核測井數據多尺度處理方法
2023-05-18 01:51:26
專利名稱：核測井數據多尺度處理方法
技術領域：
本發明涉及一種核測井數據處理和分析方法。
背景技術：
多尺度估計理論及其應用研究已成為信息技術的重要分支，是科技界的一個熱點問題。測井所研究的對象、過程都具有多尺度特性油藏、儲層、巖心、巖屑、薄片、孔隙、裂縫等實體，其空間尺度分布從數千米到幾微米；地層的電、聲和核物理參數也構成了多維空間；測井系統本身是一個典型的多類傳感器複雜系統。
核測井是地球物理測井的重要分支，是測井複雜系統中的一個子系統。每一種核測井儀器都要安裝一個或多個同類或非同類傳感器，每個傳感器(探測器)具有各自的探測範圍，可在不同尺度上對地層的核物理特性進行觀測。但直到目前尚未見到此類研究成果或專利發布。
核測井採集的原始數據主要有三種結構第一種，每個深度點測一個數，在一維空間中構成一條曲線，如自然伽馬總計數率；第二種，每個深度點測一幅能譜，在深度-能量域中構成一幅二維數字圖像，如各種伽馬能譜測井；第三種，每個深度點測一幅時間譜，在深度-時間域中構成一幅二維數字圖像，如熱中子壽命測井。這三種類型的數據都包含多種尺度的信息，而現有的方法只在一維深度域中對所測參數進行處理和解釋，忽略了地層參數在不同尺度上的響應，不能反映剩餘油分布的非均勻性。
發明內容
本發明提出了一種核測井數據多尺度處理方法，解決了現有技術只能在一維深度域中對採集到的數據進行處理和解釋的局限性，本發明方法可在多維空間反映地層油、氣、水分布的多尺度特性，提高了描述剩餘油氣飽和度分布的精確度。
本發明的技術解決方案是一種核測井數據多尺度處理方法，包括以下步驟1]讀入測井數據
所述的測井數據包括以下數據中的至少一組①自然伽馬測井自然伽馬總計數率、自然伽馬能譜和鈾、釷、鉀含量；②散射伽馬測井散射伽馬總計數率、散射伽馬能譜、密度和巖性指數；③同位素中子源測井中子計數率、俘獲伽馬計數率、俘獲伽馬能譜和孔隙度；④脈衝中子測井熱中子總計數率和熱中子時間譜；脈衝中子測井俘獲伽馬總計數率、俘獲伽馬時間譜和能譜；脈衝中子測井非彈伽馬總計數率和能譜；中子活化伽馬計數率、伽馬時間譜和能譜；2]對測井數據進行濾波對讀入的測井數據進行深度域的縱向濾波和沿與深度軸垂直的時間軸或能量軸的橫向濾波；所述縱向和橫向濾波的方法包括Kalman濾波、多點擬合濾波、多點平滑濾波或多尺度濾波；3]對濾波後的數據進行歸一化處理所述歸一化處理是指計算每個採樣點的歸一化測井值f=f-fminfmax-fmin100]]>式中，fmin為測井曲線的最小值；fmax為測井曲線的最大值；f為測井曲線在每個採樣點的實測數據；4]對經過濾波和歸一化處理後測井數據進行多尺度分解、融合和重構所述對測井數據進行融合和重構包括在數據、物理參數和地質參數三個層次上分別對單條測井曲線和多條測井曲線進行多尺度分解、融合和重構；所述對單條測井曲線進行多尺度分解、融合和重構的步驟包括4.1.1]選擇合適的多尺度分解法對測井曲線進行多尺度分解，所述橫向時間軸上對時間譜多尺度分解的方法包括多指數擬合法和小波分解法；所述橫向能量軸上對能量譜多尺度分解的方法包括解譜法和小波分解法；所述縱向深度軸上對總計數率、時窗計數率、能窗計數率、計數率比值、物理參數和地質參數測井曲線的多尺度分解的方法是指小波分解法；所述單條測井曲線包括總計數率、時窗計數率、能窗計數率、物理參數或地質參數；4.1.2]做出小波時頻色譜圖，通過顏色的變化顯示出不同深度和不同尺度下小波係數的大小，進而使內部的能量聚集與分布得以清晰展示；4.1.3]以小波模極大重構算法為基礎，選用低頻係數加權、高頻係數取絕對值較大的融合規則，在各個層次上對測井數據進行小波重構得到融合小波金字塔；4.1.4]對融合後的小波金字塔進行小波逆變換實現各個層次的數據重構；4.1.5]採用熵、均值和方差作為評判標準，對融合數據進行定量評價均值、方差數據反映峰值信息；信息熵數據反映空間細節信息；峰值信噪比、相關係數數據反映頻譜信息；所述對多條測井曲線的數據進行多尺度分解、融合和重構的步驟包括4.2.1]對多條原始測井曲線分別進行多尺度分解，即對原始數據分別進行低、高通濾波，使多列原始數據各自分解為含有不同頻率成分的低頻逼近信號和高頻細節信號；所述橫向時間軸上對時間譜多尺度分解的方法包括多指數擬合法和小波分解法；所述橫向能量軸上對能量譜多尺度分解的方法包括解譜法和小波分解法；所述縱向深度軸上對總計數率、時窗計數率、能窗計數率、計數率比值、物理參數和地質參數測井曲線的多尺度分解的方法是指小波分解法；所述多條測井曲線包括不同源距探測器的總計數率、時窗計數率、能窗計數率、物理參數和地質參數；4.2.2]根據需要，對低頻逼近信號重複上面的過程，建立各數據的小波塔形分解；4.2.3]對各個分解層進行融合處理，最終得到融合小波金字塔；4.2.4]對融合後的小波金字塔通過小波逆變換法進行數據重構，所得的重構數據即為該多列測井曲線經融合重構的數據；5]顯示曲線和圖像所述的曲線和圖像包括以下曲線和圖像中的至少一種①原始數據曲線，包括濾波後的總計數率、時窗計數率、能窗計數率、計數率比值；②經標準井檢驗選定的，多尺度分解得到的對含油飽和度或巖性分辨能力好的分量曲線；③經標準井檢驗選定的，多尺度融合得到的對含油飽和度或巖性分辨能力好的融合、重構曲線；物理和地質參數隨深度變化的曲線，包括熱中子壽命、宏觀俘獲截面、碳氧比、含水飽和度；深度-時間、深度-中子壽命或深度-伽馬能譜二維圖像；上述核測井數據多尺度處理方法還可包括進行地質解釋的步驟所述進行地質解釋的方法包括以下方法中的至少一種①用自然伽馬曲線和自然電位融合曲線判定巖性；②根據粗尺度信號的變化劃分厚層和層組，根據細尺度信號的變化對厚層和層組進行細分；③用近、遠探測器計數率比值曲線指示孔隙度的變化；④用深度-時間、深度-中子壽命二維圖像，判定井眼流體和近井區地層中子壽命的徑向分布，經統計分析和標準井刻度建立不同巖性油、氣、水層的識別模式，作為資料解釋的依據；⑤根據熱中子總計數率與俘獲伽馬總計數率的差別和熱中子壽命或宏觀截面色譜圖，定性、定量識別和評價油、氣、水層；⑥用熱中子宏觀截面∑或碳氧比可計算油氣水飽和度，並可獲得儲層在開發過程中剩餘油飽和度分布的變化；⑦對各種尺度上的低頻和高頻信號進行觀察、分析和比較，可確定各個尺度的低頻和高頻信號與地層的空間和物理參數之間的相關性，依此可對不同級別的沉積旋迴、層序界面和沉積相做定性和定量研究，並可用於厚層細分和描述剩餘油氣飽和度空間分布的細節做精細描述。
上述多尺度濾波的步驟包括2.1]選取具有一定的緊支撐性、對稱性和平滑性的正交小波基；2.2]選擇一個小波並確定其分解層次N，然後對數據進行N層小波分解；2.3]對第1層到第N層的每一層高頻係數選擇一個閾值進行軟閾值量化處理；2.4]根據小波分解的第N層低頻係數和經過量化處理後的第1層到第N層的高頻係數，進行測井數據的重構，重構後的數據已消除了統計不確定性和其它高頻噪聲；所述對數據進行N層小波分解的步驟包括2.2.1]在某尺度i上，對給定的核測井信號序列x(i，k)∈Vil2(Z)(k∈Z)，通過一個脈衝響應為h(k)的低通濾波器，獲得粗尺度上(低頻段)的平滑信號
xV(i-1，k)∈Vi-1xV(i-1,l)=kh(2l-k)x(i,k)]]>2.2.2]信號x(i，k)在低通濾波器中丟失的「細節信號」由x(i，k)通過一個脈衝響應是g(k)的高通濾波器得到細尺度(高頻段)的細節信號xD(i-1，k)∈Di-1xD(i-1,l)=kg(2l-k)x(i,k)]]>下標D表示x(i，k)在細節信號空間Di-1上的投影；2.2.3]對平滑信號逐次進行N層的多尺度分解，得到2N個不同的頻帶，其中包含N個高頻信號和N個低頻信號，從低頻信號中獲得測井曲線中包含的地層概貌信息，從高頻信號中獲得地層的細節。
上述小波模極大重構算法的步驟包括設測井儀器接採集到的信號為f(x)，Morlet連續小波變換定義為Wf(a,b)=f,ab>=1|a|-+f(x)(x-ba)dx]]>式中Morlet小波基函數為(x)=e-x2/2ei0x]]>a和b分別為尺度因子和位移因子；對信號進行小波分析，可以得到不同尺度a的評估信號在不同空間段的大量係數，即相應的小波係數Wf(a，b)，並用色譜圖的方式表示；在色譜圖中，用顏色的變化來表示係數的大小；可選擇得到某一尺度a時的小波係數曲線，這條曲線能夠直觀顯示小波係數與被分析信號之間的相似程度，且可通過控制a的大小，使小波係數曲線和某些參數具有一定的相關性。
本發明方法的優點是(1)單條測井曲線經多尺度分解，從深度域轉換到深度-尺度域，再經融合重構可消除噪聲，提高對巖性和油氣水飽和度的分辨能力。
(2)本發明放棄了用中子壽命或∑單一物理參數求取含油飽和度的傳統方法，而將熱中子壽命τ(或∑)看成是反映井眼-地層介質系統物理性質的一種尺度，將測得的時域中的數據轉換到壽命域，實現了尺度的連續分解，時間道的分段處理就是對不同尺度範圍內的信息重構。
(3)在深度-時間域和深度-壽命域中對核測井數據做多尺度分解和在選定的尺度域中實現數據融合重組和可視化處理，可在不同尺度或尺度組合中分析地層的精細結構，更準確地識別剩餘油氣和水淹層，並可壓制統計漲落。
(4)用脈衝中子雙譜飽和度測井儀，可同時採集熱中子時間譜、俘獲伽馬時間譜、俘獲伽馬能譜和自然伽馬能譜和溫度、壓力、套管接箍等輔助資料，獲取的信息量大。
圖1對兩個同類探測器在同一尺度上採集的兩列數據，做多尺度分解、融合、重構的原理示意圖。
圖2從核測井原始數據，通過做多尺度分解、融合、重構，最後對含油氣層做出多尺度地質解釋的工作流程圖。
圖3脈衝中子測井熱中子時間譜多尺度濾波處理流程圖。
圖4脈衝中子測井熱中子時間譜多尺度濾波處理效果對比圖圖4(a)原始熱中子道計數時間譜；圖4(b)縱向濾波後的時間譜；圖4(c)縱-橫雙向濾波後的時間譜。
圖5多尺度分析識別油水層原理圖圖5(a)原始熱中子計數率；圖5(b)縱向濾波結果；圖5(c)橫向濾波結果。
圖6τ曲線多尺度分析識別油水層的實例。該井為中國東部某油田的一口井，用Morlet小波基對中子壽命測井τ曲線進行多尺度分析，做出時頻色譜圖和不同尺度上的小波係數曲線。測井曲線經小波變換後成為深度—尺度域二維空間的函數，並且在不同的尺度和深度域顯示出不同的幅值特徵和周期性。對於中子壽命測井曲線，含油飽和度越高熱中子隨時間的衰減越慢，中子壽命測井曲線幅值越大，小波係數曲線幅值響應也較大。因此，色譜圖中與較大小波係數幅度值相對應的灰色區域顯示為油層，尺度範圍為7-10。選定第8尺度為識別油水層的最佳尺度，依據小波係數曲線的響應幅度和周期振蕩性特徵，可認定4個含油儲層。
圖7壽命-電阻率融合曲線多尺度分析定性識別油水層的實例。含油飽和度高的地層中子壽命長電阻率高，兩列物理參數數列有很好的相關性，故可加以融合。利用Morlet小波基對融合曲線進行多尺度分析(尺度變化範圍為1-10)，得到小波時頻色譜圖和不同尺度上的小波係數曲線。色譜圖中沿淺-灰-深色區域方向顯示小波係數從低值變化到高值，深色區域與油層具有一定的對應性。最佳尺度為第5尺度，小波係數幅值大並且周期振蕩與油層相對應。小波係數曲線在28號地層幅值較大且振蕩劇烈，定性為油層，其餘為油水同層。23號層下部小波係數響應不明顯，而色譜圖上有較大響應，故應結合小波係數和色譜圖共同來識別油水層。與單條測井曲線相比，融合曲線與解釋結論比較吻合，識別效果較好。
具體實施例方式
本發明是一種核測井數據多尺度處理方法，包括從核測井原始數據，通過多尺度分解、融合、重構，最後對含油氣層做出多尺度地質解釋的全過程，如附圖2所示，包括以下步驟1.讀入核測井數據可讀入的核測井數據包括1.1自然伽馬測井自然伽馬總計數率、自然伽馬能譜和鈾、釷、鉀含量；1.2散射伽馬測井散射伽馬總計數率、散射伽馬能譜、密度和巖性指數；1.3同位素中子源測井中子計數率、俘獲伽馬計數率、俘獲伽馬能譜和孔隙度；1.4脈衝中子測井熱中子總計數率和熱中子時間譜；脈衝中子測井俘獲伽馬總計數率、俘獲伽馬時間譜和能譜；脈衝中子測井非彈伽馬總計數率和能譜；中子活化伽馬計數率、伽馬時間譜和能譜。
根據施工目的可讀入上述某一種核測井數據，也可是幾種測井數據的組合。
2.對讀入的測井數據進行橫向和縱向多尺度濾波多尺度濾波的步驟包括選取具有一定的緊支撐性、對稱性和平滑性的正交小波基，利用正交小波具有很強的去數據相關性，使信號的能量在小波域內集中於有用信號。確定分解層次N，然後對數據進行N層小波分解。因為噪聲具有一定的頻帶寬度，在較高分解層中噪聲的小波係數可以忽略，因此選擇合適的分解尺度既是保證噪聲完全去除的前提，同時又減少了計算代價。實際應用中小波分解層次取3至5層即可。
2.1對數據進行N層小波分解的具體步驟包括
在某尺度i上，對給定的核測井信號序列x(i，k)∈Vil2(Z)(k∈Z)，通過一個脈衝響應為h(k)的低通濾波器，獲得粗尺度上的平滑信號xV(i-1，k)∈Vi-1(1)xV(i-1,l)=kh(2l-k)x(i,k)---(2)]]>信號x(i，k)在低通濾波器中丟失的「細節信號」可以由x(i，k)通過一個脈衝響應是g(k)的高通濾波器得到xD(i-1，k)∈Di-1(3)xD(i-1,l)=kg(2l-k)x(i,k)---(4)]]>下標D表示x(i，k)在細節信號空間Di-1上的投影。
循環進行上述步驟，進行N層的多尺度分解，得到2N個不同的頻帶，其中包含N個高頻信號和N個低頻信號。從低頻信號中獲得測井曲線中包含的地層概貌信息，從高頻信號中獲得地層的細節。
對第1層到第N層的每一層高頻係數選擇一個閾值進行軟閾值量化處理。軟閾值處理將較小的小波係數置零但對較大的小波係數向零做了收縮，可去掉測井曲線中與地層信息無關的統計起伏和其它高頻噪聲，去噪後的數據能生成更為光滑的曲線。
2.2時間譜多尺度濾波的
具體實施例方式脈衝中子-中子PNN測井儀的中子源脈衝寬度很小而脈衝間隔過長，導致熱中子道計數統計起伏較大。為了抑制時間道計數的統計不精確性和其它高頻噪聲，對採集的時間譜數據進行多尺度縱向和橫向濾波。
縱向濾波是對不同深度點同一時間記錄道上的熱中子計數進行濾波，如表1所示。橫向濾波是對同一深度點的60個時間計錄道上的熱中子計數進行濾波，如表2所示。
時間譜多尺度濾波過程分兩步進行，首先對原始熱中子道計數進行縱向濾波，然後對縱向濾波後的重構熱中子計數進行橫向多尺度濾波處理，工作流程如附圖3所示。
深度/m 時間道計數(1-60道)Ch1 Ch2 Ch3 Ch4 Ch5 Ch6 Ch7..........Ch56 Ch57 Ch58 Ch59 Ch602284.539 34 63 69 66 66 50...........0 0 0 0 02284.435 31 51 69 67 58 58...........0 0 0 0 02284.336 36 51 55 58 53 45...........0 0 0 0 02284.247 48 69 77 76 75 80...........0 0 0 0 02221.237 44 52 51 19 10 9 ...........0 0 0 0 02221.143 56 58 57 39 911...........0 1 1 1 02221.044 50 52 53 28 16 9 ...........1 1 0 1 02220.946 58 70 46 37 16 5 ...........1 0 0 0 0表1縱向濾波示意圖深度/m 時間道計數(1-60道)Ch1 Ch2 Ch3 Ch4 Ch5 Ch6 Ch7..........Ch56 Ch57 Ch58 Ch59 Ch602284.539 34 63 69 66 66 50...........0 0 0 0 02284.435 31 51 69 67 58 58...........0 0 0 0 02284.336 36 51 55 58 53 45...........0 0 0 0 02284.247 48 69 77 76 75 80...........0 0 0 0 02221.237 44 52 51 19 10 9 ...........0 0 0 0 02221.143 56 58 57 399 11...........0 1 1 1 02221.044 50 52 53 28 16 9 ...........1 1 0 1 02220.946 58 70 46 37 16 5 ...........1 0 0 0 0表2橫向濾波示意圖選取大港油田某井的PNN熱中子時間譜進行多尺度濾波處理。選用的短源距探測器記錄的時間譜道計數，採樣時間從快中子束髮射30μs後到1800μs。
(1)縱向多尺度濾波分別用db4，coif4，sym4，bior2.2四種小波基對縱向熱中子計數進行處理後發現與sym4小波相對應的誤差最小，故選sym4小波為最優小波基。此外，希望縱向濾波後的計數率曲線仍能夠較好地反映原始地層的信息，保留地層中巖性發生突變的邊緣特徵，所以選用硬閾值處理方法。
(2)橫向多尺度濾波由於橫向熱中子隨著時間的分布呈指數衰減規律，故選bior2.2小波為最優小波基。此外，希望橫向濾波後的計數率曲線能比較光滑，有利於地層參數的求解，所以選用軟閾值處理方法。
PNN測井熱中子時間譜多尺度濾波處理前後的數據如附圖4所示。圖4(a)為三個深度點的原始熱中子計數率，圖4(b)為縱向濾波的結果，圖4(c)為橫向濾波的結果。從圖中可看出，多尺度濾波後的時間譜數據變化比較光滑，對核測井信號的統計漲落具有很好的抑制作用，滿足對時間譜後處理的需要。因此，多尺度濾波過程是對PNN測井數據處理的重要基礎。
3.歸一化處理不同的測井數據有不同的量綱，因此要對濾波後的數據進行歸一化處理，步驟包括f=f-fminfmax-fmin100]]>式中fmin為測井曲線的最小值，fmax為測井曲線的最大值，f為測井曲線的採樣點實測數據。
4.多尺度分解對歸一化處理後的數據進行多尺度分解橫向時間軸多尺度分解的方法包括多指數擬合法和小波分解法；橫向能量軸多尺度分解的方法包括解譜法和小波分解法；縱向深度軸多尺度分解的方法取小波分解法。
5.數據融合和重構對測井數據進行包括在原始數據、物理參數和地質參數三個層次上分別進行時間譜或能譜融合和重構的步驟5.1首先以小波模極大重構算法為基礎，選用低頻係數加權、高頻係數取絕對值較大的融合規則，對同類或多類測井數據進行小波融合得到融合小波金字塔。然後對融合後的小波金字塔進行小波逆變換實現各個層次的數據重構。最後採用熵、均值和方差作為評判標準，對融合數據進行定量評價均值、方差數據反映峰值信息；信息熵數據反映空間細節信息；峰值信噪比、相關係數數據反映頻譜信息。
5.2小波模極大重構算法的步驟包括當用測井曲線多尺度分析方法識別油水層時，設測井儀器接收到的信號為f(x)，Morlet連續小波變換定義為Wf(a,b)=f,ab>=1|a|-+f(x)(x-ba)dx---(12)]]>式中Morlet小波基函數為(x)=e-x2/2ei0x---(13)]]>其中，a和b分別為尺度因子和位移因子；改變a和b值，小波變換對不同頻率在空間域上的取樣步長也隨之改變。
在低頻時小波變換的空間解析度較差，而頻率解析度較高；在高頻時小波變換的空間解析度較高，而頻率解析度較低。這符合低頻信號變化緩慢而高頻信號變化迅速的特點。
對信號進行小波分析，可以得到不同尺度a的評估信號在不同空間段的大量係數，即相應的小波係數Wf(a，b)，在色譜圖中用顏色的變化來表示係數的大小。
某一尺度a時的小波係數曲線，能夠直觀顯示小波係數與被分析信號之間的相似程度，且可以通過控制a的大小，使小波係數曲線和某些參數具有一定的相關性。
以小波模極大重構算法為基礎，選用低頻係數加權、高頻係數取絕對值較大的融合規則，實現同類或多類測井信號數據融合，並採用熵、均值和方差作為評判標準，對融合數據進行定量評價。
按照融合規則經過小波重構就可獲得融合數據。如脈衝中子雙譜飽和度測井儀可在不同尺度上測得熱中子和俘獲伽馬兩個時間譜，分別記做數據D1和數據D2。對這兩列數據分別進行分解，即對原始數據進行低、高通濾波，使每個原始數據都分解為含有不同頻率成分的兩個子數據，記為a1、d1和a2、d2。a1和a2是低頻逼近信號，而d1和d2為高頻細節信號。再根據需要，對低頻子數據重複上面的過程，即可建立各數據的小波塔形分解。然後對各個分解層進行融合處理，最終得到融合小波金字塔。
數據融合效果可採用三類統計參數來進行分析與評價第一類反映峰值信息，如均值、方差；第二類反映空間細節信息，如信息熵；第三類反映頻譜信息，如峰值信噪比、相關係數。信噪比越大，說明融合後的數據精確度越高。融合曲線突出了測井曲線的公共信息，增加了地層信息量，提高了測井資料的可信度。從小波基的基本性質出發，選取幾種常用小波基函數進行分析對比，以原始信號和重構信號的相關性作為小波基的選取依據，通過比較相關係數的大小，選定適合核測井多尺度分析方法的最優小波基，構建時頻色譜圖定出與油水層信息所對應的小波尺度範圍。選取反映儲層信息的最佳尺度，依據最佳尺度下小波係數曲線的幅值和小波係數振蕩趨勢區分油水層。
對信號進行小波分析，可得到不同尺度a上評估信號在不同空間段的大量係數，並且可以用色譜圖顯示出來。同一尺度上相同的顏色對應著物性相同或相近的儲層，可用於識別油、氣、水層。
由深度-壽命域τ分布圖可求出熱中子壽命加權平均值、熱中子宏觀俘獲截面和含水飽和度。
6.顯示曲線和圖像的曲線和圖像包括原始數據曲線，包括濾波後的總計數率和近、遠探測器計數率比值曲線；經標準井檢驗選定的，多尺度分解得到的對含油飽和度或巖性分辨能力好的分量曲線；經標準井檢驗選定的，多尺度融合得到的對含油飽和度或巖性分辨能力好的融合曲線；物理和地質參數隨深度的變化曲線，包括熱中子壽命、宏觀俘獲截面、碳氧比、含水飽和度；深度-時間、深度-中子壽命或深度-伽馬能譜二維圖像；通過融合數據計算出地層的加權熱中子壽命τ和宏觀俘獲截面∑值，並做出中子計數率、熱中子壽命或宏觀截面色譜圖，直觀反應儲層巖性和油氣水飽和度的分布狀態。
7.進行地質解釋地質解釋包括劃分地質剖面和識別評價油氣水層7.1劃分地質剖面了解含油氣層段的地質背景
用自然伽馬和自然電位融合曲線判定巖性，對各種尺度上的低頻和高頻信號進行觀察、分析和比較，可確定各個尺度的低頻和高頻信號與地層的空間和物理參數之間的相關性。低頻信號能夠較好地反映測井曲線中包含的地層概貌信息，而高頻信號能反映地層的細節，依此可對地層不同級別的沉積旋迴、層序界面和沉積相做定性和定量研究，用近、遠探測器計數率比值曲線指示孔隙度的變化。在查明油氣層所處的地質環境的基礎上，根據粗尺度信號的變化劃分厚層和層組，根據細尺度信號的變化對厚層和層組進行細分，給出巖石物性參數空間分布的細節特徵。
7.2.識別和評價油氣水層識別油水層的方法7.2.1用深度-時間、深度-中子壽命二維圖像，判定井眼流體和近井區地層中子壽命的徑向分布，經統計分析和標準井刻度建立不同巖性油、氣、水層的識別模式，作為資料解釋的基礎。根據熱中子總計數率與俘獲伽馬總計數率的差別和熱中子壽命或宏觀截面色譜圖，定性、定量識別和評價油氣水層。用熱中子宏觀截面∑或碳氧比可計算油氣水飽和度，並可獲得儲層在開發過程中剩餘油飽和度分布的變化。
7.2.2中子壽命測井數據多尺度分析識別油氣水層7.2.2.1中子壽命測井數據多尺度分析識別油氣水層的原理中子壽命分布本身就是尺度的連續分解，時間道的分段處理就是對不同尺度範圍內的信息重構。選用合適的小波基，如Morlet小波，提取單一參數曲線(如τ曲線)以及融合曲線的時頻和幅值信息可用以分辨油水層。
Morlet小波是一種連續小波，它克服了離散小波在時間和尺度空間上對信號離散過於粗糙的缺點，可以反映信號中多種連續變化的周期信息。由於測井曲線中隱含的油水層信息的幅值和時頻差異較小，故宜採用Morlet連續小波分析。
設測井儀器接收到的信號為f(x)，Morlet連續小波變換定義為Wf(a,b)=f,ab>=1|a|-+f(x)(x-ba)dx---(14)]]>式中Morlet小波基函數為(x)=e-x2/2ei0x,---(15)]]>
a和b分別為尺度因子和位移因子。
由於a和b值的變化，使小波變換對不同頻率在空間域上的取樣步長是調節性的，即在低頻時小波變換的空間解析度較差，而頻率解析度較高；在高頻時小波變換的空間解析度較高，而頻率解析度較低，這正符合低頻信號變化緩慢而高頻信號變化迅速的特點。
對信號進行小波分析後，可以得到不同尺度a的評估信號在不同空間段的大量係數，即相應的小波係數Wf(a，b)。並且可以用色譜圖的方式把它表示出來，在色譜圖中，係數的大小是以顏色的變化來表示的，如附圖5b。
根據需要可以得到某一尺度a時的小波係數曲線(如圖5c，d)。這些曲線能夠直觀地顯示小波係數與被分析信號之間的相似程度，並可通過控制a的大小使小波係數曲線和某些參數具有一定的相關性。若它們之間有很好的相關性，就可以根據小波係數曲線快速、準確地判斷相關參數的變化情況，可用以儲層劃分和油水層的識別。
小波變換不僅能反映信號的空間分辨能力，而且還能反映信號的幅值信息。附圖5(a)表示在
區間上分布的信號序列，信號1為cos(x)，分布區間
。其中信號1和2的幅值相同，頻率不同；信號1和3的頻率相同，幅值不同。圖(b)是對(a)中序列選用Morlet小波多尺度分析後得到的時頻色譜圖，橫坐標同圖(a)，縱軸表示尺度值。顏色從黃到紅再到藍，表示小波係數從低值到高值變化。圖中直觀顯示該序列在尺度域中存在兩個周期，信號1和3對應的尺度相同，但由於幅值不同，顏色也不同。信號3幅值大，在色譜圖上響應為藍色；信號1的幅值較小，與紅色相對應。圖(c)和(d)分別表示尺度值為50和12的小波係數曲線。尺度值選取不同，對信號中頻率的響應也不同。
中子壽命測井曲線幅值較大處與油層信息對應，其小波係數曲線幅值響應也較大；時頻色譜圖中，同一尺度上相同的顏色代表物性相同或相近的儲層。因此，可藉助於不同尺度下的小波係數曲線，反映測井信號的油水層信息，為利用多尺度分析方法定性識別油水層提供了理論依據。
7.2.2.2中子壽命(τ)曲線多尺度分析定性識別油水層的實例選取大港-Y井3050-3120m深度段為研究對象。以該井熱中子壽命(τ)曲線為例，定性識別油水層。
利用Morlet小波基對中子壽命測井曲線進行多尺度分析，做出時頻色譜圖和不同尺度上的小波係數曲線，如附圖6所示。時頻色譜圖的尺度範圍為1-10，從左到右依次增加，顏色由黃色到紅色代表小波係數從低值到高值。從圖中直觀看出，測井曲線經小波變換後已成為深度—尺度域二維空間的函數，並且在不同的尺度和深度域顯示出不同的幅值特徵和周期性。對於中子壽命測井曲線，含油飽和度越高，熱中子隨時間的衰減越慢，中子壽命測井曲線幅值越大，小波係數曲線幅值響應也較大。因此，色譜圖中與較大小波係數幅度值相對應的紅色區域與油層相對應，對應的尺度範圍為7-10。
選定第8尺度為識別油水層的最佳尺度，依據小波係數曲線的響應幅度和周期振蕩性特徵，可定性識別4個含油儲層。
由圖中可看出，不同的測井曲線作多尺度分解後，其識別油水層界面的效果也不相同。結合現場解釋結論可知，中子壽命測井曲線識別第23和28儲層的效果較好，而對識別25層效果不明顯，應結合不同測井曲線定性識別油水層。
7.2.2.3電阻率-中子壽命多尺度數據融合識別油水層採用基於小波模極大的數據融合方法，融合規則如下高頻係數選取絕對值較大的小波係數，算法為dn(j)=d1n(j),if(abs(d1n(j))>abs(d2n(j)))d2n(j),else---(15)]]>低頻係數採用加權的方案，算法為an(j)=a1n(j)+a2n(j)]]>其中，α和β是兩組測井數據經主成分分析後得到的主成分值。
對來自不同探測器的測井數據進行融合，使之優勢互補，以減小分辨油水層的多解性。在常規測井曲線中，電阻率曲線是劃分油水層的重要依據，因此選取壽命曲線與電阻率曲線進行融合，並對融合後的曲線進行多尺度分析，以提高識別油水層的可信度。
選取大港-Y井3050-3120m深度段為研究對象，利用上述融合規則對電阻率Rt和中子壽命τ曲線做多尺度數據融合，得到融合曲線如附圖6所示，而評價標準如表3。從表3中可以看出，融合曲線不僅峰值信息得到加強，而且包含了更多的空間細節信息。由於融合曲線與τ曲線具有很好的相關性，因此融合曲線的高值也與油層相對應。
表3τ、RT融合數據評價標準
利用Morlet小波基對融合曲線進行多尺度分析(尺度變化範圍為1-10)，得到小波時頻色譜圖和不同尺度上的小波係數曲線，如附圖7所示。色譜圖中黃-紅-藍代表小波係數值從低值變化到高值，藍色區域與油層具有一定的對應性。最佳尺度為第5尺度，小波係數幅值大並且周期振蕩與油層相對應。小波係數曲線在28層幅值較大且振蕩劇烈，定性識別為油層，其餘為油水同層。23層下部小波係數響應不明顯，而色譜圖上有較大響應，故應結合小波係數和色譜圖共同來定性識別油水層。與單條測井曲線相比，融合曲線與解釋結論比較吻合，識別效果較好。
本發明基本原理本發明是一種以多尺度估計理論為基礎的核測井數據處理和分析方法，通過研究核測井信號的多尺度特性和不同尺度上的信息融合，從原始測井信號中提取出地層的本質特徵，建立測井數據向地質目標的映射關係，提高測井資料的可信度，以期將測井資料更好地用於地層評價。
核測井中採集的隨深度變化的測井曲線，如自然伽馬、脈衝中子測井時窗、能窗或總計數率及各種單參數曲線，都是深度域的多尺度信息組合。本發明以多尺度估計理論為基礎，建立了核測井多尺度系統，給出系統的模型參數，採用相關係數法選取最優小波基，實現核測井信號的系統描述和測井信號的多尺度分析，將測井數據從一維深度域拓展為二維深度—尺度域。依據多尺度分解和重構算法，採用不同的融合規則，實現同類和多類測井數據融合。
脈衝中子-中子PNN測井的最終目的是定量確定地層的剩餘油飽和度，因此得到比較可靠的地層熱中子壽命值是測井解釋中的重要環節。本發明將熱中子壽命看成是反映井眼-地層介質系統物理性質的一種尺度，針對PNN測井儀器短源距採集到的不同時間道熱中子計數率，利用多尺度分析方法對時間譜數據進行了處理及應用研究。
在對原始時間譜數據進行縱、橫向多尺度濾波的基礎上，利用顏色代表熱中子計數率，做出能夠反映不同深度和不同時間中子計數率變化的色譜圖。色譜圖直觀反映了熱中子隨時間的衰減快慢，可定性判斷不同材料套管井段，識別儲集層。此外，通過色譜圖直觀反映的熱中子計數率在時間道上的橫向延伸，可用來判斷能準確反映地層真實信息的起止時間道。
選用Morlet小波基對中子壽命曲線以及融合曲線進行多尺度分析，依據小波時頻色譜信息和小波係數幅度振蕩特徵可定性識別油水層。
基於熱中子計數率隨時間呈指數規律衰減，實現了熱中子壽命(τ)譜的多指數反演算法。首先對蒙特卡羅模擬數據的熱中子壽命譜進行了研究，分析了地層水礦化度，孔隙度和飽和度對地層τ本徵值的影響。此外研究了井眼、時間道的選取對τ譜呈現雙峰和單峰的影響。τ譜用於實際測井資料處理時可定性分辨巖性與油水層，由此可能引發壽命測井解釋方法的改進和市場價值的提高。
權利要求
1.一種核測井數據多尺度處理方法，包括以下步驟1]讀入測井數據所述的測井數據包括以下數據中的至少一組①自然伽馬測井自然伽馬總計數率、自然伽馬能譜和鈾、釷、鉀含量；②散射伽馬測井散射伽馬總計數率、散射伽馬能譜、密度和巖性指數；③同位素中子源測井中子計數率、俘獲伽馬計數率、俘獲伽馬能譜和孔隙度；④脈衝中子測井熱中子總計數率和熱中子時間譜；脈衝中子測井俘獲伽馬總計數率、俘獲伽馬時間譜和能譜；脈衝中子測井非彈伽馬總計數率和能譜；中子活化伽馬計數率、伽馬時間譜和能譜；2]對測井數據進行濾波對讀入的測井數據進行深度域的縱向濾波和沿與深度軸垂直的時間軸或能量軸的橫向濾波；所述縱向和橫向濾波的方法包括Kalman濾波、多點擬合濾波、多點平滑濾波或多尺度濾波；3]對濾波後的數據進行歸一化處理所述歸一化處理是指計算每個採樣點的歸一化測井值f=f-fminfmax-fmin100]]>式中，fmin為測井曲線的最小值；fmax為測井曲線的最大值；f為測井曲線在每個採樣點的實測數據；4]對經過濾波和歸一化處理後測井數據進行多尺度分解、融合和重構所述對測井數據進行融合和重構包括在數據、物理參數和地質參數三個層次上分別對單條測井曲線和多條測井曲線進行多尺度分解、融合和重構；所述對單條測井曲線進行多尺度分解、融合和重構的步驟包括4.1.1]選擇合適的多尺度分解法對測井曲線進行多尺度分解，所述橫向時間軸上對時間譜多尺度分解的方法包括多指數擬合法和小波分解法；所述橫向能量軸上對能量譜多尺度分解的方法包括解譜法和小波分解法；所述縱向深度軸上對總計數率、時窗計數率、能窗計數率、計數率比值、物理參數和地質參數測井曲線的多尺度分解的方法是指小波分解法；所述單條測井曲線包括總計數率、時窗計數率、能窗計數率、物理參數或地質參數；4.1.2]作出小波時頻色譜圖，通過顏色的變化顯示出不同深度和不同尺度下小波係數的大小，進而使內部的能量聚集與分布得以清晰展示；4.1.3]以小波模極大重構算法為基礎，選用低頻係數加權、高頻係數取絕對值較大的融合規則，在各個層次上對測井數據進行小波重構得到融合小波金字塔；4.1.4]對融合後的小波金字塔進行小波逆變換實現各個層次的數據重構；4.1.5]採用熵、均值和方差作為評判標準，對融合數據進行定量評價均值、方差數據反映峰值信息；信息熵數據反映空間細節信息；峰值信噪比、相關係數數據反映頻譜信息；所述對多條測井曲線的數據進行多尺度分解、融合和重構的步驟包括4.2.1]對多條原始測井曲線分別進行多尺度分解，即對原始數據分別進行低、高通濾波，使多列原始數據各自分解為含有不同頻率成分的低頻逼近信號和高頻細節信號；所述橫向時間軸上對時間譜多尺度分解的方法包括多指數擬合法和小波分解法；所述橫向能量軸上對能量譜多尺度分解的方法包括解譜法和小波分解法；所述縱向深度軸上對總計數率、時窗計數率、能窗計數率、計數率比值、物理參數和地質參數測井曲線的多尺度分解的方法是指小波分解法；所述多條測井曲線包括不同源距探測器的總計數率、時窗計數率、能窗計數率、物理參數和地質參數；4.2.2]根據需要，對低頻逼近信號重複上面的過程，建立各數據的小波塔形分解；4.2.3]對各個分解層進行融合處理，最終得到融合小波金字塔；4.2.4]對融合後的小波金字塔通過小波逆變換法進行數據重構，所得的重構數據即為該多列測井曲線經融合重構的數據；5]顯示曲線和圖像所述的曲線和圖像包括以下曲線和圖像中的至少一種①原始數據曲線，包括濾波後的總計數率、時窗計數率、能窗計數率、計數率比值；②經標準井檢驗選定的，多尺度分解得到的對含油飽和度或巖性分辨能力好的分量曲線；③經標準井檢驗選定的，多尺度融合得到的對含油飽和度或巖性分辨能力好的融合、重構曲線；物理和地質參數隨深度變化的曲線，包括熱中子壽命、宏觀俘獲截面、碳氧比、含水飽和度；深度-時間、深度-中子壽命或深度-伽馬能譜二維圖像。
2.根據權利要求1所述的核測井數據多尺度處理方法，其特徵在於所述核測井數據多尺度處理方法包括進行地質解釋的步驟所述進行地質解釋的方法包括以下方法中的至少一種①用自然伽馬曲線和自然電位融合曲線判定巖性；②根據粗尺度信號的變化劃分厚層和層組，根據細尺度信號的變化對厚層和層組進行細分；③用近、遠探測器計數率比值曲線指示孔隙度的變化；④用深度-時間、深度-中子壽命二維圖像，判定井眼流體和近井區地層中子壽命的徑向分布，經統計分析和標準井刻度建立不同巖性油、氣、水層的識別模式，作為資料解釋的依據；⑤根據熱中子總計數率與俘獲伽馬總計數率的差別和熱中子壽命或宏觀截面色譜圖，定性、定量識別和評價油、氣、水層；⑥用熱中子宏觀截面∑或碳氧比可計算油氣水飽和度，並可獲得儲層在開發過程中剩餘油飽和度分布的變化；⑦對各種尺度上的低頻和高頻信號進行觀察、分析和比較，可確定各個尺度的低頻和高頻信號與地層的空間和物理參數之間的相關性，依此可對不同級別的沉積旋迴、層序界面和沉積相做定性和定量研究，並可用於厚層細分和描述剩餘油氣飽和度空間分布的細節做精細描述。
3.根據權利要求1或2所述的核測井數據多尺度處理方法，其特徵在於所述多尺度濾波的步驟包括2.1]選取具有一定的緊支撐性、對稱性和平滑性的正交小波基；2.2]選擇一個小波並確定其分解層次N，然後對數據進行N層小波分解；2.3]對第1層到第N層的每一層高頻係數選擇一個閾值進行軟閾值量化處理；2.4]根據小波分解的第N層低頻係數和經過量化處理後的第1層到第N層的高頻係數，進行測井數據的重構，重構後的數據己消除了統計不確定性和其它高頻噪聲；所述對數據進行N層小波分解的步驟包括2.2.1]在某尺度i上，對給定的核測井信號序列x(i，k)∈Vil2(Z)(k∈Z)，通過一個脈衝響應為h(k)的低通濾波器，獲得粗尺度上(低頻段)的平滑信號xV(i-1，k)∈Vi-1xV(i-1,l)=kh(2l-k)x(i,k)]]>2.2.2]信號x(i，k)在低通濾波器中丟失的「細節信號」由x(i，k)通過一個脈衝響應是g(k)的高通濾波器得到細尺度(高頻段)的細節信號xD(i-1，k)∈Di-1xD(i-1,l)=kg(2l-k)x(i,k)]]>下標D表示x(i，k)在細節信號空間Di-1上的投影；2.2.3]對平滑信號逐次進行N層的多尺度分解，得到2N個不同的頻帶，其中包含N個高頻信號和N個低頻信號，從低頻信號中獲得測井曲線中包含的地層概貌信息，從高頻信號中獲得地層的細節。
4.根據權利要求1所述的核測井數據多尺度處理方法，其特徵在於所述小波模極大重構算法的步驟包括設測井儀器接採集到的信號為f(x)，Morlet連續小波變換定義為Wf(a,b)=f,ab=1|a|-+f(x)(x-ba)dx]]>式中Morlet小波基函數為(x)=e-x2/2ei0x]]>a和b分別為尺度因子和位移因子；對信號進行小波分析，可以得到不同尺度a的評估信號在不同空間段的大量係數，即相應的小波係數Wf(a，b)，並用色譜圖的方式表示；在色譜圖中，用顏色的變化來表示係數的大小；可選擇得到某一尺度a時的小波係數曲線，這條曲線能夠直觀顯示小波係數與被分析信號之間的相似程度，且可通過控制a的大小，使小波係數曲線和某些參數具有一定的相關性。
全文摘要
本發明涉及一種核測井數據多尺度處理方法，包括以下步驟1.讀入測井數據；2.對測井數據進行濾波；3.對濾波後的數據進行歸一化處理；4.對經過濾波和歸一化處理後測井數據進行多尺度分解、融合和重構；5.顯示曲線和圖像。本發明解決了現有技術只能在一維深度域中對採集到的數據進行處理和解釋的局限性，本發明方法可在多維空間反映地層油、氣、水分布的多尺度特性，提高了描述剩餘油氣飽和度分布的精確度。
文檔編號G01V5/14GK101078776SQ20071001816
公開日2007年11月28日 申請日期2007年6月29日 優先權日2007年6月29日
發明者黃隆基, 張鋒, 房文靜, 汪永安, 楊聯會, 張德民, 楊連會, 董謙, 石麗雲 申請人:西安奧華電子儀器有限責任公司