CN111198406A - 一种红层储层的因子分析测井岩性识别方法 - Google Patents
一种红层储层的因子分析测井岩性识别方法 Download PDFInfo
- Publication number
- CN111198406A CN111198406A CN202010117986.6A CN202010117986A CN111198406A CN 111198406 A CN111198406 A CN 111198406A CN 202010117986 A CN202010117986 A CN 202010117986A CN 111198406 A CN111198406 A CN 111198406A
- Authority
- CN
- China
- Prior art keywords
- factor
- lithology
- red
- reservoir
- logging
- 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
- 238000000556 factor analysis Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011160 research Methods 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 19
- 239000011435 rock Substances 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 208000035126 Facies Diseases 0.000 claims abstract description 5
- 239000004576 sand Substances 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 13
- 239000004927 clay Substances 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 2
- 229910052791 calcium Inorganic materials 0.000 claims description 2
- 239000011575 calcium Substances 0.000 claims description 2
- 238000009388 chemical precipitation Methods 0.000 claims description 2
- 229910052570 clay Inorganic materials 0.000 claims description 2
- 239000010433 feldspar Substances 0.000 claims description 2
- 239000000945 filler Substances 0.000 claims description 2
- 239000000843 powder Substances 0.000 claims description 2
- 239000010453 quartz Substances 0.000 claims description 2
- 229910052710 silicon Inorganic materials 0.000 claims description 2
- 239000010703 silicon Substances 0.000 claims description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 9
- 230000035699 permeability Effects 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 7
- 239000003921 oil Substances 0.000 description 7
- 101001018064 Homo sapiens Lysosomal-trafficking regulator Proteins 0.000 description 6
- 102100033472 Lysosomal-trafficking regulator Human genes 0.000 description 6
- 235000010703 Modiola caroliniana Nutrition 0.000 description 6
- 244000038561 Modiola caroliniana Species 0.000 description 6
- 208000020401 Depressive disease Diseases 0.000 description 5
- 230000008021 deposition Effects 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000007598 dipping method Methods 0.000 description 4
- 230000033558 biomineral tissue development Effects 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 241001522633 Betula utilis subsp. albosinensis Species 0.000 description 1
- 239000008830 Carthamus tinctorius Honghua extract Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011156 evaluation Methods 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
- 239000003208 petroleum Substances 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- SWGJCIMEBVHMTA-UHFFFAOYSA-K trisodium;6-oxido-4-sulfo-5-[(4-sulfonatonaphthalen-1-yl)diazenyl]naphthalene-2-sulfonate Chemical compound [Na+].[Na+].[Na+].C1=CC=C2C(N=NC3=C4C(=CC(=CC4=CC=C3O)S([O-])(=O)=O)S([O-])(=O)=O)=CC=C(S([O-])(=O)=O)C2=C1 SWGJCIMEBVHMTA-UHFFFAOYSA-K 0.000 description 1
- 230000000007 visual effect Effects 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
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种红层储层的因子分析测井岩性识别方法，具体涉及油气田开发地质领域。该方法通过对研究区进行地质背景和沉积相分析，结合岩芯分析建立岩性与测井响应特征的对应关系，利用因子分析法分析测井响应数据，通过构建新变量R对红层储层进行因子分析，提取出能够涵盖原始测井信息的公共因子并构建因子得分方程，建立因子得分交汇图初步划分红层储层岩性，再结合研究区取芯井段岩性对岩芯做进一步因子分析，得到细划分后的因子得分交汇图及判别方程，完成对红层储层岩性的细划分。本方法实现了利用地球物理资料对红层储层岩性的快速识别，识别结果准确率高，有效地解决了红层储层岩性难以识别的问题，对红层储层的勘探开发具有重大意义。
Description
技术领域
本发明涉及油气田开发地质领域，具体涉及一种红层储层的因子分析测井岩性识别方法。
背景技术
红层是指沉积在盆地中的以红色为主的碎屑岩沉积物，沉积环境主要为炎热、干燥时期的古盆地和湖泊，发育层位主要在中、新生代地层中。红层的碎屑颗粒包括洪积泥砾、河床相砂砾、河流三角洲前缘相的砂质层和以泥质为主的湖盆相粉砂质或淤泥质沉积等；大部分红层分布在干燥封闭的内流盆地环境中，由边缘到中心依次表现为厚层的砾岩、砂砾岩交互层，河流相与三角洲相沉积的砂、泥岩互层，薄层为主的细碎屑堆积。红层的红色主要是高价铁(Fe 3+)相对富集形成的，其形成经过了复杂的物理、化学和生物变化，缺乏古生物以及稳定的岩性和电性标志，研究起来比较困难。
目前国外对于红层的研究主要集中于红层的分布、形成条件、地层的划分等方面；国内对于红层的研究主要针对渤海湾含油气盆地的始新统红层，对红层的地层划分对比方法、沉积相类型、储层成岩作用等内容进行了不同程度的研究。
由于实际钻井取芯资料匮乏，缺少对红层岩性判别的系统研究，制约了对具有良好勘探潜力红层油藏的勘探开发，因此岩性识别对红层储层的勘探开发具有重大意义。
发明内容
本发明针对红层储层岩性复杂、识别困难的问题，提供了一种红层储层的因子分析测井岩性识别方法。
本发明具体采用如下技术方案：
一种红层储层的因子分析测井岩性识别方法，具体包括以下步骤：
步骤1，选取红层储层所在区域作为研究区进行地质背景分析和沉积相分析，在研究区中选择合适的取芯井段，通过取芯操作得到对应井段的取芯样品；
步骤2，根据粒度、颜色及微观特征将取芯样品划分为砾岩、砂岩、泥岩三大类，包括灰色细砾岩、灰色砂砾岩、灰色含砾砂岩、棕红色细砂岩、紫红色泥质砂岩、紫红色砂质泥岩、紫红色泥岩，结合各取芯井段的实际测井数据，建立研究区内岩性与测井响应特征的对应关系；
步骤3，构建岩性识别因子分析新变量R，通过与岩性相关的常规测井响应数据相结合，提取能够反映原始测井参数的公共因子，建立因子得分方程；
步骤4，根据步骤3确定的因子得分方程，建立因子得分交汇图，利用因子得分交汇图识别砾岩、砂岩、泥岩三种岩性，初步划分红层储层岩性；
步骤5，利用步骤4建立的因子得分交汇图，分析研究区取芯井段岩性，通过对砂岩、泥岩、砾岩的取芯样品进行进一步的因子分析，建立细划分后的因子得分交汇图，完成对红层储层的岩性细划分。
优选地，所述步骤2中取芯样品岩性划分标准如下：
砾岩为粒径大于2mm、颗粒碎屑成分含量大于30％的岩石，碎屑组分主要是岩屑，填隙物主要是砂、粉砂、粘土物质和化学沉淀物质，根据砾石粒径大小，将砾岩细分为粗砾岩、中砾岩和细砾岩；
砂岩为粒径在0.05mm-2mm、砂含量大于50％的岩石，由石英或长石组成，主要含硅、钙、粘土和氧化铁等，根据泥质和砾石含量，将砂岩细分为含砾砂岩、泥质砂岩、细砂岩、中砂岩、粉砂岩；
泥岩为弱固结的黏土经过挤压、脱水、重结晶和胶结作用形成的岩石，其中包含砂质泥岩。
优选地，所述步骤3具体包括以下子步骤：
步骤3.1：构建岩性识别因子分析新变量R，公式如下所示：
式中，RLLD表示深侧向电阻率值，单位Ω·m，RLLS表示浅侧向电阻率值，单位Ω·m；
步骤3.2：选取与岩性相关的测井响应数据，包括自然电位曲线SP、声波曲线AC、密度曲线DEN、补偿中子曲线CN、自然伽马曲线GR，通过对测井响应数据和岩性识别因子分析新变量R进行Z-Score标准化，得到标准化后的数据，包括标准自然电位曲线ZSP、标准声波曲线ZAC、标准密度曲线ZDEN、标准补偿中子曲线ZCN、标准自然伽马曲线ZGR和标准岩性识别因子分析新变量曲线ZR；
步骤3.3：通过对标准化后的数据进行KMO和Bartlett球形度检验，分析其是否满足因子分析条件；
步骤3.4：对于满足因子分析条件的标准化后的数据进行因子分析，利用最大方差法进行因子旋转后得到的因子载荷矩阵和因子得分系数矩阵，通过主成分提取法提取公共因子，结合因子得分系数矩阵建立公共因子的因子得分方程，如下所示：
S＝A×ZSP+B×ZAC+C×ZDEN+D×ZCN+E×ZGR+F×ZR (2)
式中，S表示因子得分，A表示标准自然电位曲线ZSP的系数，B表示标准声波曲线ZAC的系数，C表示标准密度曲线ZDEN的系数，D表示标准补偿中子曲线ZCN的系数，E表示标准自然伽马曲线ZGR的系数，F表示标准岩性识别因子分析新变量曲线ZR的系数。
本发明具有如下有益效果：
本方法实现了利用地球物理资料对红层储层进行岩性识别，解决了红层储层岩性复杂难以识别的问题；针对红层储层具有铁质含量偏高的特殊性，本方法充分结合测、录井资料，发挥测、录井资料纵向上的连续性优势，避免了取样分析的局限；同时，本方法还能对缺少取芯资料的红层储层进行岩性识别、预测，为红层储层的进一步评价、分析奠定了基础，在红层储层的勘探开发中具有重大意义。
附图说明
图1为取芯A井4100m～4200m井段岩性与测井响应特征的对应关系图。
图2为碎石图。
图3为因子得分交汇图，其中(a)为渗透率因子F2与孔隙度因子F1的得分交汇图，(b)为含泥因子F3与孔隙度因子F1的得分交汇图，(c)为含泥因子F3与渗透率因子F2的得分交汇图。
图4为细划分后的因子得分交汇图，其中(a)将砾岩细分为褐色油斑中砾岩、灰色中砾岩、灰色细砾岩，(b)将泥岩细分为紫色含砾泥岩、紫红色泥岩、紫红色砂质泥岩，(c)将砂岩细分为灰色细砂岩、灰色含砾砂岩、紫红色泥质砂岩。
图5为研究区X井沙四下段3278m-3410m取芯井段红层储层岩性划分结果图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：
以中国渤南洼陷红层储层为例，采用本发明提出的一种红层储层的因子分析测井岩性识别方法进行岩性识别，具体包括以下步骤：
步骤1，选取红层储层所在的渤南洼陷作为研究区，进行地质背景分析和沉积相分析，在研究区中选择合适的取芯井段，通过取芯操作得到对应井段的取芯样品；
本实施例研究区面积约为500km2,已探明含油气面积约为100km2，石油地质储量约为1.8×108t；
对研究区进行地质背景分析，分析结果如下：
渤南洼陷位于渤海湾盆地济阳坳陷沾化凹陷的中部，北临埕东凸起,东临孤岛凸起，西临义和庄凸起，南与陈家庄凸起接壤，属于沾化凹陷的次级洼陷,沾化凹陷整体为一个复式半地堑式的断陷，由多个“北断南超”的半地堑共同构成，在南北向上形成低凸起、洼陷、缓坡组成的构造样式；近南北向的鼻状低凸起伸入盆地内，盆地内近东西向的半地堑洼陷带被断裂带分隔成串珠状的次级洼陷，其中四扣洼陷与渤南洼陷总体上为北断南超式的萁状断陷，构成了沾化凹陷的主体部分。
渤南洼陷是济阳坳陷古近系—新近系发育最全、沉积厚度最大、成藏条件最好的洼陷，而古近系沙河街组则是渤南洼陷主要的油气生成和储集层段；沙河街组分布广泛，纵向上分为四段，其中沙四段划分为沙四下亚段和沙四上亚段，沙四下亚段岩性主要以泥岩为主，局部夹薄层粉砂、细砂岩，整个沙四段自下而上为湖盆扩张的正韵律沉积。
对研究区进行沉积相分析，结果如下：
渤南洼陷总体沉积背景为断裂带控制的断陷湖盆沉积，在沙四下亚段沉积时期主要发育洪积扇、浅湖、盐湖和洪水-漫湖沉积砂体；该沉积时期来自周围凸起的陆源碎屑物质在湖盆边缘快速推进并堆积，形成分布广泛的洪积扇，洪水-漫湖相在湖盆中心呈条带状分布，是研究区较为发育的沉积砂体，而盐湖相在研究区南部孤立发育，分布面积不大。洪积扇岩性较粗，可划分为扇根、扇中、扇端三个亚相，沉积物主要为杂基支撑的紫红色砾岩及含砾砂岩。在研究区沉积的冲积扇，从扇根到扇缘的岩性主要为紫红色砂泥质杂基支撑的砾岩；紫红色和灰色砂砾岩；暗红色砂岩、砾石和含少量粘土的粉砂岩。根据地貌特征扇三角洲可划分为扇三角洲平原、扇三角洲前缘和前扇三角洲；扇三角洲平原主要岩性为砂岩、砂质砾岩与暗紫红色泥岩互层，砾石分布杂乱，多呈悬浮状较均匀地分布于砂泥基质中；扇三角洲前缘主要沉积灰色、灰黄色含砾砂岩及中、粗砂岩；前三角洲则以规则的泥、砂岩分布为主要特点；洪水-漫湖多形成与湖泊发育的早期，岩性主要为砂岩、泥质粉砂岩、粉砂质泥岩及泥岩，砂体形态呈长条状。
研究区中选择A井、B井、C井、D井、E井作为取芯井，取芯深度均为2400-4900m，除去C井的取芯井段为210m，其余井的取芯井段皆在30m内，A井在深度4118.22m处取得岩芯1、深度4118.5m处取得岩芯3，B井在深度2783m处取得岩芯2，C井在深度2609m处取得岩芯4，D井在深度3371m处取得岩芯5、在深度3370m处取得岩芯6，E井在深度3755.76m处取得岩芯7，通过将各岩芯样品制作成薄片，并在显微镜下进行观察，对各岩芯样品进行岩性判断和岩性描述，如表1所示。
表1 不同岩性的岩芯、薄片
步骤2，根据粒度、颜色及微观特征将取芯样品划分为砾岩、砂岩、泥岩三大类，具体包括灰色细砾岩、灰色砂砾岩、灰色含砾砂岩、棕红色细砂岩、紫红色泥质砂岩、紫红色砂质泥岩、紫红色泥岩，共7种岩性，如表1所示，结合各取芯井段的实际测井数据，发现取芯A井4100m～4200m井段的测井数据能够较好的反映岩性，因此，利用取芯A井4100m～4200m井段建立该区域的岩性与测井响应特征的对应关系，如图1所示，通过分析岩性和测井响应的对应关系发现：泥岩对应的伽马测井曲线读数最大，砂岩对应的深侧向测井读数较大，泥质砂岩的深侧向测井读数介于泥岩和砂岩的深侧向测井读数之间，砂砾岩对应的电阻率值普遍偏高，相同岩性条件下，红层储层相对于传统储层自然电位SP值普遍偏低。
步骤3，构建岩性识别因子分析新变量R，通过与岩性相关的常规测井响应数据相结合，提取能够反映原始测井参数的公共因子，建立因子得分方程，具体包括以下子步骤：
步骤3.1：构建岩性识别因子分析新变量R，公式如下所示：
式中，RLLD表示深侧向电阻率值，单位Ω·m，RLLS表示浅侧向电阻率值，单位Ω·m；
岩性识别因子分析新变量R能够有效地反映地层的渗透性，当地层渗透性好且含油时岩性识别因子分析新变量R越大；反之，当岩层渗透性差或不含油时岩性识别因子分析新变量R越小；
步骤3.2：选取与岩性相关的测井响应数据，包括自然电位曲线SP、声波曲线AC、密度曲线DEN、补偿中子曲线CN、自然伽马曲线GR，通过对测井响应数据和岩性识别因子分析新变量R进行Z-Score标准化，得到标准化后的数据，包括标准自然电位曲线ZSP、标准声波曲线ZAC、标准密度曲线ZDEN、标准补偿中子曲线ZCN、标准自然伽马曲线ZGR和标准岩性识别因子分析新变量曲线ZR；
步骤3.3：通过对标准化后的数据进行KMO和Bartlett球形度检验，得到KMO结果为0.668，Bartlett球形度检验的自由度为0，说明标准化后的数据满足因子分析的条件，可以用于因子分析；
步骤3.4：对标准化后的数据进行因子分析，得到如图2所示的碎石图和如表2所示的变异数总计表；
表2 因子说明的变异数总计
表2中，由于计算到第四个公共因子时起始特征值累加至88％，说明前四个公共因子足够用于因子分析，因此不再对公共因子5和公共因子6进行撷取平方和载入及循环平方和载入，提取前四个公共因子为主成分；
利用最大方差法进行因子旋转后得到的因子载荷矩阵和因子得分系数矩阵，如表3所示；
表3 旋转后因子载荷矩阵和因子得分系数矩阵
表3中，由于仅对因子载荷矩阵特征值大于1的数据进行计算，因此导致有些主成分的公共因子处没有载荷，同时，因子载荷绝对值越接近1，说明公共因子与主成分的相关性越大；
因此，对表2进行分析利用主成分提取法得到孔隙度因子F1、渗透率因子F2、含泥因子F3和矿化度因子F4为公共因子，结合表3中的因子得分系数矩阵分别为四个公共因子建立因子得分方程，如下所示：
式中,
表示孔隙度因子F1的得分，
表示渗透率因子F2的得分，
表示含泥因子F3的得分，
表示矿化度因子F4的得分。
步骤4，根据步骤3中得到的因子得分方程，建立如图3所示的因子得分交汇图，其中图3(a)为渗透率因子F2与孔隙度因子F1的得分交汇图，图3(b)为含泥因子F3与孔隙度因子F1的得分交汇图，图3(c)为含泥因子F3与渗透率因子F2的得分交汇图；
利用因子得分交汇图识别出砾岩、砂岩、泥岩，初步划分红层储层岩性，在图3(a)中，由于砾岩的得分点集中在第二、三象限，通过绘制直线y＝-x区分砾岩与砂岩；在图3(b)中，由于泥岩含泥因子的得分
整体高于砾岩，因此利用泥岩交汇点区域位于砾岩交汇点区域的上方，对泥岩和砾岩进行区分；在图3(c)中，因部分样本岩性成分接近出现部分重叠现象，如泥岩与砂岩的渗透率因子F2和含泥因子F3的因子得分在二、三象限接近纵坐标轴处结果相近，样本多为泥质砂岩和砂质泥岩，以此对泥岩和砂岩进行区分。
步骤5，利用步骤4建立的因子得分交汇图，分析研究区取芯井段岩性，将成分相近的岩性样本单独提取，精确岩性划分标准，再次运用因子分析法对取芯样品岩性进行二元划分，建立细划分后的因子得分交汇图，得到更为直观的结果，如图4所示，其中，图4(a)中进一步将砾岩细分为褐色油斑中砾岩、灰色中砾岩、灰色细砾岩，图4(b)中进一步将泥岩细分为紫色含砾泥岩、紫红色泥岩、紫红色砂质泥岩，图4(c)中进一步将砂岩细分为灰色细砂岩、灰色含砾砂岩、紫红色泥质砂岩，由此完成对红层储层的岩性细划分。
应用实验
本发明一种红层储层的因子分析测井岩性识别方法，应用于研究区X井沙四下段3278m-3410m取芯井段红层储层进行岩性划分，取得了理想的岩性结果，如图5所示，通过与传统的测井识别方法进行对比，发现运用本发明方法得到的岩性划分结果与传统测井方法的划分结果吻合度达90％，验证了本发明方法对红层储层岩性进行划分的准确性，同时，相比于传统测井岩性识别方法，本发明方法划分得到的各岩性边界划分明显，可通过矿化度因子F4得分区分红层储层，并且该方法通过建立因子得分方程和因子得分交汇图，能够对红层储层岩性进行快速识别和准确细划分，在红层储层的勘探开发中具有重大意义。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (3)
1.一种红层储层的因子分析测井岩性识别方法，其特征在于，具体包括以下步骤：
步骤1，选取红层储层所在区域作为研究区进行地质背景分析和沉积相分析，在研究区中选择合适的取芯井段，通过取芯操作得到对应井段的取芯样品；
步骤2，根据粒度、颜色及微观特征将取芯样品划分为砾岩、砂岩、泥岩三大类，包括灰色细砾岩、灰色砂砾岩、灰色含砾砂岩、棕红色细砂岩、紫红色泥质砂岩、紫红色砂质泥岩、紫红色泥岩，结合各取芯井段的实际测井数据，建立研究区内岩性与测井响应特征的对应关系；
步骤3，构建岩性识别因子分析新变量R，通过与岩性相关的常规测井响应数据相结合，提取能够反映原始测井参数的公共因子，建立因子得分方程；
步骤4，根据步骤3确定的因子得分方程，建立因子得分交汇图，利用因子得分交汇图识别砾岩、砂岩、泥岩三种岩性，初步划分红层储层岩性；
步骤5，利用步骤4建立的因子得分交汇图，分析研究区取芯井段岩性，通过对砂岩、泥岩、砾岩的取芯样品进行进一步的因子分析，建立细划分后的因子得分交汇图，完成对红层储层的岩性细划分。
2.如权利要求1所述的一种红层储层的因子分析测井岩性识别方法，其特征在于，所述步骤2中取芯样品岩性划分标准如下：
砾岩为粒径大于2mm、颗粒碎屑成分含量大于30％的岩石，碎屑组分主要是岩屑，填隙物主要是砂、粉砂、粘土物质和化学沉淀物质，根据砾石粒径大小，将砾岩细分为粗砾岩、中砾岩和细砾岩；
砂岩为粒径在0.05mm-2mm、砂含量大于50％的岩石，由石英或长石组成，主要含硅、钙、粘土和氧化铁等，根据泥质和砾石含量，将砂岩细分为含砾砂岩、泥质砂岩、细砂岩、中砂岩、粉砂岩；
泥岩为弱固结的黏土经过挤压、脱水、重结晶和胶结作用形成的岩石，其中包含砂质泥岩。
3.如权利要求1所述的一种红层储层的因子分析测井岩性识别方法，其特征在于，所述步骤3具体包括以下子步骤：
步骤3.1：构建岩性识别因子分析新变量R，公式如下所示：
式中，RLLD表示深侧向电阻率值，单位Ω·m，RLLS表示浅侧向电阻率值，单位Ω·m；
步骤3.2：选取与岩性相关的测井响应数据，包括自然电位曲线SP、声波曲线AC、密度曲线DEN、补偿中子曲线CN、自然伽马曲线GR，通过对测井响应数据和岩性识别因子分析新变量R进行Z-Score标准化，得到标准化后的数据，包括标准自然电位曲线ZSP、标准声波曲线ZAC、标准密度曲线ZDEN、标准补偿中子曲线ZCN、标准自然伽马曲线ZGR和标准岩性识别因子分析新变量曲线ZR；
步骤3.3：通过对标准化后的数据进行KMO和Bartlett球形度检验，分析其是否满足因子分析条件；
步骤3.4：对于满足因子分析条件的标准化后的数据进行因子分析，利用最大方差法进行因子旋转后得到的因子载荷矩阵和因子得分系数矩阵，通过主成分提取法提取公共因子，结合因子得分系数矩阵建立公共因子的因子得分方程，如下所示：
S＝A×ZSP+B×ZAC+C×ZDEN+D×ZCN+E×ZGR+F×ZR (2)
式中，S表示因子得分，A、B、C、D、E、F表示系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010117986.6A CN111198406A (zh) | 2020-02-26 | 2020-02-26 | 一种红层储层的因子分析测井岩性识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010117986.6A CN111198406A (zh) | 2020-02-26 | 2020-02-26 | 一种红层储层的因子分析测井岩性识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111198406A true CN111198406A (zh) | 2020-05-26 |
Family
ID=70745141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010117986.6A Pending CN111198406A (zh) | 2020-02-26 | 2020-02-26 | 一种红层储层的因子分析测井岩性识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111198406A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114577833A (zh) * | 2022-05-05 | 2022-06-03 | 克拉玛依禾鑫石油科技有限公司 | 快速定量分析砂砾岩岩屑基质中黏土矿物的方法及应用 |
| CN117418831A (zh) * | 2023-12-18 | 2024-01-19 | 西安石油大学 | 砂砾岩储层多测井参数岩性识别方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053268A (zh) * | 2010-11-18 | 2011-05-11 | 中国石油天然气股份有限公司 | 一种蚀变火山岩岩性识别方法及装置 |
| CN107315203A (zh) * | 2017-08-04 | 2017-11-03 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种致密砂岩储层甜点识别及综合评价方法 |
| WO2018021991A1 (en) * | 2016-07-25 | 2018-02-01 | Schlumberger Technology Corporation | Seismic spectral balancing |
| CN109113729A (zh) * | 2018-06-20 | 2019-01-01 | 中国石油天然气集团有限公司 | 基于测井曲线的岩性识别方法及装置 |
-
2020
- 2020-02-26 CN CN202010117986.6A patent/CN111198406A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053268A (zh) * | 2010-11-18 | 2011-05-11 | 中国石油天然气股份有限公司 | 一种蚀变火山岩岩性识别方法及装置 |
| WO2018021991A1 (en) * | 2016-07-25 | 2018-02-01 | Schlumberger Technology Corporation | Seismic spectral balancing |
| CN107315203A (zh) * | 2017-08-04 | 2017-11-03 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种致密砂岩储层甜点识别及综合评价方法 |
| CN109113729A (zh) * | 2018-06-20 | 2019-01-01 | 中国石油天然气集团有限公司 | 基于测井曲线的岩性识别方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| NORBERT PÉTER SZABÓ: "Hydraulic conductivity explored by factor analysis of borehole geophysical data", 《HYDROGEOLOGY JOURNAL》 * |
| 吴俊等: "玛北斜坡三叠系百口泉组砂砾岩油藏岩性识别方法", 《测井技术》 * |
| 李政宏等: "缝洞型碳酸盐岩储层测井识别—以塔中东部良里塔格组良二段为例", 《天然气地球科学》 * |
| 王志宏等: "随机森林分类方法在储层岩性识别中的应用", 《辽宁工程技术大学学报（自然科学版）》 * |
| 马丽芳: "青藏高原东北缘酒西盆地新生代沉积通量变化及其主控因素研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114577833A (zh) * | 2022-05-05 | 2022-06-03 | 克拉玛依禾鑫石油科技有限公司 | 快速定量分析砂砾岩岩屑基质中黏土矿物的方法及应用 |
| CN117418831A (zh) * | 2023-12-18 | 2024-01-19 | 西安石油大学 | 砂砾岩储层多测井参数岩性识别方法及装置 |
| CN117418831B (zh) * | 2023-12-18 | 2024-03-22 | 西安石油大学 | 砂砾岩储层多测井参数岩性识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Multiscale faults and fractures characterization and their effects on shale gas accumulation in the Jiaoshiba area, Sichuan Basin, China | |
| Yangquan et al. | Architectural units and heterogeneity of channel reservoirs in the Karamay Formation, outcrop area of Karamay oil field, Junggar basin, northwest China | |
| Moraes et al. | Diagenetic heterogeneity and reservoir quality: Fluvial, deltaic, and turbiditic sandstone reservoirs, Potiguar and Reconcavo rift basins, Brazil | |
| CN110441813A (zh) | 一种湖相优质烃源岩的发育分布的预测方法 | |
| CN105590012A (zh) | 一种适用于层间氧化带砂岩型铀矿有利砂体的评价方法 | |
| CN110056346B (zh) | 一种基于趋势变化函数的油藏三维原始含水饱和度模拟方法 | |
| Rogers | New reservoir model from an old oil field: Garfield conglomerate pool, Pawnee County, Kansas | |
| CN111379552B (zh) | 基于高频层序地层学的海相页岩气水平井靶窗选择方法 | |
| Melvin et al. | Lithofacies, diagenesis and porosity of the Ivishak Formation, Prudhoe Bay Area, Alaska: Part 3. Applications in exploration and production | |
| Cao et al. | Petrofacies prediction and 3-D geological model in tight gas sandstone reservoirs by integration of well logs and geostatistical modeling | |
| CN111198406A (zh) | 一种红层储层的因子分析测井岩性识别方法 | |
| Dongling et al. | Quality characterization of tight sandstone reservoirs in the Yanchang Formation of the Honghe oilfield, Ordos Basin, central China | |
| Wang et al. | Pore-throat characteristics of tight sandstone reservoirs composed of gravity flow sediments: Yingcheng Formation, Longfengshan sag, China | |
| Li et al. | Reservoir architecture and fracture characterization of low-permeability sandstone reservoir: a case study of Biandong oilfield, Jinhu depression, northern Jiangsu Basin, China | |
| CN112034526A (zh) | 基于岩相组合的灰质泥岩发育区薄层浊积砂体的地震识别方法 | |
| CN114635681A (zh) | 一种高砂地比厚层辫状河三角洲前缘砂体构型构建方法 | |
| Wang et al. | Densification mechanism of deep low-permeability sandstone reservoir in deltaic depositional setting and its implications for resource development: A case study of the Paleogene reservoirs in Gaoshangpu area of Nanpu sag, China | |
| CN113917532B (zh) | 分析河流的沉积微相平面展布与沉积演化的方法和系统 | |
| Medvedev et al. | Comparative characteristics of the lithological composition of the incised valley filland host sediments of the Vikulovo Formation, Kamenny area, West Siberia | |
| Zhao et al. | Concentric hydrocarbon accumulations in deep rift basins: A case study of Jizhong and Huanghua depressions, Bohai Bay Basin, China | |
| Qi et al. | Significant role of structural fractures in Renqiu buried-hill oil field in eastern China | |
| Wang et al. | Factors controlling spatial distribution of complex lithology in transitional shale strata: Implications from logging and 3D seismic data, Shan-2 Lower Sub-member, Eastern Ordos Basin | |
| Bian et al. | Sedimentology, sequence stratigraphy and their control on reservoirs quality in mid-Cretaceous Mishrif formation in East Rub al Khali Basin, Western UAE | |
| Lupin et al. | Sediment-routing controls on sandstone bulk petrographic composition and texture across an ancient shelf: Example from Cretaceous Western Interior Basin, Utah and Colorado, USA | |
| Zhang et al. | Paleogene lake deep water sedimentary facies in the northern zone of the Chezhen Sag, Bohai Bay Basin, China |
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: 20200526 |