CN103510947A - 滩坝砂岩微相识别模式的建立及其在微相识别中的应用 - Google Patents
滩坝砂岩微相识别模式的建立及其在微相识别中的应用 Download PDFInfo
- Publication number
- CN103510947A CN103510947A CN201210212603.9A CN201210212603A CN103510947A CN 103510947 A CN103510947 A CN 103510947A CN 201210212603 A CN201210212603 A CN 201210212603A CN 103510947 A CN103510947 A CN 103510947A
- Authority
- CN
- China
- Prior art keywords
- microfacies
- sandstone
- numerical value
- dam
- beach
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种滩坝砂岩微相识别模式的建立及其在微相识别中的应用。该方法应用测井曲线结合地质录井资料识别沉积微相的方法,首先根据测井曲线准确识别岩性,然后联合测井曲线和岩性在地质微相层段内划分小层,提取该小层的曲线数值和形态数值,最后根据曲线数值、形态数值和岩性准确划分滩坝砂岩沉积微相,并建立滩坝砂岩沉积微相模式化识别标准库及滩坝砂岩微相识别模式。采用该滩坝砂岩微相识别模式,基于滩坝砂岩沉积微相模式化识别标准库,结合测井曲线数值和形态数值可以准确识别滩坝砂岩沉积微相,该方法能适用于所有的滩坝砂岩沉积微相划分,可以对储层性质和油气含量提供一个判断依据。
Description
技术领域
本发明属于石油勘探开发油气藏识别技术领域,涉及一种滩坝砂岩微相识别模式的建立及其在微相识别中的应用,具体地说,涉及一种基于滩坝砂岩标准微相库的滩坝砂岩微相识别模式的建立及其在滩坝砂岩沉积微相识别中的应用。
背景技术
滩坝相地层从沉积类型可划分为滨浅湖相碎屑岩滩坝和海相碳酸盐礁滩,滨浅湖相碎屑岩滩坝称之为滩坝砂岩。
滩坝砂岩的特点是物性变化大、非均质强,大部分滩坝砂岩呈现薄互层,甚至有些是致密层,油气勘探难度大。油气分布规律与沉积微相有一定关系,因此通过识别滩坝砂岩沉积微相,可以对储层性质和油气含量提供一个判断依据,掌握不同滩坝砂微相在纵向和平面上的展布规律,为滩坝砂油气勘探部署提供依据,有利于指导钻井和勘探开发。
滩坝砂岩沉积微相的识别方法,通常是通过岩心分析,研究滩坝砂岩的沉积过程,确定滩坝砂体的沉积特征和沉积模式。具体来说是通过岩性成分、沉积过程、沉积构造和沉积相序来确定滩坝砂体,根据滩坝砂体的沉积特征和空间分布,把滩坝砂划分为坝亚相和滩亚相,其中坝亚相可划分为坝主体、坝侧缘微相,滩亚相又可划分为滩脊、滩席微相。
从识别微相的过程来看,关键的一步是微相划分,小层的划分是否合理直接影响了沉积微相的识别结果,在油气地质勘探过程中,地层的层位(组、段)早已由地质专家建立,“组、段”识别已形成共识,但在“段”级别内小层的识别较困难,主要原因是岩性、物性变化大,沉积和演化过程复杂,没有统一的标准,往往只有专业的地质专家才能够识别。沉积微相识别是在“段”级别内进行的,一个小层通常是由一个或多个沉积微相组成,因此沉积微相中微相划分,首先识别出段内的小层(或用地质专家划分的小层),然后在小层内识别沉积微相。
现有技术中,沉积微相的划分只是地质上的一个概念。中国专利CN 102011583A公开了一种电成像结合礁滩地质模型识别海相碳酸盐礁滩储层的方法。该方法是根据礁滩储层沉积模型和沉积模式,基于电成像测井图像与礁滩储层沉积模式之间的对应关系,建立碳酸盐礁滩储层标准储层电成像图片库。识别礁滩储层的方法则是根据电成像测井图像与图片库中的图像进行对比,确定井穿越礁滩相储层的部位和储层的优劣品质。该方法主要基于电成像测井图像,用于灰岩识别。
操应长、王健等人(中国石油大学学报,33(6):5~10,2009)在钻井岩心描述及其相关测试分析的基础上,结合录井、测井等资料的综合分析和古地形研究,系统探讨滨浅湖滩坝砂体的沉积特征和沉积模式。该技术用录井岩性加很少的测井曲线来识别,对于没有录井的井完全不能有效地划分出沉积微相。
常波涛等人(特种油气藏,12(5):23~26,2005):针对以粉砂岩为主的低渗透储层,提出了以专家系统为基础的专家经验参数逻辑法进行沉积微相识别。该方法利用岩心、录井和测井资料,以定性参数为主,辅以定量参数进行综合判别。该方法所采用专家系统是经验性的,对于粉砂岩低渗透储层沉积微相的识别切实可行,但是应用范围较窄。
因此,目前需要研究开发一种能够有效地划分出沉积微相,识别范围较宽,结果准确的滩坝砂岩沉积微相识别方法。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种滩坝砂岩微相识别模式的建立方法,该方法利用测井曲线数值、形态数值和岩性通过地质专家准确地建立一种滩坝砂岩沉积微相模式化识别标准库,同时建立基于该滩坝砂岩沉积微相模式化识别标准库的滩坝砂岩微相识别模式。新的测井曲线根据提取的测井曲线数值、形态数值对照滩坝砂岩沉积微相模式化识别标准库进行识别,该方法能适用于所有的滩坝砂沉积微相识别。
为此,本发明提供了一种滩坝砂岩微相识别模式的建立方法,包括:
步骤1,基于测井曲线设置初级测井岩性识别参数;
步骤2,根据初级测井岩性识别参数识别测井岩性;
步骤3,对比测井岩性与录井岩性是否一致,并且在测井岩性与录井岩性不一致时,重复步骤1~3,直到测井岩性与录井岩性一致,从而获得模式化测井岩性识别参数;
步骤4,在微相层段内划分小层;
步骤5,提取小层的曲线数值和形态数值;
步骤6,划分小层中的滩坝砂岩沉积微相;
步骤7,根据定性标准微相库判断沉积微相划分是否合理,在沉积微相划分不合理时,重复步骤4~7,并且在沉积微相划分合理后,提取不同沉积微相对应的测井曲线数值及形态数值,建立定量标准微相库;
步骤8,建立滩坝砂岩微相识别模式;
其中,步骤8包括建立滩坝砂岩沉积微相模式化识别标准微相库;建立基于该模式化识别标准库的滩坝砂岩微相识别模式。
根据本发明,在步骤8中,将定性标准微相库与定量标准微相库相结合,建立滩坝砂岩沉积微相模式化识别标准库。
根据本发明方法,在步骤8中,建立滩坝砂岩沉积微相与沉积微相定性特征以及沉积微相定量特征之间的对应关系,以及基于该对应关系,结合测井曲线数值和形态数值进行滩坝砂岩微相识别的识别模式。其中,所述沉积微相定性特征为定性标准微相库中的测井曲线特征及岩性,所述沉积微相定量特征为定量标准微相库中的测井曲线数值及形态数值。
所述测井曲线特征包括测井曲线数值和曲线形态等。所述测井曲线数值包括自然伽马、自然电位及电阻率测井曲线数值等,所述曲线形态包括自然伽马或自然电位曲线形态。
所述测井曲线数值包括LLD(深侧向测井曲线)、LLS(浅侧向测井曲线)、R4(4米电阻率测井曲线)、R2.5(2.5米电阻率测井曲线)、RLML(微电位测井曲线)以及RNML(微梯度测井曲线)。所述测井形态数值包括GR(自然伽马测井曲线)、SP(自然电位测井曲线)、DSP以及DGR。其中,曲线形态数值DSP和DGR按以下公式计算:
DSP=(SP-SPmin)/(SPmax-SPmin);
DGR=(GR-GRmin)/(GRmax-GRmin);
上列两式中,GR为自然伽马测井曲线,SP为自然电位测井曲线,下标max、min分别对应曲线段的最大值和最小值。
在本发明的一个实施例中,步骤7中所述定性标准微相库是根据地质专家认识建立的不同滩坝砂岩沉积微相对应的岩性及测井曲线特征图库。所述定量标准微相库是基于不同沉积微相对应的测井曲线数值及形态数值制作的沉积微相与测井曲线数值及形态数值对应关系表。
本发明中所用术语“小层”,是在沉积微相“层段”级别内进行划分的,一个小层通常是由一个或多个沉积微相组成,因此沉积微相的划分,首先识别出“层段”内的小层(或用地质专家划分的小层),然后在小层内识别沉积微相。
根据本发明方法,步骤1中所述测井曲线岩性识别参数包括地层岩石矿物骨架数值和矿物数量。
步骤2首先建立地层矿物模型对测井曲线的响应方程,求解方程得出岩性及含量。所述矿物模型为:
Ci=V1K1+V2K2+…+VnKn
其中,Ci代表第i条测井曲线;V1K1、V2K2、…、VnKn则代表1、2...、n种矿物的体积和骨架参数,Vn范围为0~100,Kn范围根据矿物骨架而定。
在本发明的一个实施例中,步骤3结合录井岩性对步骤2所识别的测井岩性进行修正,并由此获得模式化测井岩性识别参数。所述录井岩性是根据地质录井资料提取的,其包括地层岩性、颜色等。
本发明中所用术语“模式化测井岩性识别参数”是指根据录井岩性对基于初级测井岩性识别参数所识别的测井岩性进行修正后获得,并用于划分微相层段内小层的测井岩性识别参数。
根据本发明,在步骤4中,根据测井曲线、模式化测井岩性识别参数和/或录井岩性来联合划分微相层段内的小层。划分小层的方法,例如,优选聚类分析的方法。
步骤5中的所述曲线数值包括曲线的最大值和最小值。
在步骤6中,根据所提取的小层的岩性、颜色、测井曲线数值和形态数值,来划分小层中的滩坝砂岩沉积微相。划分小层中的滩坝砂岩沉积微相的方法,例如,优选主成分识别方法。
本发明还提供了一种根据本发明方法建立的滩坝砂岩微相识别模式在滩坝砂沉积微相识别中的应用,包括:
步骤A,测井,制作测井曲线,并识别测井岩性;
步骤B,在微相层段内划分小层;
步骤C,提取小层的曲线数值和形态数值;
步骤D,识别小层中的滩坝砂岩沉积微相;
其中,步骤D采用滩坝砂岩微相识别模式,基于滩坝砂岩沉积微相模式化识别标准库,结合测井曲线数值和形态数值来识别小层中的滩坝砂岩沉积微相。
在本发明的一个优选实施例中,还包括在步骤D之后的步骤E,根据定性标准微相库判断步骤D中沉积微相识别是否合理,在沉积微相识别不合理时,重复步骤B~E,并且在沉积微相划分合理后,获得准确识别的沉积微相。
根据本发明,在步骤B中,根据测井曲线、模式化测井岩性识别参数和/或录井岩性,联合划分微相层段内的小层。划分小层的方法,例如,优选聚类分析的方法。
步骤C中的所述曲线数值包括曲线的最大值和最小值。
滩坝砂岩的特点是物性变化大、非均质强,滩坝砂岩厚度大部分呈现薄互层,甚至有些是致密层,油气勘探难度大,油气的分布与滩坝微相有很好的对应关系,一般情况下,坝主体对应的物性最好,含油性也最好,而坝侧缘和滩脊稍差,滩席和滩坝间最差。因此通过识别滩坝砂岩沉积微相,可以对储层性质和油气含量提供一个判断依据,掌握不同滩坝砂微相在纵向和平面上的展布规律,为滩坝砂油气勘探部署提供依据,对于同一个沉积环境下沉积的地层,可以通过建立的标准微相库,来预测新钻井的滩坝微相的分布范围,有利于指导钻井和勘探开发。
根据本发明的测井曲线结合地质录井资料识别沉积微相的方法,首先根据测井曲线准确识别岩性,然后联合测井曲线和岩性在地质微相层段内划分小层,提取该小层的曲线数值和形态数值,最后根据曲线数值、形态数值和岩性准确划分滩坝砂岩沉积微相,并建立滩坝砂岩沉积微相模式化识别标准库及滩坝砂岩微相识别模式。采用该滩坝砂岩微相识别模式,基于滩坝砂岩沉积微相模式化识别标准库,结合测井曲线数值和形态数值可以准确识别滩坝砂岩沉积微相,该方法能适用于所有的滩坝砂岩沉积微相划分。
附图说明
下面结合附图来对本发明作进一步详细说明:
图1是地质录井结合测井资料识别沉积微相流程图。
图2是测井资料和岩性结合定性标准微相库图。
图3是测井曲线结合地质录井识别滩坝砂岩岩性和沉积微相图。
具体实施方式
下面将结合实施例和附图来详细说明本发明,这些实施例和附图仅起说明性作用,并不局限于本发明的应用范围。
图1是实施本发明方法的流程图,包括以下步骤:
步骤11,基于测井曲线设置初级测井岩性识别参数。
步骤12,根据初级测井岩性识别参数识别测井岩性。
步骤13,对比测井岩性与录井岩性是否一致,并且在测井岩性与录井岩性不一致时,重复步骤11~13,直到测井岩性与录井岩性一致,从而获得模式化测井岩性识别参数。
步骤14,根据测井曲线、模式化测井岩性识别参数和/或录井岩性来联合划分微相层段内的小层。划分小层的方法,例如,优选聚类分析的方法。
步骤15,提取小层的曲线数值和形态数值,其中,所述曲线数值,例如,包括曲线的最大值和最小值。
步骤16,根据所提取的小层的岩性、颜色、测井曲线数值和形态数值来划分小层中的滩坝砂岩沉积微相。划分小层中的滩坝砂岩沉积微相的方法,例如,优选主成分识别方法。
步骤17,根据定性标准微相库判断沉积微相划分是否合理,在沉积微相划分不合理时,重复步骤14~17,并且在沉积微相划分合理后,提取不同沉积微相对应的测井曲线数值及形态数值,建立定量标准微相库。
步骤18,将定性标准微相库与定量标准微相库相结合,建立滩坝砂岩沉积微相模式化识别标准库。建立滩坝砂岩沉积微相与沉积微相定性特征以及沉积微相定量特征之间的对应关系,以及基于该对应关系,结合测井曲线数值和形态数值进行滩坝砂岩微相识别的识别模式。其中,所述沉积微相定性特征为定性标准微相库中的测井曲线特征及岩性,所述沉积微相定量特征为定量标准微相库中的测井曲线数值及形态数值。
步骤19,测井,制作测井曲线,并识别测井岩性。
步骤20,根据测井曲线、模式化测井岩性识别参数和/或录井岩性,联合划分微相层段内的小层。划分小层的方法,例如,优选聚类分析的方法。
步骤21,提取小层的曲线数值和形态数值,其中,所述曲线数值,例如,包括曲线的最大值和最小值。
步骤22,采用滩坝砂岩微相识别模式,基于滩坝砂岩沉积微相模式化识别标准库,结合测井曲线数值和形态数值来识别小层中的滩坝砂岩沉积微相。
优选还包括在步骤22之后的步骤23,根据定性标准微相库判断步骤22中沉积微相识别是否合理,在沉积微相识别不合理时,重复步骤20~23,并且在沉积微相划分合理后,获得准确识别的沉积微相。
上述过程中,步骤11~18为滩坝砂岩微相识别模式的建立过程,步骤19~22,以及步骤19~23为采用根据本发明方法建立的滩坝砂岩微相识别模式对新测井曲线进行滩坝砂沉积微相识别的过程。
实施例
实施例1:
1.建立滩坝砂岩微相识别模式
(1)获取模式化测井岩性识别参数
根据某区块测井曲线设置初级测井岩性识别参数,并基于该初级测井岩性识别参数识别测井岩性,之后对比测井岩性与录井岩性是否一致,并且在测井岩性与录井岩性不一致时,重复上述各步骤,直到测井岩性与录井岩性一致,由此获得模式化测井岩性识别参数。
(2)建立定性标准微相库及定量标准微相库
根据测井曲线、模式测井岩性参数和/或录井岩性,并采用聚类分析的方法联合划分微相层段内的小层。然后,提取小层的岩性、颜色、测井曲线数值范围和形态数值范围,并利用主成分的识别方法来划分小层中的滩坝砂岩沉积微相。
根据地质专家认识建立不同滩坝砂岩沉积微相对应的岩性及测井曲线特征图库作为定性标准微相库,如图2所示,图2中岩性为录井岩性或测井岩性。然后,根据定性标准微相库判断沉积微相划分是否合理,在沉积微相划分不合理时,重新划分微相层段内的小层,提取小层的曲线数值和形态数值,划分小层中的滩坝砂岩沉积微相,并根据定性标准微相库判断沉积微相划分是否合理,直到沉积微相划分合理,并且在沉积微相划分合理后,提取不同沉积微相对应的测井曲线数值及形态数值,制作沉积微相与测井曲线数值及形态数值对应关系表作为定量标准微相库,如表1所示。
表1:沉积微相与测井曲线数值及形态数值对应关系表
FACIES | DSP | DGR | RNML | RLML | R25 | R4 | LLD | LLS |
坝主体 | 0.01-0.95 | 0.05-0.5 | 0.7-2.79 | 0.62-4.87 | 1.55-24.78 | 1.56-43.21 | 5.46-84.25 | 2.82-40.38 |
坝侧缘 | 0.03-0.86 | 0.1-0.67 | 0.66-1.71 | 0.52-2.44 | 1.63-23.51 | 1.4-46.01 | 3.19-23.25 | 1.84-19.84 |
滩坝间 | 0.18-0.79 | 0.25-0.98 | 0.33-6.21 | 0.31-1.23 | 0.84-15.87 | 0.48-27.81 | 1.39-8.88 | 1.35-4.57 |
滩脊 | 0.27-0.39 | 0.02-0.4 | 0.7-1.83 | 0.67-2.44 | 2.45-14.74 | 3.16-24.39 | 2.36-8.61 | 2.43-9.73 |
滩席 | 0.4-0.5 | 0.19-0.47 | 0.59-0.77 | 0.62-0.89 | 1.02-13.56 | 2.56-18.96 | 2.08-8.24 | 2.15-8.67 |
表1中的测井资料包含测井曲线数值和形态数值。其中,测井曲线数值包括LLD(深侧向测井曲线)、LLS(浅侧向测井曲线)、R4(4米电阻率测井曲线)、R2.5(2.5米电阻率测井曲线)、RLML(微电位测井曲线)以及RNML(微梯度测井曲线);测井形态数值包括DSP和DGR,其按以下公式计算:
DSP=(SP-SPmin)/(SPmax-SPmin);
DGR=(GR-GRmin)/(GRmax-GRmin);
上列两式中,GR为自然伽马测井曲线,SP为自然电位测井曲线,下标max、min分别对应曲线段的最大值和最小值。
(3)建立滩坝砂岩沉积微相模式化识别标准库及滩坝砂岩微相识别模式
将定性标准微相库与定量标准微相库相结合,建立滩坝砂岩沉积微相模式化识别标准库;建立滩坝砂岩沉积微相与定性标准微相库中的测井曲线特征及岩性以及定量标准微相库中的测井曲线数值及形态数值之间的对应关系,以及基于该对应关系,结合测井曲线数值和形态数值进行滩坝砂岩微相识别的识别模式。
2.识别滩坝砂岩沉积微相
对该区块某井进行测井,制作测井曲线,并识别测井岩性;根据测井曲线、测井岩性和/或录井岩性,并采用聚类分析的方法联合划分微相层段内的小层;提取小层的曲线数值和形态数值,其中,所述曲线数值,例如,包括曲线的最大值和最小值。采用滩坝砂岩微相识别模式,根据测井曲线数值、形态数值,基于滩坝砂岩沉积微相模式化识别标准库来识别小层中的滩坝砂岩沉积微相。
根据定性标准微相库判断上述过程中沉积微相识别是否合理,在沉积微相识别不合理时,重新划分微相层段内的小层,提取小层的曲线数值和形态数值,识别小层中的滩坝砂岩沉积微相,并根据定性标准微相库判断沉积微相划分是否合理,直到沉积微相划分合理,并且在沉积微相划分合理后,获得准确识别的沉积微相。
图3为测井曲线结合地质录井识别滩坝砂岩沉积微相结果。根据该井录井实际取心资料预测了岩性剖面,图3中预测的岩性与实际录井剖面有良好的一致性。
从上述实施例可以看出,根据本发明的测井曲线结合地质录井资料识别沉积微相的方法,首先根据测井曲线准确识别岩性,联合测井曲线和岩性在地质微相层段内划分小层,提取该小层的曲线数值和形态数值,最后根据曲线数值、形态数值和岩性准确划分滩坝砂岩沉积微相,并建立滩坝砂岩沉积微相模式化识别标准库及滩坝砂岩微相识别模式。采用该滩坝砂岩微相识别模式,基于滩坝砂岩沉积微相模式化识别标准库,结合测井曲线数值和形态数值可以准确识别滩坝砂岩沉积微相。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种滩坝砂岩微相识别模式的建立方法,包括:
步骤1,基于测井曲线设置初级测井岩性识别参数;
步骤2,根据初级测井岩性识别参数识别测井岩性;
步骤3,对比测井岩性与录井岩性是否一致,并且在测井岩性与录井岩性不一致时,重复步骤1~3,直到测井岩性与录井岩性一致,从而获得模式化测井岩性识别参数;
步骤4,在微相层段内划分小层;
步骤5,提取小层的曲线数值和形态数值;
步骤6,划分小层中的滩坝砂岩沉积微相;
步骤7,根据定性标准微相库判断沉积微相划分是否合理,在沉积微相划分不合理时,重复步骤4~7,并且在沉积微相划分合理后,提取不同沉积微相对应的测井曲线数值及形态数值,建立定量标准微相库;
步骤8,建立滩坝砂岩微相识别模式;
其中,步骤8包括建立滩坝砂岩沉积微相模式化识别标准微相库;建立基于该模式化识别标准库的滩坝砂岩微相识别模式。
2.根据权利要求1所述的方法,其特征在于:在步骤8中,将定性标准微相库与定量标准微相库相结合,建立滩坝砂岩沉积微相模式化识别标准库。
3.根据权利要求2所述的方法,其特征在于:
在步骤8中,建立滩坝砂岩沉积微相与沉积微相定性特征以及沉积微相定量特征之间的对应关系,以及基于该对应关系,结合测井曲线数值和形态数值进行滩坝砂岩微相识别的识别模式;
其中,所述沉积微相定性特征为定性标准微相库中的测井曲线特征及岩性,所述沉积微相定量特征为定量标准微相库中的测井曲线数值及形态数值。
4.根据权利要求1所述的方法,其特征在于:在步骤4中,根据测井曲线、模式化测井岩性识别参数和/或录井岩性来联合划分微相层段内的小层。
5.根据权利要求1所述的方法,其特征在于:步骤5中的所述曲线数值包括曲线的最大值和最小值。
6.根据权利要求1所述的方法,其特征在于:在步骤6中,根据所提取的小层的岩性、颜色、测井曲线数值和形态数值,来划分小层中的滩坝砂岩沉积微相。
7.一种根据权利要求1~6中任意一项所述的方法建立的滩坝砂岩微相识别模式在滩坝砂沉积微相识别中的应用,包括:
步骤A,测井,制作测井曲线,并识别测井岩性;
步骤B,在微相层段内划分小层;
步骤C,提取小层的曲线数值和形态数值;
步骤D,识别小层中的滩坝砂岩沉积微相;
其中,步骤D采用滩坝砂岩微相识别模式,基于滩坝砂岩沉积微相模式化识别标准库,结合测井曲线数值和形态数值来识别小层中的滩坝砂岩沉积微相。
8.根据权利要求7所述的方法,其特征在于:还包括在步骤D之后的步骤E,根据定性标准微相库判断步骤D中沉积微相识别是否合理,在沉积微相识别不合理时,重复步骤B~E,并且在沉积微相划分合理后,获得准确识别的沉积微相。
9.根据权利要求7或8所述的方法,其特征在于:在步骤B中,根据测井曲线、模式化测井岩性识别参数和/或录井岩性,联合划分微相层段内的小层。
10.根据权利要求7或8所述的方法,其特征在于:步骤C中的所述曲线数值包括曲线的最大值和最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212603.9A CN103510947B (zh) | 2012-06-21 | 2012-06-21 | 滩坝砂岩微相识别模式的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212603.9A CN103510947B (zh) | 2012-06-21 | 2012-06-21 | 滩坝砂岩微相识别模式的建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103510947A true CN103510947A (zh) | 2014-01-15 |
CN103510947B CN103510947B (zh) | 2016-05-25 |
Family
