GeoFrame_LPM测井地震属性综合成图

GeoFrame测井-地震属性综合成图 （Log Property Mapping）

培训手册培训手册 手册

V4版本

斯伦贝谢科技斯伦贝谢科技（科技（中国）中国）公司SIS部门 2009年7月

Breakthrough Team Performance Schlumberger

版权声明

© 2008 Schlumberger。保留所有权利。

未经Schlumberger公司SIS部门（5599San Felipe, Suite 100, Houston, TX 77056-2722）的事先书面许可，禁止任何人对本手册的任何部分进行复制或保存，如保存于可重新获取的系统内、转化为其它存储格式、通过电子或机械手段（如复印和录音）。

免责声明

本产品的使用通过许可证来控制。Schlumberger公司对于本产品，不作任何保证、声明、暗示或规定，并声明不限于任何商业或特殊用途。Schlumberger保留在不另行通知的情况下，修订本手册中信息的权利。

商标信息

除非另有说明，本手册中使用的软件应用标志是斯伦贝谢公司的注册商标。某些其它产品和产品名称为其各自公司或组织的商标或注册商标。

目 录

手册使用说明.......................................................................................................1

第一章 LPM MAIN SELECTION窗口........................................................2

一、Main Selection内容.......................................................................................................2

二、练习................................................................................................................................2

第二章 LPM DATA ANALYSIS窗口.............................................................4

练习........................................................................................................................................5

第三章 LPM DATA POPULATION-GUIDED MAPPING.........................8

一、LPM Guided Mapping步骤...........................................................................................8

二、LPM Guided Mapping练习...........................................................................................8

第四章 LPM DATA POPULATION-GEOSTATISTICAL MAPPING....12

一、练习1...........................................................................................................................12

二、练习2...........................................................................................................................16

第五章 LPM DATA POPULATION-COKRIGING...................................19

练习......................................................................................................................................19

第六章 使用变差图分析数据的各向异性....................................................24

练习......................................................................................................................................24

第七章 使用LPM进行时深转换..................................................................28

练习......................................................................................................................................28

第八章 使用三维交汇分析工具.....................................................................33

练习......................................................................................................................................33

Schlumberger 手册使用说明

手册使用说明手册使用说明

该培训手册主要介绍GeoFrame软件中Log Property Mapping(LPM)模块的主要功能，并通过实际练习来学习其应用技巧。

培训的对象主要为地质、地球物理及油藏工程师，帮助他们将LPM纳入其工作流程，通过综合井筒地质数据和地震地球物理数据来改善油藏属性图的质量。

培训主要包括以下内容：

使用LPM Main Selection设置成图环境和源数据；

使用LPM Data Analysis 分析油藏特征与地震属性间的相关性，并定量标定二

者相关关系；

使用Guided Mapping综合井筒数据和地震属性由井点外推油藏属性；

使用CoKriging和Geostatistical Mapping地质统计学算法由井点外推油藏属

性；

使用LPM进行时深转换。

完成本培训后，用户将会学到LPM的基本操作技巧和相关背景知识。

在运行LPM前，需要从其它模块获得几项相关结果，主要来源于以下模块：

ResSum模块: 计算层和岩性段定义的储层区间内，由测井曲线计算而来的储层

物性；

IESX：计算地震属性网格数据；

任何来源的散点数据，用于Geostatistical Mapping。

本培训练习使用Gullfaks工区数据，建议在练习中使用推荐的参数选项，如

[Depth_RANNOCH]，以保证练习的顺利完成。通过对该工区的练习，用户能顺利的对其它工区进行同样操作。

第一章 LPM Main Selection窗口

LPM 主要用于综合井筒地质数据和地震属性结果，计算储层目的层段物性网格，产生储层物性图。特别是在井控不足的地区该功能较实用。一个地区仅有几口井，单靠井数据不能生成令人信服的物性平面图件。另一方面，某些储层物性与特定的地震属性具有密切的相关性。例如，众所周知，地震的振幅和频率属性可以反映岩石的密度，而岩石密度主要受岩石孔隙度及其内的充填物的影响，充填物成分油、气和水的不同会造成不同的岩石密度，由此在地震属性上产生不同的响应。

一、Main Selection内容

LPM Main Selection 包括以下内容：

Surface: 地震解释结果和地震属性网格数据保存其中。此外，LPM产生的网格

数据文件也保存其中。

Zone Version：包含在Wellpix中创建的分层数据、岩性段和层数据。

Layer：目的层位。

Master Grid: 该网格的底层格架控制LPM输出网格文件的网格格式。如果现

有网格中没有的，可以创建一个新网格格架。

Prop Version: ResSum模块中输出成果的版本。

二、练习

在本练习中，我们将从Main Selection文件夹中选择相关数据，确定源数据和成图环境。

1. 在GeoFrame Application Manager窗口中，打开Geology Catalog。从Geology

Catalog或Geology Office均可打开LPM模块。

2. 在LPM Main Selection文件夹，点击Surface按钮来打开Select Surface菜单，

从列表中选择[RANNOCH]，然后点击OK（图1）。

3. 点击Zone Version按钮来打开Select Zone Version菜单，选择

[ZoneVersion_demo_1]，然后点击OK来关闭该菜单。

4. 点击Layer按钮来打开Select Layer菜单，选择目的层[RANNOCH]，然后点击

OK。

5. 点击Master Grid按钮来打开Select Grid菜单，从列表中选择合适的网格文件

[RANNOCH_depth]，然后点击OK。

6. 点击Prop Version按钮来打开Select Property Version菜单，选择包含ResSum

结果的Prop Version 文件[ResSum_Output_1]，然后点击OK关闭菜单。

7. 选中All Boreholes选项，加入所有井。

8. 选中Include Partial Penetration Values。

9. 将Property Index Type设为TVD（缺省）。

注意，在本手册中，Gullfaks工区数据的选择均显示在方括号内，如上2-6所示。

图1 Main Selection设置

第二章 LPM Data Analysis窗口

LPM Data Analysis主要完成以下两项重要任务：

计算储层物性与地震属性之间的相关性。

如果一种或几种地震属性与储层物性之间具有较好的相关性，则定量表示二者

之间的关系。

图2-1 Data Analysis参数设置

练习

在本练习中，我们将学习使用LPM来分析地震属性与储层物性之间的相关性，并建立二者之间的数学关系式。

1. 在LPM 窗口，打开Data Analysis文件夹。

2. 点击Data Selection 下的Property按钮来打开Select Property菜单，ResSum

模块计算的所有属性均可在此选择，选择你需要的属性（图2-1）。

在Gullfaks培训工区中，由ResSum计算而来的储层物性如下：

Gross_Porosity

Net_Pay_Porosity

Net_Pay_Thickness

Net_Pay_Water_Saturation Net_Reservoir_Gross_Thickness_RatioNet_Reservoir_PorosityNet_Reservoir_Water_SaturationNet_Thickness

3. 点击Data Selection 下的Attributes按钮来打开Select Grid菜单。当前Surface

下的所有地震属性均可在此选择，从属性列表中选择选择你需要的属性。

在Gullfaks培训工区中，由SATK计算而来的地震属性类型如下所示：

Time_Interpretation

Integrated_Seismic_Amplitude

Intergrated_Reflection_Strength

Intergrated_Apparent_Seismic_Polarity

Intergrated_Instantaneous_Frequency Depth Intergrated_Cosine_Of_Phase Max_Amplitude Reflection_Strength

Amplitude_Difference

图2-2 Quality Matrix回归关系

4. 选中Quality Indicator下的Regression Coefficient（缺省）来计算线性回归关

系，选中Significance Value计算非线性关系。

5. 点击Edit Intersection按钮来打开Edit Intersection菜单，有必要的话，修改

Default radius数值。

6. 点击Compute按钮来计算质量矩阵，计算完成后，在Quality Matrix窗口显示

。 每一个物性/地震属性数据对的LPM Quality Matrix值（图2-2）

7. Quality Matrix表示为相关系数的百分比，不分正负。单元格内充填颜色，表

示岩石物性与地震属性相关性的高低。

8. 双击单元格，打开交汇图窗口来显示岩石物性与地震属性间的交汇图。选择

RegressionLine，选中Linear来显示回归线（图2-3）。

图2-3 储层物性与地震属性交汇图

通过选择或取消每口井，来观察Quality Matrix值的变化。可以使用此技术来减少异常数据点。

注释：关键是寻找与一种或几种地震属性具有较好相关性，能作为储层物性成图的辅助数据。例如，对Gullfaks工区数据，RANNOCH层的Gross_Porosity与Intergrated_Reflection_Strength地震属性的相关系数大于70%。

9. 点击Calibration Function下的Property按钮来选择岩石物性，点击Attribute

按钮选择一种或几种计划用于物性成图的地震属性网格数据。基于Quality

Matrix的计算结果，将Calibration Method设为Linear Calibration或

Non-linear。

10. 点击Compute按钮计算标定公式。

对Gullfaks工区数据而言，以下三个关键属性需要标定：

Net_Pay_Porosity

Net_Pay_Water_Saturation

Net_Reservoir_Gross_Thickness_Ratio

第三章 LPM Data Population-Guided Mapping

一旦确认并标定储层物性与一种或几种地震属性之间的相关性，就可以使用LPM Data Population文件夹来进行属性推广。

在LPM模块中有三种属性推广算法：

Guided Mapping：这是一种预处理过程，即使用储层物性与地震属性的标定结果将地震属性网格数据直接转化为物性网格数据，然后计算井点处的残差。

CoKriging：基于克里金的、确定的和随机的算法，综合井数据和地震数据产生物性网格数据。

Geostatistic Mapping：基于克里金的、确定的和随机的算法，仅使用井数据产生物性网格数据。

一、LPM Guided Mapping步骤

LPM Guided Mapping包括以下五个步骤：

1. Apply Calibration Function：根据标定公式直接将地震属性网格转化为物性网

格；

2. Calculate Residual Scatter：计算井点处残差；

3. Calculate Residual Grid：根据残差散点数据产生残差网格数据；

4. Apply Residual：使用残差网格校正转化的物性网格数据，以保证最终网格与

井点数据一致；

5. Estimate Confidence：显示井点与物性网格之间可能的误差，作为评价结果可

行度的指标。

二、LPM Guided Mapping练习

在本练习中，我们将按以下步骤使用Guided Mapping方法来计算并产生物性图。

1. 在LPM窗口中，选择Data Population文件夹（图3-1）。

2. 点击Property to Map下的Property打开Select Property菜单，从标定物性中

选择储层物性[Net_Pay_Porosity]。

3. 选择Mapping下的Guided Mapping文件夹（此为缺省设置）。

4. 点击Apply Calibration Function下的Compute按钮，计算输出网格

[Net_Pay_Porosity_ESTIMATED]，点击图标来显示物性平面图，点击图标

来显示网格数据直方图和其统计数据。

图3-1 Data Population 参数设置

5. 将Calculate Residual Scatter下的Correction Type设为Residual，点击

Compute按钮来计算残差散点数据[Net_Pay_Porosity_RESIDUAL_SCATTER]。点击图标来显示残差散点数据直方图和其统计结果。

6. 选择Calculate Residual Grid下合适的Population Algorithm算法[Inverse

Distance]。

7. 点击图标，打开LPM Gridding Parameters窗口。

8. 选择Search文件夹，选择搜索算法Algorithm[SuperBlock]，然后设定范围

Range[~5,000]。其它选项使用默认设置。

9. 选择Population文件夹，将Power设为[2]，Tolerance设为[50]。点击Close

按钮关闭LPM Gridding Parameters窗口。

10. 点击Compute按钮计算输出网格[Net_Pay_Porosity_RESIDUAL]，点击图标来显示残差网格平面图，点击图标来显示残差网格数据直方图。

图3-2 网格显示

然11. 在Apply Residual下给输出网格一个新名字[Net_Pay_Porosity_RANNOCH]。

点击图标后点击Compute按钮进行计算，来显示最终的网格平面图（图

3-2）。

12. 点击Estimate Confidence下的Compute按钮，计算可信度图

[Net_Pay_Porosity_CONFIDENCE]，点击图标来显示可信度平面图。

第四章 LPM Data Population

-Geostatistical Mapping

地质统计学成图功能提供了四种地质统计学算法，将ResSum模块内计算所得的井筒物性数据或任何散点数据进行物性推广，该过程中没有使用地震属性。

地质统计学算法如下：

Simple Kriging：基于克里金的确定性算法。

Ordinary Kriging：基于克里金的确定性算法。

Sequential Gaussian Simulation：基于克里金的随机算法。

Uncertainty Mapping：产生概率图和可信度图。

一、练习1

在本练习中，我们将学习如何建立变差图，并使用地质统计学算法推广储层物性网格数据。

1. 在LPM Data Population文件夹中，点击Property to Map下的Property按钮，

选择属性[Net_Gross_Thickness_Ratio]。

2. 选择Mapping下的Geostatistical Mapping文件夹。

3. 点击Geostatistical Mapping下的Population Algorithm按钮选择算法

[Sequential Gaussian Simulation].

4. 回到文件夹顶部的Property to Map部分。点击图标

。 方图和统计结果（图3-1）

注意：如果选择了Sequential Gaussian Simulation算法，数据将被自动进行归一化。网格数据将被自动反向转换。 来显示所选数据的直

5. 回到文件夹顶部的Property to Map部分。点击图标来打开Property

Variogram Plot Specification和Property Variogram Plot窗口。

6. 在Property Variogram Plot Specification窗口中，选择Variogram

Direction-Horizon下的Omnidirectional选项（缺省）。如果数据不均匀分布的话，则选择Major/Minor选项（图4-1）。

7. 选择Experimental Variogram文件夹。设置Spatial Equations下的Equation

为Semivariogram。

8. 设置Search Distances下的Lag和Maximun参数。

图4-1 物性变差成图参数设置

9. 点击Compute variogram按钮计算试验的变差交汇图，结果显示在Property

Variogram Plot窗口中（图4-2，红色×符号）。

图4-2 物性变差交汇图

10. 在Property Variogram Plot Specification窗口中，选择Model Variogram文件

夹。

11. 选择Model Parameters下的Model Type（Spherical，Exponential或Gaussian），

调整模型的Range、Sill和Nugget值，以使绿色模型线与红色×符号吻合，尽力使二者达到最大程度的匹配（图4-3）。

12. 在Output Variogram Model下，为变差模型输入一个名字。点击右边的Save

按钮进行保存，点击Close按钮退出窗口。

图4-3 变差模型参数设置

点击图标13. 返回LPM Data Population-Geostatistical Mapping文件夹，开LPM Gridding Parameters窗口。

打

14. 选择Data Parameter Selection下的Search文件夹，选择Algorithm，输入合

适的Range值，保留其它缺省参数。

15. 选择Primary Variogram文件夹。点击Input Variogram Model下的Select按

钮，从列表中选择之前保存的变差模型。点击Close按钮退出LPM Gridding Parameters窗口。

16. 在Geostatistical Mapping文件夹中，为Output Grid输入一个名字，点击

Compute按钮（右侧）开始计算（图4-4）。

图4-4 地质统计成图

17. 点击图标显示结果（图4-5）。

图4-5 地质统计算法结果显示

二、练习2

在Geostatistical Mapping中，有五种非确定性成图算法

P map for given lower cutoff：定义物性的低门槛值，其结果显示每一个网格数据点大于门槛值的概率。

Lower cutoff map for given P：定义可信度级别（%），其结果显示每一个网格数据点的最小物性值。

Lower confidence limit for given P：定义可信度级别（%），其结果显示每一个网格数据点的物性值，该数据点的可信度最低。

Upper confidence limit for given P：定义可信度级别（%），其结果显示每一个网格数据点的物性值，该数据点的可信度最高。

Confidence spread for given P：定义可信度级别（%），其结果显示给定可信度级别的最大属性值和最小属性值间的差异。

在本练习中，我们将使用井数据产生总孔隙度大于20%的概率图。

1. 在LPM Data Population文件夹中，点击Property to Map下的Property按钮，

选择属性Gross_Porosity。

2. 选择Mapping文件夹下的Geostatistical Mapping。点击Population Algorithm

按钮，从列表中选择Uncertainty Mapping。

3. 返回文件夹顶部的Property to Map

部分，点击右侧图标来打开

Property Variogram Plot Specification和Property Variogram Plot窗口。

4. 在Property Variogram Plot Specification窗口中，选择Variogram

Direction-Horizon下的Omnidirectional选项（缺省）。如果数据不均匀分布的话，则选择Major/Minor选项（图4-1）。

5. 选择Experimental Variogram文件夹。设置Spatial Equations下的Equation

为Semivariogram。

6. 设置Search Distances下的Lag和Maximun参数。

7. 点击Compute variogram按钮计算试验的变差交汇图，结果显示在Property

Variogram Plot窗口中（红色×符号）。

8. 在Property Variogram Plot Specification窗口中，选择Model Variogram文件

夹。

9. 选择Model Parameters下的Model Type（Spherical，Exponential或Gaussian），

调整模型的Range、Sill和Nugget值，以使绿色模型线与红色×符号吻合，尽力使二者达到最大程度的匹配。

10. 在Output Variogram Model下，为变差模型输入一个名字。点击右边的Save

按钮进行保存，点击Close按钮退出窗口。

11. 返回LPM Data Population-Geostatistical Mapping文件夹，点击图标

开LPM Gridding Parameters窗口。 打

12. 选择Data Parameter Selection下的Search文件夹，选择Algorithm，输入合

适的Range值，保留其它缺省参数。

13. 选择Population文件夹。设置Uncertainty Mapping下的Option为P map for

given lower cutoff。输入合适的门槛值[0.20]。

14. 选择Primary Variogram文件夹中，点击Input Variogram Model下的Select

按钮，从列表中选择先前建立的变差模型。点击Close按钮（右侧）退出LPM Gridding Parameters窗口。

15. 在Geostatistical Mapping文件夹中，给Output Grid一个名字。点击Compute

按钮（右边）开始计算。

16. 点击图标

显示结果（图4-7）。

图4-6 网格化参数设置

图4-7 非确定性成图结果

本文来源：https://www.bwwdw.com/article/3q4j.html