CN111044702B - 针对陆相频繁薄互层的细粒岩储层预测方法及设备 - Google Patents
针对陆相频繁薄互层的细粒岩储层预测方法及设备 Download PDFInfo
- Publication number
- CN111044702B CN111044702B CN201911033209.7A CN201911033209A CN111044702B CN 111044702 B CN111044702 B CN 111044702B CN 201911033209 A CN201911033209 A CN 201911033209A CN 111044702 B CN111044702 B CN 111044702B
- Authority
- CN
- China
- Prior art keywords
- lithofacies
- combination
- rock
- fine
- distribution
- 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.)
- Expired - Fee Related
Links
- 239000011435 rock Substances 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 76
- 208000035126 Facies Diseases 0.000 title claims abstract description 68
- 238000011160 research Methods 0.000 claims abstract description 28
- 238000005553 drilling Methods 0.000 claims abstract description 16
- 239000004576 sand Substances 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000001939 inductive effect Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 13
- 230000002349 favourable effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000006028 limestone Substances 0.000 description 3
- 235000019738 Limestone Nutrition 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000004570 mortar (masonry) Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011505 plaster Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012863 analytical testing Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000002474 experimental method Methods 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
- 239000013049 sediment Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- 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)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Remote Sensing (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Fluid Mechanics (AREA)
- Food Science & Technology (AREA)
- Geochemistry & Mineralogy (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明实施例提供了一种针对陆相频繁薄互层的细粒岩储层预测方法及设备。所述方法包括：根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。本发明实施例提供的针对陆相频繁薄互层的细粒岩储层预测方法及设备，可以避免地震数据分辨率较低产生的解释错误，并且降低了实验测试和图像观测的成本，拥有较高的预测准确性。
Description
技术领域
本发明实施例涉及地质勘探技术领域，尤其涉及一种针对陆相频繁薄互层的细粒岩储层预测方法及设备。
背景技术
当前多采用地震技术、测井技术、岩石样品的地球化学实验测试和图像分析，来预测细粒岩储层的分布。虽然这些方法能够识别出有利细粒岩储层的分布位置，但是都需要经过处理或实验过程，耗时耗力。其中，利用钻井取心，获取地球化学参数并进行图像分析，更是提高了储层预测的成本。陆相沉积物具有成分相对复杂，岩相变化快，单一岩相厚度小的特点。陆相沉积物的地震数据分辨率较低，不能准确地识别薄层沉积物。岩相解释误差大，准确率低，且存在分析流程相对复杂，测试周期较长，难以达到快速识别细粒岩储层的目的。陆相岩层非均质性强，实验测试样品量较多，耗时较长，成本较高。因此，开发一种针对陆相频繁薄互层的细粒岩储层预测识别方法，从而避免地震数据分辨率较低产生的解释错误，能够降低实验测试和图像观测的成本，并且拥有较高的预测准确性，就成为业界亟待解决的技术问题。
发明内容
针对现有技术存在的上述问题，本发明实施例提供了一种针对陆相频繁薄互层的细粒岩储层预测方法及设备。
第一方面，本发明的实施例提供了一种针对陆相频繁薄互层的细粒岩储层预测方法，包括：根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。
进一步地，在上述方法实施例内容的基础上，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，包括：归纳不同岩相的叠置关系，划分目的层岩相组合类型，确定有利于细粒岩储层的垂向分布。
进一步地，在上述方法实施例内容的基础上，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型，包括：在顺物源和垂直物源方向上，将相邻井的地层连接起来，构建连井剖面，根据各井目的层岩相组合划分结果，将连井剖面上目的层内，相同岩相组合类型进行连接，得到岩相组合的垂向分布。
进一步地，在上述方法实施例内容的基础上，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，包括：根据目的层段内岩相组合的占比，将目的层段中发育最好的岩相组合类型，确定为该层段的优势岩相组合。
进一步地，在上述方法实施例内容的基础上，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布，包括：将优质细粒岩储层的分布区域，作为油气勘探的目标。
进一步地，在上述方法实施例内容的基础上，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述归纳不同岩相的叠置关系，划分目的层岩相组合类型，包括：根据陆相细粒岩的岩相特征、厚度和含量，确定细粒岩的组合类型。
进一步地，在上述方法实施例内容的基础上，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述优质细粒岩储层的分布区域，包括：泥包灰和泥包砂岩相组合的分布范围。
第二方面，本发明的实施例提供了一种针对陆相频繁薄互层的细粒岩储层预测装置，包括：
岩相组合类型划分模块，用于根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；
细粒岩储层预测模块，用于将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。
第三方面，本发明的实施例提供了一种电子设备，包括：
至少一个处理器；以及
与处理器通信连接的至少一个存储器，其中：
存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的针对陆相频繁薄互层的细粒岩储层预测方法。
第四方面，本发明的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的针对陆相频繁薄互层的细粒岩储层预测方法。
本发明实施例提供的针对陆相频繁薄互层的细粒岩储层预测方法及设备，通过对细粒岩钻井取芯及野外露头岩石的样品进行分析，构建岩相组合类型划分模式，再将以此得到的岩相组合进行投影，根据投影得到的岩相组合平面分布预测图得到有利的细粒岩储层分布，可以避免地震数据分辨率较低产生的解释错误，并且降低了实验测试和图像观测的成本，拥有较高的预测准确性，能够针对陆相频繁薄互层的情况，实现对细粒岩储层的准确预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的针对陆相频繁薄互层的细粒岩储层预测方法流程图；
图2为本发明实施例提供的岩相组合模式效果示意图；
图3为本发明实施例提供的D井大安寨段岩相组合划分效果示意图；
图4为本发明实施例提供的岩相组合类型分布连井剖面示意图；
图5为本发明实施例提供的大安寨一段岩相组合平面分布示意图；
图6为本发明实施例提供的针对陆相频繁薄互层的细粒岩储层预测装置结构示意图；
图7为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
陆相细粒岩岩相复杂且变化频繁，单一岩相厚度小，垂向叠置薄互层较多。同时，利用地震、测井、分析测试、图像观测的方法寻找陆相细粒岩储层费时费力，且测试成本较高。为了解决以上陆相细粒岩储层预测过程中的问题，降低预测成本，提高预测效率，需要一种针对陆相频繁薄互层的细粒岩的储层预测方法，由于陆相细粒岩岩相复杂，变化快，厚度较薄，所以不同岩相在空间上薄互层叠置，将某一种岩相为油气储层进行预测和勘探显然是不现实的。研究发现细粒岩储层物性变化与岩相组合类型相关。因此，需建立一种综合的岩相组合模式，根据研究区目的层的岩相组合类型，预测细粒岩储层分布。基于这种思想，本发明实施例提供了一种针对陆相频繁薄互层的细粒岩储层预测方法，参见图1，该方法包括：
101、根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；
102、将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，包括：归纳不同岩相的叠置关系，划分目的层岩相组合类型，确定有利于细粒岩储层的垂向分布。具体地，常见的岩相组合关系包括泥岩包灰岩组合(泥包灰)、灰岩包泥岩组合(灰包泥)、灰岩与泥岩互层组合(灰泥互层)、泥岩包砂岩(泥包砂)、砂岩包泥岩组合(砂包泥)和泥岩与砂岩互层组合(泥砂互层)，共六种主要类型。各类岩相组合模式和特征可以参见图2。在实际划分过程中，测量目的层内不同岩相厚度。获取单位厚度地层中的各类岩石含量比值。包括：若单位厚度地层中，砂岩与泥岩含量之比大于66.7％，小于150％，即66.7％＜砂/泥＜150％，则将该段岩层确定为砂泥互层岩相组合；若砂/泥＞150％，则将该段岩层确定为砂包泥岩相组合；若砂/泥＜66.7％，则将该段岩层确定为泥包砂岩相组合；若66.7％＜灰/泥＜150％，则将该段岩层确定为灰泥互层岩相组合；若灰/泥＞150％，则将该段岩层确定为灰包泥岩相组合；若灰/泥＜66.7％，则将该段岩层确定为泥包灰岩相组合。
图3展示了岩相组合划分的效果。大三段(大安寨三段)主要发育泥包灰岩相组合；大二段自下而上，发育砂泥互层组合、泥包灰组合、灰包泥组合、泥包砂组合及灰泥互层组合；大一段主要发育泥包灰组合。其中，大一段和大三段优质岩相组合(泥包灰)占比较大，可作为陆相细粒岩主要的油气储层。由D井的现场含气量数据可知，大一段和大三段含气量均较高，0.78-1.42m3/t，平均为0.92m3/t。说明采用岩相组合类型，预测细粒岩储层的方法是可靠的。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型，包括：在顺物源和垂直物源方向上，将相邻井的地层连接起来，构建连井剖面，根据各井目的层岩相组合划分结果，将连井剖面上目的层内，相同岩相组合类型进行连接，得到岩相组合的垂向分布。具体可以参见图4。图4的岩相组合类型划分结果可知，陆相细粒岩垂向上单一岩相厚度较薄，变化快，薄互层频繁。有利的细粒岩储层泥包灰岩相组合和泥包砂岩相组合主要分布在大一段、大三段和大二段中部，其中大一段及二段中部普遍发育，而B井，即研究区中部，灰包泥、砂包泥、灰泥互层岩相组合多在大二段发育。砂泥互层岩相组合出现在B井大一段岩层中。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，包括：根据目的层段内岩相组合的占比，将目的层段中发育最好的岩相组合类型，确定为该层段的优势岩相组合。具体可以参见图5(展示了大安寨一段岩相组合情况)，图5中包括泥包灰/砂层501、灰泥互层502、砂泥互层503和灰包泥层504，全部各个层中分布A井至P井。由图5可见，大一段内，泥包灰和泥包砂岩相组合主要分布于研究区的南部，而灰泥互层、灰包泥、泥砂互层岩相组合主要分布于研究区的北部。位于研究区南部指示优质细粒岩储层的泥包灰和泥包砂岩相组合分布区域，即为该地区一段有利的陆相细粒岩油气储层发育范围，可作为下一步细粒岩油气勘探和开发的重点目标。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布，包括：将优质细粒岩储层的分布区域，作为油气勘探的目标。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述归纳不同岩相的叠置关系，划分目的层岩相组合类型，包括：根据陆相细粒岩的岩相特征、厚度和含量，确定细粒岩的组合类型。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测方法，所述优质细粒岩储层的分布区域，包括：泥包灰和泥包砂岩相组合的分布范围。
本发明实施例提供的针对陆相频繁薄互层的细粒岩储层预测方法，通过对细粒岩钻井取芯及野外露头岩石的样品进行分析，构建岩相组合类型划分模式，再将以此得到的岩相组合进行投影，根据投影得到的岩相组合平面分布预测图得到有利的细粒岩储层分布，可以避免地震数据分辨率较低产生的解释错误，并且降低了实验测试和图像观测的成本，拥有较高的预测准确性，能够针对陆相频繁薄互层的情况，实现对细粒岩储层的准确预测。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中，可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况，在上述各实施例的基础上，本发明的实施例提供了一种针对陆相频繁薄互层的细粒岩储层预测装置，该装置用于执行上述方法实施例中的针对陆相频繁薄互层的细粒岩储层预测方法。参见图6，该装置包括：
岩相组合类型划分模块601，用于根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；
细粒岩储层预测模块602，用于将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。
本发明实施例提供的针对陆相频繁薄互层的细粒岩储层预测方法，采用岩相组合类型划分模块和细粒岩储层预测模块，通过对细粒岩钻井取芯及野外露头岩石的样品进行分析，构建岩相组合类型划分模式，再将以此得到的岩相组合进行投影，根据投影得到的岩相组合平面分布预测图得到有利的细粒岩储层分布，可以避免地震数据分辨率较低产生的解释错误，并且降低了实验测试和图像观测的成本，拥有较高的预测准确性，能够针对陆相频繁薄互层的情况，实现对细粒岩储层的准确预测。
需要说明的是，本发明提供的装置实施例中的装置，除了可以用于实现上述方法实施例中的方法外，还可以用于实现本发明提供的其他方法实施例中的方法，区别仅仅在于设置相应的功能模块，其原理与本发明提供的上述装置实施例的原理基本相同，只要本领域技术人员在上述装置实施例的基础上，参考其他方法实施例中的具体技术方案，通过组合技术特征获得相应的技术手段，以及由这些技术手段构成的技术方案，在保证技术方案具备实用性的前提下，就可以对上述装置实施例中的装置进行改进，从而得到相应的装置类实施例，用于实现其他方法类实施例中的方法。例如：
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测装置，还包括：垂向分布确定模块，用于归纳不同岩相的叠置关系，划分目的层岩相组合类型，确定有利于细粒岩储层的垂向分布。
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的针对陆相频繁薄互层的细粒岩储层预测装置，还包括：优势岩相组合确定模块，用于根据目的层段内岩相组合的占比，将目的层段中发育最好的岩相组合类型，确定为该层段的优势岩相组合。
本发明实施例的方法是依托电子设备实现的，因此对相关的电子设备有必要做一下介绍。基于此目的，本发明的实施例提供了一种电子设备，如图7所示，该电子设备包括：至少一个处理器(processor)701、通信接口(Communications Interface)704、至少一个存储器(memory)702和通信总线703，其中，至少一个处理器701，通信接口704，至少一个存储器702通过通信总线703完成相互间的通信。至少一个处理器701可以调用至少一个存储器702中的逻辑指令，以执行如下方法：根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。
此外，上述的至少一个存储器702中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。例如包括：根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本专利中，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括……"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种针对陆相频繁薄互层的细粒岩储层预测方法，其特征在于，包括：
根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；
将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布；
其中，所述根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，包括：
归纳不同岩相的叠置关系，划分目的层岩相组合类型，确定有利于细粒岩储层的垂向分布；
若单位厚度地层中66.7％＜砂/泥＜150％，则将该段岩层确定为砂泥互层岩相组合；若砂/泥＞150％，则将该段岩层确定为砂包泥岩相组合；若砂/泥＜66.7％，则将该段岩层确定为泥包砂岩相组合；若66.7％＜灰/泥＜150％，则将该段岩层确定为灰泥互层岩相组合；若灰/泥＞150％，则将该段岩层确定为灰包泥岩相组合；若灰/泥＜66.7％，则将该段岩层确定为泥包灰岩相组合。
2.根据权利要求1所述的针对陆相频繁薄互层的细粒岩储层预测方法，其特征在于，所述采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型，包括：
在顺物源和垂直物源方向上，将相邻井的地层连接起来，构建连井剖面，根据各井目的层岩相组合划分结果，将连井剖面上目的层内，相同岩相组合类型进行连接，得到岩相组合的垂向分布。
3.根据权利要求1所述的针对陆相频繁薄互层的细粒岩储层预测方法，其特征在于，所述将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，包括：
根据目的层段内岩相组合的占比，将目的层段中发育最好的岩相组合类型，确定为该层段的优势岩相组合。
4.根据权利要求1所述的针对陆相频繁薄互层的细粒岩储层预测方法，其特征在于，所述根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布，包括：
将优质细粒岩储层的分布区域，作为油气勘探的目标。
5.根据权利要求1所述的针对陆相频繁薄互层的细粒岩储层预测方法，其特征在于，所述归纳不同岩相的叠置关系，划分目的层岩相组合类型，包括：
根据陆相细粒岩的岩相特征、厚度和含量，确定细粒岩的组合类型。
6.根据权利要求4所述的针对陆相频繁薄互层的细粒岩储层预测方法，其特征在于，所述优质细粒岩储层的分布区域，包括：
泥包灰和泥包砂岩相组合的分布范围。
7.一种针对陆相频繁薄互层的细粒岩储层预测装置，其特征在于，包括：
岩相组合类型划分模块，用于根据细粒岩钻井取芯及野外露头岩石样品，构建单井岩相组合类型划分模式，采用所述单井岩相组合类型划分模式，识别并划分研究区内全部井的岩相组合类型；
细粒岩储层预测模块，用于将所述全部井中各个连井剖面图各段的岩相组合分布投影到平面上，得到各层段的岩相组合平面分布预测图，根据所述各层段的岩相组合平面分布预测图，结合研究区目的层岩相组合类型的空间配置关系，确定储层的分布。
8.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行如权利要求1至6任一项权利要求所述的方法。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6中任一项权利要求所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911033209.7A CN111044702B (zh) | 2019-10-28 | 2019-10-28 | 针对陆相频繁薄互层的细粒岩储层预测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911033209.7A CN111044702B (zh) | 2019-10-28 | 2019-10-28 | 针对陆相频繁薄互层的细粒岩储层预测方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111044702A CN111044702A (zh) | 2020-04-21 |
| CN111044702B true CN111044702B (zh) | 2020-09-04 |
Family
ID=70232851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911033209.7A Expired - Fee Related CN111044702B (zh) | 2019-10-28 | 2019-10-28 | 针对陆相频繁薄互层的细粒岩储层预测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111044702B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112983359B (zh) * | 2021-02-25 | 2022-01-28 | 中国石油大学(北京) | 一种薄互层油田开发方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1291241C (zh) * | 2005-04-07 | 2006-12-20 | 西北大学 | 等速砂泥岩地层的储层预测油气的方法 |
| WO2009029135A1 (en) * | 2007-08-24 | 2009-03-05 | Exxonmobil Upstream Research Company | Method for predicting well reliability by computer simulation |
| CN101408624B (zh) * | 2007-10-08 | 2012-03-28 | 陶庆学 | 三维地震最佳时窗河道砂体储层预测评价技术 |
| WO2013039416A1 (en) * | 2011-09-12 | 2013-03-21 | Siemens Aktiengesellschaft | Method for analyzing a porous material from a core sample |
| CN104280770B (zh) * | 2014-09-28 | 2017-01-11 | 中国石油大港油田勘探开发研究院 | 致密过渡岩储层的预测方法 |
| US10767471B2 (en) * | 2017-05-18 | 2020-09-08 | Conocophillips Company | Resource density screening tool |
-
2019
- 2019-10-28 CN CN201911033209.7A patent/CN111044702B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN111044702A (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Radwan | Three-dimensional gas property geological modeling and simulation | |
| Panza et al. | Fracture stratigraphy and fluid flow properties of shallow-water, tight carbonates: the case study of the Murge Plateau (southern Italy) | |
| Bagni et al. | Karst dissolution along fracture corridors in an anticline hinge, Jandaíra Formation, Brazil: Implications for reservoir quality | |
| Volatili et al. | From fracture analysis to flow simulations in fractured carbonates: the case study of the Roman Valley Quarry (Majella Mountain, Italy) | |
| US20210149067A1 (en) | Methods and Systems of Generating Simulation Grids for Different Structural Interpretations | |
| Sundal et al. | Modelling CO2 migration in aquifers; considering 3D seismic property data and the effect of site-typical depositional heterogeneities | |
| Shekhar et al. | Modelling and simulation of a Jurassic carbonate ramp outcrop, Amellago, High Atlas Mountains, Morocco | |
| Fachri et al. | Sensitivity of fluid flow to deformation-band damage zone heterogeneities: A study using fault facies and truncated Gaussian simulation | |
| US11409024B2 (en) | Methods and systems for generating simulation grids via zone by zone mapping from design space | |
| Kosari et al. | An integrated approach to study the impact of fractures distribution on the Ilam-Sarvak carbonate reservoirs: A case study from the Strait of Hormuz, the Persian Gulf | |
| Ouenes et al. | Integrated characterization and simulation of the fractured Tensleep Reservoir at Teapot Dome for CO2 injection design | |
| CN111044702B (zh) | 针对陆相频繁薄互层的细粒岩储层预测方法及设备 | |
| Cavero et al. | Importance of conceptual geological models in 3D reservoir modelling | |
| AlRassas et al. | Integrated static modeling and dynamic simulation framework for CO 2 storage capacity in Upper Qishn Clastics, S1A reservoir, Yemen | |
| Benetatos et al. | Coping with uncertainties through an automated workflow for 3D reservoir modelling of carbonate reservoirs | |
| Panara et al. | Fracture intensity and associated variability: A new methodology for 3D digital outcrop model analysis of carbonate reservoirs | |
| Medekenova et al. | Characterization and modeling challenges associated with fracture and karst (non-matrix) in the margin area of a carbonate reservoir | |
| Felici et al. | Fractured reservoir modeling: From well data to dynamic flow. Methodology and application to a real case study in Illizi Basin (Algeria) | |
| Ringrose et al. | Reservoir model types | |
| Rivenæs et al. | Introduction to reservoir modelling | |
| De Matteo et al. | A transitional volume beneath the Sannio-Irpinia border region (southern Apennines): Different tectonic styles at different depths | |
| Solum et al. | Increasing interpreter capability in structurally complex settings through combined fieldwork, interpretation, and geocellular modeling | |
| Ferreira et al. | The importance of outcrop reservoir characterization in oil-industry facies modelling workflows-a case study from the Middle Jurassic of the Maciço Calcário Estremenho, Portugal | |
| Rashad et al. | An iterative workflow introduced to model complex heterogeneous reservoirs: an example from NEAG-2 Field, north Western Desert, Egypt | |
| Benson et al. | The GeoCquest Project: Quantifying the impact of heterogeneity on CO2 migration and trapping in saline aquifers |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200904 |