CN110888181B - 基于流体替换的井中流体因子敏感度计算方法及系统 - Google Patents
基于流体替换的井中流体因子敏感度计算方法及系统 Download PDFInfo
- Publication number
- CN110888181B CN110888181B CN201811050713.3A CN201811050713A CN110888181B CN 110888181 B CN110888181 B CN 110888181B CN 201811050713 A CN201811050713 A CN 201811050713A CN 110888181 B CN110888181 B CN 110888181B
- Authority
- CN
- China
- Prior art keywords
- model
- fluid
- wave velocity
- initial
- density
- 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
- 239000012530 fluid Substances 0.000 title claims abstract description 126
- 230000035945 sensitivity Effects 0.000 title claims abstract description 63
- 238000002637 fluid replacement therapy Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 title claims description 16
- 238000000034 method Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000006467 substitution reaction Methods 0.000 claims description 9
- 239000004215 Carbon black (E152) Substances 0.000 claims description 6
- 229930195733 hydrocarbon Natural products 0.000 claims description 6
- 150000002430 hydrocarbons Chemical class 0.000 claims description 6
- 239000003245 coal Substances 0.000 abstract description 6
- 239000003079 shale oil Substances 0.000 abstract description 6
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 239000011435 rock Substances 0.000 description 10
- 239000011148 porous material Substances 0.000 description 5
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 108010076282 Factor IX Proteins 0.000 description 1
- 108010054218 Factor VIII Proteins 0.000 description 1
- 102000001690 Factor VIII Human genes 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects 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
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
公开了一种基于流体替换的井中流体因子敏感度计算方法及系统。该方法包括：根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，确定储层位置，建立初始模型；对初始模型进行Gassmann流体替换，获得替换模型，计算替换模型的纵波速度、横波速度、密度；根据初始纵波速度、初始横波速度、初始密度与替换模型的纵波速度、横波速度、密度，分别计算初始模型与替换模型的多个流体识别因子；根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性。本发明通过Gassmann流体替换，确定流体识别因子及其敏感性，优选敏感性高的流体识别因子，有助于精确反应储层特征，寻找含油或者含气的储层，为常规油气、煤层气及页岩油气的勘探、开发服务。
Description
技术领域
本发明涉及油气、页岩油气及煤层气地震勘探与开发领域，更具体地，涉及一种基于流体替换的井中流体因子敏感度计算方法及系统。
背景技术
地下岩石实际上是由固体矿物和孔隙流体组成的多孔双相介质，孔隙流体的存在必然会影响多孔岩石的力学特征，从而使介质岩石表现出一定的弹性异常，在地震岩石物理模型构建及储层流体地震波响应分析基础上，可将与孔隙流体有关的异常特性表征为流体因子，因此，如何从构建的流体因子中优选出敏感的流体因子是关键。
在油气储层的识别研究中，大都通过获得储层AVO信息或地震资料信息中三个基本弹性参数(纵波速度、横波速度、密度)进行流体识别，而在实际应用中，对于不同流体类型的储层，这三个参数的应用有限，有时不是很敏感等，不能直接有效地进行流体识别分析。为此，近年来国内外的专家为了有效突出不同流体的物性差异，对上述的纵波速度、横波速度、密度进行了各种组合，如纵波阻抗、横波阻抗、泊松比等，这些组合的流体因子在一定程度上提高了流体识别的敏感程度。但是，面对数量日益增多的流体识别因子，在实际应用中，如何选择最灵敏的流体识别因子，是目前急需解决的重要问题。因此，有必要开发一种基于流体替换的井中流体因子敏感度计算方法及系统。
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
本发明提出了一种基于流体替换的井中流体因子敏感度计算方法及系统，其能够通过Gassmann流体替换，确定流体识别因子及其敏感性，优选敏感性高的流体识别因子，有助于精确反应储层特征，寻找含油或者含气的储层，为常规油气、煤层气及页岩油气的勘探、开发服务。
根据本发明的一方面，提出了一种基于流体替换的井中流体因子敏感度计算方法。所述方法可以包括：根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除所述测井曲线中的数据中的异常值，确定储层位置，建立初始模型；对所述初始模型进行Gassmann流体替换，获得替换模型，计算所述替换模型的纵波速度、横波速度、密度；根据所述初始纵波速度、所述初始横波速度、所述初始密度与所述替换模型的纵波速度、横波速度、密度，分别计算初始模型与替换模型的多个流体识别因子；根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性。
优选地，所述替换模型的纵波速度为：
其中，Vp为替换模型的纵波速度，Ksat为替换模型的体积模量，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
优选地，所述替换模型的横波速度为：
其中，Vs为替换模型的横波速度，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
优选地，所述替换模型的密度为：
ρsat＝(1-φ)ρma+φρfl (3)
其中，ρsat为替换模型的密度，ρfl为流体密度，ρma为骨架密度，φ为孔隙度。
优选地，通过公式(4)计算每个流体识别因子对应的敏感性：
其中，meanwater为水层的流体因子的均值，meangasoil为油气层的流体因子的均值，stdgasoil为油气层流体因子的方差。
根据本发明的另一方面，提出了一种基于流体替换的井中流体因子敏感度计算系统，其特征在于，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除所述测井曲线中的数据中的异常值，确定储层位置，建立初始模型；对所述初始模型进行Gassmann流体替换，获得替换模型，计算所述替换模型的纵波速度、横波速度、密度；根据所述初始纵波速度、所述初始横波速度、所述初始密度与所述替换模型的纵波速度、横波速度、密度，分别计算初始模型与替换模型的多个流体识别因子；根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性。
优选地，所述替换模型的纵波速度为：
其中，Vp为替换模型的纵波速度，Ksat为替换模型的体积模量，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
优选地，所述替换模型的横波速度为：
其中，Vs为替换模型的横波速度，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
优选地，所述替换模型的密度为：
ρsat＝(1-φ)ρma+φρfl (3)
其中，ρsat为替换模型的密度，ρfl为流体密度，ρma为骨架密度，φ为孔隙度。
优选地，通过公式(4)计算每个流体识别因子对应的敏感性：
其中，meanwater为水层的流体因子的均值，meangasoil为油气层的流体因子的均值，stdgasoil为油气层流体因子的方差。
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方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式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例进行更详细的描述，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例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的基于流体替换的井中流体因子敏感度计算方法的步骤的流程图。
图2示出了根据本发明的一个实施例的18种流体识别因子的敏感性的直方图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，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例所限制。相反，提供这些实施例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示出了根据本发明的基于流体替换的井中流体因子敏感度计算方法的步骤的流程图。
在该实施例中，根据本发明的基于流体替换的井中流体因子敏感度计算方法可以包括：步骤101，根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除测井曲线中的数据中的异常值，确定储层位置，建立初始模型；步骤102，对初始模型进行Gassmann流体替换，获得替换模型，计算替换模型的纵波速度、横波速度、密度；步骤103，根据初始纵波速度、初始横波速度、初始密度与替换模型的纵波速度、横波速度、密度，分别计算初始模型与替换模型的多个流体识别因子；以及步骤104，根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性。
在一个示例中，替换模型的纵波速度为：
其中，Vp为替换模型的纵波速度，Ksat为替换模型的体积模量，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
在一个示例中，替换模型的横波速度为：
其中，Vs为替换模型的横波速度，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
在一个示例中，替换模型的密度为：
ρsat＝(1-φ)ρma+φρfl (3)
其中，ρsat为替换模型的密度，ρfl为流体密度，ρma为骨架密度，φ为孔隙度。
在一个示例中，通过公式(4)计算每个流体识别因子对应的敏感性：
其中，meanwater为水层的流体因子的均值，meangasoil为油气层的流体因子的均值，stdgasoil为油气层流体因子的方差。
具体地，根据本发明的基于流体替换的井中流体因子敏感度计算方法可以包括：
根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除测井曲线中的数据中的异常值，确定储层位置，输入储层的油气水含量，三者相加总含量为100％，油气水的弹性参数和模量参数(体积模量、剪切模量)，设置岩石的骨架和泥质特性，即岩石的弹性参数(纵波速度、横波速度、密度)和模量参数(体积模量、剪切模量)，获得初始模型。
设置Gassmann流体替换后储层孔隙中的油气水的含量，三者相加总含量为100％，根据Gassmann流体替换公式和Wood模型对初始模型进行Gassmann流体替换，获得替换模型，通过公式(1)计算替换模型的纵波速度，通过公式(2)计算替换模型的横波速度，通过公式(3)计算替换模型的密度。
根据初始纵波速度、初始横波速度、初始密度与替换模型的纵波速度、横波速度、密度，通过流体识别因子计算公式，分别计算初始模型与替换模型的多个流体识别因子。
根据流体因子敏感性公式，通过公式(4)计算每个流体识别因子对应的敏感性，敏感度的数值越大，说明流体识别因子的敏感性越好，区分这两种流体的能力越强，可以将优选出来流体识别因子，应用于同工区中其它未知的测井。
本方法通过Gassmann流体替换，确定流体识别因子及其敏感性，优选敏感性高的流体识别因子，有助于精确反应储层特征，寻找含油或者含气的储层，为常规油气、煤层气及页岩油气的勘探、开发服务。
应用示例
为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
根据本发明的基于流体替换的井中流体因子敏感度计算方法可以包括：
根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除测井曲线中的数据中的异常值，确定储层位置，输入储层的油气水含量，三者相加总含量为100％，油气水的弹性参数和模量参数(体积模量、剪切模量)，设置岩石的骨架和泥质特性，即岩石的弹性参数(纵波速度、横波速度、密度)和模量参数(体积模量、剪切模量)，获得初始模型。
设置Gassmann流体替换后储层孔隙中的油气水的含量，三者相加总含量为100％，根据Gassmann流体替换公式和Wood模型对初始模型进行Gassmann流体替换，获得替换模型，通过公式(1)计算替换模型的纵波速度，通过公式(2)计算替换模型的横波速度，通过公式(3)计算替换模型的密度。
根据初始纵波速度、初始横波速度、初始密度与替换模型的纵波速度、横波速度、密度，通过流体识别因子计算公式，分别计算初始模型与替换模型的18个流体识别因子，如表1所示。
表1
| 序号 | 流体因子 | 序号 | 流体因子 |
| 1 | 纵波速度 | 10 | 拉梅系数泊松比 |
| 2 | 纵波阻抗 | 11 | Gassman流体项泊松比 |
| 3 | 拉梅系数密度 | 12 | 阻抗比 |
| 4 | 剪切模量密度 | 13 | Gassman流体项孔隙度 |
| 5 | Gassmann流体项 | 14 | 密度 |
| 6 | 泊松比 | 15 | 阻抗差 |
| 7 | 横波阻抗 | 16 | Russell因子 |
| 8 | 横波速度 | 17 | HSFIF流体因子 |
| 9 | 流体压缩系数 | 18 | 泊松阻抗 |
其中，纵波速度：Vp；纵波阻抗：Ip＝ρ×Vp；第一拉梅系数密度λρ：
第二拉梅系数密度μρ：
Gassman流体项：
c为干岩石纵横波速度平方比；泊松比：
横波阻抗：Is＝ρ×Vs；横波速度：Vs；流体压缩系数：
第一拉梅系数泊松比λσ：
Gassman流体项泊松比fσ：
c为干岩石纵横波速度平方比；阻抗比(纵横波速度比)：
Gassman流体项孔隙度Kf：
φc临界孔隙度；密度：ρ；阻抗差：Ip-Is；Russell因子ρf：
c为调节参数；HSFIF流体因子σHSFIF：
B为调节参数；泊松阻抗：PI＝ρ(Vp-cVs)。
图2示出了根据本发明的一个实施例的18种流体识别因子的敏感性的直方图。
根据流体因子敏感性公式，通过公式(4)计算每个流体识别因子对应的敏感性，如图2所示，敏感度的数值越大，说明流体识别因子的敏感性越好，区分这两种流体的能力越强，可以将优选出来流体识别因子，应用于同工区中其它未知的测井。
综上所述，本发明通过Gassmann流体替换，确定流体识别因子及其敏感性，优选敏感性高的流体识别因子，有助于精确反应储层特征，寻找含油或者含气的储层，为常规油气、煤层气及页岩油气的勘探、开发服务。
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。
根据本发明的实施例，提供了一种基于流体替换的井中流体因子敏感度计算系统，其特征在于，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除测井曲线中的数据中的异常值，确定储层位置，建立初始模型；对初始模型进行Gassmann流体替换，获得替换模型，计算替换模型的纵波速度、横波速度、密度；根据初始纵波速度、初始横波速度、初始密度与替换模型的纵波速度、横波速度、密度，计算多个流体识别因子；根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性。
在一个示例中，替换模型的纵波速度为：
其中，Vp为替换模型的纵波速度，Ksat为替换模型的体积模量，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
在一个示例中，替换模型的横波速度为：
其中，Vs为替换模型的横波速度，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
在一个示例中，替换模型的密度为：
ρsat＝(1-φ)ρma+φρfl (3)
其中，ρsat为替换模型的密度，ρfl为流体密度，ρma为骨架密度，φ为孔隙度。
在一个示例中，通过公式(4)计算每个流体识别因子对应的敏感性：
其中，meanwater为水层的流体因子的均值，meangasoil为油气层的流体因子的均值，stdgasoil为油气层流体因子的方差。
本系统通过Gassmann流体替换，确定流体识别因子及其敏感性，优选敏感性高的流体识别因子，有助于精确反应储层特征，寻找含油或者含气的储层，为常规油气、煤层气及页岩油气的勘探、开发服务。
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。
Claims (8)
1.一种基于流体替换的井中流体因子敏感度计算方法，其特征在于，包括：
根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除所述测井曲线中的数据中的异常值，确定储层位置，建立初始模型；
对所述初始模型进行Gassmann流体替换，获得替换模型，计算所述替换模型的纵波速度、横波速度、密度；
根据所述初始纵波速度、所述初始横波速度、所述初始密度与所述替换模型的纵波速度、横波速度、密度，分别计算初始模型与替换模型的多个流体识别因子；
根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性；
其中，通过公式(4)计算每个流体识别因子对应的敏感性：
其中，meanwater为水层的流体因子的均值，meangasoil为油气层的流体因子的均值，stdgasoil为油气层流体因子的方差。
2.根据权利要求1所述的基于流体替换的井中流体因子敏感度计算方法，其中，所述替换模型的纵波速度为：
其中，Vp为替换模型的纵波速度，Ksat为替换模型的体积模量，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
3.根据权利要求1所述的基于流体替换的井中流体因子敏感度计算方法，其中，所述替换模型的横波速度为：
其中，Vs为替换模型的横波速度，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
4.根据权利要求1所述的基于流体替换的井中流体因子敏感度计算方法，其中，所述替换模型的密度为：
ρsat＝(1-φ)ρma+φρfl (3)
其中，ρsat为替换模型的密度，ρfl为流体密度，ρma为骨架密度，φ为孔隙度。
5.一种基于流体替换的井中流体因子敏感度计算系统，其特征在于，该系统包括：
存储器，存储有计算机可执行指令；
处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：
根据包含初始纵波速度、初始横波速度、初始密度的测井曲线，删除所述测井曲线中的数据中的异常值，确定储层位置，建立初始模型；
对所述初始模型进行Gassmann流体替换，获得替换模型，计算所述替换模型的纵波速度、横波速度、密度；
根据所述初始纵波速度、所述初始横波速度、所述初始密度与所述替换模型的纵波速度、横波速度、密度，分别计算初始模型与替换模型的多个流体识别因子；
根据流体因子敏感性公式，计算每个流体识别因子对应的敏感性；
其中，通过公式(4)计算每个流体识别因子对应的敏感性：
其中，meanwater为水层的流体因子的均值，meangasoil为油气层的流体因子的均值，stdgasoil为油气层流体因子的方差。
6.根据权利要求5所述的基于流体替换的井中流体因子敏感度计算系统，其中，所述替换模型的纵波速度为：
其中，Vp为替换模型的纵波速度，Ksat为替换模型的体积模量，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
7.根据权利要求5所述的基于流体替换的井中流体因子敏感度计算系统，其中，所述替换模型的横波速度为：
其中，Vs为替换模型的横波速度，μsat为替换模型的剪切模量，ρsat为替换模型的密度。
8.根据权利要求5所述的基于流体替换的井中流体因子敏感度计算系统，其中，所述替换模型的密度为：
ρsat＝(1-φ)ρma+φρfl (3)
其中，ρsat为替换模型的密度，ρfl为流体密度，ρma为骨架密度，φ为孔隙度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811050713.3A CN110888181B (zh) | 2018-09-10 | 2018-09-10 | 基于流体替换的井中流体因子敏感度计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811050713.3A CN110888181B (zh) | 2018-09-10 | 2018-09-10 | 基于流体替换的井中流体因子敏感度计算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110888181A CN110888181A (zh) | 2020-03-17 |
| CN110888181B true CN110888181B (zh) | 2021-10-22 |
Family
ID=69745073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811050713.3A Active CN110888181B (zh) | 2018-09-10 | 2018-09-10 | 基于流体替换的井中流体因子敏感度计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110888181B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111753871B (zh) * | 2020-05-11 | 2022-12-16 | 同济大学 | 基于xgboost算法与特征工程的岩性及流体类型识别方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101446645B (zh) * | 2007-11-27 | 2011-08-03 | 中国石油天然气股份有限公司 | 一种利用地震流体阻抗进行流体确定的方法 |
| CN102830423B (zh) * | 2012-08-30 | 2015-04-08 | 中国石油天然气股份有限公司 | 储层流体检测方法和储层流体检测装置 |
| CN104714252A (zh) * | 2014-03-04 | 2015-06-17 | 中国石油化工股份有限公司 | 分析流体因子敏感性的方法 |
| CN105487122B (zh) * | 2014-09-18 | 2018-03-09 | 中国石油化工股份有限公司 | 用于确定储层流体识别因子的敏感性的方法及系统 |
| CN104267430B (zh) * | 2014-09-30 | 2017-07-07 | 中国石油天然气股份有限公司 | 确定地震流体敏感因子的方法及装置 |
| CN104714249A (zh) * | 2014-11-07 | 2015-06-17 | 中国石油化工股份有限公司 | 直接提取流体因子的新方法 |
| US20170212275A1 (en) * | 2016-01-22 | 2017-07-27 | Chevron U.S.A. Inc. | System and method for modeling the effects of fluid changes in low porosity hydrocarbon reservoirs |
| CN107656315B (zh) * | 2017-08-23 | 2019-09-06 | 中国石油天然气股份有限公司 | 储层流体因子的确定方法和装置 |
-
2018
- 2018-09-10 CN CN201811050713.3A patent/CN110888181B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110888181A (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chehrazi et al. | Pore-facies as a tool for incorporation of small-scale dynamic information in integrated reservoir studies | |
| Worthington | The application of cutoffs in integrated reservoir studies | |
| CN109061763B (zh) | 碳酸盐岩断溶体油藏洞穴测井综合评价方法 | |
| Luffel et al. | Travis Peak core permeability and porosity relationships at reservoir stress | |
| CN105572747A (zh) | 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法 | |
| Wang et al. | Fractal Analysis of Microscale and Nanoscale Pore Structures in Carbonates Using High‐Pressure Mercury Intrusion | |
| Askari et al. | A fully integrated method for dynamic rock type characterization development in one of Iranian off-shore oil reservoir | |
| Sajed et al. | Reservoir quality estimation using a new ternary diagram approach applied to carbonate formations in north-western Iraq | |
| Kharrat et al. | Rock typeand permeability prediction of a heterogeneous carbonate reservoir using artificial neural networks based on flow zone index approach | |
| Lazim et al. | Permeability estimation for carbonate reservoir (Case study/South Iraqi Field) | |
| CN110888181B (zh) | 基于流体替换的井中流体因子敏感度计算方法及系统 | |
| Kasha et al. | Machine learning for capillary pressure estimation | |
| Ringrose et al. | Use of geology in the interpretation of core-scale relative permeability data | |
| CN113011626A (zh) | 地层压力预测模型的构建方法、地层压力预测方法和装置 | |
| Al-Rikaby et al. | Identification of reservoir flow zone & permeability estimation | |
| Lacentre et al. | A method to estimate permeability on uncored wells based on well logs and core data | |
| Lawal et al. | A robust Approach to flow unit zonation | |
| Rincones et al. | Effective petrophysical fracture characterization using the flow unit concept-San Juan reservoir, Orocual Field, Venezuela | |
| CN110062897B (zh) | 使用自组织映射来进行的岩石物理场评估 | |
| Faramarzi et al. | Saturation-functions models in CO2-brine system: A comparative study | |
| AU2012396846B2 (en) | System, method and computer program product for evaluating and ranking geobodies using a Euler Characteristic | |
| Gary et al. | A Carbonate Case Study Investigation Using a Petrophysical Rock Type Workflow Using Deterministic to Machine Learning and Introducing Multi-Well Capillary Saturation Height Modeling. | |
| Gunter et al. | Integrating Rock Typing Methods Including Empirical, Deterministic, Statistical, Probabilistic, Predictive Techniques and New Applications for Practical Reservoir Characterization | |
| US20250021729A1 (en) | Porosity-assisted facies modeling for hydrocarbon extraction | |
| Holtz et al. | Integrated geological and petrophysical characterization of Permian shallow-water dolostone |
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 |