CN103513286A - 一种地质模型约束下的滩坝结构单元判别方法 - Google Patents
一种地质模型约束下的滩坝结构单元判别方法 Download PDFInfo
- Publication number
- CN103513286A CN103513286A CN201310479900.4A CN201310479900A CN103513286A CN 103513286 A CN103513286 A CN 103513286A CN 201310479900 A CN201310479900 A CN 201310479900A CN 103513286 A CN103513286 A CN 103513286A
- Authority
- CN
- China
- Prior art keywords
- unit
- discrimination
- bedding
- dam
- pattern
- 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
Abstract
本发明涉及一种地质模型约束下的滩坝结构单元判别方法,将滩坝的发育过程划分为四个阶段,细分为五个沉积结构单元,确定了四个阶段和五个单元之间的对应关系;建立了和五个结构单元相对应的共12种电成像模式;总结各结构单元常规测井曲线特征;通过交会图分析的方法选取敏感性较强的常规测井曲线,再根据判别分析中的Bayes判别法,根据各沉积单元在垂向剖面上相互叠置的关系确定滩坝的沉积类型及其演化阶段。本发明通过合理有效的地质模型的约束,结合滩坝各结构单元的电成像模式及常规测井曲线特征,根据Bayes判别原理,选取敏感性较强的常规测井曲线建立判别公式,并以此为基础进行计算,对结构单元进行准确而快速的识别,提高了判别精度。
Description
技术领域
本发明属于地质研究技术领域,尤其涉及一种地质模型约束下的滩坝结构单元判别方法。
背景技术
传统的沉积相研究方法需要通过观察岩心的岩石成分、结构和沉积构造参数来鉴别沉积环境,这样的沉积相研究方法只能识别取心井段的沉积环境,而对于非取心井段无法开展工作,由于取心成本高,已开发油气田往往不能获得充足的取心分析资料,因此,利用有限的取心资料结合大量的测井资料开展测井相研究成为沉积相研究的主要方法。
测井相分析是从沉积成因角度,从能反映地层特征和沉积环境的全部测井相要素中,提取测井曲线的变化特征,包括幅度、形态特征等,将地层剖面划分为有限个测井相,再用优选的测井相曲线(特征曲线)按测井相要素对各测井微相建模,用数学方法及知识推理确定各个测井相到地质相的映射转换关系,最终达到利用测井资料来描述、研究地层的沉积相的目的。
滩坝的沉积微相(单元)划分仍存在不同的认识,对于砂坝的微相划分,常见的是分为开阔湖、坝外缘(或坝前)、坝基、坝主体(或坝身)、坝内缘(或坝后周)、湖湾或沼泽等,也有学者将砂坝分为坝主体和坝侧缘微相,或坝主体、坝边缘和坝间微相,对于水下浅滩的微相划分,常见的是将其分为滩脊、滩席、滩间湾微相,也有学者将水下浅滩划分为滩脊和滩侧微相,还有学者将水下浅滩分为滩主体、滩边缘和滩脊间微相,不论是上述哪种划分方案,都没有从沉积动力及沉积演化过程的角度对滩坝环境的沉积微相(沉积结构单元)进行细致、合理、准确的划分,导致各沉积单元之间的关系不清、成因联系孤立化,不利于识别参数的选取。
当前的测井相分析和沉积微相自动判别成果主要是利用前述的测井相分析原理,首先对测井曲线进行分层处理,然后通过主成分分析和聚类分析,提取最能反映沉积微相特征的变量,建立测井相-沉积微相之间的对应关系,通过数学分析方法,利用所提取的变量对不同沉积环境下的沉积微相进行判别,该方法主要被尝试用于河流相中不同沉积微相的判别,也被部分学者用来识别三角洲平原和三角洲前缘中的沉积微相。
但是现有技术无法对滩坝类的不同沉积类型进行有效的测井相分析和自动快速判别。
发明内容
本发明实施例的目的在于提供一种地质模型约束下的滩坝结构单元判别方法,旨在解决现有技术无法对滩坝类的不同沉积类型进行有效的测井相分析和自动快速判别的问题。
本发明实施例是这样实现的,一种地质模型约束下的滩坝结构单元判别方法,该地质模型约束下的滩坝结构单元判别方法包括以下步骤:
步骤一,对滩坝现代野外沉积考察与分析,从沉积动力和沉积演化的角度,把滩坝的发育过程自下而上划分为I、II、III、IV四个阶段,进一步地,将滩坝划分出A、B、C、D、E五个沉积结构单元,其中A单元以砂质泥岩为主,砂岩含量低,层理构造主要为透镜状层理、波状层理等;B单元层沉积物以泥质砂岩及砂岩为主,沉积物波浪改造强,层理构造以浪成交错层理、压扁层理、爬升层理为主;C单元岩性上为大套砂岩沉积,分选好、粒度细、砂质纯,主要发育冲洗层理、小型浪成交错层理等,波痕的削顶现象常见;D单元粒度比C单元沉积物更细,整体均匀,内部无杂基,主要发育风成交错层理;E单元岩性上表现为厚层泥岩中间可能夹有少量薄砂层,砂层缺乏层理,层理面也不连续。四个演化阶段与以上五种结构单元之间有着比较好的对应关系,其中I阶段包括A、B单元,II阶段对应于C单元,III阶段与D单元相对应,IV阶段对应于E单元。
步骤二,利用电成像测井资料,对比和总结电成像图像和各单元的砂泥岩比例、砂岩分选性、沉积构造之间的关系,建立了各单元电成像模式共12种,分别是:A单元采用纹层状薄互层模式、透镜状层理模式、条带状薄砂层模式;B单元采用浪成交错层理模式、压扁层理模式、泥质条带隔层模式;C单元采用冲洗层理模式、均一模式、槽状交错层理模式、小型浪成交错层理模式;D单元采用风成交错层理模式;E单元采用含稳定薄砂条的泥质层模式。
步骤三,总结各结构单元常规测井曲线特征,包括形态和幅度,同时从沉积单元的旋回性角度出发,当多个沉积结构单元呈旋回性或叠覆特征出现时,对其常规测井曲线特征进行分析,并利用交会图分析的方法对各单元的不同常规测井曲线的敏感性进行分析;
步骤四,针对滩坝研究对象,由于E单元与A单元以泥质沉积为主,出现频率很低,很难对E单元建立判别公式,而A、B、C、D单元均受到波浪或风力改造作用,并且B、C、D单元砂岩含量较大,因此选取A、B、C、D单元进行判别,首先选取敏感性较强的常规测井曲线,然后根据判别分析中的Bayes判别法,首先对A、B、C单元建立各自的判别公式,求取其中的最大后验概率值并将其对应的单元作为样本单元,然后对前面判别确定的C单元和利用电成像资料得到的D单元建立判别公式,按照前述方法确定样本单元,从而实现对A、B、C、D沉积单元的判别,进而可以根据各沉积单元在垂向剖面上相互叠置的关系,确定滩坝的沉积类型及演化阶段。
进一步,在步骤一中,首先在滩坝中识别出砂坝、水下浅滩、滨岸滩砂三种沉积微相。
进一步,在步骤一中,阶段I属于弱波浪作用阶段,阶段II属于动荡水流-冲洗回流阶段,阶段III属于风成阶段,阶段IV为沼泽化阶段。
进一步,在步骤三中,在A-B-C-D-E自然演化过程中,GR曲线数值由大到小,再逐渐变大,RT曲线数值由低变高再变低,而在A-B-C演化过程中,DEN、AC与CNL曲线重叠趋势逐渐增强。同时,进一步地,在步骤三中,可以通过首先确定C单元和A单元,控制旋回演化的边界,再依据旋回内部曲线的形态特征将沉积单元划分出来,从而达到快速识别沉积单元的目的。此外,进一步地,在步骤三中,当多个A单元叠覆时,GR曲线上呈锯齿形,曲线幅度低。当多个B单元叠覆时,若B单元层薄,则GR曲线表现为多个卵形相连的特征,幅度较低但相对A单元较大,通常位于B单元下部,且靠近A单元的位置;若B单元层厚,则表现为钟形、漏斗形或钟形一漏斗形复合形叠覆出现的特征,通常出现于B单元上部,且靠近C单元的位置。当A单元与B单元交叉叠覆时,表明水体又加深至浪基面附近,滩坝重新从A单元开始演化。
进一步,在步骤三中,分析结果表明,对于A、B、C单元,GR、RT、AC和CNL曲线敏感性强,而对于D、E单元,CNL和AC曲线敏感性强。
进一步,在步骤四中,Bayes判别法的具体步骤为:提取各单元内敏感测井曲线值,首先建立A、B、C单元的判别公式,将相应测井曲线数据分别代入3个判别公式中,得到样本属于3种单元的各自的概率,并将样本判定为最大概率值所对应的单元,然后建立C、D单元的判别公式,将前面判别得到的C单元和由成像测井资料得到的D单元的测井曲线数据代入,按照前述原理对样本所属单元进行判别,最终实现各结构单元的自动判别。
进一步,采用GR、RT、CNL曲线得到的A、B、C单元的判别公式为:
A单元:YA=-81.962+1.379GR+2.361RT+1.388CNL;
B单元:YB=-55.661+1.115GR+2.269RT+1.158CNL;
C单元:YC=-36.743+0.802GR+2.36RT+1.102CNL。
采用GR、RT、AC曲线得到的A、B、C单元的判别公式为:
A单元:YA=-121.609+0.687GR+1.01RT+2.167AC;
B单元:YB=-89.337+0.425GR+0.953RT+2.04AC;
C单元:YC=-81.583+0.163GR+1.111RT+2.148AC。
进一步,建立C、D单元的判别公式为:
C单元:YC=-120.414-3.370CNL+4.357AC;
D单元:YD=-154.538-2.706CNL+4.707AC。
本发明提供的地质模型约束下的滩坝结构单元判别方法,通过合理有效的地质模型的约束,根据Bayes判别原理,建立自动判别方法,从过程沉积学的角度,提供了对滩坝演化阶段和沉积结构单元的准确划分,建立各沉积结构单元的电成像测井典型模式,利用不同沉积结构单元各自的敏感常规测井曲线,对滩坝沉积环境中的结构单元进行了准确而快速的识别,并进一步对滩坝沉积微相进行划分。针对滩坝研究对象,应用的理论依据更加扎实,提高了判别精度。本发明方法简单,操作方便,较好的解决了现有技术无法对滩坝的不同沉积单元及微相进行有效的测井相分析和自动快速判别的问题,提供了一种准确的滩坝沉积结构单元的判别方法。
附图说明
图1是本发明实施例提供的地质模型约束下的滩坝结构单元判别方法的流程图;
图2是本发明实施例提供的东营凹陷南坡滩坝不同沉积单元常规测井敏感性交会图;
图3是本发明实施例提供的滩坝概念归属及演化模式表。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的地质模型约束下的滩坝结构单元判别方法包括以下步骤:
S101,对滩坝现代野外沉积考察与分析,从沉积动力和沉积演化的角度,把滩坝的发育过程自下而上划分为I、II、III、IV四个阶段,细分为A、B、C、D、E五个沉积结构单元,总结出每个结构单元各自的沉积特征,四个演化阶段与A、B、C、D、E五个沉积结构单元之间有着对应关系,其中I阶段包括A、B单元,II阶段对应于C单元,III阶段与D单元相对应,IV阶段对应于E单元;
S102,利用电成像测井资料,对比和总结电成像图像和各单元的砂泥岩比例、砂岩分选性、沉积构造之间的关系,建立了各单元电成像模式共12种,分别是:A单元采用纹层状薄互层模式、透镜状层理模式、条带状薄砂层模式;B单元采用浪成交错层理模式、压扁层理模式、泥质条带隔层模式;C单元采用冲洗层理模式、均一模式、槽状交错层理模式、小型浪成交错层理模式;D单元采用风成交错层理模式;E单元采用含稳定薄砂条的泥质层模式。
S103:总结各结构单元常规测井曲线特征,包括形态和幅度,同时从沉积单元的旋回性角度出发,当多个沉积结构单元呈旋回性或叠覆特征出现时,对其常规测井曲线特征进行分析,并利用交会图分析的方法对各单元的不同常规测井曲线的敏感性进行分析;
S104:针对滩坝研究对象,选取敏感性较强的常规测井曲线,然后根据判别分析中的Bayes判别法,首先对A、B、C单元建立各自的判别公式,求取其中的最大后验概率值并将其对应的单元作为样本单元,然后对前面判别确定的C单元和利用电成像资料得到的D单元建立判别公式,按照前述方法确定样本单元,从而实现对A、B、C、D等沉积单元的判别,进而可以根据各沉积单元在垂向剖面上相互叠置的关系,确定滩坝的沉积类型及其演化阶段。
在步骤S101中,将滩坝划分出A、B、C、D、E五个沉积结构单元,其中A单元以砂质泥岩为主,砂岩含量低,层理构造主要为透镜状层理、波状层理等;B单元层沉积物以泥质砂岩及砂岩为主,沉积物波浪改造强,层理构造以浪成交错层理、压扁层理、爬升层理为主;C单元岩性上为大套砂岩沉积,分选好、粒度细、砂质纯,主要发育冲洗层理、小型浪成交错层理等,波痕的削顶现象常见;D单元粒度比C单元沉积物更细,整体均匀,内部无杂基,主要发育风成交错层理;E单元岩性上表现为厚层泥岩中间可能夹有少量薄砂层,砂层缺乏层理,层理面也不连续。
在步骤S103中,在A-B-C-D-E自然演化过程中,GR曲线数值由大到小,再逐渐变大,RT曲线数值由低变高再变低,而在A-B-C演化过程中,DEN、AC与CNL曲线重叠趋势逐渐增强。同时,进一步地,在步骤三中,可以通过首先确定C单元和A单元,控制旋回演化的边界,再依据旋回内部曲线的形态特征将沉积单元划分出来,从而达到快速识别沉积单元的目的。此外,进一步地,在步骤三中,当多个A单元叠覆时,GR曲线上呈锯齿形,曲线幅度低。当多个B单元叠覆时,若B单元层薄,则GR曲线表现为多个卵形相连的特征,幅度较低但相对A单元较大,通常位于B单元下部,且靠近A单元的位置;若B单元层厚,则表现为钟形、漏斗形或钟形-漏斗形复合形叠覆出现的特征,通常出现于B单元上部,且靠近C单元的位置。当A单元与B单元交叉叠覆时,表明水体又加深至浪基面附近,滩坝重新从A单元开始演化。
在步骤S103中,分析结果表明,对于A、B、C单元,GR、RT、AC和CNL曲线敏感性强,而对于D、E单元,CNL和AC曲线敏感性强。
在步骤S104中,Bayes判别法的具体步骤为:提取各单元内敏感测井曲线值,首先建立A、B、C单元的判别公式,将相应测井曲线数据分别代入3个判别公式中,得到样本属于3种单元的各自的概率,并将样本判定为最大概率值所对应的单元,然后建立C、D单元的判别公式,将前面判别得到的C单元和由成像测井资料得到的D单元的测井曲线数据代入,按照前述原理对样本所属单元进行判别,最终实现各结构单元的自动判别;
由于E单元与A单元均以泥质沉积为主,出现频率很低,很难对E单元建立判别公式,而A、B、C、D单元均受到波浪或风力改造作用,并且B、C、D单元砂岩含量较大,因此选取A、B、C、D等单元进行判别。
结合具体实施例对本发明做进一步的说明:
经过我们长时间的研究和对各种地层所测量波形的分析与处理,在充分掌握并分析了大量野外现代沉积考察结果和测井资料集数据的基础上,提出了具体实施方法,
步骤一,在滩坝中识别出砂坝、水下浅滩、滨岸滩砂三种沉积微相,在成因上,上述三种微相的沉积体都是由波浪/湖流的改造所形成的,而且从其形成的早期到晚期,其水动力特征都呈现由弱到强,再减弱的过程,通过野外调研和室内实验分析,依据滩坝及滨岸滩砂在形成过程中水动力条件的变化,可以将其演化过程自下而上划分为I、II、III、IV四个主要演化阶段,并分为A、B、C、D、E5个沉积结构单元;
步骤二,结合电成像测井资料,将上述5种沉积结构单元按照砂体发育形态和沉积构造特征进一步划分为12种电成像模式,它们具体为:A单元采用纹层状薄互层模式、透镜状层理模式、条带状薄砂层模式;B单元采用浪成交错层理模式、压扁层理模式、泥质条带隔层模式;C单元采用冲洗层理模式、均一模式、槽状交错层理模式、小型浪成交错层理模式;D单元采用风成交错层理模式;E单元采用含稳定薄砂条的泥质层模式;
步骤三,总结各结构单元常规测井曲线形态和幅度特征,同时从沉积单元的旋回性角度出发,对多个沉积结构单元呈旋回性或叠覆特征出现时的常规曲线特征进行了分析;并利用交会图对各单元的不同常规测井曲线的敏感性进行了分析,结果表明,对于A、B、C单元,GR、RT、AC和CNL曲线敏感性较强,而对于D、E单元,CNL和AC曲线敏感性较强;
步骤四,针对滩坝研究对象,由于E单元与A单元均以泥质沉积为主,出现频率很低,很难对E单元建立判别公式,而A、B、C、D单元均受到波浪或风力改造作用,并且B、C、D单元砂岩含量较大,因此选取A、B、C、D等单元进行判别。首先选取敏感性较强的常规测井曲线,然后根据判别分析中的Bayes判别法,首先对A、B、C单元建立各自的判别公式,求取其中的最大后验概率值并将其对应的单元作为样本单元,然后对前面判别确定的C单元和利用电成像资料得到的D单元建立判别公式,按照前述方法确定样本单元,从而实现对A、B、C、D等结构单元的判别,进而可以根据各沉积结构单元在垂向剖面上相互叠置的关系,确定滩坝的沉积类型及其演化阶段。
如图2所示,由于GR、RT、AC、CNL、DEN曲线敏感性较强,因此选取GR-RT、GR-AC、GR-CNL、GR-DEN交会图,从图中可得,A单元GR曲线范围一般为80~103API,B单元GR曲线范围一般为60~80API,C、D单元的GR曲线范围接近,C单元一般为40~60API,D单元约为45~60API,E单元在岩性组合方面与A单元接近,GR曲线取值范围一般为90~110API,A-B-C-D单元的演化过程中,GR曲线数值逐渐减小,RT曲线数值逐渐增大,CNL曲线数值逐渐减小,AC曲线数值逐渐减小;
如图3所示,阶段I属于弱波浪作用阶段,一般处于水深相对较大的浅湖区,其底部大致和浪基面相对应,在沉积构造上波状层理出现较多,也可以出现波状复合层理、压扁层理,以及浪成交错层理,该阶段可划分为A、B两个沉积结构单元,A单元层以砂条形式出现,砂质泥岩为主,砂岩含量低,层理构造主要为透镜状层理、波状层理、爬升层理等,B单元层沉积物以泥质砂岩及砂岩为主,沉积物波浪改造强,层理构造以浪成交错层理、压扁层理、爬升层理为主;
阶段II属于动荡水流-冲洗回流阶段,一般接近零水深处,水动力以波浪、沿岸流、冲洗回流水流为主,下部沉积构造主要为浪成交错层理,其规模由下至上逐渐减弱,浪成交错层理之上以冲洗层理为主,该阶段对应C沉积结构单元,岩性上为大套砂岩沉积,分选好、粒度细、砂质纯、无杂基,沉积构造主要发育冲洗层理、小型浪成交错层理等,波痕的削顶现象常见;
阶段III属于风成阶段,主要由风对冲洗带上部的沉积物剥蚀、搬运并在相对高处堆积而成;沉积物由风成砂及原始植物构成,其下部以风成砂为主,可含少量风暴沉积,往上原生植物逐渐增多,该阶段对应D沉积结构单元,沉积物分选好,整体均匀,内部无杂基;粒度比C结构单元沉积物更细;沉积构造主要为风成交错层理;
阶段IV为沼泽化阶段,其沉积物由静水环境中所形成的富含有机质泥质沉积物为主,中间夹不同含量的风成砂,由于形成的水动力条件很弱,砂和泥质之间基本上处于混杂状态,分选程度很低,该阶段对应E沉积结构单元,岩性上为厚层泥岩中间可能夹有少量薄砂层,砂层缺乏层理,层理面也不连续;
结合表1,待判数据218组,A单元65组,B单元92组,C单元61组。A单元判别符合率为76.9%,有15组误判为B;B单元判别符合率为92.4%,有3组误判为A,4组误判为C;C单元判别符合率为90.2%,有6组误判为B,A、B、C三个单元判别的整体符合率为87.2%;
表1
沉积结构单元 | 判别公式 |
A | YA=-81.962+1.379GR+2.361RT+1.388CNL |
B | YB=-55.661+1.115GR+2.269RT+1.158CNL |
C | YC=36.743+0.802GR+2.36RT+1.102CNL |
结合表2,A单元判别符合率为78.4%,有16组误判为B;B单元判别符合率为91.4%,有4误判为A,6组误判为C;C单元判别符合率为87.3%,10组误判为B,A、B、C三个单元判别的整体符合率为86.6%;
表2
沉积结构单元 | 判别公式 |
A | YA=-121.609+0.687GR+1.01RT+2.167AC |
B | YB=-89.337+0.425GR+0.953RT+2.04AC |
C | YC=-81.583+0.163GR+1.111RT+2.148AC |
结合表3,C单元判别符合率为95.08%,有2组误判为D;D单元判别符合率为94.44%,有1组误判为C,C、D两个单元判别的整体符合率为94.76%;
表3
沉积结构单元 | 判别公式 |
C | YC=-120.414-3.370CNL+4.357AC |
D | YD=-154.538-2.706CNL+4.707AC |
通过对上述误判单元进行细致严谨地分析,发现误判的主要原因有以下几个方面:1、成像测井时出现的电极明显错位现象对部分沉积单元判别造成了干扰;2、针对一套砂岩中有多套较薄的泥质隔层的情况,常规测井曲线分辨率不足影响了泥质隔层的识别,从而造成误判;3、局部位置灰质含量过高,对单元内部沉积构造的识别造成影响,据此在判别过程中应当尽量回避上述干扰,以增强判别的准确性。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种地质模型约束下的滩坝结构单元判别方法,其特征在于,该地质模型约束下的滩坝结构单元判别方法包括以下步骤:
步骤一,把滩坝的发育过程自下而上划分为I、II、III、IV四个阶段,将滩坝划分出A、B、C、D、E五个沉积结构单元,A单元为砂质泥岩,砂岩含量低,层理构造为透镜状层理、波状层理;B单元层沉积物为泥质砂岩及砂岩,沉积物波浪改造强,层理构造为浪成交错层理、压扁层理、爬升层理;C单元岩性上为大套砂岩沉积,分选好、粒度细、砂质纯,发育冲洗层理、小型浪成交错层理;D单元粒度比C单元沉积物更细,整体均匀,内部无杂基,发育风成交错层理;E单元岩性上为厚层泥岩中间可能夹有薄砂层,砂层缺乏层理,层理面也不连续,四个演化阶段与A、B、C、D、E五个沉积结构单元之间有着对应关系,I阶段包括A、B单元,II阶段对应于C单元,III阶段与D单元相对应,IV阶段对应于E单元;
步骤二,对比和总结电成像图像和各单元的砂泥岩比例、砂岩分选性、沉积构造之间的关系,建立了各单元电成像模式共12种,分别是:A单元采用纹层状薄互层模式、透镜状层理模式、条带状薄砂层模式;B单元采用浪成交错层理模式、压扁层理模式、泥质条带隔层模式;C单元采用冲洗层理模式、均一模式、槽状交错层理模式、小型浪成交错层理模式;D单元采用风成交错层理模式;E单元采用含稳定薄砂条的泥质层模式;
步骤三,总结各结构单元常规测井曲线特征,包括形态和幅度,同时从沉积单元的旋回性角度出发,当多个沉积结构单元呈旋回性或叠覆特征出现时,对常规测井曲线特征进行分析,并利用交会图分析的方法对各单元的不同常规测井曲线的敏感性进行分析;
步骤四,针对滩坝研究对象,由于E单元与A单元以泥质沉积为主,出现频率很低,很难对E单元建立判别公式,而A、B、C、D单元均受到波浪或风力改造作用,并且B、C、D单元砂岩含量较大,因此选取A、B、C、D单元进行判别,首先选取敏感性较强的常规测井曲线,然后根据判别分析中的Bayes判别法,首先对A、B、C单元建立各自的判别公式,求取其中的最大后验概率值并将其对应的单元作为样本单元,然后对前面判别确定的C单元和利用电成像资料得到的D单元建立判别公式,确定判别结果,从而实现对A、B、C、D沉积单元的判别,进而可以根据各沉积单元在垂向剖面上相互叠置的关系,确定滩坝的沉积类型及演化阶段。
2.如权利要求1所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,在步骤一中,首先在滩坝中识别出砂坝、水下浅滩、滨岸滩砂三种沉积微相。
3.如权利要求1所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,在步骤一中,阶段I属于弱波浪作用阶段,阶段II属于动荡水流-冲洗回流阶段,阶段III属于风成阶段,阶段IV属于沼泽化阶段。
4.如权利要求1所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,在步骤三中,在A-B-C-D-E自然演化过程中,GR曲线数值由大到小,再逐渐变大,RT曲线数值由低变高再变低,而在A-B-C演化过程中,DEN、AC与CNL曲线重叠趋势逐渐增强。
5.如权利要求1所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,在步骤三中,分析结果表明,对于A、B、C单元,GR、RT、AC和CNL曲线敏感性强,而对于D、E单元,CNL和AC曲线敏感性强。
6.如权利要求1所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,在步骤四中,Bayes判别法的具体步骤为:提取各单元内敏感测井曲线值,首先建立A、B、C单元的判别公式,将相应测井曲线数据分别代入3个判别公式中,得到样本属于3种单元的各自的概率,并将样本判定为最大概率值所对应的单元,然后建立C、D单元的判别公式,将判别得到的C单元和由成像测井资料得到的D单元的测井曲线数据代入,对样本所属单元进行判别,最终实现各结构单元的自动判别。
7.如权利要求6所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,采用GR、RT、CNL曲线得到的A、B、C单元的判别公式为:
A单元:YA=-81.962+1.379GR+2.361RT+1.388CNL;
B单元:YB=-55.661+1.115GR+2.269RT+1.158CNL;
C单元:YC=-36.743+0.802GR+2.36RT+1.102CNL;
采用GR、RT、AC曲线得到的A、B、C单元的判别公式为:
A单元:YA=-121.609+0.687GR+1.01RT+2.167AC;
B单元:YB=-89.337+0.425GR+0.953RT+2.04AC;
C单元:YC=-81.583+0.163GR+1.111RT+2.148AC。
8.如权利要求6所述的地质模型约束下的滩坝结构单元判别方法,其特征在于,建立C、D单元的判别公式为:
C单元:YC=-120.414-3.370CNL+4.357AC;
D单元:YD=-154.538-2.706CNL+4.707AC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310479900.4A CN103513286B (zh) | 2013-10-15 | 2013-10-15 | 一种地质模型约束下的滩坝结构单元判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310479900.4A CN103513286B (zh) | 2013-10-15 | 2013-10-15 | 一种地质模型约束下的滩坝结构单元判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103513286A true CN103513286A (zh) | 2014-01-15 |
CN103513286B CN103513286B (zh) | 2016-05-18 |
Family
ID=49896297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310479900.4A Expired - Fee Related CN103513286B (zh) | 2013-10-15 | 2013-10-15 | 一种地质模型约束下的滩坝结构单元判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103513286B (zh) |
Cited By (9)
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 |
CN105717552A (zh) * | 2016-02-04 | 2016-06-29 | 中国石油大学(华东) | 基于测井曲线高频旋回预测湖相滩坝砂体空间展布形态的方法 |
CN106285665A (zh) * | 2014-04-16 | 2017-01-04 | 中国地质大学(北京) | 地下埋藏扇三角洲砂体期次测定划分方法 |
CN108921187A (zh) * | 2018-05-16 | 2018-11-30 | 中国地质大学(北京) | 鲕粒滩类型划分方法和装置 |
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 |
CN109555518A (zh) * | 2018-12-14 | 2019-04-02 | 中国石油大港油田勘探开发研究院 | 一种基于聚类和判别算法的冲积扇单井构型识别方法 |
CN109653725A (zh) * | 2018-09-13 | 2019-04-19 | 山东鼎维石油科技有限公司 | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 |
CN111562615A (zh) * | 2020-06-02 | 2020-08-21 | 中国石油化工股份有限公司 | 退积型滩坝砂体发育区确定方法、油藏识别方法及装置 |
CN113552639A (zh) * | 2021-08-02 | 2021-10-26 | 核工业航测遥感中心 | 物探数据边界异常增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2401638A1 (en) * | 2009-02-25 | 2012-01-04 | Exxonmobil Upstream Research Company | Classifying potential hydrocarbon reservoirs using electromagnetic survey information |
CN102928872A (zh) * | 2012-10-23 | 2013-02-13 | 中国石油大学(华东) | 一种提高滩坝砂储层地震识别性能与描述精度的方法 |
CN103345001A (zh) * | 2013-06-25 | 2013-10-09 | 中国地质大学(北京) | 一种测定古湖泊水深的方法 |
-
2013
- 2013-10-15 CN CN201310479900.4A patent/CN103513286B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2401638A1 (en) * | 2009-02-25 | 2012-01-04 | Exxonmobil Upstream Research Company | Classifying potential hydrocarbon reservoirs using electromagnetic survey information |
CN102928872A (zh) * | 2012-10-23 | 2013-02-13 | 中国石油大学(华东) | 一种提高滩坝砂储层地震识别性能与描述精度的方法 |
CN103345001A (zh) * | 2013-06-25 | 2013-10-09 | 中国地质大学(北京) | 一种测定古湖泊水深的方法 |
Non-Patent Citations (4)
Title |
---|
付殿敬等: "基于Q型聚类分析和贝叶斯判别算法研究储层分类评价", 《科技导报》, no. 03, 28 January 2011 (2011-01-28) * |
王萍等: "东营凹陷陈官庄地区沙四段下亚段储层沉积相", 《油气地质与采收率》, vol. 16, no. 02, 25 March 2009 (2009-03-25) * |
陈志香等: "FZ油田中低渗油藏剩余油分布研究", 《小型油气藏》, vol. 12, no. 01, 25 March 2007 (2007-03-25) * |
陈钢花等: "利用多元统计方法自动识别沉积微相", 《石油物探》, vol. 36, no. 01, 25 March 1997 (1997-03-25) * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106285665B (zh) * | 2014-04-16 | 2019-03-29 | 中国地质大学(北京) | 地下埋藏扇三角洲砂体期次测定划分方法 |
CN106285665A (zh) * | 2014-04-16 | 2017-01-04 | 中国地质大学(北京) | 地下埋藏扇三角洲砂体期次测定划分方法 |
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 |
CN105717552A (zh) * | 2016-02-04 | 2016-06-29 | 中国石油大学(华东) | 基于测井曲线高频旋回预测湖相滩坝砂体空间展布形态的方法 |
CN108921187B (zh) * | 2018-05-16 | 2021-05-28 | 中国地质大学(北京) | 鲕粒滩类型划分方法和装置 |
CN108921187A (zh) * | 2018-05-16 | 2018-11-30 | 中国地质大学(北京) | 鲕粒滩类型划分方法和装置 |
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 |
CN109653725A (zh) * | 2018-09-13 | 2019-04-19 | 山东鼎维石油科技有限公司 | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 |
CN109555518A (zh) * | 2018-12-14 | 2019-04-02 | 中国石油大港油田勘探开发研究院 | 一种基于聚类和判别算法的冲积扇单井构型识别方法 |
CN109555518B (zh) * | 2018-12-14 | 2022-07-05 | 中国石油天然气股份有限公司 | 一种基于聚类和判别算法的冲积扇单井构型识别方法 |
CN111562615A (zh) * | 2020-06-02 | 2020-08-21 | 中国石油化工股份有限公司 | 退积型滩坝砂体发育区确定方法、油藏识别方法及装置 |
CN111562615B (zh) * | 2020-06-02 | 2022-02-11 | 中国石油化工股份有限公司 | 退积型滩坝砂体发育区确定方法、油藏识别方法及装置 |
CN113552639A (zh) * | 2021-08-02 | 2021-10-26 | 核工业航测遥感中心 | 物探数据边界异常增强方法 |
CN113552639B (zh) * | 2021-08-02 | 2023-03-21 | 核工业航测遥感中心 | 物探数据边界异常增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103513286B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103513286B (zh) | 一种地质模型约束下的滩坝结构单元判别方法 | |
Zhang et al. | Cycle-calibrated magnetostratigraphy of middle Carnian from South China: Implications for Late Triassic time scale and termination of the Yangtze Platform | |
Liu et al. | Provenance identification and sedimentary analysis of the beach and bar systems in the Palaeogene of the Enping Sag, Pearl River Mouth Basin, South China Sea | |
CN105510993A (zh) | 前陆盆地深埋挤压型复杂膏盐岩层识别和分布预测方法 | |
CN109085663A (zh) | 一种致密砂岩储层层理缝识别方法 | |
CN104020509B (zh) | 基于Bayes判别分析的砂质滩坝沉积微相测井识别方法 | |
CN107589469B (zh) | 油水界面的确定方法和装置 | |
CN112764122A (zh) | 一种古河道型砂岩铀储层的圈定方法 | |
Bruno et al. | Groundwater characterization in arid regions using seismic and gravity attributes: Al Jaww Plain, UAE | |
Baltassat et al. | Magnetic resonance sounding (MRS) and resistivity characterisation of a mountain hard rock aquifer: the Ringelbach Catchment, Vosges Massif, France | |
CN111580183B (zh) | 一种古湖泊水深定量还原的方法 | |
Evans et al. | An outcrop gamma ray study of the Tumblagooda Sandstone, Western Australia | |
CN115793094B (zh) | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 | |
CN106372751A (zh) | 一种相对古水深指标参数的测井预测方法 | |
Woodward et al. | The geoarchaeology of river basin systems: an introduction | |
CN115857047A (zh) | 一种地震储层综合预测方法 | |
CN110727027A (zh) | 多期次河道砂的精细刻画方法 | |
Wonham et al. | Characterization of a shallow marine sandstone reservoir in a syn-rift setting: the Bentheim Sandstone Formation (Valanginian) of the Rühlermoor field, Lower Saxony Basin, NW Germany | |
Temovski et al. | A cave response to environmental changes in the Late Pleistocene: a study of Budimirica Cave sediments, Macedonia | |
Sandulli et al. | Regional to global correlation of lower Cretaceous (Hauterivian–Barremian) shallow-water carbonates of the southern Apennines (Italy) and Dinarides (Montenegro), southern Tethyan Margin | |
Li et al. | Architectural characteristics, evolutionary stages, and sedimentary models of clastic beach bars | |
Hao et al. | Prediction of Permian karst reservoirs in the Yuanba gas field, northern Sichuan Basin, China | |
Chen et al. | Seismic geomorphology of shoal-water deltaic and mixed carbonate-siliciclastic beach-bar systems in hanging wall of rift basins: Paleogene of the Raoyang Sag, Bohai Bay Basin, China | |
Gräfe et al. | Foraminifers and calcareous dinoflagellate cysts as proxies for deciphering sequence stratigraphy, sea-level change, and paleoceanography of Cenomanian–Turonian hemipelagic sediments in western Europe | |
Hodgkinson et al. | Lithological heterogeneity in a back-barrier sand island: Implications for modelling hydrogeological frameworks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
DD01 | Delivery of document by public notice |
Addressee: China Petroleum University (East China) Document name: Notification of Passing Preliminary Examination of the Application for Invention |
|
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160518 Termination date: 20201015 |
|
CF01 | Termination of patent right due to non-payment of annual fee |