CN111042805B - 一种计算地层水矿化度的方法 - Google Patents
一种计算地层水矿化度的方法 Download PDFInfo
- Publication number
- CN111042805B CN111042805B CN201911263423.1A CN201911263423A CN111042805B CN 111042805 B CN111042805 B CN 111042805B CN 201911263423 A CN201911263423 A CN 201911263423A CN 111042805 B CN111042805 B CN 111042805B
- Authority
- CN
- China
- Prior art keywords
- formation
- formation water
- information
- mineralization
- water
- 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
- 239000008398 formation water Substances 0.000 title claims abstract description 70
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 28
- 239000000706 filtrate Substances 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 238000012417 linear regression Methods 0.000 claims abstract description 7
- 239000002002 slurry Substances 0.000 claims abstract description 7
- 230000002068 genetic effect Effects 0.000 claims abstract description 4
- 238000005086 pumping Methods 0.000 claims description 12
- 239000012530 fluid Substances 0.000 claims description 11
- 230000035699 permeability Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 150000001450 anions Chemical class 0.000 description 3
- 150000001768 cations Chemical class 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 238000011085 pressure filtration Methods 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 238000011425 standardization method Methods 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- -1 pumping time Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
一种计算地层水矿化度的方法,包括:步骤a:收集整理同区块同层位历史井地层信息、测井参数信息、泥浆滤液和地层水样品分析信息等;步骤b:基于机器学习的方法如多元线性回归、神经网络、遗传算法等,建立预测地层水矿化度的模型;步骤c:采集本井地层信息、仪器参数信息、泥浆滤液和地层水样品分析信息等;步骤d:利用建立的地层水矿化度模型,计算地层水的矿化度。本发明的计算方法综合了地层信息、测井参数信息和地层水样品分析信息,预测时间仅需几个小时,实效高且成本低廉。实现了在勘探测井阶段准确获知地层水的矿化度,为储层测井解释和评价提供基础参数,为勘探阶段提供快速决策。
Description
技术领域
本文涉及勘探测井技术领域,尤指一种计算地层水矿化度的方法。
背景技术
在勘探测井阶段,现有技术获得地层水主要有两种方法:一种是在勘探阶段依靠钻杆中途测试(DST)技术,测试的产出水一般能代表该地层的地层水;一种是利用电缆地层取样器对地层流体进行泵抽取样,通过对样品的离子浓度进行分析测定,可以得到地层水矿化度。
钻杆中途测试技术是在钻井过程中对已被钻开的储层进行裸眼测试或在完井之后对储层进行测试的总称。用钻杆柱或油管柱将地层测试器下到待测层段,通过地面辅助设备的控制,使其构成一个暂时的生产系统,在井底座封隔离,解脱泥浆柱压力影响,以获取较纯的储层流体样品,通过对产出水进行分析,可以得到地层水矿化度。但海上DST测试评价费用较高,每个层位就需要上千万元。
电缆取样样品分析技术是通过采集地层水样品进行离子分析,获得地层水矿化度。但是钻井过程中,通常泥浆柱压力大于地层孔隙压力,所以泥浆滤液不可避免地侵入渗透性地层。当采集地层水样品时,受泥浆滤液侵入的影响,采集的地层水样品会混入泥浆滤液。通过现场离子分析技术可以有效的去除泥浆滤液的影响,获得纯地层水矿化度。但是该技术只是针对单井单层位水样进行分析,并且未考虑地层参数和测井仪器参数对地层水矿化度的影响,也没有预测新井地层水矿化度的功能。
因此,需要一种在勘探测井阶段中考虑地层参数和测井仪器参数,时效性更高,成本更低的获取地层水矿化度的方法。
发明内容
本申请提供了一种计算地层水矿化度的方法,可以通过机器学习的方法,通过学习同区块同层位历史井的其他数据,建立地层水矿化度计算公式,从而达到获取新井地层水矿化度的目的。
本申请提供了一种计算地层水矿化度的方法,包括以下步骤:
步骤a:收集待测井同区块同层位历史井信息;
步骤b:使用基于机器学习的方法,建立地层水矿化度的计算公式;
步骤c:采集待测井的信息;
步骤d:利用步骤b建立的地层水矿化度的计算公式,计算待测井地层水的矿化度。可选地,所述计算方法由上述步骤组成。
在本发明提供的计算地层水矿化度的方法中,所述待测井地层水矿化度的计算方法应用在待测井勘探测井阶段。
在本发明提供的计算地层水矿化度的方法中,所述待测井同区块同层位历史井信息包括:地层信息、测井参数信息和泥浆滤液矿化度和地层水样矿化度中的一种或多种。可选地,所述历史井信息仅包括以上信息。
在本发明提供的计算地层水矿化度的方法中,所述地层信息包括泥质含量、孔隙度、渗透率、含水饱和度和地层温度中的一种或多种;
在本发明提供的计算地层水矿化度的方法中,所述测井参数信息包括取样深度、泵抽时间、泵抽流体体积、泥浆与地层压力差、伽马、声波时差、中子、密度和侧向电阻率中的一种或多种。
在本发明提供的计算地层水矿化度的方法中,所述机器学习的方法包括:多元线性回归、神经网络或遗传算法中的一种或多种。
在本发明提供的计算地层水矿化度的方法中,所述神经网络在建模阶段的输入层数据标准化方法选自极差标准化、极差正规化和标准差标准化中的一种或多种。
在本发明提供的计算地层水矿化度的方法中,所述待测井信息包括了地层信息、仪器参数信息和泥浆滤液样品分析信息中的一种或多种。
在本发明提供的计算地层水矿化度的方法中,优选地,所述方法包括以下步骤:
1)收集待测井同区块同层位历史井的取样深度、泥浆与地层压力差、泵抽流体体积、泵抽时间、泥质含量、孔隙度、含水饱和度、渗透率和泥浆滤液矿化度的信息;
2)使用多元线性回归方法建立地层水矿化度的计算公式如下式所示:
地层水矿化度=a+b×深度-c×泥浆与地层压差+d×泵抽流体体积-e×泵抽时间+f×泥质含量+g×孔隙度-h×含水饱和度-i×渗透率+j×泥浆滤液矿化度
其中,5000<a<5500,1.5<b<2.5,15<c<25,0.01<d<0.2,40<e<45,40<f<50,300<g<320,15<h<25,7<i<8,0.001<j<0.1,
3)采集待测井的取样深度、泥浆与地层压差、泵抽流体体积、泵抽时间、泥质含量、孔隙度、含水饱和度、渗透率、泥浆滤液矿化度;
4)利用步骤2建立的地层水矿化度公式,计算地层水的矿化度。
在本发明提供的计算地层水矿化度的方法中,a为5286.081、b为2.08、c为19.674、d为0.163、e为43.814、f为46.399、g为314.771、h为20.340、i为7.734、j为0.064。
在本发明提供的计算地层水矿化度的方法中,所述地层水为电缆取样地层水或钻杆中途测试(DST)获得的地层水。
在本发明中,术语“同区块同层位历史井”通常指相对于待测井,已经勘探钻开过的同区块具有相同层位的井;
在发明中,术语“泥浆滤液”通常指泥浆经过压滤后得到的溶液。本发明中测量用的泥浆滤液样品指在测井阶段,井筒中循环的泥浆经过压滤后得到泥浆滤液样品。压滤通常采用泥浆压滤机来进行。
在本发明中,术语“地层水矿化度”指的是地层取样样品中常见阴阳离子的浓度之和(mg/L)。为了简便,地层水样品和泥浆滤液样品中常见的阴离子指碳酸根(CO3 2-)、碳酸氢根(HCO3 -)、氯(Cl-)以及硫酸根(SO4 2-);常见的阳离子指钠(Na+)、铵(NH4 +)、钾(K+)、镁(Mg2+)以及钙(Ca2+)。但应注意,根据不同的地层条件和不同的技术应用范围,本领域技术人员也可以选择其他常见的阴阳离子计算矿化度。
本发明技术方案的有益效果:
本发明的计算方法综合了地层信息、测井参数信息和地层水样品分析信息,预测时间仅需几个小时,实效高且成本低廉。
本发明的方法实现了在勘探测井阶段预测地层水矿化度,为储层测井解释和评价提供基础参数,为勘探阶段提供快速决策,可以广泛用于海上和陆上的多种类型的油气田。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书中所描述的方案来实现和获得。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,下文对本申请的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
虽然本申请所揭露的实施方式如上,但所述的内容仅为便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
本发明实施例中提供了计算地层水矿化度的方法,包括以下步骤:
步骤a:收集待测井同区块同层位历史井信息;
步骤b:使用基于机器学习的方法,建立地层水矿化度的计算公式;
步骤c:采集待测井的信息;
步骤d:利用步骤b建立的地层水矿化度的计算公式,计算待测井地层水的矿化度。可选地,所述计算方法由上述步骤组成。
在本发明实施例中,所述待测井地层水矿化度的计算方法应用在待测井勘探测井阶段。
在本发明实施例中,所述待测井同区块同层位历史井信息包括:地层信息、测井参数信息和泥浆滤液矿化度和地层水样矿化度中的一种或多种。可选地,所述历史井信息仅包括以上信息。
在本发明实施例中,所述地层信息包括泥质含量、孔隙度、渗透率、含水饱和度和地层温度中的一种或多种;
在本发明实施例中,所述测井参数信息包括取样深度、泵抽时间、泵抽流体体积、泥浆与地层压力差、伽马、声波时差、中子、密度和侧向电阻率中的一种或多种。
在本发明实施例中,所述机器学习的方法包括:多元线性回归、神经网络或遗传算法中的一种或多种。
在本发明实施例中,所述神经网络在建模阶段的输入层数据标准化方法选自极差标准化、极差正规化和标准差标准化中的一种或多种。
在本发明实施例中,所述待测井信息包括了地层信息、仪器参数信息和泥浆滤液样品分析信息中的一种或多种。
在本发明提供的计算地层水矿化度的方法中,所述地层水为电缆取样地层水或钻杆中途测试(DST)获得的地层水。
下面结合实施例对本发明做进一步详细说明。
实施例1:
在海上某油田,收集历史井地层信息、测井参数信息、泥浆滤液和地层水矿化度信息如表1所示。新井地层信息、测井参数信息、泥浆滤液和地层水矿化度信息如表2所示。
根据表1数据,通过多元线性回归的方法建立模型,模型如下:
地层水矿化度=5286.081+2.085×深度-19.674×泥浆与地层压差+0.163×泵抽流体体积-43.814×泵抽时间+46.399×泥质含量+314.771×孔隙度-20.340×含水饱和度-7.734×渗透率+0.064×泥浆滤液矿化度。
通过模型,计算样品1和样品2的地层水矿化度分别为9686mg/L和11520mg/L;
样品1和样品2的地层水矿化度实测值分别为8927mg/L和11050mg/L,计算误差分别为8.5%和4.3%。
实施例2:
根据表1历史井信息数据,使用神经网络方法,参与神经网络建模的输入层数据标准化方法为极差标准化。输入参数包括网络节点数为10;学习率为0.8;冲量系数为0.1;最大绝对误差为0.0001;误差平方和为0.0001;最大迭代次数为500,完成建模。之后使用该神经网络模型进行预测,将新井地层信息、测井参数信息、泥浆滤液和地层水矿化度信息带入模型。
计算样品1和样品2的地层水矿化度分别为9319mg/L和10602mg/L。样品1和样品2的地层水矿化度实测值分别为8927mg/L和11050mg/L,计算误差分别为4.4%和4.1%。
表1:历史井信息统计表
表2:新井信息统计表
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。因此,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由所附权利要求界定的范围内。
Claims (9)
1.一种计算地层水矿化度的方法,包括以下步骤:
步骤a:收集待测井同区块同层位历史井信息;
步骤b:使用基于机器学习的方法,建立地层水矿化度的计算公式;
步骤c:采集待测井的信息;
步骤d:利用步骤b建立的地层水矿化度的计算公式,计算待测井地层水的矿化度;
包括以下步骤:
1)收集待测井同区块同层位历史井的取样深度、泥浆与地层压力差、泵抽流体体积、泵抽时间、泥质含量、孔隙度、含水饱和度、渗透率和泥浆滤液矿化度的信息;
2)使用多元线性回归方法建立地层水矿化度的计算公式如下式所示:
地层水矿化度=a+b×深度-c×泥浆与地层压差+d×泵抽流体体积-e×泵抽时间+f×泥质含量+g×孔隙度-h×含水饱和度-i×渗透率+j×泥浆滤液矿化度
其中,5000<a<5500,1.5<b<2.5,15<c<25,0.01<d<0.2,40<e<45,40<f<50,300<g<320,15<h<25,7<i<8,0.001<j<0.1,
3)采集待测井的取样深度、泥浆与地层压差、泵抽流体体积、泵抽时间、泥质含量、孔隙度、含水饱和度、渗透率、泥浆滤液矿化度;
4)利用步骤2建立的地层水矿化度公式,计算地层水的矿化度。
2.根据权利要求1所述的计算地层水矿化度的方法,其中,所述待测井同区块同层位历史井信息包括:地层信息、测井参数信息和泥浆滤液矿化度和地层水样矿化度中的一种或多种。
3.根据权利要求2所述的计算地层水矿化度的方法,其中,所述地层信息包括泥质含量、孔隙度、渗透率、含水饱和度和地层温度中的一种或多种。
4.根据权利要求2所述的计算地层水矿化度的方法,其中,所述测井参数信息包括取样深度、泵抽时间、泵抽流体体积、泥浆与地层压力差、伽马、声波时差、中子、密度和侧向电阻率中的一种或多种。
5.根据权利要求1至4中任一项所述的计算地层水矿化度的方法,其中,所述机器学习的方法包括:多元线性回归、神经网络或遗传算法中的一种或多种。
6.根据权利要求5所述的计算地层水矿化度的方法,其中,所述神经网络在建模阶段的输入层数据标准化方法选自极差标准化、极差正规化和标准差标准化中的一种或多种。
7.根据权利要求1至4中任一项所述的计算地层水矿化度的方法,其中,所述待测井信息包括了地层信息、仪器参数信息和泥浆滤液样品分析信息中的一种或多种。
8.根据权利要求1所述的计算地层水矿化度的方法,其中,a为5286.081、b为2.08、c为19.674、d为0.163、e为43.814、f为46.399、g为314.771、h为20.340、i为7.734、j为0.064。
9.根据权利要求1至4中任一项所述的计算地层水矿化度的方法,其中,所述地层水为电缆取样地层水或钻杆中途测试(DST)获得的地层水。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911263423.1A CN111042805B (zh) | 2019-12-11 | 2019-12-11 | 一种计算地层水矿化度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911263423.1A CN111042805B (zh) | 2019-12-11 | 2019-12-11 | 一种计算地层水矿化度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111042805A CN111042805A (zh) | 2020-04-21 |
CN111042805B true CN111042805B (zh) | 2022-07-15 |
Family
ID=70235541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911263423.1A Active CN111042805B (zh) | 2019-12-11 | 2019-12-11 | 一种计算地层水矿化度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111042805B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112761631B (zh) * | 2021-01-12 | 2023-08-11 | 中国海洋石油集团有限公司 | 纯地层水的密度确定方法、取样方法和污染率的确定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3802259A (en) * | 1970-11-27 | 1974-04-09 | Marathon Oil Co | Well logging method |
CN102042011A (zh) * | 2010-10-13 | 2011-05-04 | 中国石油化工集团公司 | 利用常规测井资料构建伪核磁t2谱的方法 |
CN104847344A (zh) * | 2015-05-20 | 2015-08-19 | 成都理工大学 | 一种气井低水气比时的地层水矿化度预测方法 |
CN106223942A (zh) * | 2016-08-26 | 2016-12-14 | 中国石油新疆油田分公司勘探开发研究院 | 一种基于测井曲线重构的砾岩油藏泥质含量计算方法 |
CN109061752A (zh) * | 2018-06-26 | 2018-12-21 | 西南石油大学 | 一种含灰质地层的电阻率曲线校正方法 |
CN110344825A (zh) * | 2019-06-28 | 2019-10-18 | 中国石油天然气股份有限公司 | 一种低孔低渗低电阻率砂岩油层综合判识方法 |
-
2019
- 2019-12-11 CN CN201911263423.1A patent/CN111042805B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3802259A (en) * | 1970-11-27 | 1974-04-09 | Marathon Oil Co | Well logging method |
CN102042011A (zh) * | 2010-10-13 | 2011-05-04 | 中国石油化工集团公司 | 利用常规测井资料构建伪核磁t2谱的方法 |
CN104847344A (zh) * | 2015-05-20 | 2015-08-19 | 成都理工大学 | 一种气井低水气比时的地层水矿化度预测方法 |
CN106223942A (zh) * | 2016-08-26 | 2016-12-14 | 中国石油新疆油田分公司勘探开发研究院 | 一种基于测井曲线重构的砾岩油藏泥质含量计算方法 |
CN109061752A (zh) * | 2018-06-26 | 2018-12-21 | 西南石油大学 | 一种含灰质地层的电阻率曲线校正方法 |
CN110344825A (zh) * | 2019-06-28 | 2019-10-18 | 中国石油天然气股份有限公司 | 一种低孔低渗低电阻率砂岩油层综合判识方法 |
Non-Patent Citations (1)
Title |
---|
支持向量机在河套地区地下水矿化度预测中的应用;赵令等;《中国农村水利水电》;20190228(第2期);第80-88页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111042805A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106468172A (zh) | 一种超低渗砂岩油藏低阻储层测井解释方法 | |
CN103628871A (zh) | 一种基于阿尔奇公式的电阻率侵入校正的新方法 | |
CN104806232B (zh) | 一种确定碳酸盐岩储层孔隙度下限的方法 | |
CA2692425A1 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
WO2010000055A1 (en) | Method and apparatus for on-site drilling cuttings analysis | |
CN109138975B (zh) | 一种基于时移测井数据的求解相渗特征曲线的新方法 | |
CN101634620A (zh) | 稠油松散岩心饱和度参数校正方法 | |
WO2013151455A1 (ru) | Способ определения коэффициента обводненности и состава притока нефтяной скважины | |
CN105930932A (zh) | 基于含气指数的页岩气层标准化无阻流量的获取方法 | |
CN109543915B (zh) | 基于测井信息对全井段烃源岩总有机碳含量的识别方法 | |
CN111812736B (zh) | 一种致密砂岩无水气藏含气性评价方法 | |
CN110162851A (zh) | 一种电缆地层测试泵抽数值模拟及其过程的数值校正方法 | |
CN103670396B (zh) | 一种用于测量地层水的矿化度的方法 | |
CN111042805B (zh) | 一种计算地层水矿化度的方法 | |
CN111810115A (zh) | 地层水污染率井下实时监测方法与装置 | |
CN102900432A (zh) | 利用微钻时数据随钻计算录井孔隙度进行储层评价的方法 | |
CN110017136B (zh) | 一种基于视水层电阻率的水淹层识别与产水率预测方法 | |
CN102134994B (zh) | 一种基于基岩油藏油水层电阻率的地层数据处理方法 | |
CN109989743B (zh) | 一种确定泥浆滤液侵入深度的方法及系统 | |
CN111965720B (zh) | 一种基于地-井联合获取水力传导系数的方法 | |
CN110924942B (zh) | 一种录井作业中随钻评价岩层孔渗性的方法 | |
CN104675391A (zh) | 计算地层含油饱和度的方法 | |
CN104018832A (zh) | 一种地层水的电阻率的测量方法 | |
CN108548765B (zh) | 一种变粘土骨架的孔隙度计算方法 | |
Hulea et al. | Heterogeneous Carbonate Reservoirs: Ensuring Consistency of Subsurface Models by Maximizing the use of Saturation-Height Models and Dynamic Data |
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 |