[发明专利]一种基于沉积速率估算的三角洲沉积微相定量划分方法有效
申请号: | 202210148805.5 | 申请日: | 2022-02-18 |
公开(公告)号: | CN114200543B | 公开(公告)日: | 2022-09-02 |
发明(设计)人: | 宋翠玉;吕大炜;张之辉;王东东;刘海燕 | 申请(专利权)人: | 山东科技大学 |
主分类号: | G01V11/00 | 分类号: | G01V11/00;G06F17/10;G06F17/18;G06K9/00 |
代理公司: | 青岛高晓专利事务所(普通合伙) 37104 | 代理人: | 黄晓敏 |
地址: | 266000 山东省青*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 沉积 速率 估算 三角洲 定量 划分 方法 | ||
本发明属于沉积微相划分技术领域,涉及一种基于沉积速率估算的三角洲沉积微相定量划分方法,以较易获得的测井数据为基础,利用米兰科维奇旋回时间序列分析法获取地层剖面的沉积速率曲线,进而依据直观的沉积速率突变界线准确、快速地完成三角洲微相划分,该方法简便快捷,能有效减少人为干预及工作量,为三角洲沉积微相划分提供了一种新途径。
技术领域
本发明属于沉积微相划分技术领域,涉及一种基于沉积速率估算的三角洲沉积微相定量划分方法。
背景技术
三角洲沉积微相的识别与划分是开展应用沉积学研究、进行能源勘探与预测的基础且关键性工作,近年来,易获取的、连续、高精度、高分辨率的测井资料为理解和认知沉积微相提供了数据基础,早期通过测井数据开展沉积微相识别与划分以定性解释分析为主,即对测井曲线的幅度、形态、光滑程度等进行分析,结合岩性、矿物成分等地质信息进行人工识别,其准确度受工作人员主观性及经验的影响与限制,现代信息技术促使测井-沉积微相分析向定量方向发展,常用方法如Bayes判别法、模糊聚类法、BP神经网络法、SVM判别法,以及一些深度学习模型等,以上定量识别方法大大提高了微相识别的客观性和精度,但存在样本选取及标签标注的工作量大、训练样本数量小、模型的泛化能力弱等局限性,因此,基于可获得的地质测井资料,如何快速、有效、准确地识别三角洲微相成为石油勘探和开发中需要迫切解决的问题。
沉积微相是在基本一致的沉积条件下形成的最基本的沉积单元,同一相带内沉积环境相对稳定,其沉积速率往往变化不大;而不同沉积微相常对应不同的岩性组合及韵律,反映了沉积环境的差异,其沉积速率亦可呈现明显差异,从而形成相变界线,因此,在已知沉积背景下,相带之间沉积速率的差异性可作为进一步划分沉积微相的定量依据,基于旋回地层学分析方法eCOCO(evolutionary correlation coefficient)估算地层剖面的沉积速率,本发明提出一种基于沉积速率估算的三角洲沉积微相定量划分方法。
发明内容
本发明的目的在于克服现有技术存在的缺点,设计提供一种基于沉积速率估算的三角洲沉积微相定量划分方法,基于旋回地层学分析方法eCOCO(evolutionarycorrelation coefficient)估算地层剖面的沉积速率,从而实现沉积微相的定量划分。
为了实现上述目的,本发明对三角洲沉积微相定量划分的具体过程为:
步骤S1:采集地层测井数据序列,地层测井数据序列包括自然伽马(GR)和自然电位(SP)数据等;
步骤S2:数据预处理,将步骤S1的地层测井数据序列进行重采样、剔除异常值、去均值、去趋势化以及预白化等处理,以尽量消除地层数据中的各种环境“噪声”;
步骤S3:基于eCOCO的地层沉积速率估算,该步骤包括相关性评价、天文驱动检验和有贡献的天文周期参数个数统计三个环节,其中,相关系数评价即计算待测试沉积速率下的地层时间序列与天文目标序列的相关系数;天文驱动检验即通过零假设检验某沉积速率下是否存在天文周期信号;统计对相关系数有贡献的天文周期参数的个数用于避免仅有少数天文参数得到高相关系数的情况,待测试的沉积速率在一定取值范围内按特定步长取值,同时满足相关系数高、零假设
步骤S4:生成沉积速率曲线,基于滑动窗口技术,eCOCO跟踪地层不同深度的最优沉积速率,获得地层剖面深度域的沉积速率曲线;
步骤S5:沉积微相划分,以步骤S4获得的沉积速率曲线为基础,寻找沉积速率显著变化的界线,结合沉积背景及岩性组合等地质信息完成三角洲沉积环境下微相的划分。
优选的,所述S3中待测试沉积速率的取值范围受Nyquist频率和Reyleigh频率的约束,其中,时间域内周期图的Nyquist频率和Reyleigh频率分别定义为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东科技大学,未经山东科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210148805.5/2.html,转载请声明来源钻瓜专利网。