CN111028095A - 一种基于测井曲线的定量识别页岩岩相的方法 - Google Patents
一种基于测井曲线的定量识别页岩岩相的方法 Download PDFInfo
- Publication number
- CN111028095A CN111028095A CN201911317053.5A CN201911317053A CN111028095A CN 111028095 A CN111028095 A CN 111028095A CN 201911317053 A CN201911317053 A CN 201911317053A CN 111028095 A CN111028095 A CN 111028095A
- Authority
- CN
- China
- Prior art keywords
- logging curve
- relative content
- mineral
- curve data
- siliceous
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 57
- 239000011707 mineral Substances 0.000 claims abstract description 57
- 239000002734 clay mineral Substances 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 238000010219 correlation analysis Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 3
- 239000011435 rock Substances 0.000 claims description 7
- 229910001748 carbonate mineral Inorganic materials 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 229910052770 Uranium Inorganic materials 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 claims description 4
- 239000004927 clay Substances 0.000 claims description 3
- 210000004884 grey matter Anatomy 0.000 claims description 2
- 208000035126 Facies Diseases 0.000 description 6
- 238000005553 drilling Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 239000010703 silicon Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 239000010433 feldspar Substances 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Development Economics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于测井曲线的定量识别页岩岩相的方法,首先对每口钻井的测井曲线进行深度归位;基于完成深度归位的测井曲线,提取出已完成矿物组分测试的样品点所对应的测井曲线数据;基于提取出的测井曲线数据,将其分别与硅质矿物相对含量、黏土矿物相对含量应用SPSS软件进行相关性分析,筛选出与硅质矿物相对含量以及黏土矿物相对含量相关性较好的测井曲数据,利用筛选出的测井曲数据,分别建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,通过预测方程定量识别岩相,本方法识别精度高,可有效识别整个井段的岩相类型,弥补常规岩相识别方法取心不足、纵向岩相分布不清楚,成本高的问题。
Description
技术领域
本发明属于地质勘探领域,具体涉及一种基于测井曲线的定量识别页岩岩相的方法。
背景技术
页岩岩相的识别和划分是页岩气勘探开发过程中的基础工作。目前,页岩岩相需要通过钻井取心、实验室矿物组分测定才能准确识别,该方法不仅受钻井取心的限制,而且由于测试时间长,费用高等原因,一般仅仅测试目的层段有限的数据,不能获取整个井段的岩相信息。要实现页岩岩相的快速、准确识别,依据测井曲线来识别岩相类型是不错的方法,因此建立测井曲线与页岩岩相的关联性是实现岩相识别的关键。
目前对于页岩岩相的划分主要是以岩石中的矿物含量为基础,本发明以岩石中黏土矿物、硅质矿物(石英和长石)、碳酸盐矿物三者相对含量的不同进行划分,共划分出4种页岩岩相,当岩石中黏土矿物、硅质矿物或碳酸盐矿物相对含量大于50%时,可分别称为黏土质页岩相、硅质页岩相或灰质页岩相;若矿物含量均未超过50%。则称为混合质页岩相。若要利用测井曲线有效识别页岩岩相,建立测井曲线与矿物相对含量之间的联系是一个重要思路。
发明内容
有鉴于此,本发明的实施例提供了一种基于测井曲线的定量识别页岩岩相的方法。
步骤1:对每口钻井的测井曲线进行深度归位;
步骤2:基于步骤1完成深度归位的测井曲线,提取出已完成矿物组分测试的样品点所对应的测井曲线数据;
步骤3:基于步骤2提取出的测井曲线数据,将其分别与硅质矿物相对含量、黏土矿物相对含量应用SPSS软件进行相关性分析,筛选出与硅质矿物相对含量以及黏土矿物相对含量相关性值均排在前n的测井曲数据,n为预设值且小于测井曲线总条数;
步骤4:基于步骤3筛选出的测井曲数据,分别建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,进行硅质矿物相对含量和黏土矿物相对含量预测,利用预测出的硅质矿物相对含量和黏土矿物相对含量进行岩相定量识别,页岩岩相的划分以岩石中黏土矿物、硅质矿物、碳酸盐矿物三者相对含量的不同进行划分,共划分出4种页岩岩相类型,当岩石中黏土矿物相对含量大于50%时,称为黏土质页岩相类型;当硅质矿物相对含量大于50%时,称为硅质页岩相类型;当碳酸盐矿物相对含量大于50%时,称为灰质页岩相类型;若矿物含量均未超过50%,则称为混合质页岩相类型。
进一步地,步骤1中利用岩性柱与自然伽马测井曲线GR的对应关系,在纵向上调整测井曲线位置使之匹配,确保测井曲线准确的反映岩性信息。
进一步地,步骤2中所述提取已完成矿物组分测试的样品对应的测井曲线数据,是指:以每个完成矿物组分测试的样品点对应深度为中心,深度的上下各取0.2m,共计0.4m深度段的测井曲线,取每段测井曲线数据的平均值,作为该测试样品点所对应的测井曲数据。
进一步地,步骤4中建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程的方法为:首先对步骤3筛选出的测井曲线数据分别进行归一化处理,以消除不同量纲的影响,其次对归一化后的测井曲线数据进行不同数量的组合,通过SPSS软件拟合出不同数量测井曲线数据组合下的硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,分别分析每个预测方程的相关性,预测方程的相关性值大于预设值K,且再增加测井曲线数据之后,相关性值的变化范围小于预设值M,则选择该组测井曲线数据建立相应的预测方程。
进一步地,步骤4中建立的硅质矿物相对含量预测方程和黏土矿物相对含量预测方程表示如下:
黏土矿物相对含量=61.374-15.086*DEN+9.169*U-14.535*CNL
硅质矿物相对含量=30.286+10.169*DEN-16.963*U+25.452*CNL
式中DEN、U和CNL分别为归一化后的密度测井曲线数据、铀测井曲线数据和中子测井曲线数据。
本发明的实施例提供的技术方案带来的有益效果是:本发明方法简单、直观,所建立的矿物含量预测方程,预测精度高,进而能够准确识别岩相,便于指导实际页岩气的开采。
附图说明
图1是本发明一种基于测井曲线的定量识别页岩岩相的方法研究流程图;
图2是本发明一种基于测井曲线的定量识别页岩岩相的方法页岩岩相划分方案图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
具体实施流程参考图1,本发明的实施例提供了一种基于测井曲线的定量识别页岩岩相的方法,岩相划分方案如图2所示,本例以涪陵焦石坝地区焦页1井、焦页11-4井、焦页41-5井为研究对象,结合243组岩心测试数据和测井曲线进行五峰组—龙马溪组页岩岩相识别,包括以下步骤:
步骤1:对三口钻井的测井曲线进行深度归位,利用岩性柱与自然伽马测井曲线GR的对应关系,在纵向上调整曲线位置使之匹配,确保测井曲线可以较为准确的反映岩性信息;
步骤2:提取完成矿物组分测试的样品点对应的测井曲线数据,以每一个进行过XRD测试的样品点所对应深度为中心,取上下各0.2m,共计0.4m深度段的测井曲数据取平均值,作为该测试的样品点所对应的测井曲线数据;
步骤3:该三口钻井各有包括自然伽马GR测井曲线数据、密度DEN测井曲线数据、中子CNL测井曲线数据、铀U测井曲线数据、自然电位SP测井曲线数据、声波AC测井曲线数据,考虑到U和TH的比值大小可以反映水体的氧化还原环境,利用原有测井曲线生成U/TH测井曲线数据,将以上测井曲线数据分别与硅质矿物(石英和长石)相对含量和黏土矿物相对含量进行相关性分析,筛选出与硅质矿物相对含量以及黏土矿物相对含量相关性值均排在前6的测井曲线:DEN、U、CNL、K、KTH、U/TH,如表1所示,【】所框选测井曲线数据相关性较好。
表1测井曲线数据与矿物组分相关性(R)分析
步骤4:分别建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,为使建立方程稳定性更高,首先将三口井的测井曲线数据综合起来,依次编号1,2,3,提取出编号为1,2的数据作为样本集,用于建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,提取出编号为3的数据作为测试集,用以检验所建立预测方程的应用效果,其次,为消除不同量纲的影响,分别对样本集和测试集数据进行归一化处理,将原始数据映射到[0-1]之间,该方法,一方面将有限的信息充分利用,使得建立方程稳定性更好,同时,样本集和测试集又具有相互独立性,使得结果验证更加可靠,归一化方程如下:
其中,Xi为归一化后数据;xi为待归一化数据;xmin为待归一化系列中最小值;xmax为待归一化系列中最大值。
建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程的具体方法为:首先对步骤3筛选出的测井曲线数据分别进行归一化处理,以消除不同量纲的影响,其次对归一化后的测井曲线数据进行不同数量的组合,通过SPSS软件拟合出不同数量测井曲线数据组合下的硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,分别分析每个预测方程的相关性,预测方程的相关性值大于预设值K,且再增加测井曲线数据之后,相关性值的变化范围小于预设值M,则选择该组测井曲线数据建立相应的预测方程,例如预设值K取0.8,预设值M取0.05。
利用归一化后的DEN、U、CNL、K、KTH、U/TH六条测井曲线数据,在SPSS软件中分析测井曲线在不同组合情况下的拟合效果,见表2,考虑到拟合公式既要有较好的相关性,所选变量也不宜过多,以削弱多重共线性的影响,通过观察表2:
表2拟合效果对比分析表
对于黏土矿物相对含量预测方程,当选择归一化后DEN、U、CNL测井曲线数据建立预测方程,相关性达到0.892,再增加变量建立预测方程,相关性变化不大,因此,最终选择归一化后DEN、U、CNL测井曲线数据建立黏土矿物相对含量预测方程,对于硅质矿物相对含量预测方程,当选择归一化后DEN、U、CNL测井曲线数据建立预测方程,相关性达到0.817,具有强相关性,再增加变量建立预测方程,相关性变化不大,因此,最终选择归一化后DEN、U、CNL测井曲线数据建立硅质矿物相对含量预测方程;即黏土矿物相对含量预测方程和硅质矿物相对含量预测方程分别为:
黏土矿物相对含量=61.374-15.086*DEN+9.169*U-14.535*CNL
硅质矿物相对含量=30.286+10.169*DEN-16.963*U+25.452*CNL
式中:DEN、U、CNL分别为归一化后的密度、铀、中子测井曲线数据。
通过上述方程,分别预测硅质矿物相对含量和黏土矿物相对含量,精度高,利用预测出的矿物相对含量识别岩相,有很高的准确率,对黏土质页岩相组合准确率达到94.12%,对硅质页岩相识别准确率达到78.57%,对混合质页岩相识别准确率达到58.34%,整体识别准确率约为73%,见表3,识别效果明显,在实际生产中,可以利用某一地区的几口典型钻井建立硅质矿物相对含量和黏土矿物相对含量预测方程,利用建立起来的预测方程去预测该地区其他钻井的硅质矿物相对含量和黏土矿物相对含量,进而定量识别岩相类型,从而提高勘探效率,降低勘探成本。
表3岩相识别效果分析
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于测井曲线的定量识别页岩岩相的方法,其特征在于,包括以下步骤:
步骤1:对每口钻井的测井曲线进行深度归位;
步骤2:基于步骤1完成深度归位的测井曲线,提取出已完成矿物组分测试的样品点所对应的测井曲线数据;
步骤3:基于步骤2提取出的测井曲线数据,将其分别与硅质矿物相对含量、黏土矿物相对含量应用SPSS软件进行相关性分析,筛选出与硅质矿物相对含量以及黏土矿物相对含量相关性值均排在前n的测井曲数据,n为预设值且小于测井曲线总条数;
步骤4:基于步骤3筛选出的测井曲数据,分别建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,进行硅质矿物相对含量和黏土矿物相对含量预测,利用预测出的硅质矿物相对含量和黏土矿物相对含量进行岩相定量识别,页岩岩相的划分以岩石中黏土矿物、硅质矿物、碳酸盐矿物三者相对含量的不同进行划分,共划分出4种页岩岩相类型,当岩石中黏土矿物相对含量大于50%时,称为黏土质页岩相类型;当硅质矿物相对含量大于50%时,称为硅质页岩相类型;当碳酸盐矿物相对含量大于50%时,称为灰质页岩相类型;若矿物含量均未超过50%,则称为混合质页岩相类型。
2.根据权利要求1所述的一种基于测井曲线的定量识别页岩岩相的方法,其特征在于,步骤1中利用岩性柱与自然伽马测井曲线GR的对应关系,在纵向上调整测井曲线位置使之匹配,确保测井曲线准确的反映岩性信息。
3.根据权利要求1所述的一种基于测井曲线的定量识别页岩岩相的方法,其特征在于,步骤2中所述提取已完成矿物组分测试的样品点对应的测井曲线数据,是指:以每个完成矿物组分测试的样品点对应深度为中心,深度的上下各取0.2m,共计0.4m深度段的测井曲线,取每段测井曲线数据的平均值,作为该测试样品点所对应的测井曲数据。
4.根据权利要求1所述的一种基于测井曲线的定量识别页岩岩相的方法,其特征在于,步骤4中建立硅质矿物相对含量预测方程和黏土矿物相对含量预测方程的方法为:首先对步骤3筛选出的测井曲线数据分别进行归一化处理,以消除不同量纲的影响,其次对归一化后的测井曲线数据进行不同数量的组合,通过SPSS软件拟合出不同数量测井曲线数据组合下的硅质矿物相对含量预测方程和黏土矿物相对含量预测方程,分别分析每个预测方程的相关性,预测方程的相关性值大于预设值K,且再增加测井曲线数据之后,相关性值的变化范围小于预设值M,则选择该组测井曲线数据建立相应的预测方程。
5.根据权利要求1所述的一种基于测井曲线的定量识别页岩岩相的方法,其特征在于,步骤4中建立的硅质矿物相对含量预测方程和黏土矿物相对含量预测方程表示如下:
黏土矿物相对含量=61.374-15.086*DEN+9.169*U-14.535*CNL
硅质矿物相对含量=30.286+10.169*DEN-16.963*U+25.452*CNL
式中DEN、U和CNL分别为归一化后的密度测井曲线数据、铀测井曲线数据和中子测井曲线数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911317053.5A CN111028095A (zh) | 2019-12-19 | 2019-12-19 | 一种基于测井曲线的定量识别页岩岩相的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911317053.5A CN111028095A (zh) | 2019-12-19 | 2019-12-19 | 一种基于测井曲线的定量识别页岩岩相的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111028095A true CN111028095A (zh) | 2020-04-17 |
Family
ID=70209966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911317053.5A Pending CN111028095A (zh) | 2019-12-19 | 2019-12-19 | 一种基于测井曲线的定量识别页岩岩相的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028095A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111626377A (zh) * | 2020-06-10 | 2020-09-04 | 中国石油大学(北京) | 一种岩相识别方法、装置、设备及存储介质 |
CN112489736A (zh) * | 2020-12-09 | 2021-03-12 | 中国石油大学(北京) | 一种矿物含量分析方法、装置、设备及存储介质 |
CN113027443A (zh) * | 2021-04-25 | 2021-06-25 | 中国石油大学(北京) | 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325349A1 (en) * | 2012-05-31 | 2013-12-05 | Chevron U.S.A. Inc. | Methods for Generating Depofacies Classifications for Subsurface Oil or Gas Reservoirs or Fields |
CN104573344A (zh) * | 2014-12-25 | 2015-04-29 | 中国海洋石油总公司 | 一种通过测井数据获取页岩储层含气量的方法 |
CN105204081A (zh) * | 2014-06-09 | 2015-12-30 | 中国石油化工股份有限公司 | 一种预测页岩气储层粘土矿物及其组分含量的方法 |
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 |
CN106950347A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油大学(华东) | 一种评价泥页岩各组分体积的方法 |
CN110082840A (zh) * | 2019-06-05 | 2019-08-02 | 中国地质大学(北京) | 基于Fisher判别分析的泥页岩岩相划分方法 |
CN110245686A (zh) * | 2019-05-16 | 2019-09-17 | 中国石油天然气集团有限公司 | 一种计算石英相对百分含量的岩性快速识别方法 |
-
2019
- 2019-12-19 CN CN201911317053.5A patent/CN111028095A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325349A1 (en) * | 2012-05-31 | 2013-12-05 | Chevron U.S.A. Inc. | Methods for Generating Depofacies Classifications for Subsurface Oil or Gas Reservoirs or Fields |
CN105204081A (zh) * | 2014-06-09 | 2015-12-30 | 中国石油化工股份有限公司 | 一种预测页岩气储层粘土矿物及其组分含量的方法 |
CN104573344A (zh) * | 2014-12-25 | 2015-04-29 | 中国海洋石油总公司 | 一种通过测井数据获取页岩储层含气量的方法 |
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 |
CN106950347A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油大学(华东) | 一种评价泥页岩各组分体积的方法 |
CN110245686A (zh) * | 2019-05-16 | 2019-09-17 | 中国石油天然气集团有限公司 | 一种计算石英相对百分含量的岩性快速识别方法 |
CN110082840A (zh) * | 2019-06-05 | 2019-08-02 | 中国地质大学(北京) | 基于Fisher判别分析的泥页岩岩相划分方法 |
Non-Patent Citations (1)
Title |
---|
刘成林 等: "《松辽盆地上白垩统页岩油地质条件评价》", 31 March 2016, 地质出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111626377A (zh) * | 2020-06-10 | 2020-09-04 | 中国石油大学(北京) | 一种岩相识别方法、装置、设备及存储介质 |
CN111626377B (zh) * | 2020-06-10 | 2023-12-26 | 中国石油大学(北京) | 一种岩相识别方法、装置、设备及存储介质 |
CN112489736A (zh) * | 2020-12-09 | 2021-03-12 | 中国石油大学(北京) | 一种矿物含量分析方法、装置、设备及存储介质 |
CN113027443A (zh) * | 2021-04-25 | 2021-06-25 | 中国石油大学(北京) | 一种咸化湖相细粒沉积岩黏土矿物含量预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104612675B (zh) | 一种碳酸盐岩地层随钻岩性快速识别方法 | |
CN101832133B (zh) | 密度孔隙度和中子孔隙度差值储层流体类型判别方法 | |
US4646240A (en) | Method and apparatus for determining geological facies | |
CN101930082B (zh) | 采用电阻率资料进行储层流体类型判别的方法 | |
CN104698500A (zh) | 一种利用地质和测井信息预测储层成岩相的方法 | |
CN111028095A (zh) | 一种基于测井曲线的定量识别页岩岩相的方法 | |
CN105697002A (zh) | 一种用于识别煤系地层岩性的方法 | |
CN107829731B (zh) | 一种黏土蚀变的火山岩孔隙度校正方法 | |
CN111058837A (zh) | 一种基于多元逐步回归的页岩油岩性评价方法 | |
CN106556866A (zh) | 一种利用岩石物理模板对储层定量解释的方法 | |
CN104047598A (zh) | 非均质古岩溶碳酸盐岩储层产能预测方法 | |
CN107505344A (zh) | 利用“最小二乘积”法的岩性解释方法 | |
CN108374657A (zh) | 井断点自动识别方法 | |
CN111175819B (zh) | 井震多级约束的砂砾岩扇体沉积相带精细划分方法 | |
CN106840741B (zh) | 细粒沉积岩分析实验的样品选取方法及系统 | |
CN116168224A (zh) | 基于成像砾石含量的机器学习岩相自动识别方法 | |
Wethington et al. | Stratigraphic architecture of the Mississippian limestone through integrated electrofacies classification, Hardtner field area, Kansas and Oklahoma | |
CN115390155A (zh) | 针对非均质储层的测井解释方法、装置、电子设备及介质 | |
CN110529106B (zh) | 一种利用测井资料确定煤层显微组分含量的方法 | |
CN106568918B (zh) | 页岩有机碳含量toc预测方法 | |
CN112528106A (zh) | 火山岩岩性识别方法 | |
CN110847887A (zh) | 一种细粒沉积陆相页岩裂缝识别评价方法 | |
Gupta et al. | Rock typing in the upper Devonian-lower Mississippian woodford shale formation, Oklahoma, USA | |
CN109655933A (zh) | 非常规地层的岩性识别方法及系统 | |
CN108240999A (zh) | 一种碎屑岩岩性的识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |