CN104181603A - 碎屑岩沉积成岩综合相识别方法 - Google Patents

碎屑岩沉积成岩综合相识别方法 Download PDF

Info

Publication number
CN104181603A
CN104181603A CN201410356199.1A CN201410356199A CN104181603A CN 104181603 A CN104181603 A CN 104181603A CN 201410356199 A CN201410356199 A CN 201410356199A CN 104181603 A CN104181603 A CN 104181603A
Authority
CN
China
Prior art keywords
diagenesis
comprehensive
type
deposition
diagenetic
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.)
Pending
Application number
CN201410356199.1A
Other languages
English (en)
Inventor
王艳忠
操应长
马奔奔
葸克来
周磊
宋丙慧
程鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN201410356199.1A priority Critical patent/CN104181603A/zh
Publication of CN104181603A publication Critical patent/CN104181603A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种碎屑岩沉积成岩综合相识别方法，其包括以下步骤：第一步：基于岩心的沉积成岩综合相厘定；第二步：利用测井曲线进行沉积成岩综合相识别。本发明首次提出了“沉积成岩综合相”的概念，综合考虑了原始沉积作用和后期成岩作用对储层物性以及测井响应的影响；对“沉积成岩综合相”中成岩相的划分标准进行了重新的厘定，首次提出了以压实作用、胶结作用和溶蚀作用对物性贡献绝对值的大小进行成岩相划分的原则，使成岩相的划分更加准确；首次提出了在贝叶斯判别的基础上进行交会图识别的沉积成岩综合相测井识别方法，明显提高了测井识别的正确率。

Description

碎屑岩沉积成岩综合相识别方法
技术领域
本发明涉及石油天然气勘探技术领域，特别是指一种碎屑岩沉积成岩综合相识别方法。
背景技术
岩相指一定沉积环境中形成的岩石或岩石组合，是原始沉积作用的物质表现。成岩相是指原始沉积物经历溶蚀、胶结和压实等成岩作用后所呈现的现今状态，是成岩作用类型及成岩作用强度的综合表现。储层物性一方面由储层岩相控制，不同岩相具有不同的颗粒结构、成分、构造等属性，导致其具有不同的物性特征；另一方面受储层成岩相控制，相同岩相不同成岩相的储层，其物性具有较大差异。因此，对碎屑岩优质储层的评价预测需综合考虑岩相和成岩相两方面的因素。
目前，岩相类型的划分主要是依据颗粒粒度、成分、沉积构造和颜色等特征进行划分，划分方法比较成熟。而目前国内外对成岩相的定量划分主要是依据视压实率(视压实率α＝(原始孔隙体积－压实后粒间体积)/原始孔隙体积×100％)、视胶结率(视胶结率β＝胶结物总量/(胶结物总量+粒间孔隙体积)×100％)、和视溶解率(视胶结率γ＝溶蚀面孔率/总面孔率×100％)的大小来确定，并得到了普遍应用。但这种划分方法存在着本身的局限性：(1)计算视压实率、视胶结率和视溶解率公式的分母各不相同，采用此三个参数进行成岩相类型划分往往导致结果和实际情况不符；(2)视压实率、视胶结率和视溶解率与其对储层物性贡献大小没有对应关系。例如某储层样品颗粒压实强烈，粒间孔隙体积很小(5％)而且全部被胶结物充填，那么利用公式计算视胶结率β＝胶结物总量/(胶结物总量+粒间孔隙体积)×100％，可知其视胶结率β为100％，应为强胶结成岩相，而实际样品应为弱胶结成岩相；又如某储层样品只存在溶蚀孔隙并且溶蚀面孔率非常小(1％)，依据视溶解率计算公式：视溶解率＝溶蚀面孔率/总面孔率×100％，计算该储层视溶解率为100％，应为强溶蚀成岩相，而实际样品应为弱溶蚀成岩相。
由于岩心资料较为有限，只能确定某个深度点的岩相或成岩相类型，为了达到连续识别的目的，还需进行测井识别。针对岩相的测井识别主要是针对不同岩相典型的常规测井响应值，利用不同测井曲线的交会图法、BP神经网络法、聚类分析法、Bayes和Fisher判别法、测井曲线重构法等进行岩相的识别。针对成岩相的测井识别一般采用统计学方法和地球物理测井信息结合模式识别算法两种手段进行成岩相识别。具体识别流程为在铸体薄片及扫描电子显微镜试验等手段划分成岩相类型的基础上，基于不同成岩相典型的常规测井响应值，利用不同测井曲线的交会图法、灰色关联法、概率神经网络法等技术方法建立不同成岩相的测井识别标准，从而达到对成岩相进行连续定量识别的目的。
测井曲线连续性好，其主要受储层岩相、成岩相和流体性质等多种因素的影响。例如某砂岩样品，若为钙质胶结，则测井曲线特征表现为低声波时差，低中子，高密度；若为泥质胶结，则为高伽马，低密度；若为油层，则表现为高电阻率等。目前，针对碎屑岩储层的测井识别仅仅是考虑了单一的岩相或者是成岩相的影响，而没有将两者进行综合考虑，并且针对岩相或成岩相的测井识别，仅仅是单一的测井识别方法进行判别，而没有将多种测井识别方法相结合进行综合判别。
只有将储层岩相和成岩相相结合，才能对碎屑岩沉积成岩综合相进行准确识别。根据有限的岩心分析资料来确定碎屑岩的沉积成岩综合相类型，找出对应的不同沉积成岩综合相储层的常规测井响应特征，对不同沉积成岩综合相在贝叶斯判别的基础上再进行交会图识别，建立碎屑岩储层沉积成岩综合相测井识别及评价方法，无疑会对碎屑岩优质储层的评价和预测起到积极作用。
发明内容
本发明的目的在于提供一种碎屑岩沉积成岩综合相识别方法，其可以准确厘定和识别碎屑岩沉积成岩综合相，实现对优质储层的预测和评价。
为了实现上述目的，本发明提供一种碎屑岩沉积成岩综合相识别方法，其包括如下步骤：
第一步：基于岩心的沉积成岩综合相厘定；
第二步：利用测井曲线进行沉积成岩综合相识别。
所述第一步是由以下步骤实现的：
(1)在岩心详细观察描述的基础上，依据碎屑岩的沉积构造和颗粒结构特征识别岩相类型；
(2)从岩心中选择代表性区域钻取样品，磨制岩石铸体薄片，利用偏光显微镜及摄像系统获取铸体薄片镜下图像，依据碎屑岩成岩作用类型以及强度、填隙物特征精细划分成岩相类型；
(3)在碎屑岩岩相类型和碎屑岩成岩相类型识别的基础上，总结其沉积成岩综合相类型。
所述步骤(1)中碎屑岩的沉积构造按岩相特征分为层理构造和同生变形构造，所述层理构造包括块状层理构造、平行层理构造、粒序层理构造和交错层理构造，所述同生变形构造包括重荷模构造、包卷构造和滑塌构造。
所述步骤(1)中碎屑岩的结构特征从颗粒分选性依据分选系数S0划分分选等级划分、颗粒粒度大小划分、岩石命名原则划分，颗粒分选性依据分选系数S0划分分选等级中，S0介于1～2.5，分选好；S0介于2.5～4.0，分选中等；S0大于4.0，分选差，碎屑的磨圆度划分为棱角状、次棱角状、次圆状和圆状；颗粒粒度大小：大于2mm为砾级颗粒；0.1～2mm为砂级颗粒；0.01～0.1mm为粉砂级颗粒；小于0.01mm为粘土级颗粒；岩石命名原则：以含量大于或等于50％的粒级定岩石的主名，即基本名；含量介于25％～50％的粒级以“××质”的形式写在基本名之前；含量在10％～25％的粒级以“含××”的形式写在基本名之前；含量小于10％的粒级一般不反映在岩石的名称中。
所述步骤(2)中碎屑岩成岩相类型以压实减少孔隙率α、胶结减少孔隙度β、溶蚀增加孔隙度γ分别对应的压实成岩相、压实成岩相及溶蚀成岩相划分，当α>20％时，为强压实成岩相，当20％>α>10％时，为中等压实成岩相，当10％>α时，为弱压实成岩相；当β>20％时，为强胶结成岩相，当20％>β>10％时，为中等胶结成岩相，当10％>β时，为弱胶结成岩相；当γ>10％时，为强溶蚀成岩相，当10％>γ>4％时，为中等溶蚀成岩相，当4％>γ时，为弱溶蚀成岩相。
所述步骤(3)根据划分的多种岩相类型和多种成岩相类型进行排列组合，形成多种沉积成岩综合相，其中包括不发育沉积成岩综合相。
所述第二步是对研究区常规测井曲线预处理，之后在预处理的基础上，选择对不同沉积成岩综合相类型反应敏感的测井曲线并进行测井识别，其包括如下实验步骤：
(Ⅰ)先进行贝叶斯判别：挑选不同沉积成岩综合相类型的常规测曲曲线值，建立各沉积成岩综合相类型的贝叶斯判别函数，根据贝叶斯判别后验概率值最大这一判别原则，即所得的贝叶斯判别函数值最大，可以判别各沉积成岩综合相类型；
(Ⅱ)再进行交会图识别：对于经过贝叶斯判别后正确率小于80％的沉积成岩综合相类型，采取测井曲线交会图法进行二次判别，即建立不同沉积成岩综合相类型的测井值交会图版，总结交会图版中不同沉积成岩综合相类型的测井值范围，进行二次判别；
(Ⅲ)结果检验：对于有岩心和薄片能确定沉积成岩综合相类型的井段进行测井识别，将测井识别结果与实际由岩心和薄片确定的实际综合相类型相对比，识别正确率＝测井识别正确样品个数/总样品数×100％，若测井识别正确率大于80％，即可在工区进行实际应用。
所述步骤(Ⅰ)是利用SPSS 11.0软件建立的各沉积成岩综合相类型的贝叶斯判别函数。
采用上述方案后，本发明具有以下有益效果：
1、首次提出了“沉积成岩综合相”的概念，综合考虑了原始沉积作用和后期成岩作用对储层物性以及测井响应的影响；
2、对“沉积成岩综合相”中成岩相的划分标准进行了重新的厘定，首次提出了以压实作用、胶结作用和溶蚀作用对物性贡献绝对值的大小进行成岩相划分的原则，使成岩相的划分更加准确；
3、首次提出了在贝叶斯判别的基础上进行交会图识别的沉积成岩综合相测井识别方法，明显提高了测井识别的正确率。
附图说明
图1为本发明碎屑岩沉积成岩综合相识别方法流程图；
图2为本发明所测沉积成岩综合相类型1、类型3和类型4进行的交会图判别；
图3为本发明所测沉积成岩综合相类型5和类型6进行的交会图判别；
图4为本发明实施例所测沉积成岩综合相类型2、类型3、类型4和类型6进行的交会图判别；
图5为本发明实施例所测沉积成岩综合相类型3、类型5和类型7进行的交会图判别；
图6为本发明实施例所测沉积成岩综合相类型10和类型11进行的交会图判别。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
如图1所示，本发明碎屑岩沉积成岩综合相识别方法，其包括如下步骤：
第一步：基于岩心的沉积成岩综合相厘定：
(1)在岩心详细观察描述的基础上，依据碎屑岩的沉积构造和颗粒结构特征识别岩相类型，划分标准如表1所示；
表1 碎屑岩岩相类型划分标准
(2)从岩心中选择代表性区域钻取样品，磨制岩石铸体薄片，利用偏光显微镜及摄像系统(如蔡司Axioscope A1 APOL.数字透反偏光显微镜及摄像系统)获取铸体薄片镜下图像，依据碎屑岩成岩作用类型以及强度、填隙物特征精细划分成岩相类型，划分标准如表2；
表2 碎屑岩成岩相类型划分标准
压实减少孔隙度/％ α>20％ 20％>α>10％ 10％>α
压实成岩相 强压实成岩相 中等压实成岩相 弱压实成岩相
胶结减少孔隙度/％ β>20％ 20％>β>10％ 10％>β
胶结成岩相 强胶结成岩相 中等胶结成岩相 弱胶结成岩相
溶蚀增加孔隙度/％ γ>10％ 10％>γ>4％ 4％>γ
溶蚀成岩相 强溶蚀成岩相 中等溶蚀成岩相 弱溶蚀成岩相
注：成岩相划分标准可以根据实际地区重新厘定
(3)最后在碎屑岩岩相类型和碎屑岩成岩相类型识别的基础上，总结其沉积成岩综合相类型(表3)，此处表3中的岩相和成岩相类型分别为3种的情形，实际应用中，类型不限，岩相与成岩相是按照如下规律进行排列组合的；
表3 碎屑岩沉积成岩综合相类型划分
注：“——”代表不发育此类沉积成岩综合相
第二步：利用测井曲线进行沉积成岩综合相识别：对研究区常规测井曲线预处理过程主要包括测井曲线拼接、深度较正、岩心归位及测井曲线标准化，预处理的目的是为了消除各测井资料之间的深度误差、偏移误差，保证岩心深度与测井深度相对应，在测井曲线预处理的基础上，选择对不同沉积成岩综合相类型反应敏感的测井曲线并进行测井识别，其包括如下实验步骤：
(Ⅰ)先进行贝叶斯判别：挑选不同沉积成岩综合相类型的常规测曲曲线值，利用SPSS 11.0软件建立各沉积成岩综合相类型的贝叶斯判别函数，根据贝叶斯判别后验概率值最大这一判别原则，即所得的贝叶斯判别函数值最大，可以判别各沉积成岩综合相类型；
(Ⅱ)再进行交会图识别：对于经过贝叶斯判别后正确率小于80％的沉积成岩综合相类型，采取测井曲线交会图法进行二次判别，即建立不同沉积成岩综合相类型的测井值交会图版，总结交会图版中不同沉积成岩综合相类型的测井值范围，进行二次判别；
(Ⅲ)结果检验：对于有岩心和薄片能确定沉积成岩综合相类型的井段进行测井识别，将测井识别结果与实际由岩心和薄片确定的实际综合相类型相对比，识别正确率＝测井识别正确样品个数/总样品数×100％，若测井识别正确率大于80％，即可在工区进行实际应用。
为了进一步说明本发明碎屑岩沉积成岩综合相识别方法的有益效果，现分别对岩相和成岩相进行贝叶斯判别，并与沉积成岩综合相进行贝叶斯判别和交会图判别进行对比分析：
1、岩相的贝叶斯判别：
挑选××油田××地区4种不同岩相共20个样本点进行常规测井曲线值贝叶斯判别，常规测井曲线值包括声波时差测井AC、中子测井CNL、密度测井DEN、自然伽马测井GR、电阻率测井RD，如表4所示。
表4 ××油田××地区岩相类型测井值
利用SPSS 11.0软件，对已知样本点进行贝叶斯判别，得到判别函数为：
Y1＝35.897AC-6.274CNL+3660.011DEN+4.037GR+0.113RD-6078.850；
Y2＝36.382AC-6.401CNL+3680.298DEN+4.086GR+4.464E-02RD-6164.094；
Y3＝35.780AC-6.353CNL+3631.586DEN+4.046GR-9.07E-03RD-5993.624；
Y4＝36.362AC-6.765CNL+3696.250DEN+4.026GR+2.075E-03RD-6191.879；
判别结果如表5所示，类型1的判别正确率为60％，类型2的判别正确率为40％，类型3的判别正确率为80％，类型4的判别正确率为80％，平均判别正确率为65％。
表5 各岩相类型判别正确率统计
2、成岩相的贝叶斯判别
挑选××油田××地区5种不同成岩相共25个样本点进行常规测井曲线值贝叶斯判别，常规测井曲线值包括声波时差测井AC、中子测井CNL、密度测井DEN、自然伽马测井GR、电阻率测井RD，如表6所示。
表6 ××油田××地区成岩相类型测井值
利用SPSS 11.0软件，对已知样本点进行贝叶斯判别，得到判别函数为：
Y1＝17.862AC-14.322CNL+2328.320DEN+5.274GR-0.631RD-3816.495；
Y2＝17.653AC-14.435CNL+2310.553DEN+5.126GR-0.720RD-3736.231；
Y3＝17.977AC-14.262CNL+2319.434DEN+5.270GR-0.736RD-3797.090；
Y4＝17.704AC-13.899CNL+2271.511DEN+5.190GR-0.750RD-3652.020；
Y5＝17.958AC-14.457CNL+2341.335DEN+5.306GR-0.615RD-3859.873；
判别结果如表7所示，类型1的判别正确率为20％，类型2的判别正确率为80％，类型3的判别正确率为60％，类型4的判别正确率为80％，类型5的判别正确率为60％，平均判别正确率为60％。
表7 各成岩相类型判别正确率统计
3、沉积成岩综合相的贝叶斯判别和交会图识别
挑选××油田××地区6种不同沉积成岩综合相共42个样本点进行常规测井曲线值贝叶斯判别，常规测井曲线值包括声波时差测井AC、中子测井CNL、密度测井DEN、自然伽马测井GR、电阻率测井RD，如表8所示。
表8 ××油田××地区沉积成岩综合相类型测井值
利用SPSS 11.0软件，对已知样本点进行贝叶斯判别，得到判别函数为
Y1＝13.749AC+9.055CNL+2442.273DEN+2.518GR-3.362RD-3723.339；
Y2＝13.586AC+8.773CNL+2415.496DEN+2.674GR-3.372RD-3661.425；
Y3＝14.034AC+9.545CNL+2422.044DEN+2.599GR-3.381RD-3705.661；
Y4＝14.097AC+8.924CNL+2413.938DEN+2.532GR-3.448RD-3672.614；
Y5＝14.341AC+11.308CNL+2516.722DEN+2.319GR-3.390RD-3967.485；
Y6＝14.291AC+10.933CNL+2448.179DEN+2.292GR-3.465RD-3781.465.
判别结果如表9所示，类型1的判别正确率为100％，类型2的判别正确率为85.7％，类型3的判别正确率为85.7％，类型4的判别正确率为71.4％，类型5的判别正确率为100％，类型6的判别正确率为71.4％，平均判别正确率为85.7％。
表9 各沉积成岩综合相类型判别正确率
从SPSS 11.0软件给出的各沉积成岩综合相类型判别正确率(表9)可以看出，类型4容易被误判成类型1和类型3，类型6容易被误判成类型5，因此在贝叶斯判别的基础上，还需要进行测井曲线交会图法进一步识别。
如图2所示，是对类型1、类型3和类型4进行交会图判别：首先，以AC-DEN交会图识别类型1；其次，以AC-CNL交会图识别类型3。通过统计类型1、类型3和类型4的测井值范围(AC、CNL、DEN)可以定量判别各类型(表10)。
表10 类型1、类型3和类型4各测井值范围统计
沉积成岩综合相类型 AC(μs/m) CNL(％) DEN(g/cm3)
类型1：砾质砂岩中压实弱溶解强胶结综合相 60-75 5.5-10.2 2.56-2.62
类型3：砾质砂岩中压实中溶解弱胶结综合相 68-82 11.5-16 2.45-2.53
类型4：含砾砂岩中压实弱溶解强胶结综合相 63-79 9-11.5 2.46-2.56
如图3所示，是对类型5和类型6进行交会图判别：以RD-DEN交会图明显识别类型5和类型6。通过统计类型5和类型6的测井值范围(RD和DEN)可以定量判别各类型(表11)。
表11 类型5和类型6各测井值范围统计
沉积成岩综合相类型 RD(Ω.m) DEN(g/cm3)
类型5：砂岩中压实弱溶解强胶结综合相 16-32 2.5-2.55
类型6：砂岩中压实强溶解弱胶结综合相 9-17 2.27-2.5
对测井判别结果进行检验：取岩心和铸体薄片所能确定的沉积成岩综合相的样本点共42个，其中通过贝叶斯判别和交会图识别正确的样本点有39个，总体正确率为92.9％(表12)。
表12 成岩相贝叶斯判别和交会图判别后正确率统计
实例：
以××油田××地区沙四上亚段储层沉积成岩综合相测井识别方法来说明该发明的具体技术方案。
第一步：基于岩心的沉积成岩综合相类型的识别。
(1)在岩心详细观察的基础上，根据碎屑岩岩相类型划分标准(见表1)，共识别出××油田××地区沙四上亚段6种岩相类型(表13)。
表13 ××油田××地区沙四上亚段岩相类型
(2)从岩心中选择代表性区域钻取样品，磨制岩石铸体薄片，利用偏光显微镜及摄像系统(如蔡司Axioscope A1 APOL.数字透反偏光显微镜及摄像系统)获取铸体薄片镜下图像，根据碎屑岩成岩相划分标准(见表2)，将××油田××地区沙四上亚段成岩相类型划分为5种类型：(1)强压实弱溶蚀弱胶结成岩相；(2)强压实弱溶蚀中等胶结；(3)中等压实强溶蚀弱胶结；(4)中等压实中等溶蚀弱胶结；(5)中等压实弱溶蚀强胶结(表14)。
表14 ××油田××地区沙四上亚段成岩相类型划分结果
(3)在岩相类型和成岩相类型划分的基础上，共总结出××油田××地区沙四上亚段12种沉积成岩综合相类型(表15)。
表15 ××油田××地区沙四上亚段沉积成岩综合相类型
第二步：基于测井的沉积成岩综合相类型识别。对××油田××地区不同沉积成岩综合相类型的常规测井曲线先后进行预处理和敏感曲线选择，选取对各沉积成岩综合相类型反应敏感的测井曲线类型(GR、RD、AC、DEN、CNL)。
在此基础上，选取××油田××地区沙四上亚段231个样品点，在岩心观察和薄片分析的基础上，确定各样品点的沉积成岩综合相类型。提取不同沉积成岩综合相类型样品点的密度测井值(DEN)、声波测井值(AC)、中子测井值(CNL)、自然伽马测井值(GR)和电阻率测井值(RD)。利用统计分析软件SPSS 11.0软件建立各沉积成岩综合相的贝叶斯判别函数。
Y1＝24.99AC-3.33CNL+2114.5DEN+5.01GR+0.59RD-3892.11；
Y2＝24.93AC-3.30CNL+2096.9DEN+4.51GR+0.50RD-3770.11；
Y3＝25.62AC-3.90CNL+2096.3DEN+4.47GR+0.31RD-3793.72；
Y4＝25.75AC-3.94CNL+2090.2DEN+4.49GR+0.51RD-3796.91；
Y5＝25.95AC-3.89CNL+2083.8DEN+4.50GR+0.26RD-3786.90；
Y6＝24.99AC-3.57CNL+2087.3DEN+4.68GR+0.31RD-3757.23；
Y7＝25.47AC-3.80CNL+2072.8DEN+4.53GR+0.23RD-3729.59；
Y8＝25.94AC-3.83CNL+2028.8DEN+4.15GR+0.18RD-3614.84；
Y9＝24.70AC-3.46CNL+2063.6DEN+4.22GR+0.48RD-3636.19；
Y10＝27.2AC-4.02CNL+2143.7DEN+4.28GR+0.30RD-4011.67；
Y11＝26.9AC-4.07CNL+2067.6DEN+4.14GR+0.22RD-3782.10；
Y12＝28.34AC-4.22CNL+2168.2DEN+4.3GR+0.21RD-4167.99；
Y1、Y2、Y3…Y11、Y12分别为各综合相类型贝叶斯判别函数值，根据贝叶斯判别后验概率值最大这一判别规则，即所得的函数值最大，可以判别各种沉积成岩综合相。
从SPSS 11.0软件给出各沉积成岩综合相类型贝叶斯判别正确率(表16)，可以看出，虽然贝叶斯判别后整体识别正确率为81.9％，仍存在部分综合相类型判别正确率偏低的情况，如类型3容易被误判成类型4、类型5和类型6，类型4容易被误判成类型2，类型7容易被误判成类型5，类型11容易被误判成类型10。
因此在SPSS 11.0软件进行贝叶斯判别的基础上，还需要进行测井曲线交会图法将容易误判的类型进行进一步识别。
如图4所示，对类型2、类型3、类型4和类型6进行交会图判别：首先，以AC-GR交会图明显识别类型6；其次，以AC-CNL交会图识别类型2；最后，以GR-RD交会图识别类型3和类型4。通过统计类型2、类型3、类型4和类型6的测井值范围(RD、CNL、GR、AC)可以定量判别各类型(表17)。
表16 12种沉积成岩综合相类型贝叶斯判别正确率
表17 类型2、类型3、类型4和类型6各测井值范围统计
沉积成岩综合相类型 RD(Ω.m) CNL(％) GR(API) AC(μs/m)
类型2：颗粒支撑砾岩强压实弱溶解弱胶结综合相 26-58 8-13 107-120 55-64
类型3：砾质砂岩中等压实弱溶解强胶结综合相 26-44 5-11 107-123 59-74
类型4：砾质砂岩强压实弱溶解弱胶结综合相 42-62 3-9 113-127 58-73
类型6：含砾砂岩强压实弱溶解弱胶结综合相 28-48 3-9 124-140 57-62
如图5所示，对类型3、类型5和类型7进行交会图判别：首先，以DEN-CNL交会图明显识别类型3；其次，以AC-CNL交会图识别类型5和类型7。通过统计类型3、类型5和类型7的测井值范围(DEN、CNL、AC)可以定量判别各类型(表18)。
表18 类型3、类型5和类型7各测井值范围统计
沉积成岩综合相类型 DEN(g/cm3) CNL(％) AC(μs/m)
类型3：砾质砂岩中等压实弱溶解强胶结综合相 2.55-2.61 5-11 55-75
类型5：砾质砂岩中等压实中等溶解弱胶结综合相 2.44-2.52 10-16 66-84
类型7：含砾砂岩中等压实弱溶解强胶结综合相 2.44-2.55 8-12 62-80
如图6所示，对类型10和类型11进行交会图判别：以CNL-RD交会图识别类型10和11。通过统计类型10和类型11的测井值范围(CNL和RD)可以定量判别各类型(表19)。
表19 类型10和类型11各测井值范围统计
沉积成岩综合相类型 CNL(％) RD(Ω.m)
类型10：砂岩中等压实弱溶解强胶结综合相 17-26 16-32
类型11：砂岩中等压实强溶解弱胶结综合相 18-30 8-20
第三步：对测井判别结果进行检验。对于有岩心和薄片能确定其岩相-成岩相综合类型的井段进行测井识别，并将测井识别结果与实际类型进行对比统计(表20)，最低正确率为82.4％，总体正确率达到94.1％，识别准确率明显提高。
表20 12种沉积成岩综合相类型贝叶斯判别和交会图识别后正确率统计
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (8)

1.一种碎屑岩沉积成岩综合相识别方法，其特征在于：包括如下步骤：
第一步：基于岩心的沉积成岩综合相厘定；
第二步：利用测井曲线进行沉积成岩综合相识别。
2.根据权利要求1所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述第一步是由以下步骤实现的：
（1）在岩心详细观察描述的基础上，依据碎屑岩的沉积构造和颗粒结构特征识别岩相类型；
（2）从岩心中选择代表性区域钻取样品，磨制岩石铸体薄片，利用偏光显微镜及摄像系统获取铸体薄片镜下图像，依据碎屑岩成岩作用类型以及强度、填隙物特征精细划分成岩相类型；
（3）在碎屑岩岩相类型和碎屑岩成岩相类型识别的基础上，总结其沉积成岩综合相类型。
3.根据权利要求2所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述步骤（1）中碎屑岩的沉积构造按岩相特征分为层理构造和同生变形构造，所述层理构造包括块状层理构造、平行层理构造、粒序层理构造和交错层理构造，所述同生变形构造包括重荷模构造、包卷构造和滑塌构造。
4.根据权利要求3所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述步骤（1）中碎屑岩的结构特征从颗粒分选性依据分选系数S0划分分选等级划分、颗粒粒度大小划分、岩石命名原则划分，颗粒分选性依据分选系数S0划分分选等级中，S0介于1～2.5，分选好；S0介于2.5～4.0，分选中等；S0大于4.0，分选差，碎屑的磨圆度划分为棱角状、次棱角状、次圆状和圆状；颗粒粒度大小：大于2mm为砾级颗粒；0.1～2mm为砂级颗粒；0.01～0.1mm为粉砂级颗粒；小于0.01mm为粘土级颗粒；岩石命名原则：以含量大于或等于50%的粒级定岩石的主名，即基本名；含量介于25%～50%的粒级以“××质”的形式写在基本名之前；含量在10%~25%的粒级以“含××”的形式写在基本名之前；含量小于10%的粒级一般不反映在岩石的名称中。
5.根据权利要求4所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述步骤（2）中碎屑岩成岩相类型以压实减少孔隙率α、胶结减少孔隙度β、溶蚀增加孔隙度γ分别对应的压实成岩相、压实成岩相及溶蚀成岩相划分，当α>20%时，为强压实成岩相，当20%>α>10%时，为中等压实成岩相，当10%>α时，为弱压实成岩相；当β>20%时，为强胶结成岩相，当20%>β>10%时，为中等胶结成岩相，当10%>β时，为弱胶结成岩相；当γ>10%时，为强溶蚀成岩相，当10%>γ>4%时，为中等溶蚀成岩相，当4%>γ时，为弱溶蚀成岩相。
6.根据权利要求5所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述步骤（3）根据划分的多种岩相类型和多种成岩相类型进行排列组合，形成多种沉积成岩综合相，其中包括不发育沉积成岩综合相。
7.根据权利要求2所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述第二步是对研究区常规测井曲线预处理，之后在预处理的基础上，选择对不同沉积成岩综合相类型反应敏感的测井曲线并进行测井识别，其包括如下实验步骤：
（Ⅰ）先进行贝叶斯判别：挑选不同沉积成岩综合相类型的常规测曲曲线值，建立各沉积成岩综合相类型的贝叶斯判别函数，根据贝叶斯判别后验概率值最大这一判别原则，即所得的贝叶斯判别函数值最大，可以判别各沉积成岩综合相类型；
（Ⅱ）再进行交会图识别：对于经过贝叶斯判别后正确率小于80%的沉积成岩综合相类型，采取测井曲线交会图法进行二次判别，即建立不同沉积成岩综合相类型的测井值交会图版，总结交会图版中不同沉积成岩综合相类型的测井值范围，进行二次判别；
（Ⅲ）结果检验：对于有岩心和薄片能确定沉积成岩综合相类型的井段进行测井识别，将测井识别结果与实际由岩心和薄片确定的实际综合相类型相对比，识别正确率=测井识别正确样品个数/总样品数×100%，若测井识别正确率大于80%，即可在工区进行实际应用。
8.根据权利要求7所述的碎屑岩沉积成岩综合相识别方法，其特征在于：所述步骤（Ⅰ）是利用SPSS 11.0软件建立的各沉积成岩综合相类型的贝叶斯判别函数。
CN201410356199.1A 2014-07-24 2014-07-24 碎屑岩沉积成岩综合相识别方法 Pending CN104181603A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410356199.1A CN104181603A (zh) 2014-07-24 2014-07-24 碎屑岩沉积成岩综合相识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410356199.1A CN104181603A (zh) 2014-07-24 2014-07-24 碎屑岩沉积成岩综合相识别方法

Publications (1)

Publication Number Publication Date
CN104181603A true CN104181603A (zh) 2014-12-03

Family

ID=51962791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410356199.1A Pending CN104181603A (zh) 2014-07-24 2014-07-24 碎屑岩沉积成岩综合相识别方法

Country Status (1)

Country Link
CN (1) CN104181603A (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104653156A (zh) * 2015-01-22 2015-05-27 中国地质大学（武汉） 一种碎屑岩油气藏开发单元划分方法
CN104698500A (zh) * 2015-04-07 2015-06-10 成都乔依赛斯石油科技有限公司 一种利用地质和测井信息预测储层成岩相的方法
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
CN105240005A (zh) * 2015-10-28 2016-01-13 中国石油化工股份有限公司 一种低孔特低渗非常规储层溶蚀孔识别方法
CN105388531A (zh) * 2015-10-19 2016-03-09 成都理工大学 一种基于支持向量回归机和核fisher分析的岩性识别方法
CN105467463A (zh) * 2015-08-14 2016-04-06 中国石油大学(华东) 近岸水下扇洪水沉积单元体最大延伸距离量化预测方法
CN105572747A (zh) * 2015-12-14 2016-05-11 中国石油大学(华东) 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法
CN105607145A (zh) * 2015-09-07 2016-05-25 中国石油天然气股份有限公司 碎屑岩地层的压实校正方法及装置
CN105651962A (zh) * 2014-11-10 2016-06-08 中国石油天然气股份有限公司 成岩相识别方法
CN106370814A (zh) * 2016-09-09 2017-02-01 中国海洋石油总公司 基于成分‑结构分类的湖相混积岩类储层测井识别方法
CN106405642A (zh) * 2016-07-19 2017-02-15 西安石油大学 基于脱压实声波速度的地震反演储层预测方法
CN106468171A (zh) * 2015-08-19 2017-03-01 中国石油化工股份有限公司 多信息耦合的递进式砂砾岩岩相判别方法
CN106556867A (zh) * 2015-09-29 2017-04-05 中国石油天然气股份有限公司 基于贝叶斯分类的相控孔隙度反演方法
CN108072915A (zh) * 2016-11-16 2018-05-25 中国石油天然气股份有限公司 一种识别碳酸盐岩颗粒滩相的方法
CN108090278A (zh) * 2017-12-15 2018-05-29 长江大学 碎屑岩储层成岩相的划分方法
CN108345046A (zh) * 2018-02-06 2018-07-31 长江大学 碎屑岩储层埋藏过程中成岩相划分方法
CN108362621A (zh) * 2018-02-06 2018-08-03 长江大学 基于成岩相测井识别技术模拟计算碎屑岩储层孔隙度的方法
CN108805158A (zh) * 2018-04-16 2018-11-13 北京师范大学 一种致密油储层成岩相划分方法
CN109298464A (zh) * 2018-10-17 2019-02-01 中国石油天然气股份有限公司 致密砂岩储层成岩相测井识别方法及装置
CN109389154A (zh) * 2018-09-07 2019-02-26 中国石油天然气集团有限公司 洪积扇砂砾岩储层岩相识别方法及装置
CN109444379A (zh) * 2018-12-24 2019-03-08 中海石油(中国)有限公司 深水重力流砂岩储层的定量分类识别图版构建方法及系统
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
CN109814174A (zh) * 2019-01-24 2019-05-28 中国石油大学(华东) 一种碎屑岩不整合结构体测井综合识别方法
CN110134918A (zh) * 2019-04-04 2019-08-16 中国石油大学(北京) 基于滑动窗口法的岩心自动归位方法和系统
CN110263835A (zh) * 2019-06-13 2019-09-20 中国电建集团华东勘测设计研究院有限公司 基于深度学习和贝叶斯网络的岩石类别自动识别方法
CN111060779A (zh) * 2019-11-20 2020-04-24 安徽大学 一种基于概率神经网络的电网分区故障诊断方法及系统
CN112836163A (zh) * 2019-11-25 2021-05-25 中国石油大学(北京) 成岩相测井定量划分方法、装置和设备
CN113435457A (zh) * 2021-02-08 2021-09-24 中国石油化工股份有限公司 基于图像的碎屑岩成分鉴定方法、装置、终端及介质
WO2022005477A1 (en) * 2020-07-01 2022-01-06 Chevron U.S.A. Inc. Crystallite size in rock samples
CN114526066A (zh) * 2022-01-24 2022-05-24 西南石油大学 一种陆相页岩油储层压实恢复的方法
CN116084928A (zh) * 2022-11-16 2023-05-09 中国石油大学(华东) 一种碎屑岩地层中冲刷面的地质-测井综合识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6192316B1 (en) * 1999-05-26 2001-02-20 Atlantic Richfield Company Fracture discrimination using borehole frequency response of stoneley waves
US20110022320A1 (en) * 2007-04-20 2011-01-27 Younane Abousleiman Method of predicting mechanical properties of rocks using mineral compositions provided by in-situ logging tools
US20120095687A1 (en) * 2010-04-21 2012-04-19 Baker Hughes Incorporated Method of predicting source rock thermal maturity from log responses
CN101915091B (zh) * 2010-06-22 2013-03-27 中国石油天然气股份有限公司 一种测井频率匹配薄层校正方法与设备
CN103913556A (zh) * 2014-03-10 2014-07-09 中国石油天然气股份有限公司吉林油田分公司勘探开发研究院 确定致密油气储层优势成岩相的岩心分析技术

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6192316B1 (en) * 1999-05-26 2001-02-20 Atlantic Richfield Company Fracture discrimination using borehole frequency response of stoneley waves
US20110022320A1 (en) * 2007-04-20 2011-01-27 Younane Abousleiman Method of predicting mechanical properties of rocks using mineral compositions provided by in-situ logging tools
US20120095687A1 (en) * 2010-04-21 2012-04-19 Baker Hughes Incorporated Method of predicting source rock thermal maturity from log responses
CN101915091B (zh) * 2010-06-22 2013-03-27 中国石油天然气股份有限公司 一种测井频率匹配薄层校正方法与设备
CN103913556A (zh) * 2014-03-10 2014-07-09 中国石油天然气股份有限公司吉林油田分公司勘探开发研究院 确定致密油气储层优势成岩相的岩心分析技术

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
丁国栋: "《风沙物理学.第2版》", 30 August 2010, 中国林业出版社 *
周江羽 等: "《含油气盆地沉积学》", 30 September 2010, 中国地质大学出版社 *
张树明: "《区域地质调查学》", 28 February 2013, 地质出版社 *
李爱芬: "《油气物理学.第3版》", 30 November 2011, 中国石油大学出版社 *
武吉华 等: "《自然地理基础》", 30 July 1988, 北京师范大学出版社 *
纪友亮: "《油气储层地质学》", 31 October 2009, 中国石油大学出版社 *
葸克来 等: "廊固凹陷古近系中深层储层成岩相研究", 《第十二届全国古地理学及沉积学学术会议论文摘要集》 *

Cited By (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105651962A (zh) * 2014-11-10 2016-06-08 中国石油天然气股份有限公司 成岩相识别方法
CN104653156A (zh) * 2015-01-22 2015-05-27 中国地质大学（武汉） 一种碎屑岩油气藏开发单元划分方法
CN104653156B (zh) * 2015-01-22 2017-02-22 中国地质大学（武汉） 一种碎屑岩油气藏开发单元划分方法
WO2016161914A1 (zh) * 2015-04-07 2016-10-13 四川行之智汇知识产权运营有限公司 一种利用地质和测井信息预测储层成岩相的方法
CN104698500A (zh) * 2015-04-07 2015-06-10 成都乔依赛斯石油科技有限公司 一种利用地质和测井信息预测储层成岩相的方法
CN105467463B (zh) * 2015-08-14 2017-07-21 中国石油大学(华东) 近岸水下扇洪水沉积单元体最大延伸距离量化预测方法
CN105467463A (zh) * 2015-08-14 2016-04-06 中国石油大学(华东) 近岸水下扇洪水沉积单元体最大延伸距离量化预测方法
CN106468171B (zh) * 2015-08-19 2019-07-12 中国石油化工股份有限公司 多信息耦合的递进式砂砾岩岩相判别方法
CN106468171A (zh) * 2015-08-19 2017-03-01 中国石油化工股份有限公司 多信息耦合的递进式砂砾岩岩相判别方法
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
CN105607145B (zh) * 2015-09-07 2018-03-13 中国石油天然气股份有限公司 碎屑岩地层的压实校正方法及装置
CN105607145A (zh) * 2015-09-07 2016-05-25 中国石油天然气股份有限公司 碎屑岩地层的压实校正方法及装置
CN106556867B (zh) * 2015-09-29 2018-10-16 中国石油天然气股份有限公司 基于贝叶斯分类的相控孔隙度反演方法
CN106556867A (zh) * 2015-09-29 2017-04-05 中国石油天然气股份有限公司 基于贝叶斯分类的相控孔隙度反演方法
CN105388531A (zh) * 2015-10-19 2016-03-09 成都理工大学 一种基于支持向量回归机和核fisher分析的岩性识别方法
CN105240005A (zh) * 2015-10-28 2016-01-13 中国石油化工股份有限公司 一种低孔特低渗非常规储层溶蚀孔识别方法
CN105240005B (zh) * 2015-10-28 2021-04-13 中国石油化工股份有限公司 一种低孔特低渗非常规储层溶蚀孔识别方法
CN105572747A (zh) * 2015-12-14 2016-05-11 中国石油大学(华东) 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法
CN105572747B (zh) * 2015-12-14 2018-08-14 中国石油大学(华东) 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法
CN106405642A (zh) * 2016-07-19 2017-02-15 西安石油大学 基于脱压实声波速度的地震反演储层预测方法
CN106370814A (zh) * 2016-09-09 2017-02-01 中国海洋石油总公司 基于成分‑结构分类的湖相混积岩类储层测井识别方法
CN108072915A (zh) * 2016-11-16 2018-05-25 中国石油天然气股份有限公司 一种识别碳酸盐岩颗粒滩相的方法
CN108090278A (zh) * 2017-12-15 2018-05-29 长江大学 碎屑岩储层成岩相的划分方法
CN108090278B (zh) * 2017-12-15 2021-06-01 长江大学 碎屑岩储层成岩相的划分方法
CN108362621B (zh) * 2018-02-06 2020-09-04 长江大学 基于成岩相测井识别技术模拟计算碎屑岩储层孔隙度的方法
CN108345046B (zh) * 2018-02-06 2020-07-03 长江大学 碎屑岩储层埋藏过程中成岩相划分方法
CN108362621A (zh) * 2018-02-06 2018-08-03 长江大学 基于成岩相测井识别技术模拟计算碎屑岩储层孔隙度的方法
CN108345046A (zh) * 2018-02-06 2018-07-31 长江大学 碎屑岩储层埋藏过程中成岩相划分方法
CN108805158B (zh) * 2018-04-16 2021-06-01 北京师范大学 一种致密油储层成岩相划分方法
CN108805158A (zh) * 2018-04-16 2018-11-13 北京师范大学 一种致密油储层成岩相划分方法
CN109389154A (zh) * 2018-09-07 2019-02-26 中国石油天然气集团有限公司 洪积扇砂砾岩储层岩相识别方法及装置
CN109389154B (zh) * 2018-09-07 2021-08-03 中国石油天然气集团有限公司 洪积扇砂砾岩储层岩相识别方法及装置
CN109298464A (zh) * 2018-10-17 2019-02-01 中国石油天然气股份有限公司 致密砂岩储层成岩相测井识别方法及装置
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
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
CN109444379A (zh) * 2018-12-24 2019-03-08 中海石油(中国)有限公司 深水重力流砂岩储层的定量分类识别图版构建方法及系统
CN109814174A (zh) * 2019-01-24 2019-05-28 中国石油大学(华东) 一种碎屑岩不整合结构体测井综合识别方法
CN109814174B (zh) * 2019-01-24 2021-07-06 中国石油大学(华东) 一种碎屑岩不整合结构体测井综合识别方法
CN110134918A (zh) * 2019-04-04 2019-08-16 中国石油大学(北京) 基于滑动窗口法的岩心自动归位方法和系统
CN110263835B (zh) * 2019-06-13 2021-11-12 中国电建集团华东勘测设计研究院有限公司 基于深度学习和贝叶斯网络的岩石类别自动识别方法
CN110263835A (zh) * 2019-06-13 2019-09-20 中国电建集团华东勘测设计研究院有限公司 基于深度学习和贝叶斯网络的岩石类别自动识别方法
CN111060779A (zh) * 2019-11-20 2020-04-24 安徽大学 一种基于概率神经网络的电网分区故障诊断方法及系统
CN112836163A (zh) * 2019-11-25 2021-05-25 中国石油大学(北京) 成岩相测井定量划分方法、装置和设备
WO2022005477A1 (en) * 2020-07-01 2022-01-06 Chevron U.S.A. Inc. Crystallite size in rock samples
CN113435457A (zh) * 2021-02-08 2021-09-24 中国石油化工股份有限公司 基于图像的碎屑岩成分鉴定方法、装置、终端及介质
CN114526066A (zh) * 2022-01-24 2022-05-24 西南石油大学 一种陆相页岩油储层压实恢复的方法
CN114526066B (zh) * 2022-01-24 2024-06-11 西南石油大学 一种陆相页岩油储层压实恢复的方法
CN116084928A (zh) * 2022-11-16 2023-05-09 中国石油大学(华东) 一种碎屑岩地层中冲刷面的地质-测井综合识别方法
CN116084928B (zh) * 2022-11-16 2024-06-11 中国石油大学(华东) 一种碎屑岩地层中冲刷面的地质-测井综合识别方法

Similar Documents

Publication Publication Date Title
CN104181603A (zh) 碎屑岩沉积成岩综合相识别方法
CN106154323B (zh) 基于地震拓频处理的相控随机反演薄储层预测方法
CN110318745B (zh) 一种沉积微相约束下粒径岩性测井评价方法
Chehrazi et al. Pore-facies as a tool for incorporation of small-scale dynamic information in integrated reservoir studies
CN109085663A (zh) 一种致密砂岩储层层理缝识别方法
CN103336305B (zh) 一种基于灰色理论划分致密砂岩储层岩石物理相的方法
CN105572747B (zh) 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法
CN110609327B (zh) 基于叠前地震属性的碳酸盐岩储集相预测方法及装置
CN115390155A (zh) 针对非均质储层的测井解释方法、装置、电子设备及介质
McKellar et al. A multidisciplinary approach to sediment provenance analysis of the late Silurian–Devonian Lower Old Red Sandstone succession, northern Midland Valley Basin, Scotland
Abouelresh et al. Characterization and classification of the microporosity in the unconventional carbonate reservoirs: A case study from Hanifa Formation, Jafurah Basin, Saudi Arabia
CN107218033A (zh) 一种识别地层产状的方法和地层参数的反演方法
Fanelli et al. Reliable soil property maps over large areas: a case study in Central Italy
CN114897767A (zh) 一种致密混积岩储层储集空间多尺度表征与储层分类方法
Chai et al. Automatic discrimination of sedimentary facies and lithologies in reef-bank reservoirs using borehole image logs
Thota et al. Petrophysical characteristics and reservoir quality evaluation of deep water turbidite sandstones of the Mount Messenger Formation, New Zealand
Guo et al. Rock physical modeling of tight sandstones based on digital rocks and reservoir porosity prediction from seismic data
CN106405638B (zh) 一种含气饱和度确定方法和装置
Rush et al. Geostatistical facies modeling trends for oolitic tidal sand shoals
FANG et al. Quantitative Method of Classification and Discrimination of a Porous Carbonate Reservoir Integrating K‐means Clustering and Bayesian Theory
CN113484907B (zh) 一种预测不同类型储层平面上分布的方法
Zhang et al. Statistical analysis of geological factors controlling bed-bounded fracture density in heterolithic shale reservoirs: The example of the Woodford Shale Formation (Oklahoma, USA)
Pérez et al. Application of multivariate statistical analyses to ItraxTM core scanner data for the identification of deep-marine sedimentary facies: a case study in the Galician Continental Margin
Méndez et al. Predicting and 3D modeling of karst zones using seismic facies analysis in Ordovician carbonates of the Tahe oilfield, China
CN114065828A (zh) 砂岩溶蚀类型判别方法、装置、电子设备及介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20141203

RJ01 Rejection of invention patent application after publication