CN105545295B - 纹层识别方法及装置 - Google Patents
纹层识别方法及装置 Download PDFInfo
- Publication number
- CN105545295B CN105545295B CN201511005104.2A CN201511005104A CN105545295B CN 105545295 B CN105545295 B CN 105545295B CN 201511005104 A CN201511005104 A CN 201511005104A CN 105545295 B CN105545295 B CN 105545295B
- Authority
- CN
- China
- Prior art keywords
- lamina
- rock core
- fmi
- identification
- core section
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000011435 rock Substances 0.000 claims abstract description 174
- 230000004075 alteration Effects 0.000 claims abstract description 37
- 238000011161 development Methods 0.000 claims description 63
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 8
- 230000033764 rhythmic process Effects 0.000 claims description 8
- 230000003796 beauty Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 241000761557 Lamina Species 0.000 description 6
- 239000010410 layer Substances 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 241001074085 Scophthalmus aquosus Species 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 208000010392 Bone Fractures Diseases 0.000 description 2
- 206010017076 Fracture Diseases 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000005516 deep trap Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- 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
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Mining & Mineral Resources (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种纹层识别方法及装置，包括：结合微电阻率扫描成像FMI图像纹层识别模板和FMI图像纹层色差识别标准建立纹层识别模型，根据纹层识别模型对岩心段的FMI图像进行纹层识别；若纹层识别模型对岩心段的FMI图像的纹层识别率大于预设阈值，则利用纹层识别模型对目的层段的FMI图像进行纹层识别。该方法可以满足对埋深大于6000m的超深储层纹层以及薄纹层进行识别以展开定量评价，且识别准确率高。
Description
技术领域
本发明涉及油气藏勘探开发领域，尤其涉及一种纹层识别方法及装置。
背景技术
纹层对于储层性质具有较大影响，尤其是埋深大于6000m的低孔砂岩储层内发育的纹层，不但影响储层的垂向及横向非均质性，同时也影响储层的测试、改造方案的制定，进而影响单井油气产量，因此对纹层展开精细定量描述对于油气开发具有重要意义。
目前针对油气勘探领域的储层纹层研究主要有三种方法：一、基于实际钻井获取岩心的直接地质观察法；二、基于野外露头区砂岩储层纹层观察描述法；三、基于自然电位、电阻率等常规测井资料的纹层描述方法。上述三种方法都是常用的储层纹层分析方法，在油气勘探过程中发挥了重要作用，但仍存在着局限性：方法一实钻岩心观察法受岩心数量影响较大，超深含油气层钻井取心难度大、成本高，单井取心长度仅占储集层段的2％-15％，无法展开含油气层全层位纹层评价；方法二基于野外露头区砂岩储层纹层观察描述法虽然可以进行全层位纹层观察和描述，但是由于地表露头与超深层储层差异较大，仍无法满足超深层储层纹层评价；方法三基于常规测井资料的纹层描述方法，只能推测20-40m以上的具有一定厚度的纹层密集发育段，无法对单一薄纹层展开定量评价。
上述三种方法，无法满足对埋深大于6000m的超深储层纹层以及薄纹层进行识别以展开定量评价。
发明内容
本发明提供一种纹层识别方法及装置，可以满足对埋深大于6000m的超深储层纹层以及薄纹层进行识别以展开定量评价，且识别准确率高。
本发明提供一种纹层识别方法，包括：
结合微电阻率扫描成像FMI图像纹层识别模板和FMI图像纹层色差识别标准建立纹层识别模型，根据所述纹层识别模型对岩心段的FMI图像进行纹层识别；
若所述纹层识别模型对岩心段的FMI图像的纹层识别率大于预设阈值，则利用所述纹层识别模型对目的层段的FMI图像进行纹层识别。
可选地，所述结合微电阻率扫描成像FMI图像纹层识别模板和纹层色差识别标准建立纹层识别模型之前，还包括：
获取岩心段纹层的特征；
对比岩心段纹层的FMI图像获取FMI图像中岩心段纹层的发育特征，根据所述岩心段纹层的特征、常规测井曲线和所述FMI图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板；
建立FMI图像纹层色差识别标准。
可选地，所述获取岩心段纹层的特征包括：
通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使所述实钻岩心资料的岩心恢复到地下测井量度下的实际深度，并描述所述实钻岩心资料的岩心沉积韵律；
根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库。
可选地，所述岩心段纹层发育特征包括：
岩心段纹层发育的宽度、密度、间隔、类型和/或厚度。
可选地，所述建立FMI图像纹层色差识别标准包括：
根据公式(1)～(3)建立FMI图像纹层色差识别标准，其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri，Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为i、j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度；
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)。
本发明提供一种纹层识别装置，包括：
识别模块，用于结合微电阻率扫描成像FMI图像纹层识别模板和FMI 图像纹层色差识别标准建立纹层识别模型，根据所述纹层识别模型对岩心段的FMI图像进行纹层识别；
判断模块，用于判断所述纹层识别模型对岩心段的FMI图像的纹层识别率是否大于预设阈值；
所述识别模块还用于当判断模块判断出所述纹层识别模型对岩心段的 FMI图像的纹层识别率大于预设阈值时，利用所述纹层识别模型对目的层段的FMI图像进行纹层识别。
可选地，所述装置还包括：
获取模块，用于获取岩心段纹层的特征；
所述获取模块还用于对比岩心段纹层的FMI图像获取FMI图像中岩心段纹层的发育特征；
建立模块，用于根据所述岩心段纹层的特征、常规测井曲线和所述FMI 图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板；
所述建立模块还用于建立FMI图像纹层色差识别标准。
可选地，所述获取模块包括：
校正单元，用于通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使所述实钻岩心资料的岩心恢复到地下测井量度下的实际深度，并描述所述实钻岩心资料的岩心沉积韵律；
第一建立单元，用于根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库。
可选地，所述岩心段纹层发育特征包括：
岩心段纹层发育的宽度、密度、间隔、类型和/或厚度。
可选地，所述建立模块包括：
第二建立单元，用于根据公式(1)～(3)建立FMI图像纹层色差识别标准，其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri， Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为 i、j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度；
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)。
本发明提供的纹层识别方法及装置，通过结合FMI图像纹层识别模板和 FMI图像纹层色差识别标准建立纹层识别模型，根据纹层识别模型对岩心段的FMI图像进行纹层识别，并通过进一步判断该纹层识别模型对岩心段的 FMI图像的纹层识别率是否大于预设阈值，如果大于预设阈值，则利用该纹层识别模型对目的层段的FMI图像进行纹层识别。该方法可以满足对埋深大于6000m的超深储层纹层以及薄纹层进行识别以展开定量评价，且识别准确率高。通过该方法对超深层低孔砂岩储层纹层进行识别，优化储层方案，提高了单井日产，指导超深层圈闭高效勘探，且准确率高，对其他纹层发育井的识别提供了指导依据。
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一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的纹层识别方法实施例一的流程图；
图2是储集层段岩心归位图；
图3是本发明提供的纹层识别方法实施例二的流程图；
图4是FMI成像与岩心段纹层发育特征对比图；
图5是本发明提供的纹层识别方法实施例三的流程图；
图6是储集层段岩心归位图；
图7是储集层段岩心素描图；
图8是本发明提供的纹层识别装置实施例一的结构示意图；
图9是本发明提供的纹层识别装置实施例二的结构示意图；
图10是本发明提供的纹层识别装置实施例三的结构示意图；
图11是本发明提供的纹层识别装置实施例四的结构示意图。
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。
本发明的纹层识别方法，以库车前陆冲断带克拉苏构造带博孜井区为例进行实际应用。库车前陆冲断带克拉苏段从西向东共分为阿瓦特段、博孜段、大北段、克深段，东部的大北段和克深段储集层孔隙度渗透率均较博孜段差，但博孜段单井日产量较克深大北段高产井相差数倍之多，储层物性好与低产相矛盾。仅靠常规的数据分析无法给予合理的低产原因分析。为了提高博孜井区的单井产量，增强博孜地区勘探信心，采用本方法对博孜地区建立纹层识别，明确了博孜井区Bz102井低产的主要原因：纹层垂向发育体现严重的非均质性，间隔小、密度大，共发育169个纹层发育段，其中最大的1.6m，最小的0.04m；纹层的发育对储集层主要体现减孔降渗的作用，孔隙度从无纹层段的7％降低至纹层密集发育的1％，渗透率从0.5-1×10-3μm2降至0.3 ×10-3μm2-0.5×10-3μm2。Bz102井试油层段119m，原射孔井段仅有24m且大部分位于纹层密集发育段中，垂向上无法有效沟通储集层，造成Bz102井低产。
库车前陆冲断带DB1号构造是位于库车前陆冲断带盐下层断背斜圈闭，通过本方法对DB1号构造开展了纹层的识别及研究。以DB101-2井分析为例，结果表明纹层在储集层白垩系巴什基奇克组的岩心及FMI成像中垂向上呈非均质规模性存在，建议在储层改造过程中除了在裂缝发育段射孔外，还需要在纹层欠发育段增加射孔密度。实钻证明，DB101-2井在121m测试段内，射孔段打开82m的有效储层，测试获得日产超过五十万方的高产气流，推动了大北地区了勘探步伐，证明了该项超深层低孔砂岩纹层识别方法的准确性，对其他纹层发育井的有效识别提供了有效指导。
图1是本发明提供的纹层识别方法实施例一的流程图；如图1所示，该方法包括：
S11：结合FMI图像纹层识别模板和FMI图像纹层色差识别标准建立纹层识别模型，根据纹层识别模型对岩心段的FMI图像进行纹层识别。
在本步骤中，FMI图像纹层识别模板是通过结合岩心特征、常规测井曲线以及FMI图像，基于纹层的规模及形态，建立的岩心刻度下的FMI图像纹层识别模板，图2是储集层段岩心归位图，如图2所示，生成的FMI图像纹层识别模板如图2所示，包括水动力强度、GR曲线特征、成像测井识别特征、典型程像 图像特征、岩心纵切面图像、地质模式等，分别对不同形态、发育程度的岩心段的FMI图像纹层特征进行了描述归类。FMI图像纹层色差识别标准是结合色彩学中RGB颜色间的色差差异，度量成像中厘米级图像显示特征而建立的FMI图像纹层色差识别标准。结合FMI图像纹层识别模板和FMI 图像纹层色差识别标准建立纹层识别模型，根据该纹层识别模型对岩心段的 FMI图像进行纹层的识别，剔除厚层泥岩夹层的影响。
S12：若纹层识别模型对岩心段的FMI图像的纹层识别率大于预设阈值，则利用纹层识别模型对目的层段的FMI图像进行纹层识别。
在本步骤中，判断上一步建立的纹层识别模型对岩心段对应的FMI成像纹层识别的识别率是否大于预设阈值，以验证所建立的纹层识别模型是否准确可行，来确定是否可以进行大范围的实际应用。如果纹层识别模型对岩心段对应的FMI成像纹层识别的识别率超过预设阈值，例如该阈值可选的为 80％，则证明该纹层识别模型的识别准确率满足实际需要，可以作为纹层识别的模型来进行实际应用，则利用该纹层识别模型对目的层段的FMI图像进行纹层识别，即进行大范围的实际应用。
本实施例的纹层识别方法，通过结合FMI图像纹层识别模板和FMI图像纹层色差识别标准建立纹层识别模型，根据纹层识别模型对岩心段的FMI图像进行纹层识别，并通过进一步判断该纹层识别模型对岩心段的FMI图像的纹层识别率是否大于预设阈值，如果大于预设阈值，则利用该纹层识别模型对目的层段的FMI图像进行纹层识别。该方法可以满足对埋深大于6000m的超深储层纹层以及薄纹层进行识别以展开定量评价，且识别准确率高。
通过该方法对超深层低孔砂岩储层纹层进行识别，优化储层方案，提高了单井日产，指导超深层圈闭高效勘探，且准确率高，对其他纹层发育井的识别提供了指导依据。
图3是本发明提供的纹层识别方法实施例二的流程图；如图3所示，在实施例一的基础上，所述结合微电阻率扫描成像FMI图像纹层识别模板和纹层色差识别标准建立纹层识别模型之前，还包括：
S21：获取岩心段纹层的特征。
在本步骤中，通过对实钻岩心资料的分析研究获取岩心段纹层的特征，该特征包括了实钻岩心资料在地下测井量度的实际深度，岩心沉积韵律，岩心段纹层发育特征等等，以为后续建立FMI图像纹层识别模板做准备。
S22：对比岩心段纹层的FMI图像获取FMI图像中岩心段纹层的发育特征，根据岩心段纹层的特征、常规测井曲线和FMI图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板。
在本步骤中，对比岩心段FMI图像和岩心段纹层发育特征，以获得FMI 图像中岩心段纹层的发育特征，图4是FMI成像与岩心段纹层发育特征对比图，对比结果如图4所示，岩心段纹层密度大、间隔大在FMI图像中岩心段纹层呈现浅色的细条纹状分布，纹层密度大、间隔小在FMI图像中岩心段纹层呈现深色的粗条纹状分布。根据岩心段纹层的特征、常规测井曲线和在FMI 图像中的岩心段纹层发育特征建立岩心段的FMI图像纹层识别模板。
根据上一步获取的岩心段纹层的特征、一些常规测井曲线以及获取的 FMI图像中岩心段纹层的发育特征，建立岩心段的FMI图像纹层识别模板，该模板如图2所示。
S23：建立FMI图像纹层色差识别标准。
在本步骤中，结合博孜地区高富集磁铁矿特征，磁铁矿具有较高的导电性，因此博孜地区成像图整体在成像中呈现非均质密集型高导暗色条纹。结合色彩学中RGB颜色间的色差差异，度量成像中厘米级图像显示特征,来建立FMI图像纹层色差识别标准。
需要说明的是，在实施例一中，如果根据FMI图像纹层识别模板和FMI 图像纹层色差识别标准建立的纹层识别模型的纹层识别精度小于80％，则重复执行S21～S23，直至最终的识别精度大于80％。
本实施例的纹层识别方法，通过获取岩心段纹层的特征，从而根据岩心段纹层的特征、常规测井曲线和FMI图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板，并建立FMI图像纹层色差识别标准，从而为建立纹层识别模型奠定基础。
图5是本发明提供的纹层识别方法实施例三的流程图；如图5所示，在实施例二的基础上，所述获取岩心段纹层的特征包括：
S31：通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使实钻岩心资料的岩心恢复到地下测井量度下的实际深度，并描述实钻岩心资料的岩心沉积韵律。
在本步骤中，通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使实钻岩心资料的岩心恢复到地下测井量度下的实际深度，图6是储集层段岩心归位图，如图6所示，图6中还描述了实钻岩心资料的岩心沉积韵律。
S32：根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库。
在本步骤中，根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库，图7是储集层段岩心素描图，如图7所示，图7描述了岩心段纹层的发育模型以及一些对纹层发育的定量评价。
本实施例的纹层识别方法，通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，得到实钻岩心资料的岩心在地下测井量度下的实际深度，并根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库，从而获取岩心段纹层的特征，为后续建立FMI图像纹层识别模板做准备。
进一步地，所述岩心段纹层发育特征包括：岩心段纹层发育的宽度、密度、间隔、类型和/或厚度。
具体的，岩心段纹层的发育特征包括岩心段纹层发育的宽度、密度、间隔、类型、厚度等。
进一步地，所述建立FMI图像纹层色差识别标准包括：
根据公式(1)～(3)建立FMI图像纹层色差识别标准，其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri，Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为i、j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度；
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)。
具体的，结合博孜地区高富集磁铁矿特征，磁铁矿具有较高的导电性，因此博孜地区成像图整体在成像中呈现非均质密集型高导暗色条纹。结合色彩学中RGB颜色间的色差差异，度量成像中厘米级图像显示特征,相邻两点 (小于0.02m)色差满足如下三个条件来建立FMI图像纹层色差识别标准：
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)，
其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri，Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为i、 j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度。
本发明提供的纹层识别方法应用在库车前陆冲断带克拉苏构造带博孜段 Bz102井，其位于构造高部位，孔隙度较好，气测值高的优质储层气产量却低，博孜地区能否高产难以下定论，目前研究的低产原因主要集中在储集层物性及裂缝发育规模上。应用该纹层识别方法，有效的解释了博孜低产原因，提高了博孜地区的单井日产，有效的带来了经济利益，主要有以下几种效果：
(1)有效的解释了博孜地区低产原因。主要是由于纹层的存在导致垂向渗透率的降低，增加垂向非均质性，减小孔隙度降低渗透率。其形成主要是由于博孜地区更近物源区，重矿物比重高，并非是储层致密，也并非博孜地区储层品质低。(2)明确了纹层发育特征及规模。该纹层识别方法的建立，共在博孜102井共识别出169个纹层发育段，最大1.6m，最小0.04m，储集层段巴什基奇克组集中在6个沉积旋回中。主要集中在正旋回的中上部居多。(3)为储层改造明确了方向。该方法的建立，可以为博孜地区储层优化改造方案的实施奠定基础，如果储集层垂向上纹层呈非均质分布的状态，则通过本发明方法，识别出纹层的集中发育段。当射孔预案较少时，可避开密集发育段进行射孔；当射孔层数预案较多时，须增加射孔井段密度，根据实际情况选用压裂或酸压方式进行改造，最大限度地沟通垂向储层，提高渗流能力，最终提升单井产能。(4)大大节约了成本，减少了储层改造的次数及改造停留时间，缩短了投产时间。本方法主要应用于计算机中，操作成本低廉，成果可信度高可以极大地节约勘探成本。(5)增加勘探信心，拓延勘探领域。 2014-2015年利用该技术成果在库车前陆盆地的博孜地区三口井进行重点研究，解决三口井低产原因，提出改造建议，奠定博孜地区高产的可行性，并成功部署2口评价井，推进了该区的天然气勘探进程，丰富了库车前陆盆地地质认识。
在上述纹层识别方法的基础上，本发明还提供一种纹层识别装置，下面对本发明纹层识别装置进行详细讲解，具体的，可参见图。
图8是本发明提供的纹层识别装置实施例一的结构示意图，如图8所示，包括：
识别模块11，用于结合微电阻率扫描成像FMI图像纹层识别模板和FMI 图像纹层色差识别标准建立纹层识别模型，根据所述纹层识别模型对岩心段的FMI图像进行纹层识别；
判断模块12，用于判断所述纹层识别模型对岩心段的FMI图像的纹层识别率是否大于预设阈值；
所述识别模块11还用于当判断模块12判断出所述纹层识别模型对岩心段的FMI图像的纹层识别率大于预设阈值时，利用所述纹层识别模型对目的层段的FMI图像进行纹层识别。
图9是本发明提供的纹层识别装置实施例二的结构示意图，如图9所示，所述装置还包括：
获取模块13，用于获取岩心段纹层的特征；
所述获取模块13还用于对比岩心段纹层的FMI图像获取FMI图像中岩心段纹层的发育特征，
建立模块14，用于根据所述岩心段纹层的特征、常规测井曲线和所述FMI 图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板；
所述建立模块14还用于建立FMI图像纹层色差识别标准。
图10是本发明提供的纹层识别装置实施例三的结构示意图，如图10所示，所述获取模块13包括：
校正单元131，用于通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使所述实钻岩心资料的岩心恢复到地下测井量度下的实际深度，并描述所述实钻岩心资料的岩心沉积韵律；
第一建立单元132，用于根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库。
进一步地，所述岩心段纹层发育特征包括：
岩心段纹层发育的宽度、密度、间隔、类型和/或厚度。
图11是本发明提供的纹层识别装置实施例四的结构示意图，如图11所示，所述建立模块14包括：
第二建立单元141，用于根据公式(1)～(3)建立FMI图像纹层色差识别标准，其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri， Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为 i、j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度；
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种纹层识别方法，其特征在于，包括：
结合微电阻率扫描成像FMI图像纹层识别模板和FMI图像纹层色差识别标准建立纹层识别模型，根据所述纹层识别模型对岩心段的FMI图像进行纹层识别；
若所述纹层识别模型对岩心段的FMI图像的纹层识别率大于预设阈值，则利用所述纹层识别模型对目的层段的FMI图像进行纹层识别；
所述结合微电阻率扫描成像FMI图像纹层识别模板和纹层色差识别标准建立纹层识别模型之前，还包括：
获取岩心段纹层的特征；
对比岩心段纹层的FMI图像获取FMI图像中岩心段纹层的发育特征，根据所述岩心段纹层的特征、常规测井曲线和所述FMI图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板；
建立FMI图像纹层色差识别标准；
所述建立FMI图像纹层色差识别标准包括：
根据公式(1)～(3)建立FMI图像纹层色差识别标准，其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri，Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为i、j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度；
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)。
2.根据权利要求1所述的方法，其特征在于，所述获取岩心段纹层的特征包括：
通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使所述实钻岩心资料的岩心恢复到地下测井量度下的实际深度，并描述所述实钻岩心资料的岩心沉积韵律；
根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库。
3.根据权利要求2所述的方法，其特征在于，所述岩心段纹层发育特征包括：
岩心段纹层发育的宽度、密度、间隔、类型和/或厚度。
4.一种纹层识别装置，其特征在于，包括：
识别模块，用于结合微电阻率扫描成像FMI图像纹层识别模板和FMI图像纹层色差识别标准建立纹层识别模型，根据所述纹层识别模型对岩心段的FMI图像进行纹层识别；
判断模块，用于判断所述纹层识别模型对岩心段的FMI图像的纹层识别率是否大于预设阈值；
所述识别模块还用于当判断模块判断出所述纹层识别模型对岩心段的FMI图像的纹层识别率大于预设阈值时，利用所述纹层识别模型对目的层段的FMI图像进行纹层识别；
获取模块，用于获取岩心段纹层的特征；
所述获取模块还用于对比岩心段纹层的FMI图像获取FMI图像中岩心段纹层的发育特征；
建立模块，用于根据所述岩心段纹层的特征、常规测井曲线和所述FMI图像中岩心段纹层的发育特征建立岩心段的FMI图像纹层识别模板；
所述建立模块还用于建立FMI图像纹层色差识别标准；
所述建立模块包括：
第二建立单元，用于根据公式(1)～(3)建立FMI图像纹层色差识别标准，其中，A为色差值；xi，xj为FMI图像中深度为i、j米的图像点；Ri，Rj为FMI图像中深度为i、j米的红颜色亮度；Gi，Gj为FMI图像中深度为i、j米的蓝颜色亮度；Bi，Bj为FMI图像中深度为i、j米的绿颜色亮度；
丨Ri-Rj丨≤50 (2)
i-j≤0.02 (3)。
5.根据权利要求4所述的装置，其特征在于，所述获取模块包括：
校正单元，用于通过实测伽马曲线和地面扫描伽马曲线对实钻岩心资料进行岩心深度归位校正，使所述实钻岩心资料的岩心恢复到地下测井量度下的实际深度，并描述所述实钻岩心资料的岩心沉积韵律；
第一建立单元，用于根据岩心段纹层发育特征，建立岩心段纹层发育模型和纹层定量评价数据库。
6.根据权利要求5所述的装置，其特征在于，所述岩心段纹层发育特征包括：
岩心段纹层发育的宽度、密度、间隔、类型和/或厚度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511005104.2A CN105545295B (zh) | 2015-12-28 | 2015-12-28 | 纹层识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511005104.2A CN105545295B (zh) | 2015-12-28 | 2015-12-28 | 纹层识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105545295A CN105545295A (zh) | 2016-05-04 |
| CN105545295B true CN105545295B (zh) | 2018-09-04 |
Family
ID=55824800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511005104.2A Active CN105545295B (zh) | 2015-12-28 | 2015-12-28 | 纹层识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105545295B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202370504U (zh) * | 2011-12-23 | 2012-08-08 | 东北石油大学 | 一种射孔深度自动校正装置 |
| CN103939083A (zh) * | 2014-03-26 | 2014-07-23 | 辽宁瑞达石油技术有限公司 | 高温六参数组合测试仪、测试系统及测试方法 |
| CN103899305B (zh) * | 2014-03-27 | 2016-08-17 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层流体性质的识别方法及设备 |
| CN104695946A (zh) * | 2015-01-20 | 2015-06-10 | 中国石油天然气股份有限公司 | 利用地层自然伽马的井下管柱自动定位及解释仪器及方法 |
-
2015
- 2015-12-28 CN CN201511005104.2A patent/CN105545295B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105545295A (zh) | 2016-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105572739B (zh) | 碳酸盐岩孔洞裂缝性发育特征判断方法 | |
| CN105986817B (zh) | 一种用于识别页岩地层工程甜点的方法 | |
| CN107807407A (zh) | 一种油气区带有效性评价方法和装置 | |
| CN106951660A (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
| CN104977617B (zh) | 储层裂缝识别方法和成像测井储层裂缝识别方法 | |
| CN104965979A (zh) | 一种致密砂岩有效储层识别方法 | |
| CN104847264B (zh) | 一种实现地质导向的方法和装置 | |
| CN109388817A (zh) | 一种储层裂缝三维建模方法 | |
| CN107045153A (zh) | 陆相湖盆斜坡区地层岩性油气藏优势相预测方法 | |
| CN104991274A (zh) | 多种地质因素定量约束下的单一圈闭级的有利区优选方法 | |
| CN104100245B (zh) | 人工边水驱断块油藏筛选评价方法 | |
| CN105952427A (zh) | 一种低渗透油藏注水诱导裂缝的预测与评价方法 | |
| CN109557584A (zh) | 一种水平钻井实时地震地质综合导向方法 | |
| CN107676038A (zh) | 一种倾斜薄储层中水平井轨迹的随钻地质导向方法 | |
| CN108061923A (zh) | 针对下古生界碳酸盐岩内幕有利储层的多要素评价方法 | |
| CN105842751A (zh) | 页岩储层裂缝评价方法 | |
| CN110439519A (zh) | 一种基于极限限流设计的压裂方法及系统 | |
| CN105785445B (zh) | 裂缝模式识别方法及装置 | |
| CN106372319A (zh) | 一种地震模型地层划分对比的方法 | |
| CN104463686A (zh) | 利用判别分析法随钻识别页岩气储层的方法 | |
| CN110532507A (zh) | 一种提高水平井致密油储层钻遇率的方法 | |
| CN105545295B (zh) | 纹层识别方法及装置 | |
| CN107239898A (zh) | 一种深南榆科地区产能评价方法 | |
| Bigno et al. | Multilateral waterflood development of a low-permeability carbonate reservoir | |
| Trentham et al. | A “Cookbook” Approach to Exploring for, and Evaluating, Residual Oil Zones in the San Andres Formation of the Permian 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 |