ID=49894313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210212603.9A Active CN103510947B (zh) | 2012-06-21 | 2012-06-21 | 滩坝砂岩微相识别模式的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103510947B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020509A (zh) * | 2014-06-20 | 2014-09-03 | 中国石油大学(华东) | 基于Bayes判别分析的砂质滩坝沉积微相测井识别方法 |
CN104975850A (zh) * | 2014-04-01 | 2015-10-14 | 中国石油化工股份有限公司 | 碳酸盐岩微相类型识别方法及其沉积相描述方法 |
CN105158802A (zh) * | 2015-08-21 | 2015-12-16 | 西南石油大学 | 坳陷湖盆重力流沉积物测井定量识别方法 |
CN106468653A (zh) * | 2015-08-18 | 2017-03-01 | 中国石油天然气股份有限公司 | 碎屑岩沉积微相类型的判定方法 |
CN106908842A (zh) * | 2017-03-09 | 2017-06-30 | 中国石油天然气股份有限公司 | 一种确定单井沉积微相曲线的方法及装置 |
CN107065011A (zh) * | 2017-06-22 | 2017-08-18 | 东北石油大学 | 一种应用于陆相盆地储层反演的曲线频率融合方法 |
CN109113729A (zh) * | 2018-06-20 | 2019-01-01 | 中国石油天然气集团有限公司 | 基于测井曲线的岩性识别方法及装置 |
CN109306867A (zh) * | 2018-11-19 | 2019-02-05 | 中国石油大港油田勘探开发研究院 | 一种冲积扇沉积储层构型单元自动识别方法 |
CN111061892A (zh) * | 2019-12-13 | 2020-04-24 | 成都理工大学 | 一种山前地区沉积相带分布范围勘测方法 |
CN111352165A (zh) * | 2018-12-24 | 2020-06-30 | 核工业二0八大队 | 一种综合地球物理测井数据处理方法 |
CN111665567A (zh) * | 2019-03-05 | 2020-09-15 | 中国石油化工股份有限公司 | 一种录井现场滩坝相砂体精细预测方法 |
CN113202461A (zh) * | 2020-12-03 | 2021-08-03 | 中国石油天然气集团有限公司 | 基于神经网络识别岩性的方法和装置 |
CN116108368A (zh) * | 2023-02-21 | 2023-05-12 | 北京金阳普泰石油技术股份有限公司 | 一种基于深度学习混合模型的沉积微相识别方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105370269B (zh) * | 2015-05-13 | 2018-11-13 | 长江大学 | 一种基于压实校正等时地层界面追踪对比方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5444619A (en) * | 1993-09-27 | 1995-08-22 | Schlumberger Technology Corporation | System and method of predicting reservoir properties |
-
2012
- 2012-06-21 CN CN201210212603.9A patent/CN103510947B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5444619A (en) * | 1993-09-27 | 1995-08-22 | Schlumberger Technology Corporation | System and method of predicting reservoir properties |
Non-Patent Citations (2)
Title |
---|
燕兴荣等: "滩坝砂岩性油气藏测井评价方法及应用", 《测井技术》, vol. 30, no. 2, 30 April 2006 (2006-04-30), pages 161 - 163 * |
王化爱等: "柴达木盆地乌南—绿草滩地区下油砂山组滩坝砂岩特征与储层评价", 《石油地球物理勘探》, vol. 44, no. 5, 31 October 2009 (2009-10-31), pages 597 - 602 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104975850A (zh) * | 2014-04-01 | 2015-10-14 | 中国石油化工股份有限公司 | 碳酸盐岩微相类型识别方法及其沉积相描述方法 |
CN104020509B (zh) * | 2014-06-20 | 2016-08-24 | 中国石油大学(华东) | 基于Bayes判别分析的砂质滩坝沉积微相测井识别方法 |
CN104020509A (zh) * | 2014-06-20 | 2014-09-03 | 中国石油大学(华东) | 基于Bayes判别分析的砂质滩坝沉积微相测井识别方法 |
CN106468653B (zh) * | 2015-08-18 | 2020-03-10 | 中国石油天然气股份有限公司 | 碎屑岩沉积微相类型的判定方法 |
CN106468653A (zh) * | 2015-08-18 | 2017-03-01 | 中国石油天然气股份有限公司 | 碎屑岩沉积微相类型的判定方法 |
CN105158802A (zh) * | 2015-08-21 | 2015-12-16 | 西南石油大学 | 坳陷湖盆重力流沉积物测井定量识别方法 |
CN106908842A (zh) * | 2017-03-09 | 2017-06-30 | 中国石油天然气股份有限公司 | 一种确定单井沉积微相曲线的方法及装置 |
CN107065011B (zh) * | 2017-06-22 | 2018-11-02 | 东北石油大学 | 一种应用于陆相盆地储层反演的曲线频率融合方法 |
CN107065011A (zh) * | 2017-06-22 | 2017-08-18 | 东北石油大学 | 一种应用于陆相盆地储层反演的曲线频率融合方法 |
CN109113729A (zh) * | 2018-06-20 | 2019-01-01 | 中国石油天然气集团有限公司 | 基于测井曲线的岩性识别方法及装置 |
CN109306867A (zh) * | 2018-11-19 | 2019-02-05 | 中国石油大港油田勘探开发研究院 | 一种冲积扇沉积储层构型单元自动识别方法 |
CN109306867B (zh) * | 2018-11-19 | 2022-04-05 | 中国石油天然气股份有限公司 | 一种冲积扇沉积储层构型单元自动识别方法 |
CN111352165A (zh) * | 2018-12-24 | 2020-06-30 | 核工业二0八大队 | 一种综合地球物理测井数据处理方法 |
CN111665567A (zh) * | 2019-03-05 | 2020-09-15 | 中国石油化工股份有限公司 | 一种录井现场滩坝相砂体精细预测方法 |
CN111061892A (zh) * | 2019-12-13 | 2020-04-24 | 成都理工大学 | 一种山前地区沉积相带分布范围勘测方法 |
CN111061892B (zh) * | 2019-12-13 | 2023-05-23 | 成都理工大学 | 一种山前地区沉积相带分布范围勘测方法 |
CN113202461A (zh) * | 2020-12-03 | 2021-08-03 | 中国石油天然气集团有限公司 | 基于神经网络识别岩性的方法和装置 |
CN113202461B (zh) * | 2020-12-03 | 2024-04-02 | 中国石油天然气集团有限公司 | 基于神经网络识别岩性的方法和装置 |
CN116108368A (zh) * | 2023-02-21 | 2023-05-12 | 北京金阳普泰石油技术股份有限公司 | 一种基于深度学习混合模型的沉积微相识别方法和装置 |
CN116108368B (zh) * | 2023-02-21 | 2023-09-01 | 北京金阳普泰石油技术股份有限公司 | 一种基于深度学习混合模型的沉积微相识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103510947B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103510947B (zh) | 滩坝砂岩微相识别模式的建立方法 | |
CN105334536B (zh) | 致密砂岩储层网状裂缝系统有效性评价方法 | |
CN106875471B (zh) | 煤系含或隔水层三维可视化建模方法 | |
CN106951660A (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
CN104965979A (zh) | 一种致密砂岩有效储层识别方法 | |
CN103993862A (zh) | 复杂断块稀油油藏分层开发方法 | |
CN106569288B (zh) | 基于储层裂缝有效性聚类分析的裂缝性储层质量评价方法 | |
CN103529475A (zh) | 一种识别和解释碳酸盐岩古岩溶储层三维结构的方法 | |
Zifei et al. | A study on remaining oil distribution in a carbonate oil reservoir based on reservoir flow units | |
CN103437760B (zh) | 一种使用阵列感应数据快速评价油水层的方法 | |
CN110056346B (zh) | 一种基于趋势变化函数的油藏三维原始含水饱和度模拟方法 | |
US11487045B2 (en) | Method for recovering porosity evolution process of sequence stratigraphy of carbonate rocks | |
Xiaoqing et al. | An in-depth analysis of reservoir architecture of underwater distributary channel sand bodies in a river dominated delta: A case study of T51 Block, Fuyu Oilfield, Jilin | |
CN105092820A (zh) | 一种生物碎屑灰岩储层非均质性研究方法 | |
CN106021793A (zh) | 基于存储系数和渗流系数的低渗储层甜点评价方法 | |
Wimmers et al. | Integration of sedimentology, petrophysics and rock typing as key to understanding a tight gas reservoir | |
CN110082835A (zh) | 曲流河点坝疏松砂岩储层物性建模新方法 | |
He et al. | Reservoirs patterns and key controlling factors of the Lenghu oil & gas field in the Qaidam Basin, northwestern China | |
Lun et al. | Influences of delta sandstone architecture on waterflooding sweep characteristics: A case study of layer J-II of Kumkol South oilfield in South Turgay Basin, Kazakstan | |
CN110390154A (zh) | 一种提高复杂断块油气田油藏数值模拟效率的方法 | |
Feng et al. | Discovery of “Enveloping surface of oil and gas overpressure migration” in the Songliao Basin and its bearings on hydrocarbon migration and accumulation mechanisms | |
Abe et al. | Reservoir Characterization and Formation Evaluation of Some Part of Niger Delta Using 3D Seismic and Well Log Data | |
Deng et al. | A pragmatic approach for identifying effective lacustrine shale payzones | |
CN107676084A (zh) | 致密油层长水平段轨迹设计方法 | |
Yuman et al. | Evaluation methodology of lithologic exploration areas in rift basins: A case from the Bohai Bay Basin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |