红台地区储层预测应用研究
发布时间:2017-04-27 21:00
本文关键词:红台地区储层预测应用研究,,由笔耕文化传播整理发布。
【摘要】:目前,世界范围内的各大油气田,特别是中国东部油田新增油气地质储量多数来源于隐蔽油气藏。其勘探开发难度越来越大、成本越来越高,主要原因在于目前缺乏非常有效的此类隐蔽性储层的预测及描述方法与技术。因此,迫切需要研究和开发适应于当前勘探开发阶段的高精度储层预测方法。 地震岩性参数的准确反演一直是地球物理工作者长期的奋斗目标,在油田开发地震工作中,无论是储层预测还是油气圈定、油藏描述,波阻抗反演都是极其重要而又现实的方法。波阻抗反演技术对解决岩性、储层等问题来说,是一种确定性的主要方法,与统计方法相比,有物理意义清楚,表现直观等优点。根据研究区测井曲线特征,本次采取拟声波曲线的储层反演,利用声波测井曲线,把反映地层岩性变化比较敏感的自然电位、自然伽马、电阻率等测井信息有效地融合并转化成具有声波量纲的拟声波曲线,从而既能反映地层速度和波阻抗的变化,又能反映地层岩性等的细微差别。最后,应用Jason反演软件的约束稀疏脉冲反演模块,进行波阻抗反演。通过对处理前后反演结果的对比,发现经过声波曲线重构后的反演结果可以较好的展示储层波阻抗差异特征。 地震属性分析是储层参数横向预测的另一重要手段。地震属性是从地震数据中导出的有关地震波的几何学、运动学、动力学和统计学特征的物理量。地震属性代表着在原始地震资料中全部信息子集,各种属性的关系通常是十分复杂的。本文首先通过对地震属性的含义、分类、提取方式和影响因素的研究,更深入地理解了其意义。本文在简述了地震属性提取方法及其分类的基础上,系统阐述了各种地震属性分析技术的方法原理,并讨论了工区地震属性与含油气性的关系。 神经网络是一个非线性动态系统,它通过对样本的学习建立起记忆,然后将未知模式判决为其最接近的记忆,它可以处理一些环境信息十分复杂、背景知识不清楚、推理规则不明确的问题,并且允许样本有较大的缺损和畸变,神经网络的这一个优良特性受到石油勘探开发领域专家学者的关注。应用神经网络进行油气预测,对提高储层预测的精度,进一步提高钻井成功率起到重要作用,也必将产生较大的经济效益和社会效益。因此,人工神经网络的研究有着巨大的应用前景和潜力。BP神经网络采用梯度下降法来减小误差函数,可以同时研究大量的地震特征参数。本文以地震属性和试油资料作为样本,应用BP神经网络处理、分析,对工区内的含油气性进行预测,取得了一定的效果。 本文以红台地区S2砂层组为例,结合前期工作成果,综合应用BP神经网络油气预测技术、地震属性分析技术以及波阻抗反演技术,对含油气有利区进行了研究。拟定了两口钻探井,以供进一步勘探开发。
【关键词】:波阻抗反演 曲线重构 地震属性 BP神经网络 储层预测
【学位授予单位】:长江大学
【学位级别】:硕士
【学位授予年份】:2012
【分类号】:P618.13;P631.4
【目录】:
- 摘要4-6
- Abstract6-9
- 第1章 绪论9-16
- 1.1 选题的背景及意义9-10
- 1.2 国内外研究现状10-12
- 1.3 工区概况12-15
- 1.4 主要研究内容15-16
- 第2章 人工神经网络油气预测16-24
- 2.1 人工神经网络的基本原理16-17
- 2.2 多层感知器17-18
- 2.3 误差反传播算法18-19
- 2.4 神经网络油气预测19-24
- 第3章 地震属性及应用分析24-44
- 3.1 地震属性分类及提取方法24-37
- 3.2 地震属性在储层预测中的应用37-44
- 第4章 地震反演方法研究44-55
- 4.1 地震反演基本原理44-48
- 4.2 道积分反演方法48-49
- 4.3 递归反演方法49-51
- 4.4 约束稀疏脉冲反演方法51-55
- 第5章 声波曲线重构及反演应用分析55-81
- 5.1 基础资料处理55-59
- 5.2 测井曲线重构59-66
- 5.3 地震反演子波提取及合成地震记录制作66-70
- 5.4 初始波阻抗模型的建立70-73
- 5.5 约束稀疏脉冲反演处理73-81
- 第6章 红台气藏地震响应特征分析及井位建议81-89
- 6.1 红台气藏地震响应特征分析81-85
- 6.2 井位建议85-89
- 第7章 总结89-90
- 致谢90-91
- 参考文献91-94
- 个人简介94-95
【引证文献】
中国硕士学位论文全文数据库 前2条
1 徐清彦;地震属性技术在北二西东块储层预测中的应用研究[D];东北石油大学;2013年
2 全紫荆;深度域波阻抗反演方法的探讨[D];成都理工大学;2013年
本文关键词:红台地区储层预测应用研究,由笔耕文化传播整理发布。
本文编号:331377
本文链接:https://www.wllwen.com/kejilunwen/kuangye/331377.html