基于叠前地震反演参数的流体饱和度定量预测方法

提出了一种基于测井数据和叠前地震反演参数的流体饱和度定量预测方法——孔隙体积模量法。该方法基于Gassmann方程,在假设已经对岩性进行了可靠的定性预测,并较准确地计算了砂岩的泥质含量和孔隙度的前提下,利用测井资料计算干燥岩石体积模量和孔隙体积模量,利用各种叠前反演得到的弹性参数拟合干燥岩石体积模量,建立含水饱和度与孔隙体积模量的关系式,对流体饱和度进行定量估算。利用长庆油田苏里格地区的实际地震资料对孔隙体积模量法进行了验证,结果表明,该方法能定量预测含气饱和度,且能半定量预测气层的产能。根据预测结果部署的井位经钻探获得了高产气流。

突涌地质隧道TSP法弹性参数判识研究

结合云南4座在建高风险隧道典型突涌实例,对不同不良地质发生突涌的地质情况及突涌段落地震波反射法(TSP)的预报成果进行总结,分析各类突涌发生的工程地质条件和地震波反射法物理参数,归纳隧道突涌地质特征,得出大规模突涌时地震波反射法物理参数中纵波速度V_p、横波波速V_s、纵横波速比V_p/V_s和泊松比σ四项参数的判断标准:(1)富水时,V_p/V_s与σ都呈增长趋势,V_p/V_s变化率增长约5%以上,σ变化率增长约10%以上;(2)富水时,V_p/V_s由1.7→2.0变化,σ由0.25→0.3变化;(3)层状裂隙或构造破碎时,V_p均呈下降趋势;(4)存在裂隙及富水通道时,V_s均呈下降趋势;(5)V_p和V_s同时下降时,围岩破碎及地下水发育程度同步上升;(6)V_p上升、V_s下降时,围岩完整程度变化不大,地下水或裂隙发育程度上升。

一种基于ConvLSTM神经网络的TOC含量地震预测方法

TOC(Total Organic Carbon,总有机碳)含量所表征的有机质丰度是评价烃源岩生烃潜力的重要指标之一.地震弹性参数与岩石的TOC含量之间存在一定的相关性,而且这种关系可能是非线性的.由于线性回归和XGBoost(Extreme Gradient Boosting,极端梯度提升)方法的复杂映射能力有限,以致TOC含量预测精度有限.本文提出了一种基于ConvLSTM(Convolutional Long Short-Term Memory,卷积长短时记忆)神经网络的TOC含量地震预测方法,主要包括网络搭建、数据预处理、网络训练和测试四个部分.通过训练具有强复杂映射能力的ConvLSTM神经网络来建立TOC含量与地震弹性参数(纵波阻抗、速度比以及泊松比)之间的非线性关系,以有效地预测TOC含量的区域性分布.L区的数据试算结果表明,相比于线性回归和XGBoost方法,本文方法具有更高的TOC含量预测精度.