[1]夏步余.黄珏-马家嘴油田薄砂体预测技术应用研究[J].复杂油气藏,2017,(03):12.[doi:10.16181/j.cnki.fzyqc.2017.03.003]
　Xia Buyu.Application of thin reservoir prediction technology in Huangjue- Majiazui Oilfield[J].Complex Hydrocarbon Reservoirs,2017,(03):12.[doi:10.16181/j.cnki.fzyqc.2017.03.003]
点击复制

黄珏-马家嘴油田薄砂体预测技术应用研究
分享到：

《复杂油气藏》[ISSN:1674-4667/CN:31-2019/TQ]

卷:
期数:
2017年03期
页码:
12
栏目:
油气勘探
出版日期:
2017-09-25

文章信息/Info

Title:
Application of thin reservoir prediction technology in Huangjue- Majiazui Oilfield
作者:
夏步余
中国石化江苏油田分公司勘探开发研究院,江苏 扬州 225009
Author(s):
Xia Buyu
Exploration and Development Research Institute of Jiangsu Oilfield Company, SINOPEC, Yangzhou 225009, China
关键词:
波形指示反演 特征参数模拟 储层预测 薄砂体
Keywords:
seismic waveform indicating inversion;  characteristic parameter simulation;  reservoir prediction;  thin reservoir
分类号:
P631
DOI:
10.16181/j.cnki.fzyqc.2017.03.003
文献标志码:
A
摘要:
黄珏-马家嘴油田戴南组砂体薄、横向延伸短。随着油田开发的深入,传统的稀疏脉冲反演及地质统计学反演已难满足储层预测精度需求。为此,引入地震波形指示反演及储层特征参数模拟方法,提高了薄储层预测精度,为后期开发提供了可靠地质依据。
Abstract:
The Dainan Formation of Huangjue-Majiazui Oilfield has characteristics of thin sand body and short lateral extension. With the deepening of oilfield development, the traditional sparse pulse inversion and geostatistical inversion can not meet the demand of prediction accuracy. Therefore, the seismic waveform indicator inversion and the reservoir characteristic parameter simulation are introduced to improve the prediction accuracy of thin reservoir. This can provide a reliable geological basis for later development.

参考文献/References:

[1] 邵伟.蒙特卡洛方法及在一些统计模型中的应用[D].济南:山东大学,2012.
[2] 史会峰.基于贝叶斯理论MCMC优化参数的负荷预测模型[D].北京:华北电力大学,2013.
[3] 林功成,雷新华,张新,等.随机反演在薄储层预测中的应用[J].油气地球物理,2012,10(4):39-41.
[4] 盛述超,毕建军,李维振,等.关于地震波形指示模拟反演(SMI)方法的研究[J].内蒙古石油化工.2015,17(21):147-151.
[5] 冉令.一种基于地震波形指示的反演方法研究[J].中国石油大学胜利学院学报,2016,30(3):3-5.
[6] 杜伟维,金兆军,邸永香.地震波形指示反演及特征参数模拟在薄储层预测中的应用[J].工程地球物理学报.2017,14(1):56-61.
[7] 吴黎军,吴悦,李智明.几种参数估计方法的教学要点[J].高等数学研究.2015,18(4):110-112.

备注/Memo

备注/Memo:
收稿日期:2017-04-18; 改回日期:2017-06-12。 作者简介:夏步余(1971—),高级工程师,工程硕士,现从事复杂小断块构造解释及地震储层预测方法研究。E-mail:xiaby.jsyt@sinopec.com。 项目来源:江苏油田2016年度局级课题(JS16011)。
更新日期/Last Update: 2017-09-25