一种全方位属性寻优的裂缝储层预测方法及装置

技术领域

本发明涉及油气田勘探开发技术领域，特别地涉及一种全方位属性寻优的裂缝储层预测方法及装置。

背景技术

现有的储层预测是基于叠后地震数据进行的。基于叠后地震数据进行储层预测由于需要首先获得叠后地震数据，因此在方法上比较繁琐，计算量较大。并且，现有的储层预测仅基于叠后地震数据中的常规属性，并没有考虑储层中的裂缝信息，因此预测结果也不够准确。

发明内容

针对上述现有技术中的问题，本申请提出了一种全方位属性寻优的裂缝储层预测方法及装置，能够更加简单、准确地对储层进行预测。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明实施例提供了一种全方位属性寻优的裂缝储层预测方法，所述方法包括：

对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集；

基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位；

对所述方位叠前道集进行属性计算，获得属性计算结果；

采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性；

基于所述优选属性对所述工区的储层进行预测。

优选地，所述对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，包括：

采用局部角度域成像法或者全方位OVT处理法或者分方位偏移成像处理法，对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集。

优选地，所述对所述方位叠前道集进行属性计算，获得属性计算结果，包括：

对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集；

对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体；

对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体；

获取所述方位叠前属性道集和所述三维方位叠加属性体作为所述属性计算结果。

优选地，所述对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集，包括：

在所述方位叠前道集的每一个地震道上进行瞬时振幅、瞬时相位、瞬时频率和均方根振幅的属性计算，获得所述方位叠前属性道集。

优选地，所述对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体，包括：

对于所述方位叠前道集中每一个方位上的叠前道集，执行以下操作：

基于预设方位角和预设全偏移距，将该方位上的叠前道集进行叠加，获得该方位上的叠加数据体；其中，所述预设方位角基于该方位上的叠前道集的个数预先设置；

获取所述每一个方位上的所述叠加数据体作为所述方位叠加数据体。

优选地，对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体，包括：

对所述方位叠加数据体进行相干属性、曲率属性和蚂蚁属性的计算，获得所述三维方位叠加属性体。

优选地，所述采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，包括：

采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集；

采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体；

获取所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体作为所述优选属性。

优选地，所述采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集，包括：

对于所述方位叠前属性道集的每一个地震道中的每一个采样点，执行以下操作：

从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集；其中，所述预设角度范围以所述预测的裂缝发育方位的角度数值为中心点；所述预设角度范围基于采样点的密集程度确定；

获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。

优选地，采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体，包括：

对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，执行以下操作：

从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，获得该地震道中的该采样点上的属性体；

获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。

第二方面，本发明实施例提供了一种全方位属性寻优的裂缝储层预测装置，所述装置包括：

偏移成像处理模块，用于对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集；

反演模块，用于基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位；

属性计算模块，用于对所述方位叠前道集进行属性计算，获得属性计算结果；

优选模块，用于采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性；

预测模块，用于基于所述优选属性对所述工区的储层进行预测。

第三方面，本发明实施例提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例中任一项所述的全方位属性寻优的裂缝储层预测方法。

第四方面，本发明实施例提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例中任一项所述的全方位属性寻优的裂缝储层预测方法。

本发明实施例提供的全方位属性寻优的裂缝储层预测方法、装置、存储介质及电子设备，通过对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位，对所述方位叠前道集进行属性计算，获得属性计算结果，采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，基于所述优选属性对所述工区的储层进行预测，使得对储层的预测能够基于叠前地震数据进行，而不必像现有技术那样再去计算叠后地震数据，简化了预测方法。同时，由于本发明基于方位叠前道集进行叠前裂缝各向异性反演，并采用所预测的裂缝发育方位对上述属性计算结果进行优选，即本发明充分考虑了储层中的裂缝发育信息，相比于现有技术能够获得更加准确的预测结果。可见，本发明实施例提供的技术方案，能够更加简单、准确地对储层进行预测。

附图说明

通过结合附图阅读下文示例性实施例的详细描述可更好地理解本发明公开的范围。其中所包括的附图是：

图1为本发明实施例的方法流程图一；

图2为本发明实施例的方法流程图二；

图3为本发明实施例中的方位叠前道集的示意图；

图4为本发明实施例中裂缝各向异性强度的示意图；

图5为本发明实施例中预测的裂缝发育结果的剖面图；

图6为本发明实施例中方位叠前属性道集(瞬时相位)的示意图；

图7为本发明实施例中方位叠加数据体的示意图；

图8为本发明实施例中三维方位叠加属性体的示意图；

图9为本发明实施例中优选后的方位叠前属性道集的示意图；

图10为采用本发明实施例所述的方法对某油田某裂缝型储层发育区预测的结果图。

图11为本发明实施例的装置结构图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本发明的实施方法，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一

对于常规的三维叠后地震数据体，利用地震属性开展储层预测是一种直接而有效的方法，但是，如何在叠前道集尤其是全方位的叠前道集上开展属性计算，并且使得该属性能够直接与地质目标进行有效结合，目前仍然没有有效的手段和办法。

本发明面向全方位叠前道集，利用全方位AVAZ反演得到方位各向异性的强度和方位，再对全方位道集进行属性计算，开展方位约束下的全方位属性的寻优，以此来获得全方位优化后的地震属性计算结果。

根据本发明的实施例，提供了一种全方位属性寻优的裂缝储层预测方法，如图1所示，本实施例所述的方法包括：

步骤S101，对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集；

本实施例中，所述对工区的叠前CMP(Common Middle Point，共中心点)道集进行全方位偏移成像处理，获得方位叠前道集，包括：

采用局部角度域成像法或者全方位OVT处理法或者分方位偏移成像处理法，对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集。

具体地，采用局部角度域成像法或者全方位OVT处理法或者分方位偏移成像处理法，对工区的叠前CMP道集进行全方位偏移成像处理，得到分方位分偏移距道集或者分方位分角度道集，即得到上述方位叠前道集。

步骤S102，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位；

本实施例中，可采用地震波的速度或时差或振幅来计算裂缝的各向异性强度和发育方位，上述计算出的裂缝的发育方位即为所述预测的裂缝发育方位。

步骤S103，对所述方位叠前道集进行属性计算，获得属性计算结果；

属性计算是利用地震属性进行储层预测的一种常规方法，根据算法不同，可以分为单道属性计算和三维属性计算。其中，单道属性计算即在单一地震道就可以开展的属性算法，如三瞬属性(瞬时振幅、瞬时相位、瞬时频率等)及一些其他的简单属性；一些较为复杂的属性(如相干属性、曲率属性、蚂蚁属性等等)则需要在三维数据体上计算。本实施例可以同时针对单道属性计算和三维属性计算进行全方位优选。

本实施例中，所述对所述方位叠前道集进行属性计算，获得属性计算结果，包括：

对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集；

对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体；

对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体；

获取所述方位叠前属性道集和所述三维方位叠加属性体作为所述属性计算结果。

本实施例中，所述对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集，包括：

在所述方位叠前道集的每一个地震道上进行瞬时振幅、瞬时相位、瞬时频率和均方根振幅的属性计算，获得所述方位叠前属性道集。

对于较为复杂的三维地震属性，需要对方位叠前道集开展方位角度叠加，得到方位叠加数据体，之后再对方位叠加数据体进行三维属性计算，获得三维方位叠加属性体。

本实施例中，所述对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体，包括：

对于所述方位叠前道集中每一个方位上的叠前道集，执行以下操作：基于预设方位角和预设全偏移距，将该方位上的叠前道集进行叠加，获得该方位上的叠加数据体；其中，所述预设方位角基于该方位上的叠前道集的个数预先设置；

