简介:根据同步分析多种属性和分析在三维体中形成的四维异常,明显地改进了时延地震可视检验的程序。一种模式识别方法用于结合来自多属性的互补信息并监测四维异常。该方法由两个步骤构成——分析步骤与识别步骤。分析步骤目的在于发现四维异常的有代表性样本。而在识别步骤中,这些样本用于训练神经网络以便识别四维异常响应不同于背景响应。它表明了样本的选择极为重要而且应该与时延研究的目标相对应。与常规单一属性分析相比,它显示了无重复噪声的明显减少。此外它还展示了指导时延分析(辨别不同类型的四维异常)方法的潜力。一般说来,非重复噪声可以降低四维地震表征工程的价值。代价不菲的专用采集方法可能减少非重复噪声。在这次研究中,证明了用本文所叙述的高代价监测技术能够减小非重复性噪声。
简介:内乌肯(Neuquen)盆地上侏罗统一下白垩统瓦卡穆尔塔组(VacaMuerta)(VM)是阿根廷很多常规油气田的重要烃源岩。随着该国页岩油气勘探开发的兴起,很多公司开始对瓦卡穆尔塔组页岩区带进行描述。用于识别页岩区带的特征参数比较多,其中之一就是总有机碳(TOC)含量;TOC较高的地方产量也较高。不过我们无法直接通过地震资料对其进行测量,只能通过间接方法进行估测。考虑到TOC对纵波和横波速度以及密度的影响,地球科学家试图利用TOC与P-波阻抗之间的线性或非线性关系来计算TOC。我们认为,利用该方法对瓦卡穆尔塔组进行描述存在较大的不确定性,因此提出了一种不同的描述方法。由于伽马值(GR)和TOC之间可能存在线性关系,所以除P-波阻抗之外,伽马值是另一个可以用来描述瓦卡穆尔塔组的参数。利用P-波阻抗和GR数据体和贝叶斯分类法,基于TOC及其相关的不确定性建立了由不同岩相构成的储层模型。首先,根据由测井数据计算的GR和P-波阻抗的截止值识别不同的岩相。然后利用高斯椭圆法确定GR与P-波阻抗的交会图上数据的分布。接下来,根据高斯椭圆确定每个岩相的二维概率密度函数(PDFs)。将这些PDFs与GR及P-波阻抗数据体相结合,就可以在3D数据体(3Dvolume)内识别不同的岩相。通过基于模型的叠后反演来计算P一波阻抗,同时使用概率神经网络(PNN)法来计算GR。用此方法得到的P-波阻抗和GR与3D数据体内的盲井具有很好的一致性,这增强了我们利用该方法对瓦卡穆尔塔组进行描述的信心。把以曲率线性特征(curvaturelineaments)表示的不连续性叠加在目的层的TOC图上,有助于得出更全面的认识,进而帮助优化水平井的部署方案。
简介:倾角时差校正(DMO)技术是当前一项非常重要的地震资料处理技术。它能够在叠前通过特定的速度分析和倾角时差计算,消除正常时差校正(NMO)无法消除的地层倾角影响,实现叠前部分偏移,从而提高剖面叠加质量。对于野外施工规则、覆盖次数均匀的资料,常规DMO处理效果好;但对于由于野外施工不规则或丢道而造成覆盖次数不均匀的资料,常规DMO达不到理想处理效果;在覆盖次数低的区域,常规DMO常引起斜干扰和空间假频。本文介绍的均衡DMO(EQ-DMO)能够消除上述影响。文章简单介绍了均衡DMO的基本原理,通过试验,验证了均衡DMO在覆盖次数不均匀的地震资料处理中的作用。