CN109165375A - 基岩岩性识别和物性计算方法及装置 - Google Patents

基岩岩性识别和物性计算方法及装置 Download PDF

Info

Publication number
CN109165375A
CN109165375A CN201810876926.5A CN201810876926A CN109165375A CN 109165375 A CN109165375 A CN 109165375A CN 201810876926 A CN201810876926 A CN 201810876926A CN 109165375 A CN109165375 A CN 109165375A
Authority
CN
China
Prior art keywords
rock
mineral
basement rock
value
basement
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
Application number
CN201810876926.5A
Other languages
English (en)
Other versions
CN109165375B (zh
Inventor
窦立荣
肖玉峰
李国平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Natural Gas Co Ltd
CNPC International Exploration and Production Co Ltd
Original Assignee
China Petroleum and Natural Gas Co Ltd
CNPC International Exploration and Production Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Natural Gas Co Ltd, CNPC International Exploration and Production Co Ltd filed Critical China Petroleum and Natural Gas Co Ltd
Priority to CN201810876926.5A priority Critical patent/CN109165375B/zh
Publication of CN109165375A publication Critical patent/CN109165375A/zh
Application granted granted Critical
Publication of CN109165375B publication Critical patent/CN109165375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明提供一种基岩岩性识别和物性计算方法及装置，该方法包括：对基岩岩样的铸体薄片进行分析确定基岩岩样中的岩石类型；在获取基岩岩样对应深度的多个测井曲线数据的基础上，将多个测井曲线数据进行两两交会作散点图，从多个散点图中优选对基岩岩石类型敏感的测井曲线；根据岩心分析结果和测井敏感曲线，建立测井敏感曲线与基岩岩性和基岩孔隙度的关系，得出基岩二元岩性分类与孔隙度具有很好的相关关系，依据上述两者的关系确定基岩未取心段的岩石类型和孔隙度。该方案为新区没有岩心资料标定情况下进行基岩岩性的识别和物性的计算提供了较为可靠的方法。

Description

基岩岩性识别和物性计算方法及装置
技术领域
本发明涉及基岩潜山二元岩性和孔隙度计算技术领域，特别涉及一种基岩岩性识别和物性计算方法及装置。
背景技术
基岩是不整合覆盖在沉积层序之上的变质岩或火成岩组合(不论年代)，是盆地形成和演化的基础，也是盆地勘探的重要目标之一。基岩潜山虽然在油气勘探和开发中所占比重不大，是一种非常规储层，但也可以形成世界级大油田。
从岩石学上看，基岩的岩性十分复杂，依据岩心和岩屑的实验室铸体薄片(铸体薄片是将有色液态胶在真空加压下注入岩石孔隙空间，待液态胶固化后磨制成的岩石薄片)分析等手段，已经识别出岩浆岩、正变质岩和副变质岩等上百种岩石类型。一些学者在大量岩心分析对比的基础上提出了“优势岩性”的概念，并根据常规测井曲线的特征划分出了9大类岩性。有人为了简化起见，有时会将混合花岗岩等岩石也当作花岗岩来研究，并根据敏感测井曲线视深电阻率和中子交会划分出独立1区、2区和3区等。这一分区实际可能和岩性有密切关系。但实际在勘探中很难发育纯的花岗岩潜山。变质岩是最为常见的基岩岩石类型。基岩的电阻率变化差异巨大，而且与钻井用的泥浆矿物度有密切的关系。且在一些地区基岩的视深电阻率变化在10-300万欧姆·米之间。因此，用电阻-中子交会图来进行储层的划分可能无法推广应用。
由于基岩岩性复杂，经历了复杂的构造演化和风化淋滤等后生成岩作用和埋藏后的热液作用等过程，储层的发育和岩性之间的关系变得非常复杂，岩石学角度的岩石分类不能较好地为测井基岩岩性判识和储层物性预测提供可靠的方法，分别通过声波、密度和中子计算的孔隙度或两两交互得到的孔隙度之间差异大，关键是对岩石的基质密度、基质声波和基质中子值无法准确获得。而孔隙度的计算对储层评价和储量计算非常重要。
发明内容
本发明实施例提供了一种基岩岩性识别和物性计算方法及装置，使用岩石的矿物组成来对基岩岩性进行区分，使得岩性的界限特征更加明显；基于上述对基岩岩性的区分方法获得的基岩岩性和常规的测井数据计算得到的孔隙度更加可信。
