CN104914465B - 火山岩裂缝定量预测方法及装置 - Google Patents
火山岩裂缝定量预测方法及装置 Download PDFInfo
- Publication number
- CN104914465B CN104914465B CN201510293984.1A CN201510293984A CN104914465B CN 104914465 B CN104914465 B CN 104914465B CN 201510293984 A CN201510293984 A CN 201510293984A CN 104914465 B CN104914465 B CN 104914465B
- Authority
- CN
- China
- Prior art keywords
- crack
- correlation
- data
- curve
- result
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
一种火山岩裂缝定量预测方法及装置,该火山岩裂缝定量预测方法包括:获取钻井岩心数据、成像测井数据及测井曲线,根据钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;根据单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;在三维空间根据预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测。本发明可以实现井间裂缝的定量预测,在火山岩油藏勘探和开发中快速准确地确定有利目标。
Description
技术领域
本发明涉及石油地质勘探开发技术领域,尤其涉及一种火山岩裂缝定量预测方法及装置。
背景技术
火山岩油气藏的勘探开发已有120多年的历史,随着在沉积岩层中油气藏勘探难度的日益加大和火山岩油气藏的不断发现,火山岩油气藏越来越受到重视。但是火山岩储层具有岩性和岩相变化快、储集空间和成藏条件复杂、资料获取和处理难度大的特点,勘探开发依旧是世界性难题。然而,作为油气储集和运移通道的裂缝,在空间如何分布,怎样预测,更是石油地质学家研究火山岩储层不可回避的难题。
从国内外研究现状来看,井间裂缝预测方法主要有岩石力学模拟和地震属性两种方法。岩石力学模拟主要模拟裂缝形成时期的古构造应力场,如构造恢复法、有限元法、曲率法等,但是它们简化裂缝成因,忽视岩性岩相、物性和其他复杂地质现象对裂缝发育的影响。地震属性法基于各向异性理论,包括多分量与各向异性检测裂缝技术、基于测井约束的波阻反演的裂缝预测方法、基于非线性的裂缝预测方法等,这些方法虽能实现裂缝井间预测,但是缺乏单井资料约束,并且对地震资料品质依赖较大,预测效果并不十分理想。
发明内容
本发明实施例提供了一种山岩裂缝定量预测方法及装置,以实现井间裂缝的定量预测,在火山岩油藏勘探和开发中快速准确地确定有利目标。
为了实现上述目的,本发明实施例提供了一种火山岩裂缝定量预测方法,所述火山岩裂缝定量预测方法包括:
获取钻井岩心数据、成像测井数据及测井曲线,根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;
建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;
根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中所述预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;
在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测。
在一实施例中,所述根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线,包括:根据所述钻井岩心数据、成像测井数据及测井曲线,统计包含密度、倾角及方位的单井裂缝的数据,制作所述单井裂缝密度指示曲线。
在一实施例中,根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,包括:
根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,生成相关性判别结果,所述相关性判别结果为裂缝的相关性百分比;
将所述相关性判别结果按照裂缝贡献大小进行分级,生成分级结果;
根据所述预设值对所述分级结果进行预判,生成所述预判结果。
在一实施例中,在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测,包括:
根据所述预判结果中的裂缝属性及所述单井裂缝密度指示曲线建立网络模型,所述网络模型中输入层的神经元个数为所述单井裂缝密度指示曲线数,输出层的个数为所述预判结果中的裂缝属性的个数;
以所述预判结果中的裂缝属性作为训练样本进行学习、训练,实时修改所述网络模型的阈值,当所述网络模型的输出误差小于预定误差时,生成预测样本曲线;
根据所述预测样本曲线计算三维空间裂缝的连续分布模型;
根据所述连续分布模型计算裂缝的各向异性、裂缝方位和类型,实现井间裂缝的定量预测。
在一实施例中,所述地质属性包括:断层分布、构造埋深、岩性岩相、孔隙度、渗透率,以及与构造相关的多个方向的斜率、曲率。
在一实施例中,所述地球物理属性包括:地震响应相位、响应频率、均方根振幅、相干体。
为了实现上述目的,本发明实施例还提供了一种火山岩裂缝定量预测装置,所述火山岩裂缝定量预测装置包括:
曲线生成单元,用于获取钻井岩心数据、成像测井数据及测井曲线,根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;
属性提取单元,用于建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;
预判结果生成单元,用于根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中所述预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;
预测单元,用于在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测。
在一实施例中,所述曲线生成单元具体用于:根据所述钻井岩心数据、成像测井数据及测井曲线,统计包含密度、倾角及方位的单井裂缝的数据,制作所述单井裂缝密度指示曲线。
在一实施例中,所述预判结果生成单元包括:
相关性判别模块,用于根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,生成相关性判别结果,所述相关性判别结果为裂缝的相关性百分比;
分级模块,用于将所述相关性判别结果按照裂缝贡献大小进行分级,生成分级结果;
判别模块,用于根据所述预设值对所述分级结果进行预判,生成所述预判结果。
在一实施例中,所述预测单元包括:
网络模型生成模块,用于根据所述预判结果中的裂缝属性及所述单井裂缝密度指示曲线建立网络模型,所述网络模型中输入层的神经元个数为所述单井裂缝密度指示曲线数,输出层的个数为所述预判结果中的裂缝属性的个数;
预测样本曲线生成模块,用于以所述预判结果中的裂缝属性作为训练样本进行学习、训练,实时修改所述网络模型的阈值,当所述网络模型的输出误差小于预定误差时,生成预测样本曲线;
连续分布模型计算模块,用于根据所述预测样本曲线计算三维空间裂缝的连续分布模型;
预测模块,用于根据所述连续分布模型计算裂缝的各向异性、裂缝方位和类型,实现井间裂缝的定量预测。
在一实施例中,所述地质属性包括:断层分布、构造埋深、岩性岩相、孔隙度、渗透率,以及与构造相关的多个方向的斜率、曲率。
在一实施例中,所述地球物理属性包括:地震响应相位、响应频率、均方根振幅、相干体。
本发明实施例的有益效果在于,通过本发明,可以实现井间裂缝的定量预测,在火山岩油藏勘探和开发中快速准确地确定有利目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的火山岩裂缝定量预测方法流程图;
图2为本发明实施例的成像测井识别裂缝示意图;
图3a为本发明实施例的某井的实测裂缝密度曲线示意图;
图3b为本发明实施例的某井预测裂缝密度曲线示意图;
图4为本发明实施例中生成预判结果的方法流程图;
图5为本发明实施例中某油田火山岩裂缝属性相关性排名示意图;
图6为本发明实施例中井间裂缝的定量预测流程图;
图7为本发明实施例中的火山岩裂缝定量预测装置结构框图;
图8为本发明实施例中预判结果生成单元703的结构框图;
图9为本发明实施例中预测单元704的结构框图;
图10为裂缝预测神经网络流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种山岩裂缝定量预测方法及装置,以实现井间裂缝的定量预测,在火山岩油藏勘探和开发中快速准确地确定有利目标。
为了实现上述目的,本发明实施例提供了一种火山岩裂缝定量预测方法,如图1所示,所述火山岩裂缝定量预测方法包括:
S101:获取钻井岩心数据、成像测井数据及测井曲线,根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;
S102:建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;
S103:根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中所述预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;
S104:在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测。
由图1所示的流程可知,本实施例的火山岩裂缝定量预测方法首先根据钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线,从建立的油藏三维地质模型中提取地质属性,并从地震数据中提取地球物理属性;然后根据单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别;最后,根据相关性判别的结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,实现井间裂缝的定量预测。通过该火山岩裂缝定量预测方法,可以实现井间裂缝的定量预测,在火山岩油藏勘探和开发中快速准确地确定有利目标。
S101中的钻井岩心数据为岩心宏观数据,成像测井数据如图2所示,其中,3130为裂缝。
在一实施例中,S101中根据钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线,包括:根据钻井岩心数据、成像测井数据及测井曲线,观察和识别裂缝发育特征,统计包含密度、倾角及方位的单井裂缝的数据,制作单井裂缝密度指示曲线。图3a为某井的实测裂缝密度曲线示意图,图3b为某井预测裂缝密度曲线示意图,其中,横轴为裂缝密度(单位为条/米),纵轴为井深(单位为米)。
S102中,可以根据钻井地质分层、地震的构造解释(包括断层、地层的倾角)、测井解释成果(比如孔隙度、渗透率、岩性岩相)等信息建立油藏三维地质模型,然后从该油藏三维地质模型中提取反映裂缝的地质属性,该地质属性包括:断层分布、构造埋深、岩性岩相、孔隙度、渗透率,以及与构造相关的多个方向的斜率、曲率等。S102中还需要并从地震数据中提取反映裂缝的地球物理属性,该地球物理属性包括:地震响应相位、响应频率、均方根振幅、相干体等。
在一实施例中,如图4所示,S103中根据单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,包括如下步骤:
S401:根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,生成相关性判别结果,所述相关性判别结果为裂缝的相关性百分比。一般认为,相关性百分比越高,相关性越好。
S402:将所述相关性判别结果按照裂缝贡献大小进行分级,生成分级结果,图5为本发明实施例中某油田火山岩裂缝属性相关性分级图分级结果示意图。
S403:根据所述预设值对所述分级结果进行预判,生成所述预判结果。
如图5所示,研究区火山岩油藏中,响应相位、东西向斜率、渗透率、南北向曲率、响应频率、孔隙度、构造形变等属性与裂缝相关性较好,而相位、岩相、瞬时振幅、北东南西向斜率等属性与裂缝相关性较差。本区火山岩储层岩性单一,只有粗面岩一种,且岩相主要为喷发相,故岩相与裂缝相关性差。
根据与裂缝的相关性,预设值可以根据不同需要进行设定。例如预设值为10种,预判结果将包含图5中相干体及相关性大于相干体的其它裂缝属性。生成预判结果的过程是对参与约束裂缝模拟的属性进行去伪存真,按照相关性截断值去掉相关性较差的属性。
在一实施例中,如图6及图10所示,S104中,在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测,包括如下步骤:
S601:根据所述预判结果中的裂缝属性及所述单井裂缝密度指示曲线建立网络模型,所述网络模型中输入层的神经元个数为所述单井裂缝密度指示曲线数,隐层的神经元数一般为输入层的1-2倍,输出层的个数为所述预判结果中的裂缝属性的个数。一般一次求一个参数,即输出神经元数为1。
S602:以所述预判结果中的裂缝属性作为训练样本进行学习、训练,实时修改所述网络模型的阈值,当所述网络模型的输出误差小于预定误差时,生成预测样本曲线。
该阈值可以修改为小于上述的预设值,当网络模型的输出误差小于预定误差时,就确定了阈值大小,可以生成预测样本曲线,这时网络的认识能力成熟。该步骤中,需要选择一个学习算法,例如选择BP算法。
S603:根据所述预测样本曲线计算三维空间裂缝的连续分布模型。具体地,可以将预测样本曲线送入裂缝模拟系统,进行各种参数的预测、求取,计算出三维空间裂缝的连续分布模型。
S604:根据所述连续分布模型计算裂缝的各向异性、裂缝方位和类型,实现井间裂缝的定量预测。
如图7所示,本发明实施例还提供了一种火山岩裂缝定量预测装置,所述火山岩裂缝定量预测装置包括:曲线生成单元701,属性提取单元702,预判结果生成单元703及预测单元704。
曲线生成单元701用于获取钻井岩心数据、成像测井数据及测井曲线,根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;
属性提取单元702用于建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;
预判结果生成单元703用于根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中所述预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;
预测单元704用于在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测。
在一实施例中,曲线生成单元具体用于:根据所述钻井岩心数据、成像测井数据及测井曲线,统计包含密度、倾角及方位的单井裂缝的数据,制作所述单井裂缝密度指示曲线。
在一实施例中,如图8所示,所述预判结果生成单元703包括:相关性判别模块801,分级模块802及分级模块803。
相关性判别模块801用于根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,生成相关性判别结果,所述相关性判别结果为裂缝的相关性百分比;
分级模块802用于将所述相关性判别结果按照裂缝贡献大小进行分级,生成分级结果;
判别模块803用于根据预设值对所述分级结果进行预判,生成所述预判结果。
在一实施例中,如图9所示,预测单元704包括:网络模型生成模块901,预测样本曲线生成模块902,连续分布模型计算模块903及预测模块904。
网络模型生成模块901用于根据所述预判结果中的裂缝属性及所述单井裂缝密度指示曲线建立网络模型,所述网络模型中输入层的神经元个数为所述单井裂缝密度指示曲线数,输出层的个数为所述预判结果中的裂缝属性的个数。
预测样本曲线生成模块902用于以所述预判结果中的裂缝属性作为训练样本进行学习、训练,实时修改所述网络模型的阈值,当所述网络模型的输出误差小于预定误差时,生成预测样本曲线。
连续分布模型计算模块903用于根据所述预测样本曲线计算三维空间裂缝的连续分布模型。
预测模块904用于根据所述连续分布模型计算裂缝的各向异性、裂缝方位和类型,实现井间裂缝的定量预测。
通过本发明,可以实现井间裂缝的定量预测,在火山岩油藏勘探和开发中快速准确地确定有利目标。
本发明中,以岩心、常规测井、成像测井等单井裂缝“硬数据”为约束,综合钻井、录井、测井、地震、生产动态等各种数据,充分考虑影响裂缝发育的各个因素,不仅实现了井间裂缝的定量预测,还大大提高了裂缝预测的准确性,在辽河黄沙坨油田通过已知井的抽稀检验和新井验证,裂缝预测总体符合率达到86.8%,具有广阔应用前景。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种火山岩裂缝定量预测方法,其特征在于,所述火山岩裂缝定量预测方法包括:
获取钻井岩心数据、成像测井数据及测井曲线,根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;
建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;
根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中所述预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;
在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测,包括:根据所述预判结果中的裂缝属性及所述单井裂缝密度指示曲线建立网络模型,所述网络模型中输入层的神经元个数为所述单井裂缝密度指示曲线数,输出层的个数为所述预判结果中的裂缝属性的个数;以所述预判结果中的裂缝属性作为训练样本进行学习、训练,实时修改所述网络模型的阈值,当所述网络模型的输出误差小于预定误差时,生成预测样本曲线;根据所述预测样本曲线计算三维空间裂缝的连续分布模型;根据所述连续分布模型计算裂缝的各向异性、裂缝方位和类型,实现井间裂缝的定量预测。
2.根据权利要求1所述的火山岩裂缝定量预测方法,其特征在于,所述根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线,包括:根据所述钻井岩心数据、成像测井数据及测井曲线,统计包含密度、倾角及方位的单井裂缝的数据,制作所述单井裂缝密度指示曲线。
3.根据权利要求1所述的火山岩裂缝定量预测方法,其特征在于,根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,包括:
根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,生成相关性判别结果,所述相关性判别结果为裂缝的相关性百分比;
将所述相关性判别结果按照裂缝贡献大小进行分级,生成分级结果;
根据所述预设值对所述分级结果进行预判,生成所述预判结果。
4.根据权利要求1所述的火山岩裂缝定量预测方法,其特征在于,所述地质属性包括:断层分布、构造埋深、岩性岩相、孔隙度、渗透率,以及与构造相关的多个方向的斜率、曲率。
5.根据权利要求1所述的火山岩裂缝定量预测方法,其特征在于,所述地球物理属性包括:地震响应相位、响应频率、均方根振幅、相干体。
6.一种火山岩裂缝定量预测装置,其特征在于,所述火山岩裂缝定量预测装置包括:
曲线生成单元,用于获取钻井岩心数据、成像测井数据及测井曲线,根据所述钻井岩心数据、成像测井数据及测井曲线生成单井裂缝密度指示曲线;
属性提取单元,用于建立油藏三维地质模型,从所述油藏三维地质模型中提取反映裂缝的地质属性,并从地震数据中提取反映裂缝的地球物理属性;
预判结果生成单元,用于根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,并生成预判结果,其中所述预判结果中包括与裂缝相关性大于预设值的几种裂缝属性;
预测单元,用于在三维空间根据所述预判结果进行裂缝分布模拟,计算出三维空间裂缝的连续分布模型,进行井间裂缝的定量预测;
其中,所述预测单元包括:
网络模型生成模块,用于根据所述预判结果中的裂缝属性及所述单井裂缝密度指示曲线建立网络模型,所述网络模型中输入层的神经元个数为所述单井裂缝密度指示曲线数,输出层的个数为所述预判结果中的裂缝属性的个数;
预测样本曲线生成模块,用于以所述预判结果中的裂缝属性作为训练样本进行学习、训练,实时修改所述网络模型的阈值,当所述网络模型的输出误差小于预定误差时,生成预测样本曲线;
连续分布模型计算模块,用于根据所述预测样本曲线计算三维空间裂缝的连续分布模型;
预测模块,用于根据所述连续分布模型计算裂缝的各向异性、裂缝方位和类型,实现井间裂缝的定量预测。
7.根据权利要求6所述的火山岩裂缝定量预测装置,其特征在于,所述曲线生成单元具体用于:根据所述钻井岩心数据、成像测井数据及测井曲线,统计包含密度、倾角及方位的单井裂缝的数据,制作所述单井裂缝密度指示曲线。
8.根据权利要求6所述的火山岩裂缝定量预测装置,其特征在于,所述预判结果生成单元包括:
相关性判别模块,用于根据所述单井裂缝密度指示曲线、地质属性及地球物理属性进行相关性判别,生成相关性判别结果,所述相关性判别结果为裂缝的相关性百分比;
分级模块,用于将所述相关性判别结果按照裂缝贡献大小进行分级,生成分级结果;
判别模块,用于根据所述预设值对所述分级结果进行预判,生成所述预判结果。
9.根据权利要求6所述的火山岩裂缝定量预测装置,其特征在于,所述地质属性包括:断层分布、构造埋深、岩性岩相、孔隙度、渗透率,以及与构造相关的多个方向的斜率、曲率。
10.根据权利要求6所述的火山岩裂缝定量预测装置,其特征在于,所述地球物理属性包括:地震响应相位、响应频率、均方根振幅、相干体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510293984.1A CN104914465B (zh) | 2015-06-02 | 2015-06-02 | 火山岩裂缝定量预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510293984.1A CN104914465B (zh) | 2015-06-02 | 2015-06-02 | 火山岩裂缝定量预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104914465A CN104914465A (zh) | 2015-09-16 |
CN104914465B true CN104914465B (zh) | 2017-06-13 |
Family
ID=54083693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510293984.1A Active CN104914465B (zh) | 2015-06-02 | 2015-06-02 | 火山岩裂缝定量预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914465B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083144A (zh) * | 2020-09-01 | 2020-12-15 | 中国科学院地质与地球物理研究所 | 断层启闭性预测方法、装置、计算机设备和存储介质 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE539697C2 (sv) * | 2016-03-05 | 2017-10-31 | Minalyze Ab | System and method for analyzing drill core samples. |
US20170286802A1 (en) * | 2016-04-01 | 2017-10-05 | Saudi Arabian Oil Company | Automated core description |
CN105927216B (zh) * | 2016-04-25 | 2019-04-16 | 中国矿业大学 | 一种褶皱发育区储层裂缝预测方法及装置 |
CN106154326A (zh) * | 2016-08-18 | 2016-11-23 | 中国石油天然气集团公司 | 一种纵弯褶皱裂缝密度评价的方法及装置 |
CN106154352B (zh) * | 2016-08-22 | 2018-03-13 | 中国石油天然气股份有限公司 | 粗面岩分布的确定方法及装置 |
CN107942404B (zh) * | 2017-11-09 | 2019-08-06 | 中国石油天然气股份有限公司 | 一种确定裂缝的方法及装置 |
CN107956472B (zh) * | 2017-11-10 | 2021-01-01 | 中国石油天然气股份有限公司 | 裂缝性碳酸盐岩储集层完井方式确定方法、装置及介质 |
CN110927814B (zh) * | 2018-09-20 | 2021-08-31 | 中国石油化工股份有限公司 | 一种基于岩相构型的裂缝预测方法 |
CN110007364B (zh) * | 2018-11-21 | 2020-06-30 | 中国石油大学(华东) | 一种基于地质模式指导的天然裂缝测井综合识别方法 |
CN111474601A (zh) * | 2019-01-24 | 2020-07-31 | 中国石油天然气股份有限公司 | 一种逐级预测火山岩优质储层的方法 |
CN110646846B (zh) * | 2019-09-26 | 2020-07-03 | 中国石油大学(北京) | Vti介质各向异性参数确定方法、装置和设备 |
CN110737021A (zh) * | 2019-11-06 | 2020-01-31 | 中国矿业大学(北京) | 断层识别的方法及其模型训练方法、装置 |
CN110952978B (zh) * | 2019-12-20 | 2020-11-06 | 西南石油大学 | 一种基于神经网络数据挖掘的钻井漏失裂缝宽度预测方法 |
US11668847B2 (en) | 2021-01-04 | 2023-06-06 | Saudi Arabian Oil Company | Generating synthetic geological formation images based on rock fragment images |
CN114033352B (zh) * | 2021-11-02 | 2023-09-05 | 天津渤海中联石油科技有限公司 | 一种井周裂缝密度估算的方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6838634B2 (en) * | 2002-05-03 | 2005-01-04 | Newfrey Llc | Device for welding metal elements to structural parts |
CN101738639A (zh) * | 2008-11-24 | 2010-06-16 | 中国石油天然气集团公司 | 提高岩石裂缝参数计算精度的方法 |
CN102375154A (zh) * | 2010-08-20 | 2012-03-14 | 中国石油天然气集团公司 | 基于宽方位三维地震的裂缝参数确定方法 |
CN102852576A (zh) * | 2011-06-28 | 2013-01-02 | 上海市向明中学 | 可利用冰箱余热发电的装置 |
US20130238304A1 (en) * | 2012-03-06 | 2013-09-12 | Michael Edwin Glinsky | Model Predicting Fracturing of Shale |
CN104502997A (zh) * | 2015-01-22 | 2015-04-08 | 中国石油化工集团公司 | 一种利用裂缝密度曲线预测裂缝密度体的方法 |
CN104657523A (zh) * | 2013-11-20 | 2015-05-27 | 中国石油化工股份有限公司 | 砂砾岩综合地质建模方法 |
-
2015
- 2015-06-02 CN CN201510293984.1A patent/CN104914465B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6838634B2 (en) * | 2002-05-03 | 2005-01-04 | Newfrey Llc | Device for welding metal elements to structural parts |
CN101738639A (zh) * | 2008-11-24 | 2010-06-16 | 中国石油天然气集团公司 | 提高岩石裂缝参数计算精度的方法 |
CN102375154A (zh) * | 2010-08-20 | 2012-03-14 | 中国石油天然气集团公司 | 基于宽方位三维地震的裂缝参数确定方法 |
CN102852576A (zh) * | 2011-06-28 | 2013-01-02 | 上海市向明中学 | 可利用冰箱余热发电的装置 |
US20130238304A1 (en) * | 2012-03-06 | 2013-09-12 | Michael Edwin Glinsky | Model Predicting Fracturing of Shale |
CN104657523A (zh) * | 2013-11-20 | 2015-05-27 | 中国石油化工股份有限公司 | 砂砾岩综合地质建模方法 |
CN104502997A (zh) * | 2015-01-22 | 2015-04-08 | 中国石油化工集团公司 | 一种利用裂缝密度曲线预测裂缝密度体的方法 |
Non-Patent Citations (6)
Title |
---|
"井震结合在缝洞识别和预测中的应用研究";郎晓玲 等;《西南石油大学学报(自然科学版)》;20140831;第36卷(第4期);第12-19页 * |
"地震与测井数据综合预测裂缝发育带";李军 等;《地球物理学进展》;20060331;第21卷(第1期);正文第182页左栏第2段-右栏第3段 * |
"塔河缝洞型碳酸盐岩油藏描述及储量评估技术";张希明 等;《石油学报》;20040131;第25卷(第1期);第13-18页 * |
"大邑构造二段储层裂缝综合预测";李虎 等;《特种油气藏》;20101231;第17卷(第6期);第54-56页 * |
"测井及地震预裂缝识别研究进展";孙炜 等;《地球物理学进展》;20140615;第29卷(第3期);第1231-1242页 * |
"火山岩气藏精细描述及地质建模";宋新民 等;《石油勘探与开发》;20100831;第37卷(第4期);正文第461页右栏第3-4段 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083144A (zh) * | 2020-09-01 | 2020-12-15 | 中国科学院地质与地球物理研究所 | 断层启闭性预测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104914465A (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914465B (zh) | 火山岩裂缝定量预测方法及装置 | |
US10712472B2 (en) | Method and system for forming and using a subsurface model in hydrocarbon operations | |
US9026416B2 (en) | System and method of grid generation for discrete fracture modeling | |
CN105653815B (zh) | 一种基于岩石物理模型理论的定量解释油藏流体分布方法 | |
CN105182424B (zh) | 一种基于斑块饱和模型定量预测储层孔隙度的方法和装置 | |
Radwan | Three-dimensional gas property geological modeling and simulation | |
CN106104590A (zh) | 不确定性下多级油田设计优化 | |
US10810331B2 (en) | System for predicting induced seismicity potential resulting from injection of fluids in naturally fractured reservoirs | |
CN109100790B (zh) | 一种人工裂缝的模拟方法及装置 | |
Tolstukhin et al. | Ekofisk 4D seismic-seismic history matching workflow | |
Ouenes et al. | Integrated fractured reservoir modeling using both discrete and continuum approaches | |
CN109446735A (zh) | 一种模拟测井数据的生成方法、设备以及系统 | |
Pevzner et al. | Feasibility of time-lapse seismic methodology for monitoring the injection of small quantities of CO2 into a saline formation, CO2CRC Otway Project | |
CN107817520A (zh) | 海相泥页岩地层的压力系数预测方法及系统 | |
Neuhaus et al. | Integrated microseismic monitoring for field optimization in the Marcellus Shale-A case study | |
Kamali et al. | 3D geostatistical modeling and uncertainty analysis in a carbonate reservoir, SW Iran | |
Cottrell et al. | Rapid discrete fracture analysis of hydraulic fracture development in naturally fractured reservoirs | |
CN102288996B (zh) | 叠前afi反演定量预测含气概率的方法 | |
Herwanger et al. | Predicting time-lapse stress effects in seismic data | |
Lefranc et al. | Fractured basement reservoir characterization for fracture distribution, porosity and permeability prediction | |
Taleghani et al. | Post-treatment assessment of induced fracture networks | |
Zhang et al. | Using geomechanics to reveal the production controlling factors of the tectonically stressed Jurassic tight gas reservoir in western China | |
Khalili et al. | Reservoir modeling & simulation: Advancements, challenges, and future perspectives | |
Jin et al. | Metric space mapping of oil sands reservoirs using streamline simulation | |
Shen et al. | Hierarchical approach to modeling karst and fractures in carbonate karst reservoirs in the Tarim 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |