【摘 要】
：
位于巴西深J油田的盐下碳酸盐岩岩性及孔隙结构的识别对于区域储层的分布规律十分重要,但由于海外资料的获取量有限,如何最大限度地利用已有资料进行精准有效的岩性识别成为难题.本文在已有的各项地质信息资料的基础上,先利用成像测井资料提取出储层内主要岩性典型的结构标准图版,然后探索各类岩性在常规测井曲线上的响应规律,并提取出识别岩性的敏感参数,建立起常规测井参数的交会图法识别规律.确认其应用在全井段识别中取
论文部分内容阅读
位于巴西深J油田的盐下碳酸盐岩岩性及孔隙结构的识别对于区域储层的分布规律十分重要,但由于海外资料的获取量有限,如何最大限度地利用已有资料进行精准有效的岩性识别成为难题.本文在已有的各项地质信息资料的基础上,先利用成像测井资料提取出储层内主要岩性典型的结构标准图版,然后探索各类岩性在常规测井曲线上的响应规律,并提取出识别岩性的敏感参数,建立起常规测井参数的交会图法识别规律.确认其应用在全井段识别中取得效果后,进一步利用数据挖掘软件中的决策树技术,组合成交会图-决策树模型法.将此模型应用于实际井资料的处
其他文献
为了更深入的研究电成像测井资料在储层评价方面的应用,针对碎屑岩、碳酸盐岩及薄互层三种类型的储层建立了三种新技术.通过对环井周电阻率数据进行统计,建立了电阻率谱技术及分选指数的计算方法,根据谱峰的宽窄及分选指数大小对碎屑岩储层分选性及非均质性进行评价,对于预测高产储层具有一定的指导意义;通过阿尔奇公式将环井周电阻率转换为孔隙度,并对孔隙度数据进行统计,建立了孔隙度谱技术及基质孔隙度及次生孔隙度的计算
利用地震资料检测断层对油气勘探具有重要的意义,也是地震资料解释的重点.文中发展了局部二值模式(Local Binary Pattern,LBP)方法来检测断层,并结合地震剖面的旋转不变局部方差(Rotation Invariant Variance,VAR)信息,提出一种基于LBP/VAR特征的断层检测方法.首先利用相干属性、曲率属性和边缘检测等常规的断层检测方法和LBP/VAR算子对原始地震数据
微震震源定位研究是微震监测技术研究的重点之一,定位精度的高低直接影响着微震分析的结果.随着微震监测技术的广泛应用,出现了大量新的微震震源定位方法,针对不同的工程研究,这些方法各有千秋.首先,通过收集并分析近20年来国内外比较盛行的微震震源定位方法,其包括混合优化法、震源扫描算法、波速模型法和无预先测速法.然后,讨论这些方法的优缺点及适用条件,并主要分析微震检波器分布、首次到时拾取、波速模型和定位算
随着在石油勘查、矿产勘查、构造研究等地质工作中提出的应用位场异常研究规模相对较小的地质体及其细节的要求不断提高,传统重力方法在精度和分辨率方面已不能满足要求.重力梯度张量作为重力位二次导数,较之重力异常,能够更直观地反映地下密度体的赋存状态,基于重力梯度张量数据的反演能够提高地质体的定量模拟质量.但是由于受国内仪器的发展水平限制,直接获取实测的重力张量数据难度较大,目前对于重力张量数据的获取主要是
在本文中,我们基于模型试验讨论了利用等效源实现剖面重力异常转换的可靠性,并针对发现的问题提出了一套场源设置优化策略:(1)沿剖面两侧对等效源层和观测数据扩边;(2)通过局部异常单调变化区间个数的整倍数控制等效源层中线质量的数量;(3)利用Tikhonov正则化确保反演的稳定性,并在迭代计算过程中维持条件数不变.合成模型试验表明:(1)单独对等效源层扩边可以消除异常导数在剖面边界附近的振荡,同时对等
速度场精度是影响偏移成像质量最为关键的因素,因此,速度模型的建立成为解决复杂地质体成像的核心工作.但在火山岩发育区,由于火山岩岩性、岩相复杂,空间相互叠置、尺度小等原因,导致地震波场复杂,成像难度大.常规基于网格的层析成像技术完全是数据驱动,其要求地震数据具有较高信噪比.而火山岩发育区地震反射杂乱,该方法无法满足精细建模需求.为此本文提出一种基于小尺度构造约束的网格层析速度建模方法.该方法既可以通
本文就两种抗噪反Q滤波方法进行了讨论,其中对比了考虑时频域信噪比的反Q滤波方法和基于变稳定因子的反Q滤波方法.与稳定的反Q滤波方法相比,这两种方法可以抑制噪声,提高反Q滤波后地震数据的分辨率和信噪比.然而,它们基于不同的方法原理,并且在处理效果上存在一定的差异.为了探究反Q滤波方法抑制噪声的关键问题,回顾了方法的原理,对比和讨论这两种方法的差异,并通过理论模型数据和实际地震数据进行了比较.测试结果
深度学习是机器学习的一个分支,是使用低维特征组合来表示高维特征组合,包含多重复杂结构或多个非线性变换的多个处理层对数据进行高维抽象的一种算法.深度学习的自我学习和适应能力使它在计算机视觉、语音识别、金融等领域得到了广泛应用.为分析深度学习在地球物理领域的应用前景,本文在介绍深度学习概况的基础上,结合实例分析了深度学习在地震探测定位、大地电磁数据处理、航空电磁数据解释等领域的应用现状.发现深度学习在
为了研究黏弹介质中VSP地震勘探地震波的波场特征,在理论分析地震波在黏弹介质中传播特性的基础上,采用高斯射线束方法对黏弹介质VSP地震进行波场正演模拟.正演结果与各向同性介质及VTI介质VSP正演对比,体现了地震波在黏弹介质中传播的特点.同时VSP高斯束正演方法能够解决复杂构造正演盲区问题,其动力学特征更能反映黏弹介质对地震波传播的影响,计算速度又优于波动方程类正演方法,正演结果能有效分辨地震波场
地震数据通常存在数据缺失问题,严重影响地震数据各个处理环节,需采用适当的手段对其重构.本文提出了一种基于深度学习卷积神经网络(CNN)的智能化地震数据插值技术.算法的关键在于构建一个适用于地震资料插值的CNN模型,该技术以缺失地震数据作为输入层,由卷积算法提取地震数据的特征信息,并通过池化层实现数据压缩降维,同时引入修正线性函数(ReLU)提高模型的非线性表达能力,再通过反卷积层恢复数据尺寸,最终