：采用神经网络模型，确定碳酸盐岩区域的缝洞储集体的体积。
[0141]
步骤s207可包括：
[0142]
根据神经网络模型得到碳酸盐岩区域内任意一点的缝洞体积函数；对缝洞体积函数进行积分得到碳酸盐岩区域内缝洞储集体的体积。能够较为准确地得到碳酸盐岩区域内缝洞储集体的体积。
[0143]
可选地，缝洞体积函数可根据以下公式确定：
[0144]v′
(xi,yj,tk)＝p3(x,y,tj)
ꢀꢀ
(17)；
[0145]v′
(xi,yj,tk)为缝洞体积函数，p(x,y,tj)为缝洞厚度函数。
[0146]
按照公式(18)对缝洞体积函数进行积分得到碳酸盐岩区域内缝洞储集体的体积：
[0147][0148]
公式(18)中，v为碳酸盐岩的缝洞储集体的体积，m、n和l分别为碳酸盐岩区域在x方向、y方向和t方向的网格点数，v
′
(xi,yj,tk)为碳酸盐岩区域内任意点的缝洞的体积，v和v′
(xi,yj,tk)的单位都为m3。
[0149]
可选地，在得到公式(18)后，可以通过碳酸盐岩区域内所有的三维坐标点及三维坐标点对应的地震属性值，得到碳酸盐岩区域内三维坐标点对应的缝洞体积情况，可以使用建模软件建立三维坐标系画出碳酸盐岩区域中缝洞的分布位置。便于对碳酸盐岩区域中缝洞的位置进行观测。
[0150]
图6是本公开实施例提供的碳酸盐岩区域的缝洞储集体的位置分布图，图6中的浅色轮廓部位为缝洞所处位置。
[0151]
图7是本公开实施例提供的一种碳酸盐岩缝洞储集体的体积确定装置的原理示意图，体积确定装置包括：
[0152]
第一数据获取模块10，用于获取碳酸盐岩区域内多口井内测量点的缝洞厚度值，多个测量点分别分布在多口井内。
[0153]
第二数据获取模块20，用于获取碳酸盐岩区域的三维地震数据。
[0154]
第一处理模块30，用于根据三维地震数据和多个测量点的缝洞厚度值，得到碳酸盐岩区域的神经网络模型，神经网络模型用于反应碳酸盐岩区域的地震属性值与缝洞厚度值之间的映射关系。
[0155]
第二处理模块40，用于采用神经网络模型，确定碳酸盐岩区域的缝洞储集体的体积。
[0156]
可选地，第一数据获取模块10还用于：获取碳酸盐岩区域内多个开发井的成像测井数据；根据多个开发井的成像测井数据获取每个开发井的多个测量点的缝洞厚度值。基于成像测井数据可便于获取测量点的缝洞厚度值。
[0157]
可选地，第一数据获取模块10也可用于：
[0158]
在成像测井图片上标记多个测量点；根据成像测井图片获取每个测量点的缝洞厚度值。可便于测量点的缝洞厚度值的直接获取。
[0159]
示例性地，碳酸盐岩缝洞储集体的体积确定装置还可包括第三处理模块50，第三处理模块50用于：对多个测量点对应的深度进行时深转换，可包括：获取地震波的平均速度，以每个测量点的深度除以地震波的平均速度，获得每个测量点对应的时间点。
[0160]
示例性地，第四处理模块50还可用于：根据三维地震数据获取碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值；根据碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值、多个测量点对应的时间点与平面位置坐标，确定多个测量点对应的碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值。
[0161]
可选地，第四处理模块50还可用于：根据三维地震数据获取碳酸盐岩区域的地层的倾角数据体与方位角数据体，倾角数据体反应碳酸盐岩区域的地层在平行水平面的一个方向上随时间的变化情况，方位角数据体反应碳酸盐岩区域的地层在平行水平面的另一个方向上随时间的变化情况；倾角数据体反应的地层的变化方向与方位角数据体反应的地层的变化方向相互垂直。根据倾角数据体与方位角数据体，确定碳酸盐岩区域的最大正曲率属性值与边缘梯度属性值。
[0162]
可选地，第四处理模块50还可根据公式(1)与公式(2)分别确定倾角数据体与方位角数据体。第四处理模块50还可根据公式(4)与公式(10)分别确定边缘梯度属性值与最大正曲率属性值。
[0163]
示例性地，第四处理模块50还可对最大正曲率属性值与边缘梯度属性值进行归一化处理。
[0164]
示例性地，第一处理模块30可根据公式(16)确定神经网络模型。
[0165]
第二处理模块40，还可用于：根据神经网络模型得到碳酸盐岩区域内任意一点的缝洞体积函数；对缝洞体积函数进行积分得到碳酸盐岩区域内缝洞储集体的体积。
[0166]
第二处理模块40可根据公式(17)确定碳酸盐岩区域内任意一点的缝洞体积函数，根据公式(18)确定碳酸盐岩区域内缝洞储集体的体积：
[0167]
图7所示的碳酸盐岩缝洞储集体的体积确定装置的技术效果可参见图2所示的碳酸盐岩缝洞储集体的体积确定方法中特征的技术效果，因此此处不再对碳酸盐岩缝洞储集体的体积确定装置的技术效果进行赘述。
[0168]
图8是本公开实施例提供的一种计算机设备的结构框图，参考图8可知，计算机设备包括：
[0169]
处理器100；用于存储处理器可执行指令的存储器200；其中，处理器100被配置为执行如前所述的碳酸盐岩缝洞储集体的体积确定方法。
[0170]
可选地，存储介质中存储有至少一条指令，至少一条指令可由处理器100加载并执行以实现如前的碳酸盐岩缝洞储集体的体积确定方法。
[0171]
可以便于方法实施例的实现与执行。
[0172]
图8中，处理器100通过运行软件程序以及模块，从而执行各种功能应用以及信息处理。存储器200可通过总线300与处理器100相连。存储器200可用于存储至少一个指令，处理器100用于执行该至少一个指令，以实现上述方法实施例中的各个步骤。
[0173]
此外，存储器200可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，易失性或非易失性存储设备包括但不限于：磁盘或光盘，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，静态随时存取存储器(sram)，只读存储器(rom)，磁存储器，快闪存储器，可编程只读存储器(prom)。
[0174]
以上所述，并非对本发明作任何形式上的限制，虽然本发明已通过实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。