获取所述每一个方位上的所述叠加数据体作为所述方位叠加数据体。

具体地，对于所述方位叠前道集中每一个方位上的叠前道集，预先设置方位角和全偏移距。其中，方位角基于该方位上的叠前道集的个数来确定，例如，叠前道集的个数为6个，就将方位角设定为30°；叠前道集的个数为4个，就将方位角设定为45°。全偏移距的数值范围为0到满偏移距的最大值。基于上述方位角和全偏移距，将该方位上的叠前道集进行叠加，即将该方位上的叠前道集全部相加，再除以该方位上的叠前道集的个数，就可以获得该方位上的叠加数据体。获取每一个方位上的叠加数据体就可以得到不同方位的地震叠加数据体，即上述方位叠加数据体。其中，不同方位的叠加数据体的数据线号、道号均一样，地震道数、以及每个地震道的采样数均一样，只是由于不同方位的叠加导致可能在某些方位的地震数据有所差异。

本实施例中，对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体，包括：

对所述方位叠加数据体进行相干属性、曲率属性和蚂蚁属性的计算，获得所述三维方位叠加属性体。

步骤S104，采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性；

本实施例中，所述采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，包括：

采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集；

采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体；

获取所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体作为所述优选属性。

其中，所述采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集，包括：

对于所述方位叠前属性道集的每一个地震道中的每一个采样点，执行以下操作：从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集；其中，所述预设角度范围以所述预测的裂缝发育方位的角度数值为中心点；所述预设角度范围基于采样点的密集程度确定；

获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。

具体地，由于在每一个地震道上都对应于一个裂缝的方位，且该方位的具体数值在0°～180°之间，因此，对于所述方位叠前属性道集的每一个地震道中的每一个采样点，存在着M个偏移距(入射角)和N个方位角的采样点。根据步骤S102中所获得的预测的裂缝发育方位，从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集。其中，所述预设角度范围一般不超过30°。当然，在实际应用中，该预设角度范围可以按照道集多少适当减小，但一般最小不小于5°。

例如，预测的裂缝发育方位的角度数值为78°，则所述预设角度范围可以设置为63°～93°。当然，如果采样点足够密集，在63°到93°之间的道也可以选择在73°到83°之间。

以此类推，按照上述方式获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。该优选后的方位叠前属性道集，既携带了常规属性所表征的储层性质(如瞬时振幅表示能量的变化、瞬时相位反映地下异常、瞬时频率反映岩性等)，也携带了裂缝的方向信息，这对于裂缝型储层中的地震预测是非常有利的。

本实施例中，采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体，包括：

对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，执行以下操作：从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，获得该地震道中的该采样点上的属性体；

获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。

具体地，由于在每一个地震道上都对应于一个裂缝的方位，且该方位的具体数值在0°～180°之间，因此，对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，存在着N个方位角(无偏移距和入射角信息)的采样点。根据步骤S102中所获得的预测的裂缝发育方位，从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，即直接优选出与裂缝方位最接近的方位属性体地震数据，获得该地震道中的该采样点上的属性体。

例如，预测的裂缝发育方位的角度数值为78°，与该角度数值最接近的属性体的角度为90°，则选择90°对应的属性体作为该地震道中的该采样点上的属性体。

以此类推，按照上述方式获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。该优选后的三维方位叠加属性体，既携带了常规属性所表征的储层性质(如相干表示同相轴的错段代表着小断裂的发育，曲率表示同相轴的弯曲程度代表了地层的扭曲程度，蚂蚁体则更加直观地表示了断裂/裂缝的展布)，也携带了裂缝的方向信息，这对于裂缝型储层中的地震预测是非常有利的。

步骤S105，基于所述优选属性对所述工区的储层进行预测。

本实施例中，基于所述优选属性对所述工区的储层进行预测，包括：

基于所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体，共同对所述工区的储层进行预测，以预测出该储层整体的发育情况。

