CN111425190B - 一种页岩气地层岩性识别方法、系统、存储介质、终端 - Google Patents
一种页岩气地层岩性识别方法、系统、存储介质、终端 Download PDFInfo
- Publication number
- CN111425190B CN111425190B CN202010196865.5A CN202010196865A CN111425190B CN 111425190 B CN111425190 B CN 111425190B CN 202010196865 A CN202010196865 A CN 202010196865A CN 111425190 B CN111425190 B CN 111425190B
- Authority
- CN
- China
- Prior art keywords
- shale
- lithology
- den
- cnl
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title abstract description 6
- 239000011435 rock Substances 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 230000000035 biogenic effect Effects 0.000 claims abstract description 21
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 16
- 239000011707 mineral Substances 0.000 claims abstract description 16
- 235000010755 mineral Nutrition 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 6
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 235000013619 trace mineral Nutrition 0.000 claims abstract description 4
- 239000011573 trace mineral Substances 0.000 claims abstract description 4
- 235000019738 Limestone Nutrition 0.000 claims description 30
- 239000006028 limestone Substances 0.000 claims description 30
- 229910052710 silicon Inorganic materials 0.000 claims description 21
- 239000010703 silicon Substances 0.000 claims description 21
- 235000015076 Shorea robusta Nutrition 0.000 claims description 20
- 244000166071 Shorea robusta Species 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 13
- 239000004927 clay Substances 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 10
- 239000002734 clay mineral Substances 0.000 claims description 8
- 235000021185 dessert Nutrition 0.000 claims description 6
- 229910001748 carbonate mineral Inorganic materials 0.000 claims description 3
- CSDREXVUYHZDNP-UHFFFAOYSA-N alumanylidynesilicon Chemical compound [Al].[Si] CSDREXVUYHZDNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 4
- 235000011850 desserts Nutrition 0.000 abstract description 3
- 238000005755 formation reaction Methods 0.000 description 20
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 19
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 17
- 239000000463 material Substances 0.000 description 11
- 239000010453 quartz Substances 0.000 description 11
- 230000018109 developmental process Effects 0.000 description 9
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 6
- 239000005416 organic matter Substances 0.000 description 6
- 230000008021 deposition Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 239000011148 porous material Substances 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 239000010433 feldspar Substances 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008436 biogenesis Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000377 silicon dioxide Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- GFRMDONOCHESDE-UHFFFAOYSA-N [Th].[U] Chemical compound [Th].[U] GFRMDONOCHESDE-UHFFFAOYSA-N 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000011044 quartzite Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- 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
- E21B25/00—Apparatus for obtaining or removing undisturbed cores, e.g. core barrels or core extractors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
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
本发明属于非常规储层岩性识别技术领域，公开了一种页岩气地层岩性识别方法、系统、存储介质、终端，首先基于主微量元素、全岩分析、有机碳等测试，建立生物成因硅质页岩的判别标准，考虑粒度、矿物成分、硅质来源，划分页岩气地层岩性，统计不同岩性测井曲线响应；然后构建密度‑中子标准化后幅度差，联合自然伽马曲线建立不同岩性判别标准，最后利用测井曲线实现页岩气地层不同岩性的精细识别。测井曲线具有较高垂向分辨率，能连续刻画不同类型页岩的垂向分布，可有效弥补岩心实验数据有限、实验周期长、不能连续刻画页岩岩性分布的弊端，同时为页岩气地质甜点优选提供参考。本发明可以提高岩性识别的效率和精度。
Description
技术领域
本发明属于非常规储层岩性解释技术领域，尤其涉及一种页岩气地层岩性识别方法、系统、存储介质、终端。
背景技术
目前，岩性精细解释是进行油气藏储层参数评价的基础，尤其对于像页岩油气这类非常规油气藏，岩性频繁交互变化，岩性识别精度决定着储层评价及地质“甜点”优选的可靠性。目前，岩性识别通常有两种方法，一种是直观法，即通过肉眼观察井下岩心或岩屑，根据颜色、粒度、分选等确定岩性，该方法对于常规碎屑岩较为有效，对于粒度普遍偏小的页岩地层，很难进行岩性细分，同时岩心相对有限，难以获取到不同岩性的垂向分布。另一种是间接法，即建立岩性与其他资料(主要为测井资料)的关系，实现岩性精细识别和连续刻画，能有效弥补直观法的缺陷。
测井资料能连续记录地下岩层的声、电、磁和放射性等物理信息，不同岩性在粒度、物质组成、孔隙空间及含油气量等方面均有所差异，通常会表现出不同的测井响应值，据此，基于测井曲线能实现地下岩性的精细解释。测井岩性精细解释在常规碎屑岩地层非常有限且应用普遍，但对于页岩气地层却面临以下问题：1)页岩粒度整体属于泥级，如果采用常规碎屑岩的岩性划分方案(通常按照粒度分为砾岩、粗砂岩、中砂岩、细粉砂岩和泥岩)只能解释为一类岩性，需要根据矿物组成和有机质丰度进一步细分，以适应页岩气甜点评价的需要，而页岩气地层岩性精细划分方案尚不明确；2)粒度细、矿物组分复杂、低孔、富含有机质等地质特征，导致不同岩性页岩层的测井曲线响应值差异变小，适用于区分常规碎屑岩岩性的曲线交汇图版难以应用于页岩气地层，需要根据含气页岩岩性细分方案，建立适用于页岩气地层的测井岩性精细识别方法。
综上所述，现有技术存在的问题是：(1)页岩气地层岩性整体偏细，需要根据矿物、有机质丰度等建立页岩岩性细分方案，该方案一方面要满足页岩气地质甜点评价，同时测井可分辨。
(2)页岩矿物组成复杂多变、低孔、富含有机质等异于常规碎屑岩地层的特征，导致常规页岩气地层岩性识别方法难以适用，急需针对页岩岩性发育特征，建立一套测井识别标准及流程。
(3)利用岩心实验测试数据确定页岩岩性是最准确的手段，但页岩取芯有限，且实验周期长，不能连续刻画垂向分布，测井岩性识别能有效弥补岩心分析的不足。
解决上述技术问题的难度：该技术方法存在两个方面的难点：根据页岩物质组成建立合适的岩性划分方案和建立有效的测井页岩气地层岩性识别方法。尽管页岩气地层的粒度整体属于泥级，按照常规碎屑岩岩性划分标准主要定义为泥岩，但它们在孔隙结构、赋存气量、岩石力学等品质方面均存在明显差异，目前只有那些含气量高、脆性强的页岩气层才能实现经济有效开采(也就是“甜点”)；页岩储层品质的差异受本身矿物组成、有机质丰度等影响，因此除了考虑粒度信息外，还要重点参照页岩物质组成的差异，根据矿物组成、有机质、储层品质间联系，建立合适的页岩气地层岩性划分方案，以满足页岩气地质甜点评价的需要。同时，页岩气层细粒沉积为主、物质组成多样、低孔、富含有机质等特征，会弱化不同岩性的测井曲线响应差异，增加测井岩性识别的误差。需要加强不同岩性测井响应特征分析，提取有效的敏感曲线组合参数，提高测井识别的精度。
解决上述技术问题的意义：针对页岩气地层特征，从储层品质需要和测井可辨识角度建立一套岩性划分和测井识别方法，实现页岩气地层不同岩性的分布特征刻画，对页岩气储层参数解释及甜点层段优选具有重要指导意义。
发明内容
针对现有技术存在的问题，本发明提供了一种页岩气地层岩性识别方法、系统、存储介质、终端。
本发明是这样实现的，一种页岩气地层岩性识别方法，所述页岩气地层岩性识别方法包括以下步骤：
第一步，确定生物成因硅质发育的判别标准；
第二步，页岩岩性划分；
第三步，测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准；
第四步，联合GR和FDC建立其他类型页岩判别标准；
第五步，页岩岩性测井曲线判别。
进一步，所述第一步中，生物成因硅质发育的判别标准具体为：对页岩井岩心进行详细采样，进行全岩矿物分析、有机碳含量、主微量元素检测，并制作镜下薄片；以泥岩硅铝比3.11:1为基准，计算过剩硅含量，根据过剩硅含量与TOC间关系，确定生物成因硅质主导页岩的判别标准。
进一步，所述第二步中，页岩岩性划分具体为：考虑岩石粒度、矿物组成、硅质来源，建立页岩岩性大类划分标准；根据粉砂级颗粒含量，将页岩划分为粉砂质页岩和泥页岩，对于泥页岩，再根据粘土矿物、碳酸盐矿物含量划分出粘土质页岩和泥质灰岩，根据第一步中生物成因硅质主导页岩判别标准，将剩余泥页岩划分为硅质页岩和混合质页岩。
进一步，所述第三步中，建立硅质页岩和泥质灰岩的判别标准具体为：根据测试结果确定已有岩心的岩性，提取取心点对应测井曲线响应值，中子CNL、密度DEN、电阻率RT、自然伽马GR，分析不同岩性页岩的测井曲线响应差异；与其他岩性相比，泥质灰岩具有相对高DEN、低CNL和低GR特征，硅质页岩具有相对低DEN、低CNL和高GR特征，可联合DEN、CNL和GR曲线建立泥质灰岩和硅质页岩的曲线判别标准。
进一步，所述第四步中，联合DEN-CNL标准化后幅度差和GR建立岩性判别标准具体为：首先建立CNL-DEN交会图，根据硅质页岩和混合质页岩数据点拟合趋势线f(x)，确定CNL曲线的最小值CNLmin和最大值CNLmax，根据趋势线确定对应DEN的最小值DENmin和最大值DENmax，即DENmin＝f(CNLmin)，DENmax＝f(CNLmax)。然后利用FDC＝(DEN-DENmin)/(DENmax-DENmin)-(CNL-CNLmin)/(CNLmax-CNLmin)计算CNL-DEN标准化后幅度差；建立幅度差FDC和GR交会图版，确定不同类型页岩的判别标准，粘土质页岩对应较低GR、负的FDC，粉砂质泥岩具有较低GR、正的FDC，而混合质页岩对应中等GR、位于零FDC附近，硅质页岩对应最高GR、位于零FDC附近。
进一步，所述第六步中，页岩岩性测井曲线判别及应用具体为：根据上述不同岩性页岩曲线判别标准，通过CNL、DEN、GR曲线可识别出不同岩性页岩的垂向分布，认清页岩气地层岩性垂向变化规律和甜点层段的分布。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求任意一项所述包括下列步骤：
第一步，确定生物成因硅质发育的判别标准；
第二步，页岩岩性划分；
第三步，测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准；
第四步，联合GR和FDC建立其他类型页岩判别标准；
第五步，页岩岩性测井曲线判别及应用。
本发明的另一目的在于提供一种实施所述页岩气地层岩性识别方法的页岩气地层岩性识别系统，所述页岩气地层岩性识别系统包括：
第一判别标准模块，用于确定生物成因硅质发育的判别标准；
岩性划分模块，用于页岩岩性划分；
第二判别标准模块，用于测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准；
第三判别标准模块，用于联合GR和FDC建立其他类型页岩判别标准；
曲线判别模块，用于实现页岩岩性测井曲线判别及应用。
本发明的另一目的在于提供一种安装有所述页岩气地层岩性识别系统的终端。
本发明的另一目的在于提供一种测井岩性识别方法，所述测井岩性识别方法使用所述页岩气地层岩性识别方法。
综上所述，本发明的优点及积极效果为：本发明可以提高岩性识别的效率和精度。石英是龙马溪组页岩硅元素的主要来源，也是决定页岩脆性的物质基础。统计彭页1和隆页1井元素分析测试结果，发现龙马溪组页岩除了盆外物源输入外，盆内生物成因也是硅质的重要来源，龙马溪组下段富有机质页岩以生物成因硅质来源为主。薄片镜下观察也发现在海绵骨针、生物遗迹附近发育亮边状分布的硅质。TOC与石英含量呈明显正相关也说明了龙马溪组发育生物成因硅。不同成因硅质具有不同的分布特征及对有机质含量指示差异。基于SEM和背散射图像发现，盆外硅质颗粒通常为椭球形，磨圆较好，长度多大于10μm，而盆内生物成因硅质颗粒通常小于5μm，呈密集簇状分布在有机质附近，与有机质表现出明显共生关系。基于泥岩硅/铝比分析发现，TOC(2.5％)可作为区分盆外和盆内自生硅质是否占主导的有效判别依据。
彭水地区五峰-龙马溪组下段为一套深水陆棚相沉积环境下形成的黑色页岩夹薄层粉砂质页岩、粉砂岩、介壳灰岩地层，盆外陆源输入和盆内生物沉积是两类主要的沉积物来源。综合考虑矿物来源和粒级，将五峰-龙马溪组页岩主要划分为粉砂质页岩(或泥质粉砂岩)，硅质页岩、混合质页岩、粘土质页岩和灰质页岩(或介壳灰岩、泥质灰岩)。主要划分方法为：首先利用薄片观察统计粉砂级颗粒含量，根据该含量(25％)将岩性划分为粉砂质页岩(或泥质粉砂岩)和泥页岩两类，然后对于泥页岩类，利用XRD全岩分析结果，根据粘土矿物、长英质和碳酸盐岩含量进一步细分，当粘土含量高于50％时，定名为粘土质页岩；当碳酸盐岩含量高于50％时，定名为泥质灰岩(或介壳灰岩)，其他情况下，根据TOC含量(2.5％为界)划分出硅质页岩和混合质页岩两类。测井曲线具有较高垂向分辨率，能连续刻画不同类型页岩的垂向分布，可有效弥补岩心实验数据有限、实验周期长、不能连续刻画页岩岩性分布的弊端。
附图说明
图1是本发明实施例提供的页岩气地层岩性识别方法的流程图。
图2是本发明实施例提供的五峰-龙马溪组页岩过剩硅含量与TOC(左)和过剩硅比例与TOC(右)关系图。
图3是本发明实施例提供的五峰-龙马溪组不同岩性页岩测井曲线响应对比雷达图(左)和曲线响应值统计(右)图。
图4是本发明实施例提供的五峰-龙马溪组不同岩性页岩的CNL和DEN交会图。
图5是本发明实施例提供的五峰-龙马溪组不同岩性页岩的DEN-CNL标准化后幅度差与GR交会图。
图6是本发明实施例提供的隆页1-彭页1井岩性识别结果对比图。
图7是本发明实施例提供的不同岩性页岩特征分析图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种页岩气地层岩性识别方法、系统、存储介质、终端，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例的页岩气地层岩性识别方法包括以下步骤：
S101：确定生物成因硅质发育的判别标准。
S102：页岩岩性划分。
S103：测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准。
S104：联合GR和FDC建立其他类型页岩判别标准。
S105：页岩岩性测井曲线判别及应用。
下面结合附图对本发明的技术方案作进一步的描述。
四川盆地五峰-龙马溪组海相页岩层目前已经实现页岩气的商业开采，本次以四川盆地东南缘彭水区块的彭页1和隆页1为例，说明本发明实施的具体步骤：
(1)确定生物成因硅质发育的判别标准
硅质是五峰-龙马溪组页岩石英矿物的主要成分，也是决定页岩脆性的物质基础，但硅质具有陆源输入和盆内生物成因两类，不同成因硅质主导的页岩在颗粒粒度、排列方式、有机质含量，以及孔隙结构及孔隙体积、比表面积等均存在很大差异，以盆内生物成因硅质为主导的硅质页岩具有高TOC和高自生石英特点，才是页岩气勘探开发的有利岩性。但目前常用页岩岩性分类方案中，通常将长英质(长石和石英)含量>50％作为判别硅质页岩的标准，但忽略了石英矿物的成因差异。
对生物成因硅质的判别标准流程如下：
1)采集研究区岩心样品不少于20块，保证样品能覆盖不同岩性页岩气地层；开展全岩分析、有机碳测定和常微量元素监测，分别按照行业标准SY/T5163-2010《沉积岩中黏土矿物和常见非黏土矿物》、GB/T19145-2003《沉积岩中总有机碳测定》、GB/T14506.28-2010《碳酸盐岩石化学分析方法第28部分：16个主次成分量测定》，并进行镜下薄片制作；
2)以低有机质泥岩硅铝比(3.11:1)为标准，通过元素监测实验得到硅元素含量Vsi和铝元素含量VAl，计算过剩硅含量VSiex＝VSi-3.11*VAl和过剩硅比例Siex＝VSiex/VSi；
3)根据过剩硅与TOC间分段关系，确定生物成因硅质的判别标准。研究区过剩硅含量与TOC呈现出一定分段关系(图2)，当TOC<2.5％时，过剩硅含量与TOC基本无正相关，且过剩硅比例小于35％，说明陆源输入硅占主导；当TOC高于2.5％时，过剩硅含量随有机质增加而逐渐增大，过剩硅比例分布范围为35％-90％，说明生物成因硅占主导。由此可见，TOC(2.5％)可作为区分陆源输入和生物成因硅质是否占主导的有效判别依据。
(2)页岩岩性划分
彭水地区五峰-五峰-龙马溪组下段为一套深水陆棚相沉积环境下形成的黑色页岩夹薄层粉砂质页岩、粉砂岩、介壳灰岩地层，盆外陆源输入和盆内生物沉积是两类主要的沉积物来源。综合考虑矿物来源和粒级，将五峰-龙马溪组页岩气地层划分为粉砂质泥岩，硅质页岩、混合质页岩、粘土质页岩和泥质灰岩五大类。主要划分方法为：首先利用薄片观察统计粉砂级颗粒(粒径>62.5μm)含量，根据该含量将岩性划分为粉砂质页岩(粉砂级颗粒含量>25％)和泥页岩两类；对于泥页岩类，利用(1)中全岩分析结果，根据粘土矿物、长英质(长石和石英之和)和碳酸盐矿物含量进一步细分，当粘土含量高于50％时，定名为粘土质页岩；当碳酸盐岩含量高于50％时，定名为泥质灰岩，其他情况下，根据(1)中确定的生物成因硅质判别标准(TOC>2.5％)，进一步划分出硅质页岩和混合质页岩两类。不同岩性页岩的岩心、薄片特征及描述等见图7。
(3)不同岩性页岩的测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准。
结合薄片观察、XRD全岩分析及有机碳测定结果，对所选样品进行岩性定名，统计样品深度点对应测井曲线响应值，如密度(DEN)、中子(CNL)、声波(AC)、电阻率(RT)、自然伽马(GR)和钍铀比(Th/U)等，对比分析测井曲线对不同岩性页岩的区分能力(图3)。研究区内CNL、DEN、GR和Th/U等对不同岩性页岩均有较明显区分，而RT和AC的识别能力相对差。对于CNL，由泥质灰岩(平均6.0％)、硅质页岩(12.4％)、粉砂质页岩(17.3％)、混合质页岩(19.4％)、粘土值页岩(22.6％)的响应均值逐渐增大，反映中子对页岩中粘土含量响应敏感，而对有机质的响应不敏感；对于DEN，由硅质页岩(2.48cm3/g)、混合质页岩(2.63cm3/g)、粉砂质页岩(2.65cm3/g)、粘土质页岩(2.66cm3/g)、泥质灰岩(2.68cm3/g)的响应均值逐渐增加，表明DEN对页岩中有机质含量响应敏感，随TOC降低、粘土和碳酸盐含量增加而逐渐增大；对于GR，由灰岩、粉砂质页岩、粘土质页岩、混合质页岩和硅质页岩的响应均值逐渐增大，反映了由灰岩至硅质页岩沉积水深逐渐加大、还原环境逐渐增强。
泥质灰岩、硅质页岩与其他岩性页岩的测井响应区分明显，泥质灰岩表现出极高DEN、低CNL和极低GR的特征，硅质页岩表现出极低DEN、较低CNL和极高GR特征，可选择DEN、CNL两条曲线建立判别泥质灰岩和硅质页岩判别标准(图4)：DEN>2.6cm3/g和CNL<10％判定为泥质灰岩，DEN<2.55cm3/g和CNL<15％为硅质页岩。利用DEN和CNL两条曲线很难进一步区分其他类型页岩。
(4)引入DEN-CNL标准化后幅度差FDC，联合GR和FDC建立其他类型页岩判别标准。
尽管页岩组分多样，测井曲线是各种页岩组分响应的叠加，但有些测井曲线只对页岩中个别组分响应特别敏感，通过两条曲线的组合能够突出矿物成分、粒度等方面的差异，进而实现页岩岩性判别。从(3)分析可知，CNL对页岩中粘土矿物含量敏感，而DEN对页岩中TOC响应敏感，因此在DEN-CNL的图版中(图4)，硅质页岩和混合质页岩的粘土含量低(<50％)，由硅质页岩至混合质页岩，TOC逐渐降低、陆源颗粒(包括粘土、石英、长石等)的输入逐渐增多，DEN和CNL值呈逐渐增大趋势，且可拟合出一条趋势线f(x)；粘土质页岩和粉砂质页岩会偏离上述趋势线f(x)。粘土质页岩中陆源粘土矿物的输入较多，将会向右偏离该趋势线，而粉砂质页岩中粉砂级颗粒含量增多，导致粘土含量降低，将会向左偏离该趋势线。因此，引入DEN-CNL标准化后幅度差，对于硅质页岩和混合质页岩表现为无或弱幅度差，粉砂质页岩表现为正幅度差，而粘土质页岩表现为负幅度差。再结合GR曲线，能够进一步区分出各类岩性(图5)，具体步骤如下：
1)在CNL-DEN交会图上(图4)，根据硅质页岩和混合质页岩数据点确定一套趋势线f(x)＝0.0203x+2.2344；根据不同岩性页岩CNL的分布，确定CNL曲线最大值和最小值分别为0和30，根据f(x)计算DEN对应最大值和最小值分别为2.8434和2.2344；可计算得到DEN-CNL标准化后幅度差FDC：
FDC＝(DEN-2.2344)/0.609-CNL/30
2)在FDC和GR交会图上，粉砂质页岩对应正FDC和较低GR，粘土质页岩对应负FDC和较低GR，可建立这两类岩性的判别标准：FDC<0和GR<200API为粘土质页岩，FDC>＝0和GR<190API为粉砂质页岩，其他岩性再结合(3)硅质页岩和泥质灰岩判别标准，可识别出混合质页岩。
(5)页岩岩性测井曲线判别及应用
利用上述步骤对彭页1井五峰-龙马溪组页岩气地层进行岩性精细识别(图6)，测井识别岩性与全岩分析和TOC测试结果具有较好一致性，由下而上TOC和石英含量逐渐降低、粘土含量呈增大趋势，岩性识别结果也呈现出下部以硅质页岩为主(1-4号层)，向上过渡为混合质页岩和粉砂质页岩，8-9号层以粘土质页岩为主，这说明本发明的基于测井曲线页岩页岩气地层岩性识别方法具有较高解释精度。与钻井气测显示对比可知，硅质页岩和混合质页岩通常对应较高的气测显示，为页岩气甜点发育的主要岩性。本发明成果能为页岩气地质甜点优选提供一定指导。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种页岩气地层岩性识别方法，其特征在于，所述页岩气地层岩性识别方法包括以下步骤：
第一步，确定生物成因硅质发育的判别标准；
第二步，页岩岩性划分；
第三步，测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准；
第四步，联合GR和FDC建立其他类型页岩判别标准；
第五步，页岩岩性测井曲线判别；
所述第一步中，生物成因硅质发育的判别标准具体为：对页岩井岩心进行详细采样，进行全岩矿物分析、有机碳含量、主微量元素检测，并制作镜下薄片；以泥岩硅铝比3.11:1为基准，计算过剩硅含量，根据过剩硅含量与TOC间关系，确定生物成因硅质主导页岩的判别标准；
所述第三步中，建立硅质页岩和泥质灰岩的判别标准具体为：根据测试结果确定已有岩心的岩性，提取取心点对应测井曲线响应值，中子CNL、密度DEN、电阻率RT、自然伽马GR，分析不同岩性页岩的测井曲线响应差异；与其他岩性相比，泥质灰岩具有相对高DEN、低CNL和低GR特征，硅质页岩具有相对低DEN、低CNL和高GR特征，可联合DEN、CNL和GR曲线建立泥质灰岩和硅质页岩的曲线判别标准；
所述第四步中，联合DEN-CNL标准化后幅度差和GR建立岩性判别标准具体为：首先建立CNL-DEN交会图，根据硅质页岩和混合质页岩数据点拟合趋势线f(x)，确定CNL曲线的最小值CNLmin和最大值CNLmax，根据趋势线确定对应DEN的最小值DENmin和最大值DENmax，即DENmin＝f(CNLmin)，DENmax＝f(CNLmax)，然后利用FDC＝(DEN-DENmin)/(DENmax-DENmin)-(CNL-CNLmin)/(CNLmax-CNLmin)计算CNL-DEN标准化后幅度差；建立幅度差FDC和GR交会图版，确定不同类型页岩的判别标准，粘土质页岩对应较低GR、负的FDC，粉砂质泥岩具有较低GR、正的FDC，而混合质页岩对应中等GR、位于零FDC附近，硅质页岩对应最高GR、位于零FDC附近。
2.如权利要求1所述的页岩气地层岩性识别方法，其特征在于，所述第二步中，页岩岩性划分具体为：考虑岩石粒度、矿物组成、硅质来源，建立页岩岩性大类划分标准；根据粉砂级颗粒含量，将页岩划分为粉砂质页岩和泥页岩，对于泥页岩，再根据粘土矿物、碳酸盐矿物含量划分出粘土质页岩和泥质灰岩，根据第一步中生物成因硅质主导页岩判别标准，将剩余泥页岩划分为硅质页岩和混合质页岩。
3.如权利要求1所述的页岩气地层岩性识别方法，其特征在于，所述第五步中，页岩岩性测井曲线判别及应用具体为：根据不同岩性页岩曲线判别标准，通过CNL、DEN、GR曲线可识别出不同岩性页岩的垂向分布，认清页岩气地层岩性垂向变化规律和甜点层段的分布。
4.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1～3任意一项所述页岩气地层岩性识别方法的步骤：
第一步，确定生物成因硅质发育的判别标准；
第二步，页岩岩性划分；
第三步，测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准；
第四步，联合GR和FDC建立其他类型页岩判别标准；
第五步，页岩岩性测井曲线判别及应用。
5.一种实施权利要求1～3任意一项所述页岩气地层岩性识别方法的页岩气地层岩性识别系统，其特征在于，所述页岩气地层岩性识别系统包括：
第一判别标准模块，用于确定生物成因硅质发育的判别标准；
岩性划分模块，用于页岩岩性划分；
第二判别标准模块，用于测井曲线响应分析，建立硅质页岩和泥质灰岩判别标准；
第三判别标准模块，用于联合GR和FDC建立其他类型页岩判别标准；
曲线判别模块，用于实现页岩岩性测井曲线判别及应用。
6.一种安装有权利要求5所述页岩气地层岩性识别系统的终端。
7.一种测井岩性识别方法，其特征在于，所述测井岩性识别方法使用如权利要求1～3任意一项所述页岩气地层岩性识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010196865.5A CN111425190B (zh) | 2020-03-19 | 2020-03-19 | 一种页岩气地层岩性识别方法、系统、存储介质、终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010196865.5A CN111425190B (zh) | 2020-03-19 | 2020-03-19 | 一种页岩气地层岩性识别方法、系统、存储介质、终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111425190A CN111425190A (zh) | 2020-07-17 |
| CN111425190B true CN111425190B (zh) | 2022-05-17 |
Family
ID=71548143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010196865.5A Active CN111425190B (zh) | 2020-03-19 | 2020-03-19 | 一种页岩气地层岩性识别方法、系统、存储介质、终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111425190B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114075965B (zh) * | 2020-08-05 | 2024-05-07 | 中国石油化工股份有限公司 | 一种河道砂岩粒度的确定方法 |
| CN112033866A (zh) * | 2020-08-20 | 2020-12-04 | 中国地质调查局油气资源调查中心 | 一种页岩的分类方法及其应用和页岩岩相分布构建系统 |
| CN112525904B (zh) * | 2020-11-17 | 2024-02-23 | 德港(无锡)科技有限公司 | 一种硅质岩中不同来源硅质含量的定量计算方法 |
| CN114429075B (zh) * | 2021-09-13 | 2022-08-26 | 中国石油化工股份有限公司 | 一种基于bp神经网络的页岩比表面积参数建模方法 |
| CN114991745B (zh) * | 2021-11-01 | 2023-06-23 | 中国石油天然气股份有限公司 | 一种页岩油储层甜点识别方法和装置 |
| CN117420202B (zh) * | 2023-10-18 | 2024-06-21 | 中国地质大学（北京） | 一种页岩类型确定方法、装置、终端及存储介质 |
| CN117174203B (zh) * | 2023-11-02 | 2024-02-23 | 东华理工大学南昌校区 | 用于砂岩铀矿的测井曲线响应分析方法 |
| CN117823116A (zh) * | 2023-11-27 | 2024-04-05 | 中国石油天然气集团有限公司 | 页岩气水平井顺层钻进地质导向方法 |
| 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 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105275456B (zh) * | 2014-06-23 | 2016-08-31 | 中国石油化工股份有限公司 | 一种利用测井资料识别优质泥页岩的方法 |
| CN104989392B (zh) * | 2015-07-10 | 2018-01-02 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| CN107703560B (zh) * | 2017-09-29 | 2019-12-13 | 西南石油大学 | 一种基于三重信息的泥页岩岩相精细识别方法 |
| CN107703561A (zh) * | 2017-10-23 | 2018-02-16 | 中石化石油工程技术服务有限公司 | 一种页岩气水平井中计算有机碳含量的测井方法 |
| 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 |
-
2020
- 2020-03-19 CN CN202010196865.5A patent/CN111425190B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111425190A (zh) | 2020-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111425190B (zh) | 一种页岩气地层岩性识别方法、系统、存储介质、终端 | |
| Tian et al. | Integrated geological-geophysical characterizations of deeply buried fractured-vuggy carbonate reservoirs in Ordovician strata, Tarim Basin | |
| Liu et al. | Lithofacies types and assemblage features of continental shale strata and their implications for shale gas exploration: A case study of the Middle and Lower Jurassic strata in the Sichuan Basin | |
| CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
| Fullagar et al. | Towards geologically realistic inversion | |
| Wu et al. | Seismic sedimentology, facies analyses, and high-quality reservoir predictions in fan deltas: a case study of the Triassic Baikouquan Formation on the western slope of the Mahu Sag in China's Junggar Basin | |
| CN111323844A (zh) | 一种基于曲线重构的复杂砂砾岩体的岩性识别方法及系统 | |
| Zhou et al. | Lithologic classification of pyroclastic rocks: A case study for the third member of the Huoshiling Formation, Dehui fault depression, Songliao Basin, NE China | |
| CN117365458A (zh) | 一种混积型页岩储层岩性测井识别方法 | |
| Cao et al. | Application of seismic sedimentology in predicating sedimentary microfacies and coalbed methane gas content | |
| Wang et al. | Multi-scale natural fracture prediction in continental shale oil reservoirs: a case study of the Fengcheng Formation in the Mahu Sag, Junggar Basin, China | |
| CN106372751A (zh) | 一种相对古水深指标参数的测井预测方法 | |
| CN107132574B (zh) | 一种海相地层碎屑岩岩性组合的预测方法 | |
| CN111236932B (zh) | 一种基于指示曲线重构的页岩油岩性评价方法 | |
| Adepehin et al. | Shale Volume Effect on Hydrocarbon Prospectivity of Green Field, Niger Delta, Nigeria | |
| Wang et al. | Seismic recognition and quantitative characterization of siliciclastic–carbonate mixed sedimentary rocks in the Bohaiwan Basin, Northeast of China | |
| CN115857047A (zh) | 一种地震储层综合预测方法 | |
| Liu et al. | Distribution pattern of natural fractures in lacustrine shales: a case study of the Fengcheng formation in the Mahu Sag of the Junggar Basin, China | |
| Fluckiger* et al. | Predicting Reservoir Heterogeneity in the Upper Cretaceous Frontier Formation in the Western Powder River Basin-An Integrated Stratigraphic, Sedimentologic, Petrophysical and Geophysical Study | |
| CN112415596A (zh) | 一种基于测井资料的白云岩结构类型识别方法 | |
| Hu et al. | Seismic interpretation of sandstone-type uranium deposits in the Songliao Basin, Northeast China | |
| Jageler et al. | Use of well logs and dipmeters in stratigraphic-trap exploration: geologic exploration methods | |
| Zhou et al. | Study on the standard of the four relationships of reservoir and the lower limit of effective reservoir in Nantun Formation of Oilfield A | |
| Zhou et al. | Prediction of Lithium Oilfield Brines Based on Seismic Data: A Case Study from L Area, Northeastern Sichuan Basin, China | |
| Dike et al. | Structural characterization and water saturation evaluation of a shaly-sand reservoir rocks in an onshore, Niger Delta, Nigeria |
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 |