阅读说明：本技术 一种基于井震结合的含油饱和度预测方法 (Oil saturation prediction method based on well-seismic combination ) 是由 徐立恒 何英伟 梁宇 杨会东 王元波 朱权 李红星 周华建 黄勇 于 2019-09-11 设计创作，主要内容包括：本发明涉及一种基于井震结合的含油饱和度预测方法。主要解决了现有预测方法含油饱和度预测结果精度较低的问题。其特征在于：1)对目标工区进行地震采集,获取角度叠加地震数据、岩芯资料和测井数据；2)利用岩芯资料试验得到井点含油饱和度数据；3)建立与井点含油饱和度数据的关系图版；4)分别统计井点纵波速度、横波速度、密度的变差函数；5)输入纵波速度、横波速度、密度测井数据和角度叠加地震数据,建立纵波速度、横波速度、密度数据模型；6)根据含油饱和度与纵横波速度比、纵波速度×密度关系图版,将纵波速度、横波速度、密度数据模型转换生成含油饱和度模型。该井震标定方法利用高密度地震资料优势精确预测储层含油饱和度。(The invention relates to an oil saturation prediction method based on well-seismic combination. The method mainly solves the problem that the accuracy of the oil saturation prediction result is low in the existing prediction method. The method is characterized in that: 1) carrying out seismic acquisition on a target work area, and acquiring angle stack seismic data, core data and logging data; 2) obtaining well point oil saturation data by using a core data test; 3) establishing a relation chart with the oil saturation data of the well points; 4) respectively counting variation functions of longitudinal wave speed, transverse wave speed and density of well points; 5) inputting longitudinal wave velocity, transverse wave velocity, density logging data and angle stacking seismic data, and establishing longitudinal wave velocity, transverse wave velocity and density data models; 6) and converting the longitudinal wave velocity, transverse wave velocity and density data models to generate an oil saturation model according to the relation chart of the oil saturation, the longitudinal wave velocity ratio, the transverse wave velocity ratio and the longitudinal wave velocity multiplied by the density. The well seismic calibration method accurately predicts the oil saturation of the reservoir by using the advantages of high-density seismic data.)

一种基于井震结合的含油饱和度预测方法

技术领域

本发明涉及油田开发技术领域，尤其涉及一种基于井震结合的含油饱和度预测方法。

背景技术

目前国内陆上油田大多处于高含水开发阶段，井网密度大，剩余油分散，如何精确预测储层含油饱和度，对于油田稳产增效有重要意义。高密度地震资料具有横向高密度采样的优势，能够提高含有饱和度预测的精度。

目前发表的文献及专利中的与地震有关的含有饱和度预测方法存在以下不足：(1)没有建立油、水解释的定量化特征图版，导致预测结果的不确定性增强，与实际剩余油特征有偏差；(2)常规方法一般选择流体因子、振幅及地震低频信息等手段模拟剩余油的分布，没有充分发挥井资料纵向分辨率高与地震资料横向采样密集的优势，导致含有饱和度预测结果精度较低。因此，如何通过井震结合实现剩余油精细预测是亟待解决的问题。

发明内容

本发明在于克服背景技术中存在的现有预测方法含油饱和度预测结果精度较低的问题，而提供一种基于井震结合的含油饱和度预测方法。该基于井震结合的含油饱和度预测方法，充分利用高密度地震资料优势，能够精确预测储层含油饱和度，对于油田稳产增效有重要意义。

本发明解决其问题可通过如下技术方案来达到：一种基于井震结合的含油饱和度预测方法，包括以下步骤：

一种基于井震结合的含油饱和度预测方法，包括以下步骤：

1)对目标工区进行地震采集，获取角度叠加地震数据，在该目标工区内钻井和测井，获取岩芯资料和测井数据；其中测井数据包括纵波速度、横波速度和密度测井曲线；

2)利用步骤(1)中的岩芯资料通过实验测量得到井点含油饱和度数据；

3)统计步骤(1)中纵波速度、横波速度、密度测井曲线，计算得到纵波速度/横波速度、纵波速度×密度，并建立与步骤(2)中井点含油饱和度数据的关系图版；

4)分别统计步骤(1)中井点纵波速度、横波速度、密度的主、次、垂向变差函数；

5)输入步骤(1)中纵波速度、横波速度、密度测井数据和角道集叠加地震资料，采用井震结合方法建立纵波速度、横波速度、密度数据模型；

6)根据步骤(5)得到的纵波速度、横波速度、密度三维模型，计算得到纵横波速度比三维模型和纵波速度×密度三维模型，然后，根据含油饱和度与纵横波速度比、纵波速度×密度的关系图版，将纵横波速度比三维模型和纵波速度×密度三维模型联合生成含油饱和度三维模型。

所述步骤(5)中三维模型具体实现过程为：

1)基于井点纵波速度、横波速度、密度曲线数据，采用变差函数为核心的序惯高斯模拟算法，得到纵波速度、横波速度、密度初始三维模型；

2)将纵波速度、横波速度、密度初始三维模型，利用Richards公式，得到3个近、中、远角度的反射系数模型；

3)将近、中、远角度反射系数模型与子波进行褶积计算得到近、中、远角度合成地震模型，并将近、中、远角度合成地震模型分别与实际采集得到的近、中、远角度地震模型进行差值计算，得到近、中、远地震残差值；

4)当地震残差值小于设定值(一般为1％)时，即将纵波速度、横波速度、密度初始三维模型定为最终结果输出，否则重新计算纵波速度、横波速度、密度初始三维模型，直至满足设定值要求。

Richards公式：

θ为入射角，v_s纵波速度,v_p横波速度，ρ为密度，Δρ上下介质的密度差值，Δv_p为上下介质的纵波速度差值，Δv_s为上下介质的横波速度差值。

地震残差值公式：Q_θ＝(合成记录_θ-实际地震_θ)/实际地震_θ。

本发明与上述背景技术相比较可具有如下有益效果：本发明提供了一种基于井震结合的含油饱和度预测方法，该方法能够充分发挥井资料纵向分辨率高与地震资料横向采样密集的优势，含油饱和度预测结果更加精细，能够定量预测储层含油饱和度信息，提升剩余油挖潜效果，有利于油田高效稳产，对于在我国油田开发具有较大的应用价值。

附图说明：

附图1是本发明井震结合含油饱和度预测方法流程图；

附图2是本发明实施例中含油饱和度与纵横波速度比、纵波速度×密度曲线关系图版；

附图3是本发明实施例中纵波速度、横波速度和密度的主方向变差函数；

附图4是本发明实施例中纵波速度、横波速度和密度的次方向变差函数；

附图5是本发明实施例中纵波速度、横波速度和密度的垂向变差函数；

附图6是本发明实施例中纵横波速度比三维模型图；

附图7是本发明实施例中纵波速度×密度三维模型图；

附图8是本发明实施例中含油饱和度三维模型图。

具体实施方式

：

下面将结合附图及具体实施例对本发明作进一步说明：

实施例1

以大庆油田北西区为例子，如图1所示，研究基于井震结合的含油饱和度预测方法，该方法包括以下步骤：

步骤1、对目标工区进行地震采集，获取角度叠加地震数据，在该目标工区内钻井和测井，获取岩芯资料和测井数据；其中测井数据包括纵波速度、横波速度和密度测井曲线；

步骤2、利用步骤(1)中的岩芯资料通过实验测量得到井点含油饱和度数据；

步骤3、统计步骤(1)中纵波速度、横波速度、密度测井曲线，计算得到纵波速度/横波速度、纵波速度×密度，并建立与步骤(2)中井点含油饱和度数据的关系图版(如图2所示)；从图2图版上可以看到，随着含油饱和度的增加，纵横波速度比、纵波速度×密度数值逐渐降低，这是井震结合定量识别含油饱和度的关键和依据。

步骤4、分别统计步骤(1)中井点纵波速度或横波速度或密度的主、次、垂向变差函数(如图3、4、5所示)；图3是纵波速度、横波速度、密度主方向的变差函数图，是基于井点纵波速度、横波速度、密度数据进行空间拟合得到；图4是纵波速度、横波速度、密度的次方向变差函数图，是基于井点纵波速度、横波速度、密度数据进行空间拟合得到；图5是纵波速度、横波速度、密度的垂向变差函数图，是基于井点纵波速度、横波速度、密度数据进行空间拟合得到。

步骤5、输入纵波速度、横波速度、密度测井数据和角度叠加地震资料，采用井震结合方法建立纵波速度、横波速度、密度三维模型。具体实现过程为：首先，基于井点纵波速度、横波速度、密度曲线数据，采用变差函数为核心的序惯高斯模拟算法，得到纵波速度、横波速度、密度初始三维模型；其次，将纵波速度、横波速度、密度初始三维模型，利用Richards公式，得到3个近、中、远角度的反射系数模型；然后，将近、中、远角度反射系数模型与子波进行褶积计算得到近、中、远角度合成地震模型，并将近、中、远角度合成地震模型分别与实际采集得到的近、中、远角度地震模型进行差值计算，得到近、中、远地震残差值，当地震残差值小于设定值(一般为1％)时，即将纵波速度、横波速度、密度初始三维模型定为最终结果输出，否则重新计算纵波速度、横波速度、密度初始三维模型，直至满足设定值要求。

Richards公式：

θ为入射角，v_s纵波速度,v_p横波速度，ρ为密度，Δρ上下介质的密度差值，Δv_p为上下介质的纵波速度差值，Δv_s为上下介质的横波速度差值。

残差值公式：Q_θ＝(合成记录_θ-实际地震_θ)/实际地震_θ。

步骤6、基于步骤5得到的纵波速度、横波速度、密度三维模型，计算得到纵横波速度比三维模型和纵波速度×密度三维模型(如图6、图7)。然后，根据含油饱和度与纵横波速度比、纵波速度×密度的关系图版，将纵横波速度比三维模型和纵波速度×密度三维模型联合生成含油饱和度三维模型(如图8所示)。

该井震标定方法，与常规识别流体方法相比，优势在于能够充分发挥井资料纵向分辨率高与地震资料横向采样密集的优势，含油饱和度预测结果更加精细，有助于提升油田剩余油开采效果。