CN112185469A - 一种预测海域天然气水合物有利聚集区的方法 - Google Patents
一种预测海域天然气水合物有利聚集区的方法 Download PDFInfo
- Publication number
- CN112185469A CN112185469A CN202010976382.7A CN202010976382A CN112185469A CN 112185469 A CN112185469 A CN 112185469A CN 202010976382 A CN202010976382 A CN 202010976382A CN 112185469 A CN112185469 A CN 112185469A
- Authority
- CN
- China
- Prior art keywords
- hydrate
- factor
- sequence
- gas
- formula
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mathematical Optimization (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种预测海域天然气水合物有利聚集区的方法,包括如下步骤:步骤1:确定表征影响天然气水合物聚集影响因素的多个地质参数,并计算各个地质参数;步骤2:选定若干个地质参数作为系统特征,剩余的地质参数作为系统因素,并得到系统特征序列和系统因素序列;步骤3:根据系统特征序列和系统因素序列得到主控因素;步骤4:将主控因素条件优越的区域作为水合物有利聚集区。本发明能够定量地确定出主控因素,进而全面准确地预测出水合物有利聚集区,能够有效指导水合物区域勘探及钻探。
Description
技术领域
本发明涉及天然气水合物勘探开发技术领域,具体涉及一种预测海域天然气水合物有利聚集区的方法。
背景技术
目前主要均是针对油气(石油和天然气)进行的有利聚集区预测,由于天然气水合物和油气在成藏原理、成藏要素、富集规律以及环境并不相同,借助于油气有利聚集区预测方法并不能很好地应用于天然气水合物。而与天然气水合物有利聚集区的相关预测方法中,大多数是从提高地震数据和处理精度方面出发,或者是基于某一单一因素进行的天然气水合物预测,很难进行预测水合物有利聚集区。现有相关的预测方法很难适用于天然气水合物,或者很难进行预测和预测精度(成功率)不高。因此,需要一种适合天然气水合物进行有利聚集区的预测方法,天然气水合物亦称水合物,下同。
发明内容
针对现有技术的不足,本发明的目的提供一种预测海域天然气水合物有利聚集区的方法,其能够解决预测水合物有利聚集区的问题。
实现本发明的目的的技术方案为:一种预测海域天然气水合物有利聚集区的方法,包括如下步骤:
步骤1:确定表征影响天然气水合物聚集的地质参数,影响天然气水合物聚集的地质因素至少包括源岩产气强度、浅层甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度、水合物地质储量和水合物富集度,
(1)源岩产气强度参数
源岩产气强度q通过下述公式得到:
q=qthermal+qmicro
式中,qthermal表示热成因气产气强度,qmicro表示生物成因气产气强度,
(2)浅层甲烷流体通量参数
浅层甲烷流体通量JCH4通过下述公式得到:
(3)含气流体疏导能力参数
按公式①计算含气流体疏导通道体积V:
V=α*πr2l------①
式中,r为气烟囱或泥底辟的半径,l为气烟囱或泥底辟的高度,α为常数,
(4)BSR综合响应参数
BSR综合响应CBSR按公式②计算:
CBSR=a*Hei+b*Amp+c*Con------②
式中,a,b,c均表示系数,为常数,且a+b+c=1,Hei表示BSR上部的空白反射带厚度,Amp表示BSR的振幅,为常数,Con表示BSR的侧向连续性,通过地震剖面读取得到,Hei按公式③计算得到:
