CN110907324A - 一种碳酸盐岩孔隙成分分析方法及系统 - Google Patents
一种碳酸盐岩孔隙成分分析方法及系统 Download PDFInfo
- Publication number
- CN110907324A CN110907324A CN201811073185.3A CN201811073185A CN110907324A CN 110907324 A CN110907324 A CN 110907324A CN 201811073185 A CN201811073185 A CN 201811073185A CN 110907324 A CN110907324 A CN 110907324A
- Authority
- CN
- China
- Prior art keywords
- pore
- wave velocity
- predicted
- rock
- pores
- 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
- 239000011148 porous material Substances 0.000 title claims abstract description 144
- 239000011435 rock Substances 0.000 title claims abstract description 78
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 title claims abstract description 39
- 239000000203 mixture Substances 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 14
- 239000004927 clay Substances 0.000 claims description 22
- 229910052570 clay Inorganic materials 0.000 claims description 22
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 13
- 239000011707 mineral Substances 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 230000003628 erosive effect Effects 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 238000002591 computed tomography Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 229910021532 Calcite Inorganic materials 0.000 claims description 4
- 229910000514 dolomite Inorganic materials 0.000 claims description 4
- 239000010459 dolomite Substances 0.000 claims description 4
- 239000002734 clay mineral Substances 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 2
- 238000010008 shearing Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000004069 differentiation Effects 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000004071 biological effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002925 chemical effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6244—Porosity
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种碳酸盐岩孔隙成分分析方法及系统，属于岩石物理领域。该方法包括：(1)采集碳酸盐岩的岩心，对岩心进行测量，获得实验纵波速度和实验横波速度；(2)建立等效介质模型，利用等效介质模型进行预测得到预测纵波速度和预测横波速度；(3)利用预测纵波速度和预测横波速度与实验纵波速度和实验横波速度反演得到岩心中的每种孔隙类型的体积含量。本发明充分考虑到岩石在成岩过程中孔隙的分化作用，结合了地区的岩石物理实验数据和认识，大大降低了解释成本；可以被应用于岩心和测井资料的解释，可以明确碳酸盐岩储层的孔隙分布特征,有利于解释人员推演地质演化过程，指导地震资料反演和解释，为优质储层评价提供有力参考。
Description
技术领域
本发明属于岩石物理领域，具体涉及一种碳酸盐岩孔隙成分分析方法及系统。
背景技术
碳酸盐岩储层的形成往往经历了复杂的地质作用、生物作用和化学作用，孔隙类型要比砂岩复杂得多。早期形成原生孔隙与后期改造引起的次生孔隙往往是伴生的。碳酸盐岩的孔隙成分是推演地质演化过程和指导地震资料解释的重要依据，也是评价优质储层经济价值的重要指标。
中国专利公开文献201610573709.X公开了一种碳酸盐岩储层溶蚀孔隙体积含量预测方法，该方案仅仅考虑了溶蚀孔一种孔隙的含量。工业广泛应用的孔隙空间分析方法为对岩心进行CT扫描后做数量统计。这类方法在准确度较高的同时也带来了巨大的时间成本和人工计算成本。并且始终不能突破尺度局限，也就是说只能局限在实验室内做小范围统计，无法推广到测井或地震等大规模数据。这样一来就不利于地质人员对较大范围内的沉积演化过程进行推演。
发明内容
本发明的目的在于解决上述现有技术中存在的难题，提供一种碳酸盐岩孔隙成分分析方法及系统，重点解决如何在大规模开展微观结构扫描实验之前，利用声波速度估算多种孔隙类型伴生的油藏环境中每种孔隙类型所占的体积分数。
本发明是通过以下技术方案实现的：
一种碳酸盐岩孔隙成分分析方法，包括：
(1)采集碳酸盐岩的岩心，对岩心进行测量，获得实验纵波速度和实验横波速度；
(2)建立等效介质模型，利用等效介质模型进行预测得到预测纵波速度和预测横波速度；
(3)利用预测纵波速度和预测横波速度与实验纵波速度和实验横波速度反演得到岩心中的每种孔隙类型的体积含量。
所述步骤(2)的操作包括：
(21)建立微分方程：
其中，
表示岩心的总孔隙度；α是孔隙纵横比；
K和μ表示主相材料的体积模量和剪切模量；
K’和μ’表示加入孔隙之后材料的体积模量和剪切模量；
l表示不同的孔隙类型，l∈[M IP S]，M，IP和S分别为针对微裂缝型孔隙、粒间孔型孔隙和溶蚀孔型孔隙；
Tiijj和F是材料中对同一入射波的散射波场，其中Tiijj是胀缩力引起的散射波场，F是剪切力引起的散射波场；
(22)计算所述微分方程的初始条件：K(0)＝Km和μ(0)＝Um：
式中，K和U分别为体积模量和剪切模量，下标m表示混合矿物参数，V和R分别代表了矿物的Voigt和Reuss界限；
ρm＝vcalρcal+vdolρdol+vclayρclay
KV＝vcalKcal+vdolKdol+VclayKclay
UV＝vcalUcal+vdolUdol+vclayUclay
下标cal，dol和clay分别表示方解石、白云石和黏土矿物；
ρm表示混合矿物的密度；
(23)岩心的总孔隙度为
从碳酸盐岩CT扫描的孔隙统计数据得到3种孔隙的孔隙纵横比，假设3种孔隙的体积含量分别为vM、vIP和vS,vM+vIP+vS＝1，则3种孔隙的孔隙度分别为：
将K(0)、μ(0)作为K、μ代入公式(3)中开始迭代，在每次迭代中均利用公式(3)计算得到模量K’和μ’的值，将本次迭代得到的K’和μ’作为下一次迭代的初始岩石模量K和μ；迭代过程中是依次增加各种孔隙，直到所有类型的孔隙增加完毕，则迭代终止，得到最新的K’和μ’；
(24)将步骤(23)得到的最新的K’和μ’作为K和μ，利用下式计算得到预测纵波速度和预测横波速度：
Vp、Vs分别表示预测纵波速度和预测横波速度，ρ为碳酸盐岩的密度；
当假设不同的3种孔隙的体积含量时，利用步骤(23)得到的是不同的K和μ的值，相应的，利用步骤(24)得到的是不同的预测纵波速度和预测横波速度。
所述步骤(23)中的依次增加各种孔隙，直到所有类型的孔隙增加完毕，则迭代终止，得到最新的K’和μ’的操作包括：
将微裂缝型孔隙的孔隙度从0％依次到增加
每次增加后利用公式(3)计算得到K’和μ’，将K’和μ’作为下一次迭代的初始岩石模量K和μ；多次迭代后，微裂缝型孔隙的孔隙度增加到
当微裂缝型孔隙的孔隙度增加到
后，将粒间孔型孔隙的孔隙度从0％依次增加到
每次增加后利用公式(3)计算K’和μ’，将K’和μ’作为下一次迭代的初始岩石模量K和μ；多次迭代后，粒间孔型孔隙的孔隙度增加到
当粒间孔型孔隙的孔隙度增加到
后，将溶蚀孔型孔隙的孔隙度从0％依次增加到
