CN113759424B 基于频谱分解和机器学习的岩溶储层充填分析方法和系统 （中国科学院地质与地球物理研究所）

所号US2019293818A1,2019.0基于频谱分解和机器学习的岩溶储层充填本发明属于数据识别、记录载体的处理领识别大范围内复杂盆地碳酸盐岩洞穴型储层的曲线数据；通过混合相位子波反褶积和扩散滤够反映整体地质情况的最优样本数参量进而确波阻抗解释结论门槛值计算缝洞型储层结构特会分析获得古岩溶洞穴充填物三维空间形态特2基于成像测井信息、钻井信息、录井信息和岩心信息步骤S200，获取地震数据，通过地震波激发装步骤S600，构建等时格架模型：基于高精度三维步骤S800，刻画井间溶洞系统边界：基于对储层基于所述古岩溶洞穴与围岩波阻抗门槛值，将高精度3汇版图中框选数据点作为测井解释样本点，获得充填程度与充填物类型的解释结论门槛通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获得洞2.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征W为地层水电阻率值；通过探测器获取自然伽马射线，并将所述自然伽马射线所述地面仪器把每分钟形成的电脉冲计数转3.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征步骤S330，基于所述去除离群点的测井曲线数据，叠合工区4.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征4步骤S420，将所述频率域地震记录褶积模型的5(t)=i(t)+(t)266(r)=i(t)+i(t)+i(-t)+(-t)位分量v(t)所对应的最小相位函数的复赛谱，i(-t)为地震子波最小相位分量u(t)所对应步骤S470，基于所述振幅谱中的复赛谱确定一组具有相同振幅谱的混合相位子波集5v和v3对应的三个特征值；步骤S490，基于所述结构张量的特征向量分别计算线状步骤S4100，重复步骤S480-S490的步骤，直至5.根据权利要求4所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征将所述地震信号振幅谱的极大值和所述模拟地震子波振幅谱通过最小二乘法拟合的将所述地震信号振幅谱的极大值除以所拟合出的相应频6.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征步骤S720，根据波形相似性原则选取数量为参数数据与参考目标井标准化测井曲线特征参数数据进行相关性分析获得样本数参量-参6步骤S750，基于所述高精度的三维地震振幅数据体和步骤S760，基于所述初始模型，选取最优样本数步骤S780，基于所述最大似然函数和先验信息步骤S790，以所述目标函数作为所述初始模7.根据权利要求6所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征步骤S781，利用白噪声满足高斯分布的规律，其中，Y表示测井曲线高精度特征值模拟结果数据体的参数pp78.根据权利要求6所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征步骤S793，由M中的某一点Z0出发，通过马尔科夫链进行抽样模拟，产生点序列：Z；(i-1)＝Z(i-1)；9.根据权利要求1所述的基于频谱分解和机器学习的岩溶储层充填分析方法，其特征步骤S940，将所述二维交会图解释结论门槛值输入三维8所述原始地球物理测井资料获取模块，配置为通过测基于成像测井信息、钻井信息、录井信息和岩心信息所述地震数据获取模块，配置为通过地震波激发装置所述原始地球物理测井数据预处理模块，配置为基于所述地震数据预处理模块，配置为基于所述地震波反射信所述井震标定与特征参数选取模块，配置为基于所述标准测井曲线数据与地震记录的时深转化关系和所述等时格架模型构建模块，配置为基于高精度三维地所述井间特征参数模拟模块，配置为基于各样本井的标准化基于所述古岩溶洞穴与围岩波阻抗门槛值，将高精度9所述溶洞内部充填岩性物性边界刻画模块，配置为刻画洞穴内部充填岩性物性边界：通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获得洞所述古岩溶洞穴结构与充填特征三维描述模块，配置为古岩溶洞穴结构与充填描述：浅层碎屑岩和多孔碳酸盐岩储层得到的探测经验不能直接用于塔河油田的古岩溶储层勘方法只将地质资料作为对随机模拟结构优选，并未考虑地震信息对测井样本优选的贡献，快的储层的问题。本发明提供了一种基于频谱分解和机器学习的岩溶储层充填分析方法，测井曲线数据与地震记录的时深转化关系和[0023]通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获[0044]步骤S420，将所述频率域地震记录褶积模型的等式两边取对[0047](t)=(t)+(t)[0048]其中，(t)表示地震波形记录的复赛谱序列，i()表示地震子波的复赛谱序列，(t)表示地层反射系数的复赛谱序列，t表示地震波形记录时间；大相位分量v(t)所对应的最小相位函数的复赛谱，i(-t)为地震子波最小相位分量u(t)所表示扩散滤波结果，ul-o表示=0时的扩散滤波结果，表示t=0时刻的整形后波形数[0066]G,表示尺度为p的高斯函数为：a和s这三个特征方向的滤波强度；[0083]将所述地震信号振幅谱的极大值和所述模拟地震子波振幅谱通过最小二乘法拟的特征参数数据与参考目标井标准化测井曲线的特征参数数据进行相关性分析获得样本与所述对储层敏感的特征参数一一对应的曲线参数，至少包括波阻抗IMP，还可包括井径表示用于协调lz和l2之间的相互影响的平滑参数。[0131]所述原始地球物理测井数据预处理模块，配置为基于所述样本井的原始测井数获得测井曲线数据与地震记录的时深转化关系和[0141]通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获指令用于被所述处理器执行以实现上述的基于频谱分解和机器学习的岩溶储层充填分析[0146]本发明通过利用高精度的三维地震波形数据之间的关联性在初始等时地质格架[0147]本发明在贝叶斯理论指导下的马尔科夫链抽样准则与蒙特卡罗估计法建立地球[0149]图1是本发明基于频谱分解和机器学习的岩溶储层充填分析方法实施例的流程示[0158]图10是本发明实施例中将将所有参考井的特征参数的相关性随样本数参量变化[0161]为了更清晰地对本发明基于频谱分解和机器学习的岩溶储层充填分析方法进行系的古岩溶洞穴型目标体会产生多样的地震波形反射特征，即反射形态特征对于洞穴直探方法，借助地震波激发源与地震信号检波器，得到工区面积约27km2的三维地震资料数间差At为:[0189]补偿中子测井由一个中子发射源与两个接收探测器组成。通过对两个探测器计电流时，可动电阻的某一固定端与滑动端之间的电位差将随着其间电阻值的变化而变化。子波反褶积（mixed-phasewaveletestimationandmaximumposteriori[0203]混合相位子波反褶积是一种在确保处理后的地震数据具有较高保真度高的前提下，通过拓宽有效频带从而提高地震信号分辨率的数据处理方法，相当于本实施例中的[0208]步骤S420，将所述频率域地震记录褶积模型的等式两边取对[0211](t)=(t)+(t)[0212]其中，(t)表示地震波形记录的复赛谱序列，i()表示地震子波的复赛谱序列，(t)表示地层反射系数的复赛谱序列，t表示地震波形记录时间；[0219]将所述地震信号振幅谱的极大值和所述模拟地震子波振幅谱通过最小二乘法拟大相位分量v(t)所对应的最小相位函数的复赛谱，i(-t)为地震子波最小相位分量u(t)所[0229]Fhemers和Hocker于2003年首次将扩散滤波技术应用在地震资料的处理解释中。表示扩散滤波结果，ul-o表示=0时的扩散滤波结果，表示t=0时刻的整形后波形数[0256]首先井震标定整合测井与地震资料，根据补偿声波曲线AC与密度曲线DEN计算波体所反映的沉积地层规律和所述时深转化关系构建等时格架模型。确定目标层段位置后，特征参数数据与参考目标井标准化测井曲线特征参数数据进行相关性分析获得样本数参参数的相关性值连接,获得参考井曲线特征参数相关性随样本所有参考井的特征参数的相关性随样本数参量变化的相关性曲线拟合为整体相关性曲线与所述对储层敏感的特征参数一一对应的曲线参数，至少包括波阻抗IMP，还可包括井径[0283]其中，表示与后验信息有关的;ft-,z)[0302]通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获[0310]古岩溶洞穴型储层半充填样本框选如图8所示，古岩溶洞穴型储层半充填储层刻[0316]所述原始地球物理测井数据预处理模块，配置为基于所述样本井的原始测井数获得测井曲线数据与地震记录的时深转化关系和[0326]通过所述解释结论门槛值对所述高精度特征值模拟结果数据体进行交会分析获能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，[0336]可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可