CN110320573B - 一种反映储层产能的测井参数构建方法及系统 - Google Patents
一种反映储层产能的测井参数构建方法及系统 Download PDFInfo
- Publication number
- CN110320573B CN110320573B CN201810273202.1A CN201810273202A CN110320573B CN 110320573 B CN110320573 B CN 110320573B CN 201810273202 A CN201810273202 A CN 201810273202A CN 110320573 B CN110320573 B CN 110320573B
- Authority
- CN
- China
- Prior art keywords
- logging
- scale
- curve
- natural
- natural potential
- 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
Links
- 238000010276 construction Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- SPBWHPXCWJLQRU-FITJORAGSA-N 4-amino-8-[(2r,3r,4s,5r)-3,4-dihydroxy-5-(hydroxymethyl)oxolan-2-yl]-5-oxopyrido[2,3-d]pyrimidine-6-carboxamide Chemical compound C12=NC=NC(N)=C2C(=O)C(C(=O)N)=CN1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O SPBWHPXCWJLQRU-FITJORAGSA-N 0.000 claims 2
- 239000007789 gas Substances 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 239000011229 interlayer Substances 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Radiation (AREA)
Abstract
公开了一种反映储层产能的测井参数构建方法及系统，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)当ci<c0，对目标储层段的孔隙度ap进行累加。本发明针对测井评价产能的难题，设计了利用自然伽马、自然电位、测井解释孔隙度资料构建能反映储层产能参数的方法，发明流程简单，易于操作，实际应用效果较好。
Description
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，涉及一种反映储层产能的测井参数构建方法及系统。
背景技术
油气储层产能评价与预测是编制油田开发方案的重要组成部分。传统上储层产能预测工作主要是基于试油、试采数据和油藏数值模拟等进行，基于测井资料进行产能评价并没有成熟的方法，这是由于产能是油气储层动态特征的综合指标，与流体的渗流性能、储层孔隙结构、生产压差等诸多动静态因素密切相关。而利用测井储层评价手段所获取的储层参数，主要反映的是储层的静态特征，难以反映其动态特征，所以测井参数与储层产能很难建立定量化的关系，但测井资料能反映储层储集能力等静态特征，而这些特征又与储层的产能有着密切的联系，因此测井资料在储层产能评价方面也能发挥较大的作用。
已有很多学者在这个领域进行了探索，归纳起来主要可以分为两类：一类是以大量试油、生产资料为基础，建立各类测井参数与储层产能的统计关系。
李闯(火山岩储层天然气产能预测方法研究[J].测井技术,2014,38(6):723-726.)由中子-密度重叠差、密度孔隙度-核磁共振孔隙度重叠差、横纵波时差比值等测井参数构建综合参数，将综合参数与有效厚度结合形成产能指数用于产能评价，认为综合参数与厚度的乘积能反映储层产气能力。
张松扬,范宜仁,黄国骞,等(常规测井特征比值法在大牛地气田产能评价研究中的应用[J].测井技术,2006,30(5):420-424.)将自然伽马比、井径比、深浅电阻率比等参数按照地区经验加权合成为综合指标，将之与气层厚度乘积，并建立与产能的关系，即利用综合比值划分产能级别。
魏汝岭(深层砂砾岩储层测井产能评价技术研究[D].东营：中国石油大学,2010.)利用核磁测井评价储层孔隙结构，综合多种孔隙结构参数构建综合分类指数对储层产能进行分类，来对储层进行产能评价。
另一类是采用神经网络、决策树、支持向量机等机器学习方法，利用已知样本(多个测井参数及对应的产能数据)建立产能评价模型，再利用模型对未知样品进行预测。
李河,王祝文,刘菁华,等.(松辽盆地深层火山岩含气储层产能预测[J].地球物理学进展,2003,18(4):729-736.)将井径、自然伽马、声波、电阻率等常规测井参数作为输入属性，建立神经网络模型，对储层产能进行预测和评价。
乔磊(煤层气储层测井评价与产能预测技术研究[D].北京：中国地质大学,2015.)选取煤层厚度、埋深、裂缝孔隙度、渗透率等参数作为输入参数，建立非线性支持向量回归机模型对煤层气储层产能进行预测。
蒋必辞(苏里格砂岩渗流分析及压裂产能预测方法研究[D].长春：吉林大学,2015.)先采用主成分分析法对10个测井参数进行降维处理，提取四个因子作为输入建立神经网络产能预测模型。
以上文献均未涉及基于测井资料构建反映储层产能的测井参数的方法，因此，有必要开发一种反映储层产能的测井参数，基于自然伽马、自然电位、测井解释孔隙度资料即能够简单、方便地建立。
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，提出一种反映储层产能的测井参数构建方法，其包括：
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：
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)当ci<c0，对目标储层段的孔隙度ap进行累加。
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，按照以下公式对目标储层段的孔隙度ap进行累加：
ap＝ap+pori*l (2)
其中，c0为设定门槛值，pori为测井解释孔隙度，l为测井采样深度间隔。
根据本发明的另一方面，提出一种反映储层产能的测井参数构建系统，其包括：
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：
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；
累加模块，用于对目标储层段的孔隙度ap进行累加。
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，按照以下公式对目标储层段的孔隙度ap进行累加：
ap＝ap+pori*l (2)
其中，c0为设定门槛值，pori为测井解释孔隙度，l为测井采样深度间隔。
本发明针对测井评价产能的难题，设计了利用自然伽马、自然电位、测井解释孔隙度资料构建能反映储层产能参数的方法，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反映储层产能的测井参数构建方法的流程图；
图2为XX26井的测井资料图；
图3a为目标储层段各井的ap值与日产油关系图，图3b为ap值与累产油关系图。
具体实施方式
经过大量的储层产能(基于测试、生产资料)与测井曲线特征(基于测井资料)的比对发现，自然伽马与自然电位曲线的相对特征和储层产能有明显关系：在特定的刻度规则下，自然电位曲线与自然伽马曲线重叠较好的储层段，大多产能较好；而自然电位曲线与自然伽马曲线重叠较差的储层段，大多产能较差；自然电位曲线与自然伽马曲线基本不重叠的储层段，多不产油气。
通过结合地质因素分析认为：在岩性较纯的砂岩段，自然伽马、自然电位测井响应变化趋势较一致，因此在特定刻度规则下，自然伽马曲线与自然电位曲线可以重合；而当砂岩段中含有一些夹层时，由于自然伽马与自然电位对夹层的测井响应特征不同，使两条曲线难以重叠。另一方面，从地质规律上说，岩性较纯的砂岩比含有一些夹层的砂岩更易于成为好的油气储集层。基于这样的认识，可以利用自然伽马与自然电位曲线，再结合测井计算的孔隙度曲线，构建能够反映储层产能的测井参数。
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反映储层产能的测井参数构建方法的流程图。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。
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：
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：当ci<c0，对目标储层段的孔隙度ap进行累加。
在目标储层段中重叠较好的深度段计算累计孔隙度ap：ap初始值为0，在目标储层段内逐点判断，第i个深度点对应的重叠差ci依据公式(1)计算。
当ci<c0时(c0为设定门槛值，认为c<c0时为重叠较好)，当前深度点测井解释孔隙度记为pori，则ap＝ap+pori*l(l为测井采样深度间隔)，直到整个目标储层段计算完毕，此时得到的参数ap则为本发明提出的反映储层产能的参数。ap值越大，储层产能越好。
应用示例
利用本发明提出的反映储层产能的测井参数构建方法对中国鄂尔多斯盆地南部红河油田进行测井参数构建。
以XX26井为例，其测井资料如图2所示。该井目标储层段为长8-1-2小层(2115-2128米，图2中虚线框内)。
首先，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第一道所示。此时自然电位曲线左右刻度分别为-70mv、-20mv，即SPL＝-70mv，SPR＝-20mv。
之后，利用自然伽马测井值、自然电位测井值依据公式(1)计算重叠差ci(图2第三道c曲线)。
接下来计算参数ap：设置ap初始值为0，由地区经验设置c0＝0.03，逐点比较ci与c0，当ci<c0时，则对ap值进行累加：ap＝ap+pori*l，直到整个目标储层段计算完毕，得到ap＝110.6。
用同样的步骤对该区域43口井长8-1-2小层进行参数的构建，得到各井目标层段的ap值，如表1。
表1
| 井名 | ap值 | 井名 | ap值 | 井名 | ap值 | 井名 | ap值 |
| YY5 | 68.2 | YY5-8 | 61 | XX26 | 110.6 | YY25 | 75.6 |
| XX105 | 56.9 | XX105-31 | 53.2 | XX105-10 | 44.6 | XX105-5 | 30.6 |
| YY5-5 | 30.6 | YY11 | 23.5 | XX267 | 41 | XX269 | 40.6 |
| XX1053 | 24.1 | XX105-4 | 31.3 | XX105-8 | 48.6 | XX105-21 | 73.5 |
| XX372 | 21.6 | XX1057 | 25.7 | XX268 | 46.7 | XX1054-3 | 69.9 |
| YY12 | 23.8 | XX265 | 48.4 | XX371 | 44.4 | XX1056A | 22.4 |
| XX1057-2 | 29.5 | XX105-2 | 75.5 | XX105-12 | 24.5 | XX1055A | 38.2 |
| YY5-2 | 53.4 | YY5-3 | 28.7 | YY22 | 23.4 | XX1051 | 19.5 |
| XX1057-1 | 22.1 | YY5-13 | 21.6 | YY5-16 | 34.3 | XX1057-3 | 38.3 |
| YY6 | 17.7 | YY5-6 | 3.4 | YY5-9 | 15.6 | XX105-24 | 45.8 |
| YY28 | 68.5 | YY26 | 13.3 | XX105-22 | 12 |
将各井ap值与产能(单井日产油数据、单井累计产油数据)做统计分析可知，如图3a、图3b，ap值与产能数据存在明显的趋势性关系，证实本发明提出的参数能够有效地反映储层产能。
本发明还提出了一种反映储层产能的测井参数构建系统，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：
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；
累加模块，用于对目标储层段的孔隙度ap进行累加。
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，按照以下公式对目标储层段的孔隙度ap进行累加：
ap＝ap+pori*l (2)
其中，c0为设定门槛值，pori为测井解释孔隙度，l为测井采样深度间隔。
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)
1.一种反映储层产能的测井参数构建方法，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：
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)当ci<c0，对目标储层段的孔隙度ap进行累加；
其中，c0为设定门槛值；
步骤3)包括：在目标储层段内逐点判断第i个深度点对应的重叠差ci是否满足设定门槛值c0，当ci<c0，对目标储层段的孔隙度ap进行累加，直到整个目标储层段计算完毕，此时得到的孔隙度ap，即为反应储层产能的参数；ap值越大，储层产能越好。
2.根据权利要求1所述的反映储层产能的测井参数构建方法，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所述的反映储层产能的测井参数构建方法，其特征在于，自然电位曲线的左右刻度差为50mv。
4.根据权利要求1所述的反映储层产能的测井参数构建方法，其特征在于，按照以下公式对目标储层段的孔隙度ap进行累加：
api＝api-1+pori*l (2)
其中，pori为测井解释孔隙度，l为测井采样深度间隔。
5.一种反映储层产能的测井参数构建系统，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：
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；
累加模块，用于对目标储层段的孔隙度ap进行累加；
累加模块执行以下步骤：在目标储层段内逐点判断第i个深度点对应的重叠差ci是否满足设定门槛值c0，当ci<c0，对目标储层段的孔隙度ap进行累加，直到整个目标储层段计算完毕，此时得到的孔隙度ap，即为反应储层产能的参数；ap值越大，储层产能越好。
6.根据权利要求5所述的反映储层产能的测井参数构建系统，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所述的反映储层产能的测井参数构建系统，其特征在于，自然电位曲线的左右刻度差为50mv。
8.根据权利要求5所述的反映储层产能的测井参数构建系统，其特征在于，按照以下公式对目标储层段的孔隙度ap进行累加：
api＝api-1+pori*l (2)
其中，pori为测井解释孔隙度，l为测井采样深度间隔。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810273202.1A CN110320573B (zh) | 2018-03-29 | 2018-03-29 | 一种反映储层产能的测井参数构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810273202.1A CN110320573B (zh) | 2018-03-29 | 2018-03-29 | 一种反映储层产能的测井参数构建方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110320573A CN110320573A (zh) | 2019-10-11 |
| CN110320573B true CN110320573B (zh) | 2021-05-25 |
Family
ID=68111009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810273202.1A Active CN110320573B (zh) | 2018-03-29 | 2018-03-29 | 一种反映储层产能的测井参数构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110320573B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113550747B (zh) * | 2021-08-31 | 2023-02-07 | 中国地质大学（北京） | 一种浊沸石胶结砂砾岩储层测井识别方法及装置 |
Citations (11)
| 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 |
| 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 |
-
2018
- 2018-03-29 CN CN201810273202.1A patent/CN110320573B/zh active Active
Patent Citations (11)
| 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 |
Non-Patent Citations (4)
| 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 |
|---|---|
| CN110320573A (zh) | 2019-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pan et al. | An optimized XGBoost method for predicting reservoir porosity using petrophysical logs | |
| CN109611087B (zh) | 一种火山岩油藏储层参数智能预测方法及系统 | |
| CN110674841B (zh) | 一种基于聚类算法的测井曲线识别方法 | |
| Wang et al. | Marcellus shale lithofacies prediction by multiclass neural network classification in the Appalachian Basin | |
| Zabalza-Mezghani et al. | Uncertainty management: From geological scenarios to production scheme optimization | |
| US9805144B2 (en) | Method for exploiting a geological reservoir on the basis of a reservoir model matched by means of multiple-scale parameterization | |
| CN105654236B (zh) | 一种地下水型饮用水水源地污染风险评价方法 | |
| KR102170765B1 (ko) | 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법 | |
| CN104200284B (zh) | 矿井断层构造预测方法 | |
| Landa et al. | Reservoir characterization constrained to well-test data: a field example | |
| CN105760673A (zh) | 一种河流相储层地震敏感参数模板分析方法 | |
| CN106156452A (zh) | 一种储层分析方法 | |
| CN110060173A (zh) | 一种深部金矿床成矿找矿方法 | |
| Glegola et al. | History Matching Time-Lapse Surface-Gravity and Well-Pressure Data With Ensemble Smoother for Estimating Gas Field Aquifer Support—A 3D Numerical Study | |
| CN107807410A (zh) | 储层地球物理敏感参数优选方法及系统 | |
| CN103376468A (zh) | 基于神经网络函数逼近算法的储层参数定量表征方法 | |
| Feng et al. | A training image optimal selecting method based on composite correlation coefficient ranking for multiple-point geostatistics | |
| CN106522921B (zh) | 动态约束的随机建模方法及装置 | |
| Kharrat et al. | Rock Typeand Permeability Prediction of a Heterogeneous Carbonate Reservoir Using Artificial Neural Networks Based on Flow Zone Index Approach | |
| Mahjour et al. | Using an integrated multidimensional scaling and clustering method to reduce the number of scenarios based on flow-unit models under geological uncertainties | |
| CN110320573B (zh) | 一种反映储层产能的测井参数构建方法及系统 | |
| Ghiasi-Freez et al. | The application of committee machine with intelligent systems to the prediction of permeability from petrographic image analysis and well logs data: a case study from the South Pars Gas field, south Iran | |
| Ginting et al. | Multi-physics Markov chain Monte Carlo methods for subsurface flows | |
| Guerreiro et al. | Integrated reservoir characterisation of a fractured carbonate reservoir | |
| CN116927771A (zh) | 一种预测页岩储层总有机碳数据的方法、装置、设备及介质 |
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 |