CN111663940A - 一种页岩储层的生物成因硅的计算方法 - Google Patents
一种页岩储层的生物成因硅的计算方法 Download PDFInfo
- Publication number
- CN111663940A CN111663940A CN201910167937.0A CN201910167937A CN111663940A CN 111663940 A CN111663940 A CN 111663940A CN 201910167937 A CN201910167937 A CN 201910167937A CN 111663940 A CN111663940 A CN 111663940A
- Authority
- CN
- China
- Prior art keywords
- content
- silicon
- biogenic
- biogenic silicon
- calculating
- 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
- 229910052710 silicon Inorganic materials 0.000 title claims abstract description 121
- 239000010703 silicon Substances 0.000 title claims abstract description 121
- 230000000035 biogenic effect Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 33
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 120
- 238000004364 calculation method Methods 0.000 claims description 43
- 238000012360 testing method Methods 0.000 claims description 25
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract description 13
- 238000011161 development Methods 0.000 abstract description 5
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 14
- 235000012239 silicon dioxide Nutrition 0.000 description 13
- 239000010453 quartz Substances 0.000 description 12
- 229920001296 polysiloxane Polymers 0.000 description 5
- 229910052782 aluminium Inorganic materials 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 150000003839 salts Chemical class 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000002734 clay mineral Substances 0.000 description 3
- 239000000571 coke Substances 0.000 description 3
- 239000013078 crystal Substances 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000013081 microcrystal Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000507581 Ergene Species 0.000 description 1
- 241000237852 Mollusca Species 0.000 description 1
- 101150025129 POP1 gene Proteins 0.000 description 1
- 229910002796 Si–Al Inorganic materials 0.000 description 1
- CSDREXVUYHZDNP-UHFFFAOYSA-N alumanylidynesilicon Chemical compound [Al].[Si] CSDREXVUYHZDNP-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008436 biogenesis Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 125000000484 butyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 description 1
