CN109709302A - 基于多参数综合判别碎屑岩物源体系的方法 - Google Patents
基于多参数综合判别碎屑岩物源体系的方法 Download PDFInfo
- Publication number
- CN109709302A CN109709302A CN201811453163.XA CN201811453163A CN109709302A CN 109709302 A CN109709302 A CN 109709302A CN 201811453163 A CN201811453163 A CN 201811453163A CN 109709302 A CN109709302 A CN 109709302A
- Authority
- CN
- China
- Prior art keywords
- material resource
- plate
- data
- parameter
- landwaste
- 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
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种基于多参数综合判别碎屑岩物源体系的方法,包括:数据选取:选取能够反映当前时期碎屑物源变化的参数;根据所判别目的层段进行参数预处理;参数计算:对自然伽马数据进行分形维数计算,对岩屑含量及分选系数进行平均值计算;建立物源识别图版并绘制物源远近图版:以分形维数计算后的自然伽马数据、平均值处理后的岩屑含量和分选系数为参数进行物源识别图板及物源远近图版绘制,根据已知的重矿数据分析对物源识别图版和物源远近图版进行验证;根据图版进行物源判别。本发明有效解决了海域内缺少实验数据的限制,利用三因素物源识别图版对物源的解释,具有实时、直观、准确率高等优点。
Description
技术领域
本发明涉及一种沉积盆地分析中判别碎屑岩物源体系的方法。特别是涉及一种基于多参数综合判别碎屑岩物源体系的方法。
背景技术
物源分析在确定沉积物物源位置和性质及沉积物搬运路径,甚至整个盆地的沉积作用和构造演化等方面意义重要。它在原盆地恢复、古地理再造、限定造山带的侧向位移量,确定地壳的特征,验证断块或造山带演化模型,绘制沉积体系图,进行井下地层对比以及在评价储层的品质等方面,都可起到重要作用。目前应用较多的为:重矿物法、碎屑岩类分析法、裂变径迹法、地球化学法和同位素法等。主要研究岩石、矿物成分及其组合特征、地层的发育状况(包括接触关系和沉积界面等)、岩相的侧向变化和纵向迭置、地球化学特征及其组合变化等,其依据在于不同的物源在沉积物的搬运和沉积过程中就会有不同的岩性、岩相和地球化学特征响应。
但现有物源判别手段都基于大量的实验分析技术,尤其是重矿物分析技术。在钻井程度较低、重矿物及元素分析等实验手段受限制的情况下仅能通过砂岩百分含量或砂岩厚度等方法来进行物源判断,但其准确性极低,无法有效判断碎屑岩物源。
发明内容
本发明所要解决的技术问题是,提供一种能够对海域内缺少系统重矿分析的区域提供判别手段的基于多参数综合判别碎屑岩物源体系的方法。
本发明所采用的技术方案是:一种基于多参数综合判别碎屑岩物源体系的方法,包括如下步骤:
1)数据选取:选取能够反映当前时期碎屑物源变化的参数;
2)根据所判别目的层段进行参数预处理;
3)参数计算:对自然伽马数据进行分形维数计算,对岩屑含量及分选系数进行平均值计算;
4)建立物源识别图版并绘制物源远近图版:以分形维数计算后的自然伽马数据、平均值处理后的岩屑含量和分选系数为参数进行物源识别图板及物源远近图版绘制,根据已知的重矿数据分析对物源识别图版和物源远近图版进行验证;
5)根据图版进行物源判别。
步骤1)中选取自然伽马数据、岩屑含量和分选系数作为反映物源特征及远近的参数。
步骤2)中所述的参数预处理是选取所判别目的层段的自然伽马曲线数据、岩石薄片鉴定报告中岩屑含量数据以及粒度分析数据中分选系数数据。
步骤3)中所述的对自然伽马数据进行分形维数计算公式为:
式中,D为研究对象的维数,δ为覆盖测井曲线的正方形网格的尺寸,N(δ)为包含测井曲线边界的网格数目;
所述的对岩屑含量及分选系数进行均值计算包括:
(1)对岩屑含量及分选系数进行均一化处理,得到岩屑含量Rx:Rx=R(主要岩屑含量)/R(总岩屑含量),
(2)对岩屑含量进行平均值处理:Rx=∑Rx(1~n)/n;
(3)对分选系数S进行平均值处理:S=∑S(1~m)/m;
其中,n为岩屑含量的样品数,m为分选系数的样品数。
步骤4)中,
所述的建立物源识别图板是,建立三角图版,将分形维数后的自然伽马曲线数据、平均值处理后的岩屑含量、分选系数三个参数作为建立三角图版的三个顶端参数,构成物源识别图版;
所述的绘制物源远近图版是,以分选系数作为横坐标,分形维数后的自然伽马曲线数据作为纵坐标,得到物源远近图版;
所述的已知的重矿数据分析对物源识别图版和物源远近图版进行验证,将参考区域的地质情况、已钻井分析以及已有重矿分析数据所得出的物源结论对物源识别图版和物源远近图版进行验证。
步骤5)中,将目的层计算出的自然伽马数据、岩屑含量及分选系数分别投到物源识别图版和物源远近图版上,根据所投散点间距离远近来判别目的层物源是否一致,其中,所投散点集中,则表示来自相同物源,反之表示来自不同物源,完成对目的层物源的判断。
本发明的基于多参数综合判别碎屑岩物源体系的方法,以能够反映碎屑岩沉积特征的参数入手,选取较易获得的测井曲线数据及实验数据进行研究区物源的判别,最终优选出自然伽马曲线、分选系数、岩屑含量三因素对物源体系及其远近进行判别,这种方法能够对海域内缺少系统重矿分析的区域提供判别手段。
本发明的基于多参数综合判别碎屑岩物源体系的方法,基于分形维数化的自然伽马曲线、分选系数及岩屑含量综合判别碎屑岩物源体系的方法,利用海域内较易获取的测井曲线数据、粒度分析及薄片鉴定实验数据,根据不同参数对物源反映的敏感程度,分别建立三因素物源识别图版及物源远近图版,对碎屑岩物源体系及物源远近进行评价,有效解决了海域内缺少实验数据的限制,利用三因素物源识别图版对物源的解释,具有实时、直观、准确率高等优点。
附图说明
图1是本发明基于多参数综合判别碎屑岩物源体系的方法的流程图;
图2是本发明三因素物源识别图版及在渤海东部地区应用实例;
图3是本发明三因素物源识别图版及在辽东湾地区应用实例;
图4是本发明三因素物源识别图版及在渤海西部地区应用实例;
图5是本发明三因素物源识别图版及在渤海南部地区应用实例;
图6是本发明物源远近识别图版及应用实例。
具体实施方式
下面结合实施例和附图对本发明的基于多参数综合判别碎屑岩物源体系的方法做出详细说明。
如图1所示,本发明的基于多参数综合判别碎屑岩物源体系的方法,包括如下步骤:
1)数据选取:选取能够反映当前时期碎屑物源变化的参数,具体是选取自然伽马数据、岩屑含量和分选系数作为反映物源特征及远近的参数。
自然伽马测井主要测量地层的岩性信息,岩性特征直接反映其沉积物源特点,通过计算和分析自然伽马曲线分形维数,可以某种程度上定量化地描述沉积物源特征,其数据可从常规测井曲线(自然伽马测井曲线)中获得;
岩屑含量能够反映碎屑岩成熟度。一般来说,不成熟的砂岩是靠近物源区堆积的,含有很多不稳定碎屑,如岩屑、长石和铁镁矿物。高成熟度的砂岩是经过长距离搬运,遭受改造的产物,几乎全部由石英组成。因此,砂岩中存在的岩屑和碎屑矿物的种类和相对丰度,也就是成分成熟度,是物源区地质条件、风化程度和搬运距离远近的反映。同时不同岩屑组合特征能够反映不同的母岩来源,来自不同物源体系的沉积物岩屑含量存在明显差异,其岩屑含量数据可从岩石薄片鉴定数据中获得;
分选系数是表示沉积颗粒分选程度的参数,他表示颗粒的大小和均匀程度,而颗粒的大小和分选又可以反映沉积物搬运距离的远近,其大小与物源远近存在较好的相关关系,其分选系数数据可从粒度分析数据中获得。
2)根据所判别目的层段进行参数预处理;所述的参数预处理是选取所判别目的层段的自然伽马曲线数据、岩石薄片鉴定报告中岩屑含量数据以及粒度分析数据中分选系数数据。
对采集的测井曲线进行处理,选取目的层段自然伽马曲线数据,若目的层段可进行层序划分,则将测井曲线按所划分的层序进行进一步细分,使得测井曲线数据能够更加精细的反映不同层序物源特征及变化。
岩屑含量处理,对目的层段岩屑含量进行统计,确定出目的层以哪种岩屑类型为主,将该岩屑类型作为统计数来确定所占比。若目的层段可进行层序划分,则将岩屑含量按所划分的层序进行进一步细分。对于岩石薄片鉴定中岩屑含量定义为微量的数据,赋值为0.5%并参与计算,岩石薄片鉴定中未给出鉴定值的岩屑含量则赋值为0。
分选系数参数处理,对目的层段分选系数参数进行统计,若目的层段可进行层序划分,则将分选系数参数按所划分的层序进行进一步细分。
3)参数计算:对自然伽马数据进行分形维数计算,对岩屑含量及分选系数进行平均值计算;
(1)自然伽马数据进行分形维数计算
分形研究的对象是所谓统计意义上的自相似性和在一定尺度范围内的自相似性(标度不变性)。测井曲线是对地层中多种信息的综合反映,包括沉积环境的变化和物源性质等,而测井曲线的分形维数正是对地层信息的抽象表达。自然伽马曲线数据Dgr是将自然伽马曲线数据进行分形维数计算后所得结果,所述的对自然伽马数据进行分形维数计算公式为:
式中,D为研究对象的维数,δ为覆盖测井曲线的正方形网格的尺寸,N(δ)为包含测井曲线边界的网格数目;
逐次改变δ的值,便可得出一系列对应的数据N(δ),这一系列δ和N(δ)数据在lnN(δ)对 lnN(1/δ)的双对数图上得到一系列点,对其作最小二乘拟合后,对应的直线斜率即为研究对象的维数D。
其Matlab编程为:
function D=FractalDim(y,cellmax)
%求输入一维信号的计盒分形维数
%y是一维信号
%cellmax:方格子的最大边长,可以取2的偶数次幂次(1,2,4,8...),取大于数据长度的偶数
%D是y的计盒维数(一般情况下D>=1),D=lim(log(N(e))/log(k/e)),
ifcellmax<length(y)
error('cellmax mustbe larger than input signal!')
end
L=length(y);%输入样点的个数
y_min=min(y);
%移位操作,将y_min移到坐标0点
y_shift=y-y_min;
%重采样,使总点数等于cellmax+1
x_ord=[0:L-1]./(L-1);
xx_ord=[0:cellmax]./(cellmax);
y_interp=interp1(x_ord,y_shift,xx_ord);
%按比例缩放y,使最大值为2^^c
ys_max=max(y_interp);
factory=cellmax/ys_max;
yy=abs(y_interp*factory);
t=log2(cellmax)+1;%叠代次数
for e=1:t
Ne=0;%累积覆盖信号的格子的总数
cellsize=2^(e-1);%每次的格子大小
NumSeg(e)=cellmax/cellsize;%横轴划分成的段数
forj=1:NumSeg(e)%由横轴第一个段起通过计算纵轴跨越的格子数累积N(e)
begin=cellsize*(j-1)+1;%每一段的起始
tail=cellsize*j+1;
seg=[begin:tail];%段坐标
yy_max=max(yy(seg));
yy_min=min(yy(seg));
up=ceil(yy_max/cellsize);
down=floor(yy_min/cellsize);
Ns=up-down;%本段曲线占有的格子数
Ne=Ne+Ns;%累加每一段覆盖曲线的格子数
end
N(e)=Ne;%记录每e下的N(e)
end
%对log(N(e))和log(k/e)进行最小二乘的一次曲线拟合,斜率就是D
r=-diff(log2(N));%去掉r超过2和小于1的野点数据
id=find(r<=2&r>=1);%保留的数据点
Ne=N(id);
e=NumSeg(id);
P=polyfit(log2(e),log2(Ne),1);%一次曲线拟合返回斜率和截距
D=P(1);
(2)对岩屑含量进行平均值计算
不同岩屑组合特征能够反映不同的母岩来源,来自变质岩和火成岩的母岩差异造成岩屑含量的不同,因此可将不同的岩屑含量所占比用来反映物源来源,岩屑含量Rx是研究区主要岩屑含量与总的岩屑含量的比值:所述的对岩屑含量及分选系数进行均值计算包括:
(2.1)对岩屑含量及分选系数进行均一化处理,得到岩屑含量Rx:Rx=R(主要岩屑含量)/R(总岩屑含量),
(2.2)对岩屑含量进行平均值处理:Rx=∑Rx(1~n)/n,n为岩屑含量的样品数;
(3)对分选系数进行平均值计算
分选系数指粒度累计曲线上25%和75%处所对应的颗粒直径的比值,是表示碎屑沉积物分选性的一种参考。碎屑物在经历长距离搬运之后其分选有变好的趋势,分选系数与物源远近之间具有较好的对应关系,所以选择分选系数均值作为反映物源远近的判别标准。对分选系数S进行平均值处理:S=∑S(1~m)/m,m为分选系数的样品数。
4)建立物源识别图版并绘制物源远近图版:以分形维数计算后的自然伽马数据、平均值处理后的岩屑含量和分选系数为参数进行物源识别图板及物源远近图版绘制,根据已知的重矿数据分析对物源识别图版和物源远近图版进行验证;其中,
所述的建立物源识别图板是,建立三角图版,将分形维数后的自然伽马曲线数据、平均值处理后的岩屑含量、分选系数三个参数作为建立三角图版的三个顶端参数,构成物源识别图版;
所述的绘制物源远近图版是,以分选系数作为横坐标,分形维数后的自然伽马曲线数据作为纵坐标,得到物源远近图版;
所述的已知的重矿数据分析对物源识别图版和物源远近图版进行验证,将参考区域的地质情况、已钻井分析以及已有重矿分析数据所得出的物源结论对物源识别图版和物源远近图版进行验证。
5)根据图版进行物源判别,具体是将目的层计算出的自然伽马数据、岩屑含量及分选系数分别投到物源识别图版和物源远近图版上,根据所投散点间距离远近来判别目的层物源是否一致,其中,投散点间集中,则表示来自相同物源,反之表示来自不同物源,完成对目的层物源的判断。
采用本发明的方法在渤海海域辽东湾地区、渤东地区、渤西地区及渤南等地区利用40多口井,分别针对新近系馆陶组、古近系东营组及沙河街组等不同层位进行验证,其成功吻合率高达85%以上,对海域内缺少系统重矿的其他区域进行物源体系判别有进一步推广应用价值。
图2为本发明的三因素物源识别图版及渤海海域东部地区馆陶组应用实例,图中三因素物源识别图版三端点分别为分形维数计算后的自然伽马数值(Dgr)、岩屑含量(Rx)及分选系数(S)。图中实例分别为PL19-3-6井、PL19-3-8井馆陶组数据。初期认为两口井为相同物源体系,但PL19-3-6井及PL19-3-8井从图中可以看出两者较为分散,说明不是同一个物源,后期重矿分析资料来看,PL19-3-6井重矿组合以磁铁矿+石榴石+绿帘石+榍石组合为主,岩屑含量以火成岩岩屑为主,占85%~98%。而PL19-3-8井重矿组合以磁铁矿+石榴石+绿帘石为主,岩屑含量以变质岩岩屑和火成岩岩屑为主,其中变质岩岩屑占26%~41%,证实两口井不是相同的物源体系。该结论与图版所得结论一致。
图3为本发明的三因素物源识别图版及渤海海域西部地区东营组应用实例,图中实例分别为CFD6-4-1井、CFD6-4-2井、CFD6-4-3井及CFD6-4-4井东营组三段数据。从图中可以看出CFD6-4-1井、2井、3井数据较为集中,属于一个物源体系,而CFD6-4-4井数据分散,为不同的物源体系。从CFD6-4-1井及3井重矿分析数据来看两口井均为磁铁矿+褐铁矿+白钛矿+锆石组合,证实为同一物源。另外CFD6-4-3井及CFD6-4-4井锆石测年分析数据证实两口井为不同物源,从“源-汇”分析理论也证实该区东三段时期4井有独立物源供给,与其他井存在物源差异。该结论与图版所得结论一致。
图4为本发明的三因素物源识别图版及渤海海域辽东湾地区东营组应用实例,图中实例分别为LD16-3S-1井、LD16-3S-2井及LD16-3-2井东营组三段数据。从区域位置来看三口井整体距离较近,初期认为三口井为相同物源,但从物源识别图版可以看出LD16-3S-1井及 LD16-3-2井为同一物源,LD16-3S-2井为不同物源体系,后期所做重矿分析证实LD16-3S-1 井及LD16-3-2井以绿帘石+石榴石+磁铁矿+褐铁矿+锆石为主,而LD16-3S-2井则以磁铁矿+ 褐铁矿+白钛矿为主,利用高精度层序地层学进行的沉积相分析最终也证实LD16-3S-2井为另一物源体系。该结论与图版所得结论一致。
图5为本发明的三因素物源识别图版及渤海海域南部地区沙河街组应用实例,图中实例分别为KL10-1-1井、KL10-1-2井、KL10-1-3及KL10-1-4井沙河街组三段数据。该构造四口井沙河街组三段构造背景一致认为为相同物源,后期所做重矿物组合及岩屑组合均证实四口井来自相同的物源体系,但重矿资料显示KL10-1-1井及4井重矿组分与2井及3井存在差异,可能存在不同物源的供给。从判别模板中四口井较为集中,但1井及4井较为分散,同样证实虽然物源来自同一体系,但局部仍存在差异性。该结论与图版所得结论吻合度较高。
图6为本发明物源远近图版,其中图版横坐标为分析系数(S),纵坐标为分形维数计算后的自然伽马数值(Dgr),其中分选系数越小代表物源越远,自然伽马数值越大代表物源越远,优先以横坐标为考虑因素,在横坐标相近时考虑纵坐标大小。图中实例分别为PL20-2-5 井、PL20-2-2井、PL20-2-1井及PL19-3-8井馆陶组数据,基于大量的古生物分析、岩性组合特征、泥岩颜色、测井曲线特征及三维地震剖面反射特征认为渤海海域渤东地区馆陶组从底至顶具有“粗-细-粗”三分的特征,基于此“三分”层序将这几口井分为底、中、顶三个部分。从图中可以看出PL20-2-5井、PL20-2-2井及PL20-2-1井馆陶组从底到顶为由近至远的顺序,从PL20-2-5井重矿ZTR指数分析来看底部ZTR指数为1.56,中部为5.18,顶部为5.61; PL20-2-2井重矿分析数据以不稳定矿物角闪石含量来看(角闪石含量越高代表离物源越近) 底部含2%角闪石到顶部只含0.1%角闪石含量,整体符合图版规律;PL19-3-8井从图中也可以看出馆陶组从底到顶为由远至近再到远的顺序,从PL19-3-8井重矿ZTR指数分析来看底部为31.24,中部为14.62,顶部为13.76,从岩屑含量统计来看,PL19-3-8井底部岩屑含量 41.5%,中部49%,顶部23%,符合中间近顶底较远的散点特征,整体吻合率较高。
以上借助具体实施例对本发明做了进一步描述,但是应该理解的是,这里具体的描述,不应理解为对本发明的实质和范围的限定,本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改,都属于本发明所保护的范围。
Claims (6)
1.一种基于多参数综合判别碎屑岩物源体系的方法,其特征在于,包括如下步骤:
1)数据选取:选取能够反映当前时期碎屑物源变化的参数;
2)根据所判别目的层段进行参数预处理;
3)参数计算:对自然伽马数据进行分形维数计算,对岩屑含量及分选系数进行平均值计算;
4)建立物源识别图版并绘制物源远近图版:以分形维数计算后的自然伽马数据、平均值处理后的岩屑含量和分选系数为参数进行物源识别图板及物源远近图版绘制,根据已知的重矿数据分析对物源识别图版和物源远近图版进行验证;
5)根据图版进行物源判别。
2.根据权利要求1所述的基于多参数综合判别碎屑岩物源体系的方法,其特征在于,步骤1)中选取自然伽马数据、岩屑含量和分选系数作为反映物源特征及远近的参数。
3.根据权利要求1所述的基于多参数综合判别碎屑岩物源体系的方法,其特征在于,步骤2)中所述的参数预处理是选取所判别目的层段的自然伽马曲线数据、岩石薄片鉴定报告中岩屑含量数据以及粒度分析数据中分选系数数据。
4.根据权利要求1所述的基于多参数综合判别碎屑岩物源体系的方法,其特征在于,步骤3)中所述的对自然伽马数据进行分形维数计算公式为:
式中,D为研究对象的维数,δ为覆盖测井曲线的正方形网格的尺寸,N(δ)为包含测井曲线边界的网格数目;
所述的对岩屑含量及分选系数进行均值计算包括:
(1)对岩屑含量及分选系数进行均一化处理,得到岩屑含量Rx:Rx=R(主要岩屑含量)/R(总岩屑含量),
(2)对岩屑含量进行平均值处理:Rx=∑Rx(1~n)/n;
(3)对分选系数S进行平均值处理:S=∑S(1~m)/m;
其中,n为岩屑含量的样品数,m为分选系数的样品数。
5.根据权利要求1所述的基于多参数综合判别碎屑岩物源体系的方法,其特征在于,步骤4)中,
所述的建立物源识别图板是,建立三角图版,将分形维数后的自然伽马曲线数据、平均值处理后的岩屑含量、分选系数三个参数作为建立三角图版的三个顶端参数,构成物源识别图版;
所述的绘制物源远近图版是,以分选系数作为横坐标,分形维数后的自然伽马曲线数据作为纵坐标,得到物源远近图版;
所述的已知的重矿数据分析对物源识别图版和物源远近图版进行验证,将参考区域的地质情况、已钻井分析以及已有重矿分析数据所得出的物源结论对物源识别图版和物源远近图版进行验证。
6.根据权利要求1所述的基于多参数综合判别碎屑岩物源体系的方法,其特征在于,步骤5)中,将目的层计算出的自然伽马数据、岩屑含量及分选系数分别投到物源识别图版和物源远近图版上,根据所投散点间距离远近来判别目的层物源是否一致,其中,所投散点集中,则表示来自相同物源,反之表示来自不同物源,完成对目的层物源的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453163.XA CN109709302A (zh) | 2018-11-30 | 2018-11-30 | 基于多参数综合判别碎屑岩物源体系的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453163.XA CN109709302A (zh) | 2018-11-30 | 2018-11-30 | 基于多参数综合判别碎屑岩物源体系的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109709302A true CN109709302A (zh) | 2019-05-03 |
Family
ID=66255429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811453163.XA Pending CN109709302A (zh) | 2018-11-30 | 2018-11-30 | 基于多参数综合判别碎屑岩物源体系的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109709302A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888180A (zh) * | 2019-12-04 | 2020-03-17 | 自然资源部第二海洋研究所 | 一种基于沉积物地球化学特征识别大洋中脊热液区的方法 |
CN113960288A (zh) * | 2021-10-28 | 2022-01-21 | 中国石油大学(华东) | 一种源-汇系统定量评价方法 |
CN115656480A (zh) * | 2022-12-13 | 2023-01-31 | 太原理工大学 | 一种煤储层显微组分体积模量测定方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007069233A2 (en) * | 2005-12-13 | 2007-06-21 | Applied Spectral Imaging Ltd. | Automatic characterization of pathological specimen |
US20080319675A1 (en) * | 2007-06-22 | 2008-12-25 | Sayers Colin M | Method, system and apparatus for determining rock strength using sonic logging |
CN101806215A (zh) * | 2010-03-05 | 2010-08-18 | 中国石油集团川庆钻探工程有限公司 | 用束缚水饱和度数据判别储层流体类型的方法 |
CN104806232A (zh) * | 2014-07-31 | 2015-07-29 | 吴见萌 | 一种确定碳酸盐岩储层孔隙度下限的方法 |
CN104991274A (zh) * | 2015-07-03 | 2015-10-21 | 中国石油大学(华东) | 多种地质因素定量约束下的单一圈闭级的有利区优选方法 |
CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
CN105064987A (zh) * | 2015-07-29 | 2015-11-18 | 中国石油集团川庆钻探工程有限公司 | 利用随钻录井q参数进行水层识别的解释评价方法 |
CN105257287A (zh) * | 2015-11-05 | 2016-01-20 | 成都理工大学 | 油页岩石油储层参数评价方法 |
CN105986811A (zh) * | 2015-02-11 | 2016-10-05 | 中国石油化工股份有限公司 | 基于常规测井资料五维度岩性判识方法 |
CN106545337A (zh) * | 2016-11-25 | 2017-03-29 | 西南石油大学 | 一种基于支持向量机的沉积微相测井识别方法 |
CN106777707A (zh) * | 2016-12-21 | 2017-05-31 | 山东科技大学 | 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法 |
CN106948811A (zh) * | 2017-03-28 | 2017-07-14 | 中国石油大学(北京) | 叠合盆地致密碳酸盐岩盖层封盖性能的定量表征方法 |
EP2819108B1 (en) * | 2013-06-24 | 2017-09-13 | Panasonic Corporation | Directivity control system and sound output control method |
CN107991714A (zh) * | 2017-11-28 | 2018-05-04 | 中国海洋石油集团有限公司 | 基于湖盆古地形恢复的定量方法 |
CN108756871A (zh) * | 2018-05-31 | 2018-11-06 | 中国石油集团川庆钻探工程有限公司 | 利用三角图版和概率图道进行储层判识的录井解释方法 |
-
2018
- 2018-11-30 CN CN201811453163.XA patent/CN109709302A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007069233A2 (en) * | 2005-12-13 | 2007-06-21 | Applied Spectral Imaging Ltd. | Automatic characterization of pathological specimen |
US20080319675A1 (en) * | 2007-06-22 | 2008-12-25 | Sayers Colin M | Method, system and apparatus for determining rock strength using sonic logging |
CN101806215A (zh) * | 2010-03-05 | 2010-08-18 | 中国石油集团川庆钻探工程有限公司 | 用束缚水饱和度数据判别储层流体类型的方法 |
EP2819108B1 (en) * | 2013-06-24 | 2017-09-13 | Panasonic Corporation | Directivity control system and sound output control method |
CN104806232A (zh) * | 2014-07-31 | 2015-07-29 | 吴见萌 | 一种确定碳酸盐岩储层孔隙度下限的方法 |
CN105986811A (zh) * | 2015-02-11 | 2016-10-05 | 中国石油化工股份有限公司 | 基于常规测井资料五维度岩性判识方法 |
CN104991274A (zh) * | 2015-07-03 | 2015-10-21 | 中国石油大学(华东) | 多种地质因素定量约束下的单一圈闭级的有利区优选方法 |
CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
CN105064987A (zh) * | 2015-07-29 | 2015-11-18 | 中国石油集团川庆钻探工程有限公司 | 利用随钻录井q参数进行水层识别的解释评价方法 |
CN105257287A (zh) * | 2015-11-05 | 2016-01-20 | 成都理工大学 | 油页岩石油储层参数评价方法 |
CN106545337A (zh) * | 2016-11-25 | 2017-03-29 | 西南石油大学 | 一种基于支持向量机的沉积微相测井识别方法 |
CN106777707A (zh) * | 2016-12-21 | 2017-05-31 | 山东科技大学 | 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法 |
CN106948811A (zh) * | 2017-03-28 | 2017-07-14 | 中国石油大学(北京) | 叠合盆地致密碳酸盐岩盖层封盖性能的定量表征方法 |
CN107991714A (zh) * | 2017-11-28 | 2018-05-04 | 中国海洋石油集团有限公司 | 基于湖盆古地形恢复的定量方法 |
CN108756871A (zh) * | 2018-05-31 | 2018-11-06 | 中国石油集团川庆钻探工程有限公司 | 利用三角图版和概率图道进行储层判识的录井解释方法 |
Non-Patent Citations (5)
Title |
---|
COATES G R 等: "A new characterization of bulk-volume irreducible using magnetic resonance", 《THE LOG ANALYST》 * |
冯琼 等: "塔中4油田CⅠ 油组高阻水层成因分析及油层解释方法研究", 《江汉石油学院学报》 * |
李昌 等: "自然伽马曲线分形维数在沉积物源分析中的应用", 《天然气地球物理勘探》 * |
王延章 等: "物源供给指数及其对滩坝发育程度的控制作用", 《大庆石油地质与开发》 * |
赖锦 等: "基于测井资料的辫状河三角洲沉积储层精细描述", 《中国地质》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888180A (zh) * | 2019-12-04 | 2020-03-17 | 自然资源部第二海洋研究所 | 一种基于沉积物地球化学特征识别大洋中脊热液区的方法 |
CN113960288A (zh) * | 2021-10-28 | 2022-01-21 | 中国石油大学(华东) | 一种源-汇系统定量评价方法 |
CN113960288B (zh) * | 2021-10-28 | 2023-09-19 | 中国石油大学(华东) | 一种源-汇系统定量评价方法 |
CN115656480A (zh) * | 2022-12-13 | 2023-01-31 | 太原理工大学 | 一种煤储层显微组分体积模量测定方法 |
CN115656480B (zh) * | 2022-12-13 | 2023-03-31 | 太原理工大学 | 一种煤储层显微组分体积模量测定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Talling et al. | Beds comprising debrite sandwiched within co‐genetic turbidite: origin and widespread occurrence in distal depositional environments | |
Pryor | Cretaceous sedimentation in upper Mississippi Embayment | |
CN104612675B (zh) | 一种碳酸盐岩地层随钻岩性快速识别方法 | |
CN109709302A (zh) | 基于多参数综合判别碎屑岩物源体系的方法 | |
Xu et al. | The fluvial and lacustrine sedimentary systems and stratigraphic correlation in the Upper Triassic Xujiahe Formation in Sichuan Basin, China | |
CN108802851A (zh) | 一种沉积变质型铁-石墨矿勘探方法 | |
CN102830441A (zh) | 包含数据挖掘的油气层综合解释评价方法 | |
CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
CN106370814A (zh) | 基于成分‑结构分类的湖相混积岩类储层测井识别方法 | |
Ni et al. | Lineament length and density analyses based on the segment tracing algorithm: a case study of the gaosong field in gejiu tin mine, China | |
Regli et al. | Interpretation of drill core and georadar data of coarse gravel deposits | |
Yunsel et al. | Geological modeling of rock type domains in the Balya (Turkey) lead-zinc deposit using plurigaussian simulation | |
Changmin et al. | Hierarchical architectural element analysis for sandy conglomerate deposits of Baikouquan Formation, Mahu Sag | |
Aigner et al. | 3D geological modelling of a carbonate shoal complex: reservoir analogue study using outcrop data | |
Hurd et al. | Sediment gravity-flow deposits and three-dimensional stratigraphic architectures of the linked Cutoff, upper Bone Spring, and upper Avalon system, Delaware Basin | |
Ojakangas | Petrology and sedimentation of the upper Cambrian Lamotte Sandstone in Missouri | |
Ogbe | Reservoir sandstone grain-size distributions: Implications for sequence stratigraphic and reservoir depositional modelling in Otovwe field, onshore Niger Delta Basin, Nigeria | |
Evans et al. | An outcrop gamma ray study of the Tumblagooda Sandstone, Western Australia | |
CN114114396B (zh) | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 | |
Parés et al. | Comparing depositional modes of cave sediments using magnetic anisotropy | |
CN114137633B (zh) | 火山岩岩相逐级识别方法 | |
Lejzerowicz et al. | Application of ground penetrating radar method combined with sedimentological analyses in studies of glaciogenic sediments in central Poland | |
CN110443890B (zh) | 原地浸出矿床地层建模方法 | |
Boboye et al. | Petrography and geochemical indices of the Lagos lagoon coastal sediments, Dahomey Basin (southwestern Nigeria): Sea level change implications | |
Iqbal et al. | Petrographic investigations and reservoir potential of shallow marine sandstone: a case study from Nyalau formation, Sarawak Basin, Malaysia |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190503 |