本发明实施例提供的全方位属性寻优的裂缝储层预测方法，通过对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位，对所述方位叠前道集进行属性计算，获得属性计算结果，采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，基于所述优选属性对所述工区的储层进行预测，使得对储层的预测能够基于叠前地震数据进行，而不必像现有技术那样再去计算叠后地震数据，简化了预测方法。同时，由于本发明基于方位叠前道集进行叠前裂缝各向异性反演，并采用所预测的裂缝发育方位对上述属性计算结果进行优选，即本发明充分考虑了储层中的裂缝发育信息，相比于现有技术能够获得更加准确的预测结果。可见，本发明实施例提供的技术方案，能够更加简单、准确地对储层进行预测。

实施例二

本实施例以实际的储层预测为例，进一步详细说明全方位属性寻优的裂缝储层预测方法。

如图2所示，本实施例所述的方法包括：

步骤S201，对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集；

具体地，采用局部角度域成像法或者全方位OVT处理法或者分方位偏移成像处理法，对工区的叠前CMP道集进行全方位偏移成像处理，得到分方位分偏移距道集或者分方位分角度道集，即得到上述方位叠前道集。该方位叠前道集的示意图如图3所示。

步骤S202，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位；

本实施例中，可采用地震波的速度或时差或振幅来计算裂缝的各向异性强度和发育方位，即获得预测的裂缝发育结果，上述计算出的裂缝的发育方位即为所述预测的裂缝发育方位。

图5示出了上述预测的裂缝发育结果的剖面图。其中，裂缝各向异性强度的示意图如图4所示。

步骤S203，对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集；

具体地，在所述方位叠前道集的每一个地震道上进行瞬时振幅、瞬时相位、瞬时频率和均方根振幅的属性计算，获得所述方位叠前属性道集。

其中，进行瞬时相位的属性计算所获得的方位叠前属性道集如图6所示。

步骤S204，对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体；

本实施例中，所述对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体，包括：

对于所述方位叠前道集中每一个方位上的叠前道集，执行以下操作：基于预设方位角和预设全偏移距，将该方位上的叠前道集进行叠加，获得该方位上的叠加数据体；其中，所述预设方位角基于该方位上的叠前道集的个数预先设置；

获取所述每一个方位上的所述叠加数据体作为所述方位叠加数据体。

具体地，对于所述方位叠前道集中每一个方位上的叠前道集，预先设置方位角和全偏移距。其中，方位角基于该方位上的叠前道集的个数来确定，例如，叠前道集的个数为6个，就将方位角设定为30°；叠前道集的个数为4个，就将方位角设定为45°。全偏移距的数值范围为0到满偏移距的最大值。基于上述方位角和全偏移距，将该方位上的叠前道集进行叠加，即将该方位上的叠前道集全部相加，再除以该方位上的叠前道集的个数，就可以获得该方位上的叠加数据体。获取每一个方位上的叠加数据体就可以得到不同方位的地震叠加数据体，即上述方位叠加数据体。其中，不同方位的叠加数据体的数据线号、道号均一样，地震道数、以及每个地震道的采样数均一样，只是由于不同方位的叠加导致可能在某些方位的地震数据有所差异。

按照上述方法所获得的方位叠加数据体的示意图如图7所示。

步骤S205，对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体；

本实施例中，对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体，包括：

对所述方位叠加数据体进行相干属性、曲率属性和蚂蚁属性的计算，获得所述三维方位叠加属性体。该三维方位叠加属性体的示意图如图8所示。

步骤S206，采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集；

本实施例中，所述采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集，包括：

对于所述方位叠前属性道集的每一个地震道中的每一个采样点，执行以下操作：从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集；其中，所述预设角度范围以所述预测的裂缝发育方位的角度数值为中心点；所述预设角度范围基于采样点的密集程度确定；

获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。

具体地，由于在每一个地震道上都对应于一个裂缝的方位，且该方位的具体数值在0°～180°之间，因此，对于所述方位叠前属性道集的每一个地震道中的每一个采样点，存在着M个偏移距(入射角)和N个方位角的采样点。根据步骤S102中所获得的预测的裂缝发育方位，从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集。其中，所述预设角度范围一般不超过30°。当然，在实际应用中，该预设角度范围可以按照道集多少适当减小，但一般最小不小于5°。

例如，预测的裂缝发育方位的角度数值为78°，则所述预设角度范围可以设置为63°～93°。当然，如果采样点足够密集，在63°到93°之间的道也可以选择在73°到83°之间。

以此类推，按照上述方式获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。该优选后的方位叠前属性道集，既携带了常规属性所表征的储层性质(如瞬时振幅表示能量的变化、瞬时相位反映地下异常、瞬时频率反映岩性等)，也携带了裂缝的方向信息，这对于裂缝型储层中的地震预测是非常有利的。

上述优选后的方位叠前属性道集的示意图如图9所示。

步骤S207，采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体；

本实施例中，采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体，包括：

对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，执行以下操作：从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，获得该地震道中的该采样点上的属性体；

获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。

具体地，由于在每一个地震道上都对应于一个裂缝的方位，且该方位的具体数值在0°～180°之间，因此，对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，存在着N个方位角(无偏移距和入射角信息)的采样点。根据步骤S102中所获得的预测的裂缝发育方位，从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，即直接优选出与裂缝方位最接近的方位属性体地震数据，获得该地震道中的该采样点上的属性体。

例如，预测的裂缝发育方位的角度数值为78°，与该角度数值最接近的属性体的角度为90°，则选择90°对应的属性体作为该地震道中的该采样点上的属性体。

以此类推，按照上述方式获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。该优选后的三维方位叠加属性体，既携带了常规属性所表征的储层性质(如相干表示同相轴的错段代表着小断裂的发育，曲率表示同相轴的弯曲程度代表了地层的扭曲程度，蚂蚁体则更加直观地表示了断裂/裂缝的展布)，也携带了裂缝的方向信息，这对于裂缝型储层中的地震预测是非常有利的。

步骤S208，基于所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体，对所述工区的储层进行预测。

具体地，基于所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体，能够共同预测出该储层整体的发育情况。

图10给出了对某油田某裂缝型储层发育区预测的结果图，从图中可以看出，其清晰地预测出了裂缝储层的整体发育情况，经过与井中的FMI成像对比分析，吻合率较好。

常规的地震属性方法常常基于叠后的地震资料，本发明提供的技术方案是在地震叠前道集上进行计算的，涉及的属性计算充分利用了目前宽方位地震采集道集所得到的偏移距以及方位信息，相比叠后地震数据得到的相干体，具有更丰富的裂缝发育信息，并且通过方位叠前属性道集以及方位叠加体属性的寻优，可以得到工区范围内直观、清晰的裂缝或地质异常体的发育分布图。

本发明实施例提供的全方位属性寻优的裂缝储层预测方法，通过对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位，对所述方位叠前道集进行属性计算，获得属性计算结果，采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，基于所述优选属性对所述工区的储层进行预测，使得对储层的预测能够基于叠前地震数据进行，而不必像现有技术那样再去计算叠后地震数据，简化了预测方法。同时，由于本发明基于方位叠前道集进行叠前裂缝各向异性反演，并采用所预测的裂缝发育方位对上述属性计算结果进行优选，即本发明充分考虑了储层中的裂缝发育信息，相比于现有技术能够获得更加准确的预测结果。可见，本发明实施例提供的技术方案，能够更加简单、准确地对储层进行预测。

实施例三

与上述方法实施例相对应地，本发明还提供一种全方位属性寻优的裂缝储层预测装置，如图11所示，所述装置包括：

偏移成像处理模块301，用于对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集；

反演模块302，用于基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位；

属性计算模块303，用于对所述方位叠前道集进行属性计算，获得属性计算结果；

优选模块304，用于采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性；

预测模块305，用于基于所述优选属性对所述工区的储层进行预测。

本实施例中，所述偏移成像处理模块301采用以下方式获得方位叠前道集：

采用局部角度域成像法或者全方位OVT处理法或者分方位偏移成像处理法，对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集。

本实施例中，所述属性计算模块303包括：

单道属性计算单元，用于对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集；

方位角度叠加单元，用于对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体；

三维属性计算单元，用于对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体；

属性计算结果获取单元，用于获取所述方位叠前属性道集和所述三维方位叠加属性体作为所述属性计算结果。

本实施例中，所述单道属性计算单元采用以下方式获得方位叠前属性道集：

在所述方位叠前道集的每一个地震道上进行瞬时振幅、瞬时相位、瞬时频率和均方根振幅的属性计算，获得所述方位叠前属性道集。

本实施例中，所述方位角度叠加单元采用以下方式获得方位叠加数据体：

对于所述方位叠前道集中每一个方位上的叠前道集，执行以下操作：

基于预设方位角和预设全偏移距，将该方位上的叠前道集进行叠加，获得该方位上的叠加数据体；其中，所述预设方位角基于该方位上的叠前道集的个数预先设置；

获取所述每一个方位上的所述叠加数据体作为所述方位叠加数据体。

本实施例中，所述三维属性计算单元采用以下方式获得三维方位叠加属性体：

对所述方位叠加数据体进行相干属性、曲率属性和蚂蚁属性的计算，获得所述三维方位叠加属性体。

本实施例中，所述优选模块304包括：

第一优选单元，用于采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集；

第二优选单元，用于采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体；

优选属性获取单元，用于获取所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体作为所述优选属性。

本实施例中，所述第一优选单元采用以下方式获得优选后的方位叠前属性道集：

对于所述方位叠前属性道集的每一个地震道中的每一个采样点，执行以下操作：

从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集；其中，所述预设角度范围以所述预测的裂缝发育方位的角度数值为中心点；所述预设角度范围基于采样点的密集程度确定；

获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。

本实施例中，所述第二优选单元采用以下方式获得优选后的三维方位叠加属性体：

对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，执行以下操作：

从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，获得该地震道中的该采样点上的属性体；

获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。

上述装置的工作原理、工作流程等涉及具体实施方式的内容可参见本发明所提供的全方位属性寻优的裂缝储层预测方法的具体实施方式，此处不再对相同的技术内容进行详细描述。

本发明实施例提供的全方位属性寻优的裂缝储层预测装置，通过对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位，对所述方位叠前道集进行属性计算，获得属性计算结果，采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，基于所述优选属性对所述工区的储层进行预测，使得对储层的预测能够基于叠前地震数据进行，而不必像现有技术那样再去计算叠后地震数据，简化了预测方法。同时，由于本发明基于方位叠前道集进行叠前裂缝各向异性反演，并采用所预测的裂缝发育方位对上述属性计算结果进行优选，即本发明充分考虑了储层中的裂缝发育信息，相比于现有技术能够获得更加准确的预测结果。可见，本发明实施例提供的技术方案，能够更加简单、准确地对储层进行预测。

实施例四

根据本发明的实施例，还提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例任一项所述的全方位属性寻优的裂缝储层预测方法。

所述方法包括：

对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集；

基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位；

对所述方位叠前道集进行属性计算，获得属性计算结果；

采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性；

基于所述优选属性对所述工区的储层进行预测。

本实施例中，所述对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，包括：

采用局部角度域成像法或者全方位OVT处理法或者分方位偏移成像处理法，对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集。

本实施例中，所述对所述方位叠前道集进行属性计算，获得属性计算结果，包括：

对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集；

对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体；

对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体；

获取所述方位叠前属性道集和所述三维方位叠加属性体作为所述属性计算结果。

本实施例中，所述对所述方位叠前道集进行单道属性计算，获得方位叠前属性道集，包括：

在所述方位叠前道集的每一个地震道上进行瞬时振幅、瞬时相位、瞬时频率和均方根振幅的属性计算，获得所述方位叠前属性道集。

本实施例中，所述对所述方位叠前道集进行方位角度叠加，获得方位叠加数据体，包括：

对于所述方位叠前道集中每一个方位上的叠前道集，执行以下操作：

基于预设方位角和预设全偏移距，将该方位上的叠前道集进行叠加，获得该方位上的叠加数据体；其中，所述预设方位角基于该方位上的叠前道集的个数预先设置；

获取所述每一个方位上的所述叠加数据体作为所述方位叠加数据体。

本实施例中，对所述方位叠加数据体进行三维属性计算，获得三维方位叠加属性体，包括：

对所述方位叠加数据体进行相干属性、曲率属性和蚂蚁属性的计算，获得所述三维方位叠加属性体。

本实施例中，所述采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，包括：

采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集；

采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体；

获取所述优选后的方位叠前属性道集和所述优选后的三维方位叠加属性体作为所述优选属性。

本实施例中，所述采用所述预测的裂缝发育方位对所述方位叠前属性道集进行优选，获得优选后的方位叠前属性道集，包括：

对于所述方位叠前属性道集的每一个地震道中的每一个采样点，执行以下操作：

从所述方位叠前属性道集中选取位于预设角度范围内的属性道，获得该地震道中的该采样点上的属性道集；其中，所述预设角度范围以所述预测的裂缝发育方位的角度数值为中心点；所述预设角度范围基于采样点的密集程度确定；

获取所述每一个地震道中的每一个采样点上的所述属性道集作为所述优选后的方位叠前属性道集。

本实施例中，采用所述预测的裂缝发育方位对所述三维方位叠加属性体进行优选，获得优选后的三维方位叠加属性体，包括：

对于所述三维方位叠加属性体的每一个地震道中的每一个采样点，执行以下操作：

从所述三维方位叠加属性体中选取与所述预测的裂缝发育方位的角度数值差值的绝对值最小的角度所对应的属性体，获得该地震道中的该采样点上的属性体；

获取所述每一个地震道中的每一个采样点上的所述属性体作为所述优选后的三维方位叠加属性体。

实施例五

根据本发明的实施例，还提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例任一项所述的全方位属性寻优的裂缝储层预测方法。

本发明实施例提供的全方位属性寻优的裂缝储层预测方法、装置、存储介质及电子设备，通过对工区的叠前CMP道集进行全方位偏移成像处理，获得方位叠前道集，基于所述方位叠前道集进行叠前裂缝各向异性反演，获得预测的裂缝发育方位，对所述方位叠前道集进行属性计算，获得属性计算结果，采用所述预测的裂缝发育方位对所述属性计算结果进行优选，获得优选属性，基于所述优选属性对所述工区的储层进行预测，使得对储层的预测能够基于叠前地震数据进行，而不必像现有技术那样再去计算叠后地震数据，简化了预测方法。同时，由于本发明基于方位叠前道集进行叠前裂缝各向异性反演，并采用所预测的裂缝发育方位对上述属性计算结果进行优选，即本发明充分考虑了储层中的裂缝发育信息，相比于现有技术能够获得更加准确的预测结果。可见，本发明实施例提供的技术方案，能够更加简单、准确地对储层进行预测。

本发明针对实际油气田勘探中普遍存在的方位各向异性问题，通过对方位叠前道集，开展叠前裂缝各向异性反演，再对方位叠前道集进行属性计算，开展一种基于全方位属性寻优的裂缝储层预测方法，该方法在常规属性信息的基础上增加了裂缝的方位信息，增强了识别裂缝等地质异常体的精度。本发明以裂缝属性的预测为例，也可以拓展到其他非均质性较强的地质异常体(如缝洞、页岩、致密砂岩、火成岩)的地震预测中。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。