CN106323836A - 一种井壁渗透率计算方法及装置 - Google Patents
一种井壁渗透率计算方法及装置 Download PDFInfo
- Publication number
- CN106323836A CN106323836A CN201610656567.3A CN201610656567A CN106323836A CN 106323836 A CN106323836 A CN 106323836A CN 201610656567 A CN201610656567 A CN 201610656567A CN 106323836 A CN106323836 A CN 106323836A
- Authority
- CN
- China
- Prior art keywords
- permeability
- pixel
- image
- imaging logging
- electric imaging
- 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.)
- Granted
Links
- 230000035699 permeability Effects 0.000 title claims abstract description 221
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003384 imaging method Methods 0.000 claims abstract description 151
- 239000011148 porous material Substances 0.000 claims abstract description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 29
- 208000019585 progressive encephalomyelitis with rigidity and myoclonus Diseases 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000004090 dissolution Methods 0.000 claims description 8
- 238000010191 image analysis Methods 0.000 claims description 8
- 238000004445 quantitative analysis Methods 0.000 claims description 8
- 239000000428 dust Substances 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 7
- 239000000706 filtrate Substances 0.000 claims description 5
- 238000001764 infiltration Methods 0.000 claims description 5
- 230000008595 infiltration Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 108010001267 Protein Subunits Proteins 0.000 claims description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 abstract description 8
- 239000011435 rock Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000222065 Lycoperdon Species 0.000 description 1
- 241000768494 Polymorphum Species 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000009096 changqing Substances 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geochemistry & Mineralogy (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请实施例提供了一种井壁渗透率计算方法及装置。该方法包括:获取目标地层的电成像测井图像及测井数据;根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度;根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率;根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。本申请实施例的方法基于电成像测井图像,同时考虑了井壁中不同位置孔隙类型对渗透率的影响,方法简单实用,可以准确的获得碳酸盐地层井壁渗透率,为有效储层评价提供了基础。
Description
技术领域
本发明涉及油田勘探测井技术领域,尤其涉及一种井壁渗透率计算方法及装置。
背景技术
渗透率参数是油田勘探开发过程中极其重要的参数之一,其计算精度的高低对油田开发效益具有重要影响。由于碳酸盐岩储层极强非均质性和各向异性的存在,碳酸盐岩渗透率的确定一直是测井评价的难题之一。
目前测井计算渗透率主要有以下两种方法:一是通过岩心实验资料建立渗透率与孔隙度、粒度中值的拟合经验公式或多元回归等数学手段确定。该方法对于相对均质的碎屑岩储层来说,岩心分析的孔隙度和渗透率通常具有较好的相关性,统计得到的孔渗关系可以求取储层渗透率,但对于极强非均质性的碳酸盐岩储层,通过岩心实验建立的渗透率响应方程并不能代表整个储层的渗流能力,其计算精度和适用性差;二是利用双孔隙介质模型,将碳酸盐岩储层渗透率视为基块孔隙渗透率和裂缝渗透率共同组成,但由于裂缝渗透率一般比基块孔隙渗透率要大得多,故储层中有无裂缝,对其平均渗透率影响极大,因此该方法在油田现场实际应用中难以实现,实用性差。
