CN112133376A - 一种饱含水地层体积模量的流体识别方法 - Google Patents

一种饱含水地层体积模量的流体识别方法 Download PDF

Info

Publication number
CN112133376A
CN112133376A CN202010881004.0A CN202010881004A CN112133376A CN 112133376 A CN112133376 A CN 112133376A CN 202010881004 A CN202010881004 A CN 202010881004A CN 112133376 A CN112133376 A CN 112133376A
Authority
CN
China
Prior art keywords
bulk modulus
water
reservoir
mineral
saturated
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
Application number
CN202010881004.0A
Other languages
English (en)
Inventor
刘春雷
令狐松
李娜
段朝伟
李国利
李纲
吴有彬
郭正权
陈莉
张程恩
单沙沙
刘国良
杨宇航
王昕睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Petroleum Corp
China Petroleum Logging Co Ltd
Original Assignee
China National Petroleum Corp
China Petroleum Logging Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China National Petroleum Corp, China Petroleum Logging Co Ltd filed Critical China National Petroleum Corp
Priority to CN202010881004.0A priority Critical patent/CN112133376A/zh
Publication of CN112133376A publication Critical patent/CN112133376A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/80—Data visualisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明提供的一种饱含水地层体积模量的流体识别方法，包括以下步骤：步骤1，计算研究工区内储层对应的基质矿物体积模量；步骤2，根据步骤1得到的基质矿物体积模量计算裂缝孔隙度；步骤3，设定储层的孔隙中的流体为水，结合步骤1中得到的基质矿物体积模量、以及步骤2得到的裂缝孔隙度计算储层对应的饱含水地层体积模量；步骤4，计算储层对应的测量地层体积模量；步骤5，确定储层的流体性质；步骤6，确定定量识别气水层的关系图版；该方法能够避免岩石骨架的信息的干扰，更准确地识别储层孔隙流体性质。

Description

一种饱含水地层体积模量的流体识别方法
技术领域
本发明涉及储层流体性质评价领域，特别涉及一种饱含水地层体积模量的流体识别方法。
背景技术
气层识别方法主要有交会图法、三孔隙度差比值、纵横波速比法、单参数弹性模量法、移谱法和差谱法。由于目前多数油田的储层都具有低孔低渗，低成熟度、非均质性强、孔隙结构复杂等特点。导致电阻率反应流体性质的信息弱，常规解释方法判别流体性质的效果不明显，电法测井无法准确辨别储层含气性，而以Gassmann理论方程为基础，结合岩性扫描测井、密度测井及阵列声波测井资料，根据气和水不同的体积模量，建立了饱含水地层体积模量与地层体积模量差值法，并与传统方法进行对比，该方法更能够避免储层致密、孔隙结构复杂等因素的影响，定性及定量的评价储层的含气性，为油田的增产上储工作提供可靠的依据。
发明内容
本发明的目的在于提供一种饱含水地层体积模量的流体识别方法，解决了现有的流体识别方法存在判别流体性质的效果不明显的缺陷。
为了达到上述目的，本发明采用的技术方案是：
本发明提供的一种饱含水地层体积模量的流体识别方法，包括以下步骤：
步骤1，计算研究工区内储层对应的基质矿物体积模量；
步骤2，根据步骤1得到的基质矿物体积模量计算裂缝孔隙度；
步骤3，设定储层的孔隙中的流体为水，结合步骤1中得到的基质矿物体积模量、以及步骤2得到的裂缝孔隙度计算储层对应的饱含水地层体积模量；
步骤4，计算储层对应的测量地层体积模量；
步骤5，根据步骤3得到的饱含水地层体积模量和步骤4得到的测量地层体积模量之间的差值，确定储层的流体性质；
步骤6，根据步骤3得到的饱含水地层体积模量和步骤4得到的测量地层体积模量之间的大小关系，以及结合步骤5得到的储层的流体性质，得到用于定量识别气水层的关系图版。
优选地，步骤1中，计算研究工区内储层对应的基质矿物体积模量，具体方法是：
S101，确定储层岩性中的每种矿物的矿物百分含量；
S102，将每种矿物的矿物百分含量与该矿物对应的矿物理论体积模量值进行相乘；
S103，将S102中得到的每种矿物的乘积进行求和，得到基质矿物体积模量。
优选地，根据步骤1得到的基质矿物体积模量计算裂缝孔隙度，具体方法是：
通过步骤(1)得到的每种矿物的矿物组分百分含量，结合该矿物的声波时差值，确定该矿物的变声波时差骨架值；
将所有矿物的变声波时差骨架值进行求和，得到基质矿物的变声波时差骨架值；
将得到的基质矿物的变声波时差骨架值，结合岩石物理体积模型，计算基质孔隙度；
根据得到的基质孔隙度，结合电成像测井，得到裂缝孔隙度。
优选地，结合步骤1中得到的基质矿物体积模量、以及步骤2得到的裂缝孔隙度计算储层对应的饱含水地层体积模量，具体方法是：
Kwsat＝(1-Φ基质-Φ裂缝)Kma+(Φ基质+Φ裂缝)K水
其中，Kwsat为储层对应的饱含水地层体积模量；Φ裂缝为裂缝孔隙度；K水为水的理论体积模量。
优选地，计算储层对应的测量地层体积模量，具体方法是：
利用阵列声波测井分别确定储层的纵波波速Vp、横波波速Vs及补偿密度测井值ρsat，通过体积模量公式计算地层体积模量Ksat：
Figure BDA0002654114510000031
优选地，根据步骤3得到的饱含水地层体积模量和步骤4得到的测量地层体积模量之间的差值，结合非电法气层识别方法，确定储层的流体性质。
与现有技术相比，本发明的有益效果是：
本发明提供的一种饱含水地层体积模量的流体识别方法，利用各种矿物理论体积模量值，计算储层的基质体积模量；其次结合求取的基质孔隙度与裂缝孔隙度参数值，假定孔隙中饱含流体为水，通过岩石物理体积模型计算其体积模量，定义为饱含水地层体积模量；再次基于阵列声波测井确定储层的纵波波速、横波波速参数值及补偿密度测井值，通过如下的体积模量公式计算地层体积模量，通过分析计算的饱含水地层体积模量与真实的测量地层体积模量的差异，开展非电法气层识别，评价储层流体性质。最后结合试油试采数据确定两者大小与储层流体性质的关系，得到用于定量识别气水层的关系图版，对研究工区内的井进行连续解释评价。与传统的三孔隙度重叠法、纵横波速比法及单参数弹性模量法等方法进行对比，该方法能够避免岩石骨架的信息的干扰，更准确地识别储层孔隙流体性质，并解决了电测井在流体识别中面临的难题，为含气储层评价增加了一种非电法的方法，并在该区的实际应用中，取得了良好的效果。满足了油田的增产上储工作的评价需求，应用效果好。
附图说明
图1为实施例的气层、水层及干层的基质孔隙度与饱含水地层体积模量与地层体积模量差值交会图；
图2为实施例解释综合图。
具体实施方式
下面结合附图，对本发明进一步详细说明。
本发明通过饱含水地层体积模量及地层体积模量与储层流体性质之间建立关系，结合试气试采数据，能够较为准确的辨别储层的流体性质，解决了在低孔低渗，低成熟度、非均质性强、孔隙结构复杂的情况下，电阻率反应流体性质的信息弱，常规解释方法判别流体性质的效果不明显等问题；经过大量的井验证，本发明能够及时服务或满足实际生产的需要，满足了油田的增产上储工作的评价需求，所述技术方案如下：
本发明提供的一种饱含水地层体积模量的流体识别方法，包括以下步骤：
步骤(1)，通过岩性扫描测井确定储层岩性中的每种矿物的矿物百分含量，之后将每种矿物的矿物百分含量与该矿物对应的矿物理论体积模量值进行相乘，最后将储层岩性中所有矿物的乘积进行求和，得到基质矿物体积模量Kma，如下式所示：
Kma＝K石英×v石英+K长石×v长石+K灰×v灰+K云母×v云母+K膏×v膏+K黄铁矿×v黄铁矿
如下表所示：
Figure BDA0002654114510000041
步骤(2)，通过步骤(1)得到的每种矿物的矿物组分百分含量，结合该矿物的声波时差值，确定该矿物的变声波时差骨架值，将所有矿物的变声波时差骨架值进行求和，得到基质矿物的变声波时差骨架值；
将得到的基质矿物的变声波时差骨架值，结合岩石物理体积模型，计算基质孔隙度；
根据得到的基质孔隙度，结合电成像测井，得到裂缝孔隙度。
基质矿物的变声波时差骨架值通过下式计算：
Δt混ma＝Δt石英×v石英+Δt长石×v长石+Δt灰×v灰+Δt云母×v云母+Δt膏×v膏+Δt黄铁矿×v黄铁矿
通过下式计算基质孔隙度：
Figure BDA0002654114510000051
其中，Φ基质为基质孔隙度，％；Δt测量为测井声波时差值，us/ft；Δt流体为流体声波时差值，us/ft。
步骤(3)，假定孔隙中流体只有水，通过岩石物理体积模型计算该储层对应的饱含水地层体积模量，并定义饱含水地层体积模量为Kwsat：
Kwsat＝(1-Φ基质-Φ裂缝)Kma+(Φ基质+Φ裂缝)K水
其中，Φ裂缝为裂缝孔隙度，％；K水为水的理论体积模量，Gpa。
步骤(4)，利用阵列声波测井分别确定储层的纵波波速Vp、横波波速Vs及补偿密度测井值ρsat，通过体积模量公式计算地层体积模量Ksat。
Figure BDA0002654114510000052
步骤(5)，分析计算步骤(3)得到的饱含水地层体积模量与步骤(4)得到的真实测量的地层体积模量之间的差值，并结合非电法气层识别方法，确定储层的流体性质；
结合试油试采数据确定饱含水地层体积模量与真实的测量地层体积模量的大小与确定得到的储层流体性质的关系，得到用于定量识别气水层的关系图版。
Figure BDA0002654114510000053
Figure BDA0002654114510000061
Figure BDA0002654114510000062
以JB油田XX井基岩地层为例
建立单井测井解释图，导入测井资料，通过岩性扫描测井确定储层岩性矿物百分含量v与矿物理论体积模量值K相乘求和，得到基质矿物体积模量Kma。
通过矿物组分百分含量v，结合不同矿物的声波时差值，确定变声波时差骨架值，利用岩石物理体积模型，计算基质孔隙度，再通过电成像测井直接得到裂缝孔隙度。
假定孔隙中流体只有水，通过岩石物理体积模型计算其体积模量，定义为饱含水地层体积模量Kwsat。
利用阵列声波测井确定储层的纵波波速Vp、横波波速Vs及补偿密度测井值ρsat，通过体积模量公式计算地层体积模量Ksat。
计算的饱含水地层体积模量与真实的测量地层体积模量的差值，结合试油试采数据确定两者大小与储层流体性质的关系，得到用于定量识别气水层的关系图版，对研究工区内的其它井进行连续解释评价。
图1为气层、水层及干层的基质孔隙度与饱含水地层体积模量与地层体积模量差值交会图，气层界限，基质孔隙度大于3.3％，饱含水地层体积模量与地层体积模量差值大于2.5GPa；气水层界限，基质孔隙度大于3.3％，饱含水地层体积模量与地层体积模量差值大于1GPa且小于2.5GPa；水层界限，基质孔隙度大于3.3％，饱含水地层体积模量与地层体积模量差值大于-1GPa且小于1GPa；干层界限，基质孔隙度小于3.3％，饱含水地层体积模量与地层体积模量差值小于0GPa。
图2为解释综合图，测井资料包括常规组合、岩性扫描、电成像、阵列声波等数据。从右边起，第一道是地层体积模量与饱含水地层体积模量包络面积，进行颜色充填，有利于两者差值的大小辨别。第二道是电成像测井得到的裂缝孔隙度。第三道是电成像测井得到的裂缝密度与裂缝长度。第四道是电成像测井得到的裂缝宽度。第五道是变声波骨架的基质孔隙度。图中第一道饱含水地层体积模量大于地层体积模量的层段，代表气层，且越大代表，含气性越好；饱含水地层体积模量小于地层体积模量的层段，代表干层。
本发明通过岩性扫描测井确定储层岩性矿物组分，利用各种矿物理论体积模量值，计算储层的基质体积模量；其次结合求取的基质孔隙度与裂缝孔隙度参数值，假定孔隙中饱含流体为水，通过岩石物理体积模型计算其体积模量，定义为饱含水地层体积模量；再次基于阵列声波测井确定储层的纵波波速、横波波速参数值及补偿密度测井值，通过如下的体积模量公式计算地层体积模量，通过分析计算的饱含水地层体积模量与真实的测量地层体积模量的差异，开展非电法气层识别，评价储层流体性质。最后结合试油试采数据确定两者大小与储层流体性质的关系，得到用于定量识别气水层的关系图版，对研究工区内的井进行连续解释评价。与传统的三孔隙度重叠法、纵横波速比法及单参数弹性模量法等方法进行对比，该方法能够避免岩石骨架的信息的干扰，更准确地识别储层孔隙流体性质，并解决了电测井在流体识别中面临的难题，为含气储层评价增加了一种非电法的方法，并在该区的实际应用中，取得了良好的效果。满足了油田的增产上储工作的评价需求，应用效果好。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种饱含水地层体积模量的流体识别方法，其特征在于，包括以下步骤：
步骤1，计算研究工区内储层对应的基质矿物体积模量；
步骤2，根据步骤1得到的基质矿物体积模量计算裂缝孔隙度；
步骤3，设定储层的孔隙中的流体为水，结合步骤1中得到的基质矿物体积模量、以及步骤2得到的裂缝孔隙度计算储层对应的饱含水地层体积模量；
步骤4，计算储层对应的测量地层体积模量；
步骤5，根据步骤3得到的饱含水地层体积模量和步骤4得到的测量地层体积模量之间的差值，确定储层的流体性质；
步骤6，根据步骤3得到的饱含水地层体积模量和步骤4得到的测量地层体积模量之间的大小关系，以及结合步骤5得到的储层的流体性质，得到用于定量识别气水层的关系图版。
2.根据权利要求1所述的一种饱含水地层体积模量的流体识别方法，其特征在于，步骤1中，计算研究工区内储层对应的基质矿物体积模量，具体方法是：
S101，确定储层岩性中的每种矿物的矿物百分含量；
S102，将每种矿物的矿物百分含量与该矿物对应的矿物理论体积模量值进行相乘；
S103，将S102中得到的每种矿物的乘积进行求和，得到基质矿物体积模量。
3.根据权利要求1所述的一种饱含水地层体积模量的流体识别方法，其特征在于，根据步骤1得到的基质矿物体积模量计算裂缝孔隙度，具体方法是：
通过步骤(1)得到的每种矿物的矿物组分百分含量，结合该矿物的声波时差值，确定该矿物的变声波时差骨架值；
将所有矿物的变声波时差骨架值进行求和，得到基质矿物的变声波时差骨架值；
将得到的基质矿物的变声波时差骨架值，结合岩石物理体积模型，计算基质孔隙度；
根据得到的基质孔隙度，结合电成像测井，得到裂缝孔隙度。
4.根据权利要求1所述的一种饱含水地层体积模量的流体识别方法，其特征在于，结合步骤1中得到的基质矿物体积模量、以及步骤2得到的裂缝孔隙度计算储层对应的饱含水地层体积模量，具体方法是：
Kwsat＝(1-Φ基质-Φ裂缝)Kma+(Φ基质+Φ裂缝)K水
其中，Kwsat为储层对应的饱含水地层体积模量；Φ裂缝为裂缝孔隙度；K水为水的理论体积模量。
5.根据权利要求1所述的一种饱含水地层体积模量的流体识别方法，其特征在于，计算储层对应的测量地层体积模量，具体方法是：
利用阵列声波测井分别确定储层的纵波波速Vp、横波波速Vs及补偿密度测井值ρsat，通过体积模量公式计算地层体积模量Ksat：
Figure FDA0002654114500000021
6.根据权利要求1所述的一种饱含水地层体积模量的流体识别方法，其特征在于，根据步骤3得到的饱含水地层体积模量和步骤4得到的测量地层体积模量之间的差值，结合非电法气层识别方法，确定储层的流体性质。
CN202010881004.0A 2020-08-27 2020-08-27 一种饱含水地层体积模量的流体识别方法 Pending CN112133376A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010881004.0A CN112133376A (zh) 2020-08-27 2020-08-27 一种饱含水地层体积模量的流体识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010881004.0A CN112133376A (zh) 2020-08-27 2020-08-27 一种饱含水地层体积模量的流体识别方法

Publications (1)

Publication Number Publication Date
CN112133376A true CN112133376A (zh) 2020-12-25

Family

ID=73848610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010881004.0A Pending CN112133376A (zh) 2020-08-27 2020-08-27 一种饱含水地层体积模量的流体识别方法

Country Status (1)

Country Link
CN (1) CN112133376A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381795A (zh) * 2023-03-29 2023-07-04 中国石油天然气股份有限公司 一种含气储层的声波时差校正方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7373251B2 (en) * 2004-12-22 2008-05-13 Marathon Oil Company Method for predicting quantitative values of a rock or fluid property in a reservoir using seismic data
CN103293563A (zh) * 2013-05-13 2013-09-11 中国石油大学(华东) 一种确定油气储层岩石裂隙发育度和流体性质的方法
CN103630939A (zh) * 2013-11-06 2014-03-12 中国石油天然气集团公司 一种气层识别评价方法
US20170212275A1 (en) * 2016-01-22 2017-07-27 Chevron U.S.A. Inc. System and method for modeling the effects of fluid changes in low porosity hydrocarbon reservoirs
WO2018010628A1 (zh) * 2016-07-15 2018-01-18 河海大学 一种基于大面积致密储层地震岩石物理反演方法
CN109870720A (zh) * 2019-01-25 2019-06-11 中国石油天然气集团有限公司 一种页岩气微裂缝测井识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7373251B2 (en) * 2004-12-22 2008-05-13 Marathon Oil Company Method for predicting quantitative values of a rock or fluid property in a reservoir using seismic data
CN103293563A (zh) * 2013-05-13 2013-09-11 中国石油大学(华东) 一种确定油气储层岩石裂隙发育度和流体性质的方法
CN103630939A (zh) * 2013-11-06 2014-03-12 中国石油天然气集团公司 一种气层识别评价方法
US20170212275A1 (en) * 2016-01-22 2017-07-27 Chevron U.S.A. Inc. System and method for modeling the effects of fluid changes in low porosity hydrocarbon reservoirs
WO2018010628A1 (zh) * 2016-07-15 2018-01-18 河海大学 一种基于大面积致密储层地震岩石物理反演方法
CN109870720A (zh) * 2019-01-25 2019-06-11 中国石油天然气集团有限公司 一种页岩气微裂缝测井识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHANGCHENG LIU ET AL.: "Fluid Discrimination Using Bulk Modulus and Neural Network", ONEPETRO, 22 March 2019 (2019-03-22), pages 1 - 7 *
司马立强等: "改进的双矿物模型在川东北地区陆相致密储层测井评价中的应用", 石油天然气学报, vol. 35, no. 05, 31 May 2013 (2013-05-31), pages 71 - 74 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381795A (zh) * 2023-03-29 2023-07-04 中国石油天然气股份有限公司 一种含气储层的声波时差校正方法和装置
CN116381795B (zh) * 2023-03-29 2024-04-05 中国石油天然气股份有限公司 一种含气储层的声波时差校正方法和装置

Similar Documents

Publication Publication Date Title
WO2017024530A1 (zh) 一种计算烃源岩中有机碳含量的方法
Cai et al. Advances in multiscale rock physics for unconventional reservoirs.
CN107829731B (zh) 一种黏土蚀变的火山岩孔隙度校正方法
CN104656162A (zh) 一种富铀烃源岩铀含量及有机碳含量确定方法
CN104007485A (zh) 一种建立复杂孔隙泥页岩岩石物理模型方法
CA2867583C (en) Fracking method for fracking intervals of a horizontal drilling zone in a sweet spot range based on measurements of resistivity and neutron logging data in the horizontal drillingzone
CN110554441A (zh) 一种基于钙质含量校正的致密砂岩含气饱和度计算方法
Li et al. A rock physics model for estimating elastic properties of upper Ordovician-lower Silurian mudrocks in the Sichuan Basin, China
CN105317429A (zh) 一种确定页岩地层干酪根含量的方法
CN110442951A (zh) 一种考虑密度因素的烃源岩总有机碳含量预测方法
CN111368245A (zh) 一种考虑多影响因素的定量计算岩石Biot系数方法
CN112133376A (zh) 一种饱含水地层体积模量的流体识别方法
CN113006779B (zh) 一种砾岩地层岩石可钻性级值的评价方法和校正方法
Zhang et al. Rock critical porosity inversion and S-wave velocity prediction
CN105275459A (zh) 一种确定页岩地层可动水体积含量的方法
CN108875115B (zh) 一种确定岩石强度的方法
Adiguna et al. Comparative study for the interpretation of mineral concentrations, total porosity, and TOC in hydrocarbon-bearing shale from conventional well logs
Nie et al. Evaluation of the in-place adsorbed gas content of organic-rich shales using wireline logging data: a new method and its application
CN111206922B (zh) 一种自然伽马和电阻率组合的页岩油含油丰度评价方法
CN101798922A (zh) 天然气充盈度判断方法及其在低丰度气藏中的应用
CN115166857A (zh) 裂缝发育段基于电成像孔隙度谱的补偿声波校正方法
CN115201917A (zh) 一种海陆过渡相页岩地层横波速度预测方法
CN109492938B (zh) 一种基于甜点指示因子的深层碳酸盐岩储层品质评价方法
CN112505766A (zh) 一种评价井外不同方位下裂缝发育程度的方法
CN113720745A (zh) 含碳屑碎屑岩储层地球物理测井计算孔隙度的方法

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