一种缝洞型碳酸盐岩微小储集层甜点预测方法及系统

专利名称：一种缝洞型碳酸盐岩微小储集层甜点预测方法及系统

专利类型：发明专利

专利申请号：CN202011153335.9

专利申请（专利权）人：中国石油天然气集团有限公司,中国石油集团东方地球物理勘探有限责任公司
权利人地址：北京市东城区东直门北大街9号

专利发明（设计）人：李相文,毕姣莹,刘永雷,陈怡仁,但光箭,张明

专利摘要：本发明提供了一种缝洞型碳酸盐岩微小储集层甜点预测方法及系统。该方法包括：获取研究区地震叠前偏移数据；对地震叠前偏移数据进行相邻地震道的加权道混合预处理获得预处理后地震数据体；基于预处理后地震数据体，进行网格化的地层倾角和方位角扫描；利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；网格内将地层背景数据与原始地震道求残差得出研究区目标储集层甜点数据。该方法能够在目前现有地震数据基础上，有效识别次一级反射强度和中‑小规模的串珠反射，从而识别出碳酸盐岩储层的甜点区的方法。为碳酸盐岩油藏开发及井位优选、部署提供有力依据。

主权利要求：
1.一种缝洞型碳酸盐岩微小储集层甜点预测方法，其中，该方法包括：获取研究区地震叠前偏移数据；
对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；
基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描；
利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；
网格内将所述地层背景数据与原始地震道求残差得出研究区目标储集层甜点数据；
其中，所述对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体包括：使用下述公式加强中心道的权重：
式中，B0‑w(t)为加权混道结果；a+b＝1且a＞b；m为地震道配置位置关系；t为时间；B0(t)为中心道上t时间上的振幅值；Bm(t)为中心道周围m道上t时间的振幅值，其中m＝1,2,3,4；
然后将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；
其中，利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据包括：应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；
然后提取强反射能量道四周反射能量之差小且反射能量弱的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据；
其中，所述通过加权平均运算获得对应的地层背景数据包括：沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向以及联络线方向总计n个地震道，并使用下述公式进行作加权运算：其中，Δti＝Δd×tan(θi)，i为主测线方向道数时；
i为联络线方向道数时；
式中，Eamp为加权运算的结果；A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；Δd为道间距；Δti为时间步长。
2.根据权利要求1所述的预测方法，其中，所述地震叠前偏移数据选用叠前深度偏移数据。
3.根据权利要求1所述的预测方法，其中，所述基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描包括：使用地震数据梯度的互相关性形成梯度结构张量；
基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口。
4.根据权利要求3所述的预测方法，其中，所述基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口，通过下述方式实现：扫描除中心窗口之外的一组非中心、重叠的分析窗口，所有这些窗口都包含中心分析点；
再利用下述公式计算第f个窗口内的j条迹线的幅度方差，选取相似度最大的窗口作为倾角和方位角分析点的窗口：式中，cs(θx，θy)为内插相似表面的最大值；uj为j道上的地震数据； 为基于j道上的地震数据的希尔伯特变换；Δt为时间差；Δxj为j道上x方向上到中心分析点的偏移距；Δyj为j道上y方向上到中心分析点的偏移距；k为时间样点数；p为x方向的视倾角测量值；q为y方向的视倾角测量值；Ks为第一个时间样点；KE为最后一个时间样点；J为分析时窗内的总道数。
5.一种缝洞型碳酸盐岩微小储集层甜点预测系统，其中，该系统包括：地震数据获取模块：用于获取研究区地震叠前偏移数据；
地震数据预处理模块：用于对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；
倾角方位角扫描模块：用于基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描；
地层背景数据确定模块：用于利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；
甜点数据确定模块：用于网格内将所述地层背景数据与原始地震道求残差得出研究区目标储集层甜点数据；
其中，地震数据预处理模块包括：
加强中心道处理子模块：用于使用下述公式加强中心道的权重：式中，B0‑w(t)为加权混道结果；a+b＝1且a＞b；m为地震道配置位置关系；t为时间；B0(t)为中心道上t时间上的振幅值；Bm(t)为中心道周围m道上t时间的振幅值，其中m＝1,2,3,4；
相邻道平均处理子模块：用于将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；
其中，所述地层背景数据确定模块包括：
第一处理子模块：用于应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；
第二处理子模块：用于然后提取强反射能量道四周反射能量之差小且反射能量弱的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据；
其中，所述通过加权平均运算获得对应的地层背景数据包括：沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向以及联络线方向总计n个地震道，并使用下述公式进行作加权运算：其中，Δti＝Δd×tan(θi)，i为主测线方向道数时；
i为联络线方向道数时；
式中，Eamp为加权运算的结果；A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距；△ti为时间步长。
6.根据权利要求5所述的预测系统，其中，所述地震叠前偏移数据选用叠前深度偏移数据。
7.根据权利要求5所述的预测系统，其中，所述倾角方位角扫描模块包括：梯度结构张量确定子模块：用于使用地震数据梯度的互相关性形成梯度结构张量；
窗口扫描子模块：用于基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口。
8.一种缝洞型碳酸盐岩微小储集层甜点预测装置，该装置包括处理器及存储器；其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求
1‑4任一项所述的缝洞型碳酸盐岩微小储集层甜点预测方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1‑4任一项所述的缝洞型碳酸盐岩微小储集层甜点预测方法的步骤。 说明书 : 一种缝洞型碳酸盐岩微小储集层甜点预测方法及系统技术领域[0001] 本发明属于石油及天然气勘探、开发技术领域，特别涉及一种缝洞型碳酸盐岩微小储集层甜点预测方法及系统。背景技术[0002] 奥陶系非均质碳酸盐岩缝洞型储层是塔里木油田的上产的重点领域之一。碳酸盐岩缝洞体储层在地震剖面上显示为“串珠状”反射。大而强的串珠状反射能够很好的对应高产井(产油达到100吨每天)。但随着开发的持续推进，地震上大而强的串珠状反射数目在不断减少，油田开发面临着无井可钻的难题。[0003] 然而，在实际钻井过程中，我们同样有大量钻至断裂破碎带而获得高产稳产的井(产油速度达到500吨每天)情况发生。因此，针对断裂破碎带的研究成为地球物理解释方法研究的重点目标。断裂破碎带的地震响应主要是强反射强度、次一级反射强度和中‑小规模的串珠群反射集合，也有不少与周围反射差异较大的弱反射特征。当前开发阶段中，地震资料显示的次一级反射强度和中‑小规模的串珠群反射集合等地震反射特征所表征的缝洞储集层信息被淹没在强反射能量背景当中，这些地震反射特征不明显，需要开展针对性的方法研究，有效地提取或突显出这些地震反射特征，并刻画它们的空间分布特征。[0004] 众多学者认为奥陶系地层的岩性为致密灰岩，储集层被包裹在里面，储集层的发育程度与断裂活动及其横向纵向展布规律有着密切的关系，我们将断裂破碎带控制的优质缝洞储层称为储集层甜点。当前支持油田保持产能的最有效途径之一是充分利用好地震资料信息，快速有效地识别出这些储集层甜点。[0005] 在研究过程中，我们发现之前常用的地震反射强度，均方根振幅等方法能识别强串珠反射，但对于识别次一级反射强度和中‑小规模的串珠反射未能凑效。后来，应用相干加强、振幅曲率等属性来加以对他们的识别，能进一步改善对断裂带分布规律的认识，但依然无法识别强反射能量背景之下的甜点缝洞体。最近开始流行的绕射波成像处理方法对缝洞体的识别有较好的帮助，但也没能改善对次一级反射强度和中‑小规模储集层甜点缝洞体的识别。[0006] 综上所述，亟需提出一种新的可以充分挖掘出有效地震信息的方法流程，以提升储集层定位的效率和精度。发明内容[0007] 本发明的目的在于提供一种能够在目前现有地震数据基础上，有效识别次一级反射强度和中‑小规模的串珠反射，从而识别出碳酸盐岩储层的甜点区的方法。为碳酸盐岩油藏开发及井位优选、部署提供有力依据。[0008] 为了实现上述目的，本发明提供了一种缝洞型碳酸盐岩微小储集层甜点预测方法，其中，该方法包括：[0009] 获取研究区地震叠前偏移数据；[0010] 对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；[0011] 基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描；在网格化的地层倾角和方位角扫描过程中，可得到与数据匹配的倾角和方位角参数，用于后续加权平均运算；[0012] 利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；[0013] 网格内将所述地层背景数据与原始地震道(即预处理后地震数据体中的地震道数据)求残差得出研究区目标储集层甜点数据。[0014] 在上述缝洞型碳酸盐岩微小储集层甜点预测方法中，所述地震叠前偏移数据可以为地震叠前时间偏移数据也可以为叠前深度偏移数据，优选地，所述地震叠前偏移数据选用叠前深度偏移数据。[0015] 在上述缝洞型碳酸盐岩微小储集层甜点预测方法中，对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理将原始地震数据与相邻地震道混合以提高数据的信噪比(SNR)，该技术方案实现了将平滑滤波转换为标准的3D道混合。优选地，所述对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体包括：[0016] 使用下述公式加强中心道的权重：[0017][0018] 式中，A0‑w(t)为加权混道结果；a+k＝1且a＞k；i为地震道配置位置关系；t为时间；A0(t)为中心道上t时间上的振幅值；Ai(t)，i＝1,2,3,4为以中心道周围i道上t时间的振幅值；[0019] 然后将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；该优选技术方案将产生较为平滑的数据体，从而增强反射的连续性；在这种情况下，该过程是一种相干滤波器，去除随机噪声。[0020] 在上述缝洞型碳酸盐岩微小储集层甜点预测方法中，优选地，所述基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描包括：[0021] 使用地震数据梯度的互相关性形成梯度结构张量；[0022] 基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口；[0023] 更优选地，所述基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口通过下述方式实现：[0024] 扫描除中心窗口之外的一组非中心、重叠的分析窗口，所有这些窗口都包含中心分析点；[0025] 再利用下述公式计算第i个窗口内的j条迹线的幅度方差，选取相似度最大的窗口作为倾角和方位角分析点的窗口：[0026][0027] 式中，cs(θx，θy)为内插相似表面的最大值；uj为j道上的地震数据； 为基于j道上的地震数据的希尔伯特变换；Δt为时间差；Δxj为j道上x方向上到中心分析点的偏移距；Δyj为j道上y方向上到中心分析点的偏移距；k为时间样点数；p为x方向的视倾角测量值；q为y方向的视倾角测量值；Ks为第一个时间样点；KE为最后一个时间样点；J为分析时窗内的总道数。[0028] 在上述缝洞型碳酸盐岩微小储集层甜点预测方法中，优选地，利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据包括：[0029] 应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；[0030] 然后提取强反射能量道四周反射能量之差小(横向变化小)且反射能量弱(高概率的非储层响应)的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据；[0031] 更优选地，所述通过加权平均运算获得对应的地层背景数据包括：[0032] 沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向以及联络线方向总计n个地震道，并使用下述公式进行作加权运算：[0033][0034] 其中，Δti＝Δd×tan(θi)，i为主测线方向道数时；[0035] i为联络线方向道数时；[0036] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距；[0037] 进一步优选地，抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道；[0038] 在一具体实施方式中，参与计算的地震到共计9道，此时计算4个面元的范围，如果25m一个面元，此时参与计算地震道的范围为250平方米。[0039] 在实际抽取地震道参与运算时，主测线方向道数与联络线方向道数可以不同可以相同，这需要考虑应用区地质背景。[0040] 本发明还提供了一种缝洞型碳酸盐岩微小储集层甜点预测系统，其中，该系统包括：[0041] 地震数据获取模块：用于获取研究区地震叠前偏移数据；[0042] 地震数据预处理模块：用于对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；[0043] 倾角方位角扫描模块：用于基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描；[0044] 地层背景数据确定模块：用于利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；[0045] 甜点数据确定模块：用于网格内将所述地层背景数据与原始地震道(即预处理后地震数据体中的地震道数据)求残差得出研究区目标储集层甜点数据。[0046] 在上述缝洞型碳酸盐岩微小储集层甜点预测系统中，所述地震叠前偏移数据可以为地震叠前时间偏移数据也可以为叠前深度偏移数据，优选地，所述地震叠前偏移数据选用叠前深度偏移数据。[0047] 在上述缝洞型碳酸盐岩微小储集层甜点预测系统中，对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理将原始地震数据与相邻地震道混合以提高数据的信噪比(SNR)，该技术方案实现了将平滑滤波转换为标准的3D道混合。优选地，地震数据预处理模块包括：[0048] 加强中心道处理子模块：用于使用下述公式加强中心道的权重：[0049][0050] 式中，A0‑w(t)为加权混道结果；a+k＝1且a＞k；t为时间；A0(t)为中心道上t时间上的振幅值；Ai(t)，i＝1,2,3,4为以中心道周围i道上t时间的振幅值；[0051] 相邻道平均处理子模块：用于将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；该优选技术方案将产生较为平滑的数据体，从而增强反射的连续性；在这种情况下，该过程是一种相干滤波器，去除随机噪声。[0052] 在上述缝洞型碳酸盐岩微小储集层甜点预测系统中，优选地，所述倾角方位角扫描模块包括：[0053] 梯度结构张量确定子模块：用于使用地震数据梯度的互相关性形成梯度结构张量；[0054] 窗口扫描子模块：用于基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口；[0055] 更优选地，所述基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口通过下述方式实现：[0056] 扫描除中心窗口之外的一组非中心、重叠的分析窗口，所有这些窗口都包含中心分析点；[0057] 再利用下述公式计算第i个窗口内的j条迹线的幅度方差，选取相似度最大的窗口作为倾角和方位角分析点的窗口：[0058][0059] 式中，cs(θx，θy)为内插相似表面的最大值；uj为j道上的地震数据； 为基于j道上的地震数据的希尔伯特变换；Δt为时间差；Δxj为j道上x方向上到中心分析点的偏移距；Δyj为j道上y方向上到中心分析点的偏移距；k为时间样点数；p为x方向的视倾角测量值；q为y方向的视倾角测量值；Ks为第一个时间样点；KE为最后一个时间样点；J为分析时窗内的总道数。[0060] 在上述缝洞型碳酸盐岩微小储集层甜点预测系统中，优选地，所述地层背景数据确定模块包括：[0061] 第一处理子模块：用于应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；[0062] 第二处理子模块：用于然后提取强反射能量道四周反射能量之差小(横向变化小)且反射能量弱(高概率的非储层响应)的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据；[0063] 更优选地，所述通过加权平均运算获得对应的地层背景数据包括：[0064] 沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向以及联络线方向总计n个地震道，并使用下述公式进行作加权运算：[0065][0066] 其中，Δti＝Δd×tan(θi)，i为主测线方向道数时；[0067] i为联络线方向道数时；[0068] 式中，A0(t)为参考地震道数据；[0069] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距；[0070] 进一步优选地，抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道；[0071] 在实际抽取地震道参与运算时，主测线方向道数与联络线方向道数可以不同可以相同，这需要考虑应用区地质背景。[0072] 本发明还提供了一种缝洞型碳酸盐岩微小储集层甜点预测装置，该装置包括处理器及存储器；其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述缝洞型碳酸盐岩微小储集层甜点预测方法的步骤。[0073] 本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述缝洞型碳酸盐岩微小储集层甜点预测方法的步骤。[0074] 本发明提供的技术方案在目前现有地震数据基础上，加强对次一级反射强度和中‑小规模的串珠反射的分辨能力。较好地解决了原始叠后偏移地震数据体对次一级反射强度，中‑小规模碳酸盐岩储层地震响应特征不明显，属性受强反射背景干扰的问题，提高了数据体分辨出断裂带的特征和优质储层甜点的能力。为碳酸盐岩油藏开发及井位优选、部署提供有力依据。附图说明[0075] 图1为本发明一实施方式提供的缝洞型碳酸盐岩微小储集层甜点预测方法流程图。[0076] 图2为实施例1提供的缝洞型碳酸盐岩微小储集层甜点预测方法流程示意图。[0077] 图3A为实施例1中WELL井区地震叠前深度偏移数据图。[0078] 图3B为实施例1中WELL井区地震叠前深度偏移数据图。[0079] 图3C为实施例1中使用缝洞型碳酸盐岩微小储集层甜点预测方法进行处理后得到的甜点数据图。[0080] 图3D为实施例1中使用缝洞型碳酸盐岩微小储集层甜点预测方法进行处理后得到的甜点数据图。[0081] 图4A为实施例1中B区块地震叠前深度偏移数据图。[0082] 图4B为实施例1中B区块使用缝洞型碳酸盐岩微小储集层甜点预测方法进行处理后得到的甜点数据图。[0083] 图5A为实施例1中3D道混合和甜点数据计算参数示意图。[0084] 图5B为实施例1中3D道混合和甜点数据计算参数示意图。[0085] 图6为实施例1地层倾角‑方位角扫描示意图。[0086] 图7A为实施例1地震叠前深度偏移数据剖面图。[0087] 图7B为实施例1地层背景数据剖面图。[0088] 图7C为实施例1甜点数据剖面图。[0089] 图8为本发明一实施方式提供的缝洞型碳酸盐岩微小储集层甜点预测系统结构示意图。[0090] 图9为本发明一实施方式提供的缝洞型碳酸盐岩微小储集层甜点预测装置的结构示意图。具体实施方式[0091] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明的保护范围。[0092] 下面参考本发明的若干代表性实施方式，详细阐述本发明的原理和精神。[0093] 参见图1，本发明一实施例提供了一种缝洞型碳酸盐岩微小储集层甜点预测方法，其中，该方法包括：[0094] 步骤S1：获取研究区地震叠前偏移数据；[0095] 步骤S2：对地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；[0096] 步骤S3：基于预处理后地震数据体，进行网格化的地层倾角和方位角扫描，确定趋势面；[0097] 步骤S4：利用趋势面分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得局部区域的地层背景数据；[0098] 步骤S5：网格内将地层背景数据与原始地震道求残差得出研究区目标储集层甜点数据。其中，获取研究区地震叠前偏移数据采用本领域常规方式进行即可，例如在研究区采用常规地震勘探方法获取研究区地震资料，对研究区地震资料进行处理确定研究区叠前偏移数据。[0099] 其中，步骤S5得到的研究区目标储集层甜点数据，数据体分辨出断裂带的特征和优质储层甜点的能力得以提升，可以很好的适用于研究区目标储集层甜点区确定。[0100] 其中，地震叠前偏移数据可以为地震叠前时间偏移数据也可以为叠前深度偏移数据；进一步地，地震叠前偏移数据选用叠前深度偏移数据。[0101] 其中，对地震叠前偏移数据进行相邻地震道的加权道混合预处理将原始地震数据与相邻地震道混合以提高数据的信噪比(SNR)，该技术方案实现了将平滑滤波转换为标准的3D道混合。进一步地，对地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体包括：[0102] 使用下述公式加强中心道的权重：[0103][0104] 式中，A0‑w(t)为加权混道结果；a+k＝1且a＞k；i为地震道配置位置关系；t为时间；A0(t)为中心道上t时间上的振幅值；Ai(t)，i＝1,2,3,4为以中心道周围i道上t时间的振幅值；[0105] 然后将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；[0106] 该优选技术方案将产生较为平滑的数据体，从而增强反射的连续性；在这种情况下，该过程是一种相干滤波器，去除随机噪声；该优选技术方案与非线性滤波类似，将平滑滤波转换为标准的3D道混合，样本数设置为1。[0107] 在一实施方式中，地震道配置位置关系如图5A‑图5B所示。[0108] 进一步地，基于预处理后地震数据体，进行网格化的地层倾角和方位角扫描包括：[0109] 使用地震数据梯度的互相关性形成梯度结构张量；[0110] 基于结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口。[0111] 进一步地，基于结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口通过下述方式实现：[0112] 扫描除中心窗口之外的一组非中心、重叠的分析窗口，所有这些窗口都包含中心分析点。再利用下述公式计算第i个窗口内的j条迹线的幅度方差，从而选取相似度最大的窗口作为倾角和方位角分析点的窗口：[0113][0114] 式中，cs(θx，θy)为内插相似表面的最大值；uj为j道上的地震数据； 为基于j道上的地震数据的希尔伯特变换；Δt为时间差；Δxj为j道上x方向上到中心分析点的偏移距；Δyj为j道上y方向上到中心分析点的偏移距；k为时间样点数；p为x方向的视倾角测量值；q为y方向的视倾角测量值；Ks为第一个时间样点；KE为最后一个时间样点；J为分析时窗内的总道数。[0115] 在一实施方式中，扫描的除中心窗口之外的一组非中心、重叠的分析窗口如图6所示。[0116] 进一步地，利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据包括：[0117] 应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；[0118] 然后提取强反射能量道四周反射能量之差小(横向变化小)且反射能量弱(高概率的非储层响应)的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据。[0119] 进一步地，通过加权平均运算获得对应的地层背景数据包括：[0120] 沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向以及联络线方向总计n个地震道，并使用下述公式进行作加权运算：[0121][0122] 其中，Δti＝Δd×tan(θi)，i为主测线方向道数时；[0123] i为联络线方向道数时；[0124] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距。[0125] 进一步地，抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道。[0126] 在实际抽取地震道参与运算时，主测线方向道数与联络线方向道数可以不同可以相同，这需要考虑应用区地质背景。[0127] 在一具体实施方式中，沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道(具体参见图5A‑图5B)，并使用下述公式进行作加权运算：[0128][0129] 其中，Δti＝Δd×tan(θi)，i为1,3,5,7时；[0130] i为2,4,6,8时。[0131] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距。[0132] 实施例1[0133] 该实施例提供了一种缝洞型碳酸盐岩微小储集层甜点预测方法，使用该方法分别对A油田WELL1井区、B地区进行缝洞型碳酸盐岩微小储集层甜点预测获取处理后甜点数据，其流程如图2所示，该方法包括：[0134] (1)获取研究区地震叠前深度偏移数据。[0135] (2)对地震叠前偏移深度数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；[0136] 具体而言：使用下述公式加强中心道的权重，然后将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；[0137][0138] 式中，A0‑w(t)为加权混道结果；a+k＝1且a＞k；i为地震道配置位置关系(如图5A‑图5B所示)；t为时间；A0(t)为中心道上t时间上的振幅值；Ai(t)，i＝1,2,3,4为以中心道周围i道上t时间的振幅值；[0139] 该方法与非线性滤波类似，将平滑滤波转换为标准的3D道混合，样本数设置为1；这一步骤将产生较为平滑的数据体，从而增强反射的连续性；在这种情况下，该过程是一种相干滤波器，去除随机噪声。[0140] (3)基于预处理后地震数据体，进行网格化的地层倾角和方位角扫描；[0141] 具体而言，使用地震数据梯度的互相关性形成梯度结构张量；基于结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口：扫描除中心窗口之外的一组非中心、重叠的分析窗口，所有这些窗口都包含中心分析点(如图6所示)，再利用下述公式计算第i个窗口内的j条迹线的幅度方差，从而选取相似度最大的窗口作为倾角和方位角分析点的窗口；[0142][0143] 式中，cs(θx，θy)为内插相似表面的最大值；uj为j道上的地震数据； 为基于j道上的地震数据的希尔伯特变换；Δt为时间差；Δxj为j道上x方向上到中心分析点的偏移距；Δyj为j道上y方向上到中心分析点的偏移距；k为时间样点数；p为x方向的视倾角测量值；q为y方向的视倾角测量值；Ks为第一个时间样点；KE为最后一个时间样点；J为分析时窗内的总道数。[0144] (4)利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；[0145] 具体而言，应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；然后提取强反射能量道四周反射能量之差小(横向变化小)且反射能量弱(高概率的非储层响应)的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据；[0146] 其中，通过加权平均运算获得对应的地层背景数据包括：[0147] 沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道(具体参见图5A‑图5B)，并使用下述公式进行作加权运算：[0148][0149] 其中，Δti＝Δd×tan(θi)，i为1,3,5,7时；[0150] i为2,4,6,8时；[0151] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距。[0152] (5)网格内将地层背景数据与原始地震道(即预处理后地震数据体中的地震道数据)求残差得出研究区目标储集层甜点数据。[0153] 应用该发明，在塔里木盆地A油田进行试验，应用效果良好。前期研究中，针对A油田WELL1井设计目的之一是钻探断裂破碎带控制的弱反射，钻进中遭遇钻井液漏失和钻具的放空(优质储层的典型工程异常现象)，后期油气试采获得高产工业油气流，产油量达到500吨每天，保持稳定生产。高效开发生产效果说明井筒附近存在大规模优质储层，本实施例所得甜点数据的过井地震剖面和沿地层RMS振幅属性平面图都可清楚地分辨出断裂带的特征和优质储层甜点，很好的解释清楚了WELL1井高产稳产的现象(如图3A‑图3D)。说明WELL1井的成功不是偶然，只是储层甜点识别的问题。其中，地震叠前深度偏移数据剖面图如图7A所示、地层背景数据剖面图如图7B所示、甜点数据剖面图如图7C所示。[0154] 同时，在B地区，原始偏移成果数据的过任意线地震剖面只能识别反射能量强、横向连续道多的“串珠”反射。其沿地层RMS振幅属性平面图展示出断裂带的特征也不清楚，再加上受到片状强反射背景的干扰，很多甜点都被淹没在背景之下。应用本文方法流程后所得甜点数据的过井地震剖面可识别甜点清晰可辨，其沿地层RMS振幅属性平面图可清楚地分辨出断裂带的特征和优质储层甜点(如图4A‑图4B所示)。[0155] 对比实施例1中地震叠前深度偏移数据剖面图、地层背景数据剖面图、甜点数据剖面图可以看出，本发明提供的技术方案能够很好地解决原始叠后偏移地震数据体对次一级反射强度，中‑小规模碳酸盐岩储层地震响应特征不明显，属性受强反射背景干扰的问题，提高了数据体分辨出断裂带的特征和优质储层甜点的能力。[0156] 本发明实施例还提供了一种缝洞型碳酸盐岩微小储集层甜点预测系统，该系统用于实现上述的方法实施例。[0157] 图8是根据本发明实施例的缝洞型碳酸盐岩微小储集层甜点预测系统的结构框图，如图8所示，该装置包括：[0158] 地震数据获取模块81：用于获取研究区地震叠前偏移数据；[0159] 地震数据预处理模块82：用于对所述地震叠前偏移数据进行相邻地震道的加权道混合预处理，获得预处理后地震数据体；[0160] 倾角方位角扫描模块83：用于基于所述预处理后地震数据体，进行网格化的地层倾角和方位角扫描；[0161] 地层背景数据确定模块84：用于利用地层倾角和方位角扫描所得参数分析预处理后地震数据体，进行构造导向的相邻地震道的加权平均运算，获得对应的地层背景数据；[0162] 甜点数据确定模块85：用于网格内将所述地层背景数据与原始地震道(即预处理后地震数据体中的地震道数据)求残差得出研究区目标储集层甜点数据。[0163] 其中，地震叠前偏移数据可以为地震叠前时间偏移数据也可以为叠前深度偏移数据；进一步地，地震叠前偏移数据选用叠前深度偏移数据。[0164] 其中，地震数据预处理模块82将原始地震数据与相邻地震道混合以提高数据的信噪比(SNR)，该技术方案实现了将平滑滤波转换为标准的3D道混合。进一步地，地震数据预处理模块82包括：[0165] 加强中心道处理子模块：用于使用下述公式加强中心道的权重：[0166][0167] 式中，A0‑w(t)为加权混道结果；a+k＝1且a＞k；i为地震道配置位置关系；t为时间；A0(t)为中心道上t时间上的振幅值；Ai(t)，i＝1,2,3,4为以中心道周围i道上t时间的振幅值。[0168] 相邻道平均处理子模块：用于将相邻道进行平均以减少其差异，从而获得预处理后地震数据体；[0169] 该优选技术方案将产生较为平滑的数据体，从而增强反射的连续性；在这种情况下，该过程是一种相干滤波器，去除随机噪声；该优选技术方案与非线性滤波类似，将平滑滤波转换为标准的3D道混合，样本数设置为1。[0170] 在一实施方式中，地震道配置位置关系如图5A‑图5B所示。[0171] 进一步地，所述倾角方位角扫描模块83包括：[0172] 梯度结构张量确定子模块：用于使用地震数据梯度的互相关性形成梯度结构张量；[0173] 窗口扫描子模块：用于基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口。[0174] 进一步地，基于所述结构张量，通过多窗口扫描，获得相似度最大的窗口作为倾角和方位角分析点的窗口通过下述方式实现：[0175] 扫描除中心窗口之外的一组非中心、重叠的分析窗口，所有这些窗口都包含中心分析点。再利用下述公式计算第i个窗口内的j条迹线的幅度方差，从而选取相似度最大的窗口作为倾角和方位角分析点的窗口：[0176][0177] 式中，cs(θx，θy)为内插相似表面的最大值；uj为j道上的地震数据； 为基于j道上的地震数据的希尔伯特变换；Δt为时间差；Δxj为j道上x方向上到中心分析点的偏移距；Δyj为j道上y方向上到中心分析点的偏移距；k为时间样点数；p为x方向的视倾角测量值；q为y方向的视倾角测量值；Ks为第一个时间样点；KE为最后一个时间样点；J为分析时窗内的总道数。[0178] 在一实施方式中，扫描的除中心窗口之外的一组非中心、重叠的分析窗口如图6所示。[0179] 进一步地，地层背景数据确定模块84包括：[0180] 第一处理子模块：用于应用倾角和方位角分析点的窗口中主测线和联络测线上的扫描所得的倾角数据，进行构造导向的相邻地震道的地震反射能量差；[0181] 第二处理子模块：用于然后提取强反射能量道四周反射能量之差小(横向变化小)且反射能量弱(高概率的非储层响应)的地震道为基础替换反射能量强的地震道，然后再通过加权平均运算获得对应的地层背景数据。[0182] 进一步地，通过加权平均运算获得对应的地层背景数据包括：[0183] 沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向以及联络线方向总计n个地震道，并使用下述公式进行作加权运算：[0184][0185] 其中，Δti＝Δd×tan(θi)，i为主测线方向道数时；[0186] i为联络线方向道数时；[0187] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距。[0188] 进一步地，抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道；[0189] 在实际抽取地震道参与运算时，主测线方向道数与联络线方向道数可以不同可以相同，这需要考虑应用区地质背景。[0190] 在一具体实施方式中，沿地层寻找振幅的横向变化最大的亮点作为边界，以边界一侧振幅能量相对较弱的地震道作为参考地震道，再抽取参考地震道周围沿主测线方向共计4个地震道以及联络线方向共计4个地震道，总计8个地震道(具体参见图5A‑图5B)，并使用下述公式进行作加权运算：[0191][0192] 其中，Δti＝Δd×tan(θi)，i为1,3,5,7时；[0193] i为2,4,6,8时。[0194] 式中，A0(t)为参考地震道数据；Ai(t+Δti)为参考地震道和周围地震道数据；θi为扫描倾角值；t为时间；△d为道间距。[0195] 图9是根据本发明实施例的缝洞型碳酸盐岩微小储集层甜点预测装置的示意图。图9所示的缝洞型碳酸盐岩微小储集层甜点预测装置为通用数据处理装置，其包含通用的计算机硬件结构，其至少包含处理器1000、存储器1111；处理器1000用于执行存储器中存储的缝洞型碳酸盐岩微小储集层甜点预测程序，以实现各方法实施例的缝洞型碳酸盐岩微小储集层甜点预测方法(具体方法参见上述方法实施例的描述，在此不再赘述)。[0196] 本发明实施例还提供了一种计算机可读存储介质，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现各方法实施例的缝洞型碳酸盐岩微小储集层甜点预测方法(具体方法参见上述方法实施例的描述，在此不再赘述)。[0197] 以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。[0198] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0199] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0200] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0201] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0202] 本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

专利地区：北京

专利申请日期：2020-10-26

专利公开日期：2024-07-26

专利公告号：CN112363220B