CN107220722A - 区块预测储量转化为探明储量的难易程度确定方法及装置 - Google Patents
区块预测储量转化为探明储量的难易程度确定方法及装置 Download PDFInfo
- Publication number
- CN107220722A CN107220722A CN201610164341.1A CN201610164341A CN107220722A CN 107220722 A CN107220722 A CN 107220722A CN 201610164341 A CN201610164341 A CN 201610164341A CN 107220722 A CN107220722 A CN 107220722A
- Authority
- CN
- China
- Prior art keywords
- reserves
- grade
- factor
- evaluation
- geological conditions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 98
- 238000006243 chemical reaction Methods 0.000 claims abstract description 25
- 238000009825 accumulation Methods 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 230000000704 physical effect Effects 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000013139 quantization Methods 0.000 abstract description 4
- 238000012163 sequencing technique Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种区块预测储量转化为探明储量的难易程度确定方法及装置，其中方法包括：对区块进行分析，以获取影响预测储量转化为探明储量的影响因素；分别获取储量品位、地质条件和关联因素的评价值；为储量品位、地质条件和关联因素分别设置权重值；根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数。通过难易程度指数大小，来决定区块勘探的先后顺序，本发明提供的方法和装置改变了目前区块预测储量转化优选没有统一量化标准的现状，为油公司优化勘探投资，明确勘探重点和次序提供了决策依据。
Description
技术领域
本发明涉及油气勘探领域，尤其涉及一种区块预测储量转化为探明储量的难易程度确定方法及装置。
背景技术
预测储量是油公司资产的重要组成部分，但从资源系列结构上看，它又只是由资源转化为探明储量和产量的中间产物。预测储量发现后，能否转化为探明储量，哪一个区块储量先转化、哪一个区块储量后转化，一直是勘探决策者关心的重要问题。目前，采用的方法是根据储量的升级性，定性的确定该区块储量能不能转化，考虑三个方面，一是储量参数的确定方法，储量参数的确定方法直接影响到预测储量的可靠性；二是储量区块的石油地质条件；如油气藏类型、埋深、油气富集程度等；三是储量区块的技术经济指标。但是这种区块储量升级性评价没有定量的表征参数与刻度指标，以至于在对区块储量进行转化时没有统一的评价标准，当有多个储量区块需要确定升级转化决策时，无法对这多个区块进行排序优选。
发明内容
本发明提供一种区块预测储量转化为探明储量的难易程度确定方法及装置，用以解决现有技术中区块储量转化没有定量的表征参数与指标，以至于在对区块储量进行转化时没有统一的评价标准的技术问题。
本发明一方面提供一种区块预测储量转化为探明储量的难易程度确定方法，包括：
影响因素获取步骤，对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，所述影响因素包括储量品位、地质条件和关联因素，其中，储量品位包括产能、丰度和物性三个品位评价因子；地质条件包括油气藏类型和储层类型两个类型评价因子；关联因素包括储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子；
评价值获取步骤，分别获取储量品位、地质条件和关联因素的评价值，所述评价值反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度；
权重设置步骤，为储量品位、地质条件和关联因素分别设置权重值；
难易程度指数计算步骤，根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
进一步的，难易程度指数计算步骤具体包括：
根据如下公式计算难易程度指数：
其中，K表示难易程度指数，b表示储量品位、地质条件或关联因素的评价值，r表示储量品位、地质条件或关联因素的权重值。
进一步的，评价值获取步骤具体包括：
根据如下公式分别计算储量品位、地质条件和关联因素的评价值：
其中，b表示储量品位、地质条件或关联因素的评价值，a表示品位评价因子、类型评价因子或关联评价因子的取值，f表示品位评价因子、类型评价因子或关联评价因子相应的权重值。
进一步的，在难易程度指数计算步骤之后，还包括：
区块筛选步骤，筛选难易程度指数大于等于0.5的区块进行勘探。
进一步的，权重获取步骤具体包括：
将储量品位、地质条件和关联因素的权重值分别设置为0.6，0.2和0.2。
进一步的，产能、丰度和物性的权重值分别为0.4、0.3和0.3；
油气藏类型和储层类型的权重值分别为0.5和0.5；
储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性的权重值分别为0.2、0.2、0.2、0.2和0.2。
本发明另一方面提供一种区块预测储量转化为探明储量的难易程度确定装置，包括：
影响因素获取模块，用于对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，所述影响因素包括储量品位、地质条件和关联因素，其中，储量品位包括产能、丰度和物性三个品位评价因子；地质条件包括油气藏类型和储层类型两个类型评价因子；关联因素包括储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子；
评价值获取模块，用于分别获取储量品位、地质条件和关联因素的评价值，所述评价值反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度；
权重设置模块，用于为储量品位、地质条件和关联因素分别设置权重值；
难易程度指数计算模块，用于根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
进一步的，难易程度指数计算模块具体用于：
根据如下公式计算难易程度指数：
其中，K表示难易程度指数，b表示储量品位、地质条件或关联因素的评价值，r表示储量品位、地质条件或关联因素的权重值。
进一步的，评价值获取模块具体用于：
根据如下公式分别计算储量品位、地质条件和关联因素的评价值：
其中，b表示储量品位、地质条件或关联因素的评价值，a表示品位评价因子、类型评价因子或关联评价因子，f表示品位评价因子、类型评价因子或关联评价因子相应的权重值。
进一步的，还包括：
区块筛选模块，用于筛选难易程度指数大于等于0.5的区块进行勘探。
本发明提供的区块预测储量转化为探明储量的难易程度确定方法及装置，通过对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，然后分别获取储量品位、地质条件和关联因素的评价值和相应的权重值，最后计算获得区块预测储量转化为探明储量的难易程度指数，难易程度指数的值越大，表示越容易转化。通过难易程度指数大小，来决定区块勘探的先后顺序，若某些区块的难易程度指数太小，可以不安排该区块的勘探工作。本发明提供的方法和装置改变了目前区块预测储量转化优选没有统一量化标准的现状，为油公司优化勘探投资，明确勘探重点和次序提供了决策依据。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1为根据本发明实施例一的区块预测储量转化为探明储量的难易程度确定方法的流程示意图；
图2为根据本发明实施例二的区块预测储量转化为探明储量的难易程度确定方法的流程示意图；
图3为根据本发明实施例三的区块预测储量转化为探明储量的难易程度确定装置的结构示意图；
图4为根据本发明实施例四的区块预测储量转化为探明储量的难易程度确定装置的结构示意图。
在附图中，相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例一
图1为根据本发明实施例一的区块预测储量转化为探明储量的难易程度确定方法的流程示意图；如图1所示，本实施例提供一种区块预测储量转化为探明储量的难易程度确定方法，包括：
影响因素获取步骤101，对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，所述影响因素包括储量品位、地质条件和关联因素，其中，储量品位包括产能、丰度和物性三个品位评价因子；地质条件包括油气藏类型和储层类型两个类型评价因子；关联因素包括储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子。
具体的，区块预测储量可转化为探明储量的总体特点是：品位高的预测储量，如果已经有了较多的钻井、地震及研究资料支持，就能非常容易转化为探明储量，反之则要投入较多的工作才能转化甚至仍不能转化为探明储量。影响预测储量转化的因素有以下几类：储量品位指标。影响较大的有丰度、产能、埋深、物性指标等，如产能高的储量易转化。储量地质条件，主要有油气藏圈闭类型、储层类型和储量区块所处区带的资源丰度背景等，如背斜构造砂岩油藏储量就易转化。储量参数的确定方法，储量参数的确定有单井评价参数法、圈闭精细描述法和类比法等3种，如单井评价参数法确定的储量参数最可靠，储量转化最容易。储量规模与工程技术适度性，储量规模大，对决策者吸引力越强；工程技术适度性强，储量越易转化。在本步骤中，通过对区块进行分析，获取对预测储量转化为探明储量影响最主要的因素，即储量品位、地质条件和关联因素，其中，储量品位的影响程度最大，为主评因素，地质条件次之，为辅评因素，关联因素相比较前两者，影响程度最小。
评价值获取步骤102，分别获取储量品位、地质条件和关联因素的评价值，评价值反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度。
具体的，分别对储量品位、地质条件和关联因素进行分析，以获得各自的评价值，该评价值的大小可反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度大小。储量品位的评价值可通过对产能、丰度和物性三个品位评价因子进行分析计算获得；地质条件的评价值可通过对油气藏类型和储层类型两个类型评价因子分析计算获得；关联因素的评价值可通过对储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子分析计算获得。
权重获取步骤103，分别为储量品位、地质条件和关联因素设置权重值。
具体的，根据对预测储量转化为探明储量影响程度，为储量品位、地质条件和关联因素设置权重值，由于储量品位的影响程度最大，所以可将储量品位的权重值设置稍大，但是不应大于1，比如可设置储量品位的权重值为0.6，且将地质条件和关联因素的品位值均设置为0.2，当然也可根据实际情况调整储量品位、地质条件和关联因素的权重值，在此不做限定。表1为区块预测储量转化为探明储量的影响因素及权重值设置表。根据表1可对各影响因素进行计算。
表1
难易程度指数计算步骤104，根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
具体的，难易程度指数即可反映区块预测储量转化为探明储量的难易程度，难易程度指数的值越大，表示越容易转化。
本发明提供的区块预测储量转化为探明储量的难易程度确定方法，通过对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，然后分别获取储量品位、地质条件和关联因素的评价值和相应的权重值，最后计算获得区块预测储量转化为探明储量的难易程度指数，难易程度指数的值越大，表示越容易转化。通过难易程度指数大小，来决定区块勘探的先后顺序，若某些区块的难易程度指数太小，可以不安排该区块的勘探工作。本发明提供的方法改变了目前区块预测储量转化优选没有统一量化标准的现状，为油公司优化勘探投资，明确勘探重点和次序提供了决策依据。
实施例二
本实施例是在上述实施例的基础上进行的补充说明。
图2为根据本发明实施例二的区块预测储量转化为探明储量的难易程度确定方法的流程示意图；如图2所示，本实施例提供一种区块预测储量转化为探明储量的难易程度确定方法，包括：
影响因素获取步骤201，对区块进行分析，以获取影响预测储量转化为探明储量的影响因素。
步骤201可参见步骤101中的记载，在此不再赘述。
评价值获取步骤202，分别获取储量品位、地质条件和关联因素的评价值。
本步骤具体包括：
根据如下公式分别计算储量品位、地质条件和关联因素的评价值：
其中，b表示储量品位、地质条件或关联因素的评价值，a表示品位评价因子、类型评价因子或关联评价因子的取值，f表示品位评价因子、类型评价因子或关联评价因子相应的权重值。
具体的，根据上述公式计算储量品位的评价值时，a分别为产能、丰度和物性的取值，f相应的取产能、丰度和物性的权重值，对于权重值的取值可按照实施例一中的表1进行，对品位评价因子、类型评价因子或关联评价因子的取值可根据表2来进行取值。因此在计算储量品位的评价值时，首先需要对产能、丰度和物性进行分析，并对照表2进行取值，若产能属于“三级”，那么产能的取值为0.5，若丰度属于“中”，那么丰度的取值为0.75，若物性属于“储层孔隙度高，渗透率高”，那么物性的取值为0.75，同时，根据表1，可获得产能、丰度和物性各自的权重值分别为0.4、0.3和0.3，因此储量品位的评价值为：
b＝0.5×0.4+0.75×0.3+0.75×0.3＝0.65
根据表1和表2采用同样的方式可获得地质条件和关联因素的评价值。
表2
进一步的，产能、丰度和物性的权重值分别为0.4、0.3和0.3；油气藏类型和储层类型的权重值分别为0.5和0.5；储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性的权重值分别为0.2、0.2、0.2、0.2和0.2。
权重获取步骤203，分别为储量品位、地质条件和关联因素设置权重值。
本步骤具体包括：将储量品位、地质条件和关联因素的权重值分别设置为0.6，0.2和0.2。
难易程度指数计算步骤204，根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
进一步的，根据如下公式计算难易程度指数：
其中，K表示难易程度指数，b表示储量品位、地质条件或关联因素的评价值，r表示储量品位、地质条件或关联因素的权重值。
具体的，若计算出的储量品位、地质条件和关联因素各自的评价值分别为0.65、0.75和0.5，根据表1中储量品位、地质条件和关联因素各自的权重值0.6、0.2和0.2，计算出的难易程度指数K为：
K＝0.65×0.6+0.75×0.2+0.5×0.2＝0.64
区块筛选步骤205，筛选难易程度指数大于等于0.5的区块进行勘探。
具体的，计算出的K值在0-1之间，K值越大，表示越易转化，反之越难转化。根据K值大小将区块预测储量分为四级：K≥0.75为易转化预测储量；K在0.75-0.5之间为较易转化预测储量；K在0.5-0.25之间为较难转化预测储量；K＜0.25为极难转化预测。较难转化预测储量和极难转化预测储量，决策时不安排勘探工作；同时，对于易转化预测储量和较易转化预测储量，又可以根据K值的相对大小，决策安排勘探工作的先后顺序。
本发明提供的方法改变了目前区块预测储量转化优选没有统一量化标准的现状，为油公司优化勘探投资，明确勘探重点和次序提供了决策依据。
实施例三
本实施例为装置实施例，用于执行上述实施例一中的方法。
图3为根据本发明实施例三的区块预测储量转化为探明储量的难易程度确定装置的结构示意图；如图3所示，本实施例提供一种区块预测储量转化为探明储量的难易程度确定装置，包括影响因素获取模块301、评价值获取模块302、权重设置模块303和难易程度指数计算模块304。
其中，影响因素获取模块301，用于对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，所述影响因素包括储量品位、地质条件和关联因素，其中，储量品位包括产能、丰度和物性三个品位评价因子；地质条件包括油气藏类型和储层类型两个类型评价因子；关联因素包括储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子；
评价值获取模块302，用于分别获取储量品位、地质条件和关联因素的评价值，所述评价值反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度；
权重设置模块303，用于为储量品位、地质条件和关联因素分别设置权重值；
难易程度指数计算模块304，用于根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
本实施例是与方法实施例一对应的装置实施例，具体可参见实施例一中的描述，在此不再赘述。
实施例四
本实施例是在实施例三的基础上进行的补充说明，用于执行上述实施例二中的方法。
图4为根据本发明实施例四的区块预测储量转化为探明储量的难易程度确定装置的结构示意图；如图4所示，本实施例提供一种区块预测储量转化为探明储量的难易程度确定装置，包括影响因素获取模块301、评价值获取模块302、权重设置模块303、难易程度指数计算模块304和区块筛选模块305。
其中，区块筛选模块305，用于筛选难易程度指数大于等于0.5的区块进行勘探。
进一步的，难易程度指数计算模块304具体用于：
根据如下公式计算难易程度指数：
其中，K表示难易程度指数，b表示储量品位、地质条件或关联因素的评价值，r表示储量品位、地质条件或关联因素的权重值。
进一步的，评价值获取模块302具体用于：
根据如下公式分别计算储量品位、地质条件和关联因素的评价值：
其中，b表示储量品位、地质条件或关联因素的评价值，a表示品位评价因子、类型评价因子或关联评价因子，f表示品位评价因子、类型评价因子或关联评价因子相应的权重值。
本实施例是与方法实施例二对应的装置实施例，具体可参见实施例二中的描述，在此不再赘述。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种区块预测储量转化为探明储量的难易程度确定方法，其特征在于，包括：
影响因素获取步骤，对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，所述影响因素包括储量品位、地质条件和关联因素，其中，储量品位包括产能、丰度和物性三个品位评价因子；地质条件包括油气藏类型和储层类型两个类型评价因子；关联因素包括储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子；
评价值获取步骤，分别获取储量品位、地质条件和关联因素的评价值，所述评价值反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度；
权重设置步骤，为储量品位、地质条件和关联因素分别设置权重值；
难易程度指数计算步骤，根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
2.根据权利要求1所述的区块预测储量转化为探明储量的难易程度确定方法，其特征在于，难易程度指数计算步骤具体包括：
根据如下公式计算难易程度指数：
<mrow>
<mi>K</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
</mrow>
其中，K表示难易程度指数，b表示储量品位、地质条件或关联因素的评价值，r表示储量品位、地质条件或关联因素的权重值。
3.根据权利要求1所述的区块预测储量转化为探明储量的难易程度确定方法，其特征在于，评价值获取步骤具体包括：
根据如下公式分别计算储量品位、地质条件和关联因素的评价值：
<mrow>
<mi>b</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<msub>
<mi>f</mi>
<mi>j</mi>
</msub>
</mrow>
其中，b表示储量品位、地质条件或关联因素的评价值，a表示品位评价因子、类型评价因子或关联评价因子的取值，f表示品位评价因子、类型评价因子或关联评价因子相应的权重值。
4.根据权利要求1所述的区块预测储量转化为探明储量的难易程度确定方法，其特征在于，在难易程度指数计算步骤之后，还包括：
区块筛选步骤，筛选难易程度指数大于等于0.5的区块进行勘探。
5.根据权利要求1所述的区块预测储量转化为探明储量的难易程度确定方法，其特征在于，权重获取步骤具体包括：
将储量品位、地质条件和关联因素的权重值分别设置为0.6，0.2和0.2。
6.根据权利要求3所述的区块预测储量转化为探明储量的难易程度确定方法，其特征在于，
产能、丰度和物性的权重值分别为0.4、0.3和0.3；
油气藏类型和储层类型的权重值分别为0.5和0.5；
储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性的权重值分别为0.2、0.2、0.2、0.2和0.2。
7.一种区块预测储量转化为探明储量的难易程度确定装置，其特征在于，包括：
影响因素获取模块，用于对区块进行分析，以获取影响预测储量转化为探明储量的影响因素，所述影响因素包括储量品位、地质条件和关联因素，其中，储量品位包括产能、丰度和物性三个品位评价因子；地质条件包括油气藏类型和储层类型两个类型评价因子；关联因素包括储量规模、区带油气富集程度、储量参数确定方法、深度和工程技术适应性五个关联评价因子；
评价值获取模块，用于分别获取储量品位、地质条件和关联因素的评价值，所述评价值反映储量品位、地质条件和关联因素对预测储量转化为探明储量的影响程度；
权重设置模块，用于为储量品位、地质条件和关联因素分别设置权重值；
难易程度指数计算模块，用于根据储量品位、地质条件和关联因素各自的评价值与储量品位、地质条件和关联因素各自的权重值，计算获得区块预测储量转化为探明储量的难易程度指数，所述难易程度指数的取值范围在0到1之间，其中，难易程度指数的值越大，表示越容易转化。
8.根据权利要求7所述的区块预测储量转化为探明储量的难易程度确定装置，其特征在于，难易程度指数计算模块具体用于：
根据如下公式计算难易程度指数：
<mrow>
<mi>K</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
</mrow>
其中，K表示难易程度指数，b表示储量品位、地质条件或关联因素的评价值，r表示储量品位、地质条件或关联因素的权重值。
9.根据权利要求7所述的区块预测储量转化为探明储量的难易程度确定装置，其特征在于，评价值获取模块具体用于：
根据如下公式分别计算储量品位、地质条件和关联因素的评价值：
<mrow>
<mi>b</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<msub>
<mi>f</mi>
<mi>j</mi>
</msub>
</mrow>
其中，b表示储量品位、地质条件或关联因素的评价值，a表示品位评价因子、类型评价因子或关联评价因子，f表示品位评价因子、类型评价因子或关联评价因子相应的权重值。
10.根据权利要求7所述的区块预测储量转化为探明储量的难易程度确定装置，其特征在于，还包括：
区块筛选模块，用于筛选难易程度指数大于等于0.5的区块进行勘探。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610164341.1A CN107220722A (zh) | 2016-03-22 | 2016-03-22 | 区块预测储量转化为探明储量的难易程度确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610164341.1A CN107220722A (zh) | 2016-03-22 | 2016-03-22 | 区块预测储量转化为探明储量的难易程度确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107220722A true CN107220722A (zh) | 2017-09-29 |
Family
ID=59927808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610164341.1A Pending CN107220722A (zh) | 2016-03-22 | 2016-03-22 | 区块预测储量转化为探明储量的难易程度确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107220722A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108507510A (zh) * | 2018-04-02 | 2018-09-07 | 广东劲胜智能集团股份有限公司 | 一种测量不同非晶精密件成型难度差异的方法与设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038680A (zh) * | 2007-04-29 | 2007-09-19 | 中国地质大学（北京） | 基于三维建模的立方体预测模型找矿方法 |
| FR2955946B1 (fr) * | 2010-02-02 | 2012-04-20 | Famaro | Procede de determination du debit de bitume ou de liants hydrocarbones a injecter dans une centrale d'enrobage continu |
| CN103390108A (zh) * | 2013-07-25 | 2013-11-13 | 中国石油大学(北京) | 一种基于压裂地质体可压性的井型设计方法及装置 |
-
2016
- 2016-03-22 CN CN201610164341.1A patent/CN107220722A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038680A (zh) * | 2007-04-29 | 2007-09-19 | 中国地质大学（北京） | 基于三维建模的立方体预测模型找矿方法 |
| FR2955946B1 (fr) * | 2010-02-02 | 2012-04-20 | Famaro | Procede de determination du debit de bitume ou de liants hydrocarbones a injecter dans une centrale d'enrobage continu |
| CN103390108A (zh) * | 2013-07-25 | 2013-11-13 | 中国石油大学(北京) | 一种基于压裂地质体可压性的井型设计方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 秦伟军 等: "油气预测储量区块升级评价方法", 《石油实验地质》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108507510A (zh) * | 2018-04-02 | 2018-09-07 | 广东劲胜智能集团股份有限公司 | 一种测量不同非晶精密件成型难度差异的方法与设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104564041B (zh) | 基于开发渗透率下限的低渗透碎屑岩储层有效性评价方法 | |
| Wang et al. | Marcellus shale lithofacies prediction by multiclass neural network classification in the Appalachian Basin | |
| WO2003081233A1 (en) | Method and apparatus for simulating pvt parameters | |
| CN111665560B (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
| CN107728231B (zh) | 一种预测核磁共振测井横向弛豫时间t2分布的方法 | |
| Mahjour et al. | Developing a workflow to represent fractured carbonate reservoirs for simulation models under uncertainties based on flow unit concept | |
| CN112922591B (zh) | 泥页岩储层岩相“甜点”预测方法及系统 | |
| CN104807589A (zh) | 一种集输-立管系统内气液两相流流型的在线识别方法 | |
| CN104428492A (zh) | 使用矿物学确定压裂刺激点的布置的系统、方法、和计算机程序产品 | |
| Masoudi et al. | Developing a method for identification of net zones using log data and diffusivity equation | |
| CN103376468A (zh) | 基于神经网络函数逼近算法的储层参数定量表征方法 | |
| CN105277979B (zh) | 一种地震属性的优化方法和装置 | |
| CN106199754B (zh) | 油气钻探目标综合优选评价方法 | |
| CN113033648A (zh) | 一种使用机器学习算法实现测井解释的方法 | |
| CN110295894A (zh) | 一种建立水平井产能预测模型的方法 | |
| Zorn et al. | Geomechanical lithology-based analysis of microseismicity in organic shale sequences: A Pennsylvania Marcellus Shale example | |
| CN113962605A (zh) | 一种岩层可压裂性评价方法、系统及可存储介质 | |
| Singh et al. | Basin analog investigations answer characterization challenges of unconventional gas potential in frontier basins | |
| CN107220722A (zh) | 区块预测储量转化为探明储量的难易程度确定方法及装置 | |
| CN112505154B (zh) | 泥页岩储层矿物成分含量解析与岩相识别表征方法 | |
| CN105224777B (zh) | 一种油气单元勘探工作程度识别方法 | |
| CN104749618A (zh) | 泥页岩缓倾角裂缝叠后概率定量表征方法 | |
| Palmer | Using AI and Machine Learning to Indicate Shale Anisotropy and Assist in Completions Design | |
| CN106285661A (zh) | 一种基于判定指数的低阻油层识别方法及装置 | |
| Rostirolla et al. | Bayesian assessment of favorability for oil and gas prospects over the Reconcavo Basin, Brazil |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |