CN106597544A - 致密油气藏脆性的预测方法及装置 - Google Patents
致密油气藏脆性的预测方法及装置 Download PDFInfo
- Publication number
- CN106597544A CN106597544A CN201611055165.4A CN201611055165A CN106597544A CN 106597544 A CN106597544 A CN 106597544A CN 201611055165 A CN201611055165 A CN 201611055165A CN 106597544 A CN106597544 A CN 106597544A
- Authority
- CN
- China
- Prior art keywords
- curve
- data volume
- velocity
- young
- shear wave
- 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
- 238000013277 forecasting method Methods 0.000 title abstract 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims abstract description 53
- 239000010453 quartz Substances 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 40
- 241001274660 Modulus Species 0.000 claims description 71
- 239000011435 rock Substances 0.000 claims description 40
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- 238000003786 synthesis reaction Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001143 conditioned effect Effects 0.000 claims description 6
- 238000010008 shearing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000013213 extrapolation Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 2
- 150000001875 compounds Chemical class 0.000 abstract 2
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 229910052500 inorganic mineral Inorganic materials 0.000 description 7
- 239000011707 mineral Substances 0.000 description 7
- 238000001615 p wave Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 239000004576 sand Substances 0.000 description 6
- 239000000470 constituent Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000004575 stone Substances 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 235000011158 Prunus mume Nutrition 0.000 description 1
- 244000018795 Prunus mume Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种致密油气藏脆性的预测方法及装置,该方法包括以下步骤:基于获取的测井曲线得到模型关系,利用模型关系再建立横波速度预测模型;基于横波速度预测模型预测得到横波速度曲线;根据横波速度曲线、密度曲线和纵波速度曲线计算弹性参数曲线;基于石英含量测井曲线和叠后地震数据体得到石英含量数据体;基于石英含量数据体得到脆性指数;基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波;基于时深曲线、密度曲线和弹性参数曲线建立初始模型,再得到不同角度的合成角度道集,通过合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体;基于石英含量数据体和杨氏模量的数据体得到脆性指数的数据体。
Description
技术领域
本发明涉及石油地球物理勘探技术领域,特别涉及一种致密油气藏脆性的预测方法及装置。
背景技术
近年来非常规油气资源的勘探开发备受国内外专家的关注,致密油气储层作为其重要组成部分,成为目前油气勘探热点和难点,致密油气是指赋存于渗透率极低的致密砂岩、致密碳酸盐岩等储层的油气,单井产量未能形成工业油气流,可在一定的开采措施下形成工业油流。该类储层具有渗透率低、孔隙结构复杂、矿物组分复杂、脆性特征明显等特点。其中,脆性特征是石油地质学家衡量有效致密储层的重要指标,因此,致密储层的脆性预测引起了广大研究者的追捧。目前,储层脆性特征预测的地球物理手段主要包括以下几个方面:
1)基于岩石物理测量和岩石物理建模的致密储层的脆性预测方法。实验测量的方法模拟地下的地质环境,在高温高压的条件下,通过测量与脆性指数密切的相关的岩石特征,如岩石的破碎特征、应力应变关系、岩石的矿物组分等,然后利用这些测量的岩石信息来计算岩石的脆性特征。Kahraman(2015)选取了不同沉积环境下火成岩和变质岩的24个不同的破碎岩石样本进行测量,筛选500g样本制作成大小为19.0-9.53mm的样本在110度的高温条件下加热48小时,在实验测量岩石的破碎指数,通过测量发现岩石的脆性指数和破碎指数存在一个简单的线性关系,从而可以实现岩石脆性特征的预测。Guo(2012)、Liu(2015)充分考虑岩石的矿物组分、孔隙度和孔隙构造,建立针对特殊类型的岩石物理模型,得到岩石的弹性特征与复杂成分和特殊微裂缝属性的关系,通过岩石物理量板来定量描述岩石的脆性特征。
2)以叠前地震资料为基础,结合测井资料和地质信息的叠前反演进行致密储层预测。近年来发展了基于叠前地震反演的致密储层的脆性预测,通过结合地质信息和测井资料,利用叠前地震反演估算纵、横波速度及密度,然后利用这些弹性参数计算储层的杨氏模量和泊松比实现储层的脆性预测。郭旭光(2015)提出了利用岩石力学实验测量的结果,建立以杨氏模量和泊松比为主要参数的脆性评价系统,在此基础上利用叠前同步反演获得纵、横波阻抗和密度,然后利用这些参数计算杨氏模量和泊松比,最后,结合脆性指数剖面和平面图实现致密油储层的储层预测和井位优选。Song(2015)认为随着储层深度的增加,岩石的力学性质由脆性逐渐向塑性变化,充分利用岩石脆性和塑性转换点的特征,通过叠后和叠前反演的技术进行脆性矿物和岩石组分的预测,最终可以为致密油气的勘探和开发提供参考。
虽然上述两种方法在致密油气储层发挥了重要作用,但是对于精细的致密储层的脆性预测具有明显的不足,主要存在以下几方面的缺点:未能综合考虑岩石的力学性质和矿物组分,不能建立正确的脆性指数与储层弹性参数之间的关系,不能定量地描述岩石特征;通过简单叠前反演获取的弹性参数计算的脆性指数,缺乏定量关系的指导,使得反演精度大大降低,预测误差会明显增大;针对特殊的致密储层,震岩石物理、储层地球物理特征、反射模式和AVO特征等方面存在研究基础薄弱,不能有效地指导致密油气的勘探。
发明内容
为了克服现有技术的上述缺陷,本发明实施例中提供了一种致密油气藏脆性的预测方法及装置,其能够提高反演的精度,提高致密油气藏脆性预测的精确性。
本发明实施例的具体技术方案是:
一种致密油气藏脆性的预测方法,包括以下步骤:
基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系再建立横波速度预测模型;
基于所述横波速度预测模型预测得到横波速度曲线;
根据所述横波速度曲线、所述密度曲线和所述纵波速度曲线计算弹性参数曲线;
基于石英含量测井曲线和叠后地震数据体得到石英含量数据体;
基于所述石英含量数据体得到脆性指数;
基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波;
基于所述时深曲线、所述密度曲线和所述弹性参数曲线建立初始模型,根据所述初始模型与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体;
基于所述石英含量数据体和所述杨氏模量的数据体得到脆性指数的数据体。
优选地,在所述基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线的步骤中具体包括:
基于叠前地震资料得到叠后地震资料;
基于所述叠后地震资料、纵波速度曲线、密度曲线得到时深曲线。
优选地,在所述基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系再建立横波速度预测模型的步骤中,具体为:对密度曲线、GR曲线、电阻率曲线进行环境校正和标准化处理,根据获取的测井曲线得到横波速度,构建所述横波速度和纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系建立横波速度预测模型。
优选地,在所述根据所述横波速度曲线、所述密度曲线和所述纵波速度曲线计算弹性参数曲线的步骤中,弹性参数曲线中至少包括拉梅常数、剪切模量、体积模量、杨氏模量和泊松比其中之一。
优选地,在所述基于石英含量测井曲线和叠后地震数据体得到石英含量数据体的步骤中,具体为利用石英含量测井曲线和叠后地震数据体之间的非线性关系,运用AVF反演得到石英含量数据体。
优选地,在所述基于石英含量数据体得到脆性指数的步骤中,具体计算公式如下:
其中,Bi表示脆性系指数,Ei表示地层的杨氏模量,Emin表示最小杨氏模量,Emax表示最大杨氏模量,Si表示岩石的石英含量。
优选地,在所述基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波的步骤中,具体为运用纵波速度曲线和密度曲线,依托由叠前地震资料获得的叠后地震资料进行标定,使得实际井旁道和合成地震记录达到匹配,此时的时深曲线和地震子波为所求的时深曲线和地震子波。
优选地,在所述基于所述时深曲线、所述密度曲线和所述弹性参数曲线建立初始模型,根据所述初始模型与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体的步骤中,基于所述时深曲线、所述密度曲线和所述弹性参数曲线中的杨氏模量曲线和泊松比曲线得到的层位数据通过插值外推的方法建立杨氏模量、泊松比和密度的初始模型,根据所述初始模型计算得到不同角度的反射系数,再与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集进行比较使两者的误差达到预设条件时建立反演方程,利用最小二乘的反演算法反演得到杨氏模量的数据体。
优选地,在所述根据所述初始模型计算得到不同角度的反射系数的步骤中,具体计算公式如下:
经转化得到,
其中,θ表示入射角,k表示横纵波速度比,E、σ、ρ分别表示杨氏模量的数据体、泊松比的数据体和裂缝密度的数据体。
优选地,在所述通过所述合成角度道集与叠前角道集进行比较使两者的误差达到预设条件时建立反演方程的步骤中,反演方程如下所示:
d=Gm
其中,E、σ、ρ分别表示杨氏模量的数据体、泊松比的数据体和裂缝密度的数据体,θ1至θn表示不同的入射角。
一种致密油气藏脆性的预测装置,包括:
横波速度预测模型模块,其用于基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系再建立横波速度预测模型;
横波速度曲线获取模块,其用于基于所述横波速度预测模型预测得到横波速度曲线;
弹性参数曲线计算模块,其用于根据所述横波速度曲线、所述密度曲线和所述纵波速度曲线计算弹性参数曲线;
脆性指数获取模块,其用于基于石英含量测井曲线和叠后地震数据体得到石英含量数据体,再根据所述石英含量数据体得到脆性指数;
时深曲线和地震子波计算模块,其用于基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线;
杨氏模量的数据体获取模块,其用于基于所述时深曲线、所述密度曲线和所述弹性参数曲线建立初始模型,根据所述初始模型与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体;
脆性指数的数据体获取模块,其用于基于石英含量数据体和杨氏模量的数据体得到脆性指数的数据体。
本发明的技术方案具有以下显著有益效果:
1、本发明实施例中的致密油气藏脆性的预测方法及装置通过构建估算横波速度预测模型,利用具有明确物理意义的测井曲线,如反映孔隙信息的声波和密度曲线、反映放射特征的GR曲线、反映岩性的自然电位等来估算横波速度,克服了经典的Biot-Gassman理论、Xu-White模型和K-T模型等的输入数据通常不易直接获取的缺点,如岩石物理的测量数据和测井的解释数据,这些数据都存在一定的误差,所以本发明所使用的方法就有更好的适用性。
2、本发明实施例中的致密油气藏脆性的预测方法及装置以基于杨氏模量、泊松比和密度的PP波反射系数公式为基础,利用叠前角道集直接估算杨氏模量、泊松比等脆性指数,如此能够有效提高反演的精度,计算的脆性指数的数据体更加精确。
附图说明
在此描述的附图仅用于解释目的,而不意图以任何方式来限制本发明公开的范围。另外,图中的各部件的形状和比例尺寸等仅为示意性的,用于帮助对本发明的理解,并不是具体限定本发明各部件的形状和比例尺寸。本领域的技术人员在本发明的教导下,可以根据具体情况选择各种可能的形状和比例尺寸来实施本发明。
图1为本发明在实施例中的流程图。
图2为本发明实施例中经测井资料预处理后,利用原始测井曲线以不同的方法计算的横波速度。
图3a和图3b分别为本发明实施例中纵波阻抗和横波阻抗交会以及纵波阻抗和杨氏模量交会图。
图4a、图4b、图4c和图4d分别为本发明实施例中泊松比与横波速度、剪切模量与拉梅系数、杨氏模量与体积模量、杨氏模量与泊松比的多维交会分析图。
图5为本发明实施例中建立的岩石物理量版定量解释储层。
图6a为本发明实施例中利用测井曲线构建脆性指数曲线。
图6b为本发明实施例中利用脆性指数与横波阻抗的交会关系识别含油气砂岩和干砂岩的示意图。
图7a为本发明实施例中I类井的井旁道叠前CRP道集数据。
图7b为本发明实施例中II类井的井旁道叠前角CRP道集数据。
图7c为本发明实施例中III类井的井旁道叠前角CRP道集数据。
图8a为本发明实施例中经过叠前地震直接反演得到的杨氏模量的连井线剖面。
图8b为本发明实施例中经过叠前地震直接反演得到的杨氏模量在目的层段的平面图。
图9a为本发明实施例中经过叠前地震直接反演得到的泊松比的连井线剖面。
图9b为本发明实施例中经过叠前地震直接反演得到的泊松比在目的层段的平面图。
图10a为本发明实施例中利用反演的杨氏模量和泊松比计算的脆性指数的数据体的过井剖面。
图10b为本发明实施例中利用反演的杨氏模量和泊松比计算的脆性指数的数据体的平面图。
图11为本发明实施例中致密油气藏脆性的预测装置的结构图。
具体实施方式
结合附图和本发明具体实施方式的描述,能够更加清楚地了解本发明的细节。但是,在此描述的本发明的具体实施方式,仅用于解释本发明的目的,而不能以任何方式理解成是对本发明的限制。在本发明的教导下,技术人员可以构想基于本发明的任意可能的变形,这些都应被视为属于本发明的范围。
为了提高反演的精度,提高致密油气藏脆性预测的精确性,在本申请提供了一种致密油气藏脆性的预测方法,图1为本发明在实施例中的流程图,如图1所示,本致密油气藏脆性的预测方法包括以下步骤:
S101:基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用模型关系再建立横波速度预测模型。
在本实施方式中,对密度曲线、GR曲线、电阻率曲线、声波时差等进行环境校正和标准化处理,通过环境校正消除测井仪器、温度、压力和泥浆等因素的影响,测井资料的标准化可将整个工区中的所有测井数据校正到同一刻度下,进一步提高测井资料的可靠性。根据获取的测井曲线得到横波速度,构建横波速度和纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用模型关系建立横波速度预测模型。在一个实施方式中,可以通过神经网络算法拟合一个横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线等参数的对应关系式,该对应关系式(也就是所谓的模型关系)即可以作为横波速度预测模型。
S102:基于横波速度预测模型预测得到横波速度曲线。
通过构建的横波速度和纵波速度曲线、密度曲线、GR曲线、电阻率曲线等之间的模型关系,然后利用该模型关系预测横波速度曲线。图2为本发明实施例中经测井资料预处理后,利用原始测井曲线以不同的方法计算的横波速度,如图2所示,图2中第1、2、3栏分别是经标准化处理后的自然电位曲线、GR曲线、电阻率曲线、声波曲线和密度曲线,第4、5、6、7是预测的横波速度与实测横波速度曲线,其分别是通过纵波速度拟合、纵波速度和密度曲线拟合、概率神经网络计算和模型法预测得到的横波速度。从图2中可以看出通过预测模型预测的横波速度较其他方法更加精确,具有更明显的优势,可以为岩石物理分析和叠前反演提供可靠的资料基础。
S103:根据横波速度曲线、密度曲线和纵波速度曲线计算弹性参数曲线。
根据横波速度曲线、密度曲线和纵波速度曲线计算弹性参数曲线,弹性参数曲线中可以至少包括拉梅常数、剪切模量、体积模量、杨氏模量和泊松比其中之一,该步骤可以从众多弹性参数中优选出对储层敏感的参数。该步骤的计算过程可以如下:
其中:ρ表示密度,Vp表示纵波速度,Vs表示横波速度,E表示杨氏模量,K表示体积模量,μ表示剪切模量,λ表示拉梅常数,σ表示泊松比。
然后,通过多维岩石物理的分析技术对每口井的储层和邻段进行交会综合分析,进而指导储层预测和油气检测。在本实施例中,对纵波阻抗和横波阻抗、纵波阻抗和杨氏模量进行交会分析,图3a和图3b分别为本发明实施例中纵波阻抗和横波阻抗交会以及纵波阻抗和杨氏模量交会图,如图3a和图3b所示,可以辨别出含气砂岩、砂岩和泥岩等,图中黑色点为含气砂岩,白色点是砂岩,灰色点为泥岩,通过该交会显示表明,横波阻抗和杨氏模量与纵波阻抗的交会图可以明显地区分储层的岩性,从而识别有利储层。
在岩性识别的基础上,利用多分岩石物理技术分析储层的含油气性,图4a、图4b、图4c和图4d分别为本发明实施例中泊松比与横波速度、剪切模量与拉梅系数、杨氏模量与体积模量、杨氏模量与泊松比的多维交会分析图,如图4a、图4b、图4c和图4d中所示,通过优选出泊松比、拉梅系数、杨氏模量和体积模量交会等敏感参数可以有效区分储层的含油气性。图5为本发明实施例中建立的岩石物理量版定量解释储层,其用于定量识别储层的含气性。
S104:基于石英含量测井曲线和叠后地震数据体得到石英含量数据体。
利用已知的泥质含量计算石英含量,进而形成石英含量测井曲线,石英含量的计算公式如下:
Vquartz=1-Vsh
其中,Vquartz为石英含量,Vsh为泥质含量。
利用石英含量测井曲线和叠后地震数据体之间的非线性关系,运用现有技术AVF(Amplitude Versus Frequency)反演得到石英含量数据体。
分频(AVF)反演技术是近几年发展起来的一种先进的地震反演技术,依靠测井和地震数据,通过研究不同地层厚度下的振幅与频率之间的关系(AVF),将AVF作为独立信息引入反演,合理利用地震的低、中、高频带信息,减少薄层反演的不确定性,得到一个高分辨率的反演结果。同时它也是一种无子波提取,无初始模型的高分辨率非线性反演。
S105:基于石英含量数据体得到脆性指数。
根据石英含量数据体计算得到脆性指数,具体计算公式如下:
其中,Bi表示脆性系指数,Ei表示地层的杨氏模量,Emin表示最小杨氏模量,Emax表示最大杨氏模量,Si表示岩石的石英含量。在本实施方式中,图6a为本发明实施例中利用测井曲线构建脆性指数曲线,如图6a所示,利用杨氏模量的变化率和岩石矿物含量(石英含量数据体)计算得到岩石的脆性指数的曲线,其具体为图6a中间左边的虚线。再将脆性指数和横波阻抗进行交会分析,图6b为本发明实施例中利用脆性指数与横波阻抗的交会关系识别含油气砂岩和干砂岩的示意图,如图6b所示,可以发现横波阻抗与脆性指数的交会图可以准确地识别出含油气砂岩、干砂岩,如此说明含油气储层的脆性指数较大。
S106:基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线,其包括如下步骤:
S201:基于叠前地震资料得到叠后地震资料和叠前角道集。
通过对叠前地震资料保幅处理得到叠后地震资料和叠前角道集(即叠前CRP道集)。针对致密储层,可以对叠前角道集进行提高信噪比处理和高频信息补偿处理,最终可以得到高保真度、高分辨率和高信噪比的叠前地震资料,为致密储层的脆性特征预测提供保障。在本实施方式中,图7a为本发明实施例中I类井的井旁道叠前CRP道集数据,图7b为本发明实施例中II类井的井旁道叠前角CRP道集数据,图7c为本发明实施例中III类井的井旁道叠前角CRP道集数据,如图7a、7b、7c所示,其分别是具有AVO特征的叠前道集,可以看到:图7a中目的层段的振幅随偏移距增大而增大,AVO现象明显;图7b的目的层段的振幅也随偏移距增大而增大,AVO现象明显;图7c目的层段的振幅随偏移距发生变化但不明显,AVO异常小。所以,通过上述结构发现可以利用I类和II类AVO道集的特征识别目的层段的含气性。
S202:基于叠后地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波。
运用纵波速度和密度曲线,依托由叠前地震资料获得的叠后地震资料进行标定,使得实际井旁道和合成地震记录达到最佳匹配,最佳匹配时的时深曲线和地震子波即为所求的时深曲线和地震子波。具体而言,首先在叠后地震数据的井旁道中提取地震子波,然后利用纵波阻抗(纵波速度和密度的乘积)曲线计算反射系数,与子波褶积得到合成地震记录,然后与实际井旁道进行对比,反复重复上述,直到达到最佳匹配。
S107:基于时深曲线、密度曲线和弹性参数曲线建立初始模型,根据初始模型与地震子波褶积得到不同角度的合成角度道集,通过合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体。
基于时深曲线、密度曲线和弹性参数曲线中的杨氏模量曲线和泊松比曲线得到的层位数据通过插值外推的方法建立杨氏模量、泊松比和密度的初始模型,根据初始模型计算得到不同角度的反射系数,具体计算公式如下:
经转化得到:
其中,θ表示入射角,θ1、…、θn表示不同的入射角,k表示横纵波速度比,E、σ、ρ分别表示杨氏模量的数据体、泊松比的数据体和裂缝密度的数据体,Rpp表示反射系数,其可以为纵波反射系数。
不同角度的反射系数再与地震子波褶积得到不同角度的合成角度道集,通过合成角度道集与叠前角道集进行比较使两者的误差达到预设条件时建立反演方程,预设条件可以为两者的误差达到最小值。
利用最小二乘的反演算法反演可以得到杨氏模量的数据体、泊松比的数据体、裂缝密度的数据体,反演方程如下所示:
d=Gm
其中,E、σ、ρ分别表示杨氏模量的数据体、泊松比的数据体和裂缝密度的数据体,θ1至θn表示不同的入射角。
在本实施方式中,图8a为本发明实施例中经过叠前地震直接反演得到的杨氏模量的连井线剖面,图8b为本发明实施例中经过叠前地震直接反演得到的杨氏模量在目的层段的平面图,图9a为本发明实施例中经过叠前地震直接反演得到的泊松比的连井线剖面,图9b为本发明实施例中经过叠前地震直接反演得到的泊松比在目的层段的平面图。
S108:基于石英含量数据体和杨氏模量的数据体得到脆性指数的数据体。
根据石英含量数据体和杨氏模量的数据体计算得到脆性指数的数据体,最终运用该脆性指数的数据体来评价致密储层的脆性特征。通过杨氏模量的变化率和岩石矿物含量可以表示岩石的脆性关系,图10a为本发明实施例中利用反演的杨氏模量和泊松比计算的脆性指数的数据体的过井剖面,图10b为本发明实施例中利用反演的杨氏模量和泊松比计算的脆性指数的数据体的平面图,如图10a所示,从剖面中脆性指数相对较高的部分(图10a中黑圈所示的部分)为有利的含气储层,可以计算出储层的有效厚度为19米,与已知的产气井具有很好的一致性,该井为产气井,日产气1.44×104方,由此可以认为产气较高时具有较高的储层厚度,同时具有较大的脆性指数,产气较低时储层厚度相应变低,脆性指数变小,如图10b所示,平面结果与测井解释结果相符合,由此证明该方法具有一定的实用性。
通过本发明的实施例可以看出基于预测模型预测的横波速度与实测的横波速度具有很好的一致性,如图2所示。如图3、图4所示,采用岩石物理交会和多维岩石物理技术能够更好地区分储层特征和含油气性质。如图8a、8b、9a、9b、10a、10b所示,弹性参数的反演结果能够准确地识别岩性,砂岩在纵横波速度比、泊松比剖面呈中低值,表现为黑灰色(如图8a中B箭头所指)和白色(如图8a中A箭头所指)分布,在平面图中,黑色(如图8b中C箭头所指)和白色(如图8b中D箭头所指)代表砂岩储层,可以看出,弹性参数反映的储层分布规律性较好,边界清晰,且不同弹性参数之间的一致性较好;脆性指数与储层的含气性密切相关,从脆性指数剖面可以看出,脆性指数越高,目的层段的有效储层越厚,同时具有更高的含气性,这与测井解释结果完全一致,脆性指数剖面很好地反映了储层的脆性特征和含气性特征,结果证实了该发明的有效性和适用性。
本申请还提出了一种致密油气藏脆性的预测装置,图11为本发明实施例中致密油气藏脆性的预测装置的结构图,如图11所示,该装置包括:
横波速度预测模型模块,其用于基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用模型关系再建立横波速度预测模型;
横波速度曲线获取模块,其用于基于横波速度预测模型预测得到横波速度曲线;
弹性参数曲线计算模块,其用于根据横波速度曲线、密度曲线和纵波速度曲线计算弹性参数曲线;
脆性指数获取模块,其用于基于石英含量测井曲线和叠后地震数据体得到石英含量数据体,再根据石英含量数据体得到脆性指数;
时深曲线和地震子波计算模块,其用于基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波;
杨氏模量的数据体获取模块,其用于基于时深曲线、密度曲线和弹性参数曲线建立初始模型,根据初始模型与地震子波褶积得到不同角度的合成角度道集,通过合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体;
脆性指数的数据体获取模块,其用于基于石英含量数据体和杨氏模量的数据体得到脆性指数的数据体。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。该计算机软件产品可以包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。该计算机软件产品可以存储在内存中,内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括短暂电脑可读媒体(transitory media),如调制的数据信号和载波。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (11)
1.一种致密油气藏脆性的预测方法,其特征在于,包括以下步骤:
基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系再建立横波速度预测模型;
基于所述横波速度预测模型预测得到横波速度曲线;
根据所述横波速度曲线、所述密度曲线和所述纵波速度曲线计算弹性参数曲线;
基于石英含量测井曲线和叠后地震数据体得到石英含量数据体;
基于所述石英含量数据体得到脆性指数;
基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波;
基于所述时深曲线、所述密度曲线和所述弹性参数曲线建立初始模型,根据所述初始模型与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体;
基于所述石英含量数据体和所述杨氏模量的数据体得到脆性指数的数据体。
2.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线的步骤中具体包括:
基于叠前地震资料得到叠后地震资料;
基于所述叠后地震资料、纵波速度曲线、密度曲线得到时深曲线。
3.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系再建立横波速度预测模型的步骤中,具体为:对密度曲线、GR曲线、电阻率曲线进行环境校正和标准化处理,根据获取的测井曲线得到横波速度,构建所述横波速度和纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系建立横波速度预测模型。
4.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述根据所述横波速度曲线、所述密度曲线和所述纵波速度曲线计算弹性参数曲线的步骤中,弹性参数曲线中至少包括拉梅常数、剪切模量、体积模量、杨氏模量和泊松比其中之一。
5.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述基于石英含量测井曲线和叠后地震数据体得到石英含量数据体的步骤中,具体为利用石英含量测井曲线和叠后地震数据体之间的非线性关系,运用AVF反演得到石英含量数据体。
6.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述基于石英含量数据体得到脆性指数的步骤中,具体计算公式如下:
其中,Bi表示脆性系指数,Ei表示地层的杨氏模量,Emin表示最小杨氏模量,Emax表示最大杨氏模量,Si表示岩石的石英含量。
7.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线和地震子波的步骤中,具体为运用纵波速度曲线和密度曲线,依托由叠前地震资料获得的叠后地震资料进行标定,使得实际井旁道和合成地震记录达到匹配,此时的时深曲线和地震子波为所求的时深曲线和地震子波。
8.根据权利要求1所述的致密油气藏脆性的预测方法,其特征在于,在所述基于所述时深曲线、所述密度曲线和所述弹性参数曲线建立初始模型,根据所述初始模型与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体的步骤中,基于所述时深曲线、所述密度曲线和所述弹性参数曲线中的杨氏模量曲线和泊松比曲线得到的层位数据通过插值外推的方法建立杨氏模量、泊松比和密度的初始模型,根据所述初始模型计算得到不同角度的反射系数,再与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集进行比较使两者的误差达到预设条件时建立反演方程,利用最小二乘的反演算法反演得到杨氏模量的数据体。
9.根据权利要求8所述的致密油气藏脆性的预测方法,其特征在于,在所述根据所述初始模型计算得到不同角度的反射系数的步骤中,具体计算公式如下:
经转化得到,
其中,θ表示入射角,k表示横纵波速度比,E、σ、ρ分别表示杨氏模量的数据体、泊松比的数据体和裂缝密度的数据体,Rpp表示反射系数。
10.根据权利要求9所述的致密油气藏脆性的预测方法,其特征在于,在所述通过所述合成角度道集与叠前角道集进行比较使两者的误差达到预设条件时建立反演方程的步骤中,反演方程如下所示:
d=Gm
其中,E、σ、ρ分别表示杨氏模量的数据体、泊松比的数据体和裂缝密度的数据体,θ1至θn表示不同的入射角。
11.一种致密油气藏脆性的预测装置,其特征在于,包括:
横波速度预测模型模块,其用于基于获取的测井曲线得到横波速度与纵波速度曲线、密度曲线、GR曲线、电阻率曲线之间的模型关系,利用所述模型关系再建立横波速度预测模型;
横波速度曲线获取模块,其用于基于所述横波速度预测模型预测得到横波速度曲线;
弹性参数曲线计算模块,其用于根据所述横波速度曲线、所述密度曲线和所述纵波速度曲线计算弹性参数曲线;
脆性指数获取模块,其用于基于石英含量测井曲线和叠后地震数据体得到石英含量数据体,再根据所述石英含量数据体得到脆性指数;
时深曲线和地震子波计算模块,其用于基于叠前地震资料、纵波速度曲线、密度曲线得到时深曲线;
杨氏模量的数据体获取模块,其用于基于所述时深曲线、所述密度曲线和所述弹性参数曲线建立初始模型,根据所述初始模型与地震子波褶积得到不同角度的合成角度道集,通过所述合成角度道集与叠前角道集建立反演方程进而反演得到杨氏模量的数据体;
脆性指数的数据体获取模块,其用于基于石英含量数据体和杨氏模量的数据体得到脆性指数的数据体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611055165.4A CN106597544B (zh) | 2016-11-25 | 2016-11-25 | 致密油气藏脆性的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611055165.4A CN106597544B (zh) | 2016-11-25 | 2016-11-25 | 致密油气藏脆性的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106597544A true CN106597544A (zh) | 2017-04-26 |
CN106597544B CN106597544B (zh) | 2019-01-18 |
Family
ID=58593327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611055165.4A Active CN106597544B (zh) | 2016-11-25 | 2016-11-25 | 致密油气藏脆性的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106597544B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345035A (zh) * | 2017-12-27 | 2018-07-31 | 中国神华能源股份有限公司 | 地球物理勘探密度信息提取的方法和装置 |
CN109143346A (zh) * | 2017-06-19 | 2019-01-04 | 中国石油化工股份有限公司 | 叠前混合非线性反演方法及计算机可读存储介质 |
CN109557600A (zh) * | 2017-09-26 | 2019-04-02 | 中国石油化工股份有限公司 | 基于岩石物理的地热资源电磁温度反演方法及系统 |
CN110568492A (zh) * | 2019-08-21 | 2019-12-13 | 中国石油化工股份有限公司 | 利用时移地震资料预测剩余油分布的方法 |
CN110703330A (zh) * | 2018-07-10 | 2020-01-17 | 中国石油化工股份有限公司 | 基于岩石物理的碳酸盐岩测井校正和横波速度预测方法 |
CN111239833A (zh) * | 2020-03-06 | 2020-06-05 | 中海石油(中国)有限公司 | 一种基于泊松比分解的k值鲁棒ypd叠前同时反演方法 |
CN111487691A (zh) * | 2020-01-19 | 2020-08-04 | 西北大学 | 一种致密砂岩储层岩性及砂体结构定量识别方法 |
CN112505761A (zh) * | 2020-10-28 | 2021-03-16 | 中国石油天然气股份有限公司 | 一种储层含气性检测方法和装置 |
CN112946739A (zh) * | 2021-01-27 | 2021-06-11 | 中国石油天然气股份有限公司 | 裂隙-溶蚀孔双孔系统中深层碳酸盐岩储层地震岩石物理模板构建方法及储层参数预测方法 |
CN112987125A (zh) * | 2021-02-22 | 2021-06-18 | 中国地质大学(北京) | 一种基于测井数据的页岩脆性指数预测方法 |
CN114492627A (zh) * | 2022-01-25 | 2022-05-13 | 成都理工大学 | 一种基于改进knn算法的页岩脆性指数预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050000903A1 (en) * | 2001-10-08 | 2005-01-06 | Imre Mecs | Method for land improvement and microorganisms therefor |
WO2012166111A1 (en) * | 2011-05-31 | 2012-12-06 | Halliburton Energy Services, Inc. | Azimuthal brittleness logging systems and methods |
CN103258091A (zh) * | 2013-04-28 | 2013-08-21 | 北京大学 | 非常规油气藏水平井段三维岩体力学模型建立的方法及装置 |
CN105370268A (zh) * | 2015-10-23 | 2016-03-02 | 中国石油天然气集团公司 | 一种优化水平井分段压裂参数的方法和装置 |
-
2016
- 2016-11-25 CN CN201611055165.4A patent/CN106597544B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050000903A1 (en) * | 2001-10-08 | 2005-01-06 | Imre Mecs | Method for land improvement and microorganisms therefor |
WO2012166111A1 (en) * | 2011-05-31 | 2012-12-06 | Halliburton Energy Services, Inc. | Azimuthal brittleness logging systems and methods |
CN103258091A (zh) * | 2013-04-28 | 2013-08-21 | 北京大学 | 非常规油气藏水平井段三维岩体力学模型建立的方法及装置 |
CN105370268A (zh) * | 2015-10-23 | 2016-03-02 | 中国石油天然气集团公司 | 一种优化水平井分段压裂参数的方法和装置 |
Non-Patent Citations (2)
Title |
---|
张平 等: "基于岩石物理实验的致密油储层脆性指数预测-以柴西南A井区为例", 《2015年物探技术研讨会》 * |
张广智 等: "页岩气储层纵横波叠前联合反演方法", 《地球物理学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143346A (zh) * | 2017-06-19 | 2019-01-04 | 中国石油化工股份有限公司 | 叠前混合非线性反演方法及计算机可读存储介质 |
CN109143346B (zh) * | 2017-06-19 | 2020-10-20 | 中国石油化工股份有限公司 | 叠前混合非线性反演方法及计算机可读存储介质 |
CN109557600B (zh) * | 2017-09-26 | 2020-05-19 | 中国石油化工股份有限公司 | 基于岩石物理的地热资源电磁温度反演方法及系统 |
CN109557600A (zh) * | 2017-09-26 | 2019-04-02 | 中国石油化工股份有限公司 | 基于岩石物理的地热资源电磁温度反演方法及系统 |
CN108345035A (zh) * | 2017-12-27 | 2018-07-31 | 中国神华能源股份有限公司 | 地球物理勘探密度信息提取的方法和装置 |
CN110703330A (zh) * | 2018-07-10 | 2020-01-17 | 中国石油化工股份有限公司 | 基于岩石物理的碳酸盐岩测井校正和横波速度预测方法 |
CN110703330B (zh) * | 2018-07-10 | 2021-12-24 | 中国石油化工股份有限公司 | 基于岩石物理的碳酸盐岩测井校正和横波速度预测方法 |
CN110568492A (zh) * | 2019-08-21 | 2019-12-13 | 中国石油化工股份有限公司 | 利用时移地震资料预测剩余油分布的方法 |
CN110568492B (zh) * | 2019-08-21 | 2021-02-12 | 中国石油化工股份有限公司 | 利用时移地震资料预测剩余油分布的方法 |
CN111487691A (zh) * | 2020-01-19 | 2020-08-04 | 西北大学 | 一种致密砂岩储层岩性及砂体结构定量识别方法 |
CN111487691B (zh) * | 2020-01-19 | 2022-06-24 | 西北大学 | 一种致密砂岩储层岩性及砂体结构定量识别方法 |
CN111239833A (zh) * | 2020-03-06 | 2020-06-05 | 中海石油(中国)有限公司 | 一种基于泊松比分解的k值鲁棒ypd叠前同时反演方法 |
CN112505761A (zh) * | 2020-10-28 | 2021-03-16 | 中国石油天然气股份有限公司 | 一种储层含气性检测方法和装置 |
CN112505761B (zh) * | 2020-10-28 | 2022-10-04 | 中国石油天然气股份有限公司 | 一种储层含气性检测方法和装置 |
CN112946739A (zh) * | 2021-01-27 | 2021-06-11 | 中国石油天然气股份有限公司 | 裂隙-溶蚀孔双孔系统中深层碳酸盐岩储层地震岩石物理模板构建方法及储层参数预测方法 |
CN112987125A (zh) * | 2021-02-22 | 2021-06-18 | 中国地质大学(北京) | 一种基于测井数据的页岩脆性指数预测方法 |
CN114492627A (zh) * | 2022-01-25 | 2022-05-13 | 成都理工大学 | 一种基于改进knn算法的页岩脆性指数预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106597544B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106597544B (zh) | 致密油气藏脆性的预测方法及装置 | |
Bosch et al. | Seismic inversion for reservoir properties combining statistical rock physics and geostatistics: A review | |
Chopra et al. | Seismic attributes—A historical perspective | |
Chadwick et al. | Quantitative analysis of time-lapse seismic monitoring data at the Sleipner CO 2 storage operation | |
US8688425B2 (en) | Transport property data calculated from derivative seismic rock property data for transport modeling | |
Spikes et al. | Probabilistic seismic inversion based on rock-physics models | |
Grana et al. | Probabilistic petrophysical-properties estimation integrating statistical rock physics with seismic inversion | |
US8531914B2 (en) | Method of imaging a target area of the subsoil from walkaway type data | |
CN109425896A (zh) | 白云岩油气储层分布预测方法及装置 | |
CN103345001B (zh) | 一种测定古湖泊水深的方法 | |
EA017246B1 (ru) | Способ образования моделей коллектора с использованием синтетических стратиграфических колонок | |
Sohail et al. | An evaluation of empirical and rock physics models to estimate shear wave velocity in a potential shale gas reservoir using wireline logs | |
Aminzadeh et al. | Geophysics for petroleum engineers | |
CN108138555A (zh) | 预测储层性质的方法、系统及设备 | |
AU2013100760A4 (en) | A workflow for seismic lithologic characterization | |
Passeri | Development of an advanced geostatistical model for shear wave velocity profiles to manage uncertainties and variabilities in ground response analyses | |
CN106443770A (zh) | 一种页岩气地质甜点的预测方法 | |
Fahimuddin | 4D seismic history matching using the ensemble Kalman filter (EnKF): possibilities and challenges | |
Ahmed et al. | DHI evaluation by combining rock physics simulation and statistical techniques for fluid identification of Cambrian-to-Cretaceous clastic reservoirs in Pakistan | |
AU2013334868B2 (en) | Distributing petrofacies using analytical modeling | |
Masindi et al. | An integrated approach of reservoir characterization of Y gas field in Central Bredasdorp Basin, South Africa | |
Qian et al. | A rock physics driven Bayesian inversion for TOC in the Fuling shale gas reservoir | |
Sanda et al. | The integrated approach to seismic attributes of lithological characterization of reservoirs: case of the F3 Block, North Sea-Dutch Sector | |
CN102707315A (zh) | 利用无序度地震属性预测碳酸盐岩油气藏优质储层的方法 | |
Fu et al. | Rock property-and seismic-attribute analysis of a chert reservoir in the Devonian Thirty-one Formation, west Texas, USA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |