CN103592690A - 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 - Google Patents
基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 Download PDFInfo
- Publication number
- CN103592690A CN103592690A CN201310507013.3A CN201310507013A CN103592690A CN 103592690 A CN103592690 A CN 103592690A CN 201310507013 A CN201310507013 A CN 201310507013A CN 103592690 A CN103592690 A CN 103592690A
- Authority
- CN
- China
- Prior art keywords
- factor
- porosity
- reservoir
- formula
- probability
- 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
本发明涉及一种基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,属地球物理勘探方法技术领域,其特征在于包括如下步骤:(1)电成像测井孔隙度分布谱的计算;(2)孔隙度分布谱统计特征的计算;(3)单一特征的裂缝概率的计算;(4)建立多种特征信息融合的裂缝识别概率模型;(5)储层裂缝的识别。本发明利用电成像测井资料,进行孔隙度谱分析,从孔隙度谱中提取能量、熵、对比度及期望值等统计特征,依据这些特征建立多特征信息融合的裂缝识别概率模型,自动识别储层裂缝,具有能排除背景干扰影响,能够定性识别裂缝,裂缝识别可靠性高的特点。
Description
技术领域:
本发明涉及一种基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,属地球物理勘探方法技术领域。
背景技术:
裂缝性储层评价的关键在于对裂缝进行准确地检测。在碳酸盐岩等裂缝性储层中,裂缝是重要的流体储集空间和油气运移通道,研究裂缝的发育及其分布规律对有效评价裂缝性储层具有重要的意义。由于裂缝分布复杂、规律性差,同时又受到观测、探测手段以及研究方法的限制,所以,如何有效地识别出碳酸盐岩等储层裂缝是勘探与开发研究的难点之一。而目前对储层裂缝发育预测尚缺乏有效的评价方法。
目前,识别裂缝的方法通常有如下几种:
(1)利用钻井取心进行裂缝识别,它可以直接观察储层裂缝的发育情况;但这种方法的不足在于:一是成本太高,不可能每口井都进行大段钻井取心;二是储层裂缝发育的方位归位不确定;三是受储层裂缝的影响,取出的岩心极易破碎,难以有效利用。
(2)利用常规测井方法进行裂缝识别;根据不同测井序列对储层裂缝的响应程度,一般用于裂缝识别的常规测井资料有声波测井、电阻率测井、核测井等;由于各种测井方法对储层裂缝的敏感程度并非完全相同,加之某些非裂缝因素也可能引起与储层裂缝相同的异常响应,所以,用一、二种测井方法判别储层裂缝往往很难做出确切的判断,特别是在井眼条件较差的情况下尤其如此。
而用多种测井方法综合判别裂缝较趋于合理一些。目前主要采取的有效解决方法为根据储层裂缝在各常规测井曲线的响应规律,定义各种测井方法的裂缝发育指标,计算各裂缝指标指示裂缝存在的裂缝概率,然后在裂缝概率的基础上建立综合裂缝概率模型,进行裂缝识别。
目前,常规测井的有效性还不足以使之成为裂缝性储层评价可靠的数据资源:一方面是因为许多常规测井分辨率较小,其测量结果受限于井眼周围情况的影响;另一方面储层裂缝测井响应是许多岩石特性的综合反映,易受到其他条件如充填物、泥浆、溶蚀等因素的影响。
(3)利用成像测井方法进行裂缝识别;成像测井方法自20世纪90年代初问世,属于能够直接探测裂缝属性的测井方法;成像测井资料可以以直观、形象、清晰的特点展示出井壁二维空间的地质特征;但是,测井资料的处理目前主要还是以手工交互处理为主;基本上是由用户先描绘出裂缝的迹线和边界,然后计算机再利用迹线和边界信息自动计算各种裂缝参数;这种方法对用户的要求较高,而手工处理又存在工作量大,定位不准确的难题,其识别结果容易受解释人员的主观因素与水平的影响,识别效率很低。
