CN111749677A - 测井信息处理方法和装置、电子设备及存储介质 - Google Patents
测井信息处理方法和装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111749677A CN111749677A CN202010622710.3A CN202010622710A CN111749677A CN 111749677 A CN111749677 A CN 111749677A CN 202010622710 A CN202010622710 A CN 202010622710A CN 111749677 A CN111749677 A CN 111749677A
- Authority
- CN
- China
- Prior art keywords
- information
- lithofacies
- logging
- experimental
- sampling
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 119
- 238000006243 chemical reaction Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 11
- 229910052770 Uranium Inorganic materials 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 claims description 5
- 238000005481 NMR spectroscopy Methods 0.000 claims description 4
- 239000002366 mineral element Substances 0.000 claims description 4
- GFRMDONOCHESDE-UHFFFAOYSA-N [Th].[U] Chemical compound [Th].[U] GFRMDONOCHESDE-UHFFFAOYSA-N 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000003079 shale oil Substances 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 8
- 229910052799 carbon Inorganic materials 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000011435 rock Substances 0.000 description 6
- 208000035126 Facies Diseases 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000005553 drilling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000001730 gamma-ray spectroscopy Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 description 3
- 229910052776 Thorium Inorganic materials 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000002734 clay mineral Substances 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- E21B47/00—Survey of boreholes 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Geophysics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的测井信息处理方法和装置、电子设备及存储介质，涉及页岩油气技术领域。在本申请中，首先，获得目标页岩段的测井岩相信息，测井岩相信息基于对目标页岩段进行测井操作得到的测井信息而得到，测井信息包括目标页岩段中连续多个不同深度位置的岩相特征信息。其次，获得在目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息，其中，实验岩相信息基于对采样对象进行实验操作生成。然后，基于测井岩相信息和实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系，用于基于其它测井岩相信息，转换得到对应的其它实验岩相信息。通过上述方法，可以改善现有的页岩油气技术中存在的便利性较差和效率较低的问题。
Description
技术领域
本申请涉及页岩油气技术领域，具体而言，涉及一种测井信息处理方法和装置、电子设备及存储介质。
背景技术
页岩气的开发利用，可以降低对石油的依赖程度，促进经济的发展，而页岩气的有效开发依赖于地下页岩客观地质规律的全面认识的提高。其目的是，确定各页岩层段的岩相，使得可以基于不同的页岩岩相制定不同的页岩气开发方案。
经发明人研究发现，在现有的页岩研究中，一般是先钻井以获得目标页岩段段的岩心，然后，对该岩心进行实验操作，从而得到岩相特征信息。鉴于页岩岩相差异的微妙性，通常的研究方案就导致存在便利性较差和效率较低的问题。
发明内容
有鉴于此，本申请的目的在于提供一种测井信息处理方法和装置、电子设备及存储介质，以改善现有的页岩油气技术中存在的便利性较差和效率较低的问题。
为实现上述目的，本申请实施例采用如下技术方案：
一种测井信息处理方法，包括：
获得目标页岩段的测井岩相信息，其中，该测井岩相信息基于对目标页岩段进行测井操作得到的测井信息而得到，其中，该测井信息包括该目标页岩段中连续多个不同深度位置的岩相特征信息；
获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该采样对象进行实验操作生成；
基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系，其中，该对应转换关系用于基于进行测井操作得到的其它测井信息对应的测井岩相信息，转换得到对应的其它实验岩相信息。
在本申请实施例较佳的选择中，在上述测井信息处理方法中，所述获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息的步骤，包括：
在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象，其中，不同的采样对象位于该目标页岩段不同的深度位置；
获得所述目标采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该目标采样对象进行实验操作生成。
在本申请实施例较佳的选择中，在上述测井信息处理方法中，所述在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象的步骤，包括：
基于测井岩相信息之间的相似度对所述测井岩相信息包括的多个信息集进行聚类处理，得到多个信息类，其中，所述目标页岩段在不同深度位置的测井岩相信息分别形成不同的信息集，且每个信息类包括至少一个信息集；
在对所述目标页岩段进行采样操作得到的多个采样对象中，基于所述多个信息类确定多个目标采样对象。
在本申请实施例较佳的选择中，在上述测井信息处理方法中，所述获得目标页岩段的测井岩相信息的步骤，包括：
获得对目标页岩段进行测井操作得到的测井信息，其中，该测井信息包括总有机碳含量、包括的各种矿物元素含量、去铀伽马值、钍铀比值、岩性密度值、核磁共振孔隙度值；
对所述测井信息进行归一化处理，得到测井岩相信息。
在本申请实施例较佳的选择中，在上述测井信息处理方法中，所述基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系的步骤，包括：
获得预先构建的神经网络模型；
基于所述测井岩相信息和所述实验岩相信息，对所述神经网络模型进行训练，得到岩相信息转换模型，其中，该岩相信息转换模型具有测井岩相信息与实验岩相信息之间的对应转换关系。
本申请实施例还提供了一种测井信息处理装置，包括：
第一信息获得模块，获得目标页岩段的测井岩相信息，其中，该测井岩相信息基于对目标页岩段进行测井操作得到的测井信息而得到，该测井信息包括该目标页岩段中连续多个不同深度位置的岩相特征信息；
第二信息获得模块，用于获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该采样对象进行实验操作生成；
转换关系获得模块，用于基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系，其中，该对应转换关系用于基于进行测井操作得到的其它测井信息对应的测井岩相信息，转换得到对应的其它实验岩相信息。
在本申请实施例较佳的选择中，在上述测井信息处理装置中，所述第二信息获得模块包括：
采样对象确定单元，用于在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象，其中，不同的采样对象位于该目标页岩段不同的深度位置；
岩相特征信息获得单元，用于获得所述目标采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该目标采样对象进行实验操作生成。
在本申请实施例较佳的选择中，在上述测井信息处理装置中，所述采样对象确定单元，具体用于：
基于测井岩相信息之间的相似度对所述测井岩相信息包括的多个信息集进行聚类处理，得到多个信息类，其中，所述目标页岩段在不同深度位置的岩相特征信息分别形成不同的信息集，且每个信息类包括至少一个信息集；
在对所述目标页岩段进行采样操作得到的多个采样对象中，基于所述多个信息类确定多个目标采样对象。
在上述基础上，本申请实施例还提供了一种电子设备，包括：
存储器，用于存储计算机程序；
与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述的测井信息处理方法。
在上述基础上，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时，实现上述的测井信息处理方法。
本申请提供的测井信息处理方法和装置、电子设备及存储介质，通过分别获得目标页岩段的测井岩相信息和进行实验操作得到的实验岩相信息，并基于该测井岩相信息和该实验岩相信息，得到二者之间的对应转换关系。如此，在得到测井岩相信息与实验岩相信息之间的对应转换关系之后，需要获取其它采样对象的实验岩相信息时，可以不用对该其它采样对象进行实验操作，而仅需要基于获得的测井岩相信息和该对应转换关系，即可转换得到对应的实验岩相信息，方便快捷，相较于现有的页岩油气研究技术中因需要对目标页岩段不同位置进行采样，并将每一次得到的采样对象都进行实验操作才能得到实验岩相信息的方案，可实现对页岩段客观存在的所有页岩岩相的获取，实现垂向上的连续深度的岩相识别，能够解决现有方案中由于只能识别有限深度位置和有限岩相而存在的便利性较差和效率较低的问题，具有较高的实用价值，既可以提高效率，也可以降低工作人员的工作量，还可以降低成本。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本申请实施例提供的电子设备的结构框图。
图2为本申请实施例提供的测井信息处理方法的流程示意图。
图3为图2中步骤S110包括的各步骤的流程示意图。
图4为图2中步骤S120包括的各步骤的流程示意图。
图5为图4中步骤S121包括的各步骤的流程示意图。
图6为图2中步骤S130包括的各步骤的流程示意图。
图7为本申请实施例提供的测井信息处理装置包括的功能模块的方框示意图。
图标：12-存储器；14-处理器；100-测井信息处理装置；110-第一信息获得模块；120-第二信息获得模块；130-转换关系获得模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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例，都属于本申请保护的范围。
如图1所示，本申请实施例提供了一种电子设备。其中，该电子设备可以包括存储器12、处理器14和测井信息处理装置100。
详细地，所述存储器12和处理器14之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述测井信息处理装置100可以包括，至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行的计算机程序，例如，所述测井信息处理装置100所包括的软件功能模块及计算机程序等，以实现本申请实施例(如后文所述)提供的测井信息处理方法。
可选地，所述存储器12可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。
并且，所述处理器14可以是一种通用处理器，包括中央处理器(CentralProcessing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System onChip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图1所示的结构仅为示意，所述电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置，例如，还可以包括用于与其它设备进行信息交互的通信单元，如与测井设备进行信息交互，以获得测井信息。
结合图2，本申请实施例还提供一种测井信息处理方法，可应用于上述的电子设备。其中，所述测井信息处理方法有关的流程所定义的方法步骤，可以由所述电子设备实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，获得目标页岩段的测井岩相信息。
在本实施例中，在需要得到测井岩相信息与实验岩相信息之间的对应转换关系时，所述电子设备可以先获得测井岩相信息。
其中，所述测井岩相信息可以基于对目标页岩段进行测井操作得到的测井信息而得到，该测井信息可以包括该目标页岩段中连续多个不同深度位置的岩相特征信息。
步骤S120，获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息。
在本实施例中，在需要得到测井岩相信息与实验岩相信息之间的对应转换关系时，同样地，所述电子设备还需要先获得实验岩相信息。
其中，所述实验岩相信息可以包括所述目标页岩段在不同深度位置的岩相特征信息，且可以基于对不同深度位置的采样对象进行实验操作生成。
步骤S130，基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系。
在本实施例中，在基于步骤S110和步骤S120得到所述测井岩相信息和所述实验岩相信息之后，可以基于该测井岩相信息和该实验岩相信息，得到两者之间的对应转换关系，即测井岩相信息与实验岩相信息之间的对应转换关系。
如此，在基于进行测井操作得到其它测井信息之后，可以不再进行实验操作，就可以基于所述对应转换关系进行转换处理，得到对应的其它实验岩相信息。
基于上述方法，相较于现有的页岩油气研究技术中因需要对目标页岩段不同位置进行采样，并将每一次得到的采样对象都进行实验操作才能得到实验岩相信息的方案，可实现对页岩段客观存在的所有页岩岩相的获取，实现垂向上的连续深度的岩相识别，能够解决现有方案中由于只能识别有限深度位置和有限岩相而存在的便利性较差和效率较低的问题，具有较高的实用价值，既可以提高效率，也可以降低工作人员的工作量，还可以降低进行实验操作所带来的成本，这对于页岩气的高效、经济开发，具有显著的效果。
第一方面，对于步骤S110需要说明的是，获得所述测井岩相特征信息的具体方式不受限制，可以根据实际应用需求进行选择。
例如，在一种可以替代的示例中，可以直接将对所述目标页岩段进行测井操作得到的测井信息，作为所述测井岩相信息。
又例如，在另一种可以替代的示例中，为了便于在执行步骤S130时更为准确有效地得到所述对应转换关系，结合图3，步骤S110可以包括步骤S111和步骤S113，具体内容如下所述。
步骤S111，获得对目标页岩段进行测井操作得到的测井信息。
在本实施例中，所述电子设备可以先获得对所述目标页岩段进行测井操作得到的测井信息。
步骤S113，对所述测井信息进行归一化处理，得到测井岩相信息。
在本实施例中，在基于步骤S111获得所述测井信息之后，可以对该测井信息进行归一化处理，得到数值属于[0，1]的测井岩相信息。
可选地，基于步骤S111获得所述测井信息的具体方式也不受限制，可以根据实际应用需求进行选择。例如，基于对获得的测井信息的具体内容的不同需求，获得所述测井信息的具体方式也可以不同。
其中，所述测井信息可以包括，但不限于目标页岩段包括的各种矿物元素含量、去铀伽马值、钍铀比值、岩性密度值、孔隙度值等中的一种或多种岩相特征信息。
可以理解的是，在步骤S111中获得的测井信息，可以包括所述目标页岩段中连续多个不同深度位置的岩相特征信息，如此，通过步骤S113，可以基于多个不同深度位置的岩相特征信息，得到多个不同深度位置的测井岩相信息。
其中，在步骤S111中描述的“测井操作”的具体方式也不受限制，也可以根据实际应用需求进行选择。
例如，针对所述岩相特征信息“总有机碳含量”：
所述测井操作可以是指元素俘获测井操作，即可以通过进行元素俘获测井操作，获得所述目标页岩段的总有机碳含量；
所述测井操作也可以是指自然伽马能谱测井操作，即可以通过进行自然伽马能谱测井操作，获得所述目标页岩段的总有机碳含量，其中，铀对伽马的贡献部分(总伽马-去铀伽马)，或者钍铀比(Th/U)可以很好地表征页岩中有机碳的含量情况；
所述测井操作还可以是指岩性密度测井操作，即可以通过进行岩性密度测井操作，获得所述目标页岩段的总有机碳含量，其中，页岩中有机质相对于矿物密度低，当页岩中有机质含量增加时会降低密度，使得岩性密度测井与页岩TOC具有很好的负相关性，因而，可以很好表征页岩中的TOC；
所述测井操作还可以是指电阻率-声波时差操作，即可以通过进行电阻率-声波时差操作，获得所述目标页岩段的总有机碳含量，其中，通过调整声波时差曲线的刻度，使其与电阻率曲线有部分重合并定其基线，如此，可以通过其他非重合段的幅差反映TOC。
又例如，针对所述岩相特征信息“各种矿物元素含量”：
所述测井操作也可以通过元素俘获测井操作、自然伽马能谱测井操作(其中，页岩中钍和钾的沉积主要受控于黏土矿物的吸附，因此，去铀伽马因不受铀等放射性矿物影响，可以较好地指示着页岩中黏土矿物含量的信息)或岩性密度测井操作(其中，该操作可以获得岩石密度和地层的光电吸收截面指数，该光电吸收截面指数对地层矿物变化很敏感，而且几乎不受页岩孔隙度及其内部流体变化的影响，使得也可以较好地指示着页岩中矿物含量的信息)获得。
再例如，针对所述岩相特征信息“孔隙度值”：
所述测井操作可以是指核磁共振测井操作，即可以通过进行核磁共振测井操作，获得所述目标页岩段的孔隙度值；
所述测井操作也可以是指补偿密度测井操作，即可以通过进行补偿密度测井操作，获得所述目标页岩段的孔隙度值，其中，在页岩中黄铁含量较高、黏土矿物地下束缚水条件下，补偿密度数据可以反映页岩有效孔隙度。
具体而言，“测井操作”是指，钻头钻进至一定深度后，取出钻杆和钻头，接着，向钻井井孔底部下放测井仪器，然后，向上逐渐提升，从而记录下井孔周围地层的特征信息。
可选地，执行步骤S113以对测井信息进行归一化处理的方式也不受限制，可以根据实际应用需求进行选择。
例如，在一种可以替代的示例中，可以基于以下公式对所述测井信息进行归一化处理：
其中，X可以为所述测井岩相信息，X*可以为目标页岩段的测井信息，X* min可以为目标页岩段的测井信息中的最小值(与X*属于同一种类型的数据，如都是自然伽马能谱测井信息)，X* max可以为目标页岩段的测井信息中的最大值(与X*属于同一种类型的数据，如都是基于进行自然伽马能谱测井操作得到的信息)。
第二方面，对于步骤S120需要说明的是，获得多个采样对应的实验岩相信息的具体方式也不受限制，可以根据实际应用需求进行选择。
例如，在一种可以替代的示例中，可以将进行钻井取心操作得到的岩石都作为采样对象，并对每一个采样对象进行实验操作(包括化学实验)，形成对应的实验岩相信息，如此，所述电子设备可以响应实验人员的操作生成该实验岩相信息，即获得该实验岩相信息。
又例如，在另一种可以替代的示例中，为了提高效率、降低实验成本，结合图4，步骤S120可以包括步骤S121和步骤S123，具体内容如下所述。
步骤S121，在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象。
在本实施例中，在需要获得目标页岩段的实验岩相信息时，所述电子设备可以先在对该目标页岩段进行采样操作得到的多个采样对象(如通过钻进操作得到多段不同深度的页岩岩石)中，确定出至少一个目标采样对象。
也就是说，不同的采样对象可以位于所述目标页岩段不同的深度位置。
步骤S123，获得所述目标采样对象对应的实验岩相信息。
在本实施例中，由于执行步骤S121确定出至少一个目标采样对象之后，可以分别对每一个目标采样对象进行实验操作，得到对应的实验岩相信息。如此，所述电子设备可以响应实验人员的操作生成该实验岩相信息，即获得该实验岩相信息。
也就是说，所述实验岩相信息可以基于对每一个所述目标采样对象，进行实验操作生成。
可选地，执行步骤S121以确定目标采样对象的具体方式不受限制，可以根据实际应用需求进行选择。
例如，在一种可以替代的示例中，可以基于简便、高效的需求，在进行钻井取心操作得到的多个采样对象中，随机确定出至少一个目标采样对象，即得到至少一个页岩岩石，以进行实验操作。
又例如，在另一种可以替代的示例，经本申请的发明人的长期研究发现，若直接对全部的采样对象进行实验操作以得到全部采样对应的实验岩相信息，将导致实验成本过高，且效率过低；若在全部的采样对象中随机选择部分进行实验操作，以得到部分采样对象对应的实验岩相信息，将导致结果的准确度出现不可预测性，即选择出的采样对象有可能具有较高的代表性，使得结果的准确度较高，也有可能具有较低的代表性，使得结果的准确度较低，使得页岩气的开发出现较大的经济损失。
基于此，为了克服上述两方面的问题，实现对实验成本和结果的准确度的兼顾，本申请的发明人在经过长期的研究之后，提出一种可行的方案。详细地，结合图5，步骤S121可以包括步骤S121a和步骤S121b，具体内容如下所述。
步骤S121a，基于测井岩相信息之间的相似度对所述测井岩相信息包括的多个信息集进行聚类处理，得到多个信息类。
在本实施例中，在基于步骤S110获得所述测井岩相信息之后，可以基于测井岩相信息之间的相似度，对该测井岩相信息包括的多个信息集进行聚类处理(如多元统计分析中的聚类分析方法)。如此，可以得到多个信息类。
其中，所述目标页岩段在不同深度位置的测井岩相信息分别形成不同的信息集，且每个信息类包括至少一个信息集。也就是说，一个深度位置的所有测井岩相信息，可以形成一个信息集。
步骤S121b，在对所述目标页岩段进行采样操作得到的多个采样对象中，基于所述多个信息类确定多个目标采样对象。
在本实施例中，在基于步骤S121a得到多个信息类之后，可以基于该信息类，在对所述目标页岩段进行采样操作得到的多个采样对象中，确定多个目标采样对象。
详细地，在一种具体的应用示例中，所述信息集可以为10个，即所述目标页岩段可以包括10个不同深度位置，如此，基于深度的由浅至深，10个信息集可以分别为信息集1、信息集2、信息集3、......、信息集9和信息集10，且每一个信息集中的测井岩相信息可以包括目标页岩段包括的经过归一化处理的各种矿物元素含量、去铀伽马值、钍铀比值、岩性密度值和孔隙度值。
如此，可以基于测井岩相信息之间的相似性对上述的10个信息集进行聚类处理，可以得到5个信息类，如信息类1、信息类2、信息类3、信息类4和信息类5。其中，信息类1可以包括信息集1、信息集3和信息集4，信息类2可以包括信息集2和信息集5，信息类3可以包括信息集6，信息类4可以包括信息集7和信息集10，信息类5可以包括信息集8和信息集9。
也就是说，实际上信息类可以成为信息集的一种标识信息，即在进行目标采样对象的确定时，可以基于该标识信息进行，具体如下表所示：
| 采样对象 | 信息集 | 信息类 |
| 深度位置1 | 信息集1 | 信息类1 |
| 深度位置2 | 信息集2 | 信息类2 |
| 深度位置3 | 信息集3 | 信息类1 |
| 深度位置4 | 信息集4 | 信息类1 |
| 深度位置5 | 信息集5 | 信息类2 |
| 深度位置6 | 信息集6 | 信息类3 |
| 深度位置7 | 信息集7 | 信息类4 |
| 深度位置8 | 信息集8 | 信息类5 |
| 深度位置9 | 信息集9 | 信息类5 |
| 深度位置10 | 信息集10 | 信息类4 |
如此，在10个采样对象中，基于连续不重复的原则，可以依次确定出8个目标采样对象，分别为深度位置1、深度位置2、深度位置3、深度位置5、深度位置6、深度位置7、深度位置8、深度位置10。
也就是说，深度位置4由于与深度位置3属于同一个信息类，且连续，因而，可以不用作为目标采样对象以进行实验操作。同样地，深度位置9由于与深度位置8属于同一个信息类，且连续，因而，也可以不用作为目标采样对象以进行实验操作。
其中，在多数情况下，所述采样对象(不同深度位置的页岩岩石)与所述信息集之间可以在进行测井操作的过程中，形成较好的对应关系。但是，在经过本申请的发明人的研究之后，发现在一些情况下，可能会出现采样对象与信息集之间的对应关系存在一定误差的问题，例如，在某深度钻井取心时向深部钻进了1米，但是，由于不同位置发生破碎、磨碎等，以及在提升到地面的过程中发生掉落井底等情况，最终能被提升至地面的页岩岩心长度可能只能得到0.5米，而且这0.5米因通常呈一系列长度不等的圆柱段，他们可能整体对应于所述钻进的1米的上半部分，也可能各圆柱段原本均不相互接触。
基于此，为了克服上述技术问题，在一种可以替代的示例中，基于实际的精度需求，还可以对上述的对应关系进行标定。
例如，在一种具体的应用示例中，实验人员可以对页岩岩石的特殊标志(如钾质斑脱岩、富含黄铁层等)进行识别，然后，可以根据识别结果对上述的对应关系进行标定。
确定目标采样对象后，记录目标采样对象的深度值和该目标采样对象所属的信息类的位置，即，从顶部深度值到底部深度值。
第三方面，对于步骤S130需要说明的是，得到所述对应转换关系的具体方式不受限制，也可以根据实际应用需求进行选择。
例如，在一种可以替代的示例中，在基于步骤S110和步骤S120分别得到多个不同深度位置的测井岩相信息和实验岩相信息之后，可以基于曲线拟合的方式，得到测井岩相信息与实验岩相信息之间的对应转换关系。
又例如，在另一种可以替代的示例中，为了使得得到的对应转换关系具有较高的准确度，以使基于其它测井信息对应的测井岩相信息转换得到的其它实验岩相信息，与真实的实验岩相信息之间具有较小的误差，结合图6，步骤S130可以包括步骤S131和步骤S133，具体内容如下所述。
步骤S131，获得预先构建的神经网络模型。
在本实施例中，在基于步骤S110和步骤S120得到多个不同深度位置的测井岩相信息和实验岩相信息之后，可以先获得预先构建的初始的神经网络模型。其中，该神经网络模型可以包括输入层、中间处理层和输出层。
步骤S133，基于所述测井岩相信息和所述实验岩相信息，对所述神经网络模型进行训练，得到岩相信息转换模型。
在本实施例中，在基于步骤S131获得所述神经网络模型之后，可以将获得的多个不同深度位置的测井岩相信息和实验岩相信息输入至该神经网络模型，以对该神经网络模型进行训练，从而得到岩相信息转换模型。
其中，所述岩相信息转换模型可以具有测井岩相信息与实验岩相信息之间的对应转换关系。如此，通过该岩相信息转换模型，可以将基于进行测井操作得到的其它测井信息对应的测井岩相信息(该其它测井岩相信息可以通过输入层输入，并经过中间处理层进行转换处理)，转换得到对应的其它实验岩相信息(该其它实验岩相信息可以通过输出层输出)。
对于已经建立岩相信息转换模型的页岩岩心，在后续开展基于该段页岩岩心的研究时，在确定目标采样对象的过程中，依据已建立的全岩心段连续的实验岩相信息、取样位置和数量，可在确保全面代表性前提下、减少不必要的重复工作，并且，在目标采样对象的深度位置和实验结果补充到已有采样位置记录和实验结果记录中的基础上，可以使得基于每一口井的页岩岩心形成一个日益丰富的数据平台。
结合图7，本申请实施例还提供一种测井信息处理装置100，可应用于上述的电子设备。其中，所述测井信息处理装置100可以包括第一信息获得模块110、第二信息获得模块120和转换关系获得模块130。
所述第一信息获得模块110，可以用于获得目标页岩段的测井岩相信息，其中，该测井岩相信息基于对目标页岩段进行测井操作得到的测井信息而得到，该测井信息包括该目标页岩段中连续多个不同深度位置的岩相特征信息。在本实施例中，所述第一信息获得模块110可用于执行图2所示的步骤S110，关于所述第一信息获得模块110的相关内容可以参照前文对步骤S110的描述。
所述第二信息获得模块120，可以用于获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该采样对象进行实验操作生成。在本实施例中，所述第二信息获得模块120可用于执行图2所示的步骤S120，关于所述第二信息获得模块120的相关内容可以参照前文对步骤S120的描述。
所述转换关系获得模块130，可以用于基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系，其中，该对应转换关系用于基于进行测井操作得到的其它测井信息对应的测井岩相信息，转换得到对应的其它实验岩相信息。在本实施例中，所述转换关系获得模块130可用于执行图2所示的步骤S130，关于所述转换关系获得模块130的相关内容可以参照前文对步骤S130的描述。
其中，基于不同的需求，所述第二信息获得模块可以包括不同的单元。例如，在一种可以替代的示例中，所述第二信息获得模块可以包括采样对象确定单元和实验岩相信息获得单元。
所述采样对象确定单元，可用于在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象，其中，不同的采样对象位于该目标页岩段不同的深度位置。所述实验岩相信息获得单元，可以用于获得所述目标采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该目标采样对象进行实验操作生成。
进一步地，所述采样对象确定单元，具体可以用于：
基于岩相特征信息之间的相似度对所述测井岩相信息包括的多个信息集进行聚类处理，得到多个信息类，其中，所述目标页岩段在不同深度位置的测井岩相信息分别形成不同的信息集，且每个信息类包括至少一个信息集；在对所述目标页岩段进行采样操作得到的多个采样对象中，基于所述多个信息类确定多个目标采样对象。
进一步地，所述采样对象确定单元还用于：
对全岩心段连续的实验岩相信息和历次实验研究工作中的目标采样对象的深度位置及其实验结果进行记录。
在本申请实施例中，对应于上述的测井信息处理方法，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行上述测井信息处理方法的各个步骤。
其中，前述计算机程序运行时执行的各步骤，在此不再一一赘述，可参考前文对所述测井信息处理方法的解释说明。
可以理解的是，在前述的描述中，“多个”是指，两个或两个以上，例如，目标页岩段多个不同深度位置的岩相特征信息是指，目标页岩段两个或两个以上不同深度位置的岩相特征信息。
综上所述，本申请提供的测井信息处理方法和装置、电子设备及存储介质，通过分别获得进行测井操作得到的测井信息对应的测井岩相信息和进行实验操作得到的实验岩相信息，并基于该测井岩相信息和该实验岩相信息，得到二者之间的对应转换关系。如此，在得到测井岩相信息与实验岩相信息之间的对应转换关系之后，需要获取其它采样对象的实验岩相信息时，可以不用对该其它采样对象进行实验操作，而仅需要基于获得的测井信息对应的测井岩相信息和该对应转换关系，即可转换得到对应的实验岩相信息，方便快捷，相较于现有的页岩油气研究技术中因需要对目标页岩段不同位置进行采样，并将每一次得到的采样对象都进行实验操作才能得到实验岩相信息的方案，可实现对页岩段客观存在的所有页岩岩相的获取，实现垂向上的连续深度的岩相识别，能够解决现有方案中由于只能识别有限深度位置和有限岩相而存在的便利性较差和效率较低的问题，具有较高的实用价值，既可以提高效率，也可以降低工作人员的工作量，还可以降低进行实验操作所带来的成本。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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。在这点上，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，它们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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本申请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，电子设备，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。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。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，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他要素，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“包括一个……”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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种测井信息处理方法，其特征在于，包括：
获得目标页岩段的测井岩相信息，其中，该测井岩相信息基于对目标页岩段进行测井操作得到的测井信息而得到，该测井信息包括该目标页岩段中连续多个不同深度位置的岩相特征信息；
获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该采样对象进行实验操作生成；
基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系，其中，该对应转换关系用于基于进行测井操作得到的其它测井信息对应的测井岩相信息，转换得到对应的其它实验岩相信息。
2.根据权利要求1所述的测井信息处理方法，其特征在于，所述获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息的步骤，包括：
在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象，其中，不同的采样对象位于该目标页岩段不同的深度位置；
获得所述目标采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该目标采样对象进行实验操作生成。
3.根据权利要求2所述的测井信息处理方法，其特征在于，所述在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象的步骤，包括：
基于测井岩相信息之间的相似度对所述测井岩相信息包括的多个信息集进行聚类处理，得到多个信息类，其中，所述目标页岩段在不同深度位置的岩相特征信息分别形成不同的信息集，且每个信息类包括至少一个信息集；
在对所述目标页岩段进行采样操作得到的多个采样对象中，基于所述多个信息类确定多个目标采样对象。
4.根据权利要求1-3任一项所述的测井信息处理方法，其特征在于，所述获得目标页岩段的测井岩相信息的步骤，包括：
获得对目标页岩段进行测井操作得到的测井信息，其中，该测井信息包括各种矿物元素含量、去铀伽马值、钍铀比值、岩性密度值、核磁共振孔隙度值；
对所述测井信息进行归一化处理，得到测井岩相信息。
5.根据权利要求1-3任一项所述的测井信息处理方法，其特征在于，所述基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系的步骤，包括：
获得预先构建的神经网络模型；
基于所述测井岩相信息和所述实验岩相信息，对所述神经网络模型进行训练，得到岩相信息转换模型，其中，该岩相信息转换模型具有测井岩相信息与实验岩相信息之间的对应转换关系。
6.一种测井信息处理装置，其特征在于，包括：
第一信息获得模块，用于获得目标页岩段的测井岩相信息，其中，该测井岩相信息基于对目标页岩段进行测井操作得到的测井信息而得到，该测井信息包括该目标页岩段中连续多个不同深度位置的岩相特征信息；
第二信息获得模块，用于获得在所述目标页岩段中不同深度位置的多个采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该采样对象进行实验操作生成；
转换关系获得模块，用于基于所述测井岩相信息和所述实验岩相信息，得到测井岩相信息与实验岩相信息之间的对应转换关系，其中，该对应转换关系用于基于进行测井操作得到的其它测井信息对应的测井岩相信息，转换得到对应的其它实验岩相信息。
7.根据权利要求6所述的测井信息处理装置，其特征在于，所述第二信息获得模块包括：
采样对象确定单元，用于在对所述目标页岩段进行采样操作得到的多个采样对象中，确定至少一个目标采样对象，其中，不同的采样对象位于该目标页岩段不同的深度位置；
岩相特征信息获得单元，用于获得所述目标采样对象对应的实验岩相信息，其中，该实验岩相信息基于对该目标采样对象进行实验操作生成。
8.根据权利要求7所述的测井信息处理装置，其特征在于，所述采样对象确定单元，具体用于：
基于测井岩相信息之间的相似度对所述测井岩相信息包括的多个信息集进行聚类处理，得到多个信息类，其中，所述目标页岩段在不同深度位置的测井岩相信息分别形成不同的信息集，且每个信息类包括至少一个信息集；
在对所述目标页岩段进行采样操作得到的多个采样对象中，基于所述多个信息类确定多个目标采样对象。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1-5任意一项所述的测井信息处理方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，该计算机程序被执行时，实现权利要求1-5任意一项所述的测井信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010622710.3A CN111749677A (zh) | 2020-06-30 | 2020-06-30 | 测井信息处理方法和装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010622710.3A CN111749677A (zh) | 2020-06-30 | 2020-06-30 | 测井信息处理方法和装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111749677A true CN111749677A (zh) | 2020-10-09 |
Family
ID=72680288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010622710.3A Pending CN111749677A (zh) | 2020-06-30 | 2020-06-30 | 测井信息处理方法和装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111749677A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106950347A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油大学(华东) | 一种评价泥页岩各组分体积的方法 |
| US20180081077A1 (en) * | 2016-09-16 | 2018-03-22 | Saudi Arabian Oil Company | Method for measurement of hydrocarbon content of tight gas reservoirs |
| WO2018084394A1 (ko) * | 2016-11-01 | 2018-05-11 | 한국지질자원연구원 | 물리검층자료 해석을 통한 셰일 가스층의 탈착 가스량 예측 장치 및 그 방법 |
| CN108387711A (zh) * | 2018-02-02 | 2018-08-10 | 中国石油天然气集团有限公司 | Toc表征参数、脆性表征参数的确定方法和装置 |
| CN109543352A (zh) * | 2018-12-29 | 2019-03-29 | 西南石油大学 | 页岩断裂韧性预测方法、装置及电子设备 |
| CN111048163A (zh) * | 2019-12-18 | 2020-04-21 | 延安大学 | 一种基于高阶神经网络的页岩油滞留烃量（s1）评价方法 |
| CN111058840A (zh) * | 2019-12-18 | 2020-04-24 | 延安大学 | 一种基于高阶神经网络的有机碳含量(toc)评价方法 |
| CN111316294A (zh) * | 2017-09-15 | 2020-06-19 | 沙特阿拉伯石油公司 | 使用神经网络推断烃储层的岩石物理特性 |
-
2020
- 2020-06-30 CN CN202010622710.3A patent/CN111749677A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180081077A1 (en) * | 2016-09-16 | 2018-03-22 | Saudi Arabian Oil Company | Method for measurement of hydrocarbon content of tight gas reservoirs |
| WO2018084394A1 (ko) * | 2016-11-01 | 2018-05-11 | 한국지질자원연구원 | 물리검층자료 해석을 통한 셰일 가스층의 탈착 가스량 예측 장치 및 그 방법 |
| CN106950347A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油大学(华东) | 一种评价泥页岩各组分体积的方法 |
| CN111316294A (zh) * | 2017-09-15 | 2020-06-19 | 沙特阿拉伯石油公司 | 使用神经网络推断烃储层的岩石物理特性 |
| CN108387711A (zh) * | 2018-02-02 | 2018-08-10 | 中国石油天然气集团有限公司 | Toc表征参数、脆性表征参数的确定方法和装置 |
| CN109543352A (zh) * | 2018-12-29 | 2019-03-29 | 西南石油大学 | 页岩断裂韧性预测方法、装置及电子设备 |
| CN111048163A (zh) * | 2019-12-18 | 2020-04-21 | 延安大学 | 一种基于高阶神经网络的页岩油滞留烃量（s1）评价方法 |
| CN111058840A (zh) * | 2019-12-18 | 2020-04-24 | 延安大学 | 一种基于高阶神经网络的有机碳含量(toc)评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孟召平等: "页岩气储层有机碳含量与测井参数的关系及预测模型", 《煤炭学报》 * |
| 金浩等: "《社会经济定量研究方法与应用》", 31 December 2013, 南开大学出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106468172B (zh) | 一种超低渗砂岩油藏低阻储层测井解释方法 | |
| CN101930082B (zh) | 采用电阻率资料进行储层流体类型判别的方法 | |
| CN104278991A (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
| CN104514552B (zh) | 一种煤层气储层识别与丰度预测的方法 | |
| US9176255B2 (en) | Permeability prediction systems and methods using quadratic discriminant analysis | |
| CN102012526A (zh) | 采用电阻率资料进行储层流体类型判别的方法 | |
| CN102830441A (zh) | 包含数据挖掘的油气层综合解释评价方法 | |
| CN105443122A (zh) | 一种测井解释模型的处理方法及装置 | |
| CN105221144A (zh) | 确定油藏储量的方法及装置 | |
| CN104678455A (zh) | 一种陆相缝洞型储层识别方法 | |
| CN111028095A (zh) | 一种基于测井曲线的定量识别页岩岩相的方法 | |
| CN108035710B (zh) | 基于数据挖掘划分深层岩石地质相的方法 | |
| CN104459790A (zh) | 含油气性盆地有效储层的分析方法和装置 | |
| KR101893800B1 (ko) | 암석 물리학상 구축을 통한 퇴적환경 해석 방법 | |
| CN110529106B (zh) | 一种利用测井资料确定煤层显微组分含量的方法 | |
| CN1032663C (zh) | 一种测井信息的解释处理方法 | |
| CN111749677A (zh) | 测井信息处理方法和装置、电子设备及存储介质 | |
| Garcia et al. | Multivariate and spatial statistical analysis of Callovo-Oxfordian physical properties from lab and borehole logs data: Towards a characterization of lateral and vertical spatial trends in the Meuse/Haute-Marne Transposition Zone | |
| CN112069444B (zh) | 一种利用测井资料计算储集层试井渗透率方法及计算机 | |
| CN114896468A (zh) | 基于神经网络的文件类型匹配方法和数据智能录入方法 | |
| CN113720745A (zh) | 含碳屑碎屑岩储层地球物理测井计算孔隙度的方法 | |
| CN110454155A (zh) | 一种应用磁化率测井方法确定第四纪地层年代的方法 | |
| Murphy | A geospatial investigation of the potential for inter-aquifer communication in Shelby County, Tennessee: A multi-scale Spatial Dependency Model | |
| CN112835113B (zh) | 一种层序约束下的岩性识别方法 | |
| Damasceno et al. | Source rock evaluation from rock to seismic: Integrated machine learning based workflow |
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 |
Application publication date: 20201009 |
|
| RJ01 | Rejection of invention patent application after publication |