论文部分内容阅读
随着油气勘探的逐渐深入,薄砂层(2-8米)的识别与解释变得越来越重要,如何求取薄砂层厚度即薄层、薄互层厚度预测技术已成为当今油气地震勘探的一项重要研究课题。本文针对以砂、泥、煤薄互层为储层的地层特征,利用神经网络算法设计研究一反演方法来提高薄互层预测的分辨率。本文首先介绍了薄互层反演技术的国内外发展现状及发展趋势,阐述了研究砂、泥、煤薄互层反演技术的重要实际意义。鉴于目前反演技术存在的局限性,研究设计了一套针对砂泥煤薄互层反演的方法技术,具体方法如下:1.对已钻井的岩电特征进行交互分析,优选出对薄储层敏感的物性特征(如密度、自然伽玛、电阻率等);2.用钻井的岩性数据校正薄储层反应敏感的物性曲线,使砂泥煤能明显分开;3.在进行常规波阻抗反演的基础上,开展敏感物性曲线的反演(如密度反演、自然伽玛反演、电阻率反演等),达到薄互层反演的目的。为了验证研究思路有效与否,本文选取了实际数据对方法进行验证。研究区三维地震数据分辨率低、主频低、地层薄且砂泥煤交互,因此给反演带来了一定的难度。本文利用以上反演方法并结合实际的砂泥煤薄互层数据来进行波阻抗反演和反射系数反演,以提高反演结果的分辨率。研究中发现,密度作为物性特征对该区的岩性敏感度最高。因此,根据研究方法,实验利用岩性数据来校正密度和声波曲线,并在常规波阻抗反演的基础上,应用Jason和STRATA(Geoview)的EMERGE模块神经网络算法进行了密度反演。反演结果表明,STRATA中EMERGE的神经网络算法预测薄储层效果较好,但运算工作量非常大;利用岩性数据校正密度和声波曲线后的密度反演效果较好;在神经网络算法中考虑反射系数是提高分辨率的一种有效途径。该方法提高了该区储层预测的纵向分辨率,加强了对薄互层砂体的识别能力,为下一步储层预测和岩性圈闭的落实打下了很好的基础,获得了较好的地质效果,为该区隐蔽油气藏的勘探做了有意义的探索。