CN110413952B - 含油气盆地勘探程度的预测方法及装置 - Google Patents
含油气盆地勘探程度的预测方法及装置 Download PDFInfo
- Publication number
- CN110413952B CN110413952B CN201910558958.5A CN201910558958A CN110413952B CN 110413952 B CN110413952 B CN 110413952B CN 201910558958 A CN201910558958 A CN 201910558958A CN 110413952 B CN110413952 B CN 110413952B
- Authority
- CN
- China
- Prior art keywords
- oil
- exploration
- year
- years
- reserves
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 20
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 19
- 238000012512 characterization method Methods 0.000 claims abstract description 16
- 125000001183 hydrocarbyl group Chemical group 0.000 claims abstract 3
- 239000006185 dispersion Substances 0.000 claims description 26
- 150000002430 hydrocarbons Chemical class 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 11
- 239000007789 gas Substances 0.000 description 112
- 239000003921 oil Substances 0.000 description 111
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 58
- 230000012010 growth Effects 0.000 description 31
- 239000003345 natural gas Substances 0.000 description 27
- 238000010586 diagram Methods 0.000 description 13
- 239000003208 petroleum Substances 0.000 description 13
- 230000003698 anagen phase Effects 0.000 description 10
- 230000018109 developmental process Effects 0.000 description 10
- 238000010276 construction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000005553 drilling Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 239000003209 petroleum derivative Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003079 shale oil Substances 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种含油气盆地勘探程度的预测方法及装置。该方法包括:根据油气区块的勘探历史数据,确定油气储量历史曲线;确定油气储量历史曲线的拐点;利用拐点将油气储量历史曲线按照时间序列划分为多个年份段;根据年份段确定不同勘探程度的大致分界线;根据大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;对划分的勘探程度阶段进行特征表征,得到勘探程度模型;利用勘探程度模型,对油气区块的勘探程度进行预测。本发明可以快速判断油气区块现阶段所处的勘探程度阶段,非常便捷和准确,可为油气区块勘探发展的趋势做出预测,对下一步要采取的招投标、工程作业和勘探方向做出预判。
Description
技术领域
本发明涉及石油地质勘探技术领域,尤指一种含油气盆地勘探程度的预测方法及装置。
背景技术
油气勘探区块的勘探开发程度,既是指工程投入的工作量和油气已开采量,又可指开采难度和后续勘探风险。由于地质条件、商业行为、技术水平等条件的限制,不同区块所处的勘探程度存在差异。确定勘探程度,对油气勘探意义重大。学者从不同角度出发,提出了不同的勘探程度划分方案,总体可以归纳为定性和定量两类。根据时间先后顺序,定性划分有M.T.Halbouty(2003)全球盆地四类勘探程度分类方案、埃克森公司(2002)作业指标分类方案和SY-T6021-94(2002)工业标准3阶段方案,定量划分有成熟度(1990)、康一孑分类(1986)、潘源敦分类(1989)、贾文瑞分类(1999)、方小东分类(2005)、武明辉分类(2015)等方法。但有些方案都是以地震、钻井工作量与储量的统计关系为基础的,没有提出勘探程度划分的新依据。
公布号为CN105224777A“一种油气单元勘探工作程度识别方法”的专利和公布号为CN106033126A“一种油气单元勘探程度的定量划分方法”的专利,融合二维地震、三维地震和探井为勘探工作程度指标,以3P储量、远景资源量为资源落实程度指标,以两者的均方根值段0~0.15、0.15~0.4和0.4~1.0为勘探程度指标,划分为低中、高三个勘探程度阶段。两个发明解决了二维地震与三维地震定量化统一问题,并一起完成了现阶段勘探作业程度和资源落实程度的判断评价。可惜的是,没有考虑时间因素,不能给出勘探历史规律,难以对勘探趋势做出准确预测和判断。在勘探程度指标上,阶段划分的数值段没有与勘探实际意义如勘探阶段、储量增长阶段对应,难以开展勘探程度和预测的实际应用。
公布号为CN108399471A“探明储量增长S型曲线年度递推规律预测方法”,提供了一种通过建立探明油气藏序列曲线,找到曲线方程系数与敏感因素关系,来建立基于资源量、探明油藏个数、探井数储量预测的探明储量增长S型曲线年度递推规律预测方法。优点是可以对勘探程度高的区块进行精确中短期储量预测,缺点是不适用于处于勘探初期的区块,所用数据限于探井,因此不能用于勘探程度的划分和预测。
公布号为CN107103552A“勘探效率系数确定方法及装置”的发明专利,针对油气藏的发现规模与发现次序为非线性关系问题,通过更加优化的样本油气藏储量概率分布模型,确定更科学合理的勘探效率系数,对研究区油气藏分布规模及资源潜力进行预测。显然此发明强调的是概率分布模型,结果的可靠性受样本油气藏的勘探程度制约,因此不适用于处于勘探初期阶段的区块,当然更没给出勘探阶段划分的方案。
由于现有勘探程度预测技术存在的上述问题,无法有效的为油气区块下一步要采取的招投标、工程作业和勘探方向做出预判,极大的影响了油气区块的开采及勘探。
发明内容
为了解决上述现有勘探程度预测技术中存在的不足,本发明实施例提供一种含油气盆地勘探程度的预测方法,所述方法包括:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的大致分界线;
根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测。
本发明实施例还提供一种含油气盆地勘探程度的预测装置,所述装置包括:
历史曲线模块,用于根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
年份段划分模块,用于确定所述油气储量历史曲线的拐点,利用所述拐点,将所述油气储量历史曲线按照时间序列划分为多个年份段;
大致分界线模块,用于根据所述年份段确定不同勘探程度的大致分界线;
准确分界线模块,用于根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
勘探程度预测模块,用于对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测。
本发明实施例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,所述处理器执行所述计算机程序时实现以下步骤:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的大致分界线;
根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的大致分界线;
根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测。
本发明通过建立合理的储量随时间变化的关系,确定普适的勘探程度划分判识模型,可以快速判断油气区块现阶段所处的勘探程度阶段,非常便捷和准确,可为油气区块勘探发展的趋势做出预测,对下一步要采取的招投标、工程作业和勘探方向做出预判。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种含油气盆地勘探程度的预测方法的流程图;
图2A及图2B为本发明实施例中全球油气2P储量历史曲线图;
图3A及图3B为本发明实施例中中东地区油气2P储量历史曲线图;
图4A及图4B为本发明实施例中西西伯利亚盆地油气2P储量历史曲线图;
图5A及图5B为本发明实施例中中国油气2P储量历史曲线图;
图6为本发明实施例中全球石油2P储量年份分段示意图;
图7为本发明实施例中全球天然气2P储量年份分段示意图;
图8为本发明实施例中中东地区石油2P储量年份分段示意图;
图9为本发明实施例中中东地区天然气2P储量年份分段示意图;
图10为本发明实施例中西西伯利亚盆地石油2P储量年份分段示意图;
图11为本发明实施例中西西伯利亚盆地天然气2P储量年份分段示意图;
图12为本发明实施例中中国石油2P储量年份分段示意图;
图13为本发明实施例中中国天然气2P储量年份分段示意图;
图14为本发明实施例中美国石油勘探程度与2025年前2P储量储量预测示意图;
图15为本发明实施例中美国天然气勘探程度与2025年前2P储量储量预测示意图;
图16为本发明实施例一种含油气盆地勘探程度的预测装置的结构示意图;
图17为本发明一具体实施例中确定油气区块勘探程度与勘探预测的装置的结构示意图。
具体实施方式
本发明实施例提供一种含油气盆地勘探程度的预测方法及装置。
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作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。
如图1所示为本发明实施例一种含油气盆地勘探程度的预测方法的流程图,图中所示方法包括:
步骤S1,根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
步骤S2,确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
步骤S3,根据所述年份段确定不同勘探程度的大致分界线;
步骤S4,根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
步骤S5,对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测。
作为本发明的一个实施例,确定所述油气储量历史曲线的拐点包括:对所述油气储量历史曲线的拟合数学表达式求取二阶导数,以确定所述油气储量历史曲线的拐点;或当所述油气储量历史曲线不存在二阶导数或所述油气储量历史曲线不存在合适的拟合数学表达式时,在所述油气储量历史曲线上选取四个相邻年份,根据所述四个相邻年份中两两相邻的年份的储量值差,获取储量值差递增与递减的转折点,确定所述油气储量历史曲线的拐点。
作为本发明的一个实施例,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段包括:根据所述油气储量历史曲线的变化特征,将所述油气储量历史曲线分为三个粗略年份段;在所述三个粗略年份段的基础上,根据所述油气储量历史曲线的拐点对应的拐点年份,选取与拐点年份相邻的前三年及后三年与拐点年份构成一年份数组;根据年份数组中各年份对应的储量值,确定波动幅度系数及离差系数;根据所述波动幅度系数及所述离差系数,将所述油气储量历史曲线按照时间序列划分为两个或三个年份段。
在本实施例中,根据所述年份段确定不同勘探程度的大致分界线包括:将包括波动幅度系数为1在内的年份划分为第一年份段,所述第一年份段的离差系数随年份增加而递减;将波动幅度系数呈倍数陡降,或离差系数随年份增加由递减转为稳定的0.25的情况,作为第二年份段和第三年份段的划分依据。
在本实施例中,确定不同勘探程度的大致分界线还可以为:在年份段中,选取波动幅度系数满足预设条件的对应年份的右侧邻近最小新增储量年份作为第一分界线,第一分界线用以区分勘探程度对应的第一阶段及第二阶段;选取第二阶段的结束拐点的右侧邻近最小新增储量年份作为第二分界线,第二分界线用以区分勘探程度对应的第二阶段及第三阶段。
作为本发明的一个实施例,对划分的勘探程度阶段进行特征表征,得到勘探程度模型包括:根据勘探发现程度、勘探工作量实施情况及新增储量,对划分的勘探程度阶段进行特征表征,得到勘探程度模型。
在本发明一具体实施例中,本发明的具体实现过程包括:
(1)绘制全球、全球典型区块的油气2P储量历史曲线。所述全球区块是由HISMarkit、WoodMackenzie、Tellus和USGS等国际数据服务公司所能提供的全球468个有油气勘探活动的含油气盆地或区块。所述全球典型区块是指历史油气产量储量在全球占比最高、勘探面积和潜力最大、勘探历史数据较全的区块,本专利选择中东地区、西西伯利亚盆地、中国为全球典型区块。所述2P储量是指国际上已证实(Proved)和概算(probable)的储量之和,国内是指探明储量和控制储量之和。所述储量可以是累计2P储量,也可以是新增可采储量。
需要说明的,所述的2P曲线一是在数据不完整的区块,可以只有探明储量,但不能只有控制储量;二是在数据不完整的区块,可以前人已有方法,通过钻井密度与储量的关系式进行推算,地震工作量可以根据前人发表的转化关系转换为钻井密度数据。
(2)确定全球、中东地区、西西伯利亚盆地、中国油气2P储量历史曲线的拐点。所述拐点既要是累计2P储量曲线拟合数学表达式的二阶导数点,也要是年度新增2P储量的高峰年度点。当不存在二阶导数或者曲线没有合适的数学表达式时,则取4个邻年年份T1、T2、T3、T4相邻两个年份的累计2P储量值的差A2-A1、A3-A2和A4-A3,定义M=(A3-A2)/(A2-A1),N=(A4-A3)/(A3-A2),当M>1且N<1,并且以T3为数组头或尾的10个连续年份中,T3新增储量为最大,则T3年份为拐点。
(3)2P储量曲线特征表征与年份分段。第一步定性分析:从图形学角度,在消除累计2P储量递增曲线存在的多阶特征后,整体看作为S型曲线,并分为三段。前段多以多阶为特点,递增幅度大;中段稳定递增,斜率减小,常具有统一的斜率;末端增幅更小,有更小的斜率。第二步定量分析:以拐点为基点,以前3年和后3年的新增储量为一数组,数组的均值定义为B,6个年份与均值B的离差的绝对值的平均值定义为C,定义MaxB为一条储量曲线所有B值的最大值,定义B/MaxB为波动幅度系数,定义C/B为离差系数。第三步分段:对比各拐点波动幅度系数B/MaxB和离差系数B/MaxB,按照时间序列划分曲线为2-3个年份段。具体地,包括波动系数为1在内的之前的年份为一段,该段的离差系数基本随年份增加而递减;波动系数突然呈倍数陡降,或离差系数随年份增加由递减转为稳定的0.25低值,作为第二段和第三段的划分依据。
(4)勘探程度阶段准确分段的确定。在年份分段基础上,以B/MaxB=1.0年份右侧邻近的最小新增储量年份为第一与第二段的准确分界线,以第二年份段结束拐点右侧邻近的最小新增储量年份为第二段与第三段的准确分界线。
(5)建立勘探程度模型。综合全球、中东地区、西西伯利亚盆地、中国的油气2P储量历史曲线段具有不同勘探作业量、储量增长、勘探开发工程等特征,并将个段的特征进行统一化,以此表征区块的勘探程度或勘探阶段分类。模型阶段分类特征如表1所示。
表1勘探程度模型阶段分类特征表
阶段特征 | 第一阶段 | 第二阶段 | 第三阶段 |
勘探发现程度 | 低勘探程度 | 中等勘探程度 | 高勘探程度 |
勘探工作量实施 | 风险勘探 | 精细勘探 | 滚动勘探开发 |
新增储量 | 快速增长 | 稳定增长 | 缓慢增长 |
(6)目标区勘探程度预测。绘制目标区2P储量历史曲线图,以全球和中国勘探程度模型为模板,确定目前所处勘探阶段,预测未来年份的储量走势,并根据所处阶段,确定下一步所应采取的勘探工作量和应对策略。
具体的,为了使本发明上述目的、特征和优点更明显易懂,特举出以下实例,作详细说明如下。
(一)绘制世界典型油气区新增、累计2P储量图
根据HISEnergy提供的数据库,以年份为横坐标,新增2P储量和累计2P储量为纵坐标,绘制全球、中东、西西伯利亚和中国4个区的储量历史图2A及图2B、图3A及图3B、图4A及图4B、图5A及图5B。以图2A及图2B为例,图2A及图2B为全球油气累计与新增2P储量历史分布图,直方图为新增2P储量,由多数点构成的曲线为累计储量。做图数据包括中国区域,总共有468个盆地区块。所述石油包括常规原油和凝析油。
(二)描述储量增长特征
图2A及图2B中新增2P储量差别大,常有几个峰谷起伏;而累计储量是持续递增,但递增的强度各时期不同,石油和天然气的递增强度变化存在明显差异。整体上,石油在早期很长一段时期增长极其缓慢,之后累计储量迅速升高,然后是稳定增长其,之后递增量逐渐减小。天然气在1947年前都没有明显增加,之后进入迅速递增期,自1980年左右进入稳定增长期。
图3A及图3B为中东地区油气累计与新增2P储量历史分布图,新增储量特征与全球相似,但自1976年之后进入了缓慢增长期,而天然气迅速增长期极短,长期处在稳定增长期。目前石油储量是天然气的2倍。
图4A及图4B为西西伯利亚盆地油气累计与新增2P储量历史分布图。1965-1970年石油天与然气储量齐增,急速增加后,长时间处在稳定增长期。目前天然气累计储量是石油的近2倍。
附图5A及图5B为中国油气累计与新增2P储量历史分布图。与全球特征相似,油气新增储量历年有波动,石油累计储量在1960年波动最大,天然气在2000年波动最大。近几年石油进入小幅增长期,而天然气累计储量刚出现快速递增结束的迹象。
(三)、累计2P储量拐点确定与曲线段划分
1.全球
从图6来看,石油累计2P储量用周期为2的平均移动趋势线回归的效果最好。拐点确定方法:当不存在二阶导数或者曲线没有合适的数学表达式时,则取4个邻年年份T1、T2、T3、T4相邻两个年份的累计2P储量值的差A2-A1、A3-A2和A4-A3,定义M=(A3-A2)/(A2-A1),N=(A4-A3)/(A3-A2),当M>1且N<1,并且以T3为数组头或尾的10个连续年份中,T3新增储量为最大,则T3年份为拐点。由此确定拐点有以下几个年份:1928、1938、1948、1964、1968、1977、1986、1992、2000、2010。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从石油系列数据看,1964年的波动幅度系数最大,1992年、2000年、2010年的波动幅度系数0.25~0.28,差别极小,而自1968年到1986年的波动幅度系数从0.96递减到0.45。由此划分为3个年份段,如表2中所示3个年份段为:1928-1964、1968-1986及1992-2010。从图6来看,快速增长年份段右侧最邻近的最小新增储量年份为1966年,稳定增长年份段的末尾拐点是1986年,右侧最邻近的最小新增储量年份为1987年,因此1987年以后为缓慢增长年份段。
根据拐点确定方法,全球天然气拐点年份为1928、1948、1966、1971、1979、1992、2000、2004、2010、2015。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从天然气系列数据看,1971年的波动幅度系数最大,之后拐点年份的波动幅度系数0.29~0.51,数值中等,差值不大,为中幅度稳定变化特征。从离差系数C/B来看,虽然1979年~2000年较相近,但之后的2015年突然升高到0.50,说明新增储量的规律不明显,年度差大。因此以1971年分为两个年份段,如表2中所示2个年份段为:1928-1971及1979-2015。从图7来看,快速增长年份段右侧最邻近的最小新增储量年份为1972年,1972年以后为稳定增长年份段。
2.中东地区
根据拐点确定方法,中东地区石油储量拐点年份为1927、1938、1948、1957、1964、1973、1976、1992、1999、2009。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从石油系列数据看,1964年的波动幅度系数最大,1992年、1999年、2009年的波动幅度系数0.06~0.09,差别极小而数值低,而1973年和1976年的波动幅度系数为0.38~0.47。由此划分为3个年份段,如表2中所示3个年份段为:1927-1964、1973-1976及1992-2009。从图8来看,快速增长年份段右侧最邻近的最小新增储量年份为1966年,为快速增长与稳定增长年份的分段点。稳定增长年份段的末尾拐点是1976年,右侧最邻近的最小新增储量年份为1978年,因此1978年以后为缓慢增长年份段。
根据拐点确定方法,中东地区天然气拐点年份为1928、1938、1948、1958、1964、1971、1984、1992、2005、2010。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从天然气系列数据看,1964年的波动幅度系数最大,之后拐点年份的波动幅度系数变化极大,从0.13~0.95不等。从离差系数来看,1964年之后拐点年份的历程系数普遍大于0.37。由此判断中东地区天然气1971年以来一直处于稳定增长期,没有见到新增储量增长减缓的特征。因此以1964年分为两个年份段,如表2中所示2个年份段为:1928-1964及1971-2010。从图9来看,快速增长年份段右侧最邻近的最小新增储量年份为1965年,以后为稳定增长年份段。
3.西西伯利亚盆地
根据拐点确定方法,西西伯利亚盆地石油储量拐点年份为1965、1971、1982、1991、1997、2008、2014。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从石油系列数据看,1965年的波动幅度系数最大,1997年、2008年、2014年的波动幅度系数0.01~0.04,差别极小而数值低,而1971年、1982年和1991年的波动幅度系数为0.21~0.48。由此划分为3个年份段,如表2中所示3个年份段为:1965、1971-1991及1997-2014。从图10来看,快速增长年份段右侧最邻近的最小新增储量年份为1967年,为快速增长与稳定增长年份的分段点。稳定增长年份段的末尾拐点是1976年,右侧最邻近的最小新增储量年份为1994年,因此1994年以后为缓慢增长年份段。
根据拐点确定方法,西西伯利亚盆地天然气储量拐点年份为1966、1971、1974、1979、1984、1989、2000、2008。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从天然气系列数据看,1966年的波动幅度系数最大,1971年~1989年相继从0.88降低到0.14,2000年和2008年的波动幅度系数都为0.01。由此划分为3个年份段,如表2中所示3个年份段为:1966、1971-1989及2000-2008。从图11来看,快速增长年份段右侧最邻近的最小新增储量年份为1968年,为快速增长与稳定增长年份的分段点。稳定增长年份段的末尾拐点是1989年,右侧最邻近的最小新增储量年份为1992年,因此1992年以后为缓慢增长年份段。
4.中国
根据拐点确定方法,中国石油储量拐点年份为1955、1960、1965、1968、1975、1984、1988、1998、2005、2013。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从石油系列数据看,1965年的波动幅度系数最大,1968年~1998年波动幅度系数在0.74-0.86范围,2005年和2013年突然降至0.56以下。离差系数C/B多在在2005年和2013年小于0.25。由此划分为3个年份段,如表2中所示3个年份段为:1955-1965、1968-1998及2005-2013。从图12来看,快速增长年份段右侧最邻近的最小新增储量年份为1966年,为快速增长与稳定增长年份的分段点。稳定增长年份段的末尾拐点是1998年,右侧最邻近的最小新增储量年份为2002年,因此2002年以后为缓慢增长年份段。需要说明的是,由于2005年和2013年两拐点年份的波动幅度系数较大,与全球、中东地区、西西伯利亚盆地不同,稳定增长与缓慢增长界限不是非常明确,预示着近年来中国页岩油勘探突破的概率较高。
根据拐点确定方法,中国天然气储量拐点年份为1962、1975、1989、1996、2000、2006、2012。以所述拐点年份为基点,求取前3年和后3年的新增储量均值B,求取拐点前3年和后3年新增储量与均值B的离差的绝对值的平均值C,并计算波动幅度系数B/MaxB和离差系数C/B,结果见表2。
从天然气系列数据看,2000年的波动幅度系数最大,2006、2012降低至0.59。从离差系数C/B值来看,2006年和2012年的值大于0.48,因此划分为2个年份段,如表2中所示2个年份段为:1962-2000及2006-2012。从图13来看,快速增长年份段右侧最邻近的最小新增储量年份为2001年,为快速增长与稳定增长年份的分段点。
表2 4个典型统计区域的拐点及相关参数表
(四)、勘探程度划分模型的建立
根据全球、中东、西西伯利亚、中国累计2P储量拐点确定与曲线段划分结果,统计地区石油、天然气储量增长年份阶段数据,如表3所示。总结石油、天然气勘探程度历史变化特征,具有明显的规律性,即:
(1)有三段式发展特征:早期经过一定时间积累,勘探发现储量进入快速增长阶段;然后进入平稳的稳定增长阶段,再进入缓慢增长阶段。
(2)石油比天然气的勘探进程早。
(3)从累计储量曲线看,快速增长阶段斜率逐渐增大,稳定增长阶段多为以固定斜率,比快速增长阶段斜率小,缓慢增长阶段以小斜率向零值趋近。
(4)当前所处的阶段,在不同地区、不同相态烃各有所不同。
(5)不同地区各阶段所持续的时间有所不同。
表3统计地区石油、天然气储量增长年份阶段数据表
以上各规律特点,充分反映了历史对能源需求种类的变化、勘探所投入的技术,投入的勘探工作量情况,从而产生了对盆地和地区勘探程度在历史上相印证的变化特征。这就是表1设置的依据。因此,我们把区块油气的勘探程度划分为3个阶段:
(1)低勘探程度阶段:风险勘探,以地质踏探、2D地震、露头样品或浅井样品分析为特征,以寻找构造圈闭为目标,而后随着多次失败和成功经验的积累和新技术的不断引入,新增储量跳跃式增加,但稳定性差。
(2)中等勘探程度阶段:精细勘探,以精细测井解释技术和3D地震系列技术为特征,大大提高了纵向地层及薄层常规油气储层的识别能力,工作量的稳定投入,决定了新增储量的稳定增长势头。
(3)高勘探程度阶段:滚动勘探开发,以小区块和老区块复查为特征,开发为主要工作内容,新增储量缓慢增长。
处在中等勘探程度阶段的区块,由于新技术突破后的稳定投入,如页岩油、体积压裂等,会有效延长勘探时间。所以,根据目前实际情况,对区块油气勘探程度判断和资源前景预测时,应该在储量历史曲线趋势基础上,充分考虑技术的影响。
(五)美国油气勘探程度判断与资源前景预测
绘制美国石油、天然气2P储量历史曲线,以以上模型为判断依据,对美国油气目前所处的勘探程度进行判断,并预测2025年前的2P储量增长情况。
从图14看,美国在1991年前后,石油勘探经历过了低勘探发展阶段,2018年左右进入了2P储量缓慢增长的滚动勘探阶段,勘探程度高。根据温度增长年份段的新增2P储量的平均值,确定2019~2025年间的年新增2P储量平均在9.53亿桶以内,到2025年的石油累计2P储量不超过626.67亿桶。
从图15看,美国在1991年前后,天然气勘探经历过了低勘探发展阶段。鉴于全球、中东、西西伯利亚和中国天然气勘探发展历史规律和天然气2P储量特征,判断美国天然气2P储量稳定增长阶段的持续时间在30年以上,目前仍处在中等勘探程度的精细勘探阶段,年新增2P储量应该在2.29亿桶石油当量左右。到2025年,美国天然气累计2P储量应达到212.98亿桶石油当量。
本发明用已有2P储量历史记录,或利用探井密度、地震密度或两者组合等3类参数的任一种,求取2P储量值,与时间参数结合,快速建立模型,与勘探程度、工程施工工作量程度对应好。一旦模型建立,稳定性好,长期有效。模型方法适用于处于各个勘探程度阶段的全球各个区块。可以有效对未来5~30年的资源潜力、工程施工量做出预测,可用于对海外区块的招投标预判和现区块的勘探前景预测。与现有技术相比,现有技术强调的是参数与储量的相关性。由于没有勘探历史规律总结,没有给出勘探阶段划分方案。因此无法判断目前所处勘探阶段,难以对未来勘探趋势和潜力做出准确预测。结果的可靠性受样本油气藏的勘探程度制约,因此只适用于处于勘探成熟阶段的区块。
本发明要求是目标区要有较完整的2P储量历史数据,或有钻井数、钻井进尺、2D地震、3D地震统计数据,通过钻井、地震数据与储量的关系转换方法求得2P储量数据。适用于世界个油气区块目前勘探程度的判断和勘探前景预测,包括2P储量预测、勘探施工量预测。也可以用于对海外区块招投标选区。预测年份跨度为5~30年。
本发明以量化的2P储量数据为依据,操作流程简便,可以快速判断目标区块各年份所处的勘探程度阶段,尤其是对目前所处的勘探程度阶段、勘探工作量阶段以及新增储量特征的判断,非常便捷和准确。并根据模型和2P储量曲线,推导出未来的新增2P储量、累计2P储量。由此极大地方便了海外区块招投标的资源前景判断,并对需要开展的施工作业、勘探方向做出预判和决策。
如图16所示为本发明实施例一种含油气盆地勘探程度的预测装置的结构示意图,图中所示装置包括:
历史曲线模块10,用于根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
年份段划分模块20,用于确定所述油气储量历史曲线的拐点,利用所述拐点,将所述油气储量历史曲线按照时间序列划分为多个年份段;
大致分界线模块30,用于根据所述年份段确定不同勘探程度的大致分界线;
准确分界线模块40,用于根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
勘探程度预测模块50,用于对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测。
作为本发明的一个实施例,年份段划分模块包括:拐点确定单元,用于对所述油气储量历史曲线的拟合数学表达式求取二阶导数,以确定所述油气储量历史曲线的拐点;或当所述油气储量历史曲线不存在二阶导数或所述油气储量历史曲线不存在合适的拟合数学表达式时,在所述油气储量历史曲线上选取四个相邻年份,根据所述四个相邻年份中两两相邻的年份的储量值差,获取储量值差递增与递减的转折点,确定所述油气储量历史曲线的拐点。
作为本发明的一个实施例,年份段划分模块包括:粗略分段单元,用于根据所述油气储量历史曲线的变化特征,将所述油气储量历史曲线分为三个粗略年份段;年份数组单元,用于在所述三个粗略年份段的基础上,根据所述油气储量历史曲线的拐点对应的拐点年份,选取与拐点年份相邻的前三年及后三年与拐点年份构成一年份数组;系数确定单元,用于根据年份数组中各年份对应的储量值,确定波动幅度系数及离差系数;年份划分单元,用于根据所述波动幅度系数及所述离差系数,将所述油气储量历史曲线按照时间序列划分为两个或三个年份段。
在本实施例中,大致分界线模块包括:第一大致分界线单元,用于将包括波动幅度系数为1在内的年份划分为第一年份段,所述第一年份段的离差系数随年份增加而递减;第二大致分界线单元,用于将波动幅度系数呈倍数陡降,或离差系数随年份增加由递减转为稳定的0.25的情况,作为第二年份段和第三年份段的划分依据。
作为本发明的一个实施例,勘探程度预测模块包括:勘探程度模型单元,用于根据勘探发现程度、勘探工作量实施情况及新增储量,对划分的勘探程度阶段进行特征表征,得到勘探程度模型。
在本发明一具体实施例中,为了更好的实现上述油气区块勘探程度的预测方法,本发明装置结构示意图还可以如图17所示,图中所示该装置包括:
数据输入模块:用于输入勘探程度划分模型所需的数据和求取目标区块历史2P储量所需的数据。所述勘探程度划分模型所需的数据包括全球、中东、西西伯利亚、中国或其它国家的油气历史2P储量数据,或它们历年的钻井密度、2D地震、3D地震与2P储量数据,也包括这些地区历年所采取的工程施工量、勘探技术等数据。所述求取目标区块历史2P储量所需的数据主要是指目标区没有现成2P储量数据的情况下,用于恢复求取2P储量所需的钻井密度、2D地震测线长度、3D地震覆盖面积数据。
2P储量求取模块:用建立的钻井密度、2D地震、3D地震与2P储量关系,求取历年2P储量。
2P储量曲线-年份模型建立模块:用来划分完整勘探历程油气区块的勘探发现程度阶段、勘探施工工作量阶段、新增储量阶段,建立固定划分标准和模型。
目标区块2P储量曲线拐点计算模块:通过数学表达式,对2P储量数据进行分析,确定拐点年份。
波动幅度系数和离差系数计算模块:用数学计算表达拐点年份附近6年的历年2P累计储量、新增储量变化特征,作为曲线变化特征和阶段划分的标志。
目标区块勘探程度划分年份确定模块:基于上模块拐点和波动幅度系数、离差系数数据,确定阶段划分具体年份。
目标区块勘探程度确定及勘探预测模块:以模型为标准,判断目标区块目前所处的勘探阶段,通过所属于阶段在勘探划分模型上的新增储量变化趋势,计算未来年份的新增储量、累计储量,并根据勘探阶段的判断,来预测目标区块将要应该采取的工程施工种类和强度,以及开发策略,给出招投标参考意见。
本发明以量化的2P储量数据为依据,操作流程简便,可以快速判断目标区块各年份所处的勘探程度阶段,尤其是对目前所处的勘探程度阶段、勘探工作量阶段以及新增储量特征的判断,非常便捷和准确。并根据模型和2P储量曲线,推导出未来的新增2P储量、累计2P储量。由此极大地方便了海外区块招投标的资源前景判断,并对需要开展的施工作业、勘探方向做出预判和决策。
本发明实施例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,所述处理器执行所述计算机程序时实现以下步骤:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点;
利用所述拐点,将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的分界线,得到勘探程度模型;
利用所述勘探程度模型,对油气区块的勘探程度进行预测。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点;
利用所述拐点,将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的分界线,得到勘探程度模型;
利用所述勘探程度模型,对油气区块的勘探程度进行预测。
基于与上述一种油气区块勘探程度的预测方法相同的申请构思,本发明还提供了上述一种计算机设备及一种计算机可读存储介质。由于该一种计算机设备及一种计算机可读存储介质解决问题的原理与一种油气区块勘探程度的预测方法相似,因此该一种计算机设备及一种计算机可读存储介质的实施可以参见一种油气区块勘探程度的预测方法的实施,重复之处不再赘述。
本发明以量化的2P储量数据为依据,操作流程简便,可以快速判断目标区块各年份所处的勘探程度阶段,尤其是对目前所处的勘探程度阶段、勘探工作量阶段以及新增储量特征的判断,非常便捷和准确。并根据模型和2P储量曲线,推导出未来的新增2P储量、累计2P储量。由此极大地方便了海外区块招投标的资源前景判断,并对需要开展的施工作业、勘探方向做出预判和决策。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读取存储介质中,比如ROM/RAM、磁碟、光盘等。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种含油气盆地勘探程度的预测方法,其特征在于,所述方法包括:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的大致分界线;
根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测;
其中,所述确定所述油气储量历史曲线的拐点包括:
当所述油气储量历史曲线不存在二阶导数或所述油气储量历史曲线不存在合适的拟合数学表达式时,在所述油气储量历史曲线上选取四个相邻年份,根据所述四个相邻年份中两两相邻的年份的储量值差,获取储量值差递增与递减的转折点,确定所述油气储量历史曲线的拐点;
其中,所述利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段包括:
根据所述油气储量历史曲线的变化特征,将所述油气储量历史曲线分为三个粗略年份段;
在所述三个粗略年份段的基础上,根据所述油气储量历史曲线的拐点对应的拐点年份,选取与拐点年份相邻的前三年及后三年与拐点年份构成一年份数组;
根据年份数组中各年份对应的储量值,确定波动幅度系数及离差系数;
根据所述波动幅度系数及所述离差系数,将所述油气储量历史曲线按照时间序列划分为两个或三个年份段。
2.根据权利要求1所述的方法,其特征在于,所述根据所述年份段确定不同勘探程度的大致分界线包括:
将包括波动幅度系数为1在内的年份划分为第一年份段,所述第一年份段的离差系数随年份增加而递减;
将波动幅度系数呈倍数陡降,或离差系数随年份增加由递减转为稳定的0.25的情况,作为第二年份段和第三年份段的划分依据。
3.根据权利要求1所述的方法,其特征在于,所述对划分的勘探程度阶段进行特征表征,得到勘探程度模型包括:根据勘探发现程度、勘探工作量实施情况及新增储量,对划分的勘探程度阶段进行特征表征,得到勘探程度模型。
4.一种含油气盆地勘探程度的预测装置,其特征在于,所述装置包括:
历史曲线模块,用于根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
年份段划分模块,用于确定所述油气储量历史曲线的拐点,利用所述拐点,将所述油气储量历史曲线按照时间序列划分为多个年份段;
大致分界线模块,用于根据所述年份段确定不同勘探程度的大致分界线;
准确分界线模块,用于根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
勘探程度预测模块,用于对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测;
其中,所述年份段划分模块包括:
拐点确定单元,用于当所述油气储量历史曲线不存在二阶导数或所述油气储量历史曲线不存在合适的拟合数学表达式时,在所述油气储量历史曲线上选取四个相邻年份,根据所述四个相邻年份中两两相邻的年份的储量值差,获取储量值差递增与递减的转折点,确定所述油气储量历史曲线的拐点;
其中,所述年份段划分模块包括:
粗略分段单元,用于根据所述油气储量历史曲线的变化特征,将所述油气储量历史曲线分为三个粗略年份段;
年份数组单元,用于在所述三个粗略年份段的基础上,根据所述油气储量历史曲线的拐点对应的拐点年份,选取与拐点年份相邻的前三年及后三年与拐点年份构成一年份数组;
系数确定单元,用于根据年份数组中各年份对应的储量值,确定波动幅度系数及离差系数;
年份划分单元,用于根据所述波动幅度系数及所述离差系数,将所述油气储量历史曲线按照时间序列划分为两个或三个年份段。
5.根据权利要求4所述的装置,其特征在于,所述大致分界线模块包括:
第一大致分界线单元,用于将包括波动幅度系数为1在内的年份划分为第一年份段,所述第一年份段的离差系数随年份增加而递减;
第二大致分界线单元,用于将波动幅度系数呈倍数陡降,或离差系数随年份增加由递减转为稳定的0.25的情况,作为第二年份段和第三年份段的划分依据。
6.根据权利要求4所述的装置,其特征在于,所述勘探程度预测模块包括:勘探程度模型单元,用于根据勘探发现程度、勘探工作量实施情况及新增储量,对划分的勘探程度阶段进行特征表征,得到勘探程度模型。
7.一种计算机设备,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以下步骤:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的大致分界线;
根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测;
其中,所述确定所述油气储量历史曲线的拐点包括:
当所述油气储量历史曲线不存在二阶导数或所述油气储量历史曲线不存在合适的拟合数学表达式时,在所述油气储量历史曲线上选取四个相邻年份,根据所述四个相邻年份中两两相邻的年份的储量值差,获取储量值差递增与递减的转折点,确定所述油气储量历史曲线的拐点;
其中,所述利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段包括:
根据所述油气储量历史曲线的变化特征,将所述油气储量历史曲线分为三个粗略年份段;
在所述三个粗略年份段的基础上,根据所述油气储量历史曲线的拐点对应的拐点年份,选取与拐点年份相邻的前三年及后三年与拐点年份构成一年份数组;
根据年份数组中各年份对应的储量值,确定波动幅度系数及离差系数;
根据所述波动幅度系数及所述离差系数,将所述油气储量历史曲线按照时间序列划分为两个或三个年份段。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现以下步骤:
根据油气区块的勘探历史数据,确定油气区块的油气储量历史曲线;
确定所述油气储量历史曲线的拐点,利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段;
根据所述年份段确定不同勘探程度的大致分界线;
根据所述大致分界线与相邻的最小新增储量年份,确定勘探程度阶段的准确分界线;
对划分的勘探程度阶段进行特征表征,得到勘探程度模型,利用所述勘探程度模型,对油气区块的勘探程度进行预测;
其中,所述确定所述油气储量历史曲线的拐点包括:
当所述油气储量历史曲线不存在二阶导数或所述油气储量历史曲线不存在合适的拟合数学表达式时,在所述油气储量历史曲线上选取四个相邻年份,根据所述四个相邻年份中两两相邻的年份的储量值差,获取储量值差递增与递减的转折点,确定所述油气储量历史曲线的拐点;
其中,所述利用所述拐点将所述油气储量历史曲线按照时间序列划分为多个年份段包括:
根据所述油气储量历史曲线的变化特征,将所述油气储量历史曲线分为三个粗略年份段;
在所述三个粗略年份段的基础上,根据所述油气储量历史曲线的拐点对应的拐点年份,选取与拐点年份相邻的前三年及后三年与拐点年份构成一年份数组;
根据年份数组中各年份对应的储量值,确定波动幅度系数及离差系数;
根据所述波动幅度系数及所述离差系数,将所述油气储量历史曲线按照时间序列划分为两个或三个年份段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910558958.5A CN110413952B (zh) | 2019-06-26 | 2019-06-26 | 含油气盆地勘探程度的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910558958.5A CN110413952B (zh) | 2019-06-26 | 2019-06-26 | 含油气盆地勘探程度的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110413952A CN110413952A (zh) | 2019-11-05 |
CN110413952B true CN110413952B (zh) | 2023-12-22 |
Family
ID=68359860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910558958.5A Active CN110413952B (zh) | 2019-06-26 | 2019-06-26 | 含油气盆地勘探程度的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110413952B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110955807B (zh) * | 2019-12-03 | 2022-10-18 | 金陵科技学院 | 一种扭矩曲线图的拐点检测方法 |
CN113807559B (zh) * | 2020-06-16 | 2024-07-26 | 中国石油化工股份有限公司 | 勘探预测方法、系统及电子设备 |
CN112785451B (zh) * | 2021-01-07 | 2024-06-28 | 中国石油天然气股份有限公司 | 一种油气勘探成效定量分析方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2206909C2 (ru) * | 2001-07-26 | 2003-06-20 | Миколаевский Эрнест Юлианович | Способ поиска, разведки, исследования, оценки и проектирования разработки залежи и месторождений полезных ископаемых |
CN106948812A (zh) * | 2017-04-01 | 2017-07-14 | 中国石油天然气股份有限公司 | 一种高渗带的渗透率下限值的确定方法和装置 |
CN108399471A (zh) * | 2018-02-11 | 2018-08-14 | 中国石油化工股份有限公司 | 探明储量增长s型曲线年度递推规律预测方法 |
-
2019
- 2019-06-26 CN CN201910558958.5A patent/CN110413952B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2206909C2 (ru) * | 2001-07-26 | 2003-06-20 | Миколаевский Эрнест Юлианович | Способ поиска, разведки, исследования, оценки и проектирования разработки залежи и месторождений полезных ископаемых |
CN106948812A (zh) * | 2017-04-01 | 2017-07-14 | 中国石油天然气股份有限公司 | 一种高渗带的渗透率下限值的确定方法和装置 |
CN108399471A (zh) * | 2018-02-11 | 2018-08-14 | 中国石油化工股份有限公司 | 探明储量增长s型曲线年度递推规律预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110413952A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413952B (zh) | 含油气盆地勘探程度的预测方法及装置 | |
CN110992200B (zh) | 基于随机森林的页岩气井分段压裂效果评价和产量预测方法 | |
CN112487582A (zh) | 一种基于cart算法的油气钻井机械钻速预测与优化方法 | |
WO2017011469A1 (en) | Ensemble based decision making | |
CN105447292A (zh) | 一种油气预探井筛选方法 | |
CN113608265A (zh) | 一种基于深度混合神经网络的储层预测方法 | |
CN115438823A (zh) | 一种井壁失稳机制分析与预测方法及系统 | |
CN110533224B (zh) | 一种油页岩接续勘探钻孔位置优选方法 | |
CN114254960A (zh) | 一种低勘探程度区油气资源的评价方法 | |
CN117236036B (zh) | 一种定量预测气藏中氦气含量的方法及装置 | |
CN118133104A (zh) | 一种深层海相页岩气井岩相快速识别方法 | |
CN109583672B (zh) | 风险探井勘探决策方法及系统 | |
CN116562428A (zh) | 一种基于机器学习的压裂施工参数优化方法 | |
CN102536195B (zh) | 测井沉积层序自动划分方法 | |
CN115809411A (zh) | 一种基于测井数据的改进型决策树岩性识别方法 | |
CN113627640B (zh) | 一种针对缝洞型油藏油气井的产能试井预测方法及系统 | |
CN110930020B (zh) | 非常规油气资源的经济可采资源量确定方法 | |
CN110765606B (zh) | 一种用于预测储层含油性的含油指数模型的构建方法及储层含油性的预测方法 | |
CN116335648A (zh) | 基于随钻录测井资料的砾岩水平井甜点品质定量评价方法 | |
Wu et al. | A data-driven approach to evaluate fracturing practice in tight sandstone in Changqing field | |
CN112132369A (zh) | 石油地质评价指标赋值方法 | |
CN111274736A (zh) | 一种基于有导师学习神经网络算法的导水裂隙带预测方法 | |
CN117592797B (zh) | 一种基于录井烃类组分特征的潜山储层油气性质识别方法 | |
CN114676631B (zh) | 页岩气藏压裂水平井压裂改造参数推荐方法 | |
CN116401849A (zh) | 多因素耦合的厚层强水体稠油油藏潜力区预测方法 |
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 |