塔河油田10区奥陶系地震储层预测
发布时间:2024-05-28 03:20
碳酸盐岩是我国重要的油气藏类型之一,它的勘探开发在世界石油工业中占有重要的位置。从全球来看,碳酸盐岩油气储量约占油气总储量的40%,油气产量占油气总产量的60%。目前我国已发现的油气资源可采储量中,碳酸盐岩只占18%,相对于全球碳酸盐岩油气藏在油气资源中所占的比重,我国对于碳酸盐岩油气藏的勘探和开发仍存在巨大的发展潜力。塔河油田奥陶系地层以碳酸盐岩缝洞型储层为主,同时也是我国古生代海相碳酸盐岩大油田。在缝洞型碳酸盐岩中,裂缝及溶洞是油气主要的运移通道和储集空间,在地震剖面上会显示出“串珠状”地震反射结构。但由于塔河油田碳酸盐岩地层时代普遍较老、岩溶作用强、埋藏深,并且历经溶蚀、再溶蚀以及填充等作用使得目的层储集空间分布不均匀、大小各异、非均质性强、形态多样化、成因复杂,从而导致储层预测难度大以及钻探成功率低。因此,如何寻找有效的地球物理技术来预测碳酸盐岩缝洞型储层,是该区亟需解决的关键问题。为解决以上技术难题,促进研究区的勘探部署,本文在缝洞型储层研究理论方法的基础上,综合利用该区地质、地震、钻井以及测井等资料,结合该区“串珠状”响应地质特征,提取了各种地震属性进行储层预测。在此基础上...
【文章页数】:83 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究的目的和意义
1.2 国内外研究现状
1.2.1 地震属性分析技术
1.2.2 数据降维技术
1.2.3 聚类分析技术
1.3 研究内容与技术路线
1.4 研究取得的成果
第2章 研究区地质、测井及地震响应特征
2.1 研究区位置及地层概况
2.2 研究区储层类型及测井响应特征
2.2.1 裂缝-溶洞型储层
2.2.2 裂缝孔洞型储层
2.2.3 裂缝型储层
2.3 层位标定及地震响应特征
2.3.1 合成地震记录
2.3.2 地震响应特征
2.4 储集体分布特征及其与产量关系
第3章 地震属性分析及储层预测
3.1 地震缝洞识别
3.1.1 方差体基本原理
3.1.2 方差体应用效果分析
3.1.3 蚂蚁体基本原理
3.1.4 蚂蚁体应用效果分析
3.2 小波分频地震属性计算分析
3.2.1 原始地震资料频谱分析
3.2.2 小波分频属性计算分析
3.2.3 小波分频能量对比
3.3 地层吸收属性
3.3.1 地层吸收属性方法原理
3.3.2 地层吸收属性应用效果分析
3.4 流度属性
3.4.1 流度属性原理
3.4.2 流度属性应用效果分析
3.5 频率梯度属性
3.5.1 频率梯度属性提取方法原理
3.5.2 高频衰减梯度属性应用效果分析
3.5.3 低频增强梯度属性应用效果分析
3.6 本章小结
第4章 地震多属性融合技术分析
4.1 主成分分析(PCA)
4.2 局部线性嵌入(LLE)
4.3 应用效果对比分析
第5章 K-means属性聚类分析
5.1 K-means聚类算法基本原理
5.2 K-means聚类算法原理、步骤
5.3 K-means聚类算法应用效果分析
5.4 储层综合预测
第6章 结论与展望
致谢
参考文献
硕士学位期间发表的论文及科研成果
本文编号:3983418
【文章页数】:83 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究的目的和意义
1.2 国内外研究现状
1.2.1 地震属性分析技术
1.2.2 数据降维技术
1.2.3 聚类分析技术
1.3 研究内容与技术路线
1.4 研究取得的成果
第2章 研究区地质、测井及地震响应特征
2.1 研究区位置及地层概况
2.2 研究区储层类型及测井响应特征
2.2.1 裂缝-溶洞型储层
2.2.2 裂缝孔洞型储层
2.2.3 裂缝型储层
2.3 层位标定及地震响应特征
2.3.1 合成地震记录
2.3.2 地震响应特征
2.4 储集体分布特征及其与产量关系
第3章 地震属性分析及储层预测
3.1 地震缝洞识别
3.1.1 方差体基本原理
3.1.2 方差体应用效果分析
3.1.3 蚂蚁体基本原理
3.1.4 蚂蚁体应用效果分析
3.2 小波分频地震属性计算分析
3.2.1 原始地震资料频谱分析
3.2.2 小波分频属性计算分析
3.2.3 小波分频能量对比
3.3 地层吸收属性
3.3.1 地层吸收属性方法原理
3.3.2 地层吸收属性应用效果分析
3.4 流度属性
3.4.1 流度属性原理
3.4.2 流度属性应用效果分析
3.5 频率梯度属性
3.5.1 频率梯度属性提取方法原理
3.5.2 高频衰减梯度属性应用效果分析
3.5.3 低频增强梯度属性应用效果分析
3.6 本章小结
第4章 地震多属性融合技术分析
4.1 主成分分析(PCA)
4.2 局部线性嵌入(LLE)
4.3 应用效果对比分析
第5章 K-means属性聚类分析
5.1 K-means聚类算法基本原理
5.2 K-means聚类算法原理、步骤
5.3 K-means聚类算法应用效果分析
5.4 储层综合预测
第6章 结论与展望
致谢
参考文献
硕士学位期间发表的论文及科研成果
本文编号:3983418
本文链接:https://www.wllwen.com/kejilunwen/diqiudizhi/3983418.html