式中,v表示地震波在海底浅部地层中的传播速度,t为空白反射带对应的地震波的双程反射时间,
(5)水合物稳定域厚度参数
水合物稳定域厚度Hsta通过公式④计算:
式中,m和n均表示系数,为常数,T表示水合物稳定域底界的地层温度,DW为海底水深,T0为海底温度,G为地温梯度,
(6)浅层浊积砂体含量参数
浅层浊积砂体含量D通过公式⑤计算得到:
D=Hsand/Hsta------⑤
式中,Hsand表示浊积砂体的累计厚度,
(7)水合物地质储量因素
水合物地质储量Qh通过公式⑥计算得到:
Qh=Ah*Zh*φ*Sh*E------⑥
式中,Ah表示水合物分布区的面积,Zh表示水合物成矿带有效厚度,Sh表示孔隙中天然气水合物的饱和度,E表示产气因子,为常数,
(8)水合物富集度因素
水合物富集度Qhyd通过公式⑦计算得到:
Qhyd=φ*Sh------⑦
步骤2:将水合物地质储量和水合物富集度两个地质参数作为系统特征,将需要预测的当前区域划分为n个区块,对每个区块按步骤1计算得到每个区块对应的水合物地质储量和水合物富集度,得到一系列水合物地质储量和水合物富集度,
其中,一系列的水合物地质储量构成水合物地质储量系统特征序列,记为Y1′,Y1′={Y1′(1),Y1′(2),…,Y1′(k),…,Y1′(n)},Y1′(k)表示水合物地质储量系统特征序列中的第k个系统特征,
一系列的水合物富集度构成水合物富集度系统特征序列,记为Y′2,Y′2={Y′2(1),Y′2(2),…,Y′2(k),…,Y′2(n)},Y′2(k)表示水合物富集度系统特征序列中的第k个系统特征,
然后,将剩余的地质参数作为系统因素参数,并对应得到一组系统因素序列,将源岩产气强度、甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度的系统因素序列分别记为X′1、X′2、X′3、X′4、X′5、X′6,
源岩产气强度系统因素序列:X′1={X′1(1),X′1(2),…,X′1(n)},
甲烷流体通量系统因素序列:X′2={X′2(1),X′2(2),…,X′2(n)},
含气流体疏导能力系统因素序列:X′3={X′3(1),X′3(2),…,X′3(n)},
BSR综合响应系统因素序列:X′4={X′4(1),X′4(2),…,X′4(n)},
浅层浊积砂体含量系统因素序列:X′5={X′5(1),X′5(2),…,X′5(n)},
水合物稳定域厚度系统因素序列:X′6={X′6(1),X′6(2),…,X′6(n)},
所有的系统特征序列和系统因素序列作为原始数据,将原始数据进行去量纲和归一化处理,得到各自对应新的序列:
水合物地质储量系统特征序列:Y1={Y1(1),Y1(2),…,Y1(n)},
水合物富集度系统特征序列:Y2={Y2(1),Y2(2),…,Y2(n)},
源岩产气强度系统因素序列:X1={X1(1),X1(2),…,X1(n)},
甲烷流体通量系统因素序列:X2={X2(1),X2(2),…,X2(n)},
含气流体疏导能力系统因素序列:X3={X3(1),X3(2),…,X3(n)},
BSR综合响应系统因素序列:X4={X4(1),X4(2),…,X4(n)},
浅层浊积砂体含量系统因素序列:X5={X5(1),X5(2),…,X5(n)},
水合物稳定域厚度系统因素序列:X6={X6(1),X6(2),…,X6(n)};
步骤3:分别计算每个系统特征和各个系统因素之间的关联系数,其中,第m个系统特征序列中的第j个系统特征Ym(j)和第i个系统因素序列中的第j个系统因素Xi(j)之间的关联系数γ(Ym(j),Xi(j))通过公式⑧计算得到:
接着,将同一个系统因素序列和同一个系统特征序列之间的关联系数构成关联系数矩阵,第i个系统因素序列和第m个系统特征序列之间的关联系数矩阵记为Rm:
式中,(γij)m表示第m个系统特征序列中的第j个系统特征和第i个系统因素序列中的第j个系统因素之间的关联系数,
