一种沉积相识别方法及装置与流程

1.本发明涉及一种沉积相识别方法及装置，属于油气地球物理勘探技术领域。


背景技术：

2.随着老油区储量提升越来越难，寻找替代油田的需求越来越大，国家在新区块的勘探力度也在逐渐加大，勘探周期也越来越短，沉积相是油田勘探开发中的重要环节，准确刻画含油气沉积盆地中不同层系的沉积相特征，对于指导后期勘探方向、油气藏类型及其分布等有重要意义。但是勘探程度较低的新区块一般没有钻井或已钻井较少、地质认识不足，获得新区块目标层系的沉积相特征的难度较大。
3.沉积相的研究概括起来主要有四种方法：第一种是地质方法，地质工作者通过野外地质调查分析目标层系的沉积相特征；第二种是测井相分析法，该方法主要是利用研究区已知井的测井资料进行沉积相划分；第三种方法是地震相法，该方法主要是根据地震相与沉积相之间的关系，确定层系的沉积相分布特征。以上这三种方法存在的主要问题是：分析结果的可靠与否取决于采集样本的数量和分布范围，且研究周期长。而在新区块这些资料一般较少，利用这些方法获得的沉积相结果精度较低。第四种方法是地震资料的属性分析法，该方法的主要原理是特定的岩石对地震波具有特定的地球物理响应，属性分析法一般在建立地震资料属性与岩性的对应关系后，利用反演方法结合已知井分析及其它已知地质结论获得沉积相。在公开发表的地球物理方法进行沉积相研究的文献中，主要是从地质角度对已有地震属性体进行手工勾绘，确定不同沉积相的分布特征，但是手工勾绘存在过度依赖技术人员主观判断的问题，常常因采样点数较少、技术人员水平参差不齐等因素造成成图精度较低、进而造成沉积相识别精度也较低。
4.公告号为cn109765621b的发明专利文件中公开了一种沉积相精细刻画的成图方法，该方法包括以下步骤：针对目标储层，在地震剖面上根据地震反射轴提取地震属性，形成粗化的沉积相平面图；在井点依据沉积特性和测井形态识别出各个沉积期次，并通过其计算各个沉积期次实际钻井上的比例；对目标储层，利用实际钻井的比例，进行井间插值得到每一个期次的平面厚度比例，按照沉积期次的比例将地震轴进行劈分，提取地震属性，实现粗化的沉积相平面图在垂向储层上的划分；将沉积体各期期次在剖面上和平面上的分布状况进行地震属性提取，并对每种地震属性进行沉积相刻画，雕刻出几个沉积相，即得到沉积相细分的成图。对该发明的方法进行分析发现，首先，该发明未描述如何形成粗化的沉积相图，如果采用初步沉积相成图常用的人工勾绘法，则存在成图周期长和成图精度低的问题；其次，该发明的后续工作均是基于已知井开展，通过对实际钻井的期次精细划分，计算各个期次的比例，按照这个比例关系将地震轴进行劈分，从而实现垂向储层细分，进而获取细分的沉积相图，该发明的方法对于没有钻井的新区块不再适用。
5.综上所述，上述方法在获取工区目标层系的沉积相特征时，存在过度依赖井资料的问题，对于勘探程度较低的新区块，由于工区内没有钻井或者钻井较少，上述方法要么得到的沉积相识别精度较低，要么不再适用。


技术实现要素：

6.本发明的目的在于提供一种沉积相识别方法及装置，用以解决对勘探程度较低的新区块进行目标层系的沉积相特征研究时，利用现有方法得到的沉积相识别精度较低的问题。
7.为了实现上述目的，本发明提供了一种沉积相识别方法，该方法包括以下步骤：
8.获取目标层系的地震数据和沉积相模式，根据所述地震数据得到目标层系的地震属性数据；
9.分别采用大、小两种不同尺寸的网格对所述地震属性数据进行网格化，得到大网格地震属性分布图和小网格地震属性分布图；
10.根据所述大网格地震属性分布图和所述沉积相模式粗略确定目标层系的沉积相特征和物源方向，进而得到目标层系的粗略沉积相平面分布图；
11.利用地震属性分界值对所述小网格地震属性分布图进行带通滤波处理，使带通滤波处理后的小网格地震属性分布图中仅包含砂岩数据，并根据带通滤波处理后的小网格地震属性分布图精细确定目标层系的沉积相特征，进而得到目标层系的精细沉积相平面分布图；所述地震属性分界值是能够分辨出砂岩的地震属性值；
12.根据所述目标层系的粗略沉积相平面分布图和精细沉积相平面分布图，实现目标层系沉积相的识别。
13.本发明还提供了一种沉积相识别装置，该装置包括处理器和存储器，所述处理器执行由所述存储器存储的计算机程序，以实现上述的沉积相识别方法。
14.本发明的有益效果是：通过采用大、小两种不同尺寸的网格对目标层系的地震属性数据进行差异网格化分析，得到大网格地震属性分布图和小网格地震属性分布图；然后，利用大网格地震属性分布图和沉积相模式从宏观上确定目标层系的粗略沉积相平面分布图，利用带通滤波处理后的小网格地震属性分布图从微观上确定目标层系的精细沉积相平面分布图；最后，结合目标层系的粗略沉积相平面分布图和精细沉积相平面分布图，实现目标层系沉积相的识别。综上所述，本发明不需借助测井资料或者只需利用极少的测井资料，结合目标层系的地震数据和沉积相模式就能实现目标层系沉积相的识别，适用于勘探程度较低的工区(即工区内钻井较少或没有钻井)，同时，由于本发明进行沉积相识别时不再需要人工勾绘沉积相的平面分布图，具有速度快的优点，还能够有效降低人为因素的影响，克服了现有需要人工勾绘成图的方法中存在的过度依赖技术人员的水平和主观判断导致的沉积相识别精度低的问题，具有沉积相识别精度高的优点。总而言之，利用本发明的方法能够大大提高勘探程度较低的新区块的沉积相分析速度和精度。
15.针对工区内钻井较少、目标层系存在测井数据的情况，进一步地，在上述沉积相识别方法及装置中，当目标层系存在测井数据时，根据目标层系的地震属性数据和目标层系的测井数据确定所述地震属性分界值。
16.针对工区内没有钻井、目标层系没有测井数据的情况，进一步地，在上述沉积相识别方法及装置中，当目标层系没有测井数据时，根据所述大网格地震属性分布图和所述沉积相模式确定所述地震属性分界值。
17.进一步地，在上述沉积相识别方法及装置中，所述大网格的尺寸取值范围为40～50倍道间距，所述小网格的尺寸取值范围为8～15倍道间距。
18.进一步地，在上述沉积相识别方法及装置中，所述地震属性数据是指地震振幅数据。
附图说明
19.图1是本发明方法实施例1中的沉积相识别方法流程图；
20.图2是本发明方法实施例1中目标层系的地震属性数据图；
21.图3是本发明方法实施例1中的大网格地震属性分布图；
22.图4是本发明方法实施例1中的小网格地震属性分布图；
23.图5是本发明方法实施例1中目标层系的粗略沉积相平面分布图；
24.图6是本发明方法实施例1中带通滤波处理后的小网格地震属性分布图；
25.图7是本发明方法实施例1中目标层系的精细沉积相平面分布图；
26.图8是本发明方法实施例1中验证井在目标层系的位置分布图；
27.图9是本发明方法实施例1中验证井在粗略沉积相平面分布图中的位置分布图；
28.图10是本发明方法实施例1中验证井在精细沉积相平面分布图中的位置分布图；
29.图11是本发明方法实施例2中的沉积相识别方法流程图；
30.图12是本发明装置实施例中的沉积相识别装置结构示意图。
具体实施方式
31.本发明提供了一种沉积相识别方法及装置，能够对勘探程度较低的工区(即工区内钻井较少或没有钻井)中的目标层系开展沉积相分析，进而实现目标层系沉积相的识别，具有速度快且精度高的优点。
32.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
33.方法实施例1：
34.本实施例针对目标工区内没有钻井、目标层系没有测井数据的情况。
35.如图1所示，本实施例的沉积相识别方法包括以下步骤：
36.(1)获取目标层系的地震数据和沉积相模式，根据目标层系的地震数据得到目标层系的地震属性数据；
37.本实施例中选取地震振幅数据作为地震属性数据。作为其他实施方式，也可以根据实际工况选取地震频率数据等作为地震属性数据。
38.(2)分别采用大、小两种不同尺寸的网格对所述地震属性数据进行网格化，得到大网格地震属性分布图和小网格地震属性分布图；
39.其中，可以根据目标层系地震数据的道间距确定大、小网格的尺寸。具体地，令大网格的尺寸取值范围为40～50倍道间距，令小网格的尺寸取值范围为8～15倍道间距。
40.例如，假设目标层系地震数据的道间距为25m
×
25m，大网格的尺寸为40倍道间距，那么大网格的尺寸为1000m
×
1000m，相当于每个大网格中包含40
×
40个尺寸为25m
×
25m的网格，则可令每个大网格的地震属性值等于其包含的所有25m
×
25m的网格的地震属性值的平均值，据此得到大网格地震属性分布图；假设小网格的尺寸为8倍道间距，那么小网格的尺寸为200m
×
200m，相当于每个小网格中包含8
×
8个尺寸为25m
×
25m的网格，则可令每个
小网格的地震属性值等于其包含的所有25m
×
25m的网格的地震属性值的平均值，据此得到小网格地震属性分布图。
41.(3)根据大网格地震属性分布图和目标层系的沉积相模式粗略确定目标层系的沉积相特征和物源方向，进而得到目标层系的粗略沉积相平面分布图；
42.(4)利用地震属性分界值对小网格地震属性分布图进行带通滤波处理，使带通滤波处理后的小网格地震属性分布图中仅包含砂岩数据，并根据带通滤波处理后的小网格地震属性分布图精细确定目标层系的沉积相特征，进而得到目标层系的精细沉积相平面分布图；
43.其中，地震属性分界值是能够分辨出砂岩的地震属性值；本实施例中，目标层系没有测井数据，此时地震属性分界值根据大网格地震属性分布图和目标层系的沉积相模式确定。其中，根据大网格地震属性分布图和沉积相模式确定地震属性分界值的主要原理是：不同沉积相带之间因为岩性的差异会造成属性值的差异，从而在不同相带的分界处会形成属性等值线的密集区，也就是说，当大网格地震属性分布图上出现属性等值线密集区时就说明相应密集区两侧的数据分布呈现明显不同特征，然后结合目标层系已知沉积相模式的形态特征，就能确定能够分辨出砂岩的属性等值线密集区，此时从该密集区中选取一条等值线，将该等值线的属性值作为地震属性分界值。
44.(5)根据目标层系的粗略沉积相平面分布图和精细沉积相平面分布图，实现目标层系沉积相的识别。
45.由于沉积相按规模大小可分为四级：一级相——相组、二级相——大相、三级相——亚相和四级相——微相，并且大网格地震属性分布图中每个网格的地震属性值与小网格地震属性分布图中每个网格的地震属性值相比，是综合了更多地震属性数据得到的，更加宏观，因此，利用大网格地震属性分布图能够从宏观上确定目标层系的沉积相及沉积亚相特征和物源方向(据此可得到粗略沉积相平面分布图)，利用带通滤波处理后的小网格地震属性分布图能够从微观上确定目标层系的沉积微相特征(据此可得到精细沉积相平面分布图)，最终结合目标层系的沉积相及沉积亚相特征和沉积微相特征，能够实现目标层系沉积相的识别。
46.下面以四川盆地某区块的陆相侏罗系千佛崖组地层为例，验证本实施例的沉积相识别方法(以下简称本实施例方法)的有效性。该区块的面积约1200km2，但是已钻井只有13口，钻井数量非常少且分布不均衡(见图8)，利用常规方法进行该区块的沉积相分析难度较大。
47.具体验证过程如下：首先利用本实施例方法进行该区块目标层系的沉积相分析，即在不利用测井资料的情况下识别目标层系的沉积相；然后将该区块的13口已钻井作为验证井，利用验证井的测井资料识别目标层系的沉积相；最后利用验证井的沉积相识别结果来验证本实施例方法的沉积相识别结果的准确度。
48.(1)利用本实施例方法识别目标层系的沉积相
49.目标层系的沉积相模式是三角洲-滨浅湖沉积相模式，目标层系的地震数据为segy格式的三维地震数据图，其道间距为25m
×
25m；目标层系的地震属性数据如图2所示(图2中的地震属性数据为地震振幅数据)，由地震解释的层位数据上延25ms求得层间属性，厚度约50m。
50.令大网格的尺寸为45倍道间距，即1125m
×
1125m，并利用大网格对地震属性数据进行网格化，得到如图3所示的大网格地震属性分布图，采用大网格的主要目的是压制区域内干扰因素的影响；令小网格的尺寸为10倍道间距，即250m
×
250m，并利用小网格对地震属性数据进行网格化，得到如图4所示的小网格地震属性分布图，采用合适的小网格能够充分利用数据，反映地震属性数据的真实分布特征。
51.结合图3所示的大网格地震属性分布图和目标层系的沉积相模式，得到如图5所示的目标层系的粗略沉积相平面分布图，从图5中可以看出目标层系的沉积相及沉积亚相特征和物源方向。
52.根据大网格地震属性分布图确定对小网格地震属性分布图进行带通滤波的地震属性分界值(以下简称阀门值)，确定阀门值的主要原理是不同沉积相带之间因为岩性的差异会造成属性值的差异，从而在不同相带的分界处会形成属性等值线的密集区，从图3可以看出，属性等值线12500是数据分布的临界值，大于12500和小于12500的数据分布呈现明显不同的特征，结合目标层系的沉积相模式，本实施例将12500确定为对小网格地震属性分布图进行带通滤波的阀门值；
53.利用阀门值12500对图4所示的小网格地震属性分布图进行带通过滤，得到带通滤波后的小网格地震属性分布图(如图6所示)，图6中仅包含能反映沉积相特征的数据，即砂岩数据；根据带通滤波后的小网格地震属性分布图精细确定目标层系的沉积微相特征，进而得到如图7所示的目标层系的精细沉积相平面分布图。
54.(2)利用验证井的测井资料识别目标层系的沉积相
55.通过将目标层系的地震属性数据与已知井的测井数据进行交汇分析，得到已知井位置处的砂岩厚度、砂岩厚度与地层厚度的比值(即砂地比)和地震属性值之间的对应关系如表1所示：
56.表1已知井岩性和属性值之间的对应关系表
[0057][0058][0059]
一般的，在河口坝、砂质滩坝以及河道发育的区域，砂地比普遍在40％以上；在远沙坝发育区，砂地比在30％左右；在混合滩发育区，砂地比在20％左右；在滨浅湖泥滩发育
区，砂地比普遍低于10％。
[0060]
根据上述规律，把砂地比低于10％的区域划为滨浅湖相，其余区域划为三角洲相，则可得到表1中各井的沉积相、砂地比和地震属性值对应关系表，见表2：
[0061]
表2沉积相、砂地比和地震属性对应关系表
[0062][0063]
(3)利用验证井的沉积相识别结果来验证本实施例方法的沉积相识别结果的准确度
[0064]
验证井在目标层系的位置分布图如图8所示，验证井在粗略沉积相平面图中的位置分布图如图9所示，图9中，将w01、w02、w03、w10、w11、w12、w13井划分为滨浅湖相，将w04、w05、w06、w07、w08、w09井划分为三角洲相；验证井在精细沉积相平面图中的位置分布图如图10所示，图10中，将w01、w02、w03、w04、w05、w06、w10、w11、w12、w13井划分为滨浅湖相，将w07、w08、w09井划分为三角洲相。
[0065]
利用表2中各井的沉积相划分结果对图9进行验证，可以发现图9中的w04井、w06井和w11井与表2不符合，符合率为76.9％；利用表2中各井的沉积相划分结果对图10进行验证，可以发现图10中仅w05和w11井不符合，符合率84.6％。
[0066]
进一步地，将砂地比大于40％的井的位置定义为分流河道，则表2中符合条件的井为w07、w08、w09三口井，而图10中处于分流河道位置的井为w08、w09两口井，图10中只有w07井与表2不符合，符合率66.7％。
[0067]
根据上述验证结果可以看出，本实施例方法在目标工区无井的情况下，能够取得较高的沉积相识别精度。
[0068]
方法实施例2：
[0069]
本实施例针对工区内钻井较少、目标层系存在测井数据的情况。
[0070]
如图11所示，本实施例的沉积相识别方法包括以下步骤：
[0071]
(1)获取目标层系的地震数据和沉积相模式，根据目标层系的地震数据得到目标层系的地震属性数据；
[0072]
(2)分别采用大、小两种不同尺寸的网格对所述地震属性数据进行网格化，得到大网格地震属性分布图和小网格地震属性分布图；
[0073]
(3)根据大网格地震属性分布图和目标层系的沉积相模式粗略确定目标层系的沉积相特征和物源方向，进而得到目标层系的粗略沉积相平面分布图；
[0074]
(4)利用地震属性分界值对小网格地震属性分布图进行带通滤波处理，使带通滤波处理后的小网格地震属性分布图中仅包含砂岩数据，并根据带通滤波处理后的小网格地震属性分布图精细确定目标层系的沉积相特征，进而得到目标层系的精细沉积相平面分布图；
[0075]
其中，地震属性分界值是能够分辨出砂岩的地震属性值；本实施例中，目标层系存在测井数据，此时地震属性分界值根据目标层系的地震属性数据和目标层系的测井数据得到。具体地，通过对目标层系的地震属性数据和测井数据进行交汇分析得到地震属性分界值。
[0076]
(5)根据目标层系的粗略沉积相平面分布图和精细沉积相平面分布图，实现目标层系沉积相的识别。
[0077]
本实施例的沉积相识别方法与方法实施例1的区别仅在于：确定地震属性分界值的方法不同，本实施例根据目标层系的地震属性数据和目标层系的测井数据得到地震属性分界值，适用于工区内钻井较少、目标层系有测井数据的情况。
[0078]
综上所述，本发明不需借助测井资料或者只需利用极少的测井资料，结合目标层系的地震数据和沉积相模式就能实现目标层系沉积相的识别，适用于勘探程度较低的工区(即工区内钻井较少或没有钻井)，同时，由于本发明进行沉积相识别时不再需要人工勾绘沉积相的平面分布图，具有速度快的优点，还能够有效降低人为因素的影响，克服了现有需要人工勾绘成图的方法中存在的过度依赖技术人员的水平和主观判断导致的沉积相识别精度低的问题，具有沉积相识别精度高的优点。
[0079]
装置实施例：
[0080]
本实施例的沉积相识别装置，如图12所示，该装置包括处理器、存储器，存储器中存储有可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现上述方法实施例中的方法。
[0081]
也就是说，以上方法实施例中的方法应理解为可由计算机程序指令实现沉积相识别方法的流程。可提供这些计算机程序指令到处理器，使得通过处理器执行这些指令产生用于实现上述方法流程所指定的功能。
[0082]
本实施例所指的处理器是指微处理器mcu或可编程逻辑器件fpga等的处理装置。
[0083]
本实施例所指的存储器包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。例如：利用电能方式存储信息的各式存储器，ram、rom等；利用磁能方式存储信息的的各式存储器，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘；利用光学方式存储信息的各式存储器，cd或dvd。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等等。
[0084]
通过上述存储器、处理器以及计算机程序构成的装置，在计算机中由处理器执行相应的程序指令来实现，处理器可以搭载各种操作系统，如windows操作系统、linux系统、android、ios系统等。