去深水、complex reservoirs，subtle oil fields是discovery trend。
现在大家都用工作站，可视化软件，geostatistics，来综合vast data。
一般是asset teams 可以来评估多种数据，一个人往往学难以达到全面。我们的目标是，帮助解释岩石物理在综合数据和地球物理以及用于储层表征的地质。
强调的是岩石物理的重要性。rock physics→geology，geophysics。
我现在要讲的是seiic和reservoir properties的的关系。
一般基础就是振幅amplitude signatures and impedance。
振幅和阻抗现在都很常见。
当然还有seiic attribute也和rock properties联系起来。
当然要求建立fundamental rock physics relations。
也就是岩石和其中流体的特征的地球物理特征。
因为岩石属性是地质过程的结果，我们开始定量化不同的地质趋势的地震特征。
还有概率的地质统计工具，
像地震波速度对关键的储层参数，像porosity，lithofacies，pore fluid type，saturation，pore pressure已经被人所知晓。
专家告诉我们说需要综合rock physics原理进入seiic interpretation和储层地球物理。
尽管excellent seiic quality 和 well control，正确的解释需要定量化地质和地震数据之间的联系。
现在比较简单的相关方法是使用神经网络或者地质统计学，但不是总有用。
basic rock physics concepts→reservoir geophysics。
velocity和impedance to porosity和mineralogy（泥质含量）
strength，weakness，common pitfalls→一些used methods评估方法
seiic to rock property 变换，这样的画哈哈哈我们就可以mapping lithology，porosity，fluids了哈哈哈。
另外建立流体替换和速度—孔隙度关系三步骤：
1. 首先分析测井曲线来获得速度—孔隙度关系。这对于将数据映射到流体上很重要。否则，岩石骨架和孔隙流体的影响作用就混合在一起了。
2. 当要进行hydrocabon detection来解释三维地震数据时，Gasann分析需要对孔隙度进行较好的估计，这也需要从地震数据中映射出来。
3. 当要进行4D可行性研究而用声波属性（vp和vs）populating储层模型时，我们经常需要从孔隙度映射到速度。
如果用错误的映射关系，会使得流体替换分析错误。