每次增加后利用公式(3)计算K’和μ’，将K’和μ’作为下一次迭代的初始岩石模量K和μ；多次迭代后，溶蚀孔型孔隙的孔隙度增加到
当溶蚀孔型孔隙的孔隙度增加到
后，迭代终止，得到最新的K’和μ’。
所述步骤(3)的操作包括：
(31)利用预测纵波速度和预测横波速度与实验纵波速度和实验横波速度建立目标函数；
(32)通过全局最优化算法求解得到使目标函数的值最小时的两种孔隙类型的体积含量；
(33)利用步骤(32)得到的两种孔隙类型的体积含量计算得到第三种孔隙类型的体积含量。
所述步骤(31)建立的目标函数如下：
其中，
VS OBS分别表示实验纵波速度、实验横波速度；
λ1和λ2是权系数；
公式(7)中的v1、v2取vM、vIP和vS中的任意两个。
所述步骤(32)的全局最优化算法采用遗传算法或者粒子群算法。
所述步骤(32)的操作包括：
每次将步骤(24)得到的预测纵波速度和预测横波速度代入公式(7)得到一个目标函数的值；不同的预测纵波速度和预测横波速度对应不同的目标函数的值；
利用全局最优化算法找到使目标函数的值最小时的两种孔隙类型的体积含量。
所述步骤(33)的操作包括：
利用下式计算第三种孔隙类型的体积含量：
vM+vIP+vS＝1 (2)。
本发明还提供一种碳酸盐岩孔隙成分分析系统，包括：
岩心测量单元：对岩心进行测量得到实验纵波速度和实验横波速度；
预测单元：利用等效介质模型进行预测得到预测纵波速度和预测横波速度；
反演单元：分别与岩心测量单元、预测单元连接；根据岩心测量单元得到的实验纵波速度和实验横波速度和预测单元得到的预测纵波速度和预测横波速度构建目标函数；通过全局最优算法求解得到孔隙类型的体积含量值。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行的至少一个程序，所述至少一个程序被所述计算机执行时使所述计算机执行本发明的碳酸盐岩孔隙成分分析方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明在描述碳酸盐岩微观特征时，充分考虑到了岩石在成岩过程中孔隙的分化作用，结合了地区的岩石物理实验数据和认识，大大降低了解释成本。理论上，本发明结合Voigt-Reuss-Hill平均、微分等效介质模型等岩石物理理论和全局最优化搜索算法，给出了一种从声波速度对微观孔隙含量的直接估计方法，可以被应用于岩心和测井资料的解释，可以明确碳酸盐岩储层的孔隙分布特征,有利于解释人员推演地质演化过程，指导地震资料反演和解释，为优质储层评价提供有力参考。
附图说明
图1本发明方法的步骤框图；
图2某地区储层段74块岩心的微观孔隙成分分析结果；
图3-1等效介质预测声波速度与实际测量结果的交绘图
图3-2等效介质预测声波速度与实际测量结果的交绘图
具体实施方式
下面结合附图对本发明作进一步详细描述：
本发明属于岩石物理领域，主要涉及方法有Voigt-Reuss-Hill平均、微分等效介质模型等岩石物理理论和全局最优化搜索算法。实验证明该发明可以明确碳酸盐岩储层的孔隙分布特征,有利于解释人员推演地质演化过程，指导地震资料反演和解释，为优质储层评价提供有力参考。
本发明孔隙类型可以多元，至少包含了三种。此外，本发明用的等效介质模型是Xu-Payne模型。
如图1所示，本发明方法具体包含如下几步：
(1)碳酸盐岩岩石物理实验与分析：
碳酸盐岩储层的形成往往经历了复杂的地质作用、生物作用和化学作用，孔隙类型要比砂岩复杂得多。早期形成原生孔隙与后期改造引起的次生孔隙往往是伴生的。在地质和地球物理学科中，通常将这些孔隙按照成因和几何形态分成三大类，即：以溶蚀孔洞为主的球状孔隙，以微裂缝为主的扁平孔隙和以粒间孔为主的次球状孔隙。若将孔隙近似成椭球体，那么可以用它们各自的特征纵横比值(α)来区分孔隙类型。因为经历了类似的沉积演化等地质过程，对于同一地区的同一地层中发育孔隙的特征纵横的数值可以通过大量统计岩心CT扫描来统计和平均。
那么可以直接将岩石的总孔隙度切分成不同孔隙类型所占的孔隙度，即：
其中，
代表总孔隙度，v表示体积含量，下标M，IP和S分别为针对微裂缝型、粒间孔型和溶蚀孔型的岩石孔隙(分别对应上面的扁平孔隙、次球状孔隙和球状孔隙)。因此有，
vM+vIP+vS＝1 (2)
体积含量在同一地层中横向变化很大，是评价储层的关键参数。如果全部依靠实验来统计成本是很高的。
图1中的岩心经过测量后得到的是声波测量结果，包括实验纵波速度和实验横波速度。
(2)等效介质模型建立：
等效介质模型是用来预测不同微观参数组合下，岩石宏观的弹性参数响应情况的理论。针对碳酸盐岩来说，Xu-Payne模型(Xu-Payne模型是从公式3到6的整个流程的统称)是目前国内外最新，且应用效果最广的模型。在建模过程中，需要逐步将少量孔隙通过微分等效介质模型(DEM)添加进来。
K和μ表示主相材料的体积模量和剪切模量，K’和μ’表示加入孔隙之后材料的体积模量和剪切模量，下标l表示不同的孔隙类型，n表示孔隙的种类数，对于碳酸盐岩一般认为l∈[M IP S]，n＝3。Tiijj和F是材料中一次散射波场(是对同一入射波的散射响应，区别在于T是胀缩力引起的，F是剪切力引起的相关分量)，为孔隙纵横比的函数(Tiijj、F的值的计算公式具体可以参考《岩石物理手册》107～109页)。其中,微分方程的初始条件为固体矿物混合物本身的弹性性质，即K(0)＝Km和μ(0)＝Um。固体矿物混合物的弹性模量通常根据Voigt-Reuss-Hill平均理论(1952)来计算：
式中，K和U分别为体积模量和剪切模量，下标m表示混合矿物参数，V和R分别代表了矿物的Voigt和Reuss界限。碳酸盐岩通常具有造岩矿物单一的特点，一般只含有方解石、白云石和黏土三种，此时固相矿物混合物的性质由下式计算：
ρm＝vcalρcal+vdolρdol+vclayρclay
KV＝vcalKcal+vdolKdol+VclayKclay
UV＝vcalUcal+vdolUdol+vclayUclay
公式(5)中的每种矿物基质的模量是确定值，直接查表得到，体积含量v可以通过实验室的薄片鉴定确定，也可在测井中通过gamma测井或者密度测井曲线换算得到。
下标cal，dol和clay分别表示方解石、白云石和黏土矿物的参数。
迭代过程如下：初始给出孔隙度，迭代的也是孔隙度，每次迭代增加一种孔隙，一种加完再增加第二种孔隙，以此类推。第一次计算时K和μ采用的是Km和Um，每一次迭代把很小的孔隙加入到原来的岩石中，利用公式(3)计算得到模量K’和μ’的值，将这次迭代计算得到的K’和μ’的值作为下一次迭代的初始岩石模量K和μ，再利用公式(3)计算新的K’和μ’的值。如此迭代直到把所有孔隙度加完
比如说，假设岩石只有A和B两类孔隙即A、B各占50％，总孔隙度是10％，那等于是岩石A类孔隙度是5％，迭代时候先算A，A类孔隙的孔隙度从百分之0逐渐增加到5％，这时得到的岩石模量再作为新的状态，往里加B类孔隙，从0加到5％，当分两批加的孔隙总量等于总孔隙度
时，视为迭代终止。
迭代终止后将公式(3)得到的K和μ代入到公式(6)中得到的纵波速度和横波速度：
Vp、Vs分别表示纵波速度和横波速度。
(3)岩石孔隙成分反演：
无论是在实验室还是测井，声波速度获取的时间和经济成本要比CT扫描或成像测井等方法低廉得多。也就是说，从声波速度获取更多储层信息是最佳的研究手段。本发明通过等效介质模型预测速度与声波测量结果进行匹配(该匹配就是通过下面的公式(7)实现的)，使用全局最优化算法搜索体积含量的最优解。
由于孔隙成分有公式(2)的关系，所以实际待反演参数选取vM、vIP和vS中的任意两个即可。孔隙类型的特征值从CT扫描的孔隙统计数据(CT扫描数据，可以直接用成熟软件将测试岩石样品内所有孔隙的数量和每个孔隙的纵横比都解释出来)中提取其分布的峰值(提取的是孔隙纵横比的峰值，即公式(3)中的α，对于碳酸盐岩来说微观统计上一般都具有三峰值的特征(三峰值分别对应3种孔隙的孔隙纵横比)(提取到3个峰值后，在迭代过程中，这3个峰值是不变的，即为常数)。本发明按照模型预测误差最小化原则设置目标函数：
其中，上标OBS和MOD分别表示实验观察速度值(即声波测量结果)和模型预测速度值(即等效介质模型预测速度)。这里λ1和λ2是权系数(根据数据质量确定这两个参数的值，如果纵波质量好就λ1大一些，横波质量好就λ2大一些)。公式(7)中v1、v2表示vM、vIP和vS中的任意两个，通过全局最优化算法(如遗传算法、粒子群算法等(不同的算法搜索逻辑不一样，计算效率和精度会有所差别，有的收敛速度快但精度一般，有的精度高但速度慢，工作中应该参考实际成本和需求来选择合适的算法))求解得到使目标函数J的值最小时的目标函数中的两种孔隙类型的体积含量，然后根据公式(2)得到剩下的一个孔隙类型的体积含量。
公式(7)中的
VS MOD均是任意两个体积分量的函数，体现在公式(3)中，公式(3)中的vl就是特定孔隙所占的体积含量，利用公式(3)算出来的K和μ带进公式(6)得到
VS MOD。
图3-1和图3-2中的Inv表示反演结果，MOD是模型预测值，在反演过程中模型预测值有非常多个，但是只取最满足公式(7)的那一个作为反演值输出，该值就是Inv。
本发明方法的实施例如下：
图2显示了针对某地区深部碳酸盐岩储层的井中岩心样品74块所做的孔隙特征分析效果。图中三个坐标轴(X，Y，Z)分别是溶孔体积含量、粒间孔体积含量和微裂缝体积含量，灰度标为实测总孔隙度值。经与成像测井解释结果对比核实，本发明对地区的认识情况与该地层演化引起的孔隙纵向展布特征高度一致。也就是证明了本发明可以利用声波速度快速且有效地估算岩石的微观特征。
图3-1和图3-2展示了等效介质预测声波速度与实际测量结果的交绘图，几乎所有数据点分布在对角线上证实了利用全局最优化搜索算法求解公式(7)的有效性。
利用本发明得到的岩储层的孔隙分布特征,有利于解释人员推演地质演化过程，指导地震资料反演和解释，为优质储层评价提供有力参考。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
Claims (10)
1.一种碳酸盐岩孔隙成分分析方法，其特征在于：所述方法包括：
(1)采集碳酸盐岩的岩心，对岩心进行测量，获得实验纵波速度和实验横波速度；
(2)建立等效介质模型，利用等效介质模型进行预测得到预测纵波速度和预测横波速度；
(3)利用预测纵波速度和预测横波速度与实验纵波速度和实验横波速度反演得到岩心中的每种孔隙类型的体积含量。
2.根据权利要求1所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(2)的操作包括：
(21)建立微分方程：
其中，
表示岩心的总孔隙度；α是孔隙纵横比；
K和μ表示主相材料的体积模量和剪切模量；
K’和μ’表示加入孔隙之后材料的体积模量和剪切模量；
l表示不同的孔隙类型，l∈[M IP S]，M，IP和S分别为针对微裂缝型孔隙、粒间孔型孔隙和溶蚀孔型孔隙；
Tiijj和F是材料中对同一入射波的散射波场，其中Tiijj是胀缩力引起的散射波场，F是剪切力引起的散射波场；
(22)计算所述微分方程的初始条件：K(0)＝Km和μ(0)＝Um：
式中，K和U分别为体积模量和剪切模量，下标m表示混合矿物参数，V和R分别代表了矿物的Voigt和Reuss界限；
ρm＝vcalρcal+vdolρdol+vclayρclay
KV＝vcalKcal+vdolKdol+VclayKclay
UV＝vcalUcal+vdolUdol+vclayUclay
下标cal，dol和clay分别表示方解石、白云石和黏土矿物；
ρm表示混合矿物的密度；
(23)岩心的总孔隙度为
从碳酸盐岩CT扫描的孔隙统计数据得到3种孔隙的孔隙纵横比，假设3种孔隙的体积含量分别为vM、vIP和vS,vM+vIP+vS＝1，则3种孔隙的孔隙度分别为：
将K(0)、μ(0)作为K、μ代入公式(3)中开始迭代，在每次迭代中均利用公式(3)计算得到模量K’和μ’的值，将本次迭代得到的K’和μ’作为下一次迭代的初始岩石模量K和μ；迭代过程中是依次增加各种孔隙，直到所有类型的孔隙增加完毕，则迭代终止，得到最新的K’和μ’；
(24)将步骤(23)得到的最新的K’和μ’作为K和μ，利用下式计算得到预测纵波速度和预测横波速度：
Vp、Vs分别表示预测纵波速度和预测横波速度，ρ为碳酸盐岩的密度；
当假设不同的3种孔隙的体积含量时，利用步骤(23)得到的是不同的K和μ的值，相应的，利用步骤(24)得到的是不同的预测纵波速度和预测横波速度。
3.根据权利要求2所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(23)中的依次增加各种孔隙，直到所有类型的孔隙增加完毕的操作包括：
将微裂缝型孔隙的孔隙度从0％依次到增加
每次增加后利用公式(3)计算得到K’和μ’，将K’和μ’作为下一次迭代的初始岩石模量K和μ；多次迭代后，微裂缝型孔隙的孔隙度增加到
当微裂缝型孔隙的孔隙度增加到
后，将粒间孔型孔隙的孔隙度从0％依次增加到
每次增加后利用公式(3)计算K’和μ’，将K’和μ’作为下一次迭代的初始岩石模量K和μ；多次迭代后，粒间孔型孔隙的孔隙度增加到
当粒间孔型孔隙的孔隙度增加到
后，将溶蚀孔型孔隙的孔隙度从0％依次增加到
每次增加后利用公式(3)计算K’和μ’，将K’和μ’作为下一次迭代的初始岩石模量K和μ；多次迭代后，溶蚀孔型孔隙的孔隙度增加到
当溶蚀孔型孔隙的孔隙度增加到
后，迭代终止，得到最新的K’和μ’。
4.根据权利要求3所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(3)的操作包括：
(31)利用预测纵波速度和预测横波速度与实验纵波速度和实验横波速度建立目标函数；
(32)通过全局最优化算法求解得到使目标函数的值最小时的两种孔隙类型的体积含量；
(33)利用步骤(32)得到的两种孔隙类型的体积含量计算得到第三种孔隙类型的体积含量。
5.根据权利要求4所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(31)建立的目标函数如下：
其中，
分别表示实验纵波速度、实验横波速度；
λ1和λ2是权系数；
公式(7)中的v1、v2取vM、vIP和vS中的任意两个。
6.根据权利要求4所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(32)的全局最优化算法采用遗传算法或者粒子群算法。
7.根据权利要求5所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(32)的操作包括：
每次将步骤(24)得到的预测纵波速度和预测横波速度代入公式(7)得到一个目标函数的值；不同的预测纵波速度和预测横波速度对应不同的目标函数的值；
利用全局最优化算法找到使目标函数的值最小时的两种孔隙类型的体积含量。
8.根据权利要求7所述的碳酸盐岩孔隙成分分析方法，其特征在于：所述步骤(33)的操作包括：
利用下式计算第三种孔隙类型的体积含量：
vM+vIP+vS＝1 (2)。
9.一种实现权利要求1-8任一所述的碳酸盐岩孔隙成分分析方法的系统，其特征在于：所述系统包括：
岩心测量单元：对岩心进行测量得到实验纵波速度和实验横波速度；
预测单元：利用等效介质模型进行预测得到预测纵波速度和预测横波速度；
反演单元：分别与岩心测量单元、预测单元连接；根据岩心测量单元得到的实验纵波速度和实验横波速度和预测单元得到的预测纵波速度和预测横波速度构建目标函数；通过全局最优算法求解得到孔隙类型的体积含量值。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行的至少一个程序，所述至少一个程序被所述计算机执行时使所述计算机执行权利要求1-8任一所述的碳酸盐岩孔隙成分分析方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811073185.3A CN110907324B (zh) | 2018-09-14 | 2018-09-14 | 一种碳酸盐岩孔隙成分分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811073185.3A CN110907324B (zh) | 2018-09-14 | 2018-09-14 | 一种碳酸盐岩孔隙成分分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110907324A true CN110907324A (zh) | 2020-03-24 |
| CN110907324B CN110907324B (zh) | 2023-01-03 |
Family
ID=69813264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811073185.3A Active CN110907324B (zh) | 2018-09-14 | 2018-09-14 | 一种碳酸盐岩孔隙成分分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110907324B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112489735A (zh) * | 2020-11-30 | 2021-03-12 | 中国海洋石油集团有限公司 | 基于测井和线性粒子群算法的碳酸盐胶结物含量求取方法 |
| CN114185110A (zh) * | 2020-09-15 | 2022-03-15 | 中国石油化工股份有限公司 | 致密储层中的空间结构的相对含量确定方法、装置及介质 |
| CN114609674A (zh) * | 2020-12-07 | 2022-06-10 | 中国石油天然气股份有限公司 | 双重孔碳酸盐岩地层已钻井纵横波速度重构方法及基于此的碳酸盐岩地层有效储层预测方法 |
| CN115308798A (zh) * | 2022-08-26 | 2022-11-08 | 中国矿业大学 | 一种高速低内存消耗的预测储层岩石弹性波速度的方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103235338A (zh) * | 2013-03-25 | 2013-08-07 | 中国石油大学(华东) | 一种反演岩石裂隙参数的方法 |
| US20130250726A1 (en) * | 2012-03-23 | 2013-09-26 | Schlumberger Technology Corporation | Quantitative analysis of time-lapse seismic data |
| CN103984009A (zh) * | 2014-04-16 | 2014-08-13 | 孙赞东 | 基于纵、横波测井资料的三种孔隙类型定量反演方法 |
| CN104516017A (zh) * | 2013-09-29 | 2015-04-15 | 中国石油化工股份有限公司 | 一种碳酸盐岩岩石物理参数地震反演方法 |
| CN104570129A (zh) * | 2014-12-19 | 2015-04-29 | 中国石油天然气股份有限公司 | 碳酸盐岩岩石储层横波速度预测方法 |
| CN105095631A (zh) * | 2014-05-21 | 2015-11-25 | 中国石油化工股份有限公司 | 一种页岩各向异性岩石物理建模方法 |
| CN106290105A (zh) * | 2016-07-20 | 2017-01-04 | 中国石油大学(华东) | 一种碳酸盐岩储层溶蚀孔隙体积含量预测方法 |
| CN108037528A (zh) * | 2017-09-25 | 2018-05-15 | 中国石油化工股份有限公司 | 少井区基于统计岩石物理建模的孔隙度预测方法及系统 |
-
2018
- 2018-09-14 CN CN201811073185.3A patent/CN110907324B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130250726A1 (en) * | 2012-03-23 | 2013-09-26 | Schlumberger Technology Corporation | Quantitative analysis of time-lapse seismic data |
| CN103235338A (zh) * | 2013-03-25 | 2013-08-07 | 中国石油大学(华东) | 一种反演岩石裂隙参数的方法 |
| CN104516017A (zh) * | 2013-09-29 | 2015-04-15 | 中国石油化工股份有限公司 | 一种碳酸盐岩岩石物理参数地震反演方法 |
| CN103984009A (zh) * | 2014-04-16 | 2014-08-13 | 孙赞东 | 基于纵、横波测井资料的三种孔隙类型定量反演方法 |
| CN105095631A (zh) * | 2014-05-21 | 2015-11-25 | 中国石油化工股份有限公司 | 一种页岩各向异性岩石物理建模方法 |
| CN104570129A (zh) * | 2014-12-19 | 2015-04-29 | 中国石油天然气股份有限公司 | 碳酸盐岩岩石储层横波速度预测方法 |
| CN106290105A (zh) * | 2016-07-20 | 2017-01-04 | 中国石油大学(华东) | 一种碳酸盐岩储层溶蚀孔隙体积含量预测方法 |
| CN108037528A (zh) * | 2017-09-25 | 2018-05-15 | 中国石油化工股份有限公司 | 少井区基于统计岩石物理建模的孔隙度预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 唐金良等: "基于叠前反演的缝洞型碳酸盐岩流体检测及评价技术研究", 《石油物探》 * |
| 李宏兵等: "岩石的等效孔隙纵横比反演及其应用", 《地球物理学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114185110A (zh) * | 2020-09-15 | 2022-03-15 | 中国石油化工股份有限公司 | 致密储层中的空间结构的相对含量确定方法、装置及介质 |
| CN114185110B (zh) * | 2020-09-15 | 2024-04-12 | 中国石油化工股份有限公司 | 致密储层中的空间结构的相对含量确定方法、装置及介质 |
| CN112489735A (zh) * | 2020-11-30 | 2021-03-12 | 中国海洋石油集团有限公司 | 基于测井和线性粒子群算法的碳酸盐胶结物含量求取方法 |
| CN112489735B (zh) * | 2020-11-30 | 2023-01-24 | 中国海洋石油集团有限公司 | 基于测井和线性粒子群算法的碳酸盐胶结物含量求取方法 |
| CN114609674A (zh) * | 2020-12-07 | 2022-06-10 | 中国石油天然气股份有限公司 | 双重孔碳酸盐岩地层已钻井纵横波速度重构方法及基于此的碳酸盐岩地层有效储层预测方法 |
| CN115308798A (zh) * | 2022-08-26 | 2022-11-08 | 中国矿业大学 | 一种高速低内存消耗的预测储层岩石弹性波速度的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110907324B (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110907324B (zh) | 一种碳酸盐岩孔隙成分分析方法及系统 | |
| CN107917865B (zh) | 一种致密砂岩储层多参数渗透率预测方法 | |
| CN107203005B (zh) | 一种定量化计算裂缝描述参数的方法 | |
| Bonnet et al. | Scaling of fracture systems in geological media | |
| CN109655903B (zh) | 页岩层横波速度预测方法及系统 | |
| Beyerlein et al. | Stochastic processes of {1012} deformation twinning in hexagonal close-packed polycrystalline zirconium and magnesium | |
| CN108984804B (zh) | 一种利用裂缝发育密度评价裂缝性储层质量的方法 | |
| CN103852787A (zh) | 一种砂岩储层成岩地震相表征方法 | |
| CN112505772B (zh) | 一种利用孔隙、裂隙介质弹性波理论反演岩石孔隙分布特征的方法 | |
| CN110133720A (zh) | 一种基于统计岩石物理模型的横波速度预测方法 | |
| CN103065051A (zh) | 一种对岩体自动进行分级分区的方法 | |
| CN110795793A (zh) | 一种隧道围岩快速分级设备系统及其操作方法 | |
| CN109839676B (zh) | 一种基于记忆模拟退火的基质模量估算方法及电子设备 | |
| CN114460119A (zh) | 力学参数获取方法及装置、电子设备及计算机存储介质 | |
| Butlanska | Cone penetration test in a virtual calibration chamber | |
| Gong et al. | Towards better estimations of rock mechanical properties integrating machine learning techniques for application to hydraulic fracturing | |
| Goldfarb et al. | Segmentationless digital rock physics using different effective medium theories | |
| CN112198551A (zh) | 一种通用的定量化评价储层裂缝强度的新方法 | |
| CN107507179A (zh) | 基于gocad的岩土体量化分析方法 | |
| CN105607123B (zh) | 一种计算随机孔隙介质模型地震波特征信息的方法和装置 | |
| CN110135112A (zh) | 一种基于粒子滤波算法的页岩各向异性估计方法 | |
| Yang et al. | Visualization and quantitative statistics of experimental hydraulic fracture network based on optical scanning | |
| CN110837132A (zh) | 碳酸盐岩测井渗透率预测方法 | |
| García et al. | P-wave velocity–porosity relations and homogeneity lengths in a realistic deposition modelof sedimentary rock | |
| CN107015289B (zh) | 圈闭地质资源量确定方法及装置 |
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 |