[Petrel2014使用技巧]基于地震数据体的属性建模方法

在井资料稀少的地区，合理的利用地震资料是对井间岩性、物性进行解释的有效方法。利用Geobody模块，通过交汇基于遗传反演算法得到波阻抗体与主频体，定义不同岩性的值区间，最终得到由能够区别出各种岩性的离散型地震数据体。TrainEstimationMedol主要基于神经网络算法，能够模拟人脑，识别属性曲线与地震体之间的规律、最终完成对孔隙度、渗透率等属性的运算过程。算法优势：1. 不依赖三维网格模型的相建模、属性建模技术；2. 神经网络算法保证计算结果具有更高的准确性；3. 无网格引入和粗化过程；4. 快速、高效的计算过程；1提取地震属性依据地震数据体和测井曲线，提取多个与岩性、物性有关的属性体，如遗传反演AI体、主频体、构造平滑体、Envelope、瞬时频率、甜点等属性体（图1）。图1,与岩性和物性有关的部分地震属性提取结果2Geobody体解释激活地震体（Geninversion），点击Insertboxprobe插入三维Probe体，通过ManipulateProbe选择合适的体积大小，参考GridModels目的层位。在Input面板下的GeobodyInterpretationProbes文件夹里自动产生一个Probe体。右键Setting，在弹出的对话框里选择Volumes，在2ndCube里导入第二地震属性体（女口DominantFreq.体），点击对话框下方的Apply键，切换至Opacity子界面,由默认的Histogram切换到Crossplot,在右侧区域选择某一特定颜色，点击Tools下的第一排按钮，在两种属性的交汇图上，勾画特定的区域范围；例如，砂岩通常具有较高的波阻抗，呈现低频特征，观察3DWindows地震体的变化。按住Ctrl键,切换另外一种颜色，选择泥岩等其它岩性，最终，将连续的地震数据体转变成离散的岩相数据体（图2）。Shalvii|图在Geobody里利用Crossplot体交互划分不同岩性的分布Oom,Frtq.wAHNdunterest(shale)i酣p曲t(sandj3.将Probe体转换为地震体右键Probebox体，点击converttoseimiccube,将解释的Probe体转换成可以为GridModel采样的标准地震数据体（离散数据）（图3）。右键转化的岩相地震体，点击Createwellseismic,在WellSection界面，对比解释结果与原始测井曲线（图4）。LihkifihWipicibeUWwftpfdMCcnvwtHlW*PTHCCUbB.图3,将识别的岩性Probe体转变成真正的地震数齢图4,在不同界面显示解释结果在GeometricalModeling里，利用SeismicResampling，将地震体重采样到激活的网格模型里，调整为相模板显示（图5）。4.利用TrainestimationModel生成孔隙度、渗透率模型在InputWellsGlobalwelllogsCheckshotAttributeTWTpicked，右键双击TWTpicked，选择Converttolog，在Input面板GlobalWellLogs下生成一个TWT曲线，右键GlobalWellLogs（图6）,点击Calculator，键入“Seismiclogname=SeismicAttribute（X,Y,TWTlog）”（图7）。注：深度域地震体Z替换TWT。AllChect：SlwlsWAHfihi/eQ4MPThI按此方式依次将多个地震属性体转化为属性曲线，分别打开wellsection和newfunctionwindows，对比属性曲线和孔隙度、渗透率之间的关系，选择能够反映物性变化的地震属性体（图8）。图3.优选能够反映物性变化的地震数据体激活UtilitiesTrainEstimationModel，在弹出的对画框选择Estimation（模拟连续的属性数据）在Datatype里选择Seismic，在Input子界面里输入地震体，在右侧对话框内选择能够反映物性变化的地震属性体，在TrainingData里选择Logdata（测井曲线与地震属性之间进行培训）。切换到Settings子对话框，选择Supervised，选择要模拟的测井曲线（孔隙度、渗透率），Training里设置合理的迭代等参数，点击Apply（图9）,在Input下产生NeuralNet文件同时，在Seismicsurvey里产生一个新的地震体，右键对虚体进行实现，产生一个新的属性地震体，进而可以采样到网格模型中。