CN108717211A - 一种少井地区的有效烃源岩丰度的预测方法 - Google Patents
一种少井地区的有效烃源岩丰度的预测方法 Download PDFInfo
- Publication number
- CN108717211A CN108717211A CN201810559194.7A CN201810559194A CN108717211A CN 108717211 A CN108717211 A CN 108717211A CN 201810559194 A CN201810559194 A CN 201810559194A CN 108717211 A CN108717211 A CN 108717211A
- Authority
- CN
- China
- Prior art keywords
- hydrocarbon
- toc
- stratum
- main
- main hydrocarbon
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 239000004215 Carbon black (E152) Substances 0.000 claims description 190
- 229930195733 hydrocarbon Natural products 0.000 claims description 190
- 150000002430 hydrocarbons Chemical class 0.000 claims description 189
- 238000011161 development Methods 0.000 claims description 55
- 239000004575 stone Substances 0.000 claims description 32
- 238000011160 research Methods 0.000 claims description 24
- 238000010219 correlation analysis Methods 0.000 claims description 23
- 239000010779 crude oil Substances 0.000 claims description 18
- 239000003921 oil Substances 0.000 claims description 14
- 238000000197 pyrolysis Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 8
- 239000004079 vitrinite Substances 0.000 claims description 8
- 239000000090 biomarker Substances 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 4
- 239000005864 Sulphur Substances 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- -1 polycyclic terpene Chemical class 0.000 claims description 3
- 230000001373 regressive effect Effects 0.000 claims description 3
- 150000003431 steroids Chemical class 0.000 claims description 3
- 235000007586 terpenes Nutrition 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims 1
- 239000000843 powder Substances 0.000 abstract description 2
- 238000013517 stratification Methods 0.000 abstract description 2
- 230000015572 biosynthetic process Effects 0.000 description 8
- 239000000203 mixture Substances 0.000 description 6
- 208000035126 Facies Diseases 0.000 description 4
- 241001415846 Procellariidae Species 0.000 description 4
- 239000004744 fabric Substances 0.000 description 4
- 230000005251 gamma ray Effects 0.000 description 4
- 238000004587 chromatography analysis Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000001615 p wave Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 208000022639 SchC6pf-Schulz-Passarge syndrome Diseases 0.000 description 1
- 208000001364 Schopf-Schulz-Passarge syndrome Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003667 anti-reflective effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 229920000831 ionic polymer Polymers 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000001521 two-tailed test Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种少井地区有效烃源岩丰度的预测方法，属于地质层预测技术领域。本发明结合测井、地震和地化分析数据得到少井地区有效烃源岩丰度的预测平面图。本发明的预测方法具有合理的TOC下限值，对于有效烃源岩的分布具有实际指导意义。
Description
技术领域
本发明涉及地质层预测技术领域，尤其涉及一种少井地区的有效烃源岩丰度的预测方法。
背景技术
有效烃源岩是指既有油气的生成又能够排出油气的岩层。近年来，一些油田的勘探失利，使人们意识到不能把研究重点局限在烃源岩的分布范围上，应该进一步深入了解烃源岩中有效部分即有机质丰度高、生烃强度大、排烃效率高、排烃厚度大的“有效的”烃源岩层的分布范围。尤其是在测井较少勘探程度较低的地区，有效烃源岩丰度与分布预测的难度更大。而且长期以来，对于有效烃源岩丰度下限值的判定，业内也存在较大争议，下限值划定太低会导致勘探资金的浪费，下限值划定太高，必然导致一些有利区被否定。
在多井地区，利用地化分析资料结合层序地层学、地震相、沉积相分析，可以对有效烃源岩丰度与分布进行预测。在少井地区，测井资料稀少，利用地化分析资料结合层序地层学、地震相、沉积相分析，对有效烃源岩丰度与分布进行预测只能圈定烃源岩发育的主要范围，无法计算得到精确烃源岩分布的厚度和TOC的等值线图。预测的精度不够，只能进行定性-半定量预测，无法做到较为精确的定量预测。
发明内容
有鉴于此，本发明的目的在于提供一种少井地区的有效烃源岩丰度的预测方法。本发明结合测井、地震和地化分析数据准确得到了少井地区有效烃源岩的丰度(有效烃源岩厚度、TOC含量和Ro)平面分布图，解决了少井地区有效烃源岩丰度预测结果不准，且预测不全面的问题。
为了实现上述发明目的，本发明提供以下技术方案：
本发明提供了一种少井地区的有效烃源岩丰度的预测方法，所述有效烃源岩丰度包括有效烃源岩的厚度、TOC含量和镜质体反射率，包括以下步骤：
(1)采用油源对比分析烃源岩样本与原油样本，确定研究区内主力烃源岩发育地层；
(2)有效烃源岩厚度及分布的获取：
利用录井岩屑资料，得到所述主力烃源岩发育地层的单井泥岩百分比；
采用时深转化将测井数据从深度域转化为时间域，得到单井地震属性，以单井泥岩百分比为因变量，以单井地震属性为自变量，建立地震属性与泥岩百分比之间的线性预测模型；
将所述线性预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层泥岩百分比的预测结果；
利用地震解释技术，得到主力烃源岩发育地层的总厚度，所述主力烃源岩发育地层的总厚度与所述主力烃源岩发育地层泥岩百分比预测结果相乘得到研究区有效烃源岩的厚度及分布；
(3)有效烃源岩TOC含量分布的获取：
采用岩石热解地球化学分析确定主力烃源岩发育地层TOC下限值；将单井TOC含量与测井曲线值进行相关分析，选取有效测井曲线，建立单井TOC含量与有效测井曲线之间的多元回归预测模型；
将所述多元预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层TOC分布曲线；
利用测井曲线计算得到地球物理参数曲线，对所述主力烃源岩发育地层的TOC分布曲线与地球物理参数曲线进行相关分析，基于最小二乘原理，建立一元拟合方程；
利用地球物理反演技术，反演得到各地球物理参数数据体，并依据所述一元拟合方程将所述地球物理参数数据体转化成为主力烃源岩发育地层TOC数据体；剔除所述主力烃源岩发育地层TOC数据体中TOC值<主力烃源岩发育地层TOC下限值的数据，得到研究区有效烃源岩TOC含量分布图；
(4)有效烃源岩Ro分布的获取：
根据研究区镜质组反射率Ro的平面等值线图，圈定2>Ro>0.5的区域，得到研究区有效烃源岩Ro分布图。
优选地，所述步骤(1)中油源对比分析的方法包括以下步骤：利用色谱质谱联用仪分别对所述烃源岩样本和原油样本进行检测，得到烃源岩样本与原油样本中生物标志物的m/z 217和m/z 191质量色谱图，比较烃源岩样本与原油样本质量色谱图的相似程度，找到与原油样本质量色谱图相似的烃源岩样本，即主力烃源岩发育地层。
优选地，所述生物标志物包括异构烷烃、甾族和多环萜类。
优选地，所述主力烃源岩发育地层的单井泥岩百分比的获取方法，包括以下步骤：利用录井岩屑资料得到录井岩性柱状图，在所述录井岩性柱状图上读取主力烃源岩发育地层的顶底界面深度，计算主力烃源岩发育地层顶底界面深度差，即为主力烃源岩发育地层的总厚度；
在所述录井岩性柱状图上读取主力烃源岩发育地层泥岩层的顶底界面深度，计算主力烃源岩发育地层泥岩层的顶底界面深度差，即为各个泥岩层厚度；将所有泥岩层厚度求和，即为主力烃源岩发育地层泥岩层总厚度；
所述主力烃源岩发育地层的单井泥岩百分比为所述主力烃源岩发育地层泥岩层总厚度与所述主力烃源岩发育地层总厚度的比值。
优选地，所述主力烃源岩发育地层TOC下限值的确定方法包括：采集烃源岩井壁取芯或岩屑样本，利用LECO CS-344红外碳硫测定仪测量得到所述烃源岩井壁取芯或岩屑样本的TOC含量记为W(TOC)；
利用岩石热解分析法，获得所述烃源岩井壁取芯或岩屑样本的热解S1值，S1值为300℃时检测的单位质量烃源岩井壁取芯或岩屑样本的烃含量；分析S1/W(TOC)-W(TOC)散点交会图，其中散点数据趋势线峰值处对应的TOC值，即为主力烃源岩发育地层TOC下限值。
优选地，所述步骤(3)中的地球物理参数包括：纵波阻抗、密度、横纵波速度比、泊松比、纵波速度和横波速度。
本发明提供了一种少井地区的有效烃源岩丰度的预测方法，本发明利用油源对比方法确定主力烃源岩发育地层，利用测井曲线计算主力烃源岩发育地层TOC分布曲线。进而分析地球物理参数与TOC参数之间的相关关系得到地球物理参数-TOC参数的线性拟合模型，根据线性拟合模型结合地球物理反演技术得到TOC分布数据体，从而得到有效烃源岩TOC含量的平面分布，该方法能够定量预测有效烃源岩TOC含量，能够直观得到有效烃源岩厚度与TOC含量的平面分布。根据单井泥岩百分含量与地震属性值建立泥岩百分含量平面分布的预测模型，利用地震解释技术得到的烃源岩发育地层厚度，与泥岩百分含量平面分布相乘得到烃源岩厚度分布。本发明的预测有助于圈定盆地内生烃中心，具有较高的准确度。本发明解决了少井地区有效烃源岩丰度预测不全面及不准确的缺陷。
同时，本发明还提供了一种准确的有效烃源岩丰度下限值的判定方法，降低成本的同时也避免了资源的浪费。
附图说明
图1为油源对比分析结果；
图2为主力烃源岩发育地层泥岩百分比的预测结果；
图3为主力烃源岩发育地层有效烃源岩总厚度分布图；
图4为主力烃源岩发育地层TOC分布曲线；
图5为有效烃源岩层TOC含量分布等值线图；
图6为有效烃源岩层的Ro分布图；
图7为有效烃源岩层的丰度预测图。
具体实施方式
本发明提供了一种少井地区的有效烃源岩丰度和厚度的预测方法，所述有效烃源岩丰度包括有效烃源岩的厚度、TOC含量和镜质体反射率，包括以下步骤：
(1)采用油源对比分析烃源岩样本与原油样本，确定研究区内主力烃源岩发育地层；
(2)有效烃源岩厚度及分布的获取：
利用录井岩屑资料，得到所述主力烃源岩发育地层的单井泥岩百分比；
采用时深转化将测井数据从深度域转化为时间域，得到单井地震属性，以单井泥岩百分比为因变量，以单井地震属性为自变量，建立地震属性与泥岩百分比之间的线性预测模型；
将所述线性预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层泥岩百分比的预测结果；
利用地震解释技术，得到主力烃源岩发育地层的总厚度，所述主力烃源岩发育地层的总厚度与所述主力烃源岩发育地层泥岩百分比预测结果相乘得到研究区有效烃源岩的厚度及分布；
(3)有效烃源岩TOC含量分布的获取：
采用岩石热解地球化学分析确定主力烃源岩发育地层TOC下限值；将单井TOC含量与测井曲线值进行相关分析，选取有效测井曲线，建立单井TOC含量与有效测井曲线之间的多元回归预测模型；
将所述多元预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层TOC分布曲线；
利用测井曲线计算得到地球物理参数曲线，对所述主力烃源岩发育地层的TOC分布曲线与地球物理参数曲线进行相关分析，基于最小二乘原理，建立一元拟合方程；
利用地球物理反演技术，反演得到各地球物理参数数据体，并依据所述一元拟合方程将所述地球物理参数数据体转化成为主力烃源岩发育地层TOC数据体；剔除所述主力烃源岩发育地层TOC数据体中TOC值<主力烃源岩发育地层TOC下限值的数据，得到研究区有效烃源岩TOC含量分布图；
(4)有效烃源岩Ro分布的获取：
根据研究区镜质组反射率Ro的平面等值线图，圈定2>Ro>0.5的区域，得到研究区有效烃源岩Ro分布图。
本发明提供的预测方法首先采用油源对比分析烃源岩样本与原油样本，确定研究区内主力烃源岩发育地层。
在本发明中，所述步骤(1)中油源对比分析的方法优选包括以下步骤：利用色谱质谱联用仪分别对所述烃源岩样本和原油样本进行检测，得到烃源岩样本与原油样本中生物标志物的m/z 217和m/z 191质量色谱图，比较烃源岩样本与原油样本质量色谱图的相似程度，找到与原油样本质量色谱图相似的烃源岩样本，即主力烃源岩发育地层。在本发明中，所述生物标志物优选包括异构烷烃、甾族和多环萜类。在本发明中，所述色谱的分析参数优选包括：进样方式为样品直接或用正己烷溶解后分流或不分流注入；汽化室温度为300～350℃；柱始温为70～100℃；柱终温为300～350℃；程序升温速率不超过4℃/min；载气为氦气。在本发明中，所述质谱的分析参数优选包括：离子化方式为电子轰击；电子能量为70eV；离子源温度为150～250)℃；分辨率为大于500或全质量范围为1个质量单位；扫描方式为全扫描或多离子检测；扫描质量范围为50～600uo；扫描速率为全扫描每秒不低于300u；多离子检测每个循环的时间不超过2s。在本发明中，所述色谱质谱联用仪中色谱和质谱接口温度优选为250～300℃。
在本发明中，所述相似程度的比较方法优选包括当所述烃源岩样本与原油样本特征峰的峰值数目大致相似，同一个特征峰对应的时间相差不大，整个质量色谱图的变化趋势相当，则确定该样本为主力烃源发育地层。
确定研究区内的主力烃源岩发育地层后，本发明预测有效烃源岩厚度及分布。在本发明中，所述有效烃源岩厚度的获取优选采用主力烃源岩发育地层的总厚度与主力烃源岩发育地层泥岩百分比预测结果相乘得到研究区有效烃源岩的厚度及分布。
在本发明中，所述主力烃源岩发育地层的总厚度优选通过以下步骤得到：利用Petrel软件中的Manual interpretation功能，人工在地震剖面上识别画出烃源岩发育地层顶底界面；利用Petrel软件中的Calculate功能，输入公式Thickness＝surface1(烃源岩顶界面)-surface2(烃源岩底界面)，计算得到烃源岩发育地层总厚度。
在本发明中，所述主力烃源岩发育地层泥岩百分比预测结果优选采用包括以下步骤的方法得到：利用录井岩屑资料，得到所述主力烃源岩发育地层的单井泥岩百分比；采用时深转化将测井数据从深度域转化为时间域，得到单井地震属性；以单井泥岩百分比为因变量，以单井地震属性为自变量，建立地震属性与泥岩百分比之间的线性预测模型；将所述线性预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层泥岩百分比的预测结果。
在本发明中，所述主力烃源岩发育地层单井泥岩百分比的获取方法，优选包括以下步骤：利用录井岩屑资料得到录井岩性柱状图，在所述录井岩性柱状图上读取主力烃源岩发育地层的顶底界面深度，计算主力烃源岩发育地层顶底界面深度差，即为主力烃源岩发育地层的总厚度；在所述录井岩性柱状图上读取主力烃源岩发育地层泥岩层的顶底界面深度，计算主力烃源岩发育地层泥岩层的顶底界面深度差，即为各个泥岩层厚度；将所有泥岩层厚度求和，即为主力烃源岩发育地层泥岩层总厚度；所述主力烃源岩发育地层的单井泥岩百分比为所述主力烃源岩发育地层泥岩层总厚度与所述主力烃源岩发育地层总厚度的比值。本发明对所述录井岩屑资料的获取没有特殊的限定，采用本领域技术人员熟知的获取方式得到即可。在本发明中，所述录井岩性柱状图优选根据录井岩屑资料，利用Resform软件，根据录井岩屑资料中的岩性与深度的对应关系，得到录井岩性柱状图。
在本发明中，所述单井地震属性优选采用包括以下步骤的方法得到：采用Petrel软件中的Geological Interpretation系统中的Well Correlation模块进行时深转换，利用Petrel软件中的Seismic Interpretation系统中的Multitrace Attributes模块进行地震属性的提取，确定单井的地震属性。在本发明中，所述MultitraceAttributes模块的参数设置优选包括将Window length设置为11；将Number ofiteration设置为50。
在本发明中，所述线性预测模型为式I所示：
式I中，Pm为泥岩百分含量，Li为地震属性值，i为地震属性Li与泥岩百分含量Pm之间的相关系数，P为常数，n为测井个数。在本发明中，所述i和P可以利用SPSS(统计产品与服务解决方案)软件，对多个测井计算得到地震属性值和泥岩百分含量的值进行多元回归分析得到。
确定主力烃源岩发育地层后，获取主力烃源岩发育地层有效烃源岩TOC含量分布。在本发明中，所述效烃源岩TOC含量分布的获取优选包括以下步骤：采用岩石热解地球化学分析确定主力烃源岩发育地层TOC下限值；将主力烃源岩发育地层TOC值与测井曲线值进行相关分析，选取有效测井曲线，建立主力烃源岩发育地层TOC含量与有效测井曲线之间的多元回归预测模型；将所述多元预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层TOC分布曲线；利用测井曲线计算得到地球物理参数曲线，对所述主力烃源岩发育地层的TOC分布曲线与地球物理参数曲线进行相关分析，基于最小二乘原理，建立一元拟合方程；利用地球物理反演技术，反演得到各地球物理参数数据体，并依据所述一元拟合方程将所述地球物理参数数据体转化成为主力烃源岩发育地层TOC数据体；剔除所述主力烃源岩发育地层TOC数据体中TOC值<主力烃源岩发育地层TOC下限值的数据，得到研究区有效烃源岩TOC含量分布图。
在本发明中，所述主力烃源岩发育地层TOC下限值的确定方法包括：采集烃源岩井壁取芯或岩屑样本，利用LECO CS-344红外碳硫测定仪测量得到所述烃源岩井壁取芯或岩屑样本的TOC含量记为W(TOC)，利用岩石热解分析法，获得所述烃源岩井壁取芯或岩屑样本的热解S1值，S1值为300℃时检测的单位质量烃源岩井壁取芯或岩屑样本中的烃含量；分析S1/W(TOC)-W(TOC)散点交会图，其中散点数据趋势线峰值处对应的TOC值，即为主力烃源岩发育地层TOC下限值。
本发明将单井TOC含量与测井曲线值进行相关分析，选取有效测井曲线，建立所述单井TOC含量与所述有效测井曲线之间的多元回归预测模型。在本发明中，所述单井TOC含量的获取方法优选包括利用LECO CS-344红外碳硫测定仪测量单井TOC含量。在本发明中，对所述相关分析的方法没有特殊的限定，采用本领域技术人员熟知的分析方法即可，具体的，如以测井曲线作为A变量，以单井TOC含量作为B变量，利用SPSS软件中相关分析模块，计算得到A、B变量之间的皮尔斯相关系数。在本发明中，所述SSPS软件中，优选将相关参数选择为Pearson，显著性检验方式选择为双尾检验(T)。
在本发明中，所述测井曲线优选包括自然伽马曲线、中子孔隙度曲线、密度曲线、声波时差曲线、电阻率曲线，自然电位曲线。
在本发明中，所述多元回归预测模型优选利用SPSS(Statistical Product andService Solutions)软件进行多元线性回归分析获得。
在本发明中，所述多元回归预测模型优选为式II所示：
式II中W(TOC)为烃源岩样本TOC含量，bi、d为常数，Mi是为有效测井曲线，个数为m；bi、d利用SPSS(Statistical Product and Service Solutions)软件中多元线性回归分析模块求取。
得到多元回归预测模型后，本发明将所述多元回归预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层TOC分布曲线。
在本发明中，当测井曲线缺少自然伽马曲线、中子孔隙度曲线、密度曲线和自然电位曲线时，并且利用多元回归模型建立预测模型计算得到的TOC分布曲线与实际测量的烃源岩TOC含量相关性不佳时，优选采用超声波曲线和地层真电阻率曲线重叠法计算得到主力烃源岩发育地层TOC分布曲线。在本发明中，所述相关性的计算方法优选为利用SPSS软件中的相关分析模块，把测量得到的TOC含量看成A变量，把计算得到的TOC含量看做是B变量。计算测量得到的TOC含量(A变量)与计算得到的TOC含量(B变量)之间的皮尔斯相关系数，相关分析软件为SPSS(Statistical Product and Service Solutions)软件，相关分析模块参数选择：相关参数类型选择为Pearson，即皮尔森相关系数。显著性检验方式选择为：双尾检验(T)。在本发明中，当所述相关系数小于0.5时，可以认定为相关性不佳。在本发明中，所述超声波曲线和地层真电阻率曲线重叠法为本领域技术人员熟知的计算方法。
在本发明中，当地层真电阻率曲线缺失的情况下，优选采用深侧向电阻率曲线代替，主要的计算公式如式III所示：
式III中，R为地层真电阻率，R基线为地层真电阻率基线值，Δt为声波时差曲线，Δt基线为声波时差曲线基线值，LOM热变指数，TOCbackground为TOC含量背景值。
得到主力烃源岩发育地层TOC分布曲线后，本发明利用测井曲线计算得到地球物理参数曲线，对所述主力烃源岩发育地层的TOC分布曲线与地球物理参数曲线进行相关分析，基于最小二乘原理，建立一元拟合方程。
在本发明中，优选采用Geoview软件中的Elog模块中的Crossplot功能进行地球物理曲线的计算。在本发明中，所述Geoview软件中Elog模块中Crossplot功能的具体参数设置优选包括：打开Crossplot功能，选取主力烃源岩发育地层的TOC分布曲线为A变量，地球物理参数(密度、纵波阻抗、泊松比、横纵波速度比等)为B变量，得到地球物理参数。在本发明中，优选采用Regression功能中的Least squares功能进行所述地球物理曲线与主力烃源岩发育地层的TOC分布曲线之间的相关性分析。在本发明中，所述Regression功能中的Least squares功能的具体参数设置优选包括Number ofiteration为50；Type ofNorm(1.0-2.0)为2.0；Normalized standard error为0。
在本发明中，所述一元拟合方程优选式IV所示：
式IV中，d为常数，D为地球物理参数。在本发明中，所述常数d、bi的获取方法优选为利用SPSS(Statistical Product and Service Solutions)通过一元回归分析得到。
本发明利用地球物理反演技术，反演得到各种地球物理参数数据体，并依据所述一元拟合方程将所述地球物理参数数据体转化成为TOC数据体；然后剔除所述TOC数据体中TOC<主力烃源岩发育地层TOC下限值的数据，得到有效烃源岩的TOC含量。
在本发明中，所述地球反演技术针对的数据优选为利用叠后地震数据进行纵波阻抗反演，得到叠后纵波阻抗数据体。在本发明中，所述地球物理参数数据体转化为TOC数据体的方法优选为在Jason软件中利用Functionmod模块将TOC数据体通过地球物理参数与TOC参数之间的一元拟合方程转成成为TOC参数数据体。
确定主力烃源岩发育地层后，根据研究区镜质组反射率Ro的平面等值线图，圈定2>Ro>0.5的区域，得到研究区有效烃源岩Ro分布图。
下面结合实施例对本发明提供少井地区的有效烃源岩丰度的预测方法进行详细的说明，但是不能把它们理解为对本发明保护范围的限定。
实施例1
以东海盆地丽水-椒江凹陷为例：
(1)采用油源对比分析烃源岩样本与原油样本中，确定研究区内主力烃源岩发育地层；油源对比分析结果如图1所示。从图1可以看出：原油与烃源岩样本的生物标志物分布特征很相似，表明具有良好的亲缘关系。
(2)有效烃源岩厚度及分布的获取：
利用录井岩屑资料，得到所述主力烃源岩发育地层的单井泥岩百分比分别为0.7、0.65、0.68、0.75、0.58；
采用时深转化将测井数据从深度域转化为时间域，得到单井地震属性为均方根频率为：155.3Hz、167.2Hz、170.9Hz、149.7Hz、158.6Hz；均方根振幅为：1011.3、770.9、690.9、1126.1、1140.1；以单井泥岩百分比为因变量，以单井地震属性为自变量，建立地震属性与泥岩百分比之间的线性预测模型为R＝-0.00045X-0.00924Y+1.89；其中，R为泥岩百分含量；X为均方根振幅；Y为均方根频率；
将所述线性预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层泥岩百分比的预测结果见图2；从图2可以看出：主力烃源岩发育地层泥岩百分比较高，表示在烃源岩发育地层中，有较厚的泥岩，即有效烃源岩厚度较大。
利用地震解释技术，得到主力烃源岩发育地层的总厚度分布，将所述主力烃源岩发育地层的总厚度与所述主力烃源岩发育地层泥岩百分比预测结果相乘得到主力烃源岩发育地层有效烃源岩的厚度分布图，见图3，从图3可以看出：丽水-椒江凹陷西次凹有效烃源岩分布厚度最大，烃源岩厚度大于400m，烃源岩条件好，预测结果符合地质规律。
(3)有效烃源岩TOC含量分布的获取：
采用岩石热解地球化学分析确定主力烃源岩发育地层TOC下限值为0.5％；将单井TOC含量与测井曲线值进行相关分析，选取有效测井曲线(中子孔隙度曲线、自然伽马曲线、密度曲线、声波时差曲线、地层真电阻率曲线)，建立单井TOC含量与有效测井曲线之间的多元回归预测模型为：W(TOC)＝3.532*CN-0.014*GR-0.025*Rt+2.336*DEN-0.037*AC-0.787，其中CN为中子孔隙度测井曲线、GR为自然伽马测井曲线、Rt地层真电阻率测井曲线、AC为声波时差测井曲线、DEN为密度测井曲线；
将所述多元预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层TOC分布曲线，见图4。从图4可以看出：利用多元回归分析方法计算得到的单井TOC分布曲线与实际测量得到的TOC数据拟合较好。表明预测结果具有可靠性。
利用测井曲线计算得到地球物理参数曲线，对所述主力烃源岩发育地层的TOC分布曲线与地球物理参数曲线进行相关分析，基于最小二乘原理，建立一元拟合方程：W(TOC)＝5.179*10-5*P-impedance+0.483，其中P-impedance为纵波阻抗(地球物理参数)；
利用地球物理反演技术，反演得到各地球物理参数数据体，并依据所述一元拟合方程将所述地球物理参数数据体转化成为主力烃源岩发育地层TOC数据体；剔除所述主力烃源岩发育地层TOC数据体中TOC值<主力烃源岩发育地层TOC下限值的数据，得到有效烃源岩层TOC含量分布图，参见图5。从图5可以看出：在丽水-椒江凹陷西次凹北部靠近灵峰古潜山附近TOC含量分布为1.5～3％，具有很高的TOC含量，分布较好的烃源岩。
(4)有效烃源岩Ro分布的获取：
根据研究区镜质组反射率Ro的平面等值线图，圈定2>Ro>0.5的区域，得到有效烃源岩层Ro分布图，结果见6，从图6可以看出：在丽水-椒江凹陷西次凹不仅具有较厚的烃源岩，并且烃源岩的TOC含量较高，且具有较高的成熟度(Ro>0.5)，所以丽水-椒江凹陷西次凹具有很好的烃源岩条件，丽水-椒江凹陷东次凹烃源岩条件较西次凹差。
将得到的有效烃源岩厚度分布、TOC含量分布及Ro参数拟合到一张图中，得到有效烃源层的丰度预测图，参见图7。从图7可以看出：颜色的深浅代表烃源岩厚度的大小，等值线的分布代表TOC含量的分布、其中整个数据分布的范围是0.5<Ro<2的范围。
从实施例可以看出，本发明的有效烃源岩丰度结果准确，解决了少井地区有效烃源岩丰度预测不全面及不准确的缺陷。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种少井地区的有效烃源岩丰度的预测方法，所述有效烃源岩丰度包括有效烃源岩的厚度、TOC含量和镜质体反射率，包括以下步骤：
(1)采用油源对比分析烃源岩样本与原油样本，确定研究区内主力烃源岩发育地层；
(2)有效烃源岩厚度及分布的获取：
利用录井岩屑资料，得到所述主力烃源岩发育地层的单井泥岩百分比；
采用时深转化将测井数据从深度域转化为时间域，得到单井地震属性，以单井泥岩百分比为因变量，以单井地震属性为自变量，建立地震属性与泥岩百分比之间的线性预测模型；
将所述线性预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层泥岩百分比的预测结果；
利用地震解释技术，得到主力烃源岩发育地层的总厚度，所述主力烃源岩发育地层的总厚度与所述主力烃源岩发育地层泥岩百分比预测结果相乘得到研究区有效烃源岩的厚度及分布；
(3)有效烃源岩TOC含量分布的获取：
采用岩石热解地球化学分析确定主力烃源岩发育地层TOC下限值；将单井TOC含量与测井曲线值进行相关分析，选取有效测井曲线，建立单井TOC含量与有效测井曲线之间的多元回归预测模型；
将所述多元预测模型应用于主力烃源岩发育地层，得到主力烃源岩发育地层TOC分布曲线；
利用测井曲线计算得到地球物理参数曲线，对所述主力烃源岩发育地层的TOC分布曲线与地球物理参数曲线进行相关分析，基于最小二乘原理，建立一元拟合方程；
利用地球物理反演技术，反演得到各地球物理参数数据体，并依据所述一元拟合方程将所述地球物理参数数据体转化成为主力烃源岩发育地层TOC数据体；剔除所述主力烃源岩发育地层TOC数据体中TOC值<主力烃源岩发育地层TOC下限值的数据，得到研究区有效烃源岩TOC含量分布图；
(4)有效烃源岩Ro分布的获取：
根据研究区镜质组反射率Ro的平面等值线图，圈定2>Ro>0.5的区域，得到研究区有效烃源岩Ro分布图。
2.根据权利要求1所述的预测方法，其特征在于，所述步骤(1)中油源对比分析的方法包括以下步骤：利用色谱质谱联用仪分别对所述烃源岩样本和原油样本进行检测，得到烃源岩样本与原油样本中生物标志物的m/z 217和m/z 191质量色谱图，比较烃源岩样本与原油样本质量色谱图的相似程度，找到与原油样本质量色谱图相似的烃源岩样本，即主力烃源岩发育地层。
3.根据权利要求2所述的预测方法，其特征在于，所述生物标志物包括异构烷烃、甾族和多环萜类。
4.根据权利要求1所述的预测方法，其特征在于，所述主力烃源岩发育地层的单井泥岩百分比的获取方法，包括以下步骤：利用录井岩屑资料得到录井岩性柱状图，在所述录井岩性柱状图上读取主力烃源岩发育地层的顶底界面深度，计算主力烃源岩发育地层顶底界面深度差，即为主力烃源岩发育地层的总厚度；
在所述录井岩性柱状图上读取主力烃源岩发育地层泥岩层的顶底界面深度，计算主力烃源岩发育地层泥岩层的顶底界面深度差，即为各个泥岩层厚度；将所有泥岩层厚度求和，即为主力烃源岩发育地层泥岩层总厚度；
所述主力烃源岩发育地层的单井泥岩百分比为所述主力烃源岩发育地层泥岩层总厚度与所述主力烃源岩发育地层总厚度的比值。
5.根据权利要求1所述的预测方法，其特征在于，所述主力烃源岩发育地层TOC下限值的确定方法包括：采集烃源岩井壁取芯或岩屑样本，利用LECO CS-344红外碳硫测定仪测量得到所述烃源岩井壁取芯或岩屑样本的TOC含量记为W(TOC)；
利用岩石热解分析法，获得所述烃源岩井壁取芯或岩屑样本的热解S1值，S1值为300℃时检测的单位质量烃源岩井壁取芯或岩屑样本的烃含量；分析S1/W(TOC)-W(TOC)散点交会图，其中散点数据趋势线峰值处对应的TOC值，即为主力烃源岩发育地层TOC下限值。
6.根据权利要求1所述的预测方法，其特征在于，所述步骤(3)中的地球物理参数包括：纵波阻抗、密度、横纵波速度比、泊松比、纵波速度和横波速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810559194.7A CN108717211B (zh) | 2018-06-01 | 2018-06-01 | 一种少井地区的有效烃源岩丰度的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810559194.7A CN108717211B (zh) | 2018-06-01 | 2018-06-01 | 一种少井地区的有效烃源岩丰度的预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108717211A true CN108717211A (zh) | 2018-10-30 |
| CN108717211B CN108717211B (zh) | 2019-05-24 |
Family
ID=63911852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810559194.7A Expired - Fee Related CN108717211B (zh) | 2018-06-01 | 2018-06-01 | 一种少井地区的有效烃源岩丰度的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108717211B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441813A (zh) * | 2019-07-25 | 2019-11-12 | 中国石油大学(北京) | 一种湖相优质烃源岩的发育分布的预测方法 |
| CN113589398A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 有效烃源岩有机相的定量分类方法 |
| CN113777655A (zh) * | 2021-08-24 | 2021-12-10 | 中国石油化工股份有限公司 | 一种盐湖盆地小层烃源岩平面分布预测方法 |
| CN115796350A (zh) * | 2022-11-23 | 2023-03-14 | 长江大学 | 一种海域内少井区烃源岩总有机碳含量预测方法及系统 |
| CN117872505A (zh) * | 2024-03-11 | 2024-04-12 | 中海石油（中国）有限公司天津分公司 | 一种含油气盆地有效烃源岩发育规模的确定方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110108283A1 (en) * | 2009-11-09 | 2011-05-12 | Srnka Leonard J | Method For Remote Identification And Characterization of Hydrocarbon Source Rocks Using Seismic and Electromagnetic Geophysical Data |
| CN105158796A (zh) * | 2015-09-16 | 2015-12-16 | 中国石油天然气股份有限公司 | 确定toc含量的方法和装置 |
| CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
| CN105822301A (zh) * | 2016-03-23 | 2016-08-03 | 中国石油大学(北京) | 一种有机碳含量的测井预测数学模型建立方法 |
| CN107436452A (zh) * | 2016-05-27 | 2017-12-05 | 中国石油化工股份有限公司 | 基于概率神经网络算法的烃源岩预测方法及装置 |
-
2018
- 2018-06-01 CN CN201810559194.7A patent/CN108717211B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110108283A1 (en) * | 2009-11-09 | 2011-05-12 | Srnka Leonard J | Method For Remote Identification And Characterization of Hydrocarbon Source Rocks Using Seismic and Electromagnetic Geophysical Data |
| CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
| CN105158796A (zh) * | 2015-09-16 | 2015-12-16 | 中国石油天然气股份有限公司 | 确定toc含量的方法和装置 |
| CN105822301A (zh) * | 2016-03-23 | 2016-08-03 | 中国石油大学(北京) | 一种有机碳含量的测井预测数学模型建立方法 |
| CN107436452A (zh) * | 2016-05-27 | 2017-12-05 | 中国石油化工股份有限公司 | 基于概率神经网络算法的烃源岩预测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 廖晓等: "低勘探程度地区烃源岩综合评价-以塔里木盆地西南拗陷石炭系烃源岩为例", 《西北大学学报（自然科学版）》 * |
| 张金亮等: "Diagenesis and reservoir quality of the fourth member sandstones of Shahejie formation in Huimin depression, eastern China", 《J. CENT. SOUTH UNIV. TECHNOL.》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441813A (zh) * | 2019-07-25 | 2019-11-12 | 中国石油大学(北京) | 一种湖相优质烃源岩的发育分布的预测方法 |
| CN113589398A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 有效烃源岩有机相的定量分类方法 |
| CN113589398B (zh) * | 2020-04-30 | 2024-03-19 | 中国石油化工股份有限公司 | 有效烃源岩有机相的定量分类方法 |
| CN113777655A (zh) * | 2021-08-24 | 2021-12-10 | 中国石油化工股份有限公司 | 一种盐湖盆地小层烃源岩平面分布预测方法 |
| CN115796350A (zh) * | 2022-11-23 | 2023-03-14 | 长江大学 | 一种海域内少井区烃源岩总有机碳含量预测方法及系统 |
| CN117872505A (zh) * | 2024-03-11 | 2024-04-12 | 中海石油（中国）有限公司天津分公司 | 一种含油气盆地有效烃源岩发育规模的确定方法 |
| CN117872505B (zh) * | 2024-03-11 | 2024-07-23 | 中海石油（中国）有限公司天津分公司 | 一种含油气盆地有效烃源岩发育规模的确定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108717211B (zh) | 2019-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | An improved model for estimating the TOC in shale formations | |
| CN108717211B (zh) | 一种少井地区的有效烃源岩丰度的预测方法 | |
| Wang et al. | Methodology of organic-rich shale lithofacies identification and prediction: A case study from Marcellus Shale in the Appalachian basin | |
| Lai et al. | Geophysical well-log evaluation in the era of unconventional hydrocarbon resources: a review on current status and prospects | |
| US9134457B2 (en) | Multiscale digital rock modeling for reservoir simulation | |
| Yasin et al. | Estimation of petrophysical parameters from seismic inversion by combining particle swarm optimization and multilayer linear calculator | |
| CN109653725A (zh) | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 | |
| US11346833B2 (en) | Reservoir fluid characterization system | |
| Liu et al. | Petrophysical characteristics and log identification of lacustrine shale lithofacies: A case study of the first member of Qingshankou Formation in the Songliao Basin, Northeast China | |
| Baig et al. | Assessing reservoir quality of the Diyab source rock in UAE | |
| Cluff et al. | Petrophysics of the Lance sandstone reservoirs in Jonah field, Sublette County, Wyoming | |
| Feng et al. | Accurate determination of water saturation in tight sandstone gas reservoirs based on optimized Gaussian process regression | |
| Jin et al. | Quantitative characterization of bound and movable fluid microdistribution in porous rocks using nuclear magnetic resonance | |
| Zhao et al. | Pore structure characterization of the Cretaceous Quantou Formation: Results from microresistivity imaging logs in the second scientific drilling borehole (SK-2 east borehole) Songliao basin, northeast China | |
| Méndez et al. | Rock type prediction and 3D modeling of clastic paleokarst fillings in deeply-buried carbonates using the Democratic Neural Networks Association technique | |
| Lai et al. | Typical misinterpretations and scientific concepts in well-logging geologic studies | |
| Zhou et al. | “Double sweet spot” identification method via cluster analysis of petrophysical properties from well logg data: A case study of a tight sandstone reservoir | |
| CN111077578B (zh) | 岩层分布预测方法和装置 | |
| Zhang et al. | Organic-rich source rock characterization and evaluation of the Cretaceous Qingshankou Formation: results from geophysical logs of the second scientific drilling borehole in the Songliao Basin, NE China | |
| Alshakhs et al. | Sweet-spot mapping through formation evaluation and property modelling using data from the Goldwyer Formation of the Barbwire Terrace, Canning Basin | |
| Méndez et al. | Predicting and 3D modeling of karst zones using seismic facies analysis in Ordovician carbonates of the Tahe oilfield, China | |
| CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
| Masoud et al. | Reservoir characterization and geostatistical model of the Cretaceous and Cambrian-Ordovician reservoir intervals, Meghil field, Sirte basin, Libya | |
| Salazar et al. | A practical petrophysical model for a source rock play: The Mancos Shale | |
| Hu et al. | Seismic interpretation of sandstone-type uranium deposits in the Songliao Basin, Northeast China |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190524 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |