CN106353820A - 一种基于知识模型的测井解释方法 - Google Patents
一种基于知识模型的测井解释方法 Download PDFInfo
- Publication number
- CN106353820A CN106353820A CN201510422784.1A CN201510422784A CN106353820A CN 106353820 A CN106353820 A CN 106353820A CN 201510422784 A CN201510422784 A CN 201510422784A CN 106353820 A CN106353820 A CN 106353820A
- Authority
- CN
- China
- Prior art keywords
- log
- well
- interpretation
- model
- well logging
- 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.)
- Pending
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于知识模型的测井解释方法,包括:(1)对测井资料进行校正及质量控制;(2)建立测井解释知识模型;(3)建立计算机可识别的判别规则进行分析推理;(4)利用测井解释知识模型和与其相对应的判别规则,以测井曲线为基础进行处理解释;(5)重复第(1)-(4)步,得到最终的解释储层参数和评价结论。该方法利用岩心分析数据和测试分析数据等资料,确定区域的地质-物理模型;同时根据现场测井解释专家的分析判别法则,按照测井解释的流程和技术要求,建立一套能表达测井资料解释的知识模型和逻辑推理规则,完成测井解释过程。该方法流程及参数设置简单,运算速度快,适合应用于测井资料处理与解释。
Description
技术领域
本发明属于油气勘探测井资料处理解释方法领域,是一种测井资料处理解释的有效方法。
现有技术
目前,测井资料处理解释方法主要是基于常规的测井资料的测井解释方法。包括:单孔隙度分析(POR)、判别分析(PORP)、新砂岩分析(SAND)等。
单孔隙度分析(POR)是用一种孔隙度测井资料(密度DEN、声波AC、中子CNL三者之一),加上其它有关测井资料对泥质砂岩的分析处理。判别分析(PORP)与单孔隙度分析(POR)基本相同,主要区别是它能自动提取信息对油水层进行判别分析。而新砂岩分析(SAND)除了能计算孔隙度(POR)、泥质含量(SH)、含水饱和度(SW)、渗透率(PERM)、油气体积和油气重量的功能外,也提供了泥质砂岩油气层求孔隙度和粘土含量的方法。它们的特点主要是要求输入的测井资料项目少,在地质条件不太复杂和油田开发程度比较低时,可获得一定的测井资料解释结果。当油田开发到中后期以至于水淹时,评价结果可信度比较低。
以上方法具有各自的优劣,在油田开发程度比较高,地质条件相对比较复杂,油田进入开发后期和相继进入高含水或特高含水期测井资料质量比较差的情形下,利用常规的测井分析程序很难准确获得储集层的油、气、水的判别结论。
发明内容。
本发明目的是针对地质条件比较复杂、油田进入开发后期及相继进入高含水或特高含水期测井资料质量比较差的特点,融合上述常规测井方法的优势,研究形成了一套判别储集层油、气、水的测井解释的方法,即一种基于知识模型的测井解释方法。
本发明具体技术方案:
一种基于知识模型的测井解释方法,包括:
(1)对测井资料进行校正及质量控制,主要包括测井资料的环境校正以及对目标区域测井资料进行归一化;
(2)建立测井解释知识模型,根据油田地质条件和区域地质的特殊性以及不同油田、不同层系的测井综合评价方法和判别标准,建立区域地质评价参数数据库和储层判别模型;利用知识模型划分储集层、评价油水过渡带、分析油干界限层;
(3)以(2)中建立的测井解释知识模型为基础,将测井解释专家的解释经验及解释思路,按照测井解释的流程将这些知识和经验充分表达出来,建立计算机可识别的判别规则进行分析推理,自动判别油、气、水,并最终给定解释结论的可信度;
(4)利用测井解释知识模型和与其相对应的判别规则,以测井曲线为基础进行处理解释,计算孔、渗、饱储层参数,给出目标层的储层参数和评价结论;
(5)重复第(1)-(4)步,得到最终的解释储层参数和评价结论。
上述方案还包括:
步骤(2)中建立测井解释计算模型的方法是:利用反证法,首先划分出非储集层和储集层,然后进入储集层的流体性质评价,区分出明显的油、气、水层和水淹层;当上述各种产层的含流体性质不能确定时,则进入油水过渡带评价,确定出具有一定产油能力的油水同层或具有某种水淹特征显示的水淹层;当储集层的物性比较差时,则进入油干界限层分析;
步骤(3)中建立计算机可识别的判别规则的方法是在规则的逻辑推理中运用三值逻辑;
步骤(4)所述测井曲线包括伽马、井经、自然电位测井曲线。
所述步骤(1)对测井资料进行必要的校正及质量控制,主要包括用R-logging、geolog测井分析软件对三孔隙度测井资料进行用井经曲线、泥质含量、钻头直径约束的井眼垮塌校正、声波时差校正以及密度曲线校正的环境校正,以及利用直方图分析法、交汇图分析法、三孔隙度与深度交汇分析和趋势面分析的方法等对目标区域测井资料进行标准化,得到更能反映地层实际的测井曲线;其中三孔隙度为声波、中子和密度;
上述方案进一步包括:
所述步骤(2)是利用(1)中的方法获得目标地区经过测井标准化后的测井数据,利用R-logging或geolog测井分析软件,采用数学统计和线性回归或对数回归的方法,建立目标区的孔隙度、渗透率、含水饱和度、粒度中值的计算模型:
e)孔隙度(POR)计算模型
f)渗透率(PERM)计算模型
Log(PERM)=-0.450967*log(e)+3.599382*logPOR+2.403823*LogMD
g)含水饱和度(SW)计算模型
h)粒度中值(MD)计算模型
当SH≥0.4时:
logMD=(1.90504-0.0221165*SH)*Log(e)
SH<0.4时:
LogMD=-0.934133*Log(e)-0.50078*LogSH
所述步骤(3)建立计算机可识别的判别规则包括:
e)由孔隙度(POR)计算模型建立的计算机判别规则
利用函数计算孔隙度,原型为孔隙度计算模型;
f)由渗透率(PERM)计算模型建立的计算机判别规则
利用函数计算渗透率,原型是渗透率计算模型,
PERM=-0.450967*log(e)+3.599382*logPOR+2.403823*LogMD;
g)由含水饱和度(SW)计算模型建立的计算机判别规则
利用函数计算含水饱和度,原型是计算含水饱和度的Archie公式Sw=(AS*BC*RWS/(POR**XM*RTS))**(1./XN);
h)由粒度中值(MD)计算模型建立的计算机判别规则
利用函数计算粒度中值,原型是粒度中值计算模型,MD==-0.934133*Log(e)-0.50078*LogSH;
上述式中:AC-声波测井曲线值,SH-泥质含量,CP-压实校正系数,TSH-泥质声波时差值,TF-流体声波时差值,TM-岩石骨架声波时差值,POR-孔隙度,MD-粒度中值,A和XM–F-φ关系式中系数和指数,XN-阿尔奇公式的饱和指数,RT-电阻率曲线,SH-泥质含量,e-自然常数,Log-对数函数。
更进一步:
自然常数e=2.718281828459;A和XM–F-φ关系式中系数和指数的A=1、XM=1.87+0.019/POR;XN-阿尔奇公式的饱和指数取2。
发明效果
该方法按照测井解释专家的解释思路和他们对目标区域的解释经验,针对特定区域研究形成一套判别储集层油、气、水的测井解释的知识模型和判别规则,用于测井资料解释,可以提高解释结论的可信度和解释结论的精度。
采用基于知识模型的测井解释方法能够较好地提高解释结论的可信度和解释结论的精度,该方法有着其他技术不具备的优势,其具体优势和特点表现在以下几个方面:
第一、技术效果的可靠性。该方法融合常规测井评价方法的优势,形成了一套判别储集层油、气、水的测井解释的方法,提高解释结论的可信度和解释结论的精度,得到的结果效果明显。
第二、操作简单易实现。该方法流程及参数设置简单,运算速度快,适合应用于测井资料处理与解释。
附图说明
图1是基于知识模型的测井解释处理工作流程;
图2是按照测井解释专家解释经验和解释思路建立的知识模型;
图3是实现知识模型的判别规则(部分);
图4是加权计权函数评价方法示意图;
图5测井资料评价结果图。
具体实施方式
下面结合附图对本发明作进一步说明。
本实施例对XX油田XX区块测井资料为目标区进行了应用,用该方法对xx井测井资料进行了处理,以验证本方法的效果,具体工作流程见图1。
1)依据步骤1,利用R-logging、geolog等测井分析软件的环境校正、交汇图分析、直方图分析以及等值线分析等功能对测井资料进行进行归一化处理,获得高质量的测井资料。
2)依据步骤2,根据油田地质条件和区域地质的特殊性以及不同油田、不同层系的测井综合评价方法和判别标准,建立区域地质评价计算模型(图2)。例如某油田判别储集层的标准为:孔隙度≥18%、声波时差为280us/m、渗透率≥8.9×10-3μm2、感应电阻率≥4.3Ω·m;四米梯度电阻率≥7.0Ω·m。在技术方案步骤2中列举了用于某区块计算孔隙度、渗透率、饱和度以及粒度中值等参数的计算模型。
3)依据步骤3,以步骤2)建立的测井解释计算模型为基础,将测井解释专家的解释经验及解释思路,按照测井解释的流程将这些知识和经验充分表达出来,建立计算机可识别的判别规则,判别油、气、水。图3给出了计算粒度中值的计算机判别规则实例(图中各个符号的定义和说明详见技术方案步骤(3)中的备注部分).
4)依据步骤4,利用测井解释知识模型和与其相对应的判别规则,以三孔隙度(声波、密度、中子)以及伽马、井经、自然电位等测井曲线为基础进行处理解释,计算孔隙度、渗透率及饱和度等储层参数,给出目标层的储层参数和评价结论(图4);
5)依据步骤5,重复第(1)-(4)步,即可得到最终的解释储层参数和评价结论。
上述实施例的进一步细化方案包括:
(1)对测井资料进行必要的校正及质量控制,主要包括用R-logging、geolog等测井分析软件对三孔隙度(声波、中子和密度)测井资料进行如用井经曲线、泥质含量、钻头直径约束的井眼垮塌校正、声波时差校正以及密度曲线校正等的环境校正以及利用直方图分析法、交汇图分析法、三孔隙度与深度交汇分析以及趋势面分析的方法等对目标区域测井资料进行标准化,得到更能反映地层实际的测井曲线;
(2)利用(1)中的方法获得目标地区经过测井标准化后的测井数据,利用R-logging测井分析软件,采用数学统计和回归(线性回归或对数回归)的方法,建立目标区的孔隙度、渗透率、含水(油)饱和度、粒度中值等计算模型(图2);
某区块的计算模型(部分):
a)孔隙度(POR)计算模型:
式中:AC-声波测井曲线值;
SH-泥质含量;
CP-压实校正系数;
TSH-泥质声波时差值;
TF-流体声波时差值;
TM-岩石骨架声波时差值。
b)渗透率(Perm)计算模型:
Log(PERM)=-0.450967*log(e)+3.599382*logPOR+2.403823*LogMD
式中:e-自然常数,通常取e=2.718281828459;
POR-孔隙度;
MD-粒度中值。
c)含水饱和度(Sw)计算模型:
式中:A和XM–F-φ关系式中系数和指数(A=1、XM=1.87+0.019/POR计算);
XN-阿尔奇公式的饱和指数(通常取2);
RT-电阻率曲线;
POR-孔隙度。
d)粒度中值(MD)计算模型:
当sh≥0.4时:
logMD=(1.90504-0.0221165*SH)*Log(e)
sh<0.4时:
LogMD=-0.934133*Log(e)-0.50078*LogSH
式中:e-自然常数,通常取e=2.718281828459;
SH-泥质含量
(3)以(2)中建立的测井解释(计算)模型为基础,建立计算机可识别的判别规则进行分析推理,判别油、气、水,并最终给定解释结论。(图3给出了利用经验关系计算粒度中值的计算机判别规则实例,式中变量详见本部分备注);
某区块由计算模型(参照步骤2)建立的计算机判别规则(部分):
a)由孔隙度(POR)计算模型建立的计算机判别规则:
利用函数计算孔隙度,原型为孔隙度计算模型。
以声波计算孔隙度为例,
POR=(AC-TM)/((TF-TM)*CP)-SH*(TSH-TM)/(TF-TM)。
b)由渗透率(PERM)计算模型建立的计算机判别规则:
利用函数计算渗透率,原型是渗透率计算模型
PERM=-0.450967*log(e)+3.599382*logPOR+2.403823*LogMD。
c)由含水饱和度(SW)计算模型建立的计算机判别规则:
利用函数计算含水饱和度,原型是计算含水饱和度的Archie公式Sw=(AS*BC*RWS/(POR**XM*RTS))**(1./XN)。式中变量详见(2)中的说明。
d)由粒度中值(MD)计算模型建立的计算机判别规则:
利用函数计算粒度中值,原型是粒度中值计算模型MD==-0.934133*Log(e)-0.50078*LogSH。
备注:
A.常规运算函数
PLUS(加法函数)、SUB(减法函数)、MUL(乘法函数)、DIV(除法函数)、LOG(对数函数)等;
B.逻辑运算函数
LE(小于等于)、GE(大于等于)、SELECT(选择函数)、SWITCH(开关函数)、SATMN(分段取值函数)等;
(4)利用(2)中建立的测井解释模型和(3)中建立的相对应计算机自动判别规则,以三孔隙度(声波、密度、中子)以及伽马、井经、自然电位等测井曲线为基础,计算孔、渗、饱等储层参数,给出目标层评价结论;
(5)重复第(1)-(4)步,即可得到最终的解释储层参数和评价结论(图4)。
在上述方案基础上,步骤(3)中建立计算机可识别的判别规则的方法是在规则的逻辑推理中运用了三值逻辑,包括,
利用它的功能相当多条产生式规则:
只要有一个条件成立,就可以得出结论;
利用函数
和阿尔奇公式
HOR是类似于OR的启发函数,但其变元的求值次序不一定从开头开始,而是根据前一个采样点的结论决定这一个点的求值起始变元。
SWITCH是开关函数。它严格按照所规定的求值规律来改变推理路线和计算结点值。当:
SWITCH(3,T,5)=T
SWITCH(F,3,5)=5
SWITCH(X,3,T)=X
其中:T-逻辑值“真”F-逻辑值“伪”X-逻辑值“未知”。它可以用于某种联想,也可用于模型开关等等。
对于综合评价结论则是通过加权计权函数将各种评价方法综合起来,给出综合评价结论及相应的可信度。参见图4,以声波计算孔隙度为例
POR=(AC-TM)/((TF-TM)*CP)-SH*(TSH-TM)/(TF-TM)。
为了检验该方法的有效性,我们利用基于该知识模型的测井解释方法对xx油田xx井的测井资料进行实际处理,用来检验该方法的准确性。图2是利用地区专家经验和解释思路建立的知识模型;图3是实现这种知识模型的计算机实现的判别规则(部分);图5是目标井实际测井资料评价图,从图中可以看出,利用这种知识模型计算的孔隙度(POR)、渗透率(PERM)和饱和度(SW)数据,能较准确的得到测井资料评价结果。
Claims (4)
1.一种基于知识模型的测井解释方法,其特征在于:
(1)对测井资料进行校正及质量控制,主要包括测井资料的环境校正以及对目标区域测井资料进行归一化;
(2)建立测井解释知识模型,根据油田地质条件和区域地质的特殊性以及不同油田、不同层系的测井综合评价方法和判别标准,建立区域地质评价参数数据库和储层判别模型;利用知识模型划分储集层、评价油水过渡带、分析油干界限层;
(3)以(2)中建立的测井解释知识模型为基础,将测井解释专家的解释经验及解释思路,按照测井解释的流程将这些知识和经验充分表达出来,建立计算机可识别的判别规则进行分析推理,自动判别油、气、水,并最终给定解释结论的可信度;
(4)利用测井解释知识模型和与其相对应的判别规则,以测井曲线为基础进行处理解释,计算孔、渗、饱储层参数,给出目标层的储层参数和评价结论;
(5)重复第(1)-(4)步,得到最终的解释储层参数和评价结论。
2.根据权利要求1所述的基于知识模型的测井解释方法,其特征在于:
步骤(2)中建立测井解释计算模型的方法是:利用反证法,首先划分出非储集层和储集层,然后进入储集层的流体性质评价,区分出明显的油、气、水层和水淹层;当上述各种产层的含流体性质不能确定时,则进入油水过渡带评价,确定出具有一定产油能力的油水同层或具有某种水淹特征显示的水淹层;当储集层的物性比较差时,则进入油干界限层分析;
步骤(3)中建立计算机可识别的判别规则的方法是在规则的逻辑推理中运用三值逻辑;
步骤(4)所述测井曲线包括伽马、井经、自然电位测井曲线。
所述步骤(1)对测井资料进行必要的校正及质量控制,主要包括用R-logging、geolog测井分析软件对三孔隙度测井资料进行用井经曲线、泥质含量、钻头直径约束的井眼垮塌校正、声波时差校正以及密度曲线校正的环境校正,以及利用直方图分析法、交汇图分析法、三孔隙度与深度交汇分析和趋势面分析的方法等对目标区域测井资料进行标准化,得到更能反映地层实际的测井曲线;其中三孔隙度为声波、中子和密度。
3.根据权利要求1或2所述的基于知识模型的测井解释方法,其特征在于:
所述步骤(2)是利用(1)中的方法获得目标地区经过测井标准化后的测井数据,利用R-logging测井分析软件,采用数学统计和线性回归或对数回归 的方法,建立目标区的孔隙度、渗透率、含水饱和度、粒度中值的计算模型:
a)孔隙度(POR)计算模型
b)渗透率(PERM)计算模型
Log(PERM)=-0.450967*log(e)+3.599382*logPOR+2.403823*LogMD
c)含水饱和度(SW)计算模型
d)粒度中值(MD)计算模型
当SH≥0.4时:
logMD=(1.90504-0.0221165*SH)*Log(e)
SH<0.4时:
LogMD=-0.934133*Log(e)-0.50078*LogSH
所述步骤(3)建立计算机可识别的判别规则包括:
a)由孔隙度(POR)计算模型建立的计算机判别规则
利用函数计算孔隙度,原型为孔隙度计算模型;
b)由渗透率(PERM)计算模型建立的计算机判别规则
利用函数计算渗透率,原型是渗透率计算模型,
PERM=-0.450967*log(e)+3.599382*logPOR+2.403823*LogMD;
c)由含水饱和度(SW)计算模型建立的计算机判别规则
利用函数计算含水饱和度,原型是计算含水饱和度的Archie公式Sw=(AS*BC*RWS/(POR**XM*RTS))**(1./XN);
d)由粒度中值(MD)计算模型建立的计算机判别规则
利用函数计算粒度中值,原型是粒度中值计算模型,MD==-0.934133*Log(e)-0.50078*LogSH;
上述式中:AC-声波测井曲线值,SH-泥质含量,CP-压实校正系数,TSH-泥质声波时差值,TF-流体声波时差值,TM-岩石骨架声波时差值,POR-孔隙度,MD-粒度中值,A和XM–F-φ关系式中系数和指数,XN-阿尔奇公式的饱和指数,RT-电阻率曲线,SH-泥质含量,e-自然常数,Log-对数函数。
4.根据权利要求3所述的基于知识模型的测井解释方法,其特征在于:
自然常数e=2.718281828459;A和XM–F-φ关系式中系数和指数的A=1、XM=1.87+0.019/POR;XN-阿尔奇公式的饱和指数取2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510422784.1A CN106353820A (zh) | 2015-07-17 | 2015-07-17 | 一种基于知识模型的测井解释方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510422784.1A CN106353820A (zh) | 2015-07-17 | 2015-07-17 | 一种基于知识模型的测井解释方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106353820A true CN106353820A (zh) | 2017-01-25 |
Family
ID=57842360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510422784.1A Pending CN106353820A (zh) | 2015-07-17 | 2015-07-17 | 一种基于知识模型的测井解释方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106353820A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590550A (zh) * | 2017-07-26 | 2018-01-16 | 长江大学 | 有关超低渗透储层油田产能评价及预测的方法 |
CN109632597A (zh) * | 2018-11-06 | 2019-04-16 | 广州海洋地质调查局 | 一种水合物与游离气存在状态的显示方法及处理终端 |
CN110284873A (zh) * | 2019-06-27 | 2019-09-27 | 中国石油集团东方地球物理勘探有限责任公司 | 一种油井储集性质的检测方法及检测装置 |
CN111472751A (zh) * | 2019-12-27 | 2020-07-31 | 北京国双科技有限公司 | 测井解释方法、知识图谱构建方法及相关装置 |
CN111472763A (zh) * | 2019-12-30 | 2020-07-31 | 北京国双科技有限公司 | 地层厚度预测方法及装置 |
CN111694855A (zh) * | 2020-06-11 | 2020-09-22 | 中国石油大学(北京) | 储层敏感性智能预测数据处理方法及装置 |
CN111694856A (zh) * | 2020-06-11 | 2020-09-22 | 中国石油大学(北京) | 储层敏感性智能预测方法及装置 |
CN113643145A (zh) * | 2021-08-17 | 2021-11-12 | 中国石油化工股份有限公司 | 一种页岩气储层水平井多层级控制构造建模 |
CN115755610A (zh) * | 2022-11-21 | 2023-03-07 | 西安石油大学 | 注水吞吐开发数值模拟系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104500049A (zh) * | 2014-10-20 | 2015-04-08 | 成都创源油气技术开发有限公司 | 页岩气地球物理快速评价方法 |
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 |
-
2015
- 2015-07-17 CN CN201510422784.1A patent/CN106353820A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104500049A (zh) * | 2014-10-20 | 2015-04-08 | 成都创源油气技术开发有限公司 | 页岩气地球物理快速评价方法 |
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 |
Non-Patent Citations (6)
Title |
---|
CASPER OLSEN ET AL.: "Prediction of Archie’s cementation factor from porosity and permeability through specific surface", 《GEOPHYSICS》 * |
刘延梅: "中深层天然气储层"四性"关系研究及解释标准建立", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
吴伟等: "《胜坨油田勘探开发50年实践与认识丛书(卷二) 油藏地质》", 31 December 2013, 北京:石油工业出版社 * |
李长文等: "《LEAD测井综合应用平台》", 30 April 2011, 北京:石油工业出版社 * |
林承焰等: "乐安油田草4块Es4稠油油藏测井解释模型研究", 《西南石油大学学报 (自然科学版)》 * |
许风光等: "平湖油气田低渗透储层测井评价研究", 《海洋石油》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590550A (zh) * | 2017-07-26 | 2018-01-16 | 长江大学 | 有关超低渗透储层油田产能评价及预测的方法 |
CN109632597A (zh) * | 2018-11-06 | 2019-04-16 | 广州海洋地质调查局 | 一种水合物与游离气存在状态的显示方法及处理终端 |
CN109632597B (zh) * | 2018-11-06 | 2019-08-16 | 广州海洋地质调查局 | 一种水合物与游离气存在状态的显示方法及处理终端 |
CN110284873A (zh) * | 2019-06-27 | 2019-09-27 | 中国石油集团东方地球物理勘探有限责任公司 | 一种油井储集性质的检测方法及检测装置 |
CN111472751A (zh) * | 2019-12-27 | 2020-07-31 | 北京国双科技有限公司 | 测井解释方法、知识图谱构建方法及相关装置 |
CN111472763A (zh) * | 2019-12-30 | 2020-07-31 | 北京国双科技有限公司 | 地层厚度预测方法及装置 |
CN111694855A (zh) * | 2020-06-11 | 2020-09-22 | 中国石油大学(北京) | 储层敏感性智能预测数据处理方法及装置 |
CN111694856A (zh) * | 2020-06-11 | 2020-09-22 | 中国石油大学(北京) | 储层敏感性智能预测方法及装置 |
CN111694856B (zh) * | 2020-06-11 | 2021-03-12 | 中国石油大学(北京) | 储层敏感性智能预测方法及装置 |
CN111694855B (zh) * | 2020-06-11 | 2021-03-16 | 中国石油大学(北京) | 储层敏感性智能预测数据处理方法及装置 |
CN113643145A (zh) * | 2021-08-17 | 2021-11-12 | 中国石油化工股份有限公司 | 一种页岩气储层水平井多层级控制构造建模 |
CN115755610A (zh) * | 2022-11-21 | 2023-03-07 | 西安石油大学 | 注水吞吐开发数值模拟系统 |
CN115755610B (zh) * | 2022-11-21 | 2023-09-01 | 西安石油大学 | 注水吞吐开发数值模拟系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106353820A (zh) | 一种基于知识模型的测井解释方法 | |
RU2669948C2 (ru) | Оптимизация многоступенчатого проекта нефтяного месторождения в условиях неопределенности | |
CN104747185B (zh) | 非均质油藏储层综合分类评价方法 | |
CN102041995B (zh) | 复杂油藏水淹状况监测系统 | |
CN106372402A (zh) | 一种大数据环境下模糊区域卷积神经网络的并行化方法 | |
CN106529667A (zh) | 一种大数据环境下基于模糊深度学习的测井相识别与分析方法 | |
CN109446735A (zh) | 一种模拟测井数据的生成方法、设备以及系统 | |
CN110060173A (zh) | 一种深部金矿床成矿找矿方法 | |
Sarkheil et al. | Fractures distribution modeling using fractal and multi-fractal–neural network analysis in Tabnak hydrocarbon field, Fars, Iran | |
CN112016212B (zh) | 一种基于渗流控制方程的储层纵向非均质性评价方法 | |
CN113033648A (zh) | 一种使用机器学习算法实现测井解释的方法 | |
CN106446514A (zh) | 一种基于模糊理论和神经网络的测井相识别方法 | |
KR101893800B1 (ko) | 암석 물리학상 구축을 통한 퇴적환경 해석 방법 | |
Suarez et al. | Fracturing-to-Production Simulation Approach for Completion Optimization in the Vaca Muerta Shale | |
CN111155980B (zh) | 一种水流优势通道识别方法及装置 | |
CN113393335A (zh) | 基于多地震属性优化的储层油气预测方法及装置 | |
CN115522912A (zh) | 基于大数据的电缆吸附卡风险定量评价方法、系统及介质 | |
CN108492014A (zh) | 一种确定地质资源量的数据处理方法及装置 | |
CN116930023A (zh) | 致密砂岩相控分类孔隙度测井精细解释方法和装置 | |
CN112347707B (zh) | 油藏流动非均质性的表征方法及装置 | |
CN113946931A (zh) | 一种测井遇阻遇卡的主导因素确定方法及装置 | |
CN106405638A (zh) | 一种含气饱和度确定方法和装置 | |
CN106227959B (zh) | 一种基于四图叠合法预测岩性油藏有利区的方法及装置 | |
CN117235628B (zh) | 一种基于混合贝叶斯深度网络测井曲线预测方法及系统 | |
CN112302638B (zh) | 一种油藏的流线场表征方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |
|
RJ01 | Rejection of invention patent application after publication |