CN105487136B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN105487136B CN105487136B CN201511029583.1A CN201511029583A CN105487136B CN 105487136 B CN105487136 B CN 105487136B CN 201511029583 A CN201511029583 A CN 201511029583A CN 105487136 B CN105487136 B CN 105487136B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- reservoir body
- reservoir
- energy
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种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，该方法从露头和岩心资料出发将碳酸盐岩储集体类型划分为溶洞型储集体、岩溶缝洞复合型储集体和微孔隙型储集体三类，明确了不同储集体的微宏观特征。用岩心资料、成像测井和阵列声波测井资料对单井储集体进行了标定，定性描述了不同储集体的典型测井响应特征。提出基于测井资料经验模态分解和能量熵判别分析的储集体自动识别方法，有效地提高了储集体识别的符合率。该方法摒弃了以往大都依靠单层取值的不确定性，更加细致地提取了层内测井响应的变化规律，有效地解决了碳酸盐岩油藏开发中储集体类型难以识别的难题。
Description
技术领域
本发明涉及一种测井方法，具体地说是涉及一种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。
背景技术
碳酸盐岩油气藏在世界范围内广泛发育，油气产量已占全球油气总产量的60％。但碳酸盐岩油气藏非均质性强，储集空间类型多样，且不同地区、不同层系差异较大，除不整合面和古岩溶发育的溶洞带、断裂及其伴生的裂缝发育带是前人油气勘探和开发的优选区带外，受原生、次生成因控制的微孔隙微裂缝含油也是近几年致密油研究的热点。如何准确的识别不同尺度的有效储集体类型，是后期勘探开发的基础。目前国内外学者主要利用常规测井资料通过多重分形聚类、测井最优化处理、自适应有效元法、曲边单位造型技术、多重分形理论和二维有效元数值模拟、熵函数动态模糊判别等算法对碳酸盐岩的储层识别和定量表征进行了研究，但是常规测井资料精度有限，单层计算误差较大。随着探测方法的不断改进，利用成像测井、斯通利波测井、远探测测井、CT扫描三维成像、核磁共振测井等对储层及其流体进行可视化识别标定成为测井研究的新方向，但新方法测井毕竟成本较高，普及较困难，实际运用较为困难。此外学者们还从缝洞储层的响应特征模拟入手对测井资料进行标定，但数值模拟受模型条件约束较为理想化，无法满足复杂的实际地质需求。
发明内容
基于上述技术问题，本发明提供一种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。
本发明所采用的技术解决方案是：
一种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，包括以下步骤：
a储集体划分及基本特征
将碳酸盐岩储集体划分为溶洞型储集体、缝洞复合型储集体和微孔隙型储集体，研究不同储集体的测井响应特征；
b储集体测井识别标准的建立
b1测井信号的经验模态分解：
b11首先将地层进行分类,确定储集层；对地层从上到下分别处理，确定需要进行分析的井段后,找出该井段原始测井曲线s(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m1(t)，得到第一个本征模态函数为：
h1(t)＝s(t)-m1(t) (1)
b12找出第一个本征模态函数h1(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m11(t)，得到第一个本征模态函数的重复一次处理结果h11(t)；重复过程以此类推，直到重复k次后，找出第一个本征模态函数h1k-1(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m1k(t)，若重复k次后本征模态函数h1k(t)的平均值为0，则停止重复；这样，就得到了第1个本征模态函数分量c1(t)，它代表原始信号s(t)中最高频率的分量
h1(k-1)(t)-m1k(t)＝h1k(t) (2)
c1(t)＝h1k(t)
b13将c1(t)从s(t)中分离出来，即得到一个去掉高频分量的差值信号r1(t)，可得到残余函数
r1(t)＝s(t)-c1(t) (3)
b14将r1(t)作为原始信号，重复步骤(1)、(2)和(3)，得到第2个本征模态函数分量c2(t)，重复n次，得到n个本征模态函数分量cn(t)，这样就有
b15当cn(t)或rn(t)满足终止条件时，循环结束，由式(3)和式(4)可得到
其中，rn(t)为残余函数，而各个本征模态函数分量c1(t)，c2(t)，…，cn(t)分别包含了信号不同时间特征尺度大小的成分；
b2测井参数选取以及能量熵的计算：
b21首先选取能有效反应储层变化的敏感测井曲线：深侧向电阻率(RD)、浅侧向电阻率(RS)、自然伽马(GR)、密度(DEN)、中子孔隙度(CNL)、声波时差(AC)；对各测井信号分别进行经验模态分解后可得到一系列本征模态函数，每个本征模态函数包括一个残余函数rn(t)和n个本征模态函数分量c1(t)，c2(t)，…，cn(t)；本征模态函数的能量Ei可由式(6)计算，
Ei＝∫|ci(t)|2dt,i＝1,2,L,n (6)
b22通过本征模态函数计算的能量Ei可以构成向量E＝[E1,E2,L,En]，对其进行归一化处理可得：
E′＝[p1,p2,L,pn] (7)
其中pi＝Ei/E,i＝1,2,L,n；该测井信号的能量熵可写为：
b23选取测井数据进行计算，得到自然伽马(GR)、中子孔隙度(CNL)、深侧向电阻率(RD)、浅侧向电阻率(RS)、声波时差(AC)和密度(DEN)的能量熵，分别表示为HENGR、HENCNL、HENRD、HENRS、HENAC和HENDEN；
c基于Fisher判别的储集体类型划分
采用Fisher方法对能量熵矩阵X＝[HENGR,HENCNL,HENRD,HENRS,HENAC,HENDEN]进行判别分析，得到每类储集体的判别公式：
在实际操作过程中，对每个储层段分别处理，得到能量熵并应用式(9)至式(11)计算到y溶洞型储集体、y溶洞复合型储集体和y微孔隙型储集体，最大值所对应的类型就是所判别的储集体类型。
优选的，步骤b15中：所述终止条件是使rn(t)成为1个单调函数。
本发明的有益技术效果是：
与常规测井识别方法相比，本发明摒弃了单层取典型测井值的不确定性，有效提高了解释精度，识别效果较好，整体符合率高。
附图说明
图1为基于经验模态分解和能量熵判别分析的储集体类型识别流程图。
图2a-图2f示出经验模态分解法能量熵计算结果。其中，图2a为伽马和中子交会图；图2b为深浅侧向电阻率交会图；图2c为密度和声波交会图；图2d为伽马和中子经验模态能量熵交会图；图2e为深浅侧向电阻率经验模态能量熵交会图；图2f为密度和声波经验模态能量熵交会图。
具体实施方式
下面以塔河油田为例，对本发明作详细说明。
塔河油田位于塔里木盆地，是我国最大的海相油气田，其寒武—奥陶系碳酸盐岩受多期构造作用改造，具有沉积类型多样、埋藏深度大、埋藏-成岩历史漫长而复杂等特点，且不同尺度的碳酸盐岩储集体垂向上呈多层楼房式叠置发育，储集空间差异较大，油气富集规律不同，造成不同井组不同层位开发规律认识不清，产量变化较大，含水上升快，水淹严重，稳产较困难。
本发明针对塔河油田碳酸盐岩储集体类型复杂、常规测井识别难度大等问题，首先通过岩心、薄片等资料将储集体进行精细刻画与分类，应用成像和阵列声波测井资料对单井储集体进行标定，提取典型储集体的测井响应特征。引入经验模态分解算法将常规测井资料转换为多个频带的本征模态函数集。计算每类测井参数的经验模态函数的能量熵，研究不同储集体的能量熵特征，应用Fisher判别算法实现碳酸盐岩储集体的精确识别。
一种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，包括以下步骤：
a储集体划分依据
将碳酸盐岩储集体划分为溶洞型储集体、缝洞复合型储集体和微孔隙型储集体，研究不同储集体的测井响应特征。
塔河油田孔-缝-洞等多种类型的储集体呈多成因、多期次、多层楼房式叠置发育，且不同类型储集体侧向上相互交替，垂向上相互叠加。塔河油田常见的储集体类型主要为溶蚀孔洞、裂缝和基质孔隙。在前人研究的基础上，通过对35口取心井1759.6m岩心观察、2145张普通薄片、248张显微荧光和1357张铸体薄片，并结合测井、地震和录井资料的研究，将该区优势储集体类型依次划分为溶洞型储集体、岩溶缝洞复合型储集体和微孔隙型储集体三类。
b储集体测井识别标准的建立
b1测井信号的经验模态分解：经验模态分解法(EMD)是一种新型自适应信号时频处理方法，依据数据自身的时间尺度特征将复杂信号分解成一系列表征时间尺度的分量，得到具有明显物理意义的瞬时频率。该方法与小波变换、傅里叶变换具有本质差别，在处理非平稳随机信号上具有独特优势，已广泛应用于地震、机械、航空遥感等学科。由于不同储集体的常规测井响应差异小，单层选取测井值时误差较大，因此常用的交会图法、判别分析法难以精细区分储集体类型。本发明引入经验模态分解算法对测井曲线进行处理，以期得到对储集类型敏感的信号。
b11首先找出原始信号s(t)所有的极大值和极小值点，用三次样条函数拟合出原始信号的包络线，并计算包络线的均值，记为m1(t)，那么原始信号的第1个本征模态函数(IMF)可写为：
h1(t)＝s(t)-m1(t) (1)
b12理论上，h1(t)是1个IMF，一般不满足IMF分量条件。为此，对h1(t)重复进行上述过程k次，直到h1(t)符合本征模态函数的定义要求，所得到的均值趋于零为止，具体过程是：找出第一个本征模态函数h1(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m11(t)，得到第一个本征模态函数的重复一次处理结果h11(t)；重复过程以此类推，直到重复k次后，找出第一个本征模态函数h1k-1(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m1k(t)，若重复k次后本征模态函数h1k(t)的平均值为0，则停止重复；这样就得到了第1个本征模态函数分量c1(t)，它代表原始信号s(t)中最高频率的分量
h1(k-1)(t)-m1k(t)＝h1k(t) (2)
c1(t)＝h1k(t)
b13将c1(t)从s(t)中分离出来，即得到一个去掉高频分量的差值信号r1(t)，即有
r1(t)＝s(t)-c1(t) (3)
b14将r1(t)作为原始信号，重复步骤(1)、(2)和(3)，得到第2个本征模态函数分量c2(t)，重复n次，得到n个本征模态函数分量，这样就有
b15当cn(t)或rn(t)满足终止条件(通常使rn(t)成为1个单调函数)时，循环结束，由式(3)和式(4)可得到
其中，rn(t)为残余函数，代表信号的平均趋势，而各个本征模态函数分量c1(t)，c2(t)，…，cn(t)分别包含了信号不同时间特征尺度大小的成分，其尺度依次由小到大。因此，各分量也就相应地包含了从高到低不同频率段的成分，每一个频率段所包含的频率成分都是不同的，且随信号本身的变化而变化。
构建EMD分解流程图如图1所示，可以看出模态函数必须满足极值点数目和过0点数目相等或相差1且在任意点处最大最小包络线的均值为0。该条件既保证了数据局部最大值为正，最小值为负，同时也剔除了瞬时频率中波形不对称引起的震荡。
b2测井参数选取以及能量熵的计算：
b21首先选取能有效反应储层变化的敏感测井曲线：RD、RS、GR、DEN、CNL、AC；对各测井信号s(t)分别进行上述经验模态分解后，可得到一系列的固有模态函数(IMF)，且每个IMF包括一个残余函数rn(t)和n个IMF分量c1(t)，c2(t)，…，cn(t)。那么本征模态函数分量的能量Ei则可以由式(6)计算得到，
Ei＝∫|ci(t)|2dt,i＝1,2,L,n (6)
b22由于经验模态分解法分解的正交性，因此在忽略残余量rn(t)的情况下，n个本征模态函数的分量能量之和等于原始信号s(t)的总能量。n个本征模态函数分量分别包含了不同的频率成分，即本征模态函数的能量向量E＝[E1,E2,L,En]是单一测井信号能量在频率域的一种自动划分。将上面的能量向量做归一化处理，可以得到：
E′＝[p1,p2,L,pn] (7)
其中pi＝Ei/E,i＝1,2,L,n，pi反应了每一个本征模态函数在总能量中所占的权重。
即可以将该测井信号的模态能量熵定义为：
b23在岩心刻度测井的基础上，选取工区158个典型储层段(溶洞型储集体样本数为45，岩溶缝洞复合型储集体样本数为60，微孔隙型储集体样本数为53)的测井数据进行计算，得到自然伽马、中子、深侧向电阻率、浅侧向电阻率、声波和密度的模态能量熵，分别表示为：HENGR、HENCNL、HENRD、HENRS、HENAC和HENDEN。
图2a-图2f示出经验模态分解法能量熵计算结果。图2a、图2b、图2c是三种储集体的测井响应交会图，图2d、图2e、图2f是它们的对应能量熵交会图。具体的：图2a为伽马和中子交会图；图2b为深浅侧向电阻率交会图；图2c为密度和声波交会图；图2d为伽马和中子经验模态能量熵交会图；图2e为深浅侧向电阻率经验模态能量熵交会图；图2f为密度和声波经验模态能量熵交会图。对比可知，不同储集体在能量熵交会图中的分布特征较为明显，说明所提取的能量熵对储集体类型具有较好的表征能力。不同类型的储集体的能量熵分布如表1所示。
表1
c基于Fisher判别的储集体类型划分
采用均等的先验概率，构建三类储集体的判别公式为：
将参与建模的样本数据代入判别公式进行交叉检验回判，其符合率为98.1％；将未参与建模的另外55个样本点进行判别分析，仅有2个样本点判断错误，整体符合率为96.4％；将所有样本的判别结果进行统计，整体符合率为97.7％。研究结果表明，应用能量熵判别分析的方法来识别碳酸盐岩储集体类型效果较好。
综上所述，本发明在前人研究的基础上，从露头和岩心资料出发将碳酸盐岩储集体类型划分为溶洞型储集体、岩溶缝洞复合型储集体和微孔隙型储集体三类，明确了不同储集体的微宏观特征。用岩心资料、成像测井和阵列声波测井资料对单井储集体进行了标定，定性描述了不同储集体的典型测井响应特征。提出基于测井资料经验模态分解和能量熵判别分析的储集体自动识别方法，有效地提高了储集体识别的符合率。该方法摒弃了以往大都依靠单层取值的不确定性，更加细致地提取了层内测井响应的变化规律，有效地解决了碳酸盐岩油藏开发中储集体类型难以识别的难题。
Claims (2)
1.一种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，其特征在于包括以下步骤：
a储集体划分及基本特征
将碳酸盐岩储集体划分为溶洞型储集体、缝洞复合型储集体和微孔隙型储集体，研究不同储集体的测井响应特征；
b储集体测井识别标准的建立
b1测井信号的经验模态分解：
b11首先将地层进行分类,确定储集层；对地层从上到下分别处理，确定需要进行分析的井段后,找出该井段原始测井曲线s(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m1(t)，得到第一个本征模态函数为：
h1(t)＝s(t)-m1(t) (1)
b12找出第一个本征模态函数h1(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m11(t)，得到第一个本征模态函数的重复一次处理结果h11(t)；重复过程以此类推，直到重复k次后，找出第一个本征模态函数h1k-1(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m1k(t)，若重复k次后本征模态函数h1k(t)的平均值为0，则停止重复；这样，就得到了第1个本征模态函数分量c1(t)，它代表原始信号s(t)中最高频率的分量
h1(k-1)(t)-m1k(t)＝h1k(t) (2)
c1(t)＝h1k(t)
b13将c1(t)从s(t)中分离出来，即得到一个去掉高频分量的差值信号r1(t)，可得到残余函数
r1(t)＝s(t)-c1(t) (3)
b14将r1(t)作为原始信号，重复步骤(1)、(2)和(3)，得到第2个本征模态函数分量c2(t)，重复n次，得到n个本征模态函数分量cn(t)，这样就有
<mrow>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>c</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>r</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
b15当cn(t)或rn(t)满足终止条件时，循环结束，由式(3)和式(4)可得到
<mrow>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>r</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，rn(t)为残余函数，而各个本征模态函数分量c1(t)，c2(t)，…，cn(t)分别包含了信号不同时间特征尺度大小的成分；
b2测井参数选取以及能量熵的计算：
b21首先选取能有效反应储层变化的敏感测井曲线：深侧向电阻率、浅侧向电阻率、自然伽马、密度、中子孔隙度、声波时差；对各测井信号分别进行经验模态分解后可得到一系列本征模态函数，每个本征模态函数包括一个残余函数rn(t)和n个本征模态函数分量c1(t)，c2(t)，…，cn(t)；本征模态函数的能量Ei可由式(6)计算，
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>&Integral;</mo>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mi>d</mi>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
1
b22通过本征模态函数计算的能量Ei可以构成向量E＝[E1,E2,L,En]，对其进行归一化处理可得：
E′＝[p1,p2,L,pn] (7)
其中该测井信号的能量熵可写为：
<mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>E</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<msub>
<mi>logp</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
b23选取测井数据进行计算，得到自然伽马、中子孔隙度、深侧向电阻率、浅侧向电阻率、声波时差和密度的能量熵，分别表示为HENGR、HENCNL、HENRD、HENRS、HENAC和HENDEN；
c基于Fisher判别的储集体类型划分
采用Fisher方法对能量熵矩阵X＝[HENGR,HENCNL,HENRD,HENRS,HENAC,HENDEN]进行判别分析，得到每类储集体的判别公式：
在实际操作过程中，对每个储层段分别处理，得到能量熵并应用式(9)至式(11)计算到y溶洞型储集体、y溶洞复合型储集体和y微孔隙型储集体，最大值所对应的类型就是所判别的储集体类型。
2.根据权利要求1所述的一种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，其特征在于，步骤b15中：所述终止条件是使rn(t)成为1个单调函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511029583.1A CN105487136B (zh) | 2015-12-31 | 2015-12-31 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511029583.1A CN105487136B (zh) | 2015-12-31 | 2015-12-31 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105487136A CN105487136A (zh) | 2016-04-13 |
| CN105487136B true CN105487136B (zh) | 2017-11-07 |
Family
ID=55674240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511029583.1A Expired - Fee Related CN105487136B (zh) | 2015-12-31 | 2015-12-31 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105487136B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975761B (zh) * | 2016-04-29 | 2018-11-16 | 中国石油天然气股份有限公司 | 一种确定油气藏类型的方法及装置 |
| CN107330375A (zh) * | 2017-06-05 | 2017-11-07 | 天津大学 | 基于经验模态分解和样本熵特征的机床颤振在线监测方法 |
| CN109655904A (zh) * | 2017-10-11 | 2019-04-19 | 中国石油化工股份有限公司 | 一种多尺度溶洞识别方法及系统 |
| CN109116428B (zh) * | 2018-07-02 | 2020-06-09 | 中国石油天然气股份有限公司 | 一种缝洞型碳酸盐岩油藏不确定性建模方法及其装置 |
| CN108957587A (zh) * | 2018-07-10 | 2018-12-07 | 中国石油天然气股份有限公司 | 火成岩岩性识别方法及装置 |
| CN111852460B (zh) * | 2019-04-24 | 2023-07-04 | 中国石油化工股份有限公司 | 一种基于经验模态分解的测录井曲线归一化方法 |
| CN111983693A (zh) * | 2020-08-18 | 2020-11-24 | 东华理工大学 | 基于电阻率法的地质灾害多模态监测数据融合成像方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9134457B2 (en) * | 2009-04-08 | 2015-09-15 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
| CN102505932A (zh) * | 2011-10-08 | 2012-06-20 | 长春大学 | 基于提取混沌特征参量的储集层流体性质的识别方法 |
| CN103592690B (zh) * | 2013-10-24 | 2016-09-14 | 长江大学 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
| CN103995972B (zh) * | 2014-05-27 | 2017-01-18 | 中国石油大学(华东) | 一种地层对比方法 |
-
2015
- 2015-12-31 CN CN201511029583.1A patent/CN105487136B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN105487136A (zh) | 2016-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105487136B (zh) | 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 | |
| CN104747185B (zh) | 非均质油藏储层综合分类评价方法 | |
| CN106050225B (zh) | 一种核磁共振测井t2谱100％纯水谱的确定方法 | |
| CN101930082B (zh) | 采用电阻率资料进行储层流体类型判别的方法 | |
| CN105626058A (zh) | 一种确定储层岩溶发育程度的方法及装置 | |
| CN109345007B (zh) | 一种基于XGBoost特征选择的有利储层发育区预测方法 | |
| CN104453874B (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 | |
| CN103670384B (zh) | 一种储层分类方法及系统 | |
| CN104806232B (zh) | 一种确定碳酸盐岩储层孔隙度下限的方法 | |
| 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 | |
| CN109085663A (zh) | 一种致密砂岩储层层理缝识别方法 | |
| CN103590827A (zh) | 基于储层分类的致密碎屑岩天然气井产能预测方法 | |
| CN103775075A (zh) | 一种全井段岩性识别方法 | |
| CN106370814A (zh) | 基于成分‑结构分类的湖相混积岩类储层测井识别方法 | |
| CN103150303A (zh) | 汉语语义格分层识别方法 | |
| CN102944570A (zh) | 一种基于x射线元素荧光的岩石样品岩性定名的分析方法 | |
| CN108490491A (zh) | 一种基于波形指示反演的滩体预测方法 | |
| CN105986811A (zh) | 基于常规测井资料五维度岩性判识方法 | |
| CN111429012A (zh) | 页岩脆性甜点评价方法 | |
| CN110245686A (zh) | 一种计算石英相对百分含量的岩性快速识别方法 | |
| CN104459790B (zh) | 含油气性盆地有效储层的分析方法和装置 | |
| CN111487691A (zh) | 一种致密砂岩储层岩性及砂体结构定量识别方法 | |
| CN112861890A (zh) | 一种储层评价模型构建方法及储层识别方法 | |
| CN106777707A (zh) | 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法 | |
| CN104834934B (zh) | 一种用于识别储层流体的核体俘获法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171107 Termination date: 20181231 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |