CN110320572B - 一种识别沉积相的方法及系统 - Google Patents

一种识别沉积相的方法及系统 Download PDF

Info

Publication number
CN110320572B
CN110320572B CN201810273146.1A CN201810273146A CN110320572B CN 110320572 B CN110320572 B CN 110320572B CN 201810273146 A CN201810273146 A CN 201810273146A CN 110320572 B CN110320572 B CN 110320572B
Authority
CN
China
Prior art keywords
curve
scale
natural
natural potential
difference
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.)
Active
Application number
CN201810273146.1A
Other languages
English (en)
Other versions
CN110320572A (zh
Inventor
张军
李军
刘志远
南泽宇
王晓畅
苏俊磊
路菁
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 Chemical Corp
Sinopec Exploration and Production Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
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 Chemical Corp, Sinopec Exploration and Production Research Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201810273146.1A priority Critical patent/CN110320572B/zh
Publication of CN110320572A publication Critical patent/CN110320572A/zh
Application granted granted Critical
Publication of CN110320572B publication Critical patent/CN110320572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种识别沉积相的方法及系统。该方法包括:1)对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度;2)在目标储层段计算每一个深度点i的重叠差ci;3)在目标层段计算平均重叠差
Figure DDA0002927724020000011
4)由沉积相已知层段确定各沉积相的平均重叠差数值范围;5)对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相平均重叠数值范围来识别沉积相。本发明针对传统上利用测井资料识别沉积相依赖于研究人员主观判断的问题,提出了将自然伽马、自然电位幅度相对变化进行量化来识别沉积相的方法。发明流程简单,易于操作,实际应用效果较好。

Description

一种识别沉积相的方法及系统
技术领域
本发明涉及石油地球物理勘探技术领域,更具体地,涉及一种识别沉积相的方法及系统。
背景技术
沉积相识别是石油地质学研究的重要内容。在沉积相识别研究中,岩芯资料是最为可靠的,通过岩芯中相标志,可对岩石沉积相进行较准确的识别。但是由于取芯成本较高而无法大量开展,导致岩芯资料较少。
上世纪50年代,美国斯伦贝谢公司在研究密西西比三角洲时初次提出测井相分析,阐述了自然电位测井曲线形状与砂体沉积相的相互联系,开创了研究沉积相的新窗口。测井成本相对低,纵向连续,使测井资料成为沉积相分析的重要依据。长期以来,测井、地质科研人员对利用测井资料识别沉积相进行了深入的研究,这些研究以利用自然伽马、自然电位曲线的形态为主,建立测井相模式,然后建立测井相模式及其组合与沉积相的对应关系,来确定沉积相。
李永杰,赵荣华(鄂尔多斯盆地杭锦旗地区上古生界储层自然伽马测井相研究[J].石油地质与工程,2014,28(2):61-66.)将自然伽马曲线形态划分出四类测井相,并总结了测井相及组合与沉积相带的关系。
方战杰(测井相综合分析在岩性气藏沉积相及储层预测中的应用[D].北京:中国地质大学(北京),2012.)利用自然伽马、自然电位、声波时差、密度、中子等测井相对21口井重要目的层进行测井相综合分析及相应的沉积解释。
阎媛子(鄂尔多斯盆地延长组长7致密储层测井沉积微相研究[D].北京:西北大学,2014.)基于常规测井曲线并结合成像测井图像,确定测井相标志,建立了测井沉积微相解释模式。
王仁铎(利用测井曲线形态特征定量判别沉积相[J].地球科学-中国地质大学学报,1991,16(3):303-309.)针对自然电位、视电阻率曲线构建了平均中位数、相对重心等测井曲线形态指标,并总结了不同沉积相时这些测井指标的差异。
宋子齐,李伟峰,唐长久,等(利用自然电位与自然伽马测井曲线划分沉积相带及储层分布[J].地球物理学进展,2009,24(2):651-656.)利用自然伽马、自然电位曲线同步减小幅度评价渗砂层,指示划分水下分流河道主体微相带,利用自然伽马、自然电位减小幅度差评价低渗砂、致密储层,指示划分水下分流河道堤泛微相带。
施振生,金惠,郭长敏,等(四川盆地上三叠统须二段测井沉积相研究[J].天然气地球科学,2008,19(3):339-346.)利用自然伽马曲线的形状、幅度、接触关系等要素,识别出五种基础测井相类型,并建立了测井相与沉积相之间的函数关系。
另有一些研究人员综合自然伽马、自然电位、电阻率、声波测井响应值等结合岩芯识别的沉积相,利用神经网络等数学方法建立沉积相识别模型,依据测井响应值来识别沉积相。
吴灿灿,李壮福(基于BP神经网络的测井相分析及沉积相识别[J].煤田地质与勘探,2012,40(1):68-71.)把已知沉积相的测井曲线特征作为样本进行训练学习,建立BP神经网络模型,对目标地层提取测井曲线特征进行分类识别,确定沉积相。
王贵文,张新培(塔里木盆地塔中地区志留系测井沉积相研究[J].中国石油大学学报(自然科学版),2006,30(3):40-45.)结合取芯井段岩芯样本的测井曲线和神经网络模拟处理,来研究塔中地区的沉积相。
总体而言,利用自然伽马、自然电位等曲线形态分析沉积相的方法较为依赖研究人员对测井曲线形态的主观判断,而利用神经网络等数学方法识别沉积相操作较为繁琐,且物理意义不明确。因此,有必要开发一种基于测井资料即能够识别沉积相的方法。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
为了解决现有技术中的上述问题,本发明提出了一种反映储层产能的测井参数构建方法及系统。
根据本发明的一方面,提出一种识别沉积相的方法,包括:
1)对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度;
2)在目标储层段计算每一个深度点i的重叠差ci
Figure BDA0001613038800000031
其中,GRi为第i个深度点的自然伽马测井响应值,SPi为第i个深度点的自然电位测井响应值,i=1,2,...,n,n为深度点数目,GRL、GRR为自然伽马曲线的左刻度、右刻度,SPL、SPR为自然电位曲线的左刻度、右刻度;
3)在目标层段计算平均重叠差
Figure BDA0001613038800000032
4)由沉积相已知层段确定各沉积相的平均重叠差数值范围;
5)对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相平均重叠数值范围来识别沉积相。
优选地,步骤1)包括:
固定自然伽马曲线的刻度,包括左刻度GRL、右刻度GRR;
保持自然电位曲线的左右刻度差不变,通过改变自然电位曲线的左右刻度移动自然电位曲线,直到自然电位曲线与自然伽马曲线重叠程度最大,将此时自然电位曲线左刻度分别记为SPL、右刻度记为SPR。
优选地,自然电位右刻度与左刻度差为50mv。
优选地,通过以下公式计算平均重叠差
Figure BDA0001613038800000033
Figure BDA0001613038800000041
根据本发明的另一方面,提出一种识别沉积相的系统,包括:
标定模块,用于对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度;
重叠差计算模块,用于在目标储层段计算每一个深度点i的重叠差ci
Figure BDA0001613038800000042
其中,GRi为第i个深度点的自然伽马测井响应值,SPi为第i个深度点的自然电位测井响应值,i=1,2,...,n,n为深度点数目,GRL、GRR为自然伽马曲线的左刻度、右刻度,SPL、SPR为自然电位曲线的左刻度、右刻度;
平均值计算模块,用于在目标层段计算平均重叠差
Figure BDA0001613038800000043
平均重叠差数值范围确定模块,用于由沉积相已知层段确定各沉积相的平均重叠差数值范围;
识别模块,用于对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相平均重叠数值范围来识别沉积相。
优选地,通过以下方式对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度:
固定自然伽马曲线的刻度,包括左刻度GRL、右刻度GRR;
保持自然电位曲线的左右刻度差不变,通过改变自然电位曲线的左右刻度移动自然电位曲线,直到自然电位曲线与自然伽马曲线重叠程度最大,将此时自然电位曲线左刻度分别记为SPL、右刻度记为SPR。
优选地,自然电位右刻度与左刻度差为50mv。
优选地,通过以下公式计算平均重叠差
Figure BDA0001613038800000044
Figure BDA0001613038800000045
本发明针对传统上利用测井资料识别沉积相依赖于研究人员主观判断的问题,提出了将自然伽马、自然电位幅度相对变化进行量化来识别沉积相的方法。发明流程简单,易于操作,实际应用效果较好。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的,或者将在并入本文中的附图和随后的具体实施例中进行详细陈述,这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1为根据本发明的示例性实施方式的识别沉积相的方法的流程图;
图2为XX26井的重叠差曲线图;
图3为YY5井的重叠差曲线图;
图4为YY26井的重叠差曲线图。
具体实施方式
基于大量岩石沉积相(基于岩芯观察描述)与测井曲线特征的比对发现,自然伽马与自然电位曲线的相对特征与沉积相有明显关系:例如在辫状河沉积体系中,主分流河道砂岩岩性较纯,基本不含夹层,对应的自然电位曲线与自然伽马曲线在特定的刻度规则下重叠较好,而对于其它的沉积相,比如河口坝、分流间湾等,通常夹杂一些泥质含量较高的砂岩,甚至泥岩,由于自然伽马与自然电位对夹层的测井响应特征不同,对应的自然伽马与自然电位曲线难以重叠。基于这样的认识,可以利用自然伽马与自然电位的相互重叠关系来识别沉积相。
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
图1为根据本发明的示例性实施方式的识别沉积相的方法的流程图。该方法包括:
步骤1:对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度。
对目标井设置测井曲线图上自然伽马、自然电位曲线左右刻度:先固定自然伽马曲线刻度(例如左刻度GRL为0API,右刻度GRR为250API),然后保持自然电位左右刻度差不变(例如自然电位右刻度与左刻度差为50mv),通过改变自然电位曲线左右刻度,来移动自然电位曲线,直到自然电位曲线与自然伽马曲线重叠最好,此时自然电位左右刻度分别记为SPL、SPR。
步骤2:在目标储层段计算每一个深度点i的重叠差ci
Figure BDA0001613038800000061
其中,GRi为第i个深度点的自然伽马测井响应值,SPi为第i个深度点的自然电位测井响应值,i=1,2,...,n,n为深度点数目,GRL、GRR为自然伽马曲线的左刻度、右刻度,SPL、SPR为自然电位曲线的左刻度、右刻度。
步骤3:在目标层段计算平均重叠差
Figure BDA0001613038800000062
可以通过以下公式计算平均重叠差
Figure BDA0001613038800000063
Figure BDA0001613038800000064
步骤4:由沉积相已知层段确定各沉积相的平均重叠差数值范围。
计算沉积相已知层段若干口井的平均重叠差,即可确定不同沉积相平均重叠差界限。
步骤5:对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相平均重叠数值范围来识别沉积相。
基于不同沉积相平均重叠差界限,则能够根据所计算的目标层段平均重叠差判断出目枉层段属于何种沉积相。
应用示例
利用根据本发明的识别沉积相的方法,对中国鄂尔多斯盆地南部红河油田长8-1-2小层进行沉积相识别。
以XX26井为例,其测井资料如图2所示,该井长8-1-2小层(2115.2-2127.8米,图2中虚线框内)。
设置XX26井测井图上自然伽马、自然电位曲线左右刻度:按该区地区经验设置自然伽马曲线左右刻度为0API、250API(即GRL=0API,GRR=250API),自然电位曲线左右刻度差保持为50mv(即使SPR-SPL=50mv),改变自然电位曲线左右刻度值,使自然电位曲线相对于自然伽马曲线移动,直到两条曲线重叠最好,即重叠程度最大,如图2第二道所示,此时自然电位曲线左右刻度分别为-70mv、-20mv,即SPL=-70mv,SPR=-20mv。
利用自然伽马测井值、自然电位测井值依据公式计算重叠差ci,如图2第三道“重叠差”曲线。
利用公式(2)计算平均重叠差,得到XX26井长8-1-2段平均重叠差为0.0196。
计算该区沉积相已知的10口井长8-1-2平均重叠差,结果如表1。
表1
井名 平均重叠差 沉积相
YY4-8 0.0356 主河道
XX26 0.0196 主河道
YY24 0.0287 主河道
XX104 0.0361 主河道
YY104-31 0.0388 主河道
XX104-5 0.0709 河道侧翼
XX266 0.0529 河道侧翼
XX104-8 0.0447 河道侧翼
YY4-6 0.1272 河道侧翼
YY4-13 0.1005 河道侧翼
基于表1可确定不同沉积相平均重叠差界限:主河道相平均重叠差小于0.04,河道侧翼相平均重叠差大于0.04。
计算需要识别沉积相的目标YY5井、YY26井长8-1-2段平均重叠差,其测井资料图如图3、图4所示,计算结果分别为0.0314、0.0669。
基于所得到的不同沉积相平均重叠差界限,判断出YY5井长8-1-2段属主河道相,YY26井长8-1-2段属河道侧翼相。
从研究区地质研究来看,主河道相通常为产能较好的有利相带,河道侧翼通常产能较差;从生产情况看,YY5井日产油16.52吨,含水率4.67%,属高产层;YY26井日产水3.7方,不产油,不具备工业产能,验证了本发明识别沉积相的有效性。
本发明还提出了提出一种识别沉积相的系统,包括:
标定模块,用于对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度;
重叠差计算模块,用于在目标储层段计算每一个深度点i的重叠差ci
Figure BDA0001613038800000081
其中,GRi为第i个深度点的自然伽马测井响应值,SPi为第i个深度点的自然电位测井响应值,i=1,2,...,n,n为深度点数目,GRL、GRR为自然伽马曲线的左刻度、右刻度,SPL、SPR为自然电位曲线的左刻度、右刻度;
平均值计算模块,用于在目标层段计算平均重叠差
Figure BDA0001613038800000082
Figure BDA0001613038800000083
平均重叠差数值范围确定模块,用于由沉积相已知层段确定各沉积相的平均重叠差数值范围;
识别模块,用于对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相平均重叠数值范围来识别沉积相。
在一个示例中,通过以下方式对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度:
固定自然伽马曲线的刻度,包括左刻度GRL、右刻度GRR;
保持自然电位曲线的左右刻度差不变,通过改变自然电位曲线的左右刻度移动自然电位曲线,直到自然电位曲线与自然伽马曲线重叠程度最大,将此时自然电位曲线左刻度分别记为SPL、右刻度记为SPR。
在一个示例中,自然电位右刻度与左刻度差为50mv。
在一个示例中,通过以下公式计算平均重叠差
Figure BDA0001613038800000091
Figure BDA0001613038800000092
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (8)

1.一种识别沉积相的方法,其特征在于,包括:
1)对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度;
2)在目标储层段计算每一个深度点i的重叠差ci
Figure FDA0002927724010000011
其中,GRi为第i个深度点的自然伽马测井响应值,SPi为第i个深度点的自然电位测井响应值,i=1,2,...,n,n为深度点数目,GRL、GRR为自然伽马曲线的左刻度、右刻度,SPL、SPR为自然电位曲线的左刻度、右刻度;
3)在目标层段计算平均重叠差
Figure FDA0002927724010000012
4)由沉积相已知层段确定各沉积相的平均重叠差数值范围;
5)对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相的平均重叠差数值范围来识别沉积相。
2.根据权利要求1所述的识别沉积相的方法,其特征在于,步骤1)包括:
固定自然伽马曲线的刻度,包括左刻度GRL、右刻度GRR;
保持自然电位曲线的左右刻度差不变,通过改变自然电位曲线的左右刻度移动自然电位曲线,直到自然电位曲线与自然伽马曲线重叠程度最大,将此时自然电位曲线左刻度分别记为SPL、右刻度记为SPR。
3.根据权利要求2所述的识别沉积相的方法,其特征在于,自然电位曲线的右刻度与左刻度差为50mv。
4.根据权利要求1所述的识别沉积相的方法,其特征在于,通过以下公式计算平均重叠差
Figure FDA0002927724010000021
Figure FDA0002927724010000022
5.一种识别沉积相的系统,其特征在于,包括:
标定模块,用于对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度;
重叠差计算模块,用于在目标储层段计算每一个深度点i的重叠差ci
Figure FDA0002927724010000023
其中,GRi为第i个深度点的自然伽马测井响应值,SPi为第i个深度点的自然电位测井响应值,i=1,2,...,n,n为深度点数目,GRL、GRR为自然伽马曲线的左刻度、右刻度,SPL、SPR为自然电位曲线的左刻度、右刻度;
平均值计算模块,用于在目标层段计算平均重叠差
Figure FDA0002927724010000024
平均重叠差数值范围确定模块,用于由沉积相已知层段确定各沉积相的平均重叠差数值范围;
识别模块,用于对待识别层段按照步骤1)、2)、3)计算平均重叠差,并依据步骤4)确定的各沉积相的平均重叠差数值范围来识别沉积相。
6.根据权利要求5所述的识别沉积相的系统,其特征在于,通过以下方式对目标储层段设置测井曲线图上自然伽马曲线、自然电位曲线的左右刻度:
固定自然伽马曲线的刻度,包括左刻度GRL、右刻度GRR;
保持自然电位曲线的左右刻度差不变,通过改变自然电位曲线的左右刻度移动自然电位曲线,直到自然电位曲线与自然伽马曲线重叠程度最大,将此时自然电位曲线左刻度分别记为SPL、右刻度记为SPR。
7.根据权利要求6所述的识别沉积相的系统,其特征在于,自然电位曲线的右刻度与左刻度差为50mv。
8.根据权利要求5所述的识别沉积相的系统,其特征在于,通过以下公式计算平均重叠差
Figure FDA0002927724010000031
Figure FDA0002927724010000032
CN201810273146.1A 2018-03-29 2018-03-29 一种识别沉积相的方法及系统 Active CN110320572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810273146.1A CN110320572B (zh) 2018-03-29 2018-03-29 一种识别沉积相的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810273146.1A CN110320572B (zh) 2018-03-29 2018-03-29 一种识别沉积相的方法及系统

Publications (2)

Publication Number Publication Date
CN110320572A CN110320572A (zh) 2019-10-11
CN110320572B true CN110320572B (zh) 2021-04-23

Family

ID=68110999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810273146.1A Active CN110320572B (zh) 2018-03-29 2018-03-29 一种识别沉积相的方法及系统

Country Status (1)

Country Link
CN (1) CN110320572B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1040245A (zh) * 1988-07-25 1990-03-07 石油工业部石油勘探开发科学研究院石油地质研究所 一种测井信息的解释处理方法
US6366859B1 (en) * 1998-10-14 2002-04-02 Elf Exploration Production Method of detecting breaks in logging signals relating to a region of a medium
US20090254281A1 (en) * 2008-04-07 2009-10-08 Chevron U.S.A. Inc. Lithofacies classification system and method
US20100228484A1 (en) * 2007-12-06 2010-09-09 Exxon-Mobile, Upstream Research Company Volume of Investigation Based Image Processing
CN103711482A (zh) * 2014-01-06 2014-04-09 山东科技大学 一种基于两种测井曲线重叠图快速识别碎屑岩储层的方法
CN103809217A (zh) * 2014-01-20 2014-05-21 西安石油大学 一种计算高、低伽马交互储层泥质含量的方法
US20150063067A1 (en) * 2013-09-03 2015-03-05 University Of Houston System System and method for estimating seismic anisotropy with high resolution
CN104865614A (zh) * 2014-02-20 2015-08-26 中国石油化工股份有限公司 基于可变骨架参数的复杂储层流体识别方法
CN105988137A (zh) * 2015-02-11 2016-10-05 中国石油化工股份有限公司 砂砾岩体基于岩心刻度测井的测井特征曲线重构方法
CN106154351A (zh) * 2016-08-09 2016-11-23 中国石油天然气集团公司 一种低孔渗储层渗透率的估算方法
CN107272081A (zh) * 2017-07-18 2017-10-20 中国石油大学(华东) 一种山前地区沉积相带展布范围预测方法
CN107816349A (zh) * 2016-09-12 2018-03-20 中国石油化工股份有限公司 一种分析致密砂岩孔隙结构状态的方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1040245A (zh) * 1988-07-25 1990-03-07 石油工业部石油勘探开发科学研究院石油地质研究所 一种测井信息的解释处理方法
US6366859B1 (en) * 1998-10-14 2002-04-02 Elf Exploration Production Method of detecting breaks in logging signals relating to a region of a medium
US20100228484A1 (en) * 2007-12-06 2010-09-09 Exxon-Mobile, Upstream Research Company Volume of Investigation Based Image Processing
US20090254281A1 (en) * 2008-04-07 2009-10-08 Chevron U.S.A. Inc. Lithofacies classification system and method
US20150063067A1 (en) * 2013-09-03 2015-03-05 University Of Houston System System and method for estimating seismic anisotropy with high resolution
CN103711482A (zh) * 2014-01-06 2014-04-09 山东科技大学 一种基于两种测井曲线重叠图快速识别碎屑岩储层的方法
CN103809217A (zh) * 2014-01-20 2014-05-21 西安石油大学 一种计算高、低伽马交互储层泥质含量的方法
CN104865614A (zh) * 2014-02-20 2015-08-26 中国石油化工股份有限公司 基于可变骨架参数的复杂储层流体识别方法
CN105988137A (zh) * 2015-02-11 2016-10-05 中国石油化工股份有限公司 砂砾岩体基于岩心刻度测井的测井特征曲线重构方法
CN106154351A (zh) * 2016-08-09 2016-11-23 中国石油天然气集团公司 一种低孔渗储层渗透率的估算方法
CN107816349A (zh) * 2016-09-12 2018-03-20 中国石油化工股份有限公司 一种分析致密砂岩孔隙结构状态的方法
CN107272081A (zh) * 2017-07-18 2017-10-20 中国石油大学(华东) 一种山前地区沉积相带展布范围预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
利用常规测井技术定量识别苏里格地区致密气层;秦岭 等;《石化技术》;20170331(第3期);第163页 *
利用自然电位与自然伽马测井曲线划分沉积相带及储层分布;宋子齐 等;《地球物理学进展》;20090430;第24卷(第2期);第651-656页 *
鄂尔多斯盆地杭锦旗地区上古生界储层自然伽马测井相研究;李永杰 等;《石油地质与工程》;20140331;第28卷(第2期);第61-63、66页 *
重叠图法在储层油水层识别中的应用;王勃力 等;《应用能源技术》;20160831(第8期);第7-9页 *

Also Published As

Publication number Publication date
CN110320572A (zh) 2019-10-11

Similar Documents

Publication Publication Date Title
CN104502997B (zh) 一种利用裂缝密度曲线预测裂缝密度体的方法
Qi et al. Neural network prediction of carbonate lithofacies from well logs, Big Bow and Sand Arroyo Creek fields, Southwest Kansas
CN104747183B (zh) 一种碳酸盐岩储层综合分类方法
CN107783187B (zh) 一种将测井速度和地震速度结合建立三维速度场的方法
CN108802812A (zh) 一种井震融合的地层岩性反演方法
CN108005646B (zh) 基于随钻电磁波测井资料的地层各向异性电阻率提取方法
CN104375182B (zh) 一种裂缝型储层流体的识别方法及装置
Shi et al. Brittleness index prediction in shale gas reservoirs based on efficient network models
CN106556866A (zh) 一种利用岩石物理模板对储层定量解释的方法
Luo et al. An ensemble-based framework for proactive geosteering
Yang et al. High-fidelity permeability and porosity prediction using deep learning with the self-attention mechanism
CN114386464B (zh) 一种瞬变电磁激电信息的深度学习提取方法
CN116168224A (zh) 基于成像砾石含量的机器学习岩相自动识别方法
CN111199107A (zh) 三角洲相砂岩圈闭评价新方法
CN112946743B (zh) 区分储层类型的方法
Liu et al. Seismic characterization of fault and fractures in deep buried carbonate reservoirs using CNN-LSTM based deep neural networks
CN115877447A (zh) 一种直平联合井网条件下地震约束三维地质建模的储层预测方法
Changzi et al. Seismic prediction of sweet spots in the Da'anzhai shale play, Yuanba area, the Sichuan Basin
CN115857047B (zh) 一种地震储层综合预测方法
CN110320572B (zh) 一种识别沉积相的方法及系统
Sarkheil et al. The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements
CN114482995A (zh) 一种细粒沉积物泥质含量精细确定方法
Wang et al. Identification and evaluation of fault-fracture reservoirs in buried hills of the Lower Paleozoic, Chengdao area, China
González et al. Petrophysical evaluation of thinly-laminated depositional sequences using statistical matching procedures
CN110927819B (zh) 一种裂缝发育程度表征方法

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