CN109710968A - 一种基岩潜山裂缝预测方法及装置 - Google Patents
一种基岩潜山裂缝预测方法及装置 Download PDFInfo
- Publication number
- CN109710968A CN109710968A CN201811351489.1A CN201811351489A CN109710968A CN 109710968 A CN109710968 A CN 109710968A CN 201811351489 A CN201811351489 A CN 201811351489A CN 109710968 A CN109710968 A CN 109710968A
- Authority
- CN
- China
- Prior art keywords
- fracture
- parameter
- target area
- crack
- model
- 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 116
- 238000000034 method Methods 0.000 title claims abstract description 54
- 206010017076 Fracture Diseases 0.000 claims abstract description 243
- 208000010392 Bone Fractures Diseases 0.000 claims abstract description 203
- 238000011161 development Methods 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 45
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 238000003384 imaging method Methods 0.000 claims abstract description 24
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 15
- 239000011707 mineral Substances 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 230000000704 physical effect Effects 0.000 claims description 17
- 238000003325 tomography Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000003628 erosive effect Effects 0.000 claims description 12
- 241001074085 Scophthalmus aquosus Species 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000010219 correlation analysis Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 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
- 239000004575 stone Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000009415 formwork Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 16
- 230000018109 developmental process Effects 0.000 description 48
- 238000012545 processing Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000035699 permeability Effects 0.000 description 11
- 239000010438 granite Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 239000010410 layer Substances 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000002585 base Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 241001415846 Procellariidae Species 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229910052655 plagioclase feldspar Inorganic materials 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000036301 sexual development Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 239000010435 syenite Substances 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种基岩潜山裂缝预测方法及装置,方法包括:对目标区域进行全岩心矿物分析和元素俘获测井,获得岩性分布;根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立基岩地质模型;进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;进行岩石力学测试生成岩石力学测试数据;建立裂缝主控因素与裂缝发育参数的关系;根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型,对目标区域进行基岩潜山裂缝预测。通过综合多源数据和多种方法,识别和预测潜山基岩油藏的裂缝发育,最终建立离散裂缝模型,指导潜山基岩油藏的勘探和开发。
Description
技术领域
本发明涉及石油勘探技术,具体的讲是一种基岩潜山裂缝预测方法及装置。
背景技术
基岩潜山为沉积层序之下的变质岩或火成岩组合,基岩潜山包含了孔隙率极低或没有基质孔隙的沉积岩。潜山油藏往往是在对浅层碎屑岩油藏加深钻探时被发现,通常拥有很高的单井产量,在石油勘探开发当中具有重要的意义。
现有技术对花岗质基岩潜山储层裂缝的识别和预测中,虽已经形成了一些针对裂缝识别和建模的技术方法,但是各种方法均有其适应性。另外,由于花岗岩/变质岩对地震波能量的吸收和衰减作用,导致潜山内幕地震品质差,精度下降。依靠岩心、薄片数据以及成像测井进行描述,识别精度高,但由于成本高导致可供分析的资料数量有限,不能很好地对全区进行预测。并且相比于传统沉积裂缝储层,花岗岩/变质岩型基岩潜山岩石种类多,储层非均质性更强,以及构造和风化淋滤作用影响,使裂缝发育在垂向和横向上均存在很强的差异性,裂缝预测难度更大,无法完全按照传统沉积岩的建模方法进行表征。
发明内容
为解决目前无针对基岩潜山油藏裂缝预测及离散裂缝建模的技术空白问题,本发明实施例提供了一种基岩潜山裂缝预测方法,包括:
对目标区域进行全岩心矿物分析和元素俘获测井,获得目标区域的岩性分布;
根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立目标区域的基岩地质模型;
对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;
根据所述目标区域的岩性分布及剖面划分建立岩相模型;
进行岩石力学测试生成岩石力学测试数据;
根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系,其中,所述裂缝主控因素包括:岩性、基岩物性、构造曲率、构造应力、断层距离;所述的裂缝发育参数包括:裂缝密度、裂缝开度以及裂缝渗透率;
根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型;
根据建立的基岩潜山离散裂缝模型对目标区域进行基岩潜山裂缝预测。
本发明一实施方式中,所述的对目标区域进行全岩心矿物分析和元素俘获测井,获得待测区块的岩性分布包括:
利用神经网络算法,对岩心矿物和ECS元素俘获测井进行分析,从元素和矿物角度获得目标区域的井段岩性分布。
本发明一实施方式中,所述的对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数包括:
对目标区域进行岩心观察、成像测井及测井资料分析获取目标区域的裂缝特征参数;其中,所述裂缝特征参数包括:裂缝线密度,裂缝开度,裂缝高度,裂缝倾角以及裂缝走向;
对裂缝特征参数进行特征参数及分布特征的定量计算确定有效裂缝特征参数。
本发明一实施方式中,所述的根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系包括:
根据所述岩相模型确定岩性、基岩物性与裂缝发育参数的关系;
根据所述岩石力学测试数据确定构造应力与裂缝发育参数的关系;
根据实钻取心井参数确定构造曲率、断层距离与裂缝发育参数的关系;其中,所述实钻取心井参数包括:目标区域的实钻取心井的构造位置参数、岩心裂缝参数。
本发明一实施方式中,所述的根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型包括:
应用偏相关分析法确定各裂缝主控因素对裂缝发育参数的影响程度及权重值;
以所述有效裂缝特征参数为约束,根据确定的影响程度,权重值,裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型。
同时,本发明还提供一种基岩潜山裂缝预测装置,包括:
岩性分布确定模块,用于对目标区域进行全岩心矿物分析和元素俘获测井,获得目标区域的岩性分布;
基岩地质模型建立模块,用于根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立目标区域的基岩地质模型;
有效裂缝参数确定模块,用于对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;
岩相模型建立模块,用于根据目标区域的岩性分布及剖面划分建立岩相模型;
力学测试数据生成模块,用于进行岩石力学测试生成岩石力学测试数据;
关系确定模块,用于根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系,其中,所述裂缝主控因素包括:岩性、基岩物性、构造曲率、构造应力、断层距离;所述的裂缝发育参数包括:裂缝密度、裂缝开度以及裂缝渗透率;
离散裂缝模型建立模块,用于根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型;
预测模块,用于根据建立的基岩潜山离散裂缝模型对目标区域进行基岩潜山裂缝预测。
本发明一实施方式中,所述的岩性分布确定模块,利用神经网络算法,对岩心矿物和ECS元素俘获测井进行分析,从元素和矿物角度获得目标区域的井段岩性分布。
本发明一实施方式中,所述的有效裂缝参数确定模块包括:
分析单元,用于对目标区域进行岩心观察、成像测井及测井资料分析获取目标区域的裂缝特征参数;其中,所述裂缝特征参数包括:裂缝线密度,裂缝开度,裂缝高度,裂缝倾角以及裂缝走向;
定量计算单元,用于对裂缝特征参数进行特征参数及分布特征的定量计算确定有效裂缝特征参数。
本发明一实施方式中,所述的关系确定模块包括:
岩相关系确定单元,用于根据所述岩相模型确定岩性、基岩物性与裂缝发育参数的关系;
应力关系确定单元,用于根据所述岩石力学测试数据确定构造应力与裂缝发育参数的关系;
曲率断层关系确定单元,用于根据实钻取心井参数确定构造曲率、断层距离与裂缝发育参数的关系;其中,所述实钻取心井参数包括:目标区域的实钻取心井的构造位置参数、岩心裂缝参数。
本发明一实施方式中,所述的离散裂缝模型建立模块包括:
偏相关分析单元,用于应用偏相关分析法确定各裂缝主控因素对裂缝发育参数的影响程度及权重值;
模型建立单元,用于以所述有效裂缝特征参数为约束,根据确定的影响程度,权重值以及裂缝主控因素与裂缝发育参数的关系建立基岩潜山离散裂缝模型。
同时,本发明还提供一种计算机设备,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,处理器执行计算机程序时实现上述方法。
同时,本发明还提供一种计算机可读存储介质,计算机可读存储介质存储有执行上述方法的计算机程序。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
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为本发明提供的一种基岩潜山裂缝预测方法的流程图;
图2为本发明的实施例的流程示意图;
图3为本发明实施例中的三维地质模型;
图4为本发明实施例中的建立潜山内幕离散裂缝模型;
图5为本发明公开的基岩潜山裂缝预测装置框图;
图6为本发明实施例的电子设备的系统构成的示意框图。
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。
尽管目前已经形成了一些针对裂缝识别和建模的技术方法,但是各种方法均有其适应性。由于花岗岩/变质岩对地震波能量的吸收和衰减作用,导致潜山内幕地震品质差,精度下降。依靠岩心、薄片数据以及成像测井进行描述,识别精度高,但由于成本高导致可供分析的资料数量有限,不能很好地对全区进行预测。并且相比于传统沉积裂缝储层,花岗岩/变质岩型基岩潜山岩石种类多,储层非均质性更强,以及构造和风化淋滤作用影响,使裂缝发育在垂向和横向上均存在很强的差异性,裂缝预测难度更大,无法完全按照传统沉积岩的建模方法进行表征。
本发明的目的是提供一种适用于潜山基岩储层的、融合多源数据的裂缝预测及离散建模方法,强调多源数据和多种方法的相互结合和相互印证,考虑花岗质基岩潜山的岩性控制作用和垂向结构序列,区别传统沉积岩离散裂缝模型建立步骤,解决目前针对基岩潜山油藏裂缝预测及离散裂缝建模的技术空白问题。
如图1所示,为本发明实施例提供的一种基岩潜山裂缝预测方法的流程图,包括:
步骤S101,对目标区域进行全岩心矿物分析和元素俘获测井,获得目标区域的岩性分布;
步骤S102,根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立目标区域的基岩地质模型;
步骤S103,对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;
步骤S104,根据目标区域的岩性分布及剖面划分建立岩相模型;
步骤S105,进行岩石力学测试生成岩石力学测试数据;
步骤S106,根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系,其中,裂缝主控因素包括:岩性、基岩物性、构造曲率、构造应力、断层距离;裂缝发育参数包括:裂缝密度、裂缝开度以及裂缝渗透率;
步骤S107,根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型;
步骤S108,根据建立的基岩潜山离散裂缝模型对目标区域进行基岩潜山裂缝预测。
本发明实施方式的具体包括以下步骤:
步骤1、基于全岩心矿物分析及ECS元素俘获测井,从元素和矿物角度获得井段岩性分布,再结合不同岩性在常规测井曲线上的差异,进一步落实岩性划分。
步骤2、基于地震资料结合常规测井、成像测井、岩心资料,识别潜山内幕各级断裂和裂缝体系,从三维空间上评价裂缝发育情况,并根据潜山内幕储层发育的条带性,井震结合划分潜山内幕垂向结构序列,为裂缝预测提供有针对性的纵向框架。
步骤3、基于岩心观察、成像测井及分析化验资料综合分析,完成全区井的裂缝特征参数及分布特征的定量计算,对有效裂缝划分组系。并充分利用测井资料和动态资料,运用各种方法定量解释裂缝参数,弥补成像测井资料的不足,从多角度评价裂缝发育规律。
定量解释裂缝参数运用的方法具体包括:
基于R/S分形法,对测井曲线(如GR、AC)进行重标极差分析,根据斜率的变化识别单井垂向裂缝发育层带;
基于深浅双侧向定量计算裂缝参数,包括裂缝张开度、孔隙度、渗透率;
基于泥浆漏失量及漏失速度定量评价裂缝发育密度,验证垂向的储层评价;
基于试井渗透率和岩心渗透率的比值,评价单井井周裂缝发育程度,具体表现在比值越大,裂缝越发育。
步骤4、建立岩相模型,基于岩性、物性、电测响应及成像测井特征,分析岩性对基岩物性的控制作用,建立潜山基质孔隙度和渗透率分布模型。
步骤5、分别从岩石类型、构造曲率、构造应力、基岩物性、断层距离五方面建立与裂缝发育程度之间的相关关系,应用熵权法分析各因素对裂缝密度的影响程度,并确定基岩潜山裂缝发育主控因素及权重赋值。
步骤6、建立潜山内幕离散裂缝模型,并通过耦合基岩与裂缝系统属性参数模型,建立潜山内幕双重介质模型。
步骤7、建立待研究区块流体分布模型、岩石物理模型、生产动态模型,并且应用油藏数值模拟技术,拟合待研究区块、单井生产历史,验证模型的正确性。
以某潜山基岩油藏B区为例,对本发明技术方案做进一步详细说明,图2所示为本发明的实施例的流程示意图。
本实施例的具体步骤如下:
步骤1,利用神经网络算法,对岩心矿物和ECS元素俘获测井进行分析,根据矿物含量及元素组成,潜山基岩识别出2大类,6亚类,15种岩石类型。基于神经网络结果结合岩性在常规测井(伽马、中子、密度)上的响应特征,进一步落实岩性分布,为基质物性建模和裂缝预测打下基础。岩石类型及空间配置关系是控制裂缝发育程度的最基础的因素。
步骤2,基于地震资料结合常规测井、成像测井、岩心资料,识别潜山内幕各级断裂和裂缝体系,可以看出纵向上潜山内幕条带性发育明显:潜山表层由于风化淋滤作用强,岩石破碎,主要发育孔隙型储层,裂缝密度较低;随着深度的增大,风化淋滤作用减弱,储层由孔隙型为主逐渐转变为裂缝性为主,裂缝密度较大,再随着深度的增大,裂缝密度逐渐降低,直到基本无裂缝发育的致密带。纵向上各个层带的厚度也有不同,构造高部位裂缝带厚度相对较大。
根据潜山内幕储层发育的条带性,井震结合划分潜山内幕垂向结构序列,建立三维地质模型,如图3,为按层带预测裂缝打下框架。
步骤3、收集整理岩心观察、成像测井及分析化验的裂缝参数,具体包括裂缝线密度、裂缝开度、裂缝高度、裂缝倾角和裂缝走向等,然后在Excel或者SPSS数据统计分析软件中,对上述裂缝参数进行综合分析,主要获取上述参数的均值、标准差,统计上述参数服从的分布规律,完成全区井的裂缝特征参数及分布特征的定量计算,将有效裂缝划分为NWW-SEE和NNE-SSW两组走向。并充分利用测井资料和动态资料,运用各种方法定量解释裂缝参数,弥补成像测井资料的不足,从多角度评价裂缝发育规律。该步骤实现识别区分有效裂缝,并在此基础上通过对有效裂缝的统计分析,定量计算有效裂缝特征参数。运用方法具体包括:
基于R/S分形法,对测井曲线(如GR、AC)进行重标极差分析,根据斜率的变化识别单井垂向裂缝发育层带;
基于深浅双侧向定量计算裂缝参数,包括裂缝张开度、孔隙度、渗透率;
基于泥浆漏失量及漏失速度定量评价裂缝发育密度,验证垂向的储层评价;
基于试井渗透率和岩心渗透率的比值,评价单井井周裂缝发育程度,具体表现在比值越大,裂缝越发育。
本实施例中提供的几种方法都是本方案中用来定量计算有效裂缝的,不同方法互相补充。
步骤4,建立岩相模型,即在单井岩性识别(即步骤1中的岩性识别结果)及剖面划分的基础上,应用地质统计学算法,建立岩相模型。基于岩性、物性、电测响应及成像测井特征,分析得出物性变化总的趋势是以浅色矿物为主的花岗质岩石(包括混合花岗岩、花岗岩)构造作用下容易破碎(形成碎裂岩类),形成破碎粒间孔和裂缝,岩石孔隙度、渗透率高于暗色矿物含量较高的变粒岩、片麻岩、中性岩浆岩(斜长角闪岩、闪长岩类岩石),并且随着暗色矿物含量的增高岩石密度值增高,孔隙度、渗透率减小。岩石密度与测试孔隙度负相关关系明显(R=0.82)。优选算法稳健的序贯高斯模拟方法构建B区潜山带基质岩石物理属性参数的岩相模型地质模型。
步骤5,进行岩石力学测试,分析不同岩石类型的岩石力学性质,得出B区潜山带岩石脆性排序:混合花岗岩(碱长混合花岗岩)>酸性岩(二长花岗岩)>混合片麻岩(混合岩化角闪斜长变粒岩)>中性岩(正长岩)>片麻岩>基性岩。得出构造裂缝发育程度与岩性有较好的相关性,即混合花岗岩、中性岩浆岩、酸性岩浆岩构造裂缝较发育。
针对室内岩石力学测试数据,应用ANASYS有限元模拟软件建立取心井沿井筒应力场分布数值模型,根据模拟结果,自动计算应力强度,从而预测岩心裂缝发育程度,与实际岩心观察结果对比拟合,拟合B区潜山主要岩石类型力学参数及物性参数,定量统计单井裂缝参数,研究取心井潜山内幕裂缝垂向分布规律及裂缝参数特征。
基于单井应力模拟,建立整个B区潜山的应力场模拟,研究得出构造高部位(潜山顶部)主应力值低,应力强度高,是裂缝发育的优势区,以此指导裂缝预测。
建立裂缝线密度与基岩渗透率、裂缝线密度与基岩孔隙度的关系图版,即根据步骤3获取的裂缝参数及岩心分析化验资料,应用excel软件分析裂缝密度与岩心孔隙度、渗透率相关关系,从而建立关系图版,分析得出B区潜山基岩孔隙度在5%-8%、渗透率在2-4×10-3μm2范围内,即中等-较差储层裂缝相对更发育。
根据构造曲率和断层距离对裂缝发育的控制关系,根据B区5口实钻取芯井所处构造位置及岩心裂缝参数描述,建立构造曲率、断层距离与裂缝发育程度相关关系,建立B区潜山带构造曲率模型和断层距离模型为裂缝预测提供基础,本发明实施例中应用Petrel地质建模软件建立模型。
该步骤中的“定量统计单井裂缝参数”是对步骤3中的计算结果的进一步修正,由于分析认为裂缝发育受岩性控制作用明显,因此在步骤5中通过岩石力学分析测试,建立岩性与裂缝的关系,对此处的裂缝参数进行了完善。
应用偏相关分析法确定各因素对裂缝密度的影响程度,并确定基岩潜山裂缝发育主控因素及权重赋值如下表1所示,针对B区所有井裂缝参数及钻井所处构造位置、岩性分布,应用SPSS偏相关分析方法。
表1
由于B区裂缝与岩性关系紧密,所以该岩相模型是建立最终离散裂缝模型的一个控制因素。包括步骤5中提到的曲率模型和断层距离模型也是这个原因,因为B区裂缝受构造曲率及距离断层的远近关系紧密,因此这两个模型也是用来控制最终建立的离散裂缝模型。上述提到的岩相模型、曲率模型和断层距离模型都是三维立体模型,而步骤5中提到的井筒应力场分布数值模型是单井的一维模型,此模型是为了建立整个B区的三维应力场,而应力场用来控制最终离散裂缝模型的建立。
步骤6、以井点裂缝密度为点约束,裂缝发育强度驱动体为空间约束,对比分析裂缝特征参数分布模型特征,评价统计Fisher分布、Bingham分布和kent分布特征及适用条件,优选幂分布模型表征B区潜山裂缝特征参数,采用Bingham数学分布模型表征裂缝产状空间分布,建立潜山内幕离散裂缝模型,如图4。
本发明实施例中,首先,应用离散化算法,将B区所有单井裂缝密度曲线离散化到各个网格,然后应用裂缝发育强度驱动体作为井间未钻井区域裂缝分布规律的约束,优选采用幂分布模型获取裂缝特征参数;采用Bingham模型建立裂缝空间分布模型,从而完成离散裂缝模型的构建。即步骤1-5中的分析结果都是用来控制最终离散裂缝模型的建立。
本发明实施例公开了一种基于多源数据融合的潜山基岩裂缝预测及离散裂缝建模方法,包括以下步骤:深入分析区块内的岩心数据、测井数据,对潜山内幕岩性分布进行精确识别;综合岩心数据、测井数据、钻录井数据、地震数据、生产动态数据,对潜山内幕垂向结构进行划分;利用岩性约束,建立潜山基质物性模型;综合各类方法定量解释裂缝参数,识别裂缝发育特征;筛选影响裂缝发育的各类主控因素,并建立相关关系,应用熵权法分析各因素对裂缝密度的影响程度并进行权重赋值;基于分析结果建立潜山内幕离散裂缝模型,并通过耦合基岩与裂缝系统属性参数模型,建立潜山内幕双重介质模型;应用油藏数值模拟技术,验证模型的正确性。通过综合多源数据和多种方法,识别和预测潜山基岩油藏的裂缝发育,最终建立离散裂缝模型,指导潜山基岩油藏的勘探和开发。
同时,本发明还提供一种基岩潜山裂缝预测装置,如图5所示包括:
岩性分布确定模块501,用于对目标区域进行全岩心矿物分析和元素俘获测井,获得目标区域的岩性分布;
基岩地质模型建立模块502,用于根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立目标区域的基岩地质模型;
有效裂缝参数确定模块503,用于对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;
岩相模型建立模块504,用于根据目标区域的岩性分布及剖面划分建立岩相模型;
力学测试数据生成模块505,用于进行岩石力学测试生成岩石力学测试数据;
关系确定模块506,用于根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系,其中,所述裂缝主控因素包括:岩性、基岩物性、构造曲率、构造应力、断层距离;所述的裂缝发育参数包括:裂缝密度、裂缝开度以及裂缝渗透率;
离散裂缝模型建立模块507,用于根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型;
预测模块508,用于根据建立的基岩潜山离散裂缝模型对目标区域进行基岩潜山裂缝预测。
对本领域技术人员而言,根据前述的实施例可以清楚如何实现基岩潜山裂缝预测装置。
本发明实施例还提供一种电子设备,该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照前述的方法的实施,其内容被合并于此,重复之处不再赘述。
图6为本发明实施例的电子设备600的系统构成的示意框图。如图6所示,该电子设备600可以包括中央处理器100和存储器140;存储器140耦合到中央处理器100。值得注意的是,该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,基岩潜山裂缝预测方法及装置的功能可以被集成到中央处理器100中。
如图6所示,该电子设备600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,电子设备600也并不是必须要包括图6中所示的所有部件;此外,电子设备600还可以包括图6中没有示出的部件,可以参考现有技术。
如图6所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143,该数据存储部143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种基岩潜山裂缝预测方法,其特征在于,所述的方法包括:
对目标区域进行全岩心矿物分析和元素俘获测井,获得目标区域的岩性分布;
根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立目标区域的基岩地质模型;
对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;
根据所述目标区域的岩性分布及剖面划分建立岩相模型;
进行岩石力学测试生成岩石力学测试数据;
根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系,其中,所述裂缝主控因素包括:岩性、基岩物性、构造曲率、构造应力、断层距离;所述的裂缝发育参数包括:裂缝密度、裂缝开度以及裂缝渗透率;
根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型;
根据建立的基岩潜山离散裂缝模型对目标区域进行基岩潜山裂缝预测。
2.如权利要求1所述的基岩潜山裂缝预测方法,其特征在于,所述的对目标区域进行全岩心矿物分析和元素俘获测井,获得待测区块的岩性分布包括:
利用神经网络算法,对岩心矿物和ECS元素俘获测井进行分析,从元素和矿物角度获得目标区域的井段岩性分布。
3.如权利要求1所述的基岩潜山裂缝预测方法,其特征在于,所述的对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数包括:
对目标区域进行岩心观察、成像测井及测井资料分析获取目标区域的裂缝特征参数;其中,所述裂缝特征参数包括:裂缝线密度,裂缝开度,裂缝高度,裂缝倾角以及裂缝走向;
对裂缝特征参数进行特征参数及分布特征的定量计算确定有效裂缝特征参数。
4.如权利要求1所述的基岩潜山裂缝预测方法,其特征在于,所述的根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系包括:
根据所述岩相模型确定岩性、基岩物性与裂缝发育参数的关系;
根据所述岩石力学测试数据确定构造应力与裂缝发育参数的关系;
根据实钻取心井参数确定构造曲率、断层距离与裂缝发育参数的关系;其中,所述实钻取心井参数包括:目标区域的实钻取心井的构造位置参数、岩心裂缝参数。
5.如权利要求1所述的基岩潜山裂缝预测方法,其特征在于,所述的根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型包括:
应用偏相关分析法确定各裂缝主控因素对裂缝发育参数的影响程度及权重值;
以所述有效裂缝特征参数为约束,根据确定的影响程度,权重值,裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型。
6.一种基岩潜山裂缝预测装置,其特征在于,所述的装置包括:
岩性分布确定模块,用于对目标区域进行全岩心矿物分析和元素俘获测井,获得目标区域的岩性分布;
基岩地质模型建立模块,用于根据目标区域的地震资料、常规测井资料、成像测井资料以及岩心资料建立目标区域的基岩地质模型;
有效裂缝参数确定模块,用于对目标区域进行岩心观察、成像测井及测井资料分析确定目标区域的有效裂缝特征参数;
岩相模型建立模块,用于根据目标区域的岩性分布及剖面划分建立岩相模型;
力学测试数据生成模块,用于进行岩石力学测试生成岩石力学测试数据;
关系确定模块,用于根据岩相模型、岩石力学测试数据及实钻取心井参数,建立裂缝主控因素与裂缝发育参数的关系,其中,所述裂缝主控因素包括:岩性、基岩物性、构造曲率、构造应力、断层距离;所述的裂缝发育参数包括:裂缝密度、裂缝开度以及裂缝渗透率;
离散裂缝模型建立模块,用于根据确定的有效裂缝特征参数、建立的裂缝主控因素与裂缝发育参数的关系以及基岩地质模型建立基岩潜山离散裂缝模型;
预测模块,用于根据建立的基岩潜山离散裂缝模型对目标区域进行基岩潜山裂缝预测。
7.如权利要求6所述的基岩潜山裂缝预测装置,其特征在于,所述的岩性分布确定模块,利用神经网络算法,对岩心矿物和ECS元素俘获测井进行分析,从元素和矿物角度获得目标区域的井段岩性分布。
8.如权利要求6所述的基岩潜山裂缝预测装置,其特征在于,所述的有效裂缝参数确定模块包括:
分析单元,用于对目标区域进行岩心观察、成像测井及测井资料分析获取目标区域的裂缝特征参数;其中,所述裂缝特征参数包括:裂缝线密度,裂缝开度,裂缝高度,裂缝倾角以及裂缝走向;
定量计算单元,用于对裂缝特征参数进行特征参数及分布特征的定量计算确定有效裂缝特征参数。
9.如权利要求6所述的基岩潜山裂缝预测装置,其特征在于,所述的关系确定模块包括:
岩相关系确定单元,用于根据所述岩相模型确定岩性、基岩物性与裂缝发育参数的关系;
应力关系确定单元,用于根据所述岩石力学测试数据确定构造应力与裂缝发育参数的关系;
曲率断层关系确定单元,用于根据实钻取心井参数确定构造曲率、断层距离与裂缝发育参数的关系;其中,所述实钻取心井参数包括:目标区域的实钻取心井的构造位置参数、岩心裂缝参数。
10.如权利要求6所述的基岩潜山裂缝预测装置,其特征在于,所述的离散裂缝模型建立模块包括:
偏相关分析单元,用于应用偏相关分析法确定各裂缝主控因素对裂缝发育参数的影响程度及权重值;
模型建立单元,用于以所述有效裂缝特征参数为约束,根据确定的影响程度,权重值以及裂缝主控因素与裂缝发育参数的关系建立基岩潜山离散裂缝模型。
11.一种计算机设备,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5任一所述方法。
12.一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5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811351489.1A CN109710968B (zh) | 2018-11-14 | 2018-11-14 | 一种基岩潜山裂缝预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811351489.1A CN109710968B (zh) | 2018-11-14 | 2018-11-14 | 一种基岩潜山裂缝预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109710968A true CN109710968A (zh) | 2019-05-03 |
CN109710968B CN109710968B (zh) | 2022-03-01 |
Family
ID=66254854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811351489.1A Active CN109710968B (zh) | 2018-11-14 | 2018-11-14 | 一种基岩潜山裂缝预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109710968B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286421A (zh) * | 2019-08-09 | 2019-09-27 | 中国石油大学(华东) | 一种致密砂岩储层天然裂缝建模方法 |
CN110952978A (zh) * | 2019-12-20 | 2020-04-03 | 西南石油大学 | 一种基于神经网络数据挖掘的钻井漏失裂缝宽度预测方法 |
CN111751394A (zh) * | 2020-04-17 | 2020-10-09 | 山东大学 | 基于图像与xrf矿物反演的岩性识别方法及系统 |
CN111781638A (zh) * | 2020-06-02 | 2020-10-16 | 长江大学 | 一种有效裂缝带预测方法及装置 |
CN111915022A (zh) * | 2020-08-14 | 2020-11-10 | 广西大学 | 滑移式岩溶危岩稳定系数快速识别的高斯过程方法及装置 |
CN112052631A (zh) * | 2019-06-06 | 2020-12-08 | 中国石油天然气股份有限公司 | 完钻新井目标井段初期无阻流量参数确定方法和装置 |
CN112699528A (zh) * | 2020-12-08 | 2021-04-23 | 中国石油天然气股份有限公司 | 含规则裂缝柱塞岩样数字岩心建模方法及装置 |
CN112785701A (zh) * | 2020-12-29 | 2021-05-11 | 成都北方石油勘探开发技术有限公司 | 一种三维地质模型建模方法 |
CN113312784A (zh) * | 2021-06-09 | 2021-08-27 | 长江大学 | 预测页岩微观裂缝发育的方法、装置、设备及存储介质 |
CN113946984A (zh) * | 2021-12-20 | 2022-01-18 | 北京科技大学 | 一种三维随机裂隙模型建立方法 |
CN114035227A (zh) * | 2021-11-11 | 2022-02-11 | 中国海洋石油集团有限公司 | 基于随钻xrd全岩录井的变质岩潜山储层孔隙度预测方法 |
CN114114457A (zh) * | 2021-11-09 | 2022-03-01 | 中国石油大学(北京) | 基于多模态测井数据的裂缝表征方法、装置及设备 |
CN114215513A (zh) * | 2022-02-21 | 2022-03-22 | 中海油研究总院有限责任公司 | 潜山油藏模式的定量判别方法、装置、介质及设备 |
CN114718558A (zh) * | 2022-05-05 | 2022-07-08 | 重庆科技学院 | 一种侵入岩潜山随钻快速判别储层方法 |
CN116305751A (zh) * | 2022-12-19 | 2023-06-23 | 中国石油天然气集团有限公司 | 一种裂缝型变质岩潜山油藏裂缝建模方法及装置 |
CN117079062A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
WO2024082793A1 (zh) * | 2022-10-21 | 2024-04-25 | 中国石油天然气股份有限公司 | 预测原位构造裂缝延伸长度的方法及装置 |
CN118091786A (zh) * | 2024-04-23 | 2024-05-28 | 北京大学 | 基于井下测井资料的裂缝线密度校正方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090125240A1 (en) * | 2006-02-09 | 2009-05-14 | Schlumberger Technology Corporation | Using microseismic data to characterize hydraulic fractures |
CN104730596A (zh) * | 2015-01-25 | 2015-06-24 | 中国石油大学(华东) | 一种基于多尺度因素约束的离散裂缝建模方法 |
CN107917865A (zh) * | 2016-10-11 | 2018-04-17 | 中国石油化工股份有限公司 | 一种致密砂岩储层多参数渗透率预测方法 |
-
2018
- 2018-11-14 CN CN201811351489.1A patent/CN109710968B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090125240A1 (en) * | 2006-02-09 | 2009-05-14 | Schlumberger Technology Corporation | Using microseismic data to characterize hydraulic fractures |
CN104730596A (zh) * | 2015-01-25 | 2015-06-24 | 中国石油大学(华东) | 一种基于多尺度因素约束的离散裂缝建模方法 |
CN107917865A (zh) * | 2016-10-11 | 2018-04-17 | 中国石油化工股份有限公司 | 一种致密砂岩储层多参数渗透率预测方法 |
Non-Patent Citations (3)
Title |
---|
杨勉 等: "贝尔凹陷基岩潜山致密储层裂缝分布预测", 《石油与天然气地质》 * |
陆诗阔 等: "变质岩储层岩性及裂缝测井识别方法研究进展", 《特种油气藏》 * |
鲍志东 等主编: "《石油地球科学文集1》", 31 October 1998, 石油工业出版社 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052631A (zh) * | 2019-06-06 | 2020-12-08 | 中国石油天然气股份有限公司 | 完钻新井目标井段初期无阻流量参数确定方法和装置 |
CN112052631B (zh) * | 2019-06-06 | 2022-11-04 | 中国石油天然气股份有限公司 | 完钻新井目标井段初期无阻流量参数确定方法和装置 |
CN110286421A (zh) * | 2019-08-09 | 2019-09-27 | 中国石油大学(华东) | 一种致密砂岩储层天然裂缝建模方法 |
CN110952978A (zh) * | 2019-12-20 | 2020-04-03 | 西南石油大学 | 一种基于神经网络数据挖掘的钻井漏失裂缝宽度预测方法 |
CN111751394A (zh) * | 2020-04-17 | 2020-10-09 | 山东大学 | 基于图像与xrf矿物反演的岩性识别方法及系统 |
US11796493B2 (en) | 2020-04-17 | 2023-10-24 | Shandong University | System and method for identifying lithology based on images and XRF mineral inversion |
CN111781638A (zh) * | 2020-06-02 | 2020-10-16 | 长江大学 | 一种有效裂缝带预测方法及装置 |
CN111915022A (zh) * | 2020-08-14 | 2020-11-10 | 广西大学 | 滑移式岩溶危岩稳定系数快速识别的高斯过程方法及装置 |
CN111915022B (zh) * | 2020-08-14 | 2022-06-03 | 广西大学 | 滑移式岩溶危岩稳定系数快速识别的高斯过程方法及装置 |
CN112699528A (zh) * | 2020-12-08 | 2021-04-23 | 中国石油天然气股份有限公司 | 含规则裂缝柱塞岩样数字岩心建模方法及装置 |
CN112699528B (zh) * | 2020-12-08 | 2022-11-01 | 中国石油天然气股份有限公司 | 含规则裂缝柱塞岩样数字岩心建模方法及装置 |
CN112785701B (zh) * | 2020-12-29 | 2023-06-20 | 成都北方石油勘探开发技术有限公司 | 一种三维地质模型建模方法 |
CN112785701A (zh) * | 2020-12-29 | 2021-05-11 | 成都北方石油勘探开发技术有限公司 | 一种三维地质模型建模方法 |
CN113312784B (zh) * | 2021-06-09 | 2023-03-24 | 长江大学 | 预测页岩微观裂缝发育的方法、装置、设备及存储介质 |
CN113312784A (zh) * | 2021-06-09 | 2021-08-27 | 长江大学 | 预测页岩微观裂缝发育的方法、装置、设备及存储介质 |
CN114114457A (zh) * | 2021-11-09 | 2022-03-01 | 中国石油大学(北京) | 基于多模态测井数据的裂缝表征方法、装置及设备 |
CN114035227A (zh) * | 2021-11-11 | 2022-02-11 | 中国海洋石油集团有限公司 | 基于随钻xrd全岩录井的变质岩潜山储层孔隙度预测方法 |
CN113946984A (zh) * | 2021-12-20 | 2022-01-18 | 北京科技大学 | 一种三维随机裂隙模型建立方法 |
CN114215513A (zh) * | 2022-02-21 | 2022-03-22 | 中海油研究总院有限责任公司 | 潜山油藏模式的定量判别方法、装置、介质及设备 |
CN114215513B (zh) * | 2022-02-21 | 2022-05-10 | 中海油研究总院有限责任公司 | 潜山油藏模式的定量判别方法、装置、介质及设备 |
CN114718558A (zh) * | 2022-05-05 | 2022-07-08 | 重庆科技学院 | 一种侵入岩潜山随钻快速判别储层方法 |
CN114718558B (zh) * | 2022-05-05 | 2024-05-14 | 重庆科技大学 | 一种侵入岩潜山随钻快速判别储层方法 |
WO2024082793A1 (zh) * | 2022-10-21 | 2024-04-25 | 中国石油天然气股份有限公司 | 预测原位构造裂缝延伸长度的方法及装置 |
CN116305751A (zh) * | 2022-12-19 | 2023-06-23 | 中国石油天然气集团有限公司 | 一种裂缝型变质岩潜山油藏裂缝建模方法及装置 |
CN117079062B (zh) * | 2023-10-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
CN117079062A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
CN118091786A (zh) * | 2024-04-23 | 2024-05-28 | 北京大学 | 基于井下测井资料的裂缝线密度校正方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109710968B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710968A (zh) | 一种基岩潜山裂缝预测方法及装置 | |
CN106873033B (zh) | 一种基于神经网络的多属性地震信息融合裂缝预测的方法 | |
CN101495971B (zh) | 包括智能检测断层-断层关系的方法的断层建模的交互自动化方法 | |
CN105701319B (zh) | 一种水平井规则开发井网下的沉积微相建模方法 | |
US20130046524A1 (en) | Method for modeling a reservoir basin | |
CN106569267A (zh) | 一种致密低渗透储层多尺度裂缝模型及建模方法 | |
CN104657523A (zh) | 砂砾岩综合地质建模方法 | |
US10761229B2 (en) | Microseismic sensitivity analysis and scenario modelling | |
US11566518B2 (en) | Method and system for diagenesis-based rock classification | |
CN107894615A (zh) | 一种定量化评价三维地震属性预测储层参数有效性的方法 | |
CN105629308A (zh) | 相控非均质力学参数地应力方法 | |
CN105089615A (zh) | 一种基于油藏模型的测井数据历史回归处理方法 | |
CN109115987A (zh) | 一种基于岩石物理模型的流体因子的评价方法及装置 | |
CN105487117A (zh) | 一种三维地震观测系统优化方法及装置 | |
US11008835B2 (en) | Horizontal reservoir description systems | |
CN112925017A (zh) | 一种断缝型储层地质建模方法 | |
CN109298448A (zh) | 一种致密气压裂工程甜点的预测方法和装置 | |
Du et al. | Generalization of dual-porosity-system representation and reservoir simulation of hydraulic fracturing-stimulated shale gas reservoirs | |
CN106033127A (zh) | 基于横波速度变化率的地应力方位地震预测方法 | |
CN108665545B (zh) | 录井参数三维地质模型建立方法 | |
CN106842316B (zh) | 裂缝确定方法和装置 | |
US20190310391A1 (en) | Horizontal reservoir description systems | |
CN104614762A (zh) | 疏松砂岩气藏边界确定方法及装置 | |
CN112528106A (zh) | 火山岩岩性识别方法 | |
NO344460B1 (en) | Methods and systems for identifying and plugging subterranean conduits |
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 |