储层裂缝在成像测井图上表现为单周期的正弦曲线,通过对含有已知参数的正弦曲线图像进行识别,利用Hough变换等图像处理技术,自动识别与井眼相交储层裂缝的正弦波轨迹,获取其幅度和相位,从而计算出储层裂缝的倾角及走向;另外,还可以借助数学形态学中的腐蚀和膨胀技术以及图像识别方法对储层裂缝进行自动识别。这些采用图像分析的方法能够对储层裂缝进行自动提取,避免了手工处理存在工作量大,定位不准确的难题,在裂缝发育明显以及简单背景情况下可得到较好的处理结果。然而,裂缝并不是孤立存在的,而是蕴藏在复杂的地质背景之中,各种地质背景对裂缝图像产生的噪声干扰,降低了裂缝识别的精度和准确度。
由以上的分析,目前碳酸盐岩裂缝预测存在下列主要问题:
(1)目前裂缝评价方法还是以常规测井资料为主,成像测井仅仅用作定性分析,作为裂缝预测的辅助手段。能够直观反映裂缝的成像测井图像信息还没有得到充分的利用,同时,由于电成像测井中电极板的存在,电成像图像之间的空白区域干扰了反映裂缝信息的特征提取。
(2)裂缝系统是个复杂的地质体,其储层物性的改善作用是非线性的,各种评价特征参数与裂缝发育程度之间的关系也是非线性的。在充分挖掘反映裂缝的信息时,目前还缺少能够提供测井多信息融合的建模系统。
发明内容:
为了克服现有技术的不足,本发明的目的在于提供一种基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,利用电成像测井资料,进行孔隙度谱分析,从孔隙度谱中提取能量、熵、对比度及期望值等统计特征,依据这些特征建立多特征信息融合的裂缝识别概率模型,自动识别储层裂缝,具有能排除背景干扰影响,能够定性识别裂缝,裂缝识别可靠性高的特点。
本发明是通过如下技术方案来实现上述目的的。
本发明提供的一种基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,包括如下步骤:
(1)电成像测井孔隙度分布谱的计算:
根据阿尔奇公式,将经过浅侧向电阻率刻度的电成像计算电成像测井孔隙度分布谱;
每个电扣电导率被转换为孔隙度,采用公式(1)进行计算;
式中:φi为计算出的电扣孔隙度,v/v;
a为阿尔奇公式的地层因子参数,一般取值为1;
Rmf为泥浆滤液电阻率,单位为欧姆米;
Sxo为冲洗带含水饱和度,v/v;
Ci为冲洗带井壁的电导率,S/m;
M为阿尔奇公式中的孔隙度指数,取值在1-2之间;
阿尔奇公式是连接电阻率与孔隙度之间的纽带,基于该公式经浅侧向电阻率刻度过的电成像实质上反应的是冲洗带井壁的电导率图像;
对于一个图像窗口,根据每个像素点的孔隙度计算结果值统计其直方图,得到孔隙度分布谱;
(2)孔隙度分布谱统计特征的计算:
在电成像测井孔隙度分布谱的基础上,计算孔隙度分布谱的能量、熵、对比度及期望值四个统计特征;
孔隙度分布谱的能量用公式(2)进行计算;
孔隙度分布谱的熵用公式(3)进行计算;
孔隙度分布谱的对比度用公式(4)进行计算;
孔隙度分布谱期望值用公式(5)进行计算;
其中:xi为孔隙度分布谱中第i采样点的孔隙度;
p(xi)为相应于孔隙度xi的频数,即像素点数;
n为孔隙度份数;
上述的能量、熵、对比度及期望值四个统计特征的特点在于:熵、对比度、期望值在储层裂缝发育处具有较高的值,而能量在储层裂缝发育处具有较低的值;
(3)单一特征的裂缝概率的计算:
依据能量、熵、对比度及期望值四种特征在储层裂缝发育处具有的不同特性,采用不同的裂缝概率计算公式;
熵、对比度、期望值采用公式(6)计算裂缝概率;
其中:X为相应计算的特征值;
Xmax为相应计算的特征值的最大值;
Xmin为相应计算的特征值的最小值;
能量采用公式(7)计算裂缝概率;
其中:X为相应计算的特征值;
Xmax为相应计算的特征值的最大值;
Xmin为相应计算的特征值的最小值;
(4)建立多种特征信息融合的裂缝识别概率模型:
由公式(6)与公式(7)得到第i种特征曲线的第j个采样点的概率为Pij,(i=1,2,…,m;j=1,2,…,n);第j个深度采样点,第i种特征曲线的权值系数wij定义为:
对应于目的井段的所有测量采样点,第i种特征曲线的权值系数wi定义为
每个深度采样点储层裂缝发育的综合概率为多种特征的概率加权和,即
(5)储层裂缝的识别:
由式(10)计算出每个深度采样点的储层裂缝的预测概率;当Pj≥P0时,为储层裂缝发育;其中,P0为储层裂缝判别阈值,为目标地区的经验参数,由岩心描述裂缝与研究区裂缝概率预测结果确定。
本发明与现有的技术相比具有如下有益效果:
1、相对于基于常规测井资料的裂缝分析方法,该方法从成像测井孔隙度分布谱中直接提取反映储层裂缝孔隙的信息,解决了复杂情况下常规测井资料反映裂缝不敏感的问题;具有较高的分辨率与识别率。
2、相对于采用交互方式的裂缝识别方法,该方法能够进行自动的裂缝分析,提高了裂缝分析的效率。
3、该方法采用多信息融合概率识别模型,给出了裂缝识别的可靠性程度,解决了复杂背景干扰下裂缝识别的准确评价问题。
附图说明:
图1为本发明的方法流程图。
图2为本发明处理的预测裂缝结果示意图。
具体实施方式:
下面结合附图,对本发明的具体实施方式作进一步的详细说明。
在Visual c++6.0开发平台上实现了上述发明内容,开发了相应程序模块;实现步骤如附图1所示。
1、加载电成像测井资料;
2、将电成像测井资料进行浅侧向测井电阻率刻度,得到冲洗带井壁的电导率图像;
3、计算公式(1),实现电成像测井孔隙度分布谱的计算;
由于成像测井仪采用钮扣电极系测量,在井周向和深度上的采样间隔为0.1英寸,分辨率为0.2英寸;为了便于统计计算,本发明中采用的是连续取50个深度点数据为一个数据单元进行计算,即窗口大小为50,采样间隔为0.127米;
4、计算公式(2)、(3)、(4)、(5),实现孔隙度分布谱统计特征的计算;
5、计算公式(6)、(7),实现单一特征的裂缝概率的计算;
6、计算公式(8)、(9)、(10),实现多特征融合的裂缝概率的计算;
7、基于步骤6的概率计算结果,对储层进行裂缝识别;
当Pj≥P0时,为储层裂缝发育;其中,P0为储层裂缝判别阈值,为目标地区的经验参数,由岩心描述裂缝与研究区裂缝概率预测结果确定。图2中实例P0为0.8;
8、对识别结果进行绘图显示。
图2为本发明处理的某井预测裂缝结果示意图。
图2中的第一道为深度道,第二道为从成像测井孔隙度谱中提取的能量等统计特征,第三道为成像测井孔隙度谱第二峰值,第四道为三孔隙度曲线,第五道为常规电阻率曲线,第六道为裂缝预测概率与预测裂缝,第七道为岩心描述裂缝。
从图2中可以看出,在岩心描述裂缝处,三孔隙度曲线裂缝响应不明显,孔隙度谱中提取的能量、熵等统计特征裂缝响应明显。在裂缝发育井段具有较大的熵与期望值,较低的能量,电阻率偏低,存在成像测井孔隙度谱第二峰值。预测的裂缝与岩心描述裂缝基本一致。
Claims (3)
1.一种基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,其特征在于包括如下步骤:
(1)电成像测井孔隙度分布谱的计算:
根据阿尔奇公式,将经过浅侧向电阻率刻度的电成像计算电成像测井孔隙度分布谱;
每个电扣电导率被转换为孔隙度,采用公式(1)进行计算;
式中:φi为计算出的电扣孔隙度,v/v;
a为阿尔奇公式的地层因子参数;
Rmf为泥浆滤液电阻率,单位为欧姆米;
Sxo为冲洗带含水饱和度,v/v;
Ci为冲洗带井壁的电导率,S/m;
M为阿尔奇公式中的孔隙度指数,取值在1-2之间;
对于一个图像窗口,根据每个像素点的孔隙度计算结果值统计其直方图,得到孔隙度分布谱;
(2)孔隙度分布谱统计特征的计算:
在电成像测井孔隙度分布谱的基础上,计算孔隙度分布谱的能量、熵、对比度及期望值四个统计特征;
孔隙度分布谱的能量用公式(2)进行计算;
孔隙度分布谱的熵用公式(3)进行计算;
孔隙度分布谱的对比度用公式(4)进行计算;
孔隙度分布谱期望值用公式(5)进行计算;
其中:xi为孔隙度分布谱中第i采样点的孔隙度;
p(xi)为相应于孔隙度xi的频数,即像素点数;
n为孔隙度份数;
(3)单一特征的裂缝概率的计算:
依据能量、熵、对比度及期望值四种特征在储层裂缝发育处具有的不同特性,采用不同的裂缝概率计算公式;
熵、对比度、期望值采用公式(6)计算裂缝概率;
其中:X为相应计算的特征值;
Xmax为相应计算的特征值的最大值;
Xmin为相应计算的特征值的最小值;
能量采用公式(7)计算裂缝概率;
其中:X为相应计算的特征值;
Xmax为相应计算的特征值的最大值;
Xmin为相应计算的特征值的最小值;
(4)建立多种特征信息融合的裂缝识别概率模型:
由公式(6)与公式(7)得到第i种特征曲线的第j个采样点的概率为Pij,(i=1,2,…,m;j=1,2,…,n);第j个深度采样点,第i种特征曲线的权值系数wij定义为:
对应于目的井段的所有测量采样点,第i种特征曲线的权值系数wi定义为
每个深度采样点储层裂缝发育的综合概率为多种特征的概率加权和,即
(5)储层裂缝的识别:
由式(10)计算出每个深度采样点的储层裂缝的预测概率;当Pj≥P0时,为储层裂缝发育;其中,P0为储层裂缝判别阈值,为目标地区的经验参数,由岩心描述裂缝与研究区裂缝概率预测结果确定。
2.根据权利要求1所述的基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,其特征在于所述的图像窗口是连续取50个深度点数据为一个数据单元进行计算,即窗口大小为50,采样间隔为0.127米。
3.根据权利要求2所述的基于电成像测井孔隙度谱信息自动识别储层裂缝的方法,其特征在于所述的能量、熵、对比度及期望值四个统计特征的特点在于:熵、对比度、期望值在储层裂缝发育处具有较高的值,能量在储层裂缝发育处具有较低的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507013.3A CN103592690B (zh) | 2013-10-24 | 2013-10-24 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507013.3A CN103592690B (zh) | 2013-10-24 | 2013-10-24 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103592690A true CN103592690A (zh) | 2014-02-19 |
CN103592690B CN103592690B (zh) | 2016-09-14 |
Family
ID=50082899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310507013.3A Active CN103592690B (zh) | 2013-10-24 | 2013-10-24 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103592690B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103867196A (zh) * | 2014-04-01 | 2014-06-18 | 北京师范大学 | 一种利用成像测井图像识别粉砂岩与泥岩交替地层中岩相韵律变化的方法 |
CN104018826A (zh) * | 2014-04-16 | 2014-09-03 | 孙赞东 | 基于非线性算法的裂缝及裂缝内流体识别方法 |
CN104730596A (zh) * | 2015-01-25 | 2015-06-24 | 中国石油大学(华东) | 一种基于多尺度因素约束的离散裂缝建模方法 |
CN104912547A (zh) * | 2014-03-11 | 2015-09-16 | 中国石油化工集团公司 | 应用电阻率成像测井资料连续定量评价储层非均质特征的方法 |
CN104977617A (zh) * | 2014-04-02 | 2015-10-14 | 中国石油化工股份有限公司 | 储层裂缝识别方法和成像测井储层裂缝识别方法 |
CN105487136A (zh) * | 2015-12-31 | 2016-04-13 | 中国石油大学(华东) | 基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法 |
CN106370817A (zh) * | 2016-10-12 | 2017-02-01 | 西南石油大学 | 一种基于岩心分析和电成像测井的缝洞定量表征方法 |
CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
CN106777649A (zh) * | 2016-12-09 | 2017-05-31 | 博明(北京)能源技术有限公司 | 一种裂缝型储集层孔隙结构定量评价方法 |
CN108181665A (zh) * | 2017-12-18 | 2018-06-19 | 中国石油天然气股份有限公司 | 裂缝的确定方法和装置 |
CN108318534A (zh) * | 2017-12-18 | 2018-07-24 | 中国石油天然气股份有限公司 | 岩心约束的电成像测井图像处理方法和装置 |
CN108957530A (zh) * | 2018-05-23 | 2018-12-07 | 电子科技大学 | 一种基于地震相干体切片的裂缝自动检测方法 |
CN111175817A (zh) * | 2020-01-06 | 2020-05-19 | 北京大学 | 一种微地震数据辅助的致密油气藏裂缝分布反演方法 |
CN112017274A (zh) * | 2019-05-29 | 2020-12-01 | 四川大学 | 基于模式匹配的多分辨率三维岩心孔隙融合方法 |
CN112324422A (zh) * | 2020-09-25 | 2021-02-05 | 中国石油天然气集团有限公司 | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 |
CN112983394A (zh) * | 2021-02-07 | 2021-06-18 | 中国石油天然气股份有限公司 | 基于测井资料的曲线构建方法、装置和存储介质 |
CN113689453A (zh) * | 2021-08-24 | 2021-11-23 | 中石化石油工程技术服务有限公司 | 一种测井图像裂缝自动识别方法、装置、设备及存储介质 |
CN116309948A (zh) * | 2023-05-24 | 2023-06-23 | 中海油田服务股份有限公司 | 基于电成像的地层背景图像计算方法及装置 |
US11767752B2 (en) | 2020-10-02 | 2023-09-26 | Saudi Arabian Oil Company | Methodology for automated verification and qualification of sidewall core recovery depth using borehole image logs |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1158139A2 (en) * | 2000-05-23 | 2001-11-28 | Saudi Arabian Oil Company | Pyrolytic oil-productivity index method for predicting reservoir rock and oil characteristics |
CN102200008A (zh) * | 2010-03-26 | 2011-09-28 | 中国石油天然气股份有限公司 | 一种基于电成像测井的储层有效性识别方法 |
CN102262041A (zh) * | 2011-04-20 | 2011-11-30 | 中国石油天然气股份有限公司 | 一种基于多谱孔隙结构分析的饱和度确定方法 |
CN102352749A (zh) * | 2011-09-19 | 2012-02-15 | 中国石油天然气股份有限公司 | 一种岩溶风化壳白云岩有效储层的识别方法及装置 |
CN103306671A (zh) * | 2013-05-17 | 2013-09-18 | 中国石油天然气股份有限公司 | 一种四象限储层类型识别方法及系统 |
-
2013
- 2013-10-24 CN CN201310507013.3A patent/CN103592690B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1158139A2 (en) * | 2000-05-23 | 2001-11-28 | Saudi Arabian Oil Company | Pyrolytic oil-productivity index method for predicting reservoir rock and oil characteristics |
CN102200008A (zh) * | 2010-03-26 | 2011-09-28 | 中国石油天然气股份有限公司 | 一种基于电成像测井的储层有效性识别方法 |
CN102262041A (zh) * | 2011-04-20 | 2011-11-30 | 中国石油天然气股份有限公司 | 一种基于多谱孔隙结构分析的饱和度确定方法 |
CN102352749A (zh) * | 2011-09-19 | 2012-02-15 | 中国石油天然气股份有限公司 | 一种岩溶风化壳白云岩有效储层的识别方法及装置 |
CN103306671A (zh) * | 2013-05-17 | 2013-09-18 | 中国石油天然气股份有限公司 | 一种四象限储层类型识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
吴兴能等: "电成像测井资料变换为孔隙度分布图像的研究", 《测井技术》 * |
朱小露等: "川中地区震旦系灯影组白云岩储层成像孔隙度分布谱响应特征研究", 《石油天然气学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104912547A (zh) * | 2014-03-11 | 2015-09-16 | 中国石油化工集团公司 | 应用电阻率成像测井资料连续定量评价储层非均质特征的方法 |
CN103867196A (zh) * | 2014-04-01 | 2014-06-18 | 北京师范大学 | 一种利用成像测井图像识别粉砂岩与泥岩交替地层中岩相韵律变化的方法 |
CN103867196B (zh) * | 2014-04-01 | 2019-03-22 | 北京师范大学 | 一种利用成像测井图像识别粉砂岩与泥岩交替地层中岩相韵律变化的方法 |
CN104977617A (zh) * | 2014-04-02 | 2015-10-14 | 中国石油化工股份有限公司 | 储层裂缝识别方法和成像测井储层裂缝识别方法 |
CN104018826A (zh) * | 2014-04-16 | 2014-09-03 | 孙赞东 | 基于非线性算法的裂缝及裂缝内流体识别方法 |
CN104018826B (zh) * | 2014-04-16 | 2016-05-25 | 彭玲丽 | 基于非线性算法的裂缝及裂缝内流体识别方法 |
CN104730596A (zh) * | 2015-01-25 | 2015-06-24 | 中国石油大学(华东) | 一种基于多尺度因素约束的离散裂缝建模方法 |
CN105487136A (zh) * | 2015-12-31 | 2016-04-13 | 中国石油大学(华东) | 基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法 |
CN106443802B (zh) * | 2016-09-20 | 2018-11-13 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
CN106370817A (zh) * | 2016-10-12 | 2017-02-01 | 西南石油大学 | 一种基于岩心分析和电成像测井的缝洞定量表征方法 |
CN106777649A (zh) * | 2016-12-09 | 2017-05-31 | 博明(北京)能源技术有限公司 | 一种裂缝型储集层孔隙结构定量评价方法 |
CN106777649B (zh) * | 2016-12-09 | 2020-06-12 | 博明(北京)能源技术有限公司 | 一种裂缝型储集层孔隙结构定量评价方法 |
CN108181665A (zh) * | 2017-12-18 | 2018-06-19 | 中国石油天然气股份有限公司 | 裂缝的确定方法和装置 |
CN108318534A (zh) * | 2017-12-18 | 2018-07-24 | 中国石油天然气股份有限公司 | 岩心约束的电成像测井图像处理方法和装置 |
CN108181665B (zh) * | 2017-12-18 | 2020-01-07 | 中国石油天然气股份有限公司 | 裂缝的确定方法和装置 |
CN108957530A (zh) * | 2018-05-23 | 2018-12-07 | 电子科技大学 | 一种基于地震相干体切片的裂缝自动检测方法 |
CN108957530B (zh) * | 2018-05-23 | 2019-08-23 | 电子科技大学 | 一种基于地震相干体切片的裂缝自动检测方法 |
CN112017274B (zh) * | 2019-05-29 | 2022-11-11 | 四川大学 | 基于模式匹配的多分辨率三维岩心孔隙融合方法 |
CN112017274A (zh) * | 2019-05-29 | 2020-12-01 | 四川大学 | 基于模式匹配的多分辨率三维岩心孔隙融合方法 |
CN111175817A (zh) * | 2020-01-06 | 2020-05-19 | 北京大学 | 一种微地震数据辅助的致密油气藏裂缝分布反演方法 |
CN112324422A (zh) * | 2020-09-25 | 2021-02-05 | 中国石油天然气集团有限公司 | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 |
US11767752B2 (en) | 2020-10-02 | 2023-09-26 | Saudi Arabian Oil Company | Methodology for automated verification and qualification of sidewall core recovery depth using borehole image logs |
CN112983394A (zh) * | 2021-02-07 | 2021-06-18 | 中国石油天然气股份有限公司 | 基于测井资料的曲线构建方法、装置和存储介质 |
CN113689453A (zh) * | 2021-08-24 | 2021-11-23 | 中石化石油工程技术服务有限公司 | 一种测井图像裂缝自动识别方法、装置、设备及存储介质 |
CN116309948A (zh) * | 2023-05-24 | 2023-06-23 | 中海油田服务股份有限公司 | 基于电成像的地层背景图像计算方法及装置 |
CN116309948B (zh) * | 2023-05-24 | 2023-07-21 | 中海油田服务股份有限公司 | 基于电成像的地层背景图像计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103592690B (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103592690B (zh) | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 | |
CN106526693B (zh) | 裂缝识别方法和装置 | |
CN103122762B (zh) | 一种非常规泥页岩油气藏有效压裂层段的检测方法及装置 | |
CN104360415A (zh) | 一种致密砂岩储层裂缝识别的方法 | |
CN104453873A (zh) | 页岩油气经济有效层段的评价方法 | |
CN104948176B (zh) | 一种基于渗透增大率识别碳酸盐岩储层裂缝的方法 | |
CN103603659A (zh) | 利用常规测井资料识别复杂孔隙结构储层流体类型的方法 | |
CN104278991A (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
CN104453874A (zh) | 一种基于核磁共振的砂砾岩储层含油饱和度的计算方法 | |
CN105445800A (zh) | 一种厚层砂体顶部分异岩性油藏的识别方法 | |
CN103698811A (zh) | 一种碳酸盐岩岩石结构组分测井定量识别方法及其用途 | |
CN102576370B (zh) | 空隙度分析的系统和方法 | |
CN107436452A (zh) | 基于概率神经网络算法的烃源岩预测方法及装置 | |
CN103135131A (zh) | 一种针对裂缝性储层预测的解释装置 | |
US20230324577A1 (en) | Real-Time Microseismic Magnitude Calculation Method and Device Based on Deep Learning | |
CN104714252A (zh) | 分析流体因子敏感性的方法 | |
CN105064986A (zh) | 利用常规测录井资料构建储层四性关系谱的方法 | |
CN103485768A (zh) | 声波测井曲线的构建方法 | |
CN103291287A (zh) | 一种孔洞型储层有效性级别测定方法 | |
CN103615230B (zh) | 一种双泥质指示因子含水饱和度模型的建立方法 | |
Zhu et al. | Enhancing fracture network characterization: A data-driven, outcrop-based analysis | |
CN111381292B (zh) | 一种预测砂岩含烃储层的测井解释方法与装置 | |
CN106033127B (zh) | 基于横波速度变化率的地应力方位地震预测方法 | |
CN103590828B (zh) | 一种录井dck指数法评价地层压力的方法 | |
CN104459790A (zh) | 含油气性盆地有效储层的分析方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |