CN104603642B - 使用mCSEM数据和随机岩石物理建模的饱和度估计 - Google Patents
使用mCSEM数据和随机岩石物理建模的饱和度估计 Download PDFInfo
- Publication number
- CN104603642B CN104603642B CN201280075402.7A CN201280075402A CN104603642B CN 104603642 B CN104603642 B CN 104603642B CN 201280075402 A CN201280075402 A CN 201280075402A CN 104603642 B CN104603642 B CN 104603642B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- mcsem
- saturation
- data
- resistivity
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
- G01V3/083—Controlled source electromagnetic [CSEM] surveying
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
用于估计储层中的流体饱和度的方法,所述方法包括以下步骤:a)从感兴趣的地下区域获得mCSEM勘测数据,b)实施所获得的mCSEM数据的反演以获得mCSEM反演数据,c)对所述mCSEM反演数据中的异常进行定位,d)从mCSEM反演数据的在异常处的电阻率趋势中减去mCSEM反演数据的背景电阻率趋势,e)使用与背景电阻率趋势的差估计与异常相关联的横向电阻的大小,f)使用将储层参数与横向电阻联系起来的随机岩石物理模型和蒙特卡洛模拟来估计与横向电阻相对应的平均储层饱和度的分布,以及g)对关于横向电阻的以及按经估计横向电阻的假定分布被加权的所获得的饱和度分布进行积分,以获得流体饱和度概率的最终估计。
Description
技术领域
本发明总地涉及探测地球物理学领域和潜在油气储层(hydrocarbon reservoir)的表征。更具体地,本发明涉及用于使用海洋可控源电磁(mCSEM)数据和随机岩石物理建模对海底地质构造(formation)中的含水和油气饱和度进行估计的处理技术。
背景技术
近年来,电磁数据的获得和反演在评定潜在的具体地球物理构造中已经成为宝贵的工具。可控源电磁(CSEM)数据经常与其他测量数据相结合,诸如地震、重力梯度测量、大地电磁(MT)或可能附近测井(well-log)等。在大多数mCSEM勘测(survey)应用中,mCSEM系统包括电磁发送器或天线,其从船中拖曳出来、固定在水体中或者在海床上,同样地还包括多个电磁接收器,其放置在海床上的已知位置处或者从船中拖曳出来或者固定在水体中。接收器可以检测电阻的变化,其为源信号的变化、源和接收器之间的偏移、以及地质层的属性的函数,所述地质层的属性包括其固有的导电属性。例如,相比海水,约0.3欧姆-米(ohm-m),或者沉积物或岩石的覆盖层,约0.3-4ohm-m,油气层将展现出更高的电阻,约20-300ohm-m。缩略词CSEM或mCSEM一般被本领域技术人员可交换地使用,并且其不意在从任何技术角度划界,除非明确指定。术语电阻率或电阻也被本领域技术人员可交换地使用,并且其不意在从任何技术角度划界,除非明确指定。各种类型的测量方法由于其固有设计而经常采用不同的时间和空间尺度获取数据。随着这些数据集的尺寸和复杂度的增加,处理这类大数据集的挑战也已增加。反演处理技术已经与仪表化同步地得到开发,据此反演的目标是优化模型的参数以找出计算值和测量数据之间的最佳匹配,据此测量数据可以用于对模型进行约束。
现有技术的建模方法基于直接应用来自mCSEM反演结果的电阻,并将它们插入合适的饱和度-电阻率关系,诸如阿尔奇公式(Archie’s equation)或类似物。数据反演可以描述为通过基于可用的测量数据和其他来自给定领域的现有知识更新初始模型的方式来提供地球物理属性的估计。简言之,阿尔奇公式是岩石的孔隙度、电导率和盐水(brine)饱和度之间的经验定量关系。该公式是现代测井解释的基础,因为它将钻孔电导率测量与含油气饱和度相联系。存在各种形式的阿尔奇公式,诸如下列一般形式:
Sw=[(a/Φm)*(Rw/Rt)](1/n)
其中:
Sw:含水饱和度
Φ:孔隙度
Rw:地层水电阻率
Rt:所观测到的体电阻率
a:常数(通常约为1)
m:胶结因子(通常约为2)
n:饱和度指数(通常约为2)
假定孔隙度与水和体电阻率(以及阿尔奇公式中的指数)为已知的,则含油气饱和度(SHC)估计可以从简单的代数表达式SHC=1-Sw获得。该工作流程原则上假定电阻率、孔隙度和饱和度在CSEM离散化内为恒定的。
在本节的最后引用描述已有技术的公布文档。
目前,存在一些与mCSEM数据评估方法技术的现状相关联的挑战:
1)来自mCSEM反演的电阻可能是不准确的,其原因诸如归因于计算约束的弱优化算法、较低维度(不是适当的3D)反演的使用、以及mCSEM信号的低频可能产生包括油气储层上方和下方两种信号的卷积(convolution)的观测结果。
2)此外,含水饱和度公式(例如阿尔奇公式)中的所有参数以及mCSEM电阻率与不确定性相关联。真正的电阻率非常难以确定。这表明对于并入最终估计,过程应是随机的。
3)进一步地,mCSEM电阻是粗尺度测量。储层柱内的变化将影响测量,并且对储层中的恒定孔隙度和饱和度的假定经常是无效的。
发明内容
因此,本发明的主要目标是提供用于使用海洋可控源电磁(mCSEM)数据和随机岩石物理建模来估计海底地质构造中的饱和度的改进的和新颖的方法。
上述与现有技术相关联的缺陷和不确定性通过以下新颖改进得到矫正。
1)基于在潜在覆盖数个可能勘探(prospect)的大片侧向区域内所获取的mCSEM数据定义与异常相关联的横向电阻(TR)而非电阻。由于通过mCSEM所获得的数据对TR比对精确的深度和电阻的值更为敏感,因此饱和度的估计比现有技术的方法更为稳健。
2)随机岩石物理建模与mCSEM结果相结合用于定量井前(pre-well)估计,其还包括储层内的孔隙度和饱和度的可变性。与参数相关联的不确定性包括在分析中。包含在模型输入中的不确定性通过随机岩石物理模型自然传播以解释饱和度的最终估计中的不确定性。一些输入参数与勘探风险中所使用的那些参数类似。它还将储层内的孔隙度和饱和度的假定空间可变性考虑在饱和度估计中。
3)该方法的本质部分是不需要井。本方法使得当mCSEM数据可用时获得井前饱和度估计成为可能,从而可以仅使用mCSEM反演结果获得井前估计。
这些所陈述的优点旨在解决现有技术中的缺陷。改进的方法根据附随的独立权利要求公开。有利的进一步进展为从属权利要求的主题。
本发明的第一方面涉及用于估计储层中的流体饱和度的方法,包括以下流程步骤:
a)从感兴趣的地下区域获得mCSEM勘测数据,
b)实施所述所获得的mCSEM数据的反演,
c)从所述mCSEM反演数据的来自油气储层内部的电阻率趋势中减去来自所述mCSEM反演数据的背景电阻率趋势,
d)估计mCSEM反演数据中的异常的位置,
e)估计与来自mCSEM反演数据的异常相关联的横向电阻的大小,
f)使用将储层参数与横向电阻联系起来的随机岩石物理模型和蒙特卡洛模拟来估计与横向电阻相对应的初始平均储层饱和度,以及
g)在横向电阻的假定分布上对作为横向电阻的函数的所获得的饱和度分布进行积分,以获得流体饱和度概率的最终估计。
本发明的第二方面涉及所述第一方面的方法,其中用于估计平均储层饱和度与横向电阻的关系的模型储层参数,如所述mCSEM反演所观测到的,包括以下几个:
-储层厚度,
-储层内的平均孔隙度和变化,
-储层的平均饱和度和变化,
-孔隙度和饱和度之间的协方差,
-地层水中的电阻率,即盐度,以及
-将电阻率和饱和度相联系的阿尔奇公式中的指数。
本发明的第三方面涉及所述第二方面的方法,其中根据印度尼西亚公式或西门图公式或维克斯曼-斯密特公式或双水公式对电阻率-饱和度关系进行初始估计。
本发明的第四方面涉及所述第二或第三方面的方法,进一步包括:
a)取决于可用的信息,为所有所述参数指定均值和变化范围或分布,
b)实施蒙特卡洛模拟以对由参数的不确定性所定义的全空间进行采样,
c)根据所述采样和含水饱和度公式为平均含水饱和度Sw相对横向电阻做绘图,
d)将所述绘图与来自所述mCSEM反演的横向电阻相结合,以及
e)估计含油气饱和度SHC,其中SHC=1-Sw。
本发明的第五方面涉及所述第四方面的方法,其中饱和度的最终概率分布的估计包括以下流程步骤:
a)在来自mCSEM结果的经估计横向电阻的范围上进行积分,经估计横向电阻包括不确定性,以及
b)根据经估计横向电阻的假定概率对2D函数被积函数进行加权。
附图说明
将参考附图对本发明进行详细描述。应该理解附图的设计仅出于示例性的目的,而非意图作为对本发明的限制的定义,针对该定义应参考附随的权利要求。应当进一步理解,除非另外指出,否则附图未必按照比例进行绘制,它们仅意在图示其中所描述的过程。
图1示出2.5D mCSEM反演结果的示例。
图2示出与真实测井一起呈现的来自mCSEM反演的测井的示例。
图3示出来自随机岩石物理模型的典型输出。
图4示出对图3的分布进行积分后的概率分布。
具体实施方式
本发明的目的在于在给定从mCSEM数据所获得的横向电阻的情况下对储层中的平均含水饱和度进行量化。总体来说本发明可以通过下面的工作流程来描述,其包括3个主要步骤:
步骤1
步骤1通过如下子步骤来定义:所测量到的mCSEM数据的反演和TR-异常确定。
针对感兴趣的地下区域获得所测量到的mCSEM勘测数据。随后对针对地下区域的所测量到的mCSEM勘测数据实施反演。对被假定为与储层相关联的异常进行定位并将其与背景电阻率趋势分离开来。定位是指在海床上的地理定位和在海床下的垂直深度。与背景反演的差异形成与储层相关联的异常TR,其将用于与岩石物理模型相结合(步骤2)。图1示出较低维度2.5D mCSEM反演结果的示例。中间的矩形示出与储层相关联的异常,黑线示出穿过异常的“井”,并且灰线示出在异常之外的“井”。在储层深度周围的区域中的灰线和黑线的“测井”之间的差异形成与储层相关联的TR。绘图的近似范围是在水平方向(x轴)上为15000米、在垂直方向(y轴)上为3500米,而标志异常的较小方框近似是在水平方向(x轴)上为4500米、在垂直方向(y轴)上为875米。图2示出具有水平电阻率(左)和垂直电阻率(右)的来自mCSEM反演的测井的示例。在储层区域周围的两测井之间的差异形成用于定位和定义来自mCSEM反演结果的与储层相关联的异常横向电阻(TR)(电阻率和厚度的乘积)的大小(magnitude)的基础。参考在右侧面板中示出的垂直电阻率,灰线(G)是来自2.5D无约束反演的在储层之外的井,带有阴影的黑虚线(1)是穿过储层的无约束2.5D反演。TR被假定归因于储层的岩性/流体含量。最终,带有阴影的实黑线(2)是穿过储层的约束2.5D反演,其具有归因于所包括的较低维度2.5D假定的修正。灰线(G)和另外两条之一(1或2)之间的差异当在相关深度上积分时定义横向电阻(TR),其中相关深度近似为500米。当使用具有3D修正因子的约束2.5D结果时,获得近似为24000欧姆-平方米(ohm-m2)的TR。
步骤2
步骤2通过如下子步骤来定义:平均饱和度估计、随机岩石物理建模以及参数不确定性的合并。
与所获得的TR相对应的合适平均储层饱和度的估计要求使用将储层参数与TR相联系的随机岩石物理模型。TR尤其主要取决于下面的储层参数:
●储层厚度
●储层内的平均孔隙度和变化
●储层内的平均饱和度和变化,以及孔隙度和饱和度之间的协方差。
●地层水中的电阻率,即盐度
●将电阻率和饱和度相联系的阿尔奇公式中的指数。
在探测设定中,这些参数无一是精确已知的,但是诸如储层厚度和孔隙度的参数在勘探风险过程中被估计。取决于可用的信息,为上述框架中的所有参数指派均值和变化范围或分布。
图3示出来自随机岩石物理模型的典型输出。它示出x轴上的平均加权含水饱和度(<φSw>/<φ>[v/v])相对y轴上的TR的对数(log10(ΣΔz Rv[Ohm-m2])),其中单独像素示出多少来自蒙特卡洛(Monte Carlo)采样的样本已在给定位置结束。实施蒙特卡洛模拟以对由参数的不确定性所定义的全空间进行采样。图3基于蒙特卡洛采样和阿尔奇公式,然而可选地,可以使用除阿尔奇公式以外的其他公式作为替代用于电阻率-饱和度关系。将来自图3的结果与来自mCSEM反演的TR相结合,可以作为SHC=1-Sw获得含油气饱和度估计。黑暗的左下角示出低含水饱和度(高含油气饱和度)和低TR是不相容的,反之对于右上角亦然。中间较亮的趋势示出饱和度和TR的协方差。该图形(graph)在TR=10000Ohm-m2处交叉穿过绘图,并示出在该TR处饱和度中的不确定性。图2中所指示的TR将给出log10(TR)=4.38。将反演结果中的不确定性和归因于较低维度2.5D反演的3D修正因子进行合并产生TR的不确定性范围。这就在给定的TR处产生矩形而不是线,其表示在给定异常TR的情况下的最可能的饱和度。
在探测设定中,岩石物理电阻率-饱和度关系(例如阿尔奇公式)中的参数不是精确已知的,但是可以为其指派概率分布。胶结因子“m”可以例如是具有期望“2”和标准差的正态分布。同样地,饱和度指数“n”也可以是具有期望“2”和标准差的正态分布。例如,可以为水电阻率指派从最小预期盐度到最大预期盐度的平坦概率分布,并与假定温度曲线(profile)相结合。也可以应用阿尔奇公式的其他替代选择。可以使用将子集在上文中列出的岩石物理参数的适当集合与电阻率联系起来的任何岩石物理关系。示例为印度尼西亚(Indonesia)公式、西门图(Simandoux)公式、维克斯曼-斯密特(Waxman-Smit)和双水公式。例如,上面提到的模型以不同方式将沿粘土表面的附加电导率纳入考虑。可以从勘探风险指派储层中的平均孔隙度。然而,每个储层内存在必须被包括的孔隙度的变化。储层内的假定孔隙度变化可以通过截断概率分布进行估计,其中截断限制为最小储层孔隙度(孔隙度截止(cutoff))到最大储层孔隙度(根据埋藏深度和经验所估计),但是期望应与勘探风险相对应。根据经验,孔隙度和饱和度经常相互关联。低孔隙度经常因较多毛细管束缚水而与较高含水饱和度相对应。可通过包括孔隙度和饱和度之间的协方差来包含该相关性。随机岩石物理模拟通过蒙特卡洛模拟从各自的概率密度函数对参数值采样,并针对每个可能的储层参数集合构建电阻率-饱和度关系。在以串联方式联系可能的储层电阻率值并计算横向电阻之后,找出可能的饱和度-横向电阻关系的分布。
步骤3
步骤3通过如下子步骤来定义:TR分布的积分和饱和度概率分布的最终估计。
为了在给定来自mCSEM结果的假定相关TR范围的情况下获得关于储层中的平均含水饱和度的后验概率分布,在经估计横向电阻的范围上实施积分。来自mCSEM数据反演结果的不确定性包括在积分中。这与图3中在y轴的范围上进行的积分相对应。被积函数(图3所描述的2D函数)根据经估计横向电阻的假定概率而被加权。最终,在来自mCSEM反演的TR的不确定性范围上对由图3中的绘图所表示的分布进行的积分产生预期的最终平均饱和度分布。图4示出在从mCSEM反演结果所指定的TR范围上对图3的分布进行积分之后的这样的概率分布(达到(up to)常数),mCSEM反演结果具有反映每个TR的概率的权重。水平x轴表示加权平均含水饱和度(<φSw>/<φ>[v/v])。
本方法是用于使用mCSEM数据和随机岩石物理模型估计饱和度的方法,该估计通过在给定从mCSEM数据所获得的横向电阻(TR)的情况下量化储层中的平均含水饱和度来进行。感兴趣的TR是与垂直电阻率相关联的TR,因为mCSEM对储层内的水平电阻率不敏感。由于已知mCSEM数据对TR比对精确的深度和电阻率的值更敏感,因此这比已有的工作流程更为健壮。进一步地,该方法实现为随机方法,其自然包含输入和输出两者的相关联的不确定性。由于mCSEM的低分辨率和电阻率的深度位置的不确定性,当计算TR时,可能有必要考虑比地震勘探轮廓(seismic outline of the prospect)更大的深度范围。
虽然已经出于清楚理解的目的以说明和示例的方式相当详细地描述了前述发明,但是对本领域普通技术人员来说很明显的是,鉴于本发明的教导,可以对本发明做出某些改变和修改,而不脱离附随的权利要求的范围。
虽然已经在附图和前述描述中详细说明和描述了本发明,但是这类说明和描述将被认为是说明性或例示性而非限制性的,并且其不意图将本发明限制到所公开的实施例。某些措施在相互不同的从属权利要求中被引用的这一事实并不指示这些措施的组合不能被有利地使用。权利要求中的任何参考符号不应被解释为对本发明的范围的限制。
参考文献:
Poupon,A.and Leveaux,J.,“Evaluation of water saturation in ShalyFormations”,Trans.SPWLA 12th Annual logging Symposium,1971,pp.1-2.
Simandoux,P.,“Dielectric measurements in Porous Media and applicationto Shaly Formation”,Revue del’Institut Fancais du Petrole,SupplementarayIssue,1963,pp.193-215.
Archie,G.E.,1942,The electrical resistivity log as an aid indetermining some reservoir characteristics,AIME trans.146,p.54-62.
Clavier,C.,Coates,C.,and Dumanoir,C.,1984,The theoretical andexperimental bases for the“dual water”model for the interpretation of shaly-sands:SPE Journal,vol.24,no.2,p.153–168.
Waxman,M.H.and Smits,L.J.M.,1968,Electrical conductivities in oil-bearing shaly-sands:SPE Journal,vol.8,no.2,p.107–122.
Chen et al.,A Bayesian model for gas saturation estimation usingmarine seismic AVA and CSEM data,Geophysics 72,2007.
Morten et al.,3D reservoir characterization of a North Sea oil fieldusing quantitative seismic&CSEM interpretation,SEG Extended Abstracts,2011.
Claims (4)
1.用于估计储层中的流体饱和度的方法,包括以下流程步骤:
a)从感兴趣的地下区域获得海洋可控源电磁勘测数据,
b)实施所述所获得的海洋可控源电磁数据的反演以获得海洋可控源电磁反演数据,
c)对所述海洋可控源电磁反演数据中的异常进行定位,
d)从所述海洋可控源电磁反演数据的在所述异常处的电阻率趋势中减去所述海洋可控源电磁反演数据的背景电阻率趋势,
e)使用与所述背景电阻率趋势的差估计与所述异常相关联的横向电阻的大小,
f)使用将储层参数与横向电阻联系起来的随机岩石物理模型和蒙特卡洛模拟来估计与横向电阻相对应的平均储层饱和度的分布,以及
g)对关于横向电阻的以及按经估计横向电阻的假定分布被加权的所获得的饱和度分布进行积分,以获得流体饱和度概率的最终估计。
2.根据权利要求1所述的方法,其中所述储层参数包括以下项:
-储层厚度,
-储层内的平均孔隙度和变化,
-储层的平均饱和度和变化,
-孔隙度和饱和度之间的协方差,
-地层水中的电阻率,即盐度,以及
-将电阻率和饱和度相联系的阿尔奇公式中的指数。
3.根据权利要求2所述的方法,其中根据印度尼西亚公式或西门图公式或维克斯曼-斯密特公式或双水公式对电阻率-饱和度关系进行初始估计。
4.根据权利要求2或3所述的方法,其中估计所述分布包括:
a)取决于可用的信息,为所有所述参数指定均值和变化范围或分布,
b)实施蒙特卡洛模拟以对由所述参数的不确定性所定义的全空间进行采样,以及
c)根据所述采样和含水饱和度公式为平均含水饱和度Sw相对横向电阻TR做绘图,并且其中所述方法进一步包括估计含油气饱和度SHC,其中SHC=1-Sw。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2012/062230 WO2014000758A1 (en) | 2012-06-25 | 2012-06-25 | Saturation estimation using mcsem data and stochastic petrophysical modeling |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104603642A CN104603642A (zh) | 2015-05-06 |
CN104603642B true CN104603642B (zh) | 2018-07-24 |
Family
ID=46466452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280075402.7A Active CN104603642B (zh) | 2012-06-25 | 2012-06-25 | 使用mCSEM数据和随机岩石物理建模的饱和度估计 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9864086B2 (zh) |
EP (1) | EP2864822B1 (zh) |
CN (1) | CN104603642B (zh) |
AU (1) | AU2012384038B2 (zh) |
BR (1) | BR112014032576B1 (zh) |
CA (1) | CA2877395C (zh) |
MX (1) | MX352356B (zh) |
RU (1) | RU2594618C2 (zh) |
WO (1) | WO2014000758A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10330618B2 (en) | 2015-04-30 | 2019-06-25 | Schlumberger Technology Corporation | Method to estimate water saturation in electromagnetic measurements |
AU2015394619B2 (en) * | 2015-05-08 | 2021-10-14 | Equinor Energy As | Efficient solutions of inverse problems |
CA2996840A1 (en) * | 2015-08-27 | 2017-03-02 | Statoil Petroleum As | Data-driven focused inversions |
CN105804732B (zh) * | 2016-03-15 | 2019-06-18 | 中国石油化工股份有限公司 | 一种基于相对电阻率随机模拟反演的油气分布预测方法 |
US10451765B2 (en) * | 2016-05-06 | 2019-10-22 | Baker Hughes, A Ge Company, Llc | Post-well reservoir characterization using image-constrained inversion |
US11543065B2 (en) | 2016-09-02 | 2023-01-03 | Zurn Industries, Llc | Extruded cold-expansion compression collar |
WO2018106254A1 (en) * | 2016-12-09 | 2018-06-14 | Halliburton Energy Services, Inc. | Directional drilling with stochastic path optimization of operating parameters |
US11119239B2 (en) | 2017-01-13 | 2021-09-14 | Baker Hughes Holdings Llc | Measuring petrophysical properties of an earth formation by regularized direct inversion of electromagnetic signals |
BR112019014495A2 (pt) * | 2017-02-06 | 2020-02-11 | Halliburton Energy Services, Inc. | Método e sistema para modelagem de uma formação subterrânea, e, meio legível por computador não transitório. |
US11725510B2 (en) * | 2020-01-03 | 2023-08-15 | Manzar Fawad | Fluid identification and saturation estimation using CSEM and seismic data |
CN117233845B (zh) * | 2023-11-15 | 2024-02-02 | 中国石油大学(华东) | 多尺度岩石物理模型估算水合物饱和度的方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060186887A1 (en) * | 2005-02-22 | 2006-08-24 | Strack Kurt M | Method for identifying subsurface features from marine transient controlled source electromagnetic surveys |
US8437961B2 (en) | 2006-05-04 | 2013-05-07 | Exxonmobil Upstream Research Company | Time lapse analysis with electromagnetic data |
GB2438430B (en) * | 2006-05-22 | 2008-09-17 | Ohm Ltd | Electromagnetic surveying |
AU2007277410B2 (en) * | 2006-07-25 | 2012-02-16 | Exxonmobil Upstream Research Company | Method for determining physical properties of structures |
US7912649B2 (en) * | 2008-06-06 | 2011-03-22 | Ohm Limited | Geophysical surveying |
US9383475B2 (en) | 2008-06-09 | 2016-07-05 | Rock Solid Images, Inc. | Geophysical surveying |
NO329836B1 (no) * | 2008-07-07 | 2011-01-03 | Advanced Hydrocarbon Mapping As | Framgangsmate for transformering og avbildning av elektromagnetiske letedata for submarine hydrokarbonreservoarer |
US20100017132A1 (en) | 2008-07-18 | 2010-01-21 | Bhp Billiton Innovation Pty Ltd | Method for evaluating measured electromagnetic data relating to a subsurface region |
US9176252B2 (en) | 2009-01-19 | 2015-11-03 | Schlumberger Technology Corporation | Estimating petrophysical parameters and invasion profile using joint induction and pressure data inversion approach |
CA2750161C (en) * | 2009-02-25 | 2016-07-19 | Exxonmobil Upstream Research Company | Classifying potential hydrocarbon reservoirs using electromagnetic survey information |
US8729903B2 (en) | 2009-11-09 | 2014-05-20 | Exxonmobil Upstream Research Company | Method for remote identification and characterization of hydrocarbon source rocks using seismic and electromagnetic geophysical data |
-
2012
- 2012-06-25 CA CA2877395A patent/CA2877395C/en active Active
- 2012-06-25 AU AU2012384038A patent/AU2012384038B2/en active Active
- 2012-06-25 BR BR112014032576-6A patent/BR112014032576B1/pt active IP Right Grant
- 2012-06-25 US US14/410,111 patent/US9864086B2/en active Active
- 2012-06-25 RU RU2015102145/28A patent/RU2594618C2/ru active
- 2012-06-25 MX MX2015000078A patent/MX352356B/es active IP Right Grant
- 2012-06-25 WO PCT/EP2012/062230 patent/WO2014000758A1/en active Application Filing
- 2012-06-25 EP EP12733020.7A patent/EP2864822B1/en active Active
- 2012-06-25 CN CN201280075402.7A patent/CN104603642B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
BR112014032576A2 (pt) | 2017-06-27 |
US9864086B2 (en) | 2018-01-09 |
AU2012384038B2 (en) | 2016-09-15 |
RU2015102145A (ru) | 2016-08-10 |
AU2012384038A1 (en) | 2015-01-22 |
WO2014000758A1 (en) | 2014-01-03 |
MX352356B (es) | 2017-11-22 |
BR112014032576B1 (pt) | 2022-08-02 |
EP2864822A1 (en) | 2015-04-29 |
RU2594618C2 (ru) | 2016-08-20 |
CA2877395A1 (en) | 2014-01-03 |
CN104603642A (zh) | 2015-05-06 |
US20150369940A1 (en) | 2015-12-24 |
EP2864822B1 (en) | 2018-11-21 |
MX2015000078A (es) | 2015-04-10 |
CA2877395C (en) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104603642B (zh) | 使用mCSEM数据和随机岩石物理建模的饱和度估计 | |
US8812237B2 (en) | Deep-reading electromagnetic data acquisition method | |
US8437961B2 (en) | Time lapse analysis with electromagnetic data | |
US8515721B2 (en) | Method for integrated inversion determination of rock and fluid properties of earth formations | |
Heidari et al. | Improved estimation of mineral and fluid volumetric concentrations from well logs in thinly bedded and invaded formations | |
CA2694196C (en) | System and method for estimating formation characteristics in a well | |
WO2010065391A2 (en) | Method of determining saturations in a reservoir | |
Schamper et al. | 1D single-site and laterally constrained inversion of multifrequency and multicomponent ground-based electromagnetic induction data—Application to the investigation of a near-surface clayey overburden | |
Deng et al. | Interpretation of well logs and core data via Bayesian inversion | |
Wang et al. | Fast 2D inversion of large borehole EM induction data sets with an efficient Fréchet-derivative approximation | |
Galli et al. | Resistivity modeling of array laterolog tools: An application in an offshore Norway clastic reservoir | |
Gandhi et al. | Correction of invasion effects on well logs in Camisea gas reservoirs, Peru, with the construction of static and dynamic multilayer petrophysical models | |
Schoen et al. | Aspects of multicomponent resistivity data and macroscopic resistivity anisotropy | |
Hanif et al. | A Fast ANN Trained Solver Enables Real-time Radial Inversion of Dielectric Dispersion Data & Accurate Estimate of Reserves in Challenging Environments | |
Zhao et al. | Reservoir evaluation method for complex resistivity using the borehole–surface electromagnetic method: A case study of an igneous reservoir in the K exploration area, China | |
Heidari et al. | Inversion-based detection of bed boundaries for petrophysical evaluation with well logs: Applications to carbonate and organic-shale formations | |
Moinfar et al. | Time-lapse variations of multi-component electrical resistivity measurements acquired in high-angle wells | |
Puzyrev et al. | Inversion-based interpretation of 3D borehole directional resistivity measurements acquired in high-angle and horizontal wells | |
Biswal et al. | Petrophysical modeling in the absence of core data in a small, marginal field in the Mumbai Offshore Basin, India | |
Sobolevskaia | Rock physics calibration of sandstone-shale laminated systems via petrophysical inversion of acoustic logs | |
Xu et al. | Multi-scale orthogonal rock class decomposition: Top-down reservoir characterization integrating logs and core in tight gas sands | |
Podberezhny et al. | Determination of Invaded Zone Properties from Time-Lapse Induction Logging Measurements Based on Invasion Simulation and Electromagnetic Modeling | |
Ohm | On the Accuracy of Mapping the Lateral Extent of Hydrocarbon Reservoirs in Marine CSEM | |
Xie et al. | Prediction of the reservoir fluid mobility by array-resistivity logging and its application in normalization of the seismic fluid mobility attribute | |
Passey et al. | AAPG Archie Series, No. 1, Chapter 1: The Clastic Thin-bed Problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |