CN111707695B - 基于核磁共振数据确定储层渗透率的方法、装置及设备 - Google Patents
基于核磁共振数据确定储层渗透率的方法、装置及设备 Download PDFInfo
- Publication number
- CN111707695B CN111707695B CN202010546098.6A CN202010546098A CN111707695B CN 111707695 B CN111707695 B CN 111707695B CN 202010546098 A CN202010546098 A CN 202010546098A CN 111707695 B CN111707695 B CN 111707695B
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- nuclear magnetic
- fractal dimension
- distribution
- reservoir
- 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
- 238000005481 NMR spectroscopy Methods 0.000 title claims abstract description 160
- 230000035699 permeability Effects 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 121
- 239000011435 rock Substances 0.000 claims abstract description 88
- 239000011148 porous material Substances 0.000 claims abstract description 63
- 230000001186 cumulative effect Effects 0.000 claims description 43
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000019585 progressive encephalomyelitis with rigidity and myoclonus Diseases 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 101000799466 Homo sapiens Thrombopoietin receptor Proteins 0.000 description 1
- 102100034196 Thrombopoietin receptor Human genes 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
- G01N24/081—Making measurements of geologic samples, e.g. measurements of moisture, pH, porosity, permeability, tortuosity or viscosity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Dispersion Chemistry (AREA)
- High Energy & Nuclear Physics (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本说明书实施方案提供了一种基于核磁共振数据确定储层渗透率的方法、装置及设备，该方法包括：获取储层岩样的渗透率、孔隙度及核磁共振回波串；对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；根据所述单分形维数特征、所述多重分形维数特征、所述孔隙度和所述渗透率生成储层渗透率预测模型；根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。本说明书实施方案可以提高复杂孔隙结构储层的渗透率预测精度。
Description
技术领域
本说明书涉及油气勘探技术领域，尤其是涉及一种基于核磁共振数据确定储层渗透率的方法、装置及设备。
背景技术
渗透率是反映储层流体在岩石孔隙中渗流能力的重要参数。渗透率评价对于油藏分类、产能预测和储层建模具有重要意义。
目前通常利用岩心分析渗透率和孔隙度等参数的统计关系建立计算渗透率的地区经验公式。然而，该方法并不适用于具有复杂孔隙结构储层(例如特低渗透储层等)渗透率的计算。核磁共振测井能得到储层孔隙度、孔径分布等信息，对渗透率评价具有独特的优势。常用的基于核磁共振测井求取储层渗透率的模型为Coates模型和SDR模型，但大量岩心实验数据表明它们并不适用于具有复杂孔隙结构储层。因此，如何获得更为准确的复杂孔隙结构储层渗透率，已成为目前亟待解决的技术难题。
发明内容
本说明书实施方案的目的在于提供一种基于核磁共振数据确定储层渗透率的方法、装置及设备，以提高复杂孔隙结构储层的渗透率预测精度。
为达到上述目的，一方面，本说明书实施方案提供了一种基于核磁共振数据确定储层渗透率的方法，包括：
获取储层岩样的渗透率、孔隙度及核磁共振回波串；
对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型；
根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。
本说明书实施方案的基于核磁共振数据确定储层渗透率的方法中，所述确定所述核磁共振T2分布的单分形维数特征，包括：
获取所述核磁共振T2分布的反向累积归一化分布；
确定孔隙累积体积百分比与横向弛豫速率的关系曲线；所述孔隙累积体积百分比为所述反向累积归一化分布中，横向弛豫时间大于弛豫时间阈值的孔隙累积体积占总孔隙体积的百分比；所述横向弛豫速率为所述核磁共振T2分布中横向弛豫时间的倒数；
按照指定分段点对所述关系曲线进行分段，并拟合所述分段中的目标分段的斜率；
根据公式FD＝s+2确定所述核磁共振T2分布的单分形维数特征；其中，FD为核磁共振T2分布的单分形维数特征，s为目标分段的斜率。
本说明书实施方案的基于核磁共振数据确定储层渗透率的方法中，所述指定分段点包括以下中的任意一种：
所述关系曲线中，孔隙累积体积百分比与横向弛豫时间的乘积最大值所对应的点；
所述关系曲线中，孔隙累积体积百分比为指定值时对应横向弛豫时间所对应的点；
所述关系曲线中，孔隙累积体积百分比与横向弛豫时间的平方的乘积最大值所对应的点。
本说明书实施方案的基于核磁共振数据确定储层渗透率的方法中，所述确定所述核磁共振T2分布的多重分形维数特征，包括：
确定所述核磁共振T2分布在设定尺度集合中的每一个尺度下的盒子集合；
对于每一个尺度下的盒子集合，确定该盒子集合中各盒子所占体积的概率测度分布函数；
基于统计矩的多重分形分析方法处理所述概率测度分布函数，获得所述核磁共振T2分布的广义分形维数特征与统计矩的阶的关系曲线，并将该关系曲线中其统计矩的阶不小于零的部分作为所述核磁共振T2分布的多重分形维数特征。
本说明书实施方案的基于核磁共振数据确定储层渗透率的方法中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，包括：
建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)；
用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型。
另一方面，本说明书实施方案还提供了一种基于核磁共振数据确定储层渗透率的装置，包括：
获取模块，用于获取储层岩样的渗透率、孔隙度及核磁共振回波串；
反演模块，用于对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定模块，用于确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
生成模块，用于根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型；
预测模块，用于根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。
本说明书实施方案的基于核磁共振数据确定储层渗透率的装置中，所述确定所述核磁共振T2分布的单分形维数特征，包括：
获取所述核磁共振T2分布的反向累积归一化分布；
确定孔隙累积体积百分比与横向弛豫速率的关系曲线；所述孔隙累积体积百分比为所述反向累积归一化分布中，横向弛豫时间大于弛豫时间阈值的孔隙累积体积占总孔隙体积的百分比；所述横向弛豫速率为所述核磁共振T2分布中横向弛豫时间的倒数；
按照指定分段点对所述关系曲线进行分段，并拟合所述分段中的目标分段的斜率；
根据公式FD＝s+2确定所述核磁共振T2分布的单分形维数特征；其中，FD为核磁共振T2分布的单分形维数特征，s为目标分段的斜率。
本说明书实施方案的基于核磁共振数据确定储层渗透率的装置中，所述确定所述核磁共振T2分布的多重分形维数特征，包括：
确定所述核磁共振T2分布在设定尺度集合中的每一个尺度下的盒子集合；
对于每一个尺度下的盒子集合，确定该盒子集合中各盒子所占体积的概率测度分布函数；
基于统计矩的多重分形分析方法处理所述概率测度分布函数，获得所述核磁共振T2分布的广义分形维数特征与统计矩的阶的关系曲线，并将该关系曲线中其统计矩的阶不小于零的部分作为所述核磁共振T2分布的多重分形维数特征。
本说明书实施方案的基于核磁共振数据确定储层渗透率的装置中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，包括：
建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)；
用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型。
另一方面，本说明书实施方案还提供了一种电子设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：
获取储层岩样的渗透率、孔隙度及核磁共振回波串；
对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型；
根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。
由以上本说明书实施方案提供的技术方案可见，由此可见，在本说明书的实施方案中，由于在建立储层渗透率预测模型时考虑到了核磁共振T2分布的单分形维数特征和多重分形维数特征，而核磁共振T2分布的单分形维数特征可以表征岩石孔隙系统的非均质性，核磁共振T2分布的多重分形维数特征还可以表征岩石孔径分布的局部细节信息和全局性质，从而可用于分析岩石孔径分布的非均质性。因此，本说明书的实施方案应用于非常规储层时可以获得更准确的储层渗透率。
附图说明
为了更清楚地说明本说明书实施方案或现有技术中的技术方案，下面将对实施方案或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施方案，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本说明书提供的实施方案中基于核磁共振数据确定储层渗透率的方法的流程图；
图2为本说明书提供的实施方案中T2分布和T2分布的反向累积归一化分布的示意图；
图3为本说明书提供的实施方案中孔隙累积体积百分比与横向弛豫速率的关系曲线及其T2分布特征点位置的示意图；
图4为本说明书提供的实施方案中核磁共振T2分布的单分形维数计算示意图；
图5为本说明书提供的实施方案中T2分布的广义分形维数特征与统计矩的阶的关系曲线示意图；
图6为本说明书提供的实施方案中预测的渗透率与岩心分析渗透率的交会图；
图7为本说明书提供的实施方案中建立的渗透率模型用于实际储层渗透率预测的结果示意图；
图8为本说明书提供的实施方案中基于核磁共振数据确定储层渗透率的装置的结构框图；
图9为本说明书提供的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施方案中的附图，对本说明书实施方案中的技术方案进行清楚、完整地描述，显然，所描述的实施方案仅仅是本说明书一部分实施方案，而不是全部的实施方案。基于本说明书中的实施方案，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方案，都应当属于本说明书保护的范围。
现有确定储层渗透率的方案并没有考虑储集空间的非均质性，因此，其对于致密油气、非常规油气的储层渗透率评价的精度有待提高。实际上，非常规油气储层孔隙结构复杂，也难以用欧氏几何表征其孔隙结构特征。在实现本申请的过程中，本申请的发明人发现：核磁共振T2分布的单分形维数特征可以用于表征岩石孔隙系统的非均质性。但是，单分形维数特征不能完整地描述岩石孔径分布的多尺度信息。T2分布的多重分形维数特征能表征岩石孔径分布的局部细节信息和全局性质，可用于分析岩石孔径分布的非均质性。岩石单分形维数特征与多重分形维数特征参数均与岩石渗透率密切相关，此外，孔隙空间大小也与渗透率密切相关。因此，可以考虑基于单分形维数特征、多重分形维数特征参数和孔隙度等构建渗透率预测模型。
本说明书提及的分形是指一种不规则的具有自相似特征的几何体。多重分形是定义在某一面积(二维)或体积(三维)中的一种测度，如果这种测度具有空间自相似性或统计自相似性，则这种测度称为多重分形。通过这种测度的奇异性可以将所定义的区域分解成一系列空间上镶嵌的子区域，每一子区域均构成单个分形。
基于上述原理，本说明书提供了基于核磁共振数据确定储层渗透率的方法。参考图1所示，在本说明书一些实施方案中，基于核磁共振数据确定储层渗透率的方法可以包括如下步骤：
S101、获取储层岩样的渗透率、孔隙度及核磁共振回波串。
本说明书实施方案中提及的储层，一般是指复杂孔隙结构的非常规储层。但是本领域技术人员可以理解，本说明书的实施方案也是可以适用于常规储层的，只是相对而言，本说明书的实施方案在非常规储层上的应用更能凸显其优势。
在本说明书一些实施方案中，可以通过对储层岩样进行岩心分析获得储层岩样的渗透率和孔隙度。当然，也可以通过其他方式确定储层岩样孔隙度，例如可以基于对储层岩样的核磁共振回波串的反演结果计算孔隙度，本说明书对此不作限定。其中，储层岩样可以是取自同一工区的多个岩心。
S102、对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布。
在本说明书一些实施方案中，可以利用核磁共振测井仪器(或类似设备)对储层岩样进行核磁共振测量，从而获得储层岩样的核磁共振回波串数据。通过对储层岩样的核磁共振回波串进行反演，可以得到储层岩样的核磁共振T2分布。例如，在图2所示的示例性实施例中，通过对储层岩样的核磁共振回波串进行反演，可以获得如图2中的实线曲线所示的核磁共振T2分布。
S103、确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征。
在上文已经阐明，核磁共振T2分布的单分形维数特征可以用于表征岩石孔隙系统的非均质性，而且核磁共振T2分布的多重分形维数特征还可以表征岩石孔径分布的局部细节信息和全局性质，从而可用于分析岩石孔径分布的非均质性。因此，为了有利于获得更准确的储层渗透率，需要获取核磁共振T2分布的单分形维数特征和多重分形维数特征。
在本说明书一些实施方案中，所述确定所述核磁共振T2分布的单分形维数特征可以包括如下步骤：
1)、获取所述核磁共振T2分布的反向累积归一化分布。
在本说明书一实施方案中，可以将储层岩样的核磁共振T2分布，从长弛豫组分到短弛豫组分反向累加并归一化，从而可以获得核磁共振T2分布的反向累积归一化分布。例如在图2所示的示例性实施例中，通过将图2所示的核磁共振T2分布(图2中的实线曲线)从长弛豫组分到短弛豫组分反向累加并归一化，可以得到如图2中的虚线曲线所示的反向累积归一化分布。
2)、确定孔隙累积体积百分比与横向弛豫速率的关系曲线；所述孔隙累积体积百分比为所述反向累积归一化分布中，横向弛豫时间大于弛豫时间阈值的孔隙累积体积占总孔隙体积的百分比；所述横向弛豫速率为所述核磁共振T2分布中横向弛豫时间的倒数。
在本说明书一实施方案中，可以建立孔隙累积体积百分比与横向弛豫速率的关系曲线：log(Snw)＝slog(1/T2)+log(C′)，其中，Snw为孔隙累积体积百分比，即横向弛豫时间大于某一T2值(T2值阈值)的孔隙累积体积占总孔隙体积的百分比，T2为横向弛豫时间，(1/T2)为横向弛豫速率，s为斜率(待求取)，C′为常数。
3)、按照指定分段点对所述关系曲线进行分段，并拟合所述分段中的目标分段的斜率。
通过对关系曲线进行分段，可以从中截取出目标分段(即截取出需要参与计算的曲线部分)。在本说明书一些实施方案中，在分段时根据需要选择分段点。例如，分段点可采用T2分布的Swanson点、Capillary-Parachor点或Tx点。其中，Swanson点可根据Snw×T2的最大值确定(即Swanson点为关系曲线中，Snw与T2的乘积最大值所对应的点)。Capillary-Parachor点可以根据
的最大值确定(即Capillary-Parachor点为关系曲线中，Snw与T2的平方的乘积最大值所对应的点)。Tx点为关系曲线中，孔隙累积体积百分比为指定值(例如图3中的10％、25％、35、50％)时对应横向弛豫时间所对应的点。
在确定分段点位置后，可以将横向弛豫速率与孔隙累积体积百分比的曲线分为两部分(如图4所示)，通过拟合可以获得分段中的目标分段(即横向弛豫速率较大的部分)的斜率s。
4)、根据公式FD＝s+2确定所述核磁共振T2分布的单分形维数特征；其中，FD为核磁共振T2分布的单分形维数特征，s为目标分段的斜率。
在本说明书的实施方案中，将获得的目标分段的斜率s输入上式FD＝s+2中，即可以计算得到核磁共振T2分布的单分形维数特征。
在本说明书一些实施方案中，所述确定核磁共振T2分布的多重分形维数特征，可以包括如下步骤：
1)、确定所述核磁共振T2分布在设定尺度集合中的每一个尺度下的盒子集合。
在本说明书的实施方案中，设定尺度集合中一般包括多个不同尺寸的尺度，具体尺寸和数量可以根据实际应用场景需要选择。
2)、对于每一个尺度下的盒子集合，确定该盒子集合中各盒子所占体积的概率测度分布函数。
对于核磁共振T2分布，如果其布点区间为L1(通常为0.1～10000，128个点)，根据L1可以确定区间L＝[A,B](L＝2k，k为正整数且L包含L1)。对于每一个尺度ε(ε＝L·2-k)，可以计算盒子数N(ε)＝2k。如此，则可用概率测度Pi(ε)表示第i个盒子所占体积的概率测度。对于每一个盒子，其对应的概率测度分布函数可以表示为：
其中，Ni(ε)为第i个盒子的体积；Nt(ε)为系统的总体积。
3)、基于统计矩的多重分形分析方法处理所述概率测度分布函数，获得所述核磁共振T2分布的广义分形维数特征与统计矩的阶的关系曲线，并将该关系曲线中其统计矩的阶不小于零的部分(例如图5中的虚线框内的曲线部分，图5中Dq为广义分形维数特征，q为统计矩的阶)作为所述核磁共振T2分布的多重分形维数特征。
S104、根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型。
在本说明书一些实施方案中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，可以包括如下步骤：
1)、建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
2)、将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)；
3)、用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型，即建立了储层渗透率预测模型。
S105、根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。
在本说明书的实施方案中，在建立储层渗透率预测模型后，对于所述储层岩样所对应工区待预测的储层，获取其φ、FD和ΔDR并输入至建立的储层渗透率预测模型中，即可以预测出储层渗透率。
由此可见，在本说明书的实施方案中，由于在建立储层渗透率预测模型时考虑到了核磁共振T2分布的单分形维数特征和多重分形维数特征，而核磁共振T2分布的单分形维数特征可以表征岩石孔隙系统的非均质性，核磁共振T2分布的多重分形维数特征还可以表征岩石孔径分布的局部细节信息和全局性质，从而可用于分析岩石孔径分布的非均质性。因此，本说明书的实施方案应用于非常规储层时，可以提高储层渗透率预测精度。
在一示例性实施方案中，在基于本说明书实施方案的方法建立储层渗透率预测模型后，根据建立的模型对该工区内19个待预测的储层岩样进行储层渗透率预测，可以获得如下表1中第6列所示的储层渗透率计算值，与下表1中第5列所示的基于岩心分析方法获得储层渗透率对比可以发现，岩心分析得到的渗透率与采用本说明书实施方案建立的模型计算的渗透率之间存在较好的一致性(如图6)，由此验证了本说明书实施方案的可行性。
表1
| No. | △D<sub>R</sub> | F<sub>D</sub> | POR | PERM | PERM_PRED |
| #1 | 0.161 | 2.34531 | 8.5 | 0.062 | 0.077 |
| #2 | 0.207 | 2.29278 | 7.4 | 0.097 | 0.108 |
| #3 | 0.172 | 2.28648 | 7.3 | 0.098 | 0.126 |
| #4 | 0.16 | 2.27521 | 7.7 | 0.099 | 0.145 |
| #5 | 0.216 | 2.43295 | 8.1 | 0.037 | 0.030 |
| #6 | 0.237 | 2.47132 | 7.1 | 0.028 | 0.019 |
| #7 | 0.1 | 2.31308 | 11.5 | 0.217 | 0.128 |
| #8 | 0.227 | 2.41172 | 5.2 | 0.031 | 0.033 |
| #9 | 0.142 | 2.30976 | 6.2 | 0.103 | 0.107 |
| #10 | 0.168 | 2.26323 | 9.4 | 0.214 | 0.163 |
| #11 | 0.111 | 2.25478 | 10 | 0.262 | 0.207 |
| #12 | 0.097 | 2.32856 | 11.2 | 0.105 | 0.112 |
| #13 | 0.103 | 2.33867 | 11 | 0.1153 | 0.100 |
| #14 | 0.223 | 2.47406 | 9.7 | 0.008 | 0.021 |
| #15 | 0.11 | 2.33349 | 12.2 | 0.075 | 0.104 |
| #16 | 0.253 | 2.44743 | 7.9 | 0.044 | 0.024 |
| #17 | 0.269 | 2.56232 | 3.7 | 0.007 | 0.007 |
| #18 | 0.285 | 2.60133 | 4.7 | 0.005 | 0.005 |
| #19 | 0.253 | 2.611 | 4.9 | 0.005 | 0.005 |
此外，图7所示的示例性实施方案也示出了基于本说明书实施方案建立的模型用于实际储层渗透率预测的效果。图7中第1道为深度道，第2道为自然伽马曲线(GR)和井径曲线(CAL)，第3道为补偿中子曲线(CNL)、密度曲线(DEN)和声波时差曲线(AC)，第4道为T2分布(灰度谱图)和T2几何均值(T2LM_HR)，第5道为T2分布的广义分形谱阶矩不小于零的部分，第6道为T2分布的多重分形维数特征参数△DR，第7道为单分形维数特征参数FD，第8道为岩心分析孔隙度(PHIT_CORE)核磁共振孔隙度(TPOR)，第9道PERM_F为采用本实施方案建立的模型计算的储层渗透率(黑色曲线)，PERM_CORE为岩心分析得到的渗透率(黑色点)，可以发现二者吻合较好，这进一步说明本说明书实施方案的可行性。
与上述基于核磁共振数据确定储层渗透率的方法对应，本说明书还提供了基于核磁共振数据确定储层渗透率的装置。参考图8所示，在本说明书一些实施方案中，所述基于核磁共振数据确定储层渗透率的装置可以包括：
获取模块81，可以用于获取储层岩样的渗透率、孔隙度及核磁共振回波串。
反演模块82，可以用于对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布。
确定模块83，可以用于确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征。
生成模块84，可以用于根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型。
预测模块85，可以用于根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。
在本说明书一些实施方案基于核磁共振数据确定储层渗透率的装置中，所述确定所述核磁共振T2分布的单分形维数特征，包括：
获取所述核磁共振T2分布的反向累积归一化分布；
确定孔隙累积体积百分比与横向弛豫速率的关系曲线；所述孔隙累积体积百分比为所述反向累积归一化分布中，横向弛豫时间大于弛豫时间阈值的孔隙累积体积占总孔隙体积的百分比；所述横向弛豫速率为所述核磁共振T2分布中横向弛豫时间的倒数；
按照指定分段点对所述关系曲线进行分段，并拟合所述分段中的目标分段的斜率；
根据公式FD＝s+2确定所述核磁共振T2分布的单分形维数特征；其中，FD为核磁共振T2分布的单分形维数特征，s为目标分段的斜率。
在本说明书一些实施方案基于核磁共振数据确定储层渗透率的装置中，所述指定分段点包括以下中的任意一种：
所述关系曲线中，孔隙累积体积百分比与横向弛豫时间的乘积最大值所对应的点；
所述关系曲线中，孔隙累积体积百分比为指定值时对应横向弛豫时间所对应的点；
所述关系曲线中，孔隙累积体积百分比与横向弛豫时间的平方的乘积最大值所对应的点。
在本说明书一些实施方案基于核磁共振数据确定储层渗透率的装置中，所述确定所述核磁共振T2分布的多重分形维数特征，包括：
确定所述核磁共振T2分布在设定尺度集合中的每一个尺度下的盒子集合；
对于每一个尺度下的盒子集合，确定该盒子集合中各盒子所占体积的概率测度分布函数；
基于统计矩的多重分形分析方法处理所述概率测度分布函数，获得所述核磁共振T2分布的广义分形维数特征与统计矩的阶的关系曲线，并将该关系曲线中其统计矩的阶不小于零的部分作为所述核磁共振T2分布的多重分形维数特征。
在本说明书一些实施方案基于核磁共振数据确定储层渗透率的装置中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，包括：
建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)；
用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
上述基于核磁共振数据确定储层渗透率的方法对应，本说明书还提供了一种电子设备。参考图9所示，在本说明书一些实施方案中，所述电子设备可以包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：
获取储层岩样的渗透率、孔隙度及核磁共振回波串；
对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型；
根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率。
虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
本申请是参照根据本说明书实施方案的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书的实施方案可提供为方法、系统或计算机程序产品。因此，本说明书实施方案可采用完全硬件实施方案、完全软件实施方案或结合软件和硬件方面的实施方案的形式。而且，本说明书实施方案可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书实施方案可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施方案，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施方案均采用递进的方式描述，各个实施方案之间相同相似的部分互相参见即可，每个实施方案重点说明的都是与其他实施方案的不同之处。尤其，对于系统实施方案而言，由于其基本相似于方法实施方案，所以描述的比较简单，相关之处参见方法实施方案的部分说明即可。在本说明书的描述中，参考术语“一个实施方案”、“一些实施方案”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方案或示例描述的具体特征、结构、材料或者特点包含于本说明书实施方案的至少一个实施方案或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施方案或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方案或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方案或示例以及不同实施方案或示例的特征进行结合和组合。
以上所述仅为本申请的实施方案而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种基于核磁共振数据确定储层渗透率的方法，其特征在于，包括：
获取储层岩样的渗透率、孔隙度及核磁共振回波串；
对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
根据所述单分形维数特征、所述多重分形维数特征、所述孔隙度和所述渗透率生成储层渗透率预测模型；
根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率；
其中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，包括：
建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)；
用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型。
2.如权利要求1所述的基于核磁共振数据确定储层渗透率的方法，其特征在于，所述确定所述核磁共振T2分布的单分形维数特征，包括：
获取所述核磁共振T2分布的反向累积归一化分布；
确定孔隙累积体积百分比与横向弛豫速率的关系曲线；所述孔隙累积体积百分比为所述反向累积归一化分布中，横向弛豫时间大于弛豫时间阈值的孔隙累积体积占总孔隙体积的百分比；所述横向弛豫速率为所述核磁共振T2分布中横向弛豫时间的倒数；
按照指定分段点对所述关系曲线进行分段，并拟合所述分段中的目标分段的斜率；
根据公式FD＝s+2确定所述核磁共振T2分布的单分形维数特征；其中，FD为核磁共振T2分布的单分形维数特征，s为目标分段的斜率。
3.如权利要求2所述的基于核磁共振数据确定储层渗透率的方法，其特征在于，所述指定分段点包括以下中的任意一种：
所述关系曲线中，孔隙累积体积百分比与横向弛豫时间的乘积最大值所对应的点；
所述关系曲线中，孔隙累积体积百分比为指定值时对应横向弛豫时间所对应的点；
所述关系曲线中，孔隙累积体积百分比与横向弛豫时间的平方的乘积最大值所对应的点。
4.如权利要求1所述的基于核磁共振数据确定储层渗透率的方法，其特征在于，所述确定所述核磁共振T2分布的多重分形维数特征，包括：
确定所述核磁共振T2分布在设定尺度集合中的每一个尺度下的盒子集合；
对于每一个尺度下的盒子集合，确定该盒子集合中各盒子所占体积的概率测度分布函数；
基于统计矩的多重分形分析方法处理所述概率测度分布函数，获得所述核磁共振T2分布的广义分形维数特征与统计矩的阶的关系曲线，并将该关系曲线中其统计矩的阶不小于零的部分作为所述核磁共振T2分布的多重分形维数特征。
5.一种基于核磁共振数据确定储层渗透率的装置，其特征在于，包括：
获取模块，用于获取储层岩样的渗透率、孔隙度及核磁共振回波串；
反演模块，用于对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定模块，用于确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
生成模块，用于根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型；
预测模块，用于根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率；
其中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，包括：
建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)；
用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+dln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型。
6.如权利要求5所述的基于核磁共振数据确定储层渗透率的装置，其特征在于，所述确定所述核磁共振T2分布的单分形维数特征，包括：
获取所述核磁共振T2分布的反向累积归一化分布；
确定孔隙累积体积百分比与横向弛豫速率的关系曲线；所述孔隙累积体积百分比为所述反向累积归一化分布中，横向弛豫时间大于弛豫时间阈值的孔隙累积体积占总孔隙体积的百分比；所述横向弛豫速率为所述核磁共振T2分布中横向弛豫时间的倒数；
按照指定分段点对所述关系曲线进行分段，并拟合所述分段中的目标分段的斜率；
根据公式FD＝s+2确定所述核磁共振T2分布的单分形维数特征；其中，FD为核磁共振T2分布的单分形维数特征，s为目标分段的斜率。
7.如权利要求5所述的基于核磁共振数据确定储层渗透率的装置，其特征在于，所述确定所述核磁共振T2分布的多重分形维数特征，包括：
确定所述核磁共振T2分布在设定尺度集合中的每一个尺度下的盒子集合；
对于每一个尺度下的盒子集合，确定该盒子集合中各盒子所占体积的概率测度分布函数；
基于统计矩的多重分形分析方法处理所述概率测度分布函数，获得所述核磁共振T2分布的广义分形维数特征与统计矩的阶的关系曲线，并将该关系曲线中其统计矩的阶不小于零的部分作为所述核磁共振T2分布的多重分形维数特征。
8.一种电子设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时执行如下步骤：
获取储层岩样的渗透率、孔隙度及核磁共振回波串；
对所述核磁共振回波串进行反演，获得所述储层岩样的核磁共振T2分布；
确定所述核磁共振T2分布的单分形维数特征、多重分形维数特征；
根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型；
根据所述储层渗透率预测模型预测所述储层岩样所对应工区的储层渗透率；
其中，所述根据所述单分形维数特征、所述多重分形维数特征、所述渗透率和所述孔隙度生成储层渗透率预测模型，包括：
建立单分形维数特征、多重分形维数特征、渗透率和孔隙度之间的统计关系式k＝a×exp(b×FD+c×ΔDR)×φd；其中，k为储层岩样的储层渗透率，φ为储层岩样的孔隙度，FD为储层岩样的核磁共振T2分布的单分形维数特征，ΔDR为储层岩样的核磁共振T2分布的多重分形维数特征；
将所述统计关系式k＝a×exp(b×FD+c×ΔDR)×φd两边取对数，转化为线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+d ln(φ)；
用最小二乘法拟合所述线性表达式ln(k)＝ln(a)+b×FD+c×ΔDR+d ln(φ)，获得常数参数a、b、c、d的取值，则所述统计关系式形成以FD、ΔDR和φ为自变量，以k为因变量的储层渗透率预测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010546098.6A CN111707695B (zh) | 2020-06-16 | 2020-06-16 | 基于核磁共振数据确定储层渗透率的方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010546098.6A CN111707695B (zh) | 2020-06-16 | 2020-06-16 | 基于核磁共振数据确定储层渗透率的方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111707695A CN111707695A (zh) | 2020-09-25 |
| CN111707695B true CN111707695B (zh) | 2021-09-10 |
Family
ID=72540391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010546098.6A Active CN111707695B (zh) | 2020-06-16 | 2020-06-16 | 基于核磁共振数据确定储层渗透率的方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111707695B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112983406B (zh) * | 2021-03-15 | 2022-03-25 | 西南石油大学 | 一种天然气水合物储层参数指标评价方法 |
| CN113624799B (zh) * | 2021-08-20 | 2023-11-17 | 西南石油大学 | 一种基于核磁共振和分形维数的岩石渗透率预测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009088524A1 (en) * | 2008-01-02 | 2009-07-16 | D & H Global Enterprise, Llc | System for and method of enhancing images using fractals |
| CN105891089A (zh) * | 2016-05-18 | 2016-08-24 | 中国石油大学(北京) | 储层渗透率确定方法及装置 |
| CN110702722A (zh) * | 2019-11-06 | 2020-01-17 | 大连理工大学 | 基于核磁共振t2谱计算含水合物多孔介质分形维数的方法 |
| CN109100812B (zh) * | 2018-07-25 | 2020-06-05 | 中国石油大学(北京) | 基于核磁共振的岩石孔隙分形维数评价方法及装置 |
-
2020
- 2020-06-16 CN CN202010546098.6A patent/CN111707695B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009088524A1 (en) * | 2008-01-02 | 2009-07-16 | D & H Global Enterprise, Llc | System for and method of enhancing images using fractals |
| CN105891089A (zh) * | 2016-05-18 | 2016-08-24 | 中国石油大学(北京) | 储层渗透率确定方法及装置 |
| CN109100812B (zh) * | 2018-07-25 | 2020-06-05 | 中国石油大学(北京) | 基于核磁共振的岩石孔隙分形维数评价方法及装置 |
| CN110702722A (zh) * | 2019-11-06 | 2020-01-17 | 大连理工大学 | 基于核磁共振t2谱计算含水合物多孔介质分形维数的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 复杂岩性储层核磁共振渗透率模型研究—以渤海湾Y储层为例;聂晶;《中国优秀硕士学位论文全文数据库基础科学辑2020年》;20200115(第1期);第35-42页 * |
| 多孔材料渗透率分布特征对多孔质气体轴承性能影响研究;李景怀;《中国优秀硕士学位论文全文数据库基础科学辑2015年》;20150115(第1期);第50-54页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111707695A (zh) | 2020-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717249B (zh) | 页岩气储层测井孔隙度快速预测方法及系统 | |
| CN111707695B (zh) | 基于核磁共振数据确定储层渗透率的方法、装置及设备 | |
| EA032063B1 (ru) | Системы и способы усовершенствования прямого численного моделирования свойств материала из образцов горной породы и выявления неопределенности в свойствах материала | |
| CN113919219A (zh) | 基于测井大数据的地层评价方法及系统 | |
| US11952868B2 (en) | Methods for generating synthetic production logs for perforated intervals of a plurality of wells | |
| Avansi et al. | Numerical tuning in reservoir simulation: it is worth the effort in practical petroleum applications | |
| US11199647B2 (en) | Effective permeability upscaling for a discrete fracture network | |
| CN108957587A (zh) | 火成岩岩性识别方法及装置 | |
| CN111208565B (zh) | 基于kt模型的孔缝参数反演方法、装置及存储介质 | |
| Fu et al. | Resolution effect: An error correction model for intrinsic permeability of porous media estimated from lattice boltzmann method | |
| Hajizadeh et al. | An algorithm for 3D pore space reconstruction from a 2D image using sequential simulation and gradual deformation with the probability perturbation sampler | |
| WO2021108603A1 (en) | Resolution preserving methodology to generate continuous log scale reservoir permeability profile from petrographic thin section images | |
| CN110068860B (zh) | 一种时移地震数据处理方法、装置及系统 | |
| CN111426616A (zh) | 碳酸盐岩弹性性质与孔隙结构获取方法、装置及存储介质 | |
| CN114444393A (zh) | 基于时间卷积神经网络的测井曲线构建方法及装置 | |
| CN111208566B (zh) | 基于sca模型的孔缝参数反演方法、装置及存储介质 | |
| CN108227033B (zh) | 砂岩储层的孔隙度的预测方法、装置及计算机存储介质 | |
| Yang et al. | A new voxel upscaling method based on digital rock | |
| Aichi | Land subsidence modelling for decision making on groundwater abstraction under emergency situation | |
| GB2584449A (en) | Apparatus method and computer-program product for calculating a measurable geological metric | |
| CN114818514A (zh) | 用于确定储气库的库容量的方法及处理器 | |
| CN111562630B (zh) | 基于网格划分的储层参数测井评价方法 | |
| CN112363243A (zh) | 预测页岩油优质储层的方法、装置、计算机设备及介质 | |
| CN112861061A (zh) | 地质分层方法及系统、处理设备 | |
| CN109063228B (zh) | 一种水驱油藏含水上升率变化的确定方法及装置 |
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 |