波形分类方法在松辽盆地火山岩相识别中的应用
|
摘要
本文以松辽盆地SP地区营城组上部旋回火山岩为例,利用自组织神经网络方法进行波形分类计算,采用时窗、振幅、频率和相位参数进行训练,经过30次迭代计算,划分了15种模型道。由计算得到的地震相图可观察到地震波形呈块状或沿断裂呈条带状分布,与地质背景相吻合。然后遵循岩相命名原则,根据钻井岩相标定单井火山岩相并进行岩相平面预测。预测的火山岩相分布规律与钻井岩相统计规律一致。此岩相预测结果应用于SP地区火山岩气藏开发井网部署,取得了较好效果,表明该方法预测火山岩相是可行的。
Taking the volcanic in upper cycle of Yingcheng Formation in SP area of Songliao basin, the paper utilizes self-organization neural network approach to carry out waveform classification, uses such parameters as time-window, amplitude, frequency and facies to implement training and divides 15 kinds of model traces after 30 iterative computations. The seismic waveforms can be seen as pieces distribution or strips distribution along the faults on the resulted seismic facies map, which is coincident with geologic background. Then, following the lithofacies-naming principle, we calibrated volcanic facies at single well based on drilling lithofacies and conducted planar prediction of lithofacies. The distribution law of predicted volcanic facies is consistent with the statistical raw of drilling lothofacies. Application of the predicted lithofacies results to deploy the development well network of volcanic gas reservoir in SP area achieved good effects, showing the feasibility using the approach to predict the volcanic facies.
Taking the volcanic in upper cycle of Yingcheng Formation in SP area of Songliao basin, the paper utilizes self-organization neural network approach to carry out waveform classification, uses such parameters as time-window, amplitude, frequency and facies to implement training and divides 15 kinds of model traces after 30 iterative computations. The seismic waveforms can be seen as pieces distribution or strips distribution along the faults on the resulted seismic facies map, which is coincident with geologic background. Then, following the lithofacies-naming principle, we calibrated volcanic facies at single well based on drilling lithofacies and conducted planar prediction of lithofacies. The distribution law of predicted volcanic facies is consistent with the statistical raw of drilling lothofacies. Application of the predicted lithofacies results to deploy the development well network of volcanic gas reservoir in SP area achieved good effects, showing the feasibility using the approach to predict the volcanic facies.
引文
[1]王璞珺等.大庆目标区火山喷发岩储层建模机制分析及数学表达.国家自然科学基金重大项目课题研究报告,2002
[2]中国石油勘探开发研究院和大庆油田公司勘探开发研究院.庆深气田开发方案.中石油公司开发项目报告,2005
[1]王璞?,陈树民,刘万洙等.松辽盆地火山岩相与火山岩储层的关系.石油与天然气地质,2003a,24(1):18～27
[2]王璞?,迟元林,刘万洙等.松辽盆地火山岩相:类型、特征和储层意义.吉林大学学报(地球科学版),2003b,33(4):449～456
[3]李长山,陈建文,游俊等.火山岩储层建模初探.地学前缘,2000,7(4):381～389
[4]刘万洙,王璞?,门广田等.松辽盆地北部深层火山岩储层特征.石油与天然气地质,2003,24(1):88～31
[5]陈建文,王德发,张晓东.松辽盆地徐家围子断陷营城组火山岩相和火山机构分析.地学前缘,2000,7(4):371～379
[6]李世凯,刘万洙,陈树民等.松辽盆地储层火山岩岩性、岩相与储层物性的关系研究.吉林大学学报(地球科学版),2003,33(专辑V):136～140
[7]邱春光,王璞?,门广田等.松辽盆地徐家围子断陷火山岩相和亚相的测井识别.吉林大学学报(地球科学版),2003,33(专辑V):123～127
[8]郭振华,王璞?,印长海.松辽盆地北部火山岩岩相与测井相关系研究.吉林大学学报(地球科学版),2006,36(2):207～214
[9]邱颖,孟庆武,李悌等.神经网络用于岩性及岩相预测的可行性分析.地球物理学进展,2001,16(3):76～84
[10]魏莲,肖慈.用自组织神经网络方法实现测井相定量识别.物探化探计算技术,2001,23(4):324～328
[11]薛林福,潘保芝.用自组织神经网络自动识别岩相.长春科技大学学报,1999,29(2):144～147
[12]罗立民,王允诚.自组织特征映射网络的改进及在储层预测中的应用.石油地球物理勘探,1997,32(2):237～245
[13]张应波,张骥东.地震岩性预测新方法探索.石油地球物理勘探,1999,34(6):711～722
[14]张治国,杨毅恒,夏立显.自组织特征映射神经网络在测井岩性识别中的应用.地球物理学进展,2005,20(2):332～336
[15]梁桂蓉,黄晓红,赵宪生.利用地震波多参数组合预测沉积微相研究.地震研究,2004,27(3):252～255
[16]邹新宁,孙卫,张盟勃.沼泽沉积环境的辫状河道特征及其识别方法.石油地球物理勘探,2005,40(4):438～443
[17]赵政璋,赵贤正,王英民等.储层预测理论与实践.北京:科学出版社,2005
[2]中国石油勘探开发研究院和大庆油田公司勘探开发研究院.庆深气田开发方案.中石油公司开发项目报告,2005
[1]王璞?,陈树民,刘万洙等.松辽盆地火山岩相与火山岩储层的关系.石油与天然气地质,2003a,24(1):18～27
[2]王璞?,迟元林,刘万洙等.松辽盆地火山岩相:类型、特征和储层意义.吉林大学学报(地球科学版),2003b,33(4):449～456
[3]李长山,陈建文,游俊等.火山岩储层建模初探.地学前缘,2000,7(4):381～389
[4]刘万洙,王璞?,门广田等.松辽盆地北部深层火山岩储层特征.石油与天然气地质,2003,24(1):88～31
[5]陈建文,王德发,张晓东.松辽盆地徐家围子断陷营城组火山岩相和火山机构分析.地学前缘,2000,7(4):371～379
[6]李世凯,刘万洙,陈树民等.松辽盆地储层火山岩岩性、岩相与储层物性的关系研究.吉林大学学报(地球科学版),2003,33(专辑V):136～140
[7]邱春光,王璞?,门广田等.松辽盆地徐家围子断陷火山岩相和亚相的测井识别.吉林大学学报(地球科学版),2003,33(专辑V):123～127
[8]郭振华,王璞?,印长海.松辽盆地北部火山岩岩相与测井相关系研究.吉林大学学报(地球科学版),2006,36(2):207～214
[9]邱颖,孟庆武,李悌等.神经网络用于岩性及岩相预测的可行性分析.地球物理学进展,2001,16(3):76～84
[10]魏莲,肖慈.用自组织神经网络方法实现测井相定量识别.物探化探计算技术,2001,23(4):324～328
[11]薛林福,潘保芝.用自组织神经网络自动识别岩相.长春科技大学学报,1999,29(2):144～147
[12]罗立民,王允诚.自组织特征映射网络的改进及在储层预测中的应用.石油地球物理勘探,1997,32(2):237～245
[13]张应波,张骥东.地震岩性预测新方法探索.石油地球物理勘探,1999,34(6):711～722
[14]张治国,杨毅恒,夏立显.自组织特征映射神经网络在测井岩性识别中的应用.地球物理学进展,2005,20(2):332～336
[15]梁桂蓉,黄晓红,赵宪生.利用地震波多参数组合预测沉积微相研究.地震研究,2004,27(3):252～255
[16]邹新宁,孙卫,张盟勃.沼泽沉积环境的辫状河道特征及其识别方法.石油地球物理勘探,2005,40(4):438～443
[17]赵政璋,赵贤正,王英民等.储层预测理论与实践.北京:科学出版社,2005
版权所有：© 2023 中国地质图书馆 中国地质调查局地学文献中心