CN111913220A - 基于相模式的低渗砂岩相对高渗条带预测方法 - Google Patents
基于相模式的低渗砂岩相对高渗条带预测方法 Download PDFInfo
- Publication number
- CN111913220A CN111913220A CN202010811552.6A CN202010811552A CN111913220A CN 111913220 A CN111913220 A CN 111913220A CN 202010811552 A CN202010811552 A CN 202010811552A CN 111913220 A CN111913220 A CN 111913220A
- Authority
- CN
- China
- Prior art keywords
- sand
- relative
- reservoir
- permeability
- sandstone
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000035699 permeability Effects 0.000 claims abstract description 60
- 238000007621 cluster analysis Methods 0.000 claims abstract description 23
- 239000004576 sand Substances 0.000 claims abstract description 19
- 238000011160 research Methods 0.000 claims abstract description 8
- 230000008021 deposition Effects 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 4
- 208000035126 Facies Diseases 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 10
- 238000012986 modification Methods 0.000 claims description 10
- 238000010587 phase diagram Methods 0.000 claims description 9
- 239000011435 rock Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于相模式的低渗砂岩相对高渗条带预测方法,包括如下步骤:1)在已知井中划分出目的层致密砂岩中相对高渗储层,并计算相对高渗储层百分含量;2)统计目的层的砂体厚度并计算砂地比;3)明确不同沉积微相的相对高渗储层百分含量的值域;4)分析筛选若干能反映相对高渗条带的敏感地震属性,选取与砂地比相关性高的地震属性;5)利用解释的层位提取若干个目的层的敏感地震属性;6)根据已知井的砂地比和敏感地震属性建立相关关系,预测目的层的砂地比分布;7)将提取的若干个敏感地震属性进行聚类分析。本发明能够把地质研究成果融入到利用地震属性预测当中,得到更好的反映高渗条带的分布,结果符合沉积规律和地质特征。
Description
技术领域
本发明涉及低渗油田开发的测井、地震、地质综合研究技术领域,具体是关于一种基于相模式的低渗砂岩相对高渗条带预测方法。
背景技术
碎屑岩低渗透油藏是指按照渗透率划分标准,渗透率小于50×10-3μm2的油藏。碎屑岩低渗透油藏分布广泛、资源丰富、潜力巨大,为了尽快将资源转化为产量,有效地开发低渗透油藏,急需进行深入细致的研究与探索。目前开发面临的难点是储层物性及含油气性难以准确预测和评价,有利开发区优选及定量评价难度大。有效开发低渗透油田的一个重要地质问题是如何在低渗储层中预测相对高渗储层的分布,明确低渗油层的孔隙结构和渗流特征,指导开发井位部署。
传统碎屑岩低渗储层相对高渗条带的预测主要利用已钻井信息,利用渗透率的绝对值统一划分储层类型,这种方法存在井间预测能力有限的问题。而地震属性分析技术是预测低渗储层相对高渗条带的有效方法,而且具备了横向分辨率高的优势。通过分析地震属性特征与低渗储层相对高渗条带的相关性对地震属性进行优选,然后利用地震属性聚类的方法对优选的地震属性做变换,使变换得到的识别指数能更好地指示相对高渗条带的分布。然而,该方法也存在敏感地震属性优选困难,多解性强,与地质特征难以融合的问题。
随着勘探开发的不断深入,对储层的沉积分布也更加细致和准确,如果把这些地质研究成果融入到基于地震属性预测低渗储层相对高渗条带的分布中去,使预测的高渗条带分布更符合实际地质规律,提高预测精度,目前还没有一个系统的方法综合沉积相和敏感地震属性来预测低渗砂岩相对高渗条带。
发明内容
针对上述问题,本发明的目的是提供一种基于相模式的低渗砂岩相对高渗条带预测方法,能够把地质研究成果融入到利用地震属性预测当中,并不断调整地质信息在“甜点”预测的权重,最终得到更好的反映高渗条带分布的预测结果,结果符合沉积规律和地质特征。
为实现上述目的,本发明采取以下技术方案:
本发明所述的基于相模式的低渗砂岩相对高渗条带预测方法,包括如下步骤:
1)基于测井数据,利用低渗储层中高渗储层的岩性、物性、电性相关关系,在已知井中划分出目的层致密砂岩中相对高渗储层,并计算相对高渗储层百分含量;
2)根据已钻井信息,统计目的层的砂体厚度并计算砂地比;
3)将已钻井的低渗储层相对高渗条带按照相对高渗储层百分含量进行分类,并与不同的沉积微相建立对应关系,明确不同沉积微相的相对高渗储层百分含量的值域;
4)根据储层沉积特征建立地震正演机理模型,通过正演模拟地震响应特征分析筛选若干能反映致密砂岩中相对高渗条带的敏感地震属性,同时选取与砂地比相关性高的地震属性;
5)利用解释的层位提取若干个目的层的敏感地震属性,所述敏感地震属性包括相对高渗条带和砂地比的敏感地震属性;
6)根据已知井的砂地比和敏感地震属性建立相关关系,根据该相关关系结合测井数据和地震属性预测目的层的砂地比分布;
7)将提取的若干个敏感地震属性进行聚类分析,同时把沉积相图和步骤6)中的砂地比预测结果作为控制约束条件加入到聚类分析过程中,实现基于相模式下的地震属性聚类分析,达到地质和地震融合的目的,使预测结果符合地质规律。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述步骤1)中计算相对高渗储层百分含量的具体步骤为:
1.1)统计岩芯测试数据和测井数据,依据碎屑岩储层划分标准,把渗透率大于等于10mD的储层划分为低渗储层中相对高渗的储层;
1.2)基于已钻井数据,统计目的层的砂体总厚度和渗透率大于等于10mD的砂体厚度;
1.3)通过下式求取每一口已知井的相对高渗储层百分含量RHPC:
RHPC=(hp/Hs)*100%
其中,hp为渗透率大于等于10mD的砂体厚度,Hs为砂体总厚度。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述步骤2)中通过下式计算砂地比:
N=h/H
其中,h为砂岩总厚度,H为地层厚度。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述步骤3)中对低渗储层相对高渗条带进行分类的具体步骤为:
3.1)统计研究区各井目的层的相对高渗储层百分含量形成直方图,按照直方图的峰值分布进行分类,一个峰值作为一类,并定义一个相对高渗储层百分含量作为类型台阶值;
3.2)基于测井数据和沉积特征,把已钻井的目的层划分为相应的沉积微相类型;
3.3)根据已钻井目的层的相对高渗储层百分含量值,建立沉积微相和相对高渗条带类型之间的对应关系,并明确不同沉积微相的相对高渗储层百分含量的值域。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述步骤4)中所述反映致密砂岩中相对高渗条带的敏感地震属性为:
选取与相对高渗条带相关系数较大的属性作为敏感地震属性。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述敏感地震属性包括振幅类属性和波形结构属性:
所述振幅类属性包括RMS振幅、平均瞬时振幅、波峰最大值;
所述波形结构属性包括波形峰度、波形面积、波形长度。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述步骤4)中选取与砂地比相关性高的地震属性的方法为:
把已知井的砂地比和地震属性进行交会分析,得到两者的相关系数,相关系数最大表明两者相关性最高。
所述的低渗砂岩相对高渗条带预测方法,优选地,所述步骤7)中聚类分析的具体步骤为:
7.1)把沉积相图和砂地比预测结果作为控制约束,对敏感地震属性进行聚类分析;
7.2)在聚类分析过程中,根据实际需求不断调整沉积相和属性的权重值来调整不同对象的参与权重,从而影响聚类分析结果;
7.3)根据第一次聚类分析结果,指导沉积相图的修改和细化,把预测结果体现到沉积图的修改中,使相图更加细致和完善;
7.4)把步骤7.3)中修改后的沉积相图和砂地比预测结果作为控制约束,继续对敏感地震属性进行聚类分析,然后用得到的预测结果继续优化修改沉积相图,如此循环迭代修改,直到最后的聚类分析结果变化率小于5%时,终止这个迭代聚类的过程,得到最终的聚类分析结果和沉积相带分布图。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明采用多种敏感地震属性进行聚类分析,充分利用了地震数据的横向分辨能力,并通过多属性的聚类降低了多解性,提高了预测精度。
2、本发明将沉积相信息数字化,将地质认识直接应用到致密砂岩高渗条带预测过程中,进一步降低了地震数据的多解性。
3、本发明可根据实际情况调整沉积相信息和各种地震属性在聚类分析过程中的权重,可提高可靠数据的权重从而提升聚类分析精度。
同时可根据聚类结果对沉积相进行迭代更新,应用到新一轮高渗条带预测中,保证聚类结果既符合地震数据的横向变化规律,又与地质规律一致,提高了高渗条带预测精度。本发明可以广泛用于油气勘探开发过程中碎屑岩低渗油气田的高渗条带预测。
附图说明
图1为本发明的基于相模式的低渗砂岩相对高渗条带预测方法的流程图。
具体实施方式
以下将结合附图对本发明的较佳实施例进行详细说明,以便更清楚理解本发明的目的、特点和优点。应理解的是,附图所示的实施例并不是对本发明范围的限制,而只是为了说明本发明技术方案的实质精神。
如图1所示,本发明提供的一种基于相模式的低渗砂岩相对高渗条带预测方法,包括如下步骤:
1)基于测井数据,利用低渗储层中高渗储层的岩性、物性、电性的相关关系,在已知井中划分出目的层致密砂岩中相对高渗储层,并计算相对高渗储层百分含量;
其中,计算相对高渗储层百分含量的具体步骤为:
1.1)统计岩芯测试数据和测井数据,依据碎屑岩储层划分标准,把渗透率大于等于10mD的储层划分为低渗储层中相对高渗储层;
1.2)基于已钻井数据,统计目的层的砂体总厚度和渗透率大于等于10mD的砂体厚度;
1.3)通过下式求取每一口已知井的相对高渗储层百分含量RHPC:
RHPC=(hp/Hs)*100%
其中,hp为渗透率大于等于10mD的砂体厚度,Hs为砂体总厚度。
2)根据已钻井信息,统计目的层的砂体厚度并通过下式计算砂地比:
N=h/H
其中,h为砂岩总厚度,H为地层厚度。
3)将已钻井的低渗储层相对高渗条带按照相对高渗储层百分含量进行分类,并与不同的沉积微相建立对应关系,明确不同沉积微相的相对高渗储层百分含量的值域,即明确每一种沉积微相的相对高渗储层百分含量的值是在多少范围内,如河道砂体对应的相对高渗储层百分含量值域是40%到60%之间;
其中,对低渗储层相对高渗条带进行分类的具体步骤为:
3.1)统计研究区已钻井目的层的相对高渗储层百分含量形成直方图,按照直方图的峰值分布进行分类,一个峰值作为一类,并定义一个相对高渗储层百分含量作为类型台阶值;
3.2)基于测井数据和沉积特征,把已钻井目的层划分为相应的沉积微相类型;
3.3)根据已钻井目的层的相对高渗储层百分含量值,建立沉积微相和相对高渗条带类型之间的对应关系,并明确不同沉积微相的相对高渗储层百分含量的值域。
4)根据储层沉积特征建立地震正演机理模型,通过正演模拟地震响应特征分析筛选若干能反映致密砂岩中相对高渗条带的敏感地震属性,即选取与相对高渗条带相关系数较大的属性作为敏感地震属性,如振幅类属性(RMS振幅、平均瞬时振幅、波峰最大值)和波形结构属性(波形峰度、波形面积、波形长度),同时选取与砂地比相关性高的地震属性,即把已知井的砂地比和地震属性进行交会分析,得到两者的相关系数,相关系数最大表明两者相关性最高;
5)利用解释的层位提取若干个目的层的敏感地震属性,所述敏感地震属性包括相对高渗条带和砂地比的敏感地震属性;
6)根据已知井的砂地比和敏感地震属性建立相关关系,根据该相关关系结合测井数据和地震属性预测目的层的砂地比分布;
7)将提取的若干个敏感地震属性进行聚类分析,同时把沉积相图和步骤6)中的砂地比预测结果作为控制约束条件加入到聚类分析过程中,实现基于相模式下的地震属性聚类分析,达到地质和地震融合的目的,使预测结果符合地质规律。
其中,聚类分析的具体步骤为:
7.1)把沉积相图和砂地比预测结果作为控制约束,对敏感地震属性进行聚类分析;
7.2)在聚类分析过程中,根据实际需求不断调整沉积相和属性的权重值来调整不同对象的参与权重,从而影响聚类分析结果;
7.3)根据第一次聚类分析结果,指导沉积相图的修改和细化,把预测结果体现到沉积图的修改中,使相图更加细致和完善;
7.4)把步骤7.3)中修改后的沉积相图和砂地比预测结果作为控制约束,继续对敏感地震属性进行聚类分析,然后用得到的预测结果继续优化修改沉积相图,如此循环迭代修改,直到最后的聚类分析结果变化率小于5%时,可以终止这个迭代聚类的过程,得到最终的聚类分析结果和沉积相带分布图。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于相模式的低渗砂岩相对高渗条带预测方法,其特征在于,包括如下步骤:
1)基于测井数据,利用低渗储层中高渗储层的岩性、物性、电性的相关关系,在已知井中划分出目的层致密砂岩中相对高渗储层,并计算相对高渗储层百分含量;
2)根据已钻井信息,统计目的层的砂体厚度并计算砂地比;
3)将已钻井的低渗储层相对高渗条带按照相对高渗储层百分含量进行分类,并与不同的沉积微相建立对应关系,明确不同沉积微相的相对高渗储层百分含量的值域;
4)根据储层沉积特征建立地震正演机理模型,通过正演模拟地震响应特征分析筛选若干能反映致密砂岩中相对高渗条带的敏感地震属性,同时选取与砂地比相关性高的地震属性;
5)利用解释的层位提取若干个目的层的敏感地震属性,所述敏感地震属性包括相对高渗条带和砂地比的敏感地震属性;
6)根据已知井的砂地比和敏感地震属性建立相关关系,根据该相关关系结合测井数据和地震属性预测目的层的砂地比分布;
7)将提取的若干个敏感地震属性进行聚类分析,同时把沉积相图和步骤6)中的砂地比预测结果作为控制约束条件加入到聚类分析过程中,实现基于相模式下的地震属性聚类分析,达到地质和地震融合的目的,使预测结果符合地质规律。
2.根据权利要求1所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述步骤1)中计算相对高渗储层百分含量的具体步骤为:
1.1)统计岩芯测试数据和测井数据,依据碎屑岩储层划分标准,把渗透率大于等于10mD的储层划分为低渗储层中相对高渗的储层;
1.2)基于已钻井数据,统计目的层的砂体总厚度和渗透率大于等于10mD的砂体厚度;
1.3)通过下式求取每一口已知井的相对高渗储层百分含量RHPC:
RHPC=(hp/Hs)*100%
其中,hp为渗透率大于等于10mD的砂体厚度,Hs为砂体总厚度。
3.根据权利要求1所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述步骤2)中通过下式计算砂地比:
N=h/H
其中,h为砂岩总厚度,H为地层厚度。
4.根据权利要求1所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述步骤3)中对低渗储层相对高渗条带进行分类的具体步骤为:
3.1)统计研究区已钻井目的层的相对高渗储层百分含量形成直方图,按照直方图的峰值分布进行分类,一个峰值作为一类,并定义一个相对高渗储层百分含量作为类型台阶值;
3.2)基于测井数据和沉积特征,把已钻井目的层划分为相应的沉积微相类型;
3.3)根据已钻井目的层的相对高渗储层百分含量值,建立沉积微相和相对高渗条带类型之间的对应关系,并明确不同沉积微相的相对高渗储层百分含量的值域。
5.根据权利要求1所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述步骤4)中所述反映致密砂岩中相对高渗条带的敏感地震属性为:
选取与相对高渗条带相关系数较大的属性作为敏感地震属性。
6.根据权利要求5所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述敏感地震属性包括振幅类属性和波形结构属性:
所述振幅类属性包括RMS振幅、平均瞬时振幅、波峰最大值;
所述波形结构属性包括波形峰度、波形面积、波形长度。
7.根据权利要求1所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述步骤4)中选取与砂地比相关性高的地震属性的方法为:
把已知井的砂地比和地震属性进行交会分析,得到两者的相关系数,相关系数最大表明两者相关性最高。
8.根据权利要求1所述的低渗砂岩相对高渗条带预测方法,其特征在于,所述步骤7)中聚类分析的具体步骤为:
7.1)把沉积相图和砂地比预测结果作为控制约束,对敏感地震属性进行聚类分析;
7.2)在聚类分析过程中,根据实际需求不断调整沉积相和属性的权重值来调整不同对象的参与权重,从而影响聚类分析结果;
7.3)根据第一次聚类分析结果,指导沉积相图的修改和细化,把预测结果体现到沉积图的修改中,使相图更加细致和完善;
7.4)把步骤7.3)中修改后的沉积相图和砂地比预测结果作为控制约束,继续对敏感地震属性进行聚类分析,然后用得到的预测结果继续优化修改沉积相图,如此循环迭代修改,直到最后的聚类分析结果变化率小于5%时,终止这个迭代聚类的过程,得到最终的聚类分析结果和沉积相带分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010811552.6A CN111913220B (zh) | 2020-08-13 | 2020-08-13 | 基于相模式的低渗砂岩相对高渗条带预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010811552.6A CN111913220B (zh) | 2020-08-13 | 2020-08-13 | 基于相模式的低渗砂岩相对高渗条带预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111913220A true CN111913220A (zh) | 2020-11-10 |
CN111913220B CN111913220B (zh) | 2023-04-18 |
Family
ID=73284889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010811552.6A Active CN111913220B (zh) | 2020-08-13 | 2020-08-13 | 基于相模式的低渗砂岩相对高渗条带预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111913220B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113514892A (zh) * | 2021-05-06 | 2021-10-19 | 西安石油大学 | 一种利用地震正演模拟研究薄层致密砂岩分布的方法 |
CN113625340A (zh) * | 2021-08-02 | 2021-11-09 | 中海石油(中国)有限公司 | 一种基于属性敏感度选择储层敏感地震属性组合的方法 |
CN114167498A (zh) * | 2021-11-30 | 2022-03-11 | 中海石油(中国)有限公司 | 一种测井和地震属性联合的分步聚类分析方法 |
CN114910964A (zh) * | 2022-05-30 | 2022-08-16 | 中国石油化工股份有限公司 | 一种断陷湖盆陡坡带砂砾岩体甜点区的预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090204377A1 (en) * | 2004-09-10 | 2009-08-13 | Van Wagoner John C | Method for Constructing Geologic Models of Subsurface Sedimentary Volumes |
US20130325349A1 (en) * | 2012-05-31 | 2013-12-05 | Chevron U.S.A. Inc. | Methods for Generating Depofacies Classifications for Subsurface Oil or Gas Reservoirs or Fields |
CN107861171A (zh) * | 2017-11-08 | 2018-03-30 | 中国石油大港油田勘探开发研究院 | 一种陆相湖盆沉积微相平面分布图编制方法 |
CN108680951A (zh) * | 2018-03-22 | 2018-10-19 | 中国地质大学(北京) | 一种基于地震信息判断煤层气富集沉积控制作用的方法 |
CN109725348A (zh) * | 2017-10-30 | 2019-05-07 | 中国石油化工股份有限公司 | 一种基于地震资料识别沉积相的方法 |
-
2020
- 2020-08-13 CN CN202010811552.6A patent/CN111913220B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090204377A1 (en) * | 2004-09-10 | 2009-08-13 | Van Wagoner John C | Method for Constructing Geologic Models of Subsurface Sedimentary Volumes |
US20130325349A1 (en) * | 2012-05-31 | 2013-12-05 | Chevron U.S.A. Inc. | Methods for Generating Depofacies Classifications for Subsurface Oil or Gas Reservoirs or Fields |
CN109725348A (zh) * | 2017-10-30 | 2019-05-07 | 中国石油化工股份有限公司 | 一种基于地震资料识别沉积相的方法 |
CN107861171A (zh) * | 2017-11-08 | 2018-03-30 | 中国石油大港油田勘探开发研究院 | 一种陆相湖盆沉积微相平面分布图编制方法 |
CN108680951A (zh) * | 2018-03-22 | 2018-10-19 | 中国地质大学(北京) | 一种基于地震信息判断煤层气富集沉积控制作用的方法 |
Non-Patent Citations (8)
Title |
---|
刘颜: "鄂尔多斯盆地彬长区块延长组储层评价研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
夏竹等: "井震联合薄储层沉积微相表征实例研究", 《石油地球物理勘探》 * |
孙晓晖等: "多属性分析技术在低渗储层预测中的应用", 《海洋石油》 * |
宋子齐等: "利用单渗砂层能量厚度研究有利沉积微相及其含油有利区的方法", 《沉积学报》 * |
张丹妮等: "地震属性预测西湖凹陷N构造"甜点"", 《特种油气藏》 * |
田淼等: "基于集合卡尔曼滤波算法刻画低渗透砂岩储层的相对高渗透条带", 《油气地质与采收率》 * |
邹伟等: "非均质油藏高渗条带识别方法初探", 《新疆石油天然气》 * |
魏铁军等: "低渗透气田相对高渗储层描述方法研究――以苏里格气田为例", 《石油天然气学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113514892A (zh) * | 2021-05-06 | 2021-10-19 | 西安石油大学 | 一种利用地震正演模拟研究薄层致密砂岩分布的方法 |
CN113514892B (zh) * | 2021-05-06 | 2024-02-13 | 西安石油大学 | 一种利用地震正演模拟研究薄层致密砂岩分布的方法 |
CN113625340A (zh) * | 2021-08-02 | 2021-11-09 | 中海石油(中国)有限公司 | 一种基于属性敏感度选择储层敏感地震属性组合的方法 |
CN113625340B (zh) * | 2021-08-02 | 2023-09-19 | 中海石油(中国)有限公司 | 一种基于属性敏感度选择储层敏感地震属性组合的方法 |
CN114167498A (zh) * | 2021-11-30 | 2022-03-11 | 中海石油(中国)有限公司 | 一种测井和地震属性联合的分步聚类分析方法 |
CN114167498B (zh) * | 2021-11-30 | 2023-09-15 | 中海石油(中国)有限公司 | 一种测井和地震属性联合的分步聚类分析方法 |
CN114910964A (zh) * | 2022-05-30 | 2022-08-16 | 中国石油化工股份有限公司 | 一种断陷湖盆陡坡带砂砾岩体甜点区的预测方法 |
CN114910964B (zh) * | 2022-05-30 | 2023-04-14 | 中国石油化工股份有限公司 | 一种断陷湖盆陡坡带砂砾岩体甜点区的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111913220B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111913220B (zh) | 基于相模式的低渗砂岩相对高渗条带预测方法 | |
CN109061765B (zh) | 非均质薄砂岩互层油藏的圈闭评价方法 | |
CN105134191B (zh) | 致密油油井储量的评价方法 | |
CN109838230A (zh) | 油藏水淹层的定量评价方法 | |
CN108802812A (zh) | 一种井震融合的地层岩性反演方法 | |
CN106707340A (zh) | 一种火山岩岩相的预测方法 | |
CN104278989B (zh) | 一种获取低孔低渗储层饱和度指数的方法 | |
CN109425900B (zh) | 一种地震储层预测方法 | |
CN106156452A (zh) | 一种储层分析方法 | |
CN103993871B (zh) | 针对薄互层地层的测井资料标准化处理方法及装置 | |
CN105525917B (zh) | 识别储层的方法以及识别储层中流体类型的方法 | |
CN106503834A (zh) | 一种湖相超低孔渗储层致密油甜点区的预测方法 | |
CN105759312A (zh) | 一种储层特征法井震标定方法 | |
CN108691537A (zh) | 一种油藏地质储量预测方法 | |
CN108829980A (zh) | 利用pnn测井资料建立碳氧比和碳氢比解释模型的方法 | |
CN105447762A (zh) | 一种流体替换的低渗透油藏水淹信息的计算方法 | |
CN105257285A (zh) | 油气由烃源岩层向岩溶储层充注能力的评价方法 | |
CN105240006A (zh) | 一种适用于火山岩储层的油水层识别方法 | |
CN113503156A (zh) | 储层垂向非均质性定量测定方法、系统、介质、设备及终端 | |
CN108663714A (zh) | 一种沉积微相刻画方法 | |
CN106405639A (zh) | 一种叠前地震储层岩性参数的反演方法 | |
CN106569272A (zh) | 一种基于数据性质空间升维的地震属性融合方法 | |
Popa et al. | Optimizing horizontal well placement through stratigraphic performance prediction using artificial intelligence | |
CN105700016A (zh) | 生物滩储层地震预测的方法 | |
CN104516019B (zh) | 一种基于频谱形状的油气预测方法 |
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 |