CN109667576A - 一种高矿化度成因低阻油层测井识别方法 - Google Patents
一种高矿化度成因低阻油层测井识别方法 Download PDFInfo
- Publication number
- CN109667576A CN109667576A CN201811595133.2A CN201811595133A CN109667576A CN 109667576 A CN109667576 A CN 109667576A CN 201811595133 A CN201811595133 A CN 201811595133A CN 109667576 A CN109667576 A CN 109667576A
- Authority
- CN
- China
- Prior art keywords
- resistivity
- reservoir
- origin cause
- high salinity
- low
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 48
- 238000010276 construction Methods 0.000 claims abstract description 20
- 238000011161 development Methods 0.000 claims abstract description 12
- 239000011148 porous material Substances 0.000 claims description 9
- 239000012530 fluid Substances 0.000 claims description 6
- 239000008398 formation water Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 239000004215 Carbon black (E152) Substances 0.000 claims description 2
- 229930195733 hydrocarbon Natural products 0.000 claims description 2
- 150000002430 hydrocarbons Chemical class 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 239000002002 slurry Substances 0.000 claims 1
- 230000018109 developmental process Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033558 biomineral tissue development Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/005—Testing the nature of borehole walls or the formation by using drilling mud or cutting data
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
一种高矿化度成因低阻油层测井识别方法,其特征在于,包括以下步骤:步骤一、计算地层温度条件下的泥浆电阻率;步骤二、计算相对自然电位与泥浆电阻率比值;步骤三、构造油层视电阻率;步骤四、计算油层视电阻率与储层电阻率比值;步骤五、构造水层视电阻率;步骤六、计算水层视电阻率与储层电阻率比值;步骤七、确定高矿化度成因低阻油层识别标准;步骤八、识别高矿化度成因低阻油层;本发明利用测井资料对低阻油层的三个识别参数进行计算,并有效地进行高矿化度成因低阻油层测井识别,为低阻油藏勘探开发提供测井技术支持。
Description
技术领域
本发明属于低阻油藏勘探开发过程中的测井评价识别技术领域,特别涉及一种高矿化度成因低阻油层测井识别方法。
背景技术
低阻油藏勘探开发过程中,为了探明低阻油藏富集区并进行优质高效开发,必须要精准识别低阻油层。低阻油藏受制于成藏和成岩条件,呈现出不同成因的低阻油藏。从现有的低阻油藏勘探开发可知,高矿化度成因的油层较为多见。地层水矿化度增高,致使岩石的导电性减弱,于是降低了含油储层的电阻率,使其难以与水层有效区分。这给老井挖潜、接替潜力层优选等均造成阻碍。
目前,国内外关于低阻油层测井识别方法的研究主要集中于两个方面:一方面是基于低阻油藏成因分析的图版法、侵入因子识别法和多井对比法对低阻油层进行识别。此系列方法没有充分综合考虑各方法的适用性,也没有有机融合其优点,从而降低了识别率。其二,充分利用核磁共振、阵列感应等测井新技术资料来识别。限于核磁共振和阵列感应测井开展的较少,该方法普适度较低。此外,现有低阻油层测井识别方法中,尚且没有充分利用油藏渗流特征、也没有有机融合非电阻率测井,进而来对低阻油层进行识别,这给低阻油藏勘探和开发均带来不便。
发明内容
为了克服上述现有方法的不足,本发明的目的在于提供一种高矿化度成因低阻油层测井识别方法,有机融合相对自然电位与泥浆电阻率比值、油层视电阻率与储层电阻率比值及水层视电阻率与储层电阻率比值,建立了低阻油层测井识别方法,以此方法对高矿化度成因低阻油层进行测井识别,为低阻油藏高效勘探和开发提供技术支持。
为了达到上述目的,本发明的技术方案为:
一种高矿化度成因低阻油层测井识别方法,包括以下步骤:
步骤一、计算地层温度条件下的泥浆电阻率,根据阿普斯公式可知,当井口温度和泥浆电阻率已知时,待识别低阻油层温度下的泥浆电阻率可由式(1)计算:
式中:Rm为待识别低阻油层的泥浆电阻率,Ω·m;Rm0为井口温度条件下的泥浆的电阻率,Ω·m;T0为井口温度,℃;T为待识别低阻油层的温度,℃;
步骤二、计算相对自然电位与泥浆电阻率比值;由自然电位测井基本原理可知,相对自然电位除受储层的流体性质影响外,也与泥浆矿化度有较大的关系,随泥浆矿化度增大,泥浆电阻率减小,相对自然电位减小,基于此认为,将相对自然电位与泥浆电阻率比值作为一个识别高矿化度成因低阻油层的参数:
式中:Iow1为识别高矿化度成因低阻油层的参数,无量纲;ΔSP为相对自然电位,mV,Rm为待识别低阻油层的泥浆电阻率;
步骤三、构造油层视电阻率,当储层孔隙中只含束缚水时,剩余的孔隙空间全部被油气充注,油田开发过程中,该储层的束缚水难以产出,即产纯油;于是,可用束缚水孔隙度来构造油层视电阻率;
式中:RTO为构造的油层视电阻率,Ω·m;a为岩性参数,无量纲;Rw为地层水电阻率,Ω·m;Swi为束缚水饱和度,小数;φ为储层的有效孔隙度,小数;m为孔隙胶结指数,无量纲;
步骤四、计算油层视电阻率与储层电阻率比值;基于步骤三计算的油层视电阻率RTO,与实测的储层电阻率RT相比,便可求得识别高矿化度成因低阻油层的参数Iow2;
式中:Iow2为识别高矿化度成因低阻油层的参数,无量纲;RT为待识别储层的电阻率,Ω·m;
步骤五、构造水层视电阻率,当储层孔隙中只含残余油时,剩余的孔隙空间全部被水填充,油田开发过程中,该储层的残余油难以产出,即产纯水;于是,用减去残余油孔隙度的有效孔隙度来构造水层视电阻率;
式中:RTW为构造的水层视电阻率,Ω·m;a为岩性参数,无量纲;φ为储层的有效孔隙度,小数;Rw为地层水电阻率,Ω·m;φhr为残余油孔隙度,小数;
步骤六、计算水层视电阻率与储层电阻率比值,基于步骤五计算的水层视电阻率RTW,与实测的储层电阻率RT相比,便可求得识别高矿化度成因低阻油层的参数Iow3:
式中:Iow3为识别高矿化度成因低阻油层的参数,无量纲;
步骤七、确定高矿化度成因低阻油层识别标准,基于聚类分析的原理,相同流体性质的相对自然电位与泥浆电阻率比值、构造的油层视电阻率与储层电阻率比值及构造的水层视电阻率与储层电阻率比值较为接近,于是采用上述步骤二、步骤四和步骤六确定的参数,构造高矿化度成因低阻油层三维识别图版,依据此识别图版,便得出表1所示的高矿化度成因低阻油层测井识别标准;
表1高矿化度成因低阻油层测井识别标准
步骤八、识别高矿化度成因低阻油层:采用步骤二、步骤四和步骤六确定的相对自然电位与泥浆电阻率比值、油层视电阻率与储层电阻率比值及水层视电阻率与储层电阻率比值,基于步骤七确定的高矿化度成因低阻油层识别图版和识别标准,便可实现低阻油层测井识别。
本发明首次针对高矿化度成因低阻油藏,提出了一种测井识别方法,能够利用测井资料对低阻油层的三个识别参数进行计算,并有效地进行高矿化度成因低阻油层测井识别,为低阻油藏勘探开发提供测井技术支持。该发明既充分考虑了自然电位对油气的响应,又避免了直接用电阻率测井难以反映油水层的问题,所识别的低阻油层与实际试油情况较为吻合。
附图说明
图1为本发明中的高矿化度成因低阻油层测井识别方法流程图。
图2为本发明中高矿化度成因低阻油层三维识别图版。
图3为本发明中高矿化度成因低阻油层测井识别成果图。
具体实施方式
下面结合附图对本发明的技术方案做详细叙述。
参照图1,一种高矿化度成因低阻油层测井识别方法,包括以下步骤:
步骤一、计算地层温度条件下的泥浆电阻率。根据阿普斯公式可知,当井口温度和泥浆电阻率已知时,待识别低阻油层温度下的泥浆电阻率可由式(1)计算。
式中:Rm为待识别低阻油层的泥浆电阻率,Ω·m;Rm0为井口温度条件下的泥浆的电阻率,Ω·m;T0为井口温度,℃;T为待识别低阻油层的温度,℃。
步骤二、计算相对自然电位与泥浆电阻率比值。由自然电位测井基本原理可知,相对自然电位除受储层的流体性质影响外,也与泥浆矿化度有较大的关系。随泥浆矿化度的增大,泥浆电阻率减小,相对自然电位减小。换言之,相同地层水矿化度的低阻油层,由于所使用的泥浆矿化度不同,相对自然电位亦有较大的差异。为了减小泥浆电阻率对相对自然电位的影响,提高自然电位测井识别低阻油层的精度,将相对自然电位与泥浆电阻率比值作为一个识别高矿化度成因低阻油层的参数:
式中:Iow1为识别高矿化度成因低阻油层的参数,无量纲;ΔSP为相对自然电位,mV。
步骤三、构造油层视电阻率。当储层孔隙中只含油时,剩余的孔隙空间全部被油气充注。依托油藏渗流原理,油田开发过程中,该储层的束缚水难以产出,即产纯油。基于阿尔奇模型,用束缚水孔隙度来代替地层因素公式中的孔隙度,便可求得油层视电阻率。
式中:RTO为构造的油层视电阻率,Ω·m;a为岩性参数,无量纲;Rw为地层水电阻率,Ω·m;Swi为束缚水饱和度,小数;φ为储层的有效孔隙度,小数;m为孔隙胶结指数,无量纲。
步骤四、计算油层视电阻率与储层电阻率比值。基于步骤三计算的油层视电阻率RTO,与实测的储层电阻率RT相比,便可求得识别高矿化度成因低阻油层的参数Iow2。
式中:Iow2为识别高矿化度成因低阻油层的参数,无量纲;RT为待识别储层的电阻率,Ω·m。
步骤五、构造水层视电阻率。当储层孔隙中只含残余油时,剩余的孔隙空间全部被水填充。依托油藏渗流原理,油田开发过程中,该储层的残余油难以产出,即产纯水。基于阿尔奇模型,用减去残余油孔隙度的有效孔隙度来代替地层因素公式中的孔隙度,便可求得水层视电阻率。
式中:RTW为构造的水层视电阻率,Ω·m;φhr为残余油孔隙度,小数。
步骤六、计算水层视电阻率与储层电阻率比值。基于步骤五计算的水层视电阻率RTW,与实测的储层电阻率RT相比,便可求得识别高矿化度成因低阻油层的参数Iow3。
式中:Iow3为识别高矿化度成因低阻油层的参数,无量纲。
步骤七、确定高矿化度成因低阻油层识别标准。基于聚类分析的原理,相同流体性质的相对自然电位与泥浆电阻率比值、油层视电阻率与储层电阻率比值及水层视电阻率与储层电阻率比值较为接近,于是采用上述步骤二、步骤四和步骤六确定的参数,建立图2所示的高矿化度成因低阻油层三维识别图版。依据此识别图版,便可得出表1所示的高矿化度成因低阻油层测井识别标准。
表1高矿化度成因低阻油层测井识别标准
步骤八、识别高矿化度成因低阻油层:采用步骤二、步骤四和步骤六确定的相对自然电位与泥浆电阻率比值、油层视电阻率与储层电阻率比值及水层视电阻率与储层电阻率比值,基于步骤七确定的高矿化度成因低阻油层识别图版和识别标准,便可实现低阻油层测井识别。
一种高矿化度成因低阻油层测井识别方法已经在实际油田中得到试用。在X井的高矿化度成因低阻油层流体性质识别应用中,参照图3,该法识别的X井成果图,该井1927-1931米井段,自然电位负异常、声波时差值中高值,说明储层物性中等,电阻率为低值,是否为含油层难以判断。该储层地层水矿化度25320ppm,属于典型的高矿化度成因储层。利用本发明所述方法识别为油水同层,该层试油初期日产油26.4t/d,日产水33.3m3/d,该井2016年7月投产,截止2018年7月,累计产油14667.82t,累计产水10395.06方。其试油结论与识别结果完全吻合。
本发明首次针对高矿化度成因低阻油藏,提出了一种测井识别方法,能够利用测井资料对低阻油层的三个识别参数进行计算,并有效地进行高矿化度成因低阻油层测井识别,为低阻油藏勘探开发提供测井技术支持。本发明既充分考虑了自然电位对油气的响应,又避免了直接用电阻率测井难以反映油水层的问题,所识别的低阻油层与实际试油情况较为吻合。该方法中的各个评价指标都能够从测井资料来求取,而所有的低阻油藏均具有大量的测井数据。因此,本发明所述低阻油层测井识别方法具有良好的推广应用前景和价值。
本领域的技术人员应当理解,相对自然电位与泥浆电阻率比值、油层视电阻率与储层电阻率比值及水层视电阻率与储层电阻率比值等三个识别参数计算较为准确;此外,每个地区的沉积和成岩环境差异较大,应该根据试油试采资料来确定其识别标准,高矿化度成因低阻油层测井识别结果才具有较高的精度。
Claims (7)
1.一种高矿化度成因低阻油层测井识别方法,其特征在于,包括以下步骤:
步骤一、计算地层温度条件下的泥浆电阻率;
步骤二、计算相对自然电位与泥浆电阻率比值;
步骤三、构造油层视电阻率;
步骤四、计算油层视电阻率与储层电阻率比值;
步骤五、构造水层视电阻率;
步骤六、计算水层视电阻率与储层电阻率比值;
步骤七、确定高矿化度成因低阻油层识别标准,基于聚类分析的原理,相同流体性质的相对自然电位与泥浆电阻率比值、构造的油层视电阻率与储层电阻率比值及构造的水层视电阻率与储层电阻率比值较为接近,采用上述步骤二、步骤四和步骤六确定的参数,构造高矿化度成因低阻油层三维识别图版,依据此识别图版,便得出表1所示的高矿化度成因低阻油层测井识别标准;
表1高矿化度成因低阻油层测井识别标准
步骤八、识别高矿化度成因低阻油层:采用步骤二、步骤四和步骤六确定的相对自然电位与泥浆电阻率比值、油层视电阻率与储层电阻率比值及水层视电阻率与储层电阻率比值,基于步骤七确定的高矿化度成因低阻油层识别图版和识别标准,实现低阻油层测井识别。
2.根据权利要求1所述的一种高矿化度成因低阻油层测井识别方法,其特征在于,所述的步骤一,具体为:
根据阿普斯公式可知,当井口温度和泥浆电阻率已知时,待识别低阻油层温度下的泥浆电阻率可由式(1)计算:
式中:Rm为待识别低阻油层的泥浆电阻率,Ω·m;Rm0为井口温度条件下的泥浆的电阻率,Ω·m;T0为井口温度,℃;T为待识别低阻油层的温度,℃。
3.根据权利要求1所述的一种高矿化度成因低阻油层测井识别方法,其特征在于,所述的步骤二,具体为:
由自然电位测井基本原理可知,相对自然电位除受储层的流体性质影响外,也与泥浆矿化度有较大的关系,随泥浆矿化度增大,泥浆电阻率减小,相对自然电位减小,基于此认为,将相对自然电位与泥浆电阻率比值作为一个识别高矿化度成因低阻油层的参数:
式中:Iow1为识别高矿化度成因低阻油层的参数,无量纲;ΔSP为相对自然电位,mV,Rm为待识别低阻油层的泥浆电阻率。
4.根据权利要求1所述的一种高矿化度成因低阻油层测井识别方法,其特征在于,所述的步骤三,具体为:
当储层孔隙中只含束缚水时,剩余的孔隙空间全部被油气充注,油田开发过程中,该储层的束缚水难以产出,即产纯油;于是,可用束缚水孔隙度来构造油层视电阻率;
式中:RTO为构造的油层视电阻率,Ω·m;a为岩性参数,无量纲;Rw为地层水电阻率,Ω·m;Swi为束缚水饱和度,小数;φ为储层的有效孔隙度,小数;m为孔隙胶结指数,无量纲。
5.根据权利要求1所述的一种高矿化度成因低阻油层测井识别方法,其特征在于,所述的步骤四,具体为:
基于步骤三计算的油层视电阻率RTO,与实测的储层电阻率RT相比,便可求得识别高矿化度成因低阻油层的参数Iow2;
式中:Iow2为识别高矿化度成因低阻油层的参数,无量纲;RT为待识别储层的电阻率,Ω·m。
6.根据权利要求1所述的一种高矿化度成因低阻油层测井识别方法,其特征在于,所述的步骤五,具体为:
当储层孔隙中只含残余油时,剩余的孔隙空间全部被水填充,油田开发过程中,该储层的残余油难以产出,即产纯水;于是,用减去残余油孔隙度的有效孔隙度来构造水层视电阻率;
式中:RTW为构造的水层视电阻率,Ω·m;a为岩性参数,无量纲;φ为储层的有效孔隙度,小数;Rw为地层水电阻率,Ω·m;φhr为残余油孔隙度,小数。
7.根据权利要求1所述的一种高矿化度成因低阻油层测井识别方法,其特征在于,所述的步骤六,具体为:
基于步骤五计算的水层视电阻率RTW,与实测的储层电阻率RT相比,便可求得识别高矿化度成因低阻油层的参数Iow3:
式中:Iow3为识别高矿化度成因低阻油层的参数,无量纲。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811595133.2A CN109667576B (zh) | 2018-12-25 | 2018-12-25 | 一种高矿化度成因低阻油层测井识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811595133.2A CN109667576B (zh) | 2018-12-25 | 2018-12-25 | 一种高矿化度成因低阻油层测井识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109667576A true CN109667576A (zh) | 2019-04-23 |
CN109667576B CN109667576B (zh) | 2022-04-01 |
Family
ID=66147193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811595133.2A Expired - Fee Related CN109667576B (zh) | 2018-12-25 | 2018-12-25 | 一种高矿化度成因低阻油层测井识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109667576B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085242A (zh) * | 2019-06-13 | 2020-12-15 | 中国石油大学(华东) | 一种基于大数据深度学习方法的低阻层精准预测方法与装置 |
CN112483077A (zh) * | 2020-12-10 | 2021-03-12 | 中国海洋石油集团有限公司 | 应用气测录井资料识别海上特低阻油层的方法 |
CN116084929A (zh) * | 2023-04-10 | 2023-05-09 | 西北大学 | 一种油水界面确定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103046923A (zh) * | 2011-10-13 | 2013-04-17 | 中国石油化工股份有限公司 | 一种优化钻井泥浆快速识别低阻油气层的方法 |
CN105545301A (zh) * | 2015-12-24 | 2016-05-04 | 西安石油大学 | 一种不同泥浆体系下复杂储层流体性质识别方法 |
CN106285660A (zh) * | 2016-08-23 | 2017-01-04 | 中国石油天然气股份有限公司 | 一种多层砂岩油藏低阻油层识别方法及装置 |
CN106285661A (zh) * | 2016-08-24 | 2017-01-04 | 中国石油天然气股份有限公司 | 一种基于判定指数的低阻油层识别方法及装置 |
CN106468172A (zh) * | 2016-09-30 | 2017-03-01 | 西安石油大学 | 一种超低渗砂岩油藏低阻储层测井解释方法 |
-
2018
- 2018-12-25 CN CN201811595133.2A patent/CN109667576B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103046923A (zh) * | 2011-10-13 | 2013-04-17 | 中国石油化工股份有限公司 | 一种优化钻井泥浆快速识别低阻油气层的方法 |
CN105545301A (zh) * | 2015-12-24 | 2016-05-04 | 西安石油大学 | 一种不同泥浆体系下复杂储层流体性质识别方法 |
CN106285660A (zh) * | 2016-08-23 | 2017-01-04 | 中国石油天然气股份有限公司 | 一种多层砂岩油藏低阻油层识别方法及装置 |
CN106285661A (zh) * | 2016-08-24 | 2017-01-04 | 中国石油天然气股份有限公司 | 一种基于判定指数的低阻油层识别方法及装置 |
CN106468172A (zh) * | 2016-09-30 | 2017-03-01 | 西安石油大学 | 一种超低渗砂岩油藏低阻储层测井解释方法 |
Non-Patent Citations (3)
Title |
---|
富会: "查48区块高台子油层流体识别方法", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
李龙珂: "鄂尔多斯盆地X油田长4+5段储层低阻油层测井评价方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
申怡博: "定边东韩油区低阻油层测井识别综合研究", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085242A (zh) * | 2019-06-13 | 2020-12-15 | 中国石油大学(华东) | 一种基于大数据深度学习方法的低阻层精准预测方法与装置 |
CN112085242B (zh) * | 2019-06-13 | 2023-03-24 | 中国石油大学(华东) | 一种基于大数据深度学习方法的低阻层精准预测方法与装置 |
CN112483077A (zh) * | 2020-12-10 | 2021-03-12 | 中国海洋石油集团有限公司 | 应用气测录井资料识别海上特低阻油层的方法 |
CN112483077B (zh) * | 2020-12-10 | 2023-06-20 | 中国海洋石油集团有限公司 | 应用气测录井资料识别海上特低阻油层的方法 |
CN116084929A (zh) * | 2023-04-10 | 2023-05-09 | 西北大学 | 一种油水界面确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109667576B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shanley et al. | The evolution of pore-scale fluid-saturation in low-permeability sandstone reservoirs | |
Camp | Pore-throat sizes in sandstones, tight sandstones, and shales: Discussion | |
Xu et al. | Rock classification in carbonate reservoirs based on static and dynamic petrophysical properties estimated from conventional well logs | |
EP3488270B1 (en) | Methods and systems for quantifying a clathrate deposit | |
US10067252B2 (en) | Methods and systems for identifying a clathrate deposit | |
CN109667576A (zh) | 一种高矿化度成因低阻油层测井识别方法 | |
Miller et al. | Petrophysics in tight gas reservoirs—key challenges still remain | |
CN111963159A (zh) | 一种砾岩致密油储层流体性质的识别方法 | |
Ringrose et al. | Use of geology in the interpretation of core-scale relative permeability data | |
CN110688781B (zh) | 一种低渗非均质气藏储层测井解释方法 | |
Nie et al. | Oil Content Prediction Method Based on the TOC and Porosity of Organic‐Rich Shales from Wireline Logs: A Case Study of Lacustrine Intersalt Shale Plays in Qianjiang Sag, Jianghan Basin, China | |
Noureldien et al. | GUPCO experience with giant fields: Case studies from Egypt | |
Davies et al. | Improved prediction of reservoir behavior through integration of quantitative geological and petrophysical data | |
Guan et al. | Intelligent Wireline Formation Tester Evaluation of Low-Permeability and Low-Resistivity-Contrast Formation with Detailed Digital Planning. | |
Blinov et al. | Optimization of Well Testing for Current Reserves Estimation with Modern Wireline Formation Testers and Open Hole Logs in Exploration Wells Drilled in High Porosity Sandstone Suprasalt Sediments Field | |
Rivera et al. | Static and dynamic uncertainty management for probabilistic production forecast in Chuchupa field, Colombia | |
Peffer et al. | In-Situ Determination of Permeability Anisotropy and its Vertical Distribution-A Case Study | |
John et al. | Challenges and opportunities of wireline formation testing in tight reservoirs: a case study from Barmer basin, India | |
Loi et al. | Unlocking Thin Beds Potential: Gas Identification Through Downhole Fluid Analysis | |
Abdi et al. | Integrated reservoir characterization and modeling of one Iranian naturally fractured reservoir using laboratory and field data | |
Miranda et al. | Reconciling Log-Derived Water Saturation and Saturation-Height Function Results through Resistivity Modeling, Core-Log Integration and Image Log Data: A Case Study from Deepwater Gulf of Mexico | |
Zhou et al. | New-Generation Nuclear Magnetic Resonance T 1-T 2 Logging–Derived Formation Evaluation in Jurassic Shale Oil Reservoirs of China | |
Le Maux et al. | The challenges of building up a geological and reservoir model of a Late Ordovician glaciomarine gas reservoir characterised by the presence of natural fractures | |
Shi et al. | Deriving Effective Permeability to Improve Productivity Prediction Based on Mobility from Pressure Measurement While Drilling and Relative Permeability Test | |
Ling et al. | Near-Critical Reservoir Fluid Mixture Identification and Phase Behaviour |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220401 |