CN109828311A - 基于测井资料的灰岩结构-成因类型识别方法及设备 - Google Patents
基于测井资料的灰岩结构-成因类型识别方法及设备 Download PDFInfo
- Publication number
- CN109828311A CN109828311A CN201910067700.5A CN201910067700A CN109828311A CN 109828311 A CN109828311 A CN 109828311A CN 201910067700 A CN201910067700 A CN 201910067700A CN 109828311 A CN109828311 A CN 109828311A
- Authority
- CN
- China
- Prior art keywords
- parameter
- correlation
- degree
- standard
- well
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于测井资料的灰岩结构‑成因类型识别方法及设备。所述方法包括：对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高及最低的参数，将非标准钻井中与GR相关度最高及最低的参数标准化；根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；根据所述相应散点图，结合与GR相关度最高及最低的参数的范围阈值，识别灰岩结构‑成因类型。本发明实施例提供的方法及设备，可以有效识别灰岩结构‑成因类型。
Description
技术领域
本发明实施例涉及地质科学技术领域，尤其涉及一种基于测井资料的灰岩结构-成因类型识别方法及设备。
背景技术
碳酸盐岩是指主要由碳酸盐矿物组成的沉积岩，主要包括灰岩和白云岩，还经常和陆源碎屑及粘土组成各种过渡类型的岩石。灰岩是碳酸盐岩的一种重要类型，通常具有复杂的岩性。常用的灰岩的结构-成因分类是一种依据灰岩的结构和成分划分岩性的重要方法，代表性分类方案包括福克分类和邓哈姆分类。特别是邓哈姆将沉积时原始成分中无生物粘结作用的灰岩划分成颗粒灰岩、泥粒灰岩、粒泥灰岩、泥晶灰岩等4种类型，因其简明易用同时对于沉积水动力的反映直观明确而受到了业内的广泛接纳和使用。国内的油气勘探正不断向海相碳酸盐岩领域不断深入，而我国的三大海相盆地地层中的灰岩具有年代老、埋藏深、成岩改造强烈等特点，各种复杂的岩性类型难以判别。
目前使用的基于测井曲线识别灰岩的方法主要为定性的交汇图版法，包括利用优选的测井参数制作交汇图和利用主成分分析的方法提取主成分制作交汇图。优选测井参数制作交汇图在识别碳酸盐岩的不同大类一般较为有效，如利用DEN/DT值和PE值(DEN：补偿密度；DT：声波时差；PE：光电吸收截面指数)交汇能识别碳酸盐岩中白云岩、含云灰岩、灰岩和云质灰岩，但是从散点图上不同数值点分布来看，重叠区域较多；同时使用了U/(Th+K)与Th+K(U：铀；Th：钍；K：钾)交汇的方法，仅能勉强将颗粒灰岩分开，分辨力有限。主成分分析的方法因将多种测井参数同时考虑在内，通过提取主成分的方法，制作交汇图，被认为有助于提高碳酸盐岩岩性的分辨力，但从实际效果来看，这种方法亦只对碳酸盐岩的大类如硅质云岩类、灰岩类、藻云岩类有较好的分辨，而对于灰岩的结构-成因类型的分辨力差；同时，由于这种分类方案同时使用了多种测井参数，因此易于受到多种因素的干扰，从而造成主成分的提取存在异常，导致方法难以应用在分辨灰岩结构-成因类型。因此，找到一种基于测井资料的，能够抗多种因素干扰，并且保持对灰岩结构-成因类型进行有效识别的方法，就成为业界广泛关注的技术问题。
发明内容
针对现有技术存在的上述问题，本发明实施例提供了一种基于测井资料的灰岩结构-成因类型识别方法及设备。
第一方面，本发明的实施例提供了一种基于测井资料的灰岩结构-成因类型识别方法，包括：对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR 相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化；根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
进一步地，所述与GR相关度最高的参数，包括：铀、钾或钍。
进一步地，所述与GR相关度最低的参数，包括：铀、钾或钍。
进一步地，所述采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化，包括：获取标准钻井中与GR 相关度最高的参数的平均值，得到标准钻井最高参数平均值，以及标准钻井中与GR相关度最低的参数的平均值，得到标准钻井最低参数平均值；获取非标准钻井中与GR相关度最高的参数的平均值，得到非标准钻井最高参数平均值，以及非标准钻井中与GR相关度最低的参数的平均值，得到非标准钻井最低参数平均值，根据所述标准钻井最高参数平均值，以及非标准钻井最高参数平均值，获取非标准钻井中与GR相关度最高的参数的标准化系数，根据所述标准钻井最低参数平均值，以及非标准钻井最低参数平均值，获取非标准钻井中与GR相关度最低的参数的标准化系数；根据非标准钻井中与GR相关度最高的参数的标准化系数，将非标准钻井中与GR相关度最高的参数标准化，根据非标准钻井中与GR相关度最低的参数的标准化系数，将非标准钻井中与GR相关度最低的参数标准化。
进一步地，所述与GR相关度最高的参数的范围阈值，包括：铀小于1.2、铀大于1.2小于2.5或铀大于2.5。
进一步地，所述与GR相关度最低的参数的范围阈值，包括：铀与钍的比值小于1.5、铀与钍的比值大于1.5小于4或铀与钍的比值大于4。
第二方面，本发明的实施例提供了一种基于测井资料的灰岩结构-成因类型识别装置，包括：
参数标准化模块，用于对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化；
散点图获取模块，用于根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；
灰岩结构-成因类型识别模块，用于根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
第三方面，本发明的实施例提供了一种电子设备，包括：
至少一个处理器；以及
与处理器通信连接的至少一个存储器，其中：
存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于测井资料的灰岩结构-成因类型识别方法。
第四方面，本发明的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于测井资料的灰岩结构-成因类型识别方法。
本发明实施例提供的基于测井资料的灰岩结构-成因类型识别方法及设备，通过获取标准钻井中与GR相关度最高的参数及最低的参数，并在此基础上将非标准钻井中与GR相关度最高的参数及最低的参数标准化，然后根据标准化后的参数构建散点图，结合相应的参数的范围阈值，可以凭借测井资料有效识别灰岩结构-成因类型。
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做一简单的介绍，显而易见地，下面描述中的附图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为本发明实施例提供的基于测井资料的灰岩结构-成因类型识别方法流程图；
图2为本发明实施例提供的各种灰岩类型中GR平均值和U平均值的含量示意图；
图3为本发明实施例提供的基于U与U/Th的交汇散点图；
图4为本发明实施例提供的塔里木盆地某地区奥陶系灰岩段的岩性解释示意图；
图5为本发明实施例提供的基于测井资料的灰岩结构-成因类型识别装置结构示意图；
图6为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明实施例提供了一种基于测井资料的灰岩结构-成因类型识别方法，参见图1，该方法包括：
101、对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与 GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化；通常情况下， GR(自然伽马测井)、Th(钍)、K(钾)和U(铀)的含量满足：颗粒灰岩< 泥粒灰岩<粒泥灰岩<泥晶灰岩。具体可以参见图2，由图2中可见，GR平均值201包括：颗粒灰岩的28.7，泥粒灰岩的33.1，粒泥灰岩/泥晶灰岩的36.5；U 平均值202包括：颗粒灰岩的1.7，泥粒灰岩的2.1，粒泥灰岩/泥晶灰岩的2.9。 U值通常主要来源于吸附沉积水体中的U，Th和K值通常来源于沉积中的粘土。通常情况下，颗粒灰岩的沉积水动力最强、沉积速率最大，其次为泥粒灰岩、粒泥灰岩，泥晶灰岩的沉积水动力最弱、沉积速率最缓慢。因此粘土的含量也依次减少，但在一些环境中，粘土含量极低，并不能仅依据Th和K的含量来指示水动力的强弱。同时，在水体环境一致的情况下，沉积速率决定了U的富集程度，沉积越缓慢，U越富集，反之亦然。因此，当Th和K值难以区别岩性时，依据U值来反映不同岩性也十分有效，通常颗粒灰岩的U值最低，其次是泥粒灰岩和粒泥灰岩，泥晶灰岩的U值最大。综上，需要对通过求取各种相关度，查明U、Th和K三种因素对GR值贡献程度差异。
102、根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；
103、根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
在步骤101之前，还包括获取不同结构成因类型灰岩的样本的步骤，具体为：通过不同钻井、不同深度岩心薄片鉴定，获取不同结构成因类型灰岩的样本(N>100),并根据岩性及岩性序列特征，将岩心归位。
在上述实施例的基础上，本发明实施例中提供的基于测井资料的灰岩结构-成因类型识别方法，所述与GR相关度最高的参数，包括：铀、钾或钍。
在上述实施例的基础上，本发明实施例中提供的基于测井资料的灰岩结构-成因类型识别方法，所述与GR相关度最低的参数，包括：铀、钾或钍。
通常情况下，上述与GR相关度最高的参数可以为铀，与GR相关度最低的参数可以为钍。但是，实际情况中可能情况会相反，或者还会有其他元素，例如，钾也可能会成为与GR相关度最高的参数或与GR相关度最低的参数。具体情况可以参见表1，表1中展示了各元素与自然伽马测井相关性的对比。
表1
观察表1可以发现，GR与U相关性最好，相关值达到了0.9151；GR与Th几乎无相关性，相关值仅为-0.0533。
在上述实施例的基础上，本发明实施例中提供的基于测井资料的灰岩结构-成因类型识别方法，所述采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化，包括：获取标准钻井中与GR相关度最高的参数的平均值，得到标准钻井最高参数平均值，以及标准钻井中与GR相关度最低的参数的平均值，得到标准钻井最低参数平均值；获取非标准钻井中与GR相关度最高的参数的平均值，得到非标准钻井最高参数平均值，以及非标准钻井中与GR相关度最低的参数的平均值，得到非标准钻井最低参数平均值，根据所述标准钻井最高参数平均值，以及非标准钻井最高参数平均值，获取非标准钻井中与GR相关度最高的参数的标准化系数，根据所述标准钻井最低参数平均值，以及非标准钻井最低参数平均值，获取非标准钻井中与GR相关度最低的参数的标准化系数；根据非标准钻井中与 GR相关度最高的参数的标准化系数，将非标准钻井中与GR相关度最高的参数标准化，根据非标准钻井中与GR相关度最低的参数的标准化系数，将非标准钻井中与GR相关度最低的参数标准化。具体地，标准化非标准钻井中与 GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数的步骤可以详述如下：
1、选取薄片鉴定样品最多的钻井作为标准钻井，首先求取该标准钻井的泥晶灰岩样品的测井A(即标准钻井中与GR相关度最高的参数)的平均值计为WAS，泥晶灰岩样品的测井B(即标准钻井中与GR相关度最低的参数)的平均值计为WBS；
2、计算标准化系数：非标准井x的泥晶灰岩样品的测井C(即非标准钻井中与GR相关度最高的参数)的平均值WCx和测井D(即非标准钻井中与GR 相关度最低的参数)的平均值WDx，则非标准井x的测井C的标准化系数为 RCx＝WCx/WAS，非标准井x的测井D的标准化系数为RDx＝WDx/WBS；
3、将非标准井x的各样品的测井C、D标准化：标准化后各样品的测井 C为CxS＝Cx/RCx，标准化后的D测井值DxS＝Dx/RDx；
4、依据以上2至3方法，求取所有样品所在的非标准井的标准化系数，并对所有样品的测井值标准化。
在上述1至4步骤的基础上，可以求得钻井标准化后的测井CxS和DxS的比值CxS/DxS，结合CxS制作并得到CxS(通常为U)与CxS/DxS(通常为U/Th)的交汇散点图。
在上述实施例的基础上，本发明实施例中提供的基于测井资料的灰岩结构-成因类型识别方法，所述与GR相关度最高的参数的范围阈值，包括：铀小于1.2、铀大于1.2小于2.5或铀大于2.5。
在上述实施例的基础上，本发明实施例中提供的基于测井资料的灰岩结构-成因类型识别方法，所述与GR相关度最低的参数的范围阈值，包括：铀与钍的比值小于1.5、铀与钍的比值大于1.5小于4或铀与钍的比值大于4。
上述各种参数的范围阈值可以具体参见表2，表2中给出了灰岩岩性与铀，铀与钍比值之间的关系。
表2
表2中各种参数的范围阈值结合前述的散点图，可以参见图3。图3中包括：GS(代表颗粒灰岩，图3中为正方形)、PS(代表泥粒灰岩，图3中为菱形)和MS(代表粒泥灰岩/泥晶灰岩，图3中为三角形)。由图3中可见， U<1.2且U/Th<1.5的范围内是颗粒灰岩，1.2<U<2.5且1.5<U/Th<4的范围内是泥粒灰岩，U>2.5且U/Th>4的范围内是粒泥灰岩/泥晶灰岩。样品数据点的个数总共有138个。
根据本发明各个实施例提供的基于测井资料的灰岩结构-成因类型识别方法，对塔里木盆地某地区奥陶系灰岩段进行岩性解释，后期通过全井段的连续取样(5m间隔)的岩屑薄片标定，检验发现本发明实施例提供的基于测井资料的灰岩结构-成因类型识别方法，得到的岩性解释方案准确率>85％。在此基础上开展了精细的沉积微相研究，对于指导区内油气勘探提供了重要依据。具体可以参见图4，图4中包括：U/Th(0-15)，GR(0-50)，U(0-5)，井深(单位：m，范围是5840米至6020米)，测井解释剖面，岩屑薄片修订剖面，修改，原岩性剖面1和原岩性剖面2。通过比对测井解释剖面和岩屑薄片修订剖面可以看出，本发明实施例提供的基于测井资料的灰岩结构-成因类型识别方法，在识别准确率上能够达到较好的效果，仅有4处需要修改(图 4中显示为修改栏中的1、2、3和4处)。其中，图4的底部列出了符号表示的灰岩类型，从左至右依次为：颗粒灰岩，泥粒灰岩，粒泥灰岩，泥晶灰岩，藻灰岩和粒屑泥晶灰岩。
本发明实施例提供的基于测井资料的灰岩结构-成因类型识别方法，通过获取标准钻井中与GR相关度最高的参数及最低的参数，并在此基础上将非标准钻井中与GR相关度最高的参数及最低的参数标准化，然后根据标准化后的参数构建散点图，结合相应的参数的范围阈值，可以凭借测井资料有效识别灰岩结构-成因类型。
需要说明的是，本发明各个实施例中描述的与GR相关度最高或最低的参数，是指灰岩GR是否主要由某一参数产生。例如，灰岩的GR主要由元素U(铀) 产生(即相关度高)，而基本上不会(或很少)由元素Th(钍)产生(即相关度低)。当然，该例子仅仅是为了对相关度的高低做出说明，不可以理解为相关度的高低就是由元素Th和元素U决定的(还可能由其他具有放射性的元素决定)。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中，可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况，在上述各实施例的基础上，本发明的实施例提供了一种基于测井资料的灰岩结构-成因类型识别装置，该装置用于执行上述方法实施例中的基于测井资料的灰岩结构-成因类型识别方法。参见图5，该装置包括：
参数标准化模块501，用于对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化；
散点图获取模块502，用于根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；
灰岩结构-成因类型识别模块503，用于根据所述相应散点图，结合与GR 相关度最高的参数的范围阈值，以及与GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
本发明实施例提供的基于测井资料的灰岩结构-成因类型识别装置，采用参数标准化模块、散点图获取模块和灰岩结构-成因类型识别模块，通过获取标准钻井中与GR相关度最高的参数及最低的参数，并在此基础上将非标准钻井中与GR相关度最高的参数及最低的参数标准化，然后根据标准化后的参数构建散点图，结合相应的参数的范围阈值，可以凭借测井资料有效识别灰岩结构-成因类型。
本发明实施例的方法是依托电子设备实现的，因此对相关的电子设备有必要做一下介绍。基于此目的，本发明的实施例提供了一种电子设备，如图 6所示，该电子设备包括：至少一个处理器(processor)601、通信接口 (Communications Interface)604、至少一个存储器(memory)602和通信总线 603，其中，至少一个处理器601，通信接口604，至少一个存储器602通过通信总线603完成相互间的通信。至少一个处理器601可以调用至少一个存储器602中的逻辑指令，以执行如下方法：对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR 相关度最低的参数标准化；根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与 GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
此外，上述的至少一个存储器602中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。例如包括：对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR 相关度最低的参数标准化；根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与 GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于测井资料的灰岩结构-成因类型识别方法，其特征在于，包括：
对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化；
根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；
根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
2.根据权利要求1所述的基于测井资料的灰岩结构-成因类型识别方法，其特征在于，所述与GR相关度最高的参数，包括：
铀、钾或钍。
3.根据权利要求1所述的基于测井资料的灰岩结构-成因类型识别方法，其特征在于，所述与GR相关度最低的参数，包括：
铀、钾或钍。
4.根据权利要求1所述的基于测井资料的灰岩结构-成因类型识别方法，其特征在于，所述采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化，包括：
获取标准钻井中与GR相关度最高的参数的平均值，得到标准钻井最高参数平均值，以及标准钻井中与GR相关度最低的参数的平均值，得到标准钻井最低参数平均值；
获取非标准钻井中与GR相关度最高的参数的平均值，得到非标准钻井最高参数平均值，以及非标准钻井中与GR相关度最低的参数的平均值，得到非标准钻井最低参数平均值，根据所述标准钻井最高参数平均值，以及非标准钻井最高参数平均值，获取非标准钻井中与GR相关度最高的参数的标准化系数，根据所述标准钻井最低参数平均值，以及非标准钻井最低参数平均值，获取非标准钻井中与GR相关度最低的参数的标准化系数；
根据非标准钻井中与GR相关度最高的参数的标准化系数，将非标准钻井中与GR相关度最高的参数标准化，根据非标准钻井中与GR相关度最低的参数的标准化系数，将非标准钻井中与GR相关度最低的参数标准化。
5.根据权利要求2所述的基于测井资料的灰岩结构-成因类型识别方法，其特征在于，所述与GR相关度最高的参数的范围阈值，包括：
铀小于1.2、铀大于1.2小于2.5或铀大于2.5。
6.根据权利要求3所述的基于测井资料的灰岩结构-成因类型识别方法，其特征在于，所述与GR相关度最低的参数的范围阈值，包括：
铀与钍的比值小于1.5、铀与钍的比值大于1.5小于4或铀与钍的比值大于4。
7.一种基于测井资料的灰岩结构-成因类型识别装置，其特征在于，包括：
参数标准化模块，用于对自然伽马测井GR进行分析，得到与GR相关度最高的参数，以及与GR相关度最低的参数，确定标准钻井，采用标准钻井中与GR相关度最高的参数，以及标准钻井中与GR相关度最低的参数，将非标准钻井中与GR相关度最高的参数，以及非标准钻井中与GR相关度最低的参数标准化；
散点图获取模块，用于根据标准钻井中与GR相关度最高的参数、标准钻井中与GR相关度最低的参数、标准化后的非标准钻井中与GR相关度最高的参数，以及标准化后的非标准钻井中与GR相关度最低的参数，获取相应散点图；
灰岩结构-成因类型识别模块，用于根据所述相应散点图，结合与GR相关度最高的参数的范围阈值，以及与GR相关度最低的参数的范围阈值，识别灰岩结构-成因类型。
8.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行如权利要求1至6任一项所述的方法。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910067700.5A CN109828311B (zh) | 2019-01-24 | 2019-01-24 | 基于测井资料的灰岩结构-成因类型识别方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910067700.5A CN109828311B (zh) | 2019-01-24 | 2019-01-24 | 基于测井资料的灰岩结构-成因类型识别方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109828311A true CN109828311A (zh) | 2019-05-31 |
| CN109828311B CN109828311B (zh) | 2020-07-03 |
Family
ID=66862237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910067700.5A Active CN109828311B (zh) | 2019-01-24 | 2019-01-24 | 基于测井资料的灰岩结构-成因类型识别方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109828311B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4578579A (en) * | 1983-09-01 | 1986-03-25 | Mobil Oil Corporation | Method for depth referencing hydrocarbon gas shows on mud logs |
| CN103775057A (zh) * | 2013-12-27 | 2014-05-07 | 中国石油天然气股份有限公司 | 一种致密油气藏有效储层的判识方法及装置 |
| CN105257284A (zh) * | 2015-09-23 | 2016-01-20 | 中国石油天然气股份有限公司 | 一种利用元素俘获能谱测井确定凝灰质含量的方法及装置 |
| CN105275456A (zh) * | 2014-06-23 | 2016-01-27 | 中国石油化工股份有限公司 | 一种利用测井资料识别优质泥页岩的方法 |
| 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 |
| WO2017058043A1 (en) * | 2015-09-28 | 2017-04-06 | Baker Hughes Incorporated | Correcting shale volume and measuring anisotropy in invaded zone |
| CN108072916A (zh) * | 2016-11-16 | 2018-05-25 | 中国石油化工股份有限公司 | 基于成因分析的湖相泥页岩岩相测井识别方法 |
-
2019
- 2019-01-24 CN CN201910067700.5A patent/CN109828311B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4578579A (en) * | 1983-09-01 | 1986-03-25 | Mobil Oil Corporation | Method for depth referencing hydrocarbon gas shows on mud logs |
| CN103775057A (zh) * | 2013-12-27 | 2014-05-07 | 中国石油天然气股份有限公司 | 一种致密油气藏有效储层的判识方法及装置 |
| CN105275456A (zh) * | 2014-06-23 | 2016-01-27 | 中国石油化工股份有限公司 | 一种利用测井资料识别优质泥页岩的方法 |
| CN105257284A (zh) * | 2015-09-23 | 2016-01-20 | 中国石油天然气股份有限公司 | 一种利用元素俘获能谱测井确定凝灰质含量的方法及装置 |
| WO2017058043A1 (en) * | 2015-09-28 | 2017-04-06 | Baker Hughes Incorporated | Correcting shale volume and measuring anisotropy in invaded zone |
| 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 |
| CN108072916A (zh) * | 2016-11-16 | 2018-05-25 | 中国石油化工股份有限公司 | 基于成因分析的湖相泥页岩岩相测井识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王冠平 等: "川东南地区龙马溪组底部海相页岩高GR峰沉积成因探讨", 《沉积学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109828311B (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ejedawe | Patterns of incidence of oil reserves in Niger Delta Basin | |
| CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
| US20210381362A1 (en) | Method and apparatus for estimating lithofacies by learning well logs | |
| CN107313770A (zh) | 一种利用元素录井特征剖面进行地层划分的新方法 | |
| CN105240006A (zh) | 一种适用于火山岩储层的油水层识别方法 | |
| Reddy et al. | A decision-tree approach to mineral potential mapping in Snow Lake area, Manitoba | |
| Prabhakaran et al. | Investigating spatial heterogeneity within fracture networks using hierarchical clustering and graph distance metrics | |
| Yunsel et al. | Geological modeling of rock type domains in the Balya (Turkey) lead-zinc deposit using plurigaussian simulation | |
| Wethington et al. | Stratigraphic architecture of the Mississippian limestone through integrated electrofacies classification, Hardtner field area, Kansas and Oklahoma | |
| Goovaerts | Geostatistical modeling of the spaces of local, spatial, and response uncertainty for continuous petrophysical properties | |
| Voegele et al. | Microstratigraphic analysis of fossil distribution in the lower Hornerstown and upper Navesink formations at the Edelman Fossil Park, NJ | |
| WO2013144880A1 (en) | Analysis of geological objects | |
| CN109828311A (zh) | 基于测井资料的灰岩结构-成因类型识别方法及设备 | |
| Zhang et al. | Hierarchical modeling of carbonate fault-controlled Paleokarst systems: A case study of the Ordovician reservoir in the Tahe Oilfield, Tarim Basin | |
| Kuroda et al. | Analysis of porosity, stratigraphy, and structural delineation of a Brazilian carbonate field by machine learning techniques: A case study | |
| Méndez et al. | Predicting and 3D modeling of karst zones using seismic facies analysis in Ordovician carbonates of the Tahe oilfield, China | |
| Hansen et al. | An integrated biostratigraphy and seismic stratigraphy for the late Neogene continental margin succession in northern Taranaki Basin, New Zealand | |
| Emelyanova et al. | Unsupervised identification of electrofacies employing machine learning | |
| CN115728818A (zh) | 花岗岩潜山储层垂向分带地震识别方法及装置 | |
| Bashore et al. | Multivariate statistical applications for quantifying contribution of seismic data to production prediction in the Wolfcamp, Midland Basin | |
| Linville et al. | Contour‐based frequency‐domain event detection for seismic arrays | |
| Murray | Identification and 3-D modeling of petrophysical rock types | |
| Gevirtz et al. | Lithofacies classification for Earth modeling: letting the data speak for itself | |
| Porter et al. | Basin consanguinity in petroleum resource estimation | |
| Mendez et al. | Rock Type Prediction Using Democratic Neural Networks Association DNNA: An Alternative Method to Describe Clastic Fillings in Ordovician Karsted Carbonates within a Region of the Tahe Oilfield, 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 |