一种小波高频属性识别致密砂岩裂缝的方法与流程
本发明涉地质勘探领域具体涉及一种小波高频属性识别致密砂岩裂缝的方法
背景技术：
致密砂岩气已成为全球非常规天然气勘探的重点领域,与常规砂岩储层相比，致密砂岩储层表现为成岩作用复杂、低孔低渗、非均质性强的特点，裂缝系统成为低渗透致密砂岩有利储层预测的关键。由于致密砂岩气藏埋藏深度大、岩性变化快、储层非均质性强，裂缝的发育有着极强的随机性和非均质性，做好对致密储层裂缝的研究有着关键的意义。
现有利用常规测井资料识别裂缝方法主要有3种：第一种是声波时差法，通常声波的传递需要介质，但当地层中存在裂缝，特别是低角度缝或者网状缝时，声波携带的能量被大量的吸收，这就导致了声波曲线发生“周波跳跃”现象。并且由于能量被吸收，波速变慢，从而产生时差曲线发生“时差增大”现象。但是，在实际的声波时差信号中，理论分析的“周波跳跃”和“时差增大”现象并不明显。第二种是井径测井法，因自身岩性比较脆弱，再加上钻具及钻井液的冲击等因素，导致在高角度裂缝及水平裂缝段发生垮塌，因此井径测井曲线呈现出井径变大的现象，其测量准确度受到钻头及井眼条件的限制。第三种是双侧向电阻率测井法，当泥浆滤液侵入时，若地层中有裂缝发育，深侧向和浅侧向送两条曲线在数值会呈现一定程度的差异。并且双侧向本身的绝对数值也会具有变大的趋向，因此，在利用双侧向电阻率差异法定性识别裂缝存在确定性差的特征
现有技术中，以上三种常规测井方法可以显示出一定的裂缝信息，但是获得的信息过于微弱，且曲线特征表现不够明显，这些方法不能准确的表征储层裂缝发育状况，给致密砂岩裂缝性油气藏的有效开发带来障碍。因此，仅从常规测井信号去判断和识别裂缝信息准确度和可信度都不高。
技术实现要素：
为了解决现有技术中通过测井信号去判断和识别裂缝信息准确度和可信度不高的问题，本发明提供一种在裂缝发育段表现出的响应特征更为显著，识别效果更加准确的小波高频属性识别致密砂岩裂缝的方法，包括以下步骤
确定裂缝敏感曲线；
选择小波基；
对原始测井信号进行小波阈值去噪；
对去噪后的测井信号进行小波高频属性提取；
采用小波高频识别裂缝。
进一步的，
所述确定裂缝敏感曲线包括，
采用选取声波时差曲线或/和深浅侧向电阻率曲线或/和井径曲线或/和作为裂缝敏感曲线。
进一步的，
所述选择小波基包括，
选择daubechies小波函数作为小波基。
进一步的，
所述对原始测井信号进行小波阈值去噪包括，
采用以下去噪算法获得阈值函数
式中
其中，j为尺度参数，k为时间参数，σ为噪声方差。
进一步的，
所述对原始测井信号进行小波阈值去噪包括对原始测井信号进行小波阈值去噪效果的验证；
采用了以下公式获取测井信号的信噪比snr，
若信噪比大于预设值则判定去噪效果合格；
或者，
采用了以下公式获取测井信号的均方误差rmse
若均方误差小于预设值则判定去噪效果合格。
进一步的，
所述对去噪后的测井信号进行小波高频属性提取包括，
对测井信号进行离散采样，分量为f(n)(n＝1,2…n)；
采用以下公式对分量进行多分辨率的分解，
式中aj+1为aj的低频函数，dj+1为dj的高频函数，h1(n)为小波函数的高通滤波系数，h0(n)为小波函数的尺度函数的低通滤波系数，j为尺度参数。
本发明的有益效果是：
1相比于现有技术中的去噪方法，本发明的小波阈值去噪算法具有高信噪比和低均方误差的特点，更能在保留原始信号完整性及光滑性的情况下，较好的消去了噪声，为之后小波高频提取测井信号隐藏信息提供了保障；
2通过对常规测井信号进行小波高频属性的提取后的信号，在裂缝发育段所表现出的响应特征更为显著，识别效果更加准确，同时对于原始测井信号未识别出的裂缝段也有较好的识别效果。
附图说明
图1为本发明一实施例流程图。
图2为原始测井信号识别裂缝段示意图。
图3为固定阈值去噪示意图。
图4为最大最小准则阈值去噪示意图。
图5为小波阈值去噪示意图。
图6为原始声波时差信号进行4级的小波分解示意图。
图7致密砂岩段声波时差信号经过小波高频属性提取对比示意图。
具体实施方式
本发明解决背景中描述的问题采用的思路之一是，去除常规测井信号中夹杂的噪声信号，并最大程度的保留原始测井信号的特征，最终得到具有高信噪比和低均方误差特点的去噪信号。通过采用合适的小波基，对去噪后的常规测井信号进行小波高频属性的提取，使得提取后的信号对于裂缝段的效应特征更加明显，同时识别出原始常规测井信号未能识别的裂缝。
如图1所示，本发明提供一种在裂缝发育段表现出的响应特征更为显著，识别效果更加准确的一种小波高频属性识别致密砂岩裂缝的方法，包括以下步骤
确定裂缝敏感曲线；
选择小波基；
对原始测井信号进行小波阈值去噪；
对去噪后的测井信号进行小波高频属性提取；
采用小波高频识别裂缝。
下面对各步骤进行解释说明，
第一步确定裂缝敏感曲线。
不同的常规测井曲线对于裂缝段的响应特征各不相同。在本发明一实施例中选取声波时差曲线(ac)作为裂缝识别的敏感曲线，在本发明另一实施例中选择深浅侧向电阻率曲线(lld、lls)作为裂缝识别的敏感曲线，在本发明另一实施例中选择井径曲线(cal)作为裂缝识别的敏感曲线。
第二步选择小波基。
选取小波基的标准主要有3条：自相似原则、判别函数和支集长度。小波基的性质还包括对称性、消失矩阶数和正则性等。在本发明一实施例中根据处理信号特点选取适合的小波基。
由于daubechies小波函数具有良好的紧支撑性、光滑性及近似对称性，使之称为了处理非平稳测井信号中应用最广泛的函数。在本发明一实施例中选择daubechies小波函数作为小波基，在本发明其他实施例中可以选择其他合适的小波基。
第三步对原始测井信号进行小波阈值去噪。
将原始含噪信号记作：g(t)＝f(t)+ε·e(t)t＝0，1，2，...，n-1
通过去噪算法：
其中，j为尺度参数，k为时间参数也叫位移参数，σ为噪声方差。
式中
得到新的阈值函数，获得去噪后的测井信号。
为了评价对测井信号的去噪效果，采用了信噪比(snr)、均方误差(rmse)两项指标来对小波阈值去噪效果进行评价。其中snr是为了反映算法的去噪能力，其值越高代表去噪效果越好。而rmse则是体现去噪前后信号的幅值差异，其值越小代表保留原始信号特征越好。snr、rmse的计算公式如下：
在本发明一实施例中通过信噪比(snr)、均方误差(rmse)与预设值进行比较来判断去噪效果是否合格。
第四步对去噪后的测井信号进行小波高频属性提取。
利用尺度函数和小波函数共同构造的高通滤波器提取出高频信号对信号的细节进行描述。然后再对之前分离出的低频信号中的高频细节进一步提取，反复进行以上步骤，从而达到预想的处理效果。
对测井信号进行离散采样，分量为：f(n)(n＝1,2…n)
再对分量进行多分辨率的分解：
第五步采用小波高频识别裂缝。
通过小波高频提取后的常规测井信号相比于原始测井信号，在裂缝发育段，声波时差高频信号和双侧向电阻率差值高频信号均表现出强烈震荡特征。而原始的声波时差曲线总体上有起伏呈锯齿状，无法有效识别裂缝。原始双侧向电阻率曲线，总体上电阻率偏高，在裂缝发育处存在幅度差值，但大部分表现较为模糊。原始井径曲线增大也不明显。因此，与原始测井信号相比，通过小波高频提取后的常规测井信号识别裂缝效果较好。
图2为现有技术中原始测井信号识别裂缝段示意图，从图2中可以看到，在裂缝发育段，声波时差信号的周波跳跃现象、深浅侧向电阻率差值以及井径增大现象并不明显。
下面通过一个具体的实施例对本发明进行说明。
图3为固定阈值去噪示意图，图4为最大最小准则阈值去噪示意图，图5为小波阈值去噪示意图，从图3，图4，图5可以看出小波阈值去噪与现有技术去噪方法比较具有高信噪比、低均方误差的特点，在去除噪声的同时能最大程度的保留原信号的特点。
数据指标示意表
图6为原始声波时差信号进行4级的小波分解示意图，如图6所示常规测井信号的小波高频提取对原始声波时差信号进行4级的小波分解后，第一尺度上得到的小波高频属性曲线在裂缝段出表现出强烈的震荡特征，与原始信号对比更加能突出裂缝发育对声波传播变化的影响。
图7为致密砂岩段声波时差信号经过小波高频属性提取对比示意图从图7中可以看出，泌212井从3200m-3290m，致密砂岩段声波时差信号经过小波高频属性的提取，发现该地段共有9处裂缝发育段。原始声波时差曲线总体上有起伏呈锯齿状，无法有效识别裂缝。“声波高频”对于原始声波时差信号进行4级的小波分解后，第一尺度上得到的小波高频属性曲线在裂缝段出表现出强烈的震荡特征，与原始信号对比更加能突出裂缝发育对声波传播变化的影响。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
- 还没有人留言评论。精彩留言会获得点赞！