该基岩岩性识别和物性计算方法包括：
对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型；
获取所述基岩岩样对应深度的多个测井曲线数据；
以所述基岩岩样中的岩石类型为基础，将所述多个测井曲线数据进行两两交会作散点图，获得多个散点图，从所述多个散点图中选择符合预设要求的散点图对应的两个测井曲线作为测井敏感曲线；
基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度。
该基岩岩性识别和物性计算装置包括：
岩石类型确定模块，用于对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型；
测井曲线数据获取模块，用于获取所述基岩岩样对应深度的多个测井曲线数据；
散点图绘制模块，用于以所述基岩岩样中的岩石类型为基础，将所述多个测井曲线数据进行两两交会作散点图，获得多个散点图，从所述多个散点图中选择符合预设要求的散点图对应的两个测井曲线作为测井敏感曲线；
孔隙度确定模块，用于基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度。
本发明还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述基岩岩性识别和物性计算方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述基岩岩性识别和物性计算方法的计算机程序。
在本发明实施例中，根据分析后得到的基岩岩样的矿物组成及矿物含量确定基岩岩样中的岩石类型，相比较使用岩石学角度的岩石分类，本发明可以较好地为测井基岩岩性判识提供可靠的方法；基于上述对基岩岩性的区分方法获得的基岩岩性和常规的测井数据计算基岩岩样的孔隙度，相比较通过声波、密度和中子计算的孔隙度或两两交互得到的孔隙度，本发明得到的孔隙度更加可信。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基岩岩性识别和物性计算方法流程图(一)；
图2是本发明实施例提供的一种密度-自然伽马(API)交会图；
图3是本发明实施例提供的一种中子-密度交会图；
图4是本发明实施例提供的一种岩心标定后的长英质和铁镁质岩石的测井孔隙度和密度交会图；
图5是本发明实施例提供的一种双矿物系岩石骨架交会三角图；
图6是本发明实施例提供的一种中子-密度交会图(二)；
图7是本发明实施例提供的一种中子-声波交会图；
图8是本发明实施例提供的一种基岩岩性识别和物性计算方法流程图(二)；
图9是本发明实施例提供的一种BC-2井536-562米井段常规测井长英质和岩心长英质含量对比图；
图10是本发明实施例提供的一种BC-2井922-983米井段常规测井铁镁质和岩心铁镁质含量对比图；
图11是本发明实施例提供的一种基岩岩性识别和物性计算装置结构框图(一)；
图12是本发明实施例提供的一种基岩岩性识别和物性计算装置结构框图(二)。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
针对上述背景技术中存在的问题，本发明的目的是提供一种应用测井进行基岩岩性识别和物性计算方法和装置。如图1所示，该基岩岩性识别和物性计算方法包括：
步骤101：对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型。
具体的，按照如下方式执行步骤101：
在以岩心柱样、井壁取心的铸体薄片分析的基础上，统计岩石的主要矿物成分，如石英、斜长石、钾长石、角闪石、黑云母、粘土矿物含量和类型等；
二元岩性归集，将浅色矿物(石英和长石)和深色矿物(角闪石、黑云母等)进行含量的归集和归一化为100％，当暗色矿物的含量大于预设比例含量(本发明设定为15％)时，所述暗色矿物为深色矿物，所述深色矿物为铁镁质岩石；当暗色矿物的含量小于预设比例含量时，所述暗色矿物为浅色矿物，所述浅色矿物为长英质岩石。
长英质矿物系：含有硅、钾、钠等元素的无色或颜色较浅的矿物，由于硅、钾、钠等元素原子序数较小，因此在常规测井响应上表现为低密度值；因长石类矿物不含结晶水和结构水，因此中子值较低；含碱性长石类的矿物中富含高放射性元素K40，具有较高的自然伽马值，含斜长石类的矿物由于不含高放射性元素K40，自然伽马数值较低。
铁镁质矿物系：含有铁、镁、钙、钛等元素，具有深浅不同颜色的矿物，主要有黑云母、辉石、普通角闪石、橄榄石、绿泥石等，该类矿物因含有原子序数及密度较大的铁、镁、钙、钛等元素，且富含结晶水或结构水，不含高放射性元素K40，因此，其测井响应特征为高密度、高中子、低自然伽马。
步骤102：获取所述基岩岩样对应深度的多个测井曲线数据。
步骤103：以所述基岩岩样中的岩石类型为基础，将所述多个测井曲线数据进行两两交会作散点图，获得多个散点图，从所述多个散点图中选择符合预设要求的散点图对应的两个测井曲线作为测井敏感曲线。
具体的，按照如下方式执行步骤102和步骤103：
a)以步骤101划分的岩石类型作为判断的依据，列表统计所有样品的基础信息，包括样本点序号、深度、矿物组成、柱样孔隙度、柱样渗透率、密度(DEN)、自然伽马测井值(GR)、自然电位测井值(SP)、补偿中子值(CNL)、声波值(AC)、电阻率(RT)，见表1。
表1
b)以上述统计的两大类岩石的基础信息为基础，分别对每个样品点的GR、SP、CNL、RT、AC和DEN等典型曲线数值两两交会作散点图，如图2-图3所示。
c)选取能够较好分开岩性的两个典型曲线作为岩性分类的敏感曲线。选取典型曲线方法如下：在上述的散点图中的预设比例(本发明设定为85％)的散点区分的基岩岩性与基岩岩样的岩性一致，即可以作为能够较好分开两类岩性的敏感曲线来使用。其中，密度和中子是最为敏感的曲线。
具体的，本发明以实验室中获取的岩心柱样孔隙度和渗透率试验测定数据为基础，按照暗色矿物含量大于和小于15％为界限，分别统计出长英质岩石和铁镁质岩石的密度和孔隙度的关系，该散点图以孔隙度为横坐标，密度为纵坐标，分别拟合长英质和铁镁质岩石的密度和孔隙度的相关性，如图4所示。由此可以看出，岩心密度与孔隙度之间的确有良好的相关性。
因此，综合岩心分析和测井曲线的数值，建立了敏感典型曲线与岩性和物性的关系，发现二元岩性分类和孔隙度之间有良好的相关性。
步骤104：基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度。
具体的，按照如下方式执行步骤104：
a)测井敏感曲线的二元岩性判识：建立基岩岩石的非均值模型，岩石由长英质矿物、铁镁质矿物、泥质和孔隙流体组成。
b)泥质含量V泥质由GR曲线计算得到。
其中，SH表示自然伽马相对变化值；GR表示自然伽马测井值；GRmax表示自然伽马极大值；GRmin表示自然伽马极小值；V泥质表示泥质含量；GCUR表示计算泥质含量所用的经验参数。
c)在测井敏感曲线对应的交会图中绘制交会三角形，根据绘制的交会三角形确定计算长英质矿物含量和铁镁质矿物含量的测井解释所需参数。
利用中子-密度频率交会图选取测井解释参数的方法如下：
c1)在交会图中有两个交会三角形(如图5至7)，第一个交会三角形为W-Q1-C，W为水点，Q1为零孔隙度长英质矿物点，C为含束缚水粘土点，例如绿泥石。Q1C线位于频率交会资料点的下边缘，位于这条线上的资料点均为含束缚水的岩石点，所以，Q1C线称为有效孔隙度的零孔隙度线。WQ1线穿过长英质岩石资料点分布区，所以称它为长英质矿物线。
第二个交会三角形为W-Q1-G，W位水点，Q1位零孔隙度长英质矿物点，G为干粘土点(粘土骨架点)。Q1G是不含水的基质岩石轨迹线，所以，基质岩石的骨架点都是在这条线上。位于这条线上的Q2是铁镁质矿物与长英质矿物的临界点，所以它便是铁镁质矿物的骨架密度点。
由以上分析可以看出，两个交会三角形中的C点、Q1点、Q2点和G点的中子和密度值，分别代表了计算长英质和铁镁质矿物含量(V1和V2)所需要的解释参数。C点的中子值即为CN泥质，C点的密度值即为DEN泥质；Q1点的中子值称为CN1，Q1点的密度值即为DEN1；Q2点的中子值即为CN2，Q2点的密度值即为DEN2。利用中子-密度频率交会图可以达到快速选取测井参数，用于长英质和铁镁质矿物含量的计算。
c2)在交会图中绘制交会三角形的方法：
c21)在交会图中(如图5至7，其中，图6和图7中横坐标的NEU表示补偿中子测井值)沿第一岩性区的下边缘绘制Q1C线，在这条线轨迹线上的岩石都含束缚水，因此，称它为湿岩石线，它与零中子孔隙度垂线的交点Q1为第一种骨架密度点。
c22)绘制WQ1线。这条线为第一岩性分布区的轨迹线，所以称它为第一岩性线。这条线上的资料点岩性纯，因此，也称它为纯岩石线。
c23)由水点W沿频率交会图资料点的右边缘划线，与湿岩石线相交于C点。WC先经过的区域是粘土资料分布区，所以称它为纯粘土线。C点则成为饱含束缚水的湿粘土点。
c24)通过分析频率交会图的分布特征，确定双矿物岩石的临界点S。过S点做中子孔隙度坐标线的垂线相交于WQ1线上的D点。D点为含水纯岩石点，所以，DC线为含水纯长英质岩石过渡到含水纯粘土的轨迹线。
c25)Q1G线的绘制。Q1点是不含水的第一岩性骨架点；G点是被定义为干粘土点，也就是不含水的粘土点。因此，饱含水的DC线岩石除去孔隙水后就是不含水的Q1G线，所以，Q1G线与DC线应是平行关系。所以，过Q1点做与DC的平行线，它与WC线延长线的交点就是干粘土点G。Q1G线是干岩石的轨迹线。Q1G线上的任意点都是干岩石的骨架点。
c26)做水点和双矿物临界点连线WS，并延展相交于Q1G线中的Q2点，Q2点既是铁镁质矿物的骨架点，即第二岩性的骨架点。
通过上述c21)至c26)六步，即可在中子-密度频率交会图中绘制交会三角形，确定测井解释所需的各项参数。
d)根据所述测井解释所需参数按照如下公式计算基岩未取心段孔隙度、长英质矿物和铁镁质矿物的含量曲线。
具体的，首先对密度曲线进行泥质校正：
DEN校＝DEN-V泥质×DEN泥质 (3)
对中子曲线进行泥质校正：
CN校＝CN-V泥质×CN泥质 (4)
利用泥质校正后的密度和中子曲线理论方程求取长英质矿物、铁镁质矿物的体积和总孔隙度：
DEN校＝V1×DEN1+V2×DEN2+φ×DENf (5)
CN校＝V1×CN1+V2×CN2+φ×CNf (6)
1＝V1+V2+φ (7)
其中，DEN校表示校正后的密度测井值；DEN表示密度测井值；DEN泥质表示泥岩密度值；CN校表示校正后的中子测井值；CN表示中子测井值；CN泥质表示泥岩中子值；V1表示长英质矿物含量；DEN1表示长英质矿物密度骨架值；V2表示铁镁质矿物含量；DEN2表示铁镁质矿物密度骨架值；φ表示孔隙度；DENf表示孔隙流体密度值；CN1表示长英质矿物中子骨架值；CN2表示铁镁质矿物中子骨架值；CNf表示孔隙流体中子值。
在本发明实施例中，在完成上述步骤之后，如图8所示，该基岩岩性识别和物性计算方法还包括：
步骤105：将根据公式(5)、(6)和(7)计算所得的基岩未取心段孔隙度与实验得到的基岩岩样的孔隙度进行比较，根据比较结果确定是否对所述基岩未取心段孔隙度进行校正。还会利用公式(5)、(6)和(7)计算得到的长英质、铁镁质含量和实验室得到的长英质、铁镁质含量进行对比，校正计算结果。
另外，利用上述建立的岩性定性及定量解释标准，应用12口井282块取心岩样资料进行验证。其中，268块符合、49块不符合，符合率为85％。不符合的原因是由于薄片取样为“小尺度”反映，测井响应为“大尺度”反映造成的。计算得到的孔隙度与实验室孔隙度的相关性好。
步骤106：根据基岩未取心段测井对应的深度、测井参数、岩石类型和孔隙度绘制剖面图，参照图9和10。其中，基岩未取心段测井的测井参数包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值、电阻率测井值其中之一或多个。
基于同一发明构思，本发明实施例中还提供了一种基岩岩性识别和物性计算装置，如下面的实施例所述。由于基岩岩性识别和物性计算装置解决问题的原理与基岩岩性识别和物性计算方法相似，因此基岩岩性识别和物性计算装置的实施可以参见基岩岩性识别和物性计算方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图11是本发明实施例的基岩岩性识别和物性计算装置的结构框图(一)，如图11所示，包括：
岩石类型确定模块1101，用于对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型；
测井曲线数据获取模块1102，用于获取所述基岩岩样对应深度的多个测井曲线数据；
散点图绘制模块1103，用于以所述基岩岩样中的岩石类型为基础，将所述多个测井曲线数据进行两两交会作散点图，获得多个散点图，从所述多个散点图中选择符合预设要求的散点图对应的两个测井曲线作为测井敏感曲线；
孔隙度确定模块1104，用于基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度。
在本发明实施例中，所述岩石类型确定模块1101具体用于：
按照如下方式根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型：
所述矿物组成包括暗色矿物，暗色矿物包括浅色矿物和/或深色矿物，当暗色矿物的含量大于预设比例含量时，所述暗色矿物为深色矿物，所述深色矿物为铁镁质岩石；当暗色矿物的含量小于预设比例含量时，所述暗色矿物为浅色矿物，所述浅色矿物为长英质岩石。
在本发明实施例中，所述多个测井参数包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值和电阻率测井值。
在本发明实施例中，所述预设要求为散点图中的预设比例的散点区分的基岩岩性与基岩岩样的岩性一致。
在本发明实施例中，所述孔隙度确定模块1104具体用于：
在测井敏感曲线对应的交会图中绘制交会三角形；
根据绘制的交会三角形确定计算长英质矿物含量和铁镁质矿物含量的测井解释所需参数，根据所述测井解释所需参数计算基岩未取心段孔隙度。
在本发明实施例中，所述孔隙度确定模块1104具体用于：根据所述测井解释所需参数采用公式(1)至公式(7)计算基岩未取心段孔隙度。
在本发明实施例中，如图12所示，该基岩岩性识别和物性计算装置还包括：
比较校正模块1105，用于将所述基岩未取心段孔隙度与实验得到的基岩岩样的孔隙度进行比较，根据比较结果确定是否对所述基岩未取心段孔隙度进行校正。
在本发明实施例中，如图12所示，该基岩岩性识别和物性计算装置还包括：
剖面图绘制模块1106，用于根据基岩未取心段测井对应的深度、测井参数、岩石类型和孔隙度绘制剖面图；
所述基岩未取心段的测井参数包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值、电阻率测井值其中之一或多个。
在本发明实施例中，本发明还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述基岩岩性识别和物性计算方法。
在本发明实施例中，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述基岩岩性识别和物性计算方法的计算机程序。
综上所述，本发明由于采用了以上的技术方案，其具有以下的优点：1、本发明强调岩石的矿物组成对物性的控制作用，使得两类岩性的界限特征更加明显。2、本发明提供了测井典型识别岩性的处理方法，使建立的基岩的储层典型特征更加明显，计算得到的孔隙度更加可信。3、本发明提供的方法为新区没有岩心资料标定情况基岩测井岩性的识别和物性的计算提供了较为可靠的方法。本发明可以利用常规的测井数据来分析和判断基岩的岩石类型：长英质和铁镁质，也为各自储层孔隙度的计算提供了较为可靠的方法，大大节约了取心和其它非常规测井费用。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种基岩岩性识别和物性计算方法，其特征在于，包括：
对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型；
获取所述基岩岩样对应深度的多个测井曲线数据；
以所述基岩岩样中的岩石类型为基础，将所述多个测井曲线数据进行两两交会作散点图，获得多个散点图，从所述多个散点图中选择符合预设要求的散点图对应的两个测井曲线作为测井敏感曲线；
基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度。
2.如权利要求1所述的基岩岩性识别和物性计算方法，其特征在于，对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型，包括：
所述矿物组成包括暗色矿物，暗色矿物包括浅色矿物和/或深色矿物，当暗色矿物的含量大于预设比例含量时，所述暗色矿物为深色矿物，所述深色矿物为铁镁质岩石；当暗色矿物的含量小于预设比例含量时，所述暗色矿物为浅色矿物，所述浅色矿物为长英质岩石。
3.如权利要求1所述的基岩岩性识别和物性计算方法，其特征在于，所述多个测井曲线数据包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值和电阻率测井值。
4.如权利要求1所述的基岩岩性识别和物性计算方法，其特征在于，所述预设要求为散点图中的预设比例的散点区分的基岩岩性与基岩岩样的岩性一致。
5.如权利要求2所述的基岩岩性识别和物性计算方法，其特征在于，基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度，包括：
在测井敏感曲线对应的交会图中绘制交会三角形；
根据绘制的交会三角形确定计算长英质矿物含量和铁镁质矿物含量的测井解释所需参数，根据所述测井解释所需参数计算基岩未取心段孔隙度。
6.如权利要求5所述的基岩岩性识别和物性计算方法，其特征在于，根据所述测井解释所需参数按照如下公式计算基岩未取心段孔隙度：
DEN校＝DEN-V泥质×DEN泥质；
CN校＝CN-V泥质×CN泥质；
DEN校＝V1×DEN1+V2×DEN2+φ×DENf；
CN校＝V1×CN1+V2×CN2+φ×CNf；
1＝V1+V2+φ；
其中，SH表示自然伽马相对变化值；GR表示自然伽马测井值；GRmax表示自然伽马极大值；GRmin表示自然伽马极小值；V泥质表示泥质含量；GCUR表示计算泥质含量所用的经验参数；DEN校表示校正后的密度测井值；DEN表示密度测井值；DEN泥质表示泥岩密度值；CN校表示校正后的中子测井值；CN表示中子测井值；CN泥质表示泥岩中子值；V1表示长英质矿物含量；DEN1表示长英质矿物密度骨架值；V2表示铁镁质矿物含量；DEN2表示铁镁质矿物密度骨架值；φ表示孔隙度；DENf表示孔隙流体密度值；CN1表示长英质矿物中子骨架值；CN2表示铁镁质矿物中子骨架值；CNf表示孔隙流体中子值。
7.如权利要求1或5所述的基岩岩性识别和物性计算方法，其特征在于，还包括：
将所述基岩未取心段孔隙度与实验得到的基岩岩样的孔隙度进行比较，根据比较结果确定是否对所述基岩未取心段孔隙度进行校正。
8.如权利要求1所述的基岩岩性识别和物性计算方法，其特征在于，还包括：
根据基岩未取心段测井对应的深度、测井参数、岩石类型和孔隙度绘制剖面图；
所述基岩未取心段的测井参数包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值、电阻率测井值其中之一或多个。
9.一种基岩岩性识别和物性计算装置，其特征在于，包括：
岩石类型确定模块，用于对基岩岩样的铸体薄片进行分析，确定基岩岩样中的矿物组成及矿物含量，根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型；
测井曲线数据获取模块，用于获取所述基岩岩样对应深度的多个测井曲线数据；
散点图绘制模块，用于以所述基岩岩样中的岩石类型为基础，将所述多个测井曲线数据进行两两交会作散点图，获得多个散点图，从所述多个散点图中选择符合预设要求的散点图对应的两个测井曲线作为测井敏感曲线；
孔隙度确定模块，用于基于所述测井敏感曲线，对基岩未取心段进行测井岩性和物性分析，确定基岩未取心段的岩石类型和孔隙度。
10.如权利要求9所述的基岩岩性识别和物性计算装置，其特征在于，所述岩石类型确定模块具体用于：
按照如下方式根据所述矿物组成及矿物含量确定基岩岩样中的岩石类型：
所述矿物组成包括暗色矿物，暗色矿物包括浅色矿物和/或深色矿物，当暗色矿物的含量大于预设比例含量时，所述暗色矿物为深色矿物，所述深色矿物为铁镁质岩石；当暗色矿物的含量小于预设比例含量时，所述暗色矿物为浅色矿物，所述浅色矿物为长英质岩石。
11.如权利要求9所述的基岩岩性识别和物性计算装置，其特征在于，所述多个测井曲线数据包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值和电阻率测井值。
12.如权利要求9所述的基岩岩性识别和物性计算装置，其特征在于，所述预设要求为散点图中的预设比例的散点区分的基岩岩性与基岩岩样的岩性一致。
13.如权利要求10所述的基岩岩性识别和物性计算装置，其特征在于，所述孔隙度确定模块具体用于：
在测井敏感曲线对应的交会图中绘制交会三角形；
根据绘制的交会三角形确定计算长英质矿物含量和铁镁质矿物含量的测井解释所需参数，根据所述测井解释所需参数计算基岩未取心段孔隙度。
14.如权利要求13所述的基岩岩性识别和物性计算装置，其特征在于，所述孔隙度确定模块具体用于：
根据所述测井解释所需参数按照如下公式计算基岩未取心段孔隙度：
DEN校＝DEN-V泥质×DEN泥质；
CN校＝CN-V泥质×CN泥质；
DEN校＝V1×DEN1+V2×DEN2+φ×DENf；
CN校＝V1×CN1+V2×CN2+φ×CNf；
1＝V1+V2+φ；
其中，SH表示自然伽马相对变化值；GR表示自然伽马测井值；GRmax表示自然伽马极大值；GRmin表示自然伽马极小值；V泥质表示泥质含量；GCUR表示计算泥质含量所用的经验参数；DEN校表示校正后的密度测井值；DEN表示密度测井值；DEN泥质表示泥岩密度值；CN校表示校正后的中子测井值；CN表示中子测井值；CN泥质表示泥岩中子值；V1表示长英质矿物含量；DEN1表示长英质矿物密度骨架值；V2表示铁镁质矿物含量；DEN2表示铁镁质矿物密度骨架值；φ表示孔隙度；DENf表示孔隙流体密度值；CN1表示长英质矿物中子骨架值；CN2表示铁镁质矿物中子骨架值；CNf表示孔隙流体中子值。
15.如权利要求9或13所述的基岩岩性识别和物性计算装置，其特征在于，还包括：
比较校正模块，用于将所述基岩未取心段孔隙度与实验得到的基岩岩样的孔隙度进行比较，根据比较结果确定是否对所述基岩未取心段孔隙度进行校正。
16.如权利要求9所述的基岩岩性识别和物性计算装置，其特征在于，还包括：
剖面图绘制模块，用于根据基岩未取心段测井对应的深度、测井参数、岩石类型和孔隙度绘制剖面图；
所述基岩未取心段的测井参数包括密度测井值、自然伽马测井值、自然电位测井值、补偿中子测井值、声波测井值、电阻率测井值其中之一或多个。
17.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一所述基岩岩性识别和物性计算方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至8任一所述基岩岩性识别和物性计算方法的计算机程序。
CN201810876926.5A 2018-08-03 2018-08-03 基岩岩性识别和物性计算方法及装置 Active CN109165375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810876926.5A CN109165375B (zh) 2018-08-03 2018-08-03 基岩岩性识别和物性计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810876926.5A CN109165375B (zh) 2018-08-03 2018-08-03 基岩岩性识别和物性计算方法及装置

Publications (2)

Publication Number Publication Date
CN109165375A true CN109165375A (zh) 2019-01-08
CN109165375B CN109165375B (zh) 2020-02-14

Family

ID=64898834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810876926.5A Active CN109165375B (zh) 2018-08-03 2018-08-03 基岩岩性识别和物性计算方法及装置

Country Status (1)

Country Link
CN (1) CN109165375B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814174A (zh) * 2019-01-24 2019-05-28 中国石油大学(华东) 一种碎屑岩不整合结构体测井综合识别方法
CN110399649A (zh) * 2019-07-03 2019-11-01 中国石油天然气集团有限公司 一种基于成岩指示元素的变质岩量化识别方法
CN111982743A (zh) * 2020-08-31 2020-11-24 长春工程学院 一种基于物联网的火山岩鉴定方法、系统、终端及介质
CN112308936A (zh) * 2019-07-30 2021-02-02 中国石油天然气股份有限公司 确定微生物作用对微生物碳酸盐岩储层发育影响的方法
CN112363242A (zh) * 2020-09-08 2021-02-12 中石化石油工程技术服务有限公司 基于测录井融合的储层流体识别方法与装置
CN112415596A (zh) * 2020-12-09 2021-02-26 大庆油田有限责任公司 一种基于测井资料的白云岩结构类型识别方法
CN112443312A (zh) * 2019-08-27 2021-03-05 中国石油天然气股份有限公司 目标层段中各类型岩石的定量识别方法及系统
CN112443322A (zh) * 2019-09-03 2021-03-05 中国石油天然气股份有限公司 一种基于等效饱和度的烃源岩测井评价方法
CN112523740A (zh) * 2019-09-04 2021-03-19 中国石油天然气集团有限公司 用于超深海井下油气勘探的岩石类型识别方法及装置
CN112987121A (zh) * 2019-12-13 2021-06-18 北京国双科技有限公司 一种孔隙度预测方法、装置、电子设备及存储介质
CN112989551A (zh) * 2019-12-18 2021-06-18 中国石油天然气股份有限公司 变质岩储层孔隙度计算方法及装置、计算机可读存储介质
CN113027433A (zh) * 2021-03-24 2021-06-25 中国石油天然气股份有限公司 计算强非均质性砂砾岩储层渗透率的方法和装置
CN114086948A (zh) * 2020-12-08 2022-02-25 中国石油天然气集团有限公司 碳酸盐岩分类识别方法、装置、计算机设备及存储介质
CN114114453A (zh) * 2020-08-27 2022-03-01 中国石油化工股份有限公司 一种判别砂岩胶结矿物类型的方法
CN114280272A (zh) * 2021-12-13 2022-04-05 华能煤炭技术研究有限公司 煤岩岩石物理参数分析方法、系统及电子设备
CN114592854A (zh) * 2020-12-04 2022-06-07 中国石油天然气股份有限公司 含浊沸石储层测井识别方法
CN116626779A (zh) * 2023-07-21 2023-08-22 中国石油大学(华东) 一种潜山地层孔隙度计算方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101832133A (zh) * 2010-01-28 2010-09-15 中国石油集团川庆钻探工程有限公司 密度孔隙度和中子孔隙度差值储层流体类型判别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101832133A (zh) * 2010-01-28 2010-09-15 中国石油集团川庆钻探工程有限公司 密度孔隙度和中子孔隙度差值储层流体类型判别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张兆辉等: "克拉美丽气田火山岩岩性测井识别技术研究", 《石油物探》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814174A (zh) * 2019-01-24 2019-05-28 中国石油大学(华东) 一种碎屑岩不整合结构体测井综合识别方法
CN109814174B (zh) * 2019-01-24 2021-07-06 中国石油大学(华东) 一种碎屑岩不整合结构体测井综合识别方法
CN110399649A (zh) * 2019-07-03 2019-11-01 中国石油天然气集团有限公司 一种基于成岩指示元素的变质岩量化识别方法
CN112308936B (zh) * 2019-07-30 2024-05-28 中国石油天然气股份有限公司 确定微生物作用对微生物碳酸盐岩储层发育影响的方法
CN112308936A (zh) * 2019-07-30 2021-02-02 中国石油天然气股份有限公司 确定微生物作用对微生物碳酸盐岩储层发育影响的方法
CN112443312A (zh) * 2019-08-27 2021-03-05 中国石油天然气股份有限公司 目标层段中各类型岩石的定量识别方法及系统
CN112443312B (zh) * 2019-08-27 2023-12-22 中国石油天然气股份有限公司 目标层段中各类型岩石的定量识别方法及系统
CN112443322A (zh) * 2019-09-03 2021-03-05 中国石油天然气股份有限公司 一种基于等效饱和度的烃源岩测井评价方法
CN112523740A (zh) * 2019-09-04 2021-03-19 中国石油天然气集团有限公司 用于超深海井下油气勘探的岩石类型识别方法及装置
CN112987121A (zh) * 2019-12-13 2021-06-18 北京国双科技有限公司 一种孔隙度预测方法、装置、电子设备及存储介质
CN112989551A (zh) * 2019-12-18 2021-06-18 中国石油天然气股份有限公司 变质岩储层孔隙度计算方法及装置、计算机可读存储介质
CN112989551B (zh) * 2019-12-18 2022-11-04 中国石油天然气股份有限公司 变质岩储层孔隙度计算方法及装置、计算机可读存储介质
CN114114453B (zh) * 2020-08-27 2024-04-30 中国石油化工股份有限公司 一种判别砂岩胶结矿物类型的方法
CN114114453A (zh) * 2020-08-27 2022-03-01 中国石油化工股份有限公司 一种判别砂岩胶结矿物类型的方法
CN111982743A (zh) * 2020-08-31 2020-11-24 长春工程学院 一种基于物联网的火山岩鉴定方法、系统、终端及介质
CN112363242A (zh) * 2020-09-08 2021-02-12 中石化石油工程技术服务有限公司 基于测录井融合的储层流体识别方法与装置
CN112363242B (zh) * 2020-09-08 2024-04-05 中石化石油工程技术服务有限公司 基于测录井融合的储层流体识别方法与装置
CN114592854A (zh) * 2020-12-04 2022-06-07 中国石油天然气股份有限公司 含浊沸石储层测井识别方法
CN114086948B (zh) * 2020-12-08 2023-11-28 中国石油天然气集团有限公司 碳酸盐岩分类识别方法、装置、计算机设备及存储介质
CN114086948A (zh) * 2020-12-08 2022-02-25 中国石油天然气集团有限公司 碳酸盐岩分类识别方法、装置、计算机设备及存储介质
CN112415596A (zh) * 2020-12-09 2021-02-26 大庆油田有限责任公司 一种基于测井资料的白云岩结构类型识别方法
CN113027433B (zh) * 2021-03-24 2023-08-22 中国石油天然气股份有限公司 计算强非均质性砂砾岩储层渗透率的方法和装置
CN113027433A (zh) * 2021-03-24 2021-06-25 中国石油天然气股份有限公司 计算强非均质性砂砾岩储层渗透率的方法和装置
CN114280272A (zh) * 2021-12-13 2022-04-05 华能煤炭技术研究有限公司 煤岩岩石物理参数分析方法、系统及电子设备
CN116626779A (zh) * 2023-07-21 2023-08-22 中国石油大学(华东) 一种潜山地层孔隙度计算方法及系统
CN116626779B (zh) * 2023-07-21 2023-11-10 中海石油(中国)有限公司深圳分公司 一种潜山地层孔隙度计算方法及系统

Also Published As

Publication number Publication date
CN109165375B (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN109165375A (zh) 基岩岩性识别和物性计算方法及装置
CN104612675B (zh) 一种碳酸盐岩地层随钻岩性快速识别方法
Nazemi et al. The effect of carbonate reservoir heterogeneity on Archie's exponents (a and m), an example from Kangan and Dalan gas formations in the central Persian Gulf
CN106951660A (zh) 一种海相碎屑岩水平井储层测井解释方法及装置
CN112133377B (zh) 一种海域天然气水合物赋存状态的判别方法及系统
CN106370814B (zh) 基于成分-结构分类的湖相混积岩类储层测井识别方法
CN108897066A (zh) 碳酸盐岩裂缝密度定量预测方法及装置
CN105443122B (zh) 一种测井解释模型的处理方法及装置
US20190204464A1 (en) Method and System for Modeling in a Subsurface Region
CN109891460A (zh) 具有两个或更多个不混溶相的岩石的岩石物理性质的直接数值模拟
İnce et al. Estimation of uniaxial compressive strength of pyroclastic rocks (Cappadocia, Turkey) by gene expression programming
Hartley et al. Summary of discrete fracture network modelling as applied to hydrogeology of the Forsmark and Laxemar sites
CN106033127B (zh) 基于横波速度变化率的地应力方位地震预测方法
CN110727034A (zh) 一种砂岩型铀矿编图方法
Herbert et al. Modelling for the Stripa site characterization and validation drift inflow: Prediction of flow through fractured rock
CN115390155A (zh) 针对非均质储层的测井解释方法、装置、电子设备及介质
Etnyre Finding oil and gas from well logs
CN109826623A (zh) 一种致密砂岩储层层理缝的地球物理测井判识方法
GB2476053A (en) Displaying seismic data in the form of a predicted well log for a planned well trajectory to make interpretation easier for a drilling rig operator
CN106405638B (zh) 一种含气饱和度确定方法和装置
CN108956410A (zh) 岩样孔隙结构快速定性识别方法及装置
CN108921187A (zh) 鲕粒滩类型划分方法和装置
Hu A drawing system for pole diagram and rose diagram of rock mass structural surface
Hokka et al. 3D modelling and mineral resource estimation of the Kiviniemi Scandium deposit, Eastern Finland
Li et al. Development characteristic and main controlling factors of the Ordovician karst caves in the Keping area, Tarim Basin

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