发明内容
本申请实施例提供一种井壁渗透率计算方法及装置,以准确的获得碳酸盐岩地层的渗透率,为有效储层评价提供基础。
为达到上述目的,一方面,本申请实施例提供了一种井壁渗透率计算方法,所述方法包括:
获取目标地层的电成像测井图像及测井数据;
根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度;
根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率;
根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。
进一步地,在根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率之前,还包括:
利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,并据此获得所述电成像测井图像中每个像素点的地质特征类型;
根据所述电成像测井图像中每个像素点的地质特征类型,获取所述电成像测井图像中每个像素点的渗透性有效系数;
对应的,根据所述电成像测井图像中像素点的孔隙度以及渗透性有效系数,计算所述电成像测井图像中每个像素点的渗透率。
进一步地,采用以下公式计算所述电成像测井图像中每个像素点的渗透率:
式中,PERMi表示电成像测井图像中像素点的渗透率;φi表示像素点的孔隙度;ka是孔隙度指数;kb是渗透率常数;kei是像素点所属的地质特征的渗透性有效系数。
进一步地,所述利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,包括:
利用图像分割方法将所述电成像测井图像分割为三种类型的图像特征单元,所述三种类型的图像特征单元为高阻图像特征单元、过渡图像特征单元以及高导图像特征单元;
定量计算所述图像特征单元的特征参数;
将所述图像特征单元的特征参数与预设的地质特征类型的特征参数进行对比,获得所述图像特征单元对应的地质特征类型。
进一步地,所述特征参数包括:
特征灰度平均值、面积、周长、圆度、宽长比、粒径、主方向、对比度以及均匀性。
进一步地,所述地质特征类型包括:
低阻裂缝、溶孔、洞穴、泥质条带、泥质纹层、泥质厚层、诱导缝、缝合线、角砾以及高阻缝。
进一步地,根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值,包括:
根据所述电成像测井图像中每个像素点的渗透率,获得井壁渗透率图像;
对所述井壁渗透率图像进行逐深度窗统计,计算每个深度窗的渗透率,获得所述目标地层全井段的地层渗透率值。
进一步地,采用以下公式计算每个深度窗的渗透率:
式中,PERM是对应深度窗的渗透率;npixel是深度窗内像素点数;PERMi像素点的渗透率。
进一步地,采用阿尔奇公式计算所述电成像测井图像中每个像素点的孔隙度:
其中:φi是计算的电成像测井图像中像素点的孔隙度;a、b是阿尔奇公式中岩性系数;m是地层胶结指数;Rmf是泥浆滤液电阻率;Ci是电成像测井图像中像素点的电导率值。
另一方面,本申请实施例还提供了一种井壁渗透率计算装置,所述装置包括:
获取单元,用于获取目标地层的电成像测井图像及测井数据;
像素点孔隙度计算单元,用于根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度;
像素点渗透率计算单元,用于根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率;
地层渗透率获取单元,用于根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。
进一步地,所述装置还包括:
像素点地质特征类型获取单元,用于利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,并据此获得所述电成像测井图像中每个像素点的地质特征类型;
像素点渗透性有效系数获取单元,用于根据所述电成像测井图像中每个像素点的地质特征类型,获取所述电成像测井图像中每个像素点的渗透性有效系数;
对应的,像素点渗透率计算单元用于根据所述电成像测井图像中每个像素点的孔隙度以及渗透性有效系数,计算所述电成像测井图像中每个像素点的渗透率。
进一步地,所述像素点渗透率计算单元采用以下公式计算所述电成像测井图像中每个像素点的渗透率:
式中,PERMi表示电成像测井图像中像素点的渗透率;φi表示像素点的孔隙度;ka是孔隙度指数;kb是渗透率常数;kei是像素点所属的地质特征的渗透性有效系数。
进一步地,所述像素点地质特征类型获取单元包括:
图像分割子单元,用于利用图像分割方法将所述电成像测井图像分割为三种类型的图像特征单元,所述三种类型的图像特征单元为高阻图像特征单元、过渡图像特征单元以及高导图像特征单元;
特征参数计算子单元,用于定量计算所述图像特征单元的特征参数;
地质特征类型获取子单元,用于将所述图像特征单元的特征参数与预设的地质特征类型的特征参数进行对比,获得所述图像特征单元对应的地质特征类型。
进一步地,所述特征参数包括:
特征灰度平均值、面积、周长、圆度、宽长比、粒径、主方向、对比度以及均匀性。
进一步地,所述地质特征类型包括:
低阻裂缝、溶孔、洞穴、泥质条带、泥质纹层、泥质厚层、诱导缝、缝合线、角砾以及高阻缝。
进一步地,所述地层渗透率获取单元包括:
井壁渗透率图像获取子单元,用于根据所述电成像测井图像中每个像素点的渗透率,获得井壁渗透率图像;
深度窗渗透率计算子单元,用于对所述井壁渗透率图像进行逐深度窗统计,计算每个深度窗的渗透率,获得所述目标地层全井段的地层渗透率值。
进一步地,所述深度窗渗透率计算子单元采用以下公式计算每个深度窗的渗透率:
式中,PERM是对应深度窗的渗透率;npixel是深度窗内像素点数;PERMi像素点的渗透率。
进一步地,所述像素点孔隙度计算单元采用阿尔奇公式计算所述电成像测井图像中每个像素点的孔隙度:
其中:φi是计算的电成像测井图像中像素点的孔隙度;a、b是阿尔奇公式中岩性系数;m是地层胶结指数;Rmf是泥浆滤液电阻率;Ci是电成像测井图像中像素点的电导率值。
本申请实施例提供了一种基于电成像测井图像的井壁渗透率计算方法,通过电成像测井图像中像素点的孔隙度,从而可以获得电成像测井图像中像素点的渗透率,再通过像素点的渗透率可以获得目标地层全井段的地层渗透率值。相对现有技术,本申请实施例的方法基于电成像测井图像,通过计算电成像测井图像中每个像素点的孔隙度,然后利用每个像素点的孔隙度计算对应的像素点的渗透率,从而考虑了井壁中各个位置孔隙类型对渗透率的影响,同时本申请实施例的方法利用了实际的测井图像,方法简单实用,可以准确的获得碳酸盐地层井壁渗透率,为有效储层评价提供了基础。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例的井壁渗透率计算方法流程图;
图2是本申请一实施例的电成像测井图像分割结果示意图;
图3是本申请一实施例的电成像测井图像的地质特征识别结果示意图;
图4是本申请一实施例的地层渗透率结果示意图;
图5是本申请实施例的井壁渗透率计算装置示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
下面结合附图,对本申请实施例的具体实施方式作进一步的详细说明。
参考图1,本申请实施例提供了一种井壁渗透率计算方法,所述方法包括:
S1、获取目标地层的电成像测井图像及测井数据。
本申请实施例中,可以从目标地层的勘探资料中获取目标地层的电成像测井图像以及常规测井资料、测井是泥浆性能参数、录井资料、岩心资料等测井数据。本申请实施例中,利用地层中岩石电阻率不一样,通过电成像测井仪器测量井壁各点的电阻率值,然后把电阻率值的相对高低用灰度表示,从而可以形成电成像测井图像。
S2、根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度。
本申请实施例中,电成像测井仪器采用钮扣电极系贴井壁方式测量地层电性变化特征,经浅电阻率刻度后其图像变化反映了地层井壁电导率,再根据获取的测井数据,从而可以利用阿尔奇公式计算电成像测井图像中每个像素点的孔隙度:
其中:φi是计算的电成像测井图像中像素点的孔隙度,无量纲;a、b是阿尔奇公式中岩性系数,无量纲;m是地层胶结指数,无量纲;Rmf是泥浆滤液电阻率,可通过查找测井时泥浆性能参数获得,Ω·m;Ci是电成像测井图像中像素点的电导率值,S/m。
S3、根据所述电成像测井图像中像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率。
本申请实施例中,对电成像测井图像中的每个像素点可认为该点范围内地层岩石近似均值,根据电成像测井图像中像素点的孔隙度,从而可以采用以下公式计算所述电成像测井图像中像素点的渗透率:
式中,PERMi表示成像测井中某像素点的渗透率,md;φi是像素点的孔隙度,无量纲;ka是孔隙度指数,一般取200-300,无量纲;kb是渗透率常数,一般取-2.5,无量纲。
本申请实施例中,在步骤S3之前,还包括:
利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,并据此获得所述电成像测井图像中每个像素点的地质特征类型;
根据所述电成像测井图像中像素点的地质特征类型,获取所述电成像测井图像中像素点的渗透性有效系数;
对应的,根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率,具体为:
根据所述电成像测井图像中每个像素点的孔隙度以及渗透性有效系数,计算所述电成像测井图像中每个像素点的渗透率。
本申请实施例中,所述利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,包括:
利用图像分割方法将所述电成像测井图像分割为三种类型的图像特征单元,所述三种类型的图像特征单元为高阻图像特征单元、过渡图像特征单元以及高导图像特征单元;
定量计算所述图像特征单元的特征参数;
将所述图像特征单元的特征参数与预设的地质特征类型的特征参数进行对比,获得所述图像特征单元对应的地质特征类型。
本申请实施例中,可以利用图像分割方法将电成像测井图像分割为高阻、过渡和高导三类图像特征单元。本申请实施例中可以采用K-means聚类算法对电成像图像进行逐深度窗分割处理,并动态计算处理窗内最佳分割阈值T1、T2,像素点值小于阈值T1则归为高阻特征;像素点值大于阈值T2归为高导特征;其余部分为过渡特征。
在电成像测井图像分割的基础上,定量计算各类特征的特征参数。特征参数包括但不限于特征灰度平均值Tavg、面积AR、周长P、圆度R、宽长比F、粒径D、主方向AG以及对比度WC、均匀性WH等。部分参数计算方法及所代表的意义如下:
灰度平均值Tavg描述特征所包含的像素点内灰度的平均值,用于指示该特征近似电阻率的高低;
面积AR描述特征所包含的像素点的多少,设成像测井图像单像素点面积为单位面积,则面积AR为特征对象所包含的实际像素点数;
周长P描述特征边缘的长度,设成像测井图像单像素点长度为单位长度,则周长P为特征边缘像素点总数,用于指示特征大小和复杂程度;
圆度R描述了特征的似圆程度,R=4π.A/P2;
宽长比F描述了特征的细长程度,F=W/L,其中L为对象最小外接矩形的长度,W为对象最小外接矩形的宽度;
粒径D描述了特征的平均尺寸,采用Feret直径描述,通过统计特征在多个方向上直径取平均值获得;
主方向AG描述了特征对象延伸方位,即特征长轴方向与水平方向之间的夹角;
对比度WC、均匀性WH采用灰度共生矩阵方法定量计算,对图像S,如果函数f(x,y)定义了某种空间关系,则S的灰度共生矩阵p中各元素定义为:
式中,分子是具有空间关系f(x,y)且值分为g1和g2的元素对的个数;分母是S中元素对总的个数(#S);
则对比度WC和均匀性WH参数计算公式为:
最后,将计算的特征参数与预设的地质特征类型的特征参数进行对比,从而可以判断该图像特征单元所属的地质特征类型。电成像测井图像上常见的地质特征类型包括低阻裂缝、溶孔、洞穴、泥质条带、泥质纹层、泥质厚层、诱导缝、缝合线、角砾、高阻缝等。本申请实施例中,判别过程可采用支持向量机(SVM算法),将预设的地质特征类型对应的特征参数作为样本进行训练后,将待判定的图像特征单元的特征参数值输入即可判定该图像特征单元所属地质特征类型。
本申请实施例中,通过电成像测井图像中各图像特征单元对应的地质特征类型,对电成像测井图像中每个像素点可以通过查询其所在区域即可确定每个像素点所述的地震特征类型。
本申请发明人研究发现,不同类型地质特征指示了地层岩石类型以及孔隙分布特征,因而对地层渗透性影响也不同,在此基础上,本申请实施例通过获得每个像素点的地质特征类型,然后引入渗透性有效系数,用于表征不同类型地质特征的孔隙对地层渗透性的贡献程度,从而可以更为准确的获得电成像测井图像中像素点的渗透率。本申请实施例中,根据所述电成像测井图像中像素点的孔隙度以及渗透性有效系数,可以采用以下公式计算所述电成像测井图像中像素点的渗透率:
式中,kei是该像素点所属的地质特征的渗透性有效系数;PERMi表示成像测井中某像素点的渗透率,md;φi是像素点的孔隙度,无量纲;ka是孔隙度指数,一般取200-300,无量纲;kb是渗透率常数,一般取-2.5,无量纲。
对于裂缝类特征,其本身是储层储集空间和重要的渗流通道,同时裂缝的存在还能够极大的沟通地层岩石未连通孔隙,其渗透性有效系数kefracture>1。
对于溶孔类特征,其渗透性主要依靠孔隙间吼道以及微孔隙,其渗透性有效系数kevug≈1。
对于洞穴类特征,其渗透性与其内部填充程度和填充矿物有关。对未填充部分洞穴,渗透性有效系数kehole1≈1;对泥质或钙质等矿物填充部分,渗透性有效系数kehole2≈0。
对泥质条带、泥质纹层、泥质厚层等特征,其孔隙主要为粘土束缚水孔隙,不具备渗透性,其渗透性有效系数keshale≈0。
对诱导缝特征,它并不代表地层岩石的孔隙,对地层渗透性无实质贡献,其渗透性有效系数keinf=0。
对缝合线特征,该部分孔隙在地层酸压改造时具有一定有利影响,其渗透性有效系数0<keseam<1。
对角砾、高阻缝等类型高阻特征,指示该部分岩石较致密,渗透性差,其渗透性有效系数keres=0。
同理,对于成像测井图像上的其它类型特征,可根据其所代表的地质意义及其对地层岩石渗透性的贡献程度确定其渗透性有效系数取值范围,准确取值可根据实际储层地质条件、试油情况确定。
S4、根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。
本申请实施例中,根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值,包括:
根据所述电成像测井图像中每个像素点的渗透率,获得井壁渗透率图像;
对所述井壁渗透率图像进行逐深度窗统计,计算每个深度窗的渗透率,获得所述目标地层全井段的地层渗透率值。
本身实施例中,通过步骤S3计算的各像素点的渗透率,从而可以获得井壁渗透率图像。对井壁渗透率图像进行逐深度窗统计,可以取50个深度点作为一个深度窗,从而可以通过计算每个深度窗的渗透率,可以获得目标地层全井段的地层渗透率值。本申请实施例中,可以采用以下公式计算每个深度窗的渗透率:
式中,PERM是对应深度窗的渗透率;npixel是深度窗内像素点数;PERMi表示像素点的渗透率。
本申请实施例中,根据井壁渗透率图像、目标地层全井段的地层渗透率值,并结合电成像测井仪器测量时记录的方位信息,即可直观、准确的显示地层高渗透性井段和优势渗透方向,从而可以为有效的储层评价提供基础,为油气田勘探开发提供了重要的技术支持。
本申请实施例提供了一种基于电成像测井图像的井壁渗透率计算方法,通过电成像测井图像中像素点的孔隙度,从而可以获得电成像测井图像中像素点的渗透率,再通过像素点的渗透率可以获得目标地层全井段的地层渗透率值。相对现有技术,本申请实施例的方法基于电成像测井图像,通过计算电成像测井图像中每个像素点的孔隙度,然后利用每个像素点的孔隙度计算对应的像素点的渗透率,从而考虑了井壁中各个位置孔隙率及孔隙类型对渗透率的影响,同时本申请实施例的方法利用了实际的测井图像,方法简单实用,可以准确的获得碳酸盐地层井壁渗透率,为有效储层评价提供了基础。
为了清楚的说明本申请实施例的有益效果,下面举例说明:
以长庆油田A井为例,计算A井的地层渗透率步骤包括:
1.获取A井的电成像测井图像以及测井数据。
收集整理A井目的层段电成像测井资料,同时其它常规测井资料、泥浆参数、录井资料以及岩心描述、分析等相关资料,对待处理层段地层岩性以及主要储集空间类型形成初步认识。
2.计算A待处理井段每个电成像像素点的孔隙度。
根据成像测井资料、泥浆性能参数,利用阿尔奇公式计算待处理井段每个电成像像素点的孔隙度。
3.识别A井电成像测井图像上各图像特征单元对应的地质特征。
利用图像处理技术对电成像测井图像特征进行分析识别。识别过程包括三个阶段:
首先,利用图像分割方法将成像测井图像分割为高阻特征、过渡特征以及高导特征三类特征。以A井4033.0-4036.0m井段为例,图像分割结果如图2所示,其中,黑色代表高导特征,灰色代表过渡特征、浅灰色代表高阻特征。
然后,在成像测井图像分割的基础上,定量计算各特征的特征参数,特征参数包括但不限于特征灰度平均值Tavg、面积AR、周长,P、圆度R、宽长比F、粒径D、主方向AG以及对比度WC、均匀性WH等。
最后,对各特征根据所计算的特征参数与预定的研究区地层各类型地质特征的特征参数进行对比,判断该特征所属地质特征类型,对A井某层段特征类型判别结果如图3所示,图中第四道表示对成像测井中各图像特征所代表的地质意义的识别成果。
4.像素点渗透率计算
计算各像素点渗透率,其中渗透性有效系数表征了不同类型地质特征的孔隙对地层渗透性的贡献程度。
根据A井不同储集空间类型储层岩心渗透率分析实验以及试油结果确定常见地质特征渗透性有效系数为:裂缝kefracture=9.85、溶孔kevug=1、部分填充洞穴kehole1=0.93、填充洞穴kehole2=0、泥质条带、纹层及厚层keshale=0、诱导缝keinf=0、缝合线keseam=0.39、角砾、高阻缝等类型高阻特征keres=0。
5.地层渗透率计算与储层评价
根据上述计算的各像素点渗透率即可绘制井壁渗透率图像,对井壁渗透率图像逐深度窗进行统计得到全井段连续变化的地层渗透率值。A井某层段井壁渗透率图像以及地层渗透率值计算结果如图4所示。由图中可见,4033.5-4035.5m井段发育溶孔,呈层状分布,该段计算得到的地层渗透率值较高,是有利储层所在部位;而井段上部及下部以诱导缝和泥质纹层为主,渗透率相对较低,为非储层段。
参考图5,本申请实施例还提供了一种井壁渗透率计算装置,所述装置包括:
获取单元21,用于获取目标地层的电成像测井图像及测井数据;
像素点孔隙度计算单元22,用于根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度;
像素点渗透率计算单元23,用于根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率;
地层渗透率获取单元24,用于根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。
本实施例的装置的各组成部分分别用于实现前述实施例的方法的各步骤,由于在方法实施例中,已经对各步骤进行了详细说明,在此不再赘述。
在一个或多个示例性的设计中,本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请实施例的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (18)
1.一种井壁渗透率计算方法,其特征在于,所述方法包括:
获取目标地层的电成像测井图像及测井数据;
根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度;
根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率;
根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。
2.如权利要求1所述的井壁渗透率计算方法,其特征在于,在根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率之前,还包括:
利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,并据此获得所述电成像测井图像中每个像素点的地质特征类型;
根据所述电成像测井图像中每个像素点的地质特征类型,获取所述电成像测井图像中每个像素点的渗透性有效系数;
对应的,根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率,具体为:
根据所述电成像测井图像中每个像素点的孔隙度以及渗透性有效系数,计算所述电成像测井图像中每个像素点的渗透率。
3.如权利要求2所述的井壁渗透率计算方法,其特征在于,采用以下公式计算所述电成像测井图像中每个像素点的渗透率:
式中,PERMi表示电成像测井图像中像素点的渗透率;φi表示像素点的孔隙度;ka是孔隙度指数;kb是渗透率常数;kei是像素点所属的地质特征的渗透性有效系数。
4.如权利要求2所述的井壁渗透率计算方法,其特征在于,所述利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,包括:
利用图像分割方法将所述电成像测井图像分割为三种类型的图像特征单元,所述三种类型的图像特征单元为高阻图像特征单元、过渡图像特征单元以及高导图像特征单元;
定量计算所述图像特征单元的特征参数;
将所述图像特征单元的特征参数与预设的地质特征类型的特征参数进行对比,获得所述图像特征单元对应的地质特征类型。
5.如权利要求4所述的井壁渗透率计算方法,其特征在于,所述特征参数包括:
特征灰度平均值、面积、周长、圆度、宽长比、粒径、主方向、对比度以及均匀性。
6.如权利要求4所述的井壁渗透率计算方法,其特征在于,所述地质特征类型包括:
低阻裂缝、溶孔、洞穴、泥质条带、泥质纹层、泥质厚层、诱导缝、缝合线、角砾以及高阻缝。
7.如权利要求1所述的井壁渗透率计算方法,其特征在于,根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值,包括:
根据所述电成像测井图像中每个像素点的渗透率,获得井壁渗透率图像;
对所述井壁渗透率图像进行逐深度窗统计,计算每个深度窗的渗透率,获得所述目标地层全井段的地层渗透率值。
8.如权利要求7所述的井壁渗透率计算方法,其特征在于,采用以下公式计算每个深度窗的渗透率:
式中,PERM是对应深度窗的渗透率;npixel是深度窗内像素点数;PERMi像素点的渗透率。
9.如权利要求1所述的井壁渗透率计算方法,其特征在于,采用阿尔奇公式计算所述电成像测井图像中每个像素点的孔隙度:
其中:φi是计算的电成像测井图像中像素点的孔隙度;a、b是阿尔奇公式中岩性系数;m是地层胶结指数;Rmf是泥浆滤液电阻率;Ci是电成像测井图像中像素点的电导率值。
10.一种井壁渗透率计算装置,其特征在于,所述装置包括:
获取单元,用于获取目标地层的电成像测井图像及测井数据;
像素点孔隙度计算单元,用于根据所述测井数据,计算所述电成像测井图像中每个像素点的孔隙度;
像素点渗透率计算单元,用于根据所述电成像测井图像中每个像素点的孔隙度,计算所述电成像测井图像中每个像素点的渗透率;
地层渗透率获取单元,用于根据所述电成像测井图像中每个像素点的渗透率,获得所述目标地层全井段的地层渗透率值。
11.如权利要求10所述的井壁渗透率计算装置,其特征在于,所述装置还包括:
像素点地质特征类型获取单元,用于利用图像分析技术,识别所述电成像测井图像中各图像特征单元对应的地质特征类型,并据此获得所述电成像测井图像中每个像素点的地质特征类型;
像素点渗透性有效系数获取单元,用于根据所述电成像测井图像中每个像素点的地质特征类型,获取所述电成像测井图像中每个像素点的渗透性有效系数;
对应的,所述像素点渗透率计算单元用于根据所述电成像测井图像中每个像素点的孔隙度以及渗透性有效系数,计算所述电成像测井图像中每个像素点的渗透率。
12.如权利要求11所述的井壁渗透率计算装置,其特征在于,所述像素点渗透率计算单元采用以下公式计算所述电成像测井图像中每个像素点的渗透率:
式中,PERMi表示电成像测井图像中像素点的渗透率;φi表示像素点的孔隙度;ka是孔隙度指数;kb是渗透率常数;kei是像素点所属的地质特征的渗透性有效系数。
13.如权利要求11所述的井壁渗透率计算装置,其特征在于,所述像素点地质特征类型获取单元包括:
图像分割子单元,用于利用图像分割方法将所述电成像测井图像分割为三种类型的图像特征单元,所述三种类型的图像特征单元为高阻图像特征单元、过渡图像特征单元以及高导图像特征单元;
特征参数计算子单元,用于定量计算所述图像特征单元的特征参数;
地质特征类型获取子单元,用于将所述图像特征单元的特征参数与预设的地质特征类型的特征参数进行对比,获得所述图像特征单元对应的地质特征类型。
14.如权利要求13所述的井壁渗透率计算装置,其特征在于,所述特征参数包括:
特征灰度平均值、面积、周长、圆度、宽长比、粒径、主方向、对比度以及均匀性。
15.如权利要求13所述的井壁渗透率计算装置,其特征在于,所述地质特征类型包括:
低阻裂缝、溶孔、洞穴、泥质条带、泥质纹层、泥质厚层、诱导缝、缝合线、角砾以及高阻缝。
16.如权利要求10所述的井壁渗透率计算装置,其特征在于,所述地层渗透率获取单元包括:
井壁渗透率图像获取子单元,用于根据所述电成像测井图像中像素点的渗透率,获得井壁渗透率图像;
深度窗渗透率计算子单元,用于对所述井壁渗透率图像进行逐深度窗统计,计算每个深度窗的渗透率,获得所述目标地层全井段的地层渗透率值。
17.如权利要求16所述的井壁渗透率计算装置,其特征在于,所述深度窗渗透率计算子单元采用以下公式计算每个深度窗的渗透率:
式中,PERM是对应深度窗的渗透率;npixel是深度窗内像素点数;PERMi像素点的渗透率。
18.如权利要求10所述的井壁渗透率计算装置,其特征在于,所述像素点孔隙度计算单元采用阿尔奇公式计算所述电成像测井图像中像素点的孔隙度:
其中:φi是计算的电成像测井图像中像素点的孔隙度;a、b是阿尔奇公式中岩性系数;m是地层胶结指数;Rmf是泥浆滤液电阻率;Ci是电成像测井图像中像素点的电导率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610656567.3A CN106323836B (zh) | 2016-08-11 | 2016-08-11 | 一种井壁渗透率计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610656567.3A CN106323836B (zh) | 2016-08-11 | 2016-08-11 | 一种井壁渗透率计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106323836A true CN106323836A (zh) | 2017-01-11 |
CN106323836B CN106323836B (zh) | 2019-01-18 |
Family
ID=57739713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610656567.3A Active CN106323836B (zh) | 2016-08-11 | 2016-08-11 | 一种井壁渗透率计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106323836B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679358A (zh) * | 2017-08-15 | 2018-02-09 | 中国石油天然气股份有限公司 | 一种确定储层渗透率的方法及装置 |
CN109281661A (zh) * | 2017-07-19 | 2019-01-29 | 中国石油化工股份有限公司 | 一种双侧向测井定量评价方法及装置 |
CN109389128A (zh) * | 2018-08-24 | 2019-02-26 | 中国石油天然气股份有限公司 | 电成像测井图像特征自动提取方法及装置 |
CN109900617A (zh) * | 2019-03-21 | 2019-06-18 | 西南石油大学 | 一种基于声电成像测井图的裂缝性地层渗透率曲线计算方法 |
CN110439547A (zh) * | 2019-08-15 | 2019-11-12 | 中国海洋石油集团有限公司 | 储集层微电阻成像生成孔隙度谱的方法 |
CN110837132A (zh) * | 2018-08-15 | 2020-02-25 | 中国石油化工股份有限公司 | 碳酸盐岩测井渗透率预测方法 |
CN111101923A (zh) * | 2018-10-26 | 2020-05-05 | 中国石油天然气股份有限公司 | 一种计算裂缝层流指数的方法、装置及存储介质 |
CN111502627A (zh) * | 2020-04-20 | 2020-08-07 | 华美孚泰油气增产技术服务有限责任公司 | 一种水力压裂t型裂缝实验装置及其实验方法 |
CN112051200A (zh) * | 2020-08-26 | 2020-12-08 | 中国石油大学(北京) | 一种致密砂岩储层孔隙结构的定量评价方法和装置 |
CN113807359A (zh) * | 2020-06-17 | 2021-12-17 | 中国石油化工股份有限公司 | 井间连通路径智能识别方法及电子设备 |
CN113805246A (zh) * | 2020-06-15 | 2021-12-17 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层连通性评价图版及其生成方法和应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120179379A1 (en) * | 2011-01-10 | 2012-07-12 | Saudi Arabian Oil Company | Flow Profile Modeling for Wells |
WO2014068581A2 (en) * | 2007-10-08 | 2014-05-08 | Halliburton Offshore Services, Inc | A nano-robots system and methods for well logging and borehole measurements |
CN104712330A (zh) * | 2015-01-30 | 2015-06-17 | 中国地质大学(武汉) | 一种测井渗透率解释方法 |
CN104912547A (zh) * | 2014-03-11 | 2015-09-16 | 中国石油化工集团公司 | 应用电阻率成像测井资料连续定量评价储层非均质特征的方法 |
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 |
-
2016
- 2016-08-11 CN CN201610656567.3A patent/CN106323836B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014068581A2 (en) * | 2007-10-08 | 2014-05-08 | Halliburton Offshore Services, Inc | A nano-robots system and methods for well logging and borehole measurements |
US20120179379A1 (en) * | 2011-01-10 | 2012-07-12 | Saudi Arabian Oil Company | Flow Profile Modeling for Wells |
CN104912547A (zh) * | 2014-03-11 | 2015-09-16 | 中国石油化工集团公司 | 应用电阻率成像测井资料连续定量评价储层非均质特征的方法 |
CN104712330A (zh) * | 2015-01-30 | 2015-06-17 | 中国地质大学(武汉) | 一种测井渗透率解释方法 |
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 |
Non-Patent Citations (4)
Title |
---|
F. YANAGAWA ET AL.: "Involvement of fractal geometry on solute permeation through porous poly(2-hydroxyethyl methacrylate) membranes", 《JOURNAL OF CONTROLLED RELEASE》 * |
IRWAN HIDAJAT ET AL.: "Permeability of Porous Media from Simulated NMR Response", 《TRANSPORT IN POROUS MEDIA》 * |
李宁 等: "复杂碳酸盐岩储层测井评价:中国的创新与发展", 《测井技术》 * |
梅小元: "成像测井在储层非均质性参数评价中的运用", 《石化技术》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109281661A (zh) * | 2017-07-19 | 2019-01-29 | 中国石油化工股份有限公司 | 一种双侧向测井定量评价方法及装置 |
CN107679358B (zh) * | 2017-08-15 | 2020-06-09 | 中国石油天然气股份有限公司 | 一种确定储层渗透率的方法及装置 |
CN107679358A (zh) * | 2017-08-15 | 2018-02-09 | 中国石油天然气股份有限公司 | 一种确定储层渗透率的方法及装置 |
US11086034B2 (en) | 2017-08-15 | 2021-08-10 | Petrochina Company Limited | Method and apparatus for determining permeability of reservoir |
CN110837132B (zh) * | 2018-08-15 | 2022-03-08 | 中国石油化工股份有限公司 | 碳酸盐岩测井渗透率预测方法 |
CN110837132A (zh) * | 2018-08-15 | 2020-02-25 | 中国石油化工股份有限公司 | 碳酸盐岩测井渗透率预测方法 |
CN109389128A (zh) * | 2018-08-24 | 2019-02-26 | 中国石油天然气股份有限公司 | 电成像测井图像特征自动提取方法及装置 |
US11010629B2 (en) | 2018-08-24 | 2021-05-18 | Petrochina Company Limited | Method for automatically extracting image features of electrical imaging well logging, computer equipment and non-transitory computer readable medium |
CN111101923A (zh) * | 2018-10-26 | 2020-05-05 | 中国石油天然气股份有限公司 | 一种计算裂缝层流指数的方法、装置及存储介质 |
CN109900617A (zh) * | 2019-03-21 | 2019-06-18 | 西南石油大学 | 一种基于声电成像测井图的裂缝性地层渗透率曲线计算方法 |
CN109900617B (zh) * | 2019-03-21 | 2022-06-07 | 西南石油大学 | 一种基于声电成像测井图的裂缝性地层渗透率曲线计算方法 |
CN110439547A (zh) * | 2019-08-15 | 2019-11-12 | 中国海洋石油集团有限公司 | 储集层微电阻成像生成孔隙度谱的方法 |
CN111502627A (zh) * | 2020-04-20 | 2020-08-07 | 华美孚泰油气增产技术服务有限责任公司 | 一种水力压裂t型裂缝实验装置及其实验方法 |
CN113805246A (zh) * | 2020-06-15 | 2021-12-17 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层连通性评价图版及其生成方法和应用 |
CN113805246B (zh) * | 2020-06-15 | 2023-09-26 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层连通性评价图版及其生成方法和应用 |
CN113807359A (zh) * | 2020-06-17 | 2021-12-17 | 中国石油化工股份有限公司 | 井间连通路径智能识别方法及电子设备 |
CN113807359B (zh) * | 2020-06-17 | 2024-05-10 | 中国石油化工股份有限公司 | 井间连通路径智能识别方法及电子设备 |
CN112051200B (zh) * | 2020-08-26 | 2022-02-15 | 中国石油大学(北京) | 一种致密砂岩储层孔隙结构的定量评价方法和装置 |
CN112051200A (zh) * | 2020-08-26 | 2020-12-08 | 中国石油大学(北京) | 一种致密砂岩储层孔隙结构的定量评价方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106323836B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323836A (zh) | 一种井壁渗透率计算方法及装置 | |
EP3077619B1 (en) | Digital core model construction | |
US7363164B2 (en) | Method of evaluating fluid saturation characteristics in a geological formation | |
US8364404B2 (en) | System and method for displaying data associated with subsurface reservoirs | |
US7532983B2 (en) | Method and apparatus for measuring the wettability of geological formations | |
CN106468172A (zh) | 一种超低渗砂岩油藏低阻储层测井解释方法 | |
US9977996B2 (en) | Characterizing porosity distribution from a borehole image | |
CN107784159B (zh) | 一种储层电阻率各向异性系数的确定方法 | |
JP2013542412A (ja) | シェール・ガス貯留層内のスイート・ゾーン識別のためのシステム及び方法 | |
MX2014012042A (es) | Evaluacion volumetrica de una formacion usando datos diferenciales normalizados. | |
Zhang | MPS-driven digital rock modeling and upscaling | |
CN107861162B (zh) | 基于微电极测井资料的天然裂缝识别方法及系统 | |
CN106777649B (zh) | 一种裂缝型储集层孔隙结构定量评价方法 | |
AU2014290779B2 (en) | System and method for estimating porosity distribution in subterranean reservoirs | |
US20170363531A1 (en) | System and method for estimating porosity distribution in subterranean reservoirs | |
CN113775326A (zh) | 可动水饱和度的评价方法、装置、电子设备及介质 | |
Noufal et al. | New Borehole Image Log Based Technique for Pore System Characterization Predicts Productive Intervals in a Tight Carbonate Reservoir in Abu Dhabi | |
CN108222924A (zh) | 储层流体识别方法 | |
Li et al. | Evaluation of irreducible water saturation by electrical imaging logging based on capillary pressure approximation theory | |
CN104879126A (zh) | 一种基于阵列感应测井的碎屑岩储层流体识别方法 | |
CN113806903A (zh) | 裂缝参数评价方法、装置、电子设备及介质 | |
CN105986814B (zh) | 一种获取裂缝愈合指数的方法 | |
Manchuk et al. | Advances in micromodeling using resistivity borehole images | |
Bagheri et al. | Reducing the risk of CO2 storage projects through cost effective reservoir characterisation: application of digital core analysis to a CO2 injection reservoir | |
Aldred et al. | 3D Petrophysical Modelling to Resolve Complex Reservoir Interpretation Problems: A Case Study from South East Asia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |