CN110442951A - 一种考虑密度因素的烃源岩总有机碳含量预测方法 - Google Patents
一种考虑密度因素的烃源岩总有机碳含量预测方法 Download PDFInfo
- Publication number
- CN110442951A CN110442951A CN201910697275.8A CN201910697275A CN110442951A CN 110442951 A CN110442951 A CN 110442951A CN 201910697275 A CN201910697275 A CN 201910697275A CN 110442951 A CN110442951 A CN 110442951A
- Authority
- CN
- China
- Prior art keywords
- organic carbon
- value
- log
- hydrocarbon source
- toc
- 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 85
- 238000000034 method Methods 0.000 title claims abstract description 63
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 61
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 61
- 239000004215 Carbon black (E152) Substances 0.000 title claims abstract description 56
- 229930195733 hydrocarbon Natural products 0.000 title claims abstract description 56
- 150000002430 hydrocarbons Chemical class 0.000 title claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 208000035126 Facies Diseases 0.000 abstract description 6
- 238000005056 compaction Methods 0.000 abstract description 6
- 238000007796 conventional method Methods 0.000 abstract description 4
- 230000015572 biosynthetic process Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 6
- 239000005416 organic matter Substances 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000004079 vitrinite Substances 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mining & Mineral Resources (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Fluid Mechanics (AREA)
- Animal Husbandry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- Geochemistry & Mineralogy (AREA)
- Environmental & Geological Engineering (AREA)
- Marine Sciences & Fisheries (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
一种考虑密度因素的烃源岩总有机碳含量预测方法,通过软件将各井的岩心的有机碳含量和对应井的测井曲线绘制在同一张图上;依据烃源岩成熟度或年代地层表将烃源岩分段,人工拾取各段的RD的基线值和DT的基线值,根据各段的RD的基线值、各段的DT的基线值、每一深度对应的RD测井曲线值以及每一深度对应的DT测井曲线值,求出多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR,再预测烃源岩总有机碳含量。该方法不仅避免了传统ΔlogR方法需要对应成熟度参数图版的繁琐过程,而且考虑了压实作用对烃源岩的影响,拓展了传统方法的使用范围,针对我国陆相深层烃源岩有较好的效果。
Description
技术领域
本发明属于油气勘探与开发领域,具体地说,涉及一种考虑密度因素的烃源岩总有机碳含量预测方法。
背景技术
TOC预测是烃源岩评价过程中的重要一环,虽然传统的岩心样品可以通过有机地球化学分析测试得到有机碳参数,但是由于近年来精细勘探的需要,以及样品数量和测试费用的限制,有限的岩心测试已经难以满足需求。测井资料由于其较高的纵向分辨率,所以被广泛应用于烃源岩的精细评价。
二十世纪六十年代开始,国外学者就开始使用测井资料识别烃源岩。近年来,随着研究的深入,国内外学者做了大量的研究工作,使得TOC预测取得了巨大发展。Vernik etal.(1996)、Carcione et al.(2000)利用密度测井曲线、干酪根密度、矿物密度总结出的经验公式来计算TOC。Huang,Z.et al.(1996)提出了人工神经网络的方法预测TOC;朱振宇等(2003)分析了原始的ΔlogR方法应用于国内烃源岩地层的优缺点,认为该方法的优点是消除了孔隙度的影响,但是有机质背景值ΔTOC的确定有比较大的误差,所以该方法应用于成熟的烃源岩和有机质含量较高的地层时效果较好。Mohammad Reza Kamali et al.(2004)在Pabdeh and Gurpi地层使用ΔlogR方法和神经模糊技术来预测该区TOC。Liu et al.(2012)使用修改系数的ΔlogR方法来预测辽河油田沙河街组沙三段和沙四段的TOC,取得了较好的结果;郭泽清等(2012)总结出,对于样品较多的层位,有机碳TOC和ΔlogR呈一元一次的线性关系,简化了预测TOC时对应LOM成熟度图版这个繁琐的过程。刘超等(2014)提出了变系数的ΔlogR方法,减小了传统ΔlogR预测TOC的误差,并且也适用于氯仿沥青“A”的预测。M.Paryab et al.(2013)在使用ΔlogR方法的同时考虑了GR曲线、U、Th、K元素含量对TOC的关系,并得到了预测TOC的经验公式。胡慧婷等(2016)针对陆相深层的烃源岩,提出了广义的ΔlogR方法,使用GR曲线替代成熟度参数,考虑了GR曲线对TOC的影响,在松辽盆地徐家围子断陷安达地区取得了较好的效果,精度相比传统方法有很大提高。
简单介绍传统的ΔlogR方法:ΔlogR方法是Passey等人1990年通过阿尔奇公式等提出的一种基于测井曲线(声波时差、电阻率)和成熟度参数(LOM)的预测有机碳的方法,该方法可以在深度上获得连续的有机碳含量,以此来补充岩心测试(Passey et al.,1990)。该方法原理是用一条可以反映岩石孔隙度的测井曲线(一般为声波时差,若没有可用中子测井或密度测井曲线代替)和电阻率曲线反向叠合,并以细颗粒的非烃源岩为基线,两条曲线的幅度差被定义为ΔlogR:
Δlog R=log(R/Rbaseline)+0.02×(Δt-Δtbaseline) (1)
式中R、Rbaseline、Δt、Δtbaseline分别为电阻率数值、电阻率曲线基线值、声波时差数值、声波时差曲线基线值,均可从测井曲线获得。
ΔlogR与TOC具有线性关系,系数为成熟度参数(LOM),通过成熟度参数,将ΔlogR幅度差转化为TOC数值。Passey等人通过大量数据的计算,得到了不同成熟度下TOC和ΔlogR关系的图版,并且得到:
TOC=(Δlog R)×10(2.297-0.1688×LOM) (2)
一般应用中,也将LOM指数转化为Ro(镜质体反射率)。
对于陆相烃源岩地层,由于其TOC的背景值较低、烃源岩埋深较深等问题,传统的ΔlogR方法应用的效果不是很理想。
发明内容
本发明为克服现有技术中的问题,目的在于提供一种考虑密度因素的烃源岩总有机碳含量预测方法。
为实现上述目的,本发明采用的技术方案如下:
一种考虑密度因素的烃源岩总有机碳含量预测方法,包括以下步骤:
1)对多口井的岩心测量,得到各井的岩心的有机碳含量;
2)通过软件将各井的岩心的有机碳含量和对应井的测井曲线绘制在同一张图上;其中,测井曲线包括RD曲线、DT曲线、GR曲线和DEN曲线;
3)依据烃源岩成熟度或年代地层表将烃源岩分段,人工拾取各段的RD的基线值和DT的基线值,根据各段的RD的基线值、各段的DT的基线值、每一深度对应的RD测井曲线值以及每一深度对应的DT测井曲线值,求出多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR;
4)根据对多口井的岩心的测量点对应的ΔlogR值,预测烃源岩总有机碳含量。
本发明进一步的改进在于,步骤2)中,根据测井曲线的形态和有机碳含量的对应关系,对测量有机碳含量的深度矫正,得到矫正后的深度。
本发明进一步的改进在于,进行步骤2)后进行以下过程:按照深度将多口井的有机碳含量和多口井的有机碳含量取样点深度的各个测井曲线值排序,得到排序后的数据表;再进行步骤4)。
本发明进一步的改进在于,步骤3)中,多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR具体过程以下过程得到:根据公式(1)求出多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR;
Δlog R=log(R/R基)+0.02(Δt-Δt基) (1)
式中,R、R基、Δt、Δt基分别为每一深度对应的RD测井曲线值、各段的RD基线值、每一深度对应的DT测井曲线值、各段的DT基线值。
本发明进一步的改进在于,步骤4)的具体过程为:根据对多口井的岩心的测量点对应的ΔlogR值,得到如下公式(2),通过公式(2)预测烃源岩总有机碳含量;
TOC=[a×lg(GR)+b×DEN+c]×Δlog R+ΔTOC (2)
其中,ΔTOC为有机碳含量背景值,DEN为密度,a、b、c为系数,R为相关系数。
本发明进一步的改进在于,相关系数R为:
其中,xi是测井曲线第i个测井参数值,是该测井曲线参数平均值,yi是第i个单井的TOC数值,是所有单井TOC平均值。
本发明进一步的改进在于,公式(2)中的系数a、b、c和有机碳含量背景值ΔTOC通过以下过程得到:
首先,将步骤3)得到的各深度点的GR值对数化,得到lg(GR);
其次,将公式(2)化简为公式(3):
TOC=a×Δlog R×lg(GR)+b×Δlog R×DEN+c×Δlog R+ΔTOC (3)
然后,由公式(3)得到公式(4):
TOC=A×lg(GR)+B×DEN+C×Δlog R+D (4)
通过三元拟合得到系数A、B、C、D;即:
最后,反代回公式(3),得到a、b、c和ΔTOC。
与现有技术相比,本发明具有的有益效果:本发明在Passy等人的提出的ΔlogR方法基础上,考虑到固体有机质(干酪根)的密度大约在1.0g/cm3-1.4g/cm3之间,远小于纯泥岩的密度,当泥页岩富含有机质时,随着埋深增加,其密度值会明显受到影响,因此,密度测井曲线在一定程度上可以反应TOC;而且烃源岩中常富含U等放射性元素,自然伽马测井曲线常出现高值,陆相沉积地层导电组分较高,使得电阻率曲线并没有明显的异常;且当烃源岩埋深较大时,强烈的压实作用使得声波时差较小,此时,将声波时差曲线和电阻率曲线反向叠合后的幅度差ΔlogR并不明显。因此本发明考虑使用GR曲线代替成熟度参数。由于本发明将密度(DEN)测井曲线和自然伽马(GR)测井曲线引入传统的ΔlogR方法,所以较好地解决了强压实的陆相烃源岩总有机碳TOC的预测问题。将本发明应用于研究区未用于建立模型的两口井,并计算相关系数和平均相对误差,显示预测结果良好。该方法不仅避免了传统ΔlogR方法需要对应成熟度参数(LOM)图版的繁琐过程,而且考虑了压实作用对烃源岩的影响,拓展了传统方法的使用范围,针对我国陆相深层烃源岩有较好的效果。
附图说明
图1为本发明的考虑密度因素的烃源岩总有机碳含量预测方法的流程图。
图2为ΔlogR方法识别高有机质地层原理图。
图3为东营组的烃源岩分为两段后TOC实测值和TOC拟合曲线的对比图,其中实线为拟合曲线,实心点为实测值。
图4为沙河街组的烃源岩分为两段后TOC实测值和TOC拟合曲线的对比图,其中实线为拟合曲线,实心点为实测值。
图5为该方法应用于BZ19-6-2井、BZ25-1-5井时的误差分析图,纵轴为预测TOC,横轴为实测TOC。其中,(a)为BZ19-6-2井,(b)为BZ25-1-5井。
图6为该方法应用于BZ25-1-5井烃源岩段的效果图,实线为TOC预测曲线,实心点为TOC岩心测试值。
具体实施方式
以下结合附图对该发明做详细描述。本发明利用收集的测井数据和岩心测试数据,通过分析计算,得到烃源岩段的总有机碳含量TOC的预测模型。
参见图1,本发明提供一种考虑密度因素的烃源岩总有机碳含量预测方法,包括以下步骤:
1)对多口井的岩心测量,得到有机碳含量;
2)通过石文软件或FORWARD软件,将各井的岩心的有机碳含量和对应井的测井曲线绘制在同一张图上,根据测井曲线解释的岩性和有机碳含量进行匹配,根据测井曲线的形态和有机碳含量的对应关系,对测量有机碳含量的深度微调,得到矫正后的深度;
其中,测井曲线包括深侧向电阻率(RD)曲线、声波时差(DT)曲线、自然伽马(GR)曲线和密度(DEN)曲线。测井曲线为曲线图道,有机碳含量数据为散点图道;
由于测井曲线深度和测量有机碳含量的深度存在岩电误差,所以需要适当的校正,遵循TOC实测值较高的点应当对应泥质含量较高的地层的原则。
3)读取多口井的有机碳含量取样点深度的各个测井曲线值,按照矫正后的深度将多口井的有机碳含量和其对应的各个测井曲线值排序,得到排序后的数据表;其中,测井曲线值包括RD值、DT值、GR值和DEN值。
4)依据烃源岩成熟度或年代地层表将烃源岩分段,人工拾取各段的侧向电阻率(RD)的基线值和声波时差(DT)的基线值,并求出多口井的岩心的测量点对应的ΔlogR值。
其中,ΔlogR值计算的过程为:使用排序后的数据表中每一深度对应的RD测井数值、DT测井数值和人工拾取各段的RD的基线值和DT的基线值按照公式(1)计算,得到各测量点的ΔlogR值:
Δlog R=log(R/R基)+0.02(Δt-Δt基) (1)
式中,R、R基、Δt、Δt基分别为每一深度对应的RD测井曲线值、各段的RD基线值、每一深度对应的DT测井曲线值、各段的DT基线值;
该方法原理是用一条可以反映岩石孔隙度的测井曲线(一般为声波时差,若没有可用中子测井或密度测井曲线代替)和电阻率曲线反向叠合,并以细颗粒的非烃源岩为基线,两条曲线的幅度差被定义为ΔlogR。
5)对多口井的岩心的测量点对应的ΔlogR值使用Matlab或SPSS软件多元线性回归方法得到下述公式(4)各项的系数,从而得到预测烃源岩总有机碳含量的公式(2),并计算TOC实测值和TOC预测值的相关系数,TOC预测值的计算过程为:
a)依据公式(2)计算有机碳含量TOC预测值:
TOC=[a×lg(GR)+b×DEN+c]×Δlog R+ΔTOC (2)
其中,ΔTOC为有机碳含量背景值;相关系数R计算公式为:
其中,R为相关系数,xi是测井曲线第i个测井参数值,是该测井曲线参数平均值,yi是第i个单井的TOC数值,是所有单井TOC平均值。
b)首先将步骤3)得到的各深度点的GR值对数化,得到lg(GR);
c)将公式(2)化简为公式(3):
TOC=a×Δlog R×lg(GR)+b×Δlog R×DEN+c×Δlog R+ΔTOC (3)
d)由公式(3)得到公式(4):
TOC=A×lg(GR)+B×DEN+C×Δlog R+D (4)
通过三元拟合得到系数A、B、C、D;即:
e)将系数反代回公式(3),得到a、b、c和ΔTOC,再根据公式(2),得到有机碳含量,实现预测。
实施例1
如图1所示,本发明涉及一种考虑密度因素的广义ΔlogR方法对烃源岩总有机碳TOC的预测,具体步骤如下:
传统的ΔlogR方法是基于海相、正常压实的地层提出,当将此方法套用至陆相地层时,会出现较大误差,原因是陆相沉积地层导电组分较高,使得电阻率曲线并没有明显的异常;且当烃源岩埋深较大时,强烈的压实作用使得声波时差较小,此时,将声波时差曲线和电阻率曲线反向叠合后的幅度差ΔlogR并不明显。因此考虑使用GR曲线代替成熟度参数。
由于固体有机质(干酪根)的密度大约在1.0g/cm3-1.4g/cm3之间,远小于纯泥岩的密度,因此,当泥页岩富含有机质时,其密度值会明显受到影响。因此,密度测井曲线在一定程度上可以反应TOC,在建立预测模型时,也可以将密度因素考虑进去。但是,将GR和DEN直接一起使用时,GR在数值上远大于DEN值,直接建立的模型可能主要受到GR影响,因此,首先将GR取其自然对数值,再建立模型。
获取各井深侧向电阻率(RD)、声波时差(DT)、自然伽马(GR)和密度(DEN)测井曲线和岩心测试数据(TOC),并将相同井的数据加载到石文软件或Forward等测井解释软件中。
根据测井曲线形态解释其岩性,并和岩心实测数据对比,遵循泥质含量越高,TOC测试数值越高的原则,对测试数据的深度值进行微调(一般不超过1m)。
随机挑选12口井(模型井)的有机碳实测值和其对应深度下的测井曲线数值,并按照统一深度排列。
如图2所示,该研究区将烃源岩分为两段,人工拾取两段的电阻率基线值和声波时差基线值,并求出每个实测点对应的ΔlogR值,使用各深度的RD、DT测井数值和其基线值按照公式(3)计算得到各点的ΔlogR值:
Δlog R=log(R/R基)+0.02(Δt-Δt基) (3)
使用Matlab或其他软件多元线性回归方法得到各项的系数,从而得到预测烃源岩总有机碳的公式:
a)TOC预测值计算依据公式(4):
TOC=[a×lg(GR)+b×DEN+c]×Δlog R+ΔTOC (4)
b)首先将各深度点的GR值对数化,得到lg(GR);
c)将公式(4)化简为公式(5):
TOC=a×Δlog R×lg(GR)+b×Δlog R×DEN+c×Δlog R+ΔTOC (5)
d)即公式(6):
TOC=A×lg(GR)+B×DEN+C×Δlog R+D (6)
通过三元拟合得到系数A、B、C、D;
相关系数计算公式为:
其中,R为相关系数,xi是测井曲线第i个测井参数值,是该测井曲线参数平均值,yi是第i个单井的TOC数值,是所有单井TOC平均值。
e)将系数反代回公式(5)、公式(4),得到a、b、c和ΔTOC。
如图3所示,东营组烃源岩TOC预测公式和相关系数为:
TOC东营组=[3.4177×lg(GR)-0.4644×DEN-3.4743]×Δlog R+0.3454 R2=0.8005 (8)
如图4所示,沙河街组组烃源岩TOC预测公式和相关系数为:
TOC沙河街组=[4.5723×lg(GR)+0.0595×DEN-6.8307]×Δlog R+0.96 R2=0.8722(9)
如图5和图6所示,将东营组和沙河街组烃源岩TOC的预测公式应用于研究区未用于建立模型的两口井,并计算相关系数和平均相对误差,结果显示良好。
本发明通过模型构建方法:获得研究区烃源岩处各井的有机碳含量实测值和对应的深度值,获得各深度对应的测井数值(电阻率、声波时差、自然伽马、密度),针对有机碳实测值的背景值对烃源岩进行分层,并选取模型点通过人工基线值拾取、logR的计算和多元线性回归对各层烃源岩建立模型公式,并应用于其他未用于建立模型的井。该方法不仅避免了传统ΔlogR方法需要对应成熟度参数(LOM)图版的繁琐过程,而且考虑了压实作用对烃源岩的影响,拓展了传统方法的使用范围,针对我国陆相深层烃源岩有较好的效果。
Claims (7)
1.一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,包括以下步骤:
1)对多口井的岩心测量,得到各井的岩心的有机碳含量;
2)通过软件将各井的岩心的有机碳含量和对应井的测井曲线绘制在同一张图上;其中,测井曲线包括RD曲线、DT曲线、GR曲线和DEN曲线;
3)依据烃源岩成熟度或年代地层表将烃源岩分段,人工拾取各段的RD的基线值和DT的基线值,根据各段的RD的基线值、各段的DT的基线值、每一深度对应的RD测井曲线值以及每一深度对应的DT测井曲线值,求出多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR;
4)根据对多口井的岩心的测量点对应的ΔlogR值,预测烃源岩总有机碳含量。
2.根据权利要求1所述的一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,步骤2)中,根据测井曲线的形态和有机碳含量的对应关系,对测量有机碳含量的深度矫正,得到矫正后的深度。
3.根据权利要求1所述的一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,进行步骤2)后进行以下过程:按照深度将多口井的有机碳含量和多口井的有机碳含量取样点深度的各个测井曲线值排序,得到排序后的数据表;再进行步骤4)。
4.根据权利要求1所述的一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,步骤3)中,多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR具体过程以下过程得到:根据公式(1)求出多口井的岩心的测量点对应的DT曲线和RD曲线反向叠合的幅度差ΔlogR;
ΔlogR=log(R/R基)+0.02(Δt-Δt基) (1)
式中,R、R基、Δt、Δt基分别为每一深度对应的RD测井曲线值、各段的RD基线值、每一深度对应的DT测井曲线值、各段的DT基线值。
5.根据权利要求1所述的一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,步骤4)的具体过程为:根据对多口井的岩心的测量点对应的ΔlogR值,得到如下公式(2),通过公式(2)预测烃源岩总有机碳含量;
TOC=[a×lg(GR)+b×DEN+c]×ΔlogR+ΔTOC (2)
其中,ΔTOC为有机碳含量背景值,DEN为密度,a、b、c为系数,R为相关系数。
6.根据权利要求5所述的一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,相关系数R为:
其中,xi是测井曲线第i个测井参数值,是该测井曲线参数平均值,yi是第i个单井的TOC数值,是所有单井TOC平均值。
7.根据权利要求5所述的一种考虑密度因素的烃源岩总有机碳含量预测方法,其特征在于,公式(2)中的系数a、b、c和有机碳含量背景值ΔTOC通过以下过程得到:
首先,将步骤3)得到的各深度点的GR值对数化,得到lg(GR);
其次,将公式(2)化简为公式(3):
TOC=a×ΔlogR×lg(GR)+b×ΔlogR×DEN+c×ΔlogR+ΔTOC (3)
然后,由公式(3)得到公式(4):
TOC=A×lg(GR)+B×DEN+C×ΔlogR+D (4)
通过三元拟合得到系数A、B、C、D;即:
最后,反代回公式(3),得到a、b、c和ΔTOC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910697275.8A CN110442951B (zh) | 2019-07-30 | 2019-07-30 | 一种考虑密度因素的烃源岩总有机碳含量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910697275.8A CN110442951B (zh) | 2019-07-30 | 2019-07-30 | 一种考虑密度因素的烃源岩总有机碳含量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110442951A true CN110442951A (zh) | 2019-11-12 |
CN110442951B CN110442951B (zh) | 2023-05-12 |
Family
ID=68432380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910697275.8A Active CN110442951B (zh) | 2019-07-30 | 2019-07-30 | 一种考虑密度因素的烃源岩总有机碳含量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110442951B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988997A (zh) * | 2019-12-27 | 2020-04-10 | 中国海洋石油集团有限公司 | 一种基于机器学习的烃源岩三维空间展布定量预测技术 |
CN111058840A (zh) * | 2019-12-18 | 2020-04-24 | 延安大学 | 一种基于高阶神经网络的有机碳含量(toc)评价方法 |
CN111949945A (zh) * | 2020-07-28 | 2020-11-17 | 中国石油大学(北京) | 一种确定烃源岩总有机碳含量的方法、装置、设备及系统 |
CN112666610A (zh) * | 2019-10-16 | 2021-04-16 | 中国石油化工股份有限公司 | 地层有机碳含量计算方法及系统 |
CN114063193A (zh) * | 2020-08-05 | 2022-02-18 | 中国石油化工股份有限公司 | 基于lld和gr联合刻度的致密砂岩密度测井曲线校正方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103792338A (zh) * | 2014-01-28 | 2014-05-14 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量的确定方法和装置 |
CN104278991A (zh) * | 2013-07-09 | 2015-01-14 | 中国石油化工股份有限公司 | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 |
CN104727813A (zh) * | 2015-02-12 | 2015-06-24 | 中国石油大学(华东) | 一种源储共生型地层的孔隙度测量方法 |
CN105626057A (zh) * | 2015-12-30 | 2016-06-01 | 陕西延长石油(集团)有限责任公司研究院 | 一种确定陆相页岩气有机碳含量的测井优化方法 |
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 |
WO2017024530A1 (zh) * | 2015-08-11 | 2017-02-16 | 深圳朝伟达科技有限公司 | 一种计算烃源岩中有机碳含量的方法 |
CN107313772A (zh) * | 2017-08-16 | 2017-11-03 | 长江大学 | 基于测井资料计算煤岩工业组分含量的方法 |
-
2019
- 2019-07-30 CN CN201910697275.8A patent/CN110442951B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104278991A (zh) * | 2013-07-09 | 2015-01-14 | 中国石油化工股份有限公司 | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 |
CN103792338A (zh) * | 2014-01-28 | 2014-05-14 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量的确定方法和装置 |
CN104727813A (zh) * | 2015-02-12 | 2015-06-24 | 中国石油大学(华东) | 一种源储共生型地层的孔隙度测量方法 |
WO2017024530A1 (zh) * | 2015-08-11 | 2017-02-16 | 深圳朝伟达科技有限公司 | 一种计算烃源岩中有机碳含量的方法 |
CN105626057A (zh) * | 2015-12-30 | 2016-06-01 | 陕西延长石油(集团)有限责任公司研究院 | 一种确定陆相页岩气有机碳含量的测井优化方法 |
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 |
CN107313772A (zh) * | 2017-08-16 | 2017-11-03 | 长江大学 | 基于测井资料计算煤岩工业组分含量的方法 |
Non-Patent Citations (2)
Title |
---|
Q.R.PASSEY等: "A Practical Model for Organic Richness from Porosity and Resistivity Logsl", 《AAPG BULLETIN》 * |
胡慧婷等: "广义ΔLgR技术预测陆相深层烃源岩有机碳含量方法及其应用", 《天然气地球科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112666610A (zh) * | 2019-10-16 | 2021-04-16 | 中国石油化工股份有限公司 | 地层有机碳含量计算方法及系统 |
CN112666610B (zh) * | 2019-10-16 | 2022-07-12 | 中国石油化工股份有限公司 | 地层有机碳含量计算方法及系统 |
CN111058840A (zh) * | 2019-12-18 | 2020-04-24 | 延安大学 | 一种基于高阶神经网络的有机碳含量(toc)评价方法 |
CN110988997A (zh) * | 2019-12-27 | 2020-04-10 | 中国海洋石油集团有限公司 | 一种基于机器学习的烃源岩三维空间展布定量预测技术 |
CN111949945A (zh) * | 2020-07-28 | 2020-11-17 | 中国石油大学(北京) | 一种确定烃源岩总有机碳含量的方法、装置、设备及系统 |
CN111949945B (zh) * | 2020-07-28 | 2023-10-17 | 中国石油大学(北京) | 一种确定烃源岩总有机碳含量的方法、装置、设备及系统 |
CN114063193A (zh) * | 2020-08-05 | 2022-02-18 | 中国石油化工股份有限公司 | 基于lld和gr联合刻度的致密砂岩密度测井曲线校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110442951B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110442951A (zh) | 一种考虑密度因素的烃源岩总有机碳含量预测方法 | |
CN110441813B (zh) | 一种湖相优质烃源岩的发育分布的预测方法 | |
CN105221133B (zh) | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 | |
CN104636588B (zh) | 计算烃源岩中有机碳含量的方法及装置 | |
CN103454685B (zh) | 利用测井约束波阻抗反演预测砂体厚度的方法和装置 | |
US20220170366A1 (en) | 3d in-situ characterization method for heterogeneity in generating and reserving performances of shale | |
CN101930082B (zh) | 采用电阻率资料进行储层流体类型判别的方法 | |
Yu et al. | Porosity estimation in kerogen-bearing shale gas reservoirs | |
Pizzuto et al. | Mathematical modeling of autocompaction of a Holocene transgressive valley-fill deposit, Wolfe Glade, Delaware | |
CN103993871B (zh) | 针对薄互层地层的测井资料标准化处理方法及装置 | |
CN107688206A (zh) | 一种高分辨率层序地层划分与对比方法 | |
CN104278991A (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
Jia et al. | Quantitative evaluation of oil shale based on well log and 3-D seismic technique in the Songliao Basin, northeast china. | |
CN103135135A (zh) | 一种基于疏松砂岩模型进行烃类定量预测的方法和装置 | |
CN106842326B (zh) | 无横波速度测井时砂泥互层co2地质封存时移地震正演模拟方法 | |
CN108717211A (zh) | 一种少井地区的有效烃源岩丰度的预测方法 | |
Cao et al. | Application of seismic sedimentology in predicating sedimentary microfacies and coalbed methane gas content | |
Chelini et al. | Gas shale reservoir characterization: a north Africa case | |
CN112049631A (zh) | 基于源岩-储层-脆性分析的海相页岩优质储层预测方法 | |
CN106568918B (zh) | 页岩有机碳含量toc预测方法 | |
Alshakhs et al. | Sweet-spot mapping through formation evaluation and property modelling using data from the Goldwyer Formation of the Barbwire Terrace, Canning Basin | |
Zhang et al. | Organic-rich source rock characterization and evaluation of the Cretaceous Qingshankou Formation: results from geophysical logs of the second scientific drilling borehole in the Songliao Basin, NE China | |
Guderian et al. | Draugen field–successful reservoir management using 4d seismic | |
Loan et al. | Rapid quantification of mineralogy, organic matter, and thermal maturity of cuttings with diffuse reflectance infrared Fourier transform spectroscopy (DRIFTS): A Permian Basin case study | |
Yan et al. | A log-based method for fine-scale evaluation of lithofacies and its applications to the Gulong shale in the Songliao Basin, Northeast 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 |