- 238000005136 cathodoluminescence Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical group 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000001226 reprecipitation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 229910021487 silica fume Inorganic materials 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 235000012431 wafers Nutrition 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
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)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种页岩储层的生物成因硅的计算方法，涉及页岩气勘探开发技术领域，用于解决现有技术中存在的不能快速、简单、低成本地连续分析页岩储层的生物成因硅含量的技术问题。本发明的页岩储层的生物成因硅的计算方法，通过建立生物成因硅的含量以及测井曲线之间的线性关系式，来求解未知地区的生物成因硅的含量，因此较之现有技术，本发明的方法，能够快速、简单、低成本地连续分析页岩储层的生物成因硅的含量，从而在整体上反应页岩储层的生物成因硅分布状况，能够为页岩气富集有利区、水平井有利层段优选提供支持，具有重要理论意义和应用价值。
Description
技术领域
本发明涉及页岩气勘探开发技术领域，特别地涉及一种页岩储层的生物成因硅的计算方法。
背景技术
四川盆地及其周缘五峰组—龙马溪组页岩气藏是目前主要的勘探开发层系。生物成因硅是五峰组—龙马溪组富有机质页岩中的重要矿物，主要包括具生物结构硅和无生物结构硅。具生物结构硅主要继承了生物的原始结构和构造，在扫描电镜下可见大量具有生物结构的石英，主要包括放射虫、海绵骨针和薄壁软体动物碎片，大小多在几微米至几十微米，能谱元素分析表明这些生物残片中C(碳)、Si(硅)元素含量较高。无生物结构硅主要为海洋中溶解硅的再沉淀作用形成，多以隐晶、微晶及微晶集合体出现，结晶程度低，没有清晰边界，偶呈细脉状条带，多以胶结物的形式出现，大小介于3～10微米。成岩过程中形成的石英单色阴极发光特征为弱发光—不发光，光谱通常在波长620～650nm之间(Milliken,K.L.,S.M.Ergene,and A.Ozkan,2016,Quartz types,authigenic and detrital,in theUpper Cretaceous Eagle Ford Formation,South Texas,USA:Sedimentary Geology,v.339,p.273-288.；Zhao,J.,Z.Jin,Z.Jin,X.Wen,and Y.Geng,2017,Origin ofauthigenic quartz in organic-rich shales of the Wufeng and LongmaxiFormations in the Sichuan Basin,South China:Implications for pore evolution:Journal of Natural Gas Science and Engineering,v.38,p.21-38.)。结合形态观察，可以区分生物成因的石英和粘土矿物转化过程中形成的石英，生物成因石英一般以隐晶、微晶及微晶聚集体的形式出现，呈不规则状，而黏土矿物转化过程中形成的石英通常原地重结晶形成细粒微晶石英嵌入在黏土矿物中，呈短链状、小晶簇状聚集，或以板片状、小晶片状形式存在。王秀平等(2015)统计认为石英含量与有机质成熟度无明显相关性(王秀平,牟传龙,王启宇,葛祥英,陈小炜,周恳恳,梁薇,2015,川南及邻区龙马溪组黑色岩系成岩作用:石油学报,v.36,p.1035-1047.)，说明成岩后期次生硅质含量相对较少，硅主要为生物成因或成岩早期硅质微体化石再溶解后SiO2(二氧化硅)过饱和沉淀而成，均与生物作用有关。
目前主要通过镜下鉴定和能谱联合识别，并采用元素计算获得有机硅含量(Wedepohl,K.H.,1971.Environmental influences on the chemical compositionofshales and clays.In:Ahrens,L.H.,Press,F.,Runcorn,S.K.,Urey,H.C.(Eds.),Physics and Chemistry of the Earth,vol.8.Pergamon,Oxford,pp.307-331；Milliken,K.L.,S.M.Ergene,and A.Ozkan,2016,Quartz types,authigenic and detrital,in theUpper Cretaceous Eagle Ford Formation,South Texas,USA:Sedimentary Geology,v.339,p.273-288.；Zhao,J.,Z.Jin,Z.Jin,X.Wen,and Y.Geng,2017,Origin ofauthigenic quartz in organic-rich shales of the Wufeng and LongmaxiFormations in the Sichuan Basin,South China:Implications for pore evolution:Journal of Natural Gas Science and Engineering,v.38,p.21-38.；王秀平,牟传龙,王启宇,葛祥英,陈小炜,周恳恳,梁薇,2015,川南及邻区龙马溪组黑色岩系成岩作用:石油学报,v.36,p.1035-1047.)，制约了现场大规模应用。
目前的技术主要存在以下不足：(1)虽然利用镜下观察等手段可识别生物成因硅，但在实际生产应用、全井段页岩岩心镜下识别生物成因硅不现实，一是取心井较少，镜下鉴定的数据量有限，二是难以准确估算生物成因硅含量和纵向变化。(2)根据已有的公式对过量硅(大部分为生物成因硅)进行计算，需要对硅铝等元素含量进行大量页岩样品的测试，实际生产中取心井较少，大量测试硅铝含量并计算生物成因硅操作难度大，难以从整体上反应页岩储层的生物成因硅分布状况。因此这两种方法均不能快速、简单、低成本地连续分析页岩储层的生物成因硅含量，无法满足页岩气勘探开发生产实践的需要。
生物成因硅与有机碳含量、有机质孔发育程度、页岩含气量呈正相关性，并对后期压裂改造具有积极作用，实现了页岩赋气和压裂改造的统一，其含量是评价页岩储层的重要指标。明确生物成因硅含量在页岩层段平面上和纵向上的变化规律，可以为页岩气富集有利区、水平井有利层段优选提供支持，具有重要理论意义和应用价值。因此，需要发明一种生物成因硅的算法，为页岩气储层有利层段评价提供技术支撑。
发明内容
本发明提供一种页岩储层的生物成因硅的计算方法，用于解决现有技术中存在的不能快速、简单、低成本地连续分析页岩储层的生物成因硅含量的技术问题。
本发明提供一种页岩储层的生物成因硅的计算方法，包括以下操作步骤：
步骤S10：根据标定地区生物成因硅的含量Si测试计算，建立生物成因硅的含量与测井曲线之间的关系；
步骤S20：根据生物成因硅的含量与测井曲线之间的关系，计算未知地区的生物成因硅的含量。
在一个实施方式中，所述标定地区和未知地区的地层从下至上包括五峰组、龙马溪组。
在一个实施方式中，生物成因硅的含量与测井曲线之间满足线性关系。
在一个实施方式中，所述测井曲线包括自然伽玛测井曲线、声波时差测井曲线、密度测井曲线以及中子测井曲线。
在一个实施方式中，生物成因硅的含量以及测井曲线之间满足以下关系式：
Si公式计算＝aGR+bAC+cDEN+dCNL；
其中，Si公式计算为生物成因硅的含量；
GR为伽马测井值，单位为API；
AC为声波测井值，单位为us/m；
DEN为密度测井值，单位为g/cm3；
CNL为中子测井值，单位为％；
a、b、c和d均为系数。
在一个实施方式中，根据标定地区生物成因硅的含量Si测试计算，对所述关系式进行拟合计算获得系数a、b、c和d。
在一个实施方式中，将计算获得的系数a、b、c和d作为所述关系式中已知条件，对所述关系式进行拟合效果评价。
在一个实施方式中，步骤S10中，标定地区生物成因硅的含量通过页岩气井的硅铝元素测试数据计算获得。
在一个实施方式中，步骤S10中，标定地区生物成因硅的含量通过以下定义式计算获得：
Si测试计算＝Si-[(Si/Al)背景×Al]；
其中，Si为标定地区硅元素含量；
Al为标定地区铝元素含量；
(Si/Al)背景为3.11。
在一个实施方式中，还包括根据步骤S20中获得的未知地区的生物成因硅的含量，预测页岩气水平井靶区的操作步骤。
在一个实施方式中，若步骤S20中获得的未知地区的生物成因硅的含量大于30％，则对应的该区段为页岩气水平井靶区。
在一个实施方式中，对计算的生物成因硅曲线进行滤波，以滤出曲线上的细小毛刺，以避免检测出伪局部峰值。
与现有技术相比，本发明的优点在于：
(1)本发明是通过建立生物成因硅的含量与测井曲线之间的关系来计算未知地区的生物成因硅的含量，其中测井技术是本领域技术人员所熟知的技术，因此能够易于获取的常规测井参数，因此本领域技术人员无需昂贵测试费用即可快速、简单、连续地计算生物成因硅的含量，并从整体了解页岩储层中生物成因硅的分布状况，从而克服了镜下鉴定生物成因硅、硅铝元素计算生物成因硅这两种方法无法便捷连续获得全井段生物成因硅的缺点。
(2)本发明中，根据计算获得的未知地区生物成因硅的含量，能够直接预测五峰组—龙马溪组页岩气水平井靶区，从而为页岩气富集有利区、水平井有利层段优选提供支持。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。
图1为本发明的实施例中页岩储层的生物成因硅的计算方法的流程图；
图2为本发明的实施例中威页1井五峰组—龙马溪组的有机硅含量图；
图3为本发明的实施例中永页1井五峰组—龙马溪组的有机硅含量图；
图4为本发明的实施例中丁页1井五峰组—龙马溪组的有机硅含量图；
图5为本发明的实施例中焦页1井五峰组—龙马溪组的有机硅含量图；
图6为本发明的实施例中焦页8井五峰组—龙马溪组的有机硅含量图；
图7为本发明的实施例中胜页1井五峰组—龙马溪组的有机硅含量图；
图8为本发明的实施例中盐志1井五峰组—龙马溪组的有机硅含量图；
图9为本发明的实施例中标定井和目标井的有机硅含量图对应图。
具体实施方式
下面将结合附图对本发明作进一步说明。
如图1所示，本发明提供一种页岩储层的生物成因硅的计算方法，包括以下操作步骤：
第一步：根据标定地区五峰组—龙马溪组生物成因硅的含量Si测试计算，建立生物成因硅的含量与测井曲线之间的关系。
由于标定地区的硅铝等元素含量数据和测井元素数据较为齐全，因此能够通过公式很方便地计算获得标定地区生物成因硅的含量Si测试计算。
例如，标定地区生物成因硅的含量Si测试计算可以通过以下定义式计算获得：
Si测试计算＝Si-[(Si/Al)背景×Al] (1)
其中，Si为标定地区硅元素含量；
Al为标定地区铝元素含量；
(Si/Al)背景为标定值，一般取3.11。
通过上述公式(1)，能够计算获得标定地区生物成因硅的含量Si测试计算，并将其作为已知条件，与标定地区的测井曲线相结合，即可建立其二者之间的关系式。
需要说明的是，本发明中，标定地区或称为标定井，未知地区或称为目标井。
在本发明的一个实施例中，测井曲线包括自然伽玛测井曲线、声波时差测井曲线、密度测井曲线以及中子测井曲线。
根据上述测井曲线，建立生物成因硅的含量与自然伽玛测井曲线、声波时差测井曲线、密度测井曲线以及中子测井曲线之间的线性关系。
具体来说，生物成因硅的含量以及测井曲线之间满足以下关系式：
Si公式计算＝aGR+bAC+cDEN+dCNL (2)
其中，Si公式计算为生物成因硅的含量；
GR为伽马测井值，单位为API；
AC为声波测井值，单位为us/m；
DEN为密度测井值，单位为g/cm3；
CNL为中子测井值，单位为％；
a、b、c和d均为系数。
由于标定地区生物成因硅的含量Si测试计算为已知条件，且标定地区的GR、AC、DEN和CNL均可通过测量获得，因此上述关系式(2)中的系数a、b、c和d为待求解参数(此时四个系数为未知参数)。
求解系数a、b、c和d可通过线性拟合的方法来求解。例如获得多组Si测试计算，并将每组Si测试计算分别与GR、AC、DEN和CNL相对应，即可求取上述关系式中的系数a、b、c和d(此时四个系数为已知参数)。
进一步地，在通过计算后获得系数a、b、c和d，将其代入上述关系式(2)中，反推计算生物成因硅的含量Si公式计算，将生物成因硅的含量Si公式计算与已知的Si测试计算进行比较，以验证上述拟合效果。
若Si公式计算与Si测试计算之间的误差在可接受的范围之内，则认为上述系数a、b、c和d是可接受的，即拟合效果良好。
第二步，根据生物成因硅的含量与测井曲线之间的关系，计算未知地区五峰组—龙马溪组的生物成因硅的含量。
在本步骤中，由于上述关系式(2)中未知的参数已经通过拟合计算的方法获得，并且未知地区的测井曲线数据可以通过测量获得，那么可通过上述关系式(2)求解未知地区的生物成因硅的含量。
第三步，根据第二步中获得的未知地区五峰组—龙马溪组的生物成因硅的含量，预测未知地区的页岩气水平井靶区。具体来说，若未知地区五峰组—龙马溪组的生物成因硅的含量大于30％，则对应的该区段即为页岩气水平井靶区。
优选地，对计算的生物成因硅曲线进行滤波，以滤出曲线上的细小毛刺，以避免检测出伪局部峰值。
下面以某地7口井为例对本发明的方法进行详细的说明。这7口井分别为威页1井、永页1井、丁页1井、焦页1井、焦页8井、胜页1井和盐志1井，其中，胜页1井为本文所述的标定井，威页1井、永页1井、丁页1井、焦页1井、焦页8井和盐志1井为本文所述的目标井。
首先，根据胜页1井五峰组—龙马溪组的硅铝等元素含量数据和测井元素数据，以及上述公式(1)，计算获得胜页1井五峰组—龙马溪组的生物成因硅的含量Si测试计算。
将胜页1井的五峰组—龙马溪组生物成因硅的含量Si测试计算，胜页1井硅元素含含量(其值为259.699)以及胜页1井的测井曲线数值作为已知条件，根据生物成因硅的含量以及测井曲线之间的线性关系式，通过拟合计算其中的未知参数。
通过计算可知，a＝0.028，b＝0.134，c＝-88.143，d＝-2.42。
建立二者之间的线性关系式如下：
Si公式计算＝0.028×GR+0.134×AC-88.143×DEN-2.42×CNL (3)
将根据上述关系式(3)计算获得的胜页1井五峰组—龙马溪组生物成因硅的含量Si公式计算与根据公式(1)计算获得的胜页1井五峰组—龙马溪组生物成因硅的含量Si测试计算进行调整R方分析，结果表明R方大于0.6，即表明拟合良好。
其次，分别将焦页1井、丁页1井、永页1井、焦页8井、威页1井以及盐志1井的GR、AC、DEN和CNL测井数据代入上述关系式(3)，可计算获得上述6口井五峰组—龙马溪组的生物硅成因硅的含量。如图2-8中最右侧曲线所示，分别显示了本实施例中7口井五峰组—龙马溪组的生物成因硅的含量。
最后，根据图2-8所示的生物成因硅的含量，可以对上述6口目标井进行五峰组—龙马溪组页岩气水平井靶区预测。即通过计算获得的Si公式计算>30％的区段可直接选定为岩气水平井靶区。为了便于说明，将图2-8沿横向依次排列后得到图9，图9中灰色区域所显示的区段即为上述6口目标井的页岩气水平井靶区。可以看出，生物成因硅含量(>30％)与页岩气水平井生产特征具有良好的对应关系，从而为页岩气富集有利层段、钻井有利靶区优选提供了可靠的生物成因硅数据，提高了页岩气水平井靶区的预测精度。
需要说明的是，在预测页岩气水平井靶区时，对生物成因硅的含量滤波处理后，从五峰组底部开始筛选，生物成因硅的含量第一次大于30％时，所对应的井深作为下边界；向上方向上，生物成因硅的含量第一次小于30％时，所对应的井深作为上边界，两个边界之间的区段即为页岩气水平井靶区。以图2为例，井深为3582.9m-3588.7m之间的区段为页岩气水平井靶区。
综上所述，本发明是基于标定井的已知数据，通过建立生物成因硅的含量以及测井曲线之间的线性关系式，来求解目标井的生物成因硅的含量，因此较之现有技术，本发明的方法，能够快速、简单、低成本地连续分析页岩储层的生物成因硅的含量，从而在整体上反应页岩储层的生物成因硅分布状况，能够为页岩气富集有利区、水平井有利层段优选提供支持，具有重要理论意义和应用价值。
此外，本发明适用于不同气藏压力、储层类型的页岩储层中生物成因硅的计算，可以为页岩气富集有利层段、有利靶区优选提供支持，能够提高页岩气水平井靶区的预测精度，其可操作性强，适合大规模工业化测试，应用前景乐观。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种页岩储层的生物成因硅的计算方法，其特征在于，包括以下操作步骤：
步骤S10：根据标定地区生物成因硅的含量Si测试计算，建立生物成因硅的含量与测井曲线之间的关系；
步骤S20：根据生物成因硅的含量与测井曲线之间的关系，计算未知地区的生物成因硅的含量。
2.根据权利要求1所述的页岩储层的生物成因硅的计算方法，其特征在于，所述标定地区和未知地区的地层从下至上包括五峰组、龙马溪组。
3.根据权利要求1或2所述的页岩储层的生物成因硅的计算方法，其特征在于，生物成因硅的含量与测井曲线之间满足线性关系，优选地，所述测井曲线包括自然伽玛测井曲线、声波时差测井曲线、密度测井曲线以及中子测井曲线。
4.根据权利要求3所述的页岩储层的生物成因硅的计算方法，其特征在于，生物成因硅的含量以及测井曲线之间满足以下关系式：
Si公式计算＝aGR+bAC+cDEN+dCNL；
其中，Si公式计算为生物成因硅的含量；
GR为伽马测井值，单位为API；
AC为声波测井值，单位为us/m；
DEN为密度测井值，单位为g/cm3；
CNL为中子测井值，单位为％；
a、b、c和d均为系数。
5.根据权利要求4所述的页岩储层的生物成因硅的计算方法，其特征在于，根据标定地区生物成因硅的含量Si测试计算，对所述关系式进行拟合计算获得系数a、b、c和d。
6.根据权利要求5所述的页岩储层的生物成因硅的计算方法，其特征在于，将计算获得的系数a、b、c和d作为所述关系式中已知条件，对所述关系式进行拟合效果评价。
7.根据权利要求1或2所述的页岩储层的生物成因硅的计算方法，其特征在于，步骤S10中，标定地区生物成因硅的含量通过页岩气井的硅铝元素测试数据计算获得。
8.根据权利要求7所述的页岩储层的生物成因硅的计算方法，其特征在于，步骤S10中，标定地区生物成因硅的含量通过以下定义式计算获得：
Si测试计算＝Si-[(Si/Al)背景×Al]；
其中，Si为标定地区硅元素含量；
Al为标定地区铝元素含量；
(Si/Al)背景为3.11。
9.根据权利要求1或2所述的页岩储层的生物成因硅的计算方法，其特征在于，还包括根据步骤S20中获得的未知地区的生物成因硅的含量，预测页岩气水平井靶区的操作步骤。
10.根据权利要求9所述的页岩储层的生物成因硅的计算方法，其特征在于，若步骤S20中获得的未知地区的生物成因硅的含量大于30％，则对应的该区段为页岩气水平井靶区；优选地，对计算的生物成因硅曲线进行滤波，以滤出曲线上的细小毛刺，以避免检测出伪局部峰值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910167937.0A CN111663940A (zh) | 2019-03-06 | 2019-03-06 | 一种页岩储层的生物成因硅的计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910167937.0A CN111663940A (zh) | 2019-03-06 | 2019-03-06 | 一种页岩储层的生物成因硅的计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111663940A true CN111663940A (zh) | 2020-09-15 |
Family
ID=72381349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910167937.0A Pending CN111663940A (zh) | 2019-03-06 | 2019-03-06 | 一种页岩储层的生物成因硅的计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111663940A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112525904A (zh) * | 2020-11-17 | 2021-03-19 | 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 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104655821A (zh) * | 2015-01-29 | 2015-05-27 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层成因判识方法 |
| CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
| CA2969322A1 (en) * | 2014-12-31 | 2016-07-07 | Halliburton Energy Services, Inc. | Formation logging using multicomponent signal-based measurement of anisotropic permittivity and resistivity |
| CN108918816A (zh) * | 2018-04-24 | 2018-11-30 | 中石化石油工程技术服务有限公司 | 确定五峰页岩生物硅含量的测录井方法 |
| CN109001840A (zh) * | 2018-07-18 | 2018-12-14 | 中国地质大学（北京） | 一种泥页岩成因分析方法及装置 |
-
2019
- 2019-03-06 CN CN201910167937.0A patent/CN111663940A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2969322A1 (en) * | 2014-12-31 | 2016-07-07 | Halliburton Energy Services, Inc. | Formation logging using multicomponent signal-based measurement of anisotropic permittivity and resistivity |
| CN104655821A (zh) * | 2015-01-29 | 2015-05-27 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层成因判识方法 |
| CN104989392A (zh) * | 2015-07-10 | 2015-10-21 | 中国石油天然气股份有限公司 | 一种岩性识别方法 |
| CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
| CN108918816A (zh) * | 2018-04-24 | 2018-11-30 | 中石化石油工程技术服务有限公司 | 确定五峰页岩生物硅含量的测录井方法 |
| CN109001840A (zh) * | 2018-07-18 | 2018-12-14 | 中国地质大学（北京） | 一种泥页岩成因分析方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112525904A (zh) * | 2020-11-17 | 2021-03-19 | 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 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Walls et al. | Eagle Ford shale reservoir properties from digital rock physics | |
| Corrado et al. | Thermal maturity of the axial zone of the southern Apennines fold‐and‐thrust belt (Italy) from multiple organic and inorganic indicators | |
| Chen et al. | A dual-porosity model for evaluating petroleum resource potential in unconventional tight-shale plays with application to Utica Shale, Quebec (Canada) | |
| Dewever et al. | Fluid flow reconstruction in karstified Panormide platform limestones (north-central Sicily): Implications for hydrocarbon prospectivity in the Sicilian fold and thrust belt | |
| Hou et al. | Key factors controlling the occurrence of shale oil and gas in the Eagle Ford Shale, the Gulf Coast Basin: Models for sweet spot identification | |
| US20230056738A1 (en) | Evaluation method for hydrocarbon expulsion of post- to over-mature marine source rocks | |
| Sun et al. | Lithofacies and reservoir characteristics of saline lacustrine fine-grained sedimentary rocks in the northern Dongpu Sag, Bohai Bay Basin: Implications for shale oil exploration | |
| CN111663940A (zh) | 一种页岩储层的生物成因硅的计算方法 | |
| Abad et al. | Physical meaning and applications of the illite Kübler index: measuring reaction progress in low-grade metamorphism | |
| CN114280090A (zh) | 一种陆相页岩排烃效率与页岩油富集程度的评价方法 | |
| Shan et al. | Study on hydrocarbon accumulation periods based on fluid inclusions and diagenetic sequence of the subsalt carbonate reservoirs in the Amu Darya right bank block | |
| CN111580183B (zh) | 一种古湖泊水深定量还原的方法 | |
| Wu et al. | Graptolite‐Derived Organic Matter and Pore Characteristics in the Wufeng‐Longmaxi Black Shale of the Sichuan Basin and its Periphery | |
| Wu et al. | Mixed carbonate-siliciclastic reservoir characterization and hydrocarbon accumulation process of the Ganchaigou area in the western Qaidam Basin, Tibet Plateau | |
| CN109343121B (zh) | 一种确定热接触变质岩储层中岩浆热液规模的方法 | |
| Martínez Poyatos et al. | Relationships between very low‐grade metamorphism and tectonic deformation: Examples from the southern Central Iberian Zone (Iberian Massif, Variscan Belt) | |
| Chunhua et al. | Depression and apophysis structure type and its controls on deposition in the Jiyang Depression, Bohai Bay Basin | |
| Wang et al. | The impact of organic pores on estimation of overpressure generated by gas generation in organic-rich shale: Example from Devonian Duvernay Shale, Western Canada Sedimentary Basin | |
| Albert‐Villanueva et al. | Solid hydrocarbons in proterozoic dolomites, taoudeni basin, Mauritania | |
| Hernandez‐Bilbao et al. | Micron to nanometre‐scale pore characterisation of the early oil window Vaca Muerta Formation, Neuquén Basin, Argentina | |
| Juri | Enhanced oil recovery in Vaca Muerta shale-oil could kick production with good economics | |
| CN107451310B (zh) | 基于页岩源储相互关系的分类评价方法及装置 | |
| CN114429075B (zh) | 一种基于bp神经网络的页岩比表面积参数建模方法 | |
| Ryan | Petrophysical properties of the Woodford Formation in the Ardmore Basin in Oklahoma, USA | |
| Brouwer | Relationships between the physical properties of Triassic sandstones in the West Netherlands Basin and short-wave infrared reflectance spectroscopy. |
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 |