首页 / 专利库 / 信号处理 / 匹配追踪算法 / 基于时频谱图像特征分析的油水识别方法

基于时频谱图像特征分析的油识别方法

阅读:551发布:2020-05-13

专利汇可以提供基于时频谱图像特征分析的油识别方法专利检索,专利查询,专利分析的服务。并且本 发明 提出了一种基于时 频谱 图像特征分析的油 水 识别方法,包括以下步骤:步骤S10:提取待识别油水性质的井点目的储层的 地震 资料,对地震资料进行频谱 信号 分析。根据频谱分布范围和地震主频,利用匹配追踪时频谱 图像分析 技术获得过井 地震道 的时频谱 能量 分布;步骤S20:对时频谱进行归一化处理;步骤S30:根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的 流体 充填性质。采用本发明中的方法对 碳 酸盐缝洞储集体中的流体充填性质进行识别时,流体识别结果与实际 生产井 吻合率高,利用时频谱特征分析识别碳酸盐岩储层的储集体中流体充填性质的结构可靠。,下面是基于时频谱图像特征分析的油识别方法专利的具体信息内容。

1.一种基于时频谱图像特征分析的油识别方法,包括以下步骤:
步骤S10:提取待识别油水性质的井点目的储层的地震资料,对地震资料进行频谱信号分析,根据频谱分布范围和地震主频,利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布;
步骤S20:对时频谱进行归一化处理;
步骤S30:根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质;
当所述时间区间中的时频谱图像呈朝向频率减小的方向凸出的拱形,并且在此时间区间内的时频谱的频率小于主频,则所述井点目的储层的储集体中的流体含油量比含水量高;
当所述时间区间中的时频谱图像呈朝向频率增大的方向凸出的拱形,并且在此时间区间内的时频谱的频率大于主频,则所述井点目的储层的储集体中的流体含水量比含油量高;
当所述时间区间中的时频谱图像向高频方向迁移,并且在此时间区间内的时频谱的频率大于30Hz,则所述井点目的储层的储集体中不含水也不含油;
当所述时间区间中的时频谱图像沿平行于时间轴的方向延伸,并且在此时间区间内的时频谱的频率大于30Hz,则该储层中没有储集体发育。
2.根据权利要求1所述的油水识别方法,其特征在于,步骤S10包括步骤S01~S03,步骤S01:对地震信号进行稀疏分解,构建字典矩阵D;
步骤S02:采用匹配追踪算法,把地震信号函数y垂直投影到字典矩阵D的原子上进行重复的迭代估算,直至残值信号小于或等于预设的阈值,将进行迭代过的原子的线性和再加上最后的残差值来表示地震信号;
步骤S03:采用时频谱来表示地震信号分布。
3.根据权利要求1所述的油水识别方法,其特征在于,在步骤20中,时频谱中的每个向量||xi||=1。
4.根据权利要求1所述的油水识别方法,其特征在于,所述油水识别方法用于识别酸盐缝洞储集体中的流体充填性质。
5.根据权利要求1所述的油水识别方法,其特征在于,所述主频为25Hz。

说明书全文

基于时频谱图像特征分析的油识别方法

技术领域

[0001] 本发明涉及一种基于地震时频谱分析识别超深层酸盐岩缝洞储集体流体充填性质的方法,属于石油地球物理勘探中的油水识别领域。

背景技术

[0002] 对于含油气储层的流体识别,国内外学者在砂岩储层中进行了大量研究,但针对碳酸盐岩储层的流体识别尚处于探索研究阶段。国内学者针对BL地区长兴组地层碳酸盐岩礁滩相岩性油气藏具有埋藏深、油气分布不均匀的特征,运用黏滞弥散型波动方程模拟储层地震响应特征,利用频率衰减梯度属性和低频伴影现象识别储层含气性。还有研究人员开展了基于频谱特征差异的储层流体识别研究,以高频段振幅差异特征为依据识别洞穴与坍塌-充填洞穴的流体性质。
[0003] 目前基于匹配追踪算法进行地震信号的分解重构分解的技术被应用到地震属性分析研究的各个领域中,有学者利用基于雷克子波原子库的MP算法对地震信号进行稀疏分解,进而可实现对地下地质体的高精度波阻抗反演,另有将该算法用于瞬时谱识别来确定三洲砂体尖灭线,以及利用MP谱分解算法进行峰值瞬时频率薄层反演,同时进行含气储层的类检测。
[0004] 首先,现有基于叠前地震资料的储层流体识别技术计算量大、对资料要求高。而且在碳酸盐岩缝洞型储集体中,油藏的主体是规模较大的流体充填溶洞,而大型洞穴中的流体不传播横波,无法提取像砂岩储层中辨识油、气、水的有效弹性参数,如纵、横波速度和弹性模量等,因此叠前弹性反演技术的应用受到限制。另外,基于地震属性分析的识别方法受地层埋深、岩性、厚度、温度、压等多种因素的影响,多解性较强,运算结果的岩石物理意义不够清晰,解释难度较大。

发明内容

[0005] 针对上述技术问题,本发明提出了一种基于时频谱图像特征分析的油水识别方法,包括以下步骤:
[0006] 步骤S10:提取待识别油水性质的井点目的储层的地震资料,对地震资料进行频谱信号分析。根据频谱分布范围和地震主频,利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布;
[0007] 步骤S20:对时频谱进行归一化处理;
[0008] 步骤S30:根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质。
[0009] 在一个具体的实施例中,当所述时间区间中的时频谱图像呈朝向频率减小的方向凸出的拱形,并且在此时间区间内的时频谱的频率小于主频,则所述井点目的储层的储集体中的流体含油量比含水量高。
[0010] 在一个具体的实施例中,当所述时间区间中的时频谱图像呈朝向频率增大的方向凸出的拱形,并且在此时间区间内的时频谱的频率大于主频,则所述井点目的储层的储集体中的流体含水量比含油量高。
[0011] 在一个具体的实施例中,当所述时间区间中的时频谱图像向高频方向迁移,并且在此时间区间内的时频谱的频率大于30Hz,则所述井点目的储层的储集体中不含水也不含油。
[0012] 在一个具体的实施例中,当所述时间区间中的时频谱图像沿平行于时间轴的方向延伸,并且在此时间区间内的时频谱的频率大于30Hz,则该储层中没有储集体发育。
[0013] 在一个具体的实施例中,步骤S10包括步骤S01~S03,
[0014] 步骤S01:对地震信号进行稀疏分解,构建字典矩阵D;
[0015] 步骤S02:采用匹配追踪算法,把地震信号函数y垂直投影到字典矩阵D的原子上进行重复的迭代估算,直至残值信号小于或等于预设的阈值,将进行迭代过的原子的线性和再加上最后的残差值来表示地震信号;
[0016] 步骤S03:采用时频谱来表示地震信号分布。
[0017] 在一个具体的实施例中,在步骤20中,时频谱中的每个向量||xi||=1。
[0018] 在一个具体的实施例中,主频为25Hz。
[0019] 采用本发明中的方法对碳酸盐缝洞储集体中的流体充填性质进行识别时,流体识别结果与实际生产井吻合率高,利用时频谱特征分析识别碳酸盐岩储层的储集体中流体充填性质的结构可靠。附图说明
[0020] 在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
[0021] 图1为本发明的一个实施例中的基于时频谱图像特征分析的油水识别方法的流程图
[0022] 图2为本发明的一个实施例中井点目的层地震资料的频谱分布图;
[0023] 图3为本发明的一个实施例中未进行归一化处理的过井地震道的时频二维谱图像;
[0024] 图4为本发明的一个实施例中完成归一化处理的过井地震道的时频二维谱图像;
[0025] 图5为本发明的一个实施例中显示了储集体中含油量较高的储层的时频谱特征的时频谱图像;
[0026] 图6为本发明的一个实施例中显示了储集体中含水量较高的储层的时频谱特征的时频谱图像;
[0027] 图7为本发明的一个实施例中显示了不含储集体的储层的时频谱特征的时频谱图像;
[0028] 图8为本发明的一个实施例中显示了储集体发育程度低的储层的时频谱特征的时频谱图像。
[0029] 在附图中,相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。

具体实施方式

[0030] 下面将结合附图对本发明作进一步说明。
[0031] 图1显示了本发明的一个实施例中的基于时频谱图像特征分析的油水识别方法的流程图,该油水识别方法用于识别碳酸盐缝洞储集体中的流体充填性质。该油水识别方法包括以下步骤:
[0032] 步骤S10:提取待识别油水性质的井点目的储层的地震资料,对地震资料进行频谱信号分析。根据频谱分布范围和地震主频,利用匹配追踪时频谱图像分析技术获得过井地震道的时频谱能量分布。步骤S10包括步骤S01~S03。
[0033] 图2中的显示了塔河油田的井点储层的频谱分布状况,塔河油田的井点储层频谱范围为5-70Hz,主频为25Hz。
[0034] 步骤S01:对地震信号进行稀疏分解,构建字典矩阵D。
[0035] 字典矩阵D为进行原始信号稀疏分解后的函数集合。构建字典矩阵D的方法为本领域的现有技术,在此不再赘述。在本实施例中,将井点目的储层地震信号函数y采用一组向量{x1,x2,x3,...xn}来表示,被表示的地震信号的长度为n,这组向量构成字典矩阵D。字典矩阵D中的每个向量x为一个原子。每个原子由其所对应的子波的振幅、中心时间、波峰频率和相位构成的四维向量表示。原子的长度与被表示的地震信号y的长度n相同。
[0036] 步骤S02:采用匹配追踪算法,把地震信号函数y垂直投影到字典矩阵D的原子上进行重复的迭代估算,直至残值信号小于或等于预设的阈值,将进行迭代过的原子的线性和再加上最后的残差值来表示地震信号。
[0037] 选择一个与原始信号匹配最佳的时频原子线性组合,构建一个稀疏逼近,并求出信号残差R,然后继续选择与信号残差最匹配的原子,反复迭代,地震信号y由这些原子来线性和,再加上最后的残差值来表示。
[0038] 给定匹配准则终止条件参数,即如果残差值在预设的阈值以内,则地震信号y就是该原子的线性组合。
[0039] 地震信号函数y的表达式为:
[0040] y=xn+Rmy       (1)
[0041] (1)式中,y为井点目的储层地震信号函数;为原始信号y与迭代时所选原子Xn的内积;Rmy为第m次迭代的残差值。
[0042] 在每次迭代过程中都是先找出与原始信号最相关的原子xn,为了使xn与原始信号y最逼近,残差值Rmy尽可能小,内积项应尽可能大。匹配追踪以其优越的自适应特征,采用具有良好时间、频率分辨率的时-频原子对地震信号不断寻找最佳匹配,真实准确地对地震信号进行时频分解,减少了频谱中交叉项的干扰。
[0043] 步骤S03:采用时频谱来表示地震信号分布。
[0044] 将一维的时间信号转换到二维的时间-频率平面上,这样能较好地反映地震信号的时频特征。
[0045] 步骤S20:对时频谱进行归一化处理。
[0046] 对每一个时间—频率谱序列进行归一化,即将时频谱中的每个向量||xi||=1。由于不同地震波时-频反应峰值不同。如图3所示,现有的时频谱分析表征为能量团的显示方式,在时间-尺度平面上展开的时频分布,尺度与频率之间的关系难以理解,不便于识别分析。
[0047] 在本实施例中,对二维时频谱进行归一化处理,即采用以下算式对时频谱进行归一化转换:
[0048]
[0049] (2)式中,Xmin为样本中的最小值,Xmax为样本中的最大值。
[0050] 如图4所示,归一化后的二维谱能够在频率坐标轴上同时描述连续和离散时间信号的频率变化图像,便于识别频率范围,确定充有不同流体的储层频率界限值。
[0051] 步骤S30:根据时频谱中井点目的储层所对应的时间区间中时频谱图像特征来识别储集体中的流体充填性质。
[0052] 在图5~8中,井点目的储层所对应时间区间为T74至T74+60ms之间的部分。
[0053] 如图5所示,当所述时间区间中的时频谱图像呈朝向频率减小的方向凸出的拱形,并且在此时间区间内的时频谱的频率小于主频,则所述井点目的储层的储集体中的流体含油量比含水量高。
[0054] 含油量是指储集体中原油的体积占流体体积的百分比;含水量是指储集体中地下水的体积占流体体积的百分比。
[0055] 如图6所示,当所述时间区间中的时频谱图像呈朝向频率增大的方向凸出的拱形,并且在此时间区间内的时频谱的频率大于主频,则所述井点目的储层的储集体中的流体含水量比含油量高。
[0056] 如图7所示,当所述时间区间中的时频谱图像向高频方向迁移,并且在此时间区间内的时频谱的频率大于30Hz,则所述井点目的储层的储集体中不含水也不含油。
[0057] 如图8所示,当所述时间区间中的时频谱图像沿平行于时间轴的方向延伸,并且在此时间区间内的时频谱的频率大于30Hz,则该储层中没有储集体发育。
[0058] 采用本方法能预测待钻井目的储层是否含有流体及流体性质,可以用于指导生产。
[0059] 对比例1
[0060] 采用本方法对塔河超深层碳酸盐岩储层中的储集体中的流体进行油水性质识别时,先对多个井点目的储层中的油水性质进行识别,然后与在该油藏区域钻取的247口井的测井资料进行验证。其中,认为储集体中的流体含油量比含水量高的情况的吻合率为86%,认为该储层的储集体中的流体含水量比含油量高的情况的吻合率为68.4%,认为储层中没有储集体以及储集体发育程度低的吻合率为76.9%。上述统计没有考虑钻后酸压、大型压裂和注水等措施井。流体识别结果与实际生产井吻合率高,该结果表明利用时频谱特征分析识别碳酸盐岩储层的储集体中油水性质是可靠的。
[0061] 对比例2
[0062] 如表1所示,为验证频谱属性检测塔河奥陶系缝洞储集体流体性质的可行性,根据9口待钻井的井位坐标和大致完钻深度,判断采用基于时频谱图像特征分析,进行钻前预测缝洞储集体流体含油性的有效性。最终9口井按照频谱界限标准和流体检测结果预测完井后储层段产油情况,7口井符合储层流体检测结果,达到比较满意结果。
[0063] 表1 钻前预测与实际生产结果对比
[0064]
[0065] 虽然已经参考优选实施例对本发明进行了描述,但在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