Geoview-AVO属性和正反演技术讲课.ppt

AVO_LMR反演 AFI定量分析基本过程 基本模型 趋势分析: 其它参数的可能性分布图 实际数据效正 将六个已知区域拟合到模型中 趋势分析砂岩和页岩的测井曲线趋势 在六个埋藏深度的Monte Carlo 正演模拟结果 近角度震幅切片显示所定义的不同区域 在定义的位置对实际数据进行效正 在产油带用 Bayes’ 理论预测: 油 应用实例 Comparisons at used well locations A5 well A6 well P impedance S impedance Density P impedance S impedance Density 应用实例 砂岩预测 通过密度和S波阻抗数据体预测了砂岩厚度。 砂岩厚度平面图 应用实例 孔隙度预测 Pay trend Wet trend 通过孔隙度与Zp交会图，分别确定含水砂岩和含气砂岩的孔隙度与Zp的关系。 φ ZP 在储层预测的基础上，分别在含水砂岩和含气砂岩计算孔隙度 孔隙度平面图 应用实例 含水饱和度预测 利用反演的密度数据体和孔隙度体，采用体积模型公式计算含水饱和度。 where: Wet well Gas well 含水饱和度模型能清晰地分开含气砂岩和含水砂岩 应用实例 用 A1井作盲井对反演结果进行检验 P imp log S imp log Den log P imp Inv S imp Inv Den Inv 0 1 0 50 0 1 Lith Inv PHIE Inv SW Inv 0 0 0 1 1 50 VSH log PHIE log SW log 分别对反演的岩性、孔隙度和含水饱和度与已知井曲线进行对比 AFI用于对AVO分析中的不确定性进行分析 AFI分析 AVO 分析现在已经是油气勘探和开发日常使用的软件工具. 但是: 所有AVO 属性包含有很大的 “不确定性” – 存在有一个大范围的岩性导制类似的AVO响应. AFI能帮助我们可以计算碳氢检测中的可能性分布图. AVO 属性等时图 梯度 截距 埋藏深度 第二步 效正: 第一步 正演随机AVO模型建立 G I 第三步 获得流体定量可能性分布图 PBRI POIL PGAS 假定三层模型,泥岩中嵌入砂岩(含有各种模型). 泥岩 泥岩 砂岩 泥岩可用以下参数来描述: 纵波速度Vp 横波速度Vs 密度ρ Vp1, Vs1, r1 Vp2, Vs2, r2 基本模型 每个参数有一个可能性分布图: Vp1, Vs1, r1 Vp2, Vs2, r2 基本模型 砂岩可用以下参数来描述: 盐水模数Brine Modulus 盐水密度Brine Density 气模数Gas Modulus 气密度Gas Density 油模数Oil Modulus 油密度Oil Density 基质模数Matrix Modulus 基质密度Matrix density 干岩模数Dry Rock Modulus 孔隙度Porosity 页岩量Shale Volume 水饱和度Water Saturation 厚度Thickness 以上每个参数都有一个可能性分布图. Shale Shale Sand 基本模型 页岩速度 砂岩密度 页岩密度 砂岩孔隙度 页岩: Vp 趋势分析 Vs Castagna’s 等式计算(带 % 误差等式) Density 趋势分析 砂岩: Brine Modulus Brine Density Gas Modulus Gas Density Oil Modulus 一个给定工区设为常数 Oil Density Matrix Modulus Matrix density Dry Rock Modulus 从趋势分析计算 Porosity 趋势分析 Shale Volume 从岩石物理学定义为均匀分布 Water Saturation 从岩石物理学定义为均匀分布 Thickness 均匀分布 实际运用, 我们这样建立各种参数可能性分布图: G I G I G I OIL KOIL ?OIL GAS KGAS ?GAS BRINE 从盐水砂岩开始, 利用Biot-Gassman方法进行流体替换求得油砂岩和气砂岩模型的对应响应. 在截距-梯度交汇图上形成三种不同图: 利用Biot-Gassman方法进行流体替换 I G Brine Oil