接着,计算各个系统因素和各个系统特征序列之间的关联度,其中,第i个系统因素序列和第m个系统特征序列之间的关联度Qim按公式⑨计算得到:
步骤4:将主控因素条件优越的区域作为水合物有利聚集区。
进一步地,qthermal通过生烃动力学法或热模拟实验法或盆地模拟法获得,qmicro通过微生物富集培养或实验模拟方法获得。
进一步地,所述步骤1中,0.01≤α≤0.2。
进一步地,所述步骤1中,Hsand通过以下步骤获得:
通过地震相解释,在地震剖面中识别出砂体,将地震剖面中所识别的砂体的累计地震波的双程反射时间的一半和海底浅地层地震波传播速度的乘积作为Hsand。
进一步地,所述步骤1中,Ah通过在地震剖面解释结果投影到的平面上圈定BSR分布面积获得,Zh通过水合物钻井和测井资料获得或用Hsta代替,φ通过随钻测井资料计算获得,Sh通过对天然气水合物保压岩心样品实测或利用随钻测井数据计算得到。
进一步地,所述步骤3中,ρ=0.25,ρmax=0.5。
进一步地,所述步骤3得到主控因素记为第一主控因素,执行完步骤3之后或执行步骤1之前,还包括如下步骤:
根据水合物成藏系统理论及研究区水合物实际成藏特征,结合水合物钻探实际结果,定性推断研究区水合物聚集的主控因素,并记为第二主控因素,
若第一主控因素和第二主控因素各自对应的系统因素一致,则将第一主控因素或第二主控因素对应的系统因素作为最终的主控因素,否则,则从步骤2的原始数据中剔除异常数据,得到新的原始数据,并重新执行步骤2-步骤3,得到新的第一主控因素,若新的第一主控因素和第二主控因素对应的系统因素仍不一致,则以第一主控因素对应的系统因素为最终的主控因素。
本发明的有益效果为:1.本发明基于水合物成藏系统基础理论,通过系统特征序列和系统因素序列间的灰度关联分析,可实现对不同构造背景、多地质因素影响下天然气水合物聚集主控因素的定量评价及水合物有利聚集区的预测,对于指导水合物区域勘探及钻探具有重要意义;
2、本发明具有数据样本获取成本低、可操作性强、预测精度高的特点,通过对天然气水合物调查项目相关的地质、地球物理资料及地球化学测试数据的综合采集、整理分析即可完成整套技术操作,进而实现对区域性天然气水合物有利聚集区的整体评价与预测;
3、本方法基于前期定性分析作为地质约束条件,实现了水合物聚集主控因素定性评价与定量评价的结合与印证,全面提升了水合物有利聚集区预测结果的科学性和准确性;
附图说明
图1为本发明的流程示意图;
图2为水合物的分布、聚集与泥底辟、气烟囱之间的关系示意图;
图3为不同振幅、不同连续性的BSR及空白带厚度示意图。
具体实施方式
下面,结合附图以及具体实施方案,对本发明做进一步描述。
如图1-图3所示,一种预测海域天然气水合物有利聚集区的方法,包括如下步骤:
步骤1:确定表征影响天然气水合物聚集的地质参数,影响水合物聚集的地质因素至少包括源岩产气强度、浅层甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度、水合物地质储量和水合物富集度。以上的地质参数是基于水合物成藏系统出发,水合物成藏系统主要包括气源条件、疏导调节、储集条件和稳定域条件四方面,而上述地质参数分别是上述四个方面的代表性参数,因此,确定的这些地质参数能够较为全面综合地反映水合物聚集程度。
(1)源岩产气强度参数
源岩产气强度q通过下述公式得到:
q=qthermal+qmicro
式中,qthermal表示热成因气产气强度,可通过生烃动力学法、热模拟实验法和盆地模拟法等获得,qmicro表示生物成因气产气强度,可通过微生物富集培养、实验模拟方法等获得。
(2)浅层甲烷流体通量参数
浅层甲烷流体通量是反映海底浅层含气流体活动强度的最直接参数,是深部天然气水合物聚集的表层响应。对具体某一地质站位而言,甲烷流体通量越高,通常指示下伏地层含气流体越活跃,地层中的天然气水合物也更容易富集。在海底浅层甲烷流体渗漏活跃的区域,主要发生硫酸盐还原-甲烷厌氧氧化反应(AOM)反应,这时可以用硫酸根离子的通量近似等效甲烷流体通量,因此,浅层甲烷流体通量通过下述公式得到:
(3)含气流体疏导能力参数
含气流体疏导通道是连接气源与水合物稳定域的桥梁,对天然气水合物的聚集起到重要的控制作用。气烟囱和泥底辟是最常见、最有效的含气流体疏导通,作为深部含气流体向水合物稳定域运移的重要载体。气烟囱和泥底辟在形态上近似为圆柱体,按公式①通过计算圆柱状通道的体积来定量刻画深部含气流体疏导能力V:
V=α*πr2l------①
式中,r为气烟囱或泥底辟的半径,l为气烟囱或泥底辟的高度,α为常数,其取值为经验值,本实施例,0.01≤α≤0.2。设置α是考虑到气烟囱和泥底辟内部结构的非均质以及实际导流能力。
(4)BSR综合响应参数
地震资料上的似海底反射层(Bottom simulating reflection简称:BSR)。BSR是由于水合物层和下伏游离气层在地震反射特征上的显著差异而在界面处产生的特殊地球物理响应,是目前应用于海域天然气水合物勘探的最重要、最直接的地球物理标志。表征BSR的指标通常有BSR的振幅Amp、侧向连续性Con和BSR上部的空白反射带厚度Hei。通常BSR的振幅越强、侧向连续性越好、空白反射带厚度越大,指示水合物的富集程度越高。
其中,Amp可通过对研究区内BSR进行识别及分布特征统计分析后定性划分出若干等级,例如,划分为强、中、差三个等级,并给每个等级分别赋值,例如,给强、中、差三个等级分别赋值为3、2、1。Con可以直接在地震剖面中读取得到。Hei可在地震剖面中读取地震波的双程反射时间的方式计算获得,具体可按公式②计算得到:
式中,v为地震波在海底浅部地层中的传播速度,一般取1600m/s,t为空白反射带对应的地震波的双程反射时间。
计算出Amp、Con和Hei后,即可按公式③计算BSR综合响应CBSR:
CBSR=a*Hei+b*Amp+c*Con------③
式中,a,b,c均表示系数,为常数,且a+b+c=1,优选为,a=0.4,b=0.3,c=0.3。
(5)水合物稳定域厚度参数
只有在特殊的“低温”、“高压”环境下天然气水合物才能稳定赋存,水合物稳定域则是理论上满足这种特殊“低温”、“高压”条件的海底以下浅部地层环境,这也是水合物成藏系统区别于传统油气成藏系统的最大特点。传统油气系统的聚集和分布几乎不受“温度”和“压力”的控制,而对水合物成藏系统而言,“温度”和“压力”条件控制的水合物稳定域范围直接制约了水合物能否成藏及成藏规模,因此,可通过水合物稳定域反映水合物聚集。水合物稳定域厚度Hsta可通过公式④计算:
式中,m和n均表示系数,为常数,其取值根据水合物相平衡曲线得到的常数值,不同的区域会对应有不同的常数值,本实施例,m和n分别取值为276.23和0.1126。也即上式是基于水合物相平衡曲线建立的计算经验公式,水合物相平衡曲线建立可通过计算机软件(例如Hydoff)建立。式中,T表示水合物稳定域底界的地层温度,DW为海底水深,T0为海底温度,G为地温梯度,DW、T0和G均可通过野外实测获得。
(6)浅层浊积砂体含量参数
浅层浊积砂体因发育较好的孔隙结构,可为甲烷气体的运移和天然气水合物聚集提供优质储集条件,因此,海底浅层块体流中的浊积砂体含量对于控制水合物的聚集具有重要意义。浅层浊积砂体含量D可通过公式⑤计算得到:
D=Hsand/Hsta------⑤
式中,Hsand表示浊积砂体的累计厚度,其可通过以下步骤获得:
通过地震相解释,在地震剖面中识别出砂体,将地震剖面中所识别的砂体的累计地震波的双程反射时间的一半和海底浅地层地震波传播速度的乘积作为Hsand。
(7)水合物地质储量因素
水合物地质储量是衡量水合物成矿潜力的重要参数。只有当水合物地质储量达到一定规模时,水合物矿藏才真正具有勘探开发价值。水合物地质储量Qh可通过公式⑥计算得到:
Qh=Ah*Zh*φ*Sh*E------⑥
式中,Ah表示水合物分布区的面积,可在地震剖面解释结果投影到的平面上圈定BSR分布面积获取,也即是在解释工区底图(Basemap)上圈定BSR分布面积获取,Zh表示水合物成矿带有效厚度,可通过水合物钻井和测井资料获得,若缺乏钻井和测井资料,可以Hsta近似代替。Sh表示孔隙中天然气水合物的饱和度,可通过对水合物保压岩心样品实测或利用随钻测井数据计算得到,E表示产气因子,即单位体积水合物释放的天然气体积,为常数值,通常取值为164。
(8)水合物富集度因素
水合物富集度是用来表征天然气水合物富集程度的关键参数,常用水合物的孔隙度和饱和度来表征水合物富集度,孔隙度、饱和度越高,则表明水合物的富集程度越好。水合物富集度Qhyd可通过公式⑦计算得到:
Qhyd=φ*Sh------⑦
通过本步骤,可确定表征影响天然气水合物聚集的地质参数并计算各个地质参数的具体数值。
步骤2:确定水合物有利聚集区通常需要同时满足以下两个条件:水合物矿体既要有较大的地质储量,同时也要有较高的矿体富集度。为此,将水合物地质储量和水合物富集度两个地质参数作为系统特征。将需要预测的当前区域中符合预设条件的区域划分为n个区块,当前区域通常为水合物潜在聚集区,也即通常是在水合物潜在聚集区才需要应用本发明来确定水合物有利聚集区,水合物潜在聚集区通常是指已经开展过相关勘探工作,具备相关分析的数据基础所在的区域,符合预设条件的区域通常是指具备一定的水合物勘查并形成了基础地质数据的区域,也即是从当前区域中筛选出一部分区域,从筛选出的区域中划分n个区块,对每个区块按步骤1计算得到每个区块对应的水合物地质储量和水合物富集度,因此得到一系列水合物地质储量和水合物富集度。其中,第k个区块的水合物地质储量记为Y1′(k),第k个区块的水合物富集度记为Y|2(k),1≤k≤n。水合物地质储量作为系统特征参数情况下,则构成一组系统特征序列Y1′,即有Y1′={Y1′(1),Y1′(2),…,Y1′(k),…,Y1′(n)},Y1′(k)表示水合物地质储量作为系统特征序列中的第k个系统特征;同样,水合物富集度作为系统特征参数情况下,则构成一组系统特征序列Y′2,即有Y′2={Y′2(1),Y′2(2),…,Y′2(k),…,Y′2(n)},Y′2(k)表示水合物富集度作为系统特征序列中的第k个系统特征。
然后,将水合物地质储量和水合物富集度之外的剩余的地质参数作为系统因素参数,同样的,得到当前区域的n个区块各自对应的系统因素参数,并对应得到一组系统因素序列。具体地,将源岩产气强度、甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度的系统因素序列分别记为X′1、X′2、X′3、X′4、X′5、X′6,也即,
源岩产气强度系统因素序列:X′1={X′1(1),X′1(2),…,X′1(n)},
甲烷流体通量系统因素序列:X′2={X′2(1),X′2(2),…,X′2(n)},
含气流体疏导能力系统因素序列:X′3={X′3(1),X′3(2),…,X′3(n)},
BSR综合响应系统因素序列:X′4={X′4(1),X′4(2),…,X′4(n)},
浅层浊积砂体含量系统因素序列:X′5={X′5(1),X′5(2),…,X′5(n)},
水合物稳定域厚度系统因素序列:X′6={X′6(1),X′6(2),…,X′6(n)}。
得到系统特征序列和系统因素序列后,将它们组成作为用于预测水合物有利聚集区的原始数据。由于这些原始数据是带有单位(量纲)和没有归一化的,因此,还需要将原始数据进行去量纲和归一化处理。其中,归一化处理是指:系统特征序列或系统因素序列的各个数值分别除以对应系统特征序列或系统因素序列和的平均值,计算结果的数值作为统一处理后的序列对应的数值。例如,水合物地质储量系统特征序列记为Y1={Y1(1),Y1(2),…,Y1(n)},则有ave表示求平均值。最后得到各自对应的序列:
水合物地质储量系统特征序列:Y1={Y1(1),Y1(2),…,Y1(n)},
水合物富集度系统特征序列:Y2={Y2(1),Y2(2),…,Y2(n)},
源岩产气强度系统因素序列:X1={X1(1),X1(2),…,X1(n)},
甲烷流体通量系统因素序列:X2={X2(1),X2(2),…,X2(n)},
含气流体疏导能力系统因素序列:X3={X3(1),X3(2),…,X3(n)},
BSR综合响应系统因素序列:X4={X4(1),X4(2),…,X4(n)},
浅层浊积砂体含量系统因素序列:X5={X5(1),X5(2),…,X5(n)},
水合物稳定域厚度系统因素序列:X6={X6(1),X6(2),…,X6(n)}。
上述中,Ym(k)表示第m个系统特征序列中的第k个系统特征,Xi(k)表示第i个系统因素序列的第k个系统因素,m=1,2,i=1,2,3,4,5,6,k=1,2,…,n。例如,Y1(3)表示第1个系统特征序列(即水合物地质储量系统特征序列)中的第3个系统特征,X2(4)表示第2个系统因素序列(即甲烷流体通量系统因素序列)的第4个系统因素。
步骤3:分别计算每个系统特征和各个系统因素之间的关联系数,其中,第m个系统特征序列中的第j个系统特征Ym(j)和第i个系统因素序列中的第j个系统因素Xi(j)之间的关联系数γ(Ym(j),Xi(j))通过公式⑧计算得到:
式中,m=1,2,i=1,2,3,4,5,6,j=1,2,…,n,Δmi(j)表示第m个系统特征序列的第j个系统特征和第i个系统因素序列的第j个系统因素的差值的绝对值,即Δmi(j)=|Ym(j)-Xi(j)|,Δmin和Δmax分别表示两极最小差和两极最大差,也即ρ表示分辨系数,用于提高关联系数之间的差异显著性,为常数,本实施例,ρ=0.25,ρmax=0.5。为了便于方便描述,将γ(Ym(j),Xi(j))简单记为(γij)m。
通过公式⑧能够得到每个系统因素序列中的任意一个系统因素和各个系统特征序列中的系统特征之间的关联系数,并且同一个系统因素序列和同一个系统特征序列之间的关联系数构成关联系数矩阵。第i个系统因素序列和第m个系统特征序列之间的关联系数矩阵记为Rm,Rm如下:
式中,(γij)m表示第m个系统特征序列中的第j个系统特征和第i个系统因素序列中的第j个系统因素之间的关联系数。例如,(γ42)1表示第1个系统特征序列(即水合物地质储量系统特征序列)中的第2个系统特征(即Y1(2))和第4个系统因素序列(即BSR综合响应系统因素序列)中的第2个系统因素(即X4(2))之间的关联系数γ42。原始数据中包含6个系统因素序列,而每一个系统因素序列包含n个数据,因此,得到的关联系数共有6n个。
本实施例包括水合物地质储量系统特征序列和水合物富集度系统特征序列,因此,有2个关联系数矩阵,分别为R1和R2。
在计算出关联系数矩阵后,各个系统特征和各个系统因素之间包括多个关联系数,其较为分散不便于比较,为此,将各个系统因素和系统特征之间的关联度取值为该系统因素序列中所有系统因素和系统特征之间的关联系数和的平均值,也即可通过公式⑨计算得到,其中,第i个系统因素序列和第m个系统特征序列之间的关联度Qim按公式⑨计算得到:
Qim越大,也即意味着第i个系统因素序列和第m个系统特征序列的关系越密切,其对特征序列的影响也即越大,也即对应的系统因素对系统特征序列的影响也越大。
根据公式⑨,若Qim>Qjm,i≠j,i=1,2,3,4,5,6,j=1,2,3,4,5,6,则Qim对应的系统因素Xi优于Qjm对应的系统因素Xj,并记为Xi>Xj,因此,所有关联度中的最大关联度(Qim)max对应的系统因素为主控因素。也即,若恒有则Qim对应的系统因素Xi为主控因素。该主控因素记为第一主控因素。
通过以上步骤即可确定出水合物有利聚集区的主控因素,并记为第一主控因素,主控因素表征其对水合物形成有利聚集区影响最大。
优选地,在执行步骤1之前或执行完步骤3之后,还包括步骤21:根据水合物成藏系统理论及研究区水合物实际成藏特征,结合水合物钻探实际结果,定性推断研究区水合物聚集的主控因素,得到第二主控因素。
若第一主控因素和第二主控因素各自对应的系统因素相同,则可将第一主控因素或第二主控因素对应的系统因素作为最终的主控因素。若两者的系统因素不一致,则对步骤2的原始数据中剔除异常数据,得到新的原始数据,并重新执行步骤2-步骤3,得到新的第一主控因素。若新的第一主控因素和第二主控因素对应的系统因素不一致,则以第一主控因素对应的系统因素为最终的主控因素。
在得到主控因素后,还包括步骤4:明确研究区水合物成矿主控因素与水合物矿体富集的规律,将水合物矿体评价及勘探重点放在主控因素具有显著特征或发挥突出优势的区域,从而将此区域作为水合物有利聚集区分布范围,也即是将主控因素条件优越的区域作为水合物有利聚集区。根据水合物有利聚集区可指明未来水合物勘探方向及下一阶段勘探目标靶区。
以下例举一个实例描述如何确定主控因素以及根据主控因素确定水合物有利聚集区,以便于理解本发明。
以南海北部陆坡琼东南盆地水合物勘探为例,该区水合物勘探程度相对较低。前人对琼东南盆地区域地质条件的认识已较为充分,并且通过钻探获取了水合物实物样品,但水合物富集规律和有利聚集区的分布尚不清楚,水合物成矿主控因素及其对水合物分布的控制作用还不明确,一定程度上制约了琼东南盆地水合物的勘探。确定琼东南盆地水合物有利聚集区包括如下步骤:
步骤1:结合琼东南盆地区域地质背景及海域天然气水合物成藏系统理论,建立琼东南盆地天然气水合物聚集的概念模型:深部气源岩产气-气烟囱/泥底辟疏导-有利储集体中聚集-温度压力封闭成矿-水合物有利聚集。
根据该概念模型确定影响琼东南海域天然气水合物聚集的地质参数:包括源岩产气强度、甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度,其各参数的计算方法同上述方法一致。下面以含气流体疏导能力、BSR综合响应、水合物稳定域厚度三个参数为例进行说明如何计算得到各参数。
(1)含气流体疏导能力参数
琼东南盆地是水合物资源有利勘探区,泥底辟和气烟囱等含气流体疏导通道发育、水合物的分布和聚集与泥底辟和气烟囱有着密切的关系,如图2所示。以琼东南盆地水合物勘探区为例,在三维或二维地震剖面中对气烟囱或泥底辟进行解释,直接读取气烟囱或泥底辟圆柱体的半径r和高度l,则可根据上述公式①计算得到含气流体疏导能力。在这里,结合水合物钻探及测井解释结果,取琼东南盆地水合物的导流系数α为0.1。
(2)BSR综合响应参数
琼东南盆地BSR的综合响应特征与下伏含气流体活动具有密切关系,通常表现为下伏地层发育气烟囱(泥底辟)或气体充注较足时,上部BSR的振幅Amp越强,侧向连续性Con越好,空白反射带的厚度Hei也越大,指示水合物的富集程度越高,如图3所示。
Amp可通过对研究区内BSR分布特征进行统计分析后定性划分出强、中、弱三个评价等级,并分别赋值为3,2,1;
Con可通过在三维或二维地震剖面中直接读取(对于连续BSR)或者分段读取累加(对于非连续BSR)的方式获取;
Hei可通过在地震剖面中读取地震波的双程反射时间t并根据上述公式②计算得到,v一般取1600m/s。
根据公式③计算得到研究区的BSR综合响应CBSR。
(3)水合物稳定域厚度参数
根据琼东南盆地实测水合物气体组分数据,利用Hydoff软件模拟生成水合物相平衡曲线,形成琼东南盆地实际水合物相平衡方程:Hsta=268.42e0.1231T-DW。将水合物实施站位实测海底温度和地温梯度数据代入公式T=T0+G*Hsta,形成地温梯度曲线,两个公式构成方程组并行求解,从而求得水合物稳定域厚度。
步骤2:采集琼东南盆地水合物聚集影响因素参数信息,形成系统因素序列和系统特征序列样本。其中,水合物地质储量和水合物富集度作为系统特征,其各自的系统特征序列分别记为Y1′和Y′2,剩下的6个参数作为系统因素,也即源岩产气强度、甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度的系统因素序列分别记为X′1、X′2、X′3、X′4、X′5、X′6。优选琼东南盆地已开展水合物勘探工作并具备数据基础的6个研究区块作为样本区块,根据步骤1计算得到各个区块对应的各项地质因素参数,具体如下:
Y1′=(3300,3280,5700,6300,8600,2500),Y′2=(0.13,0.26,0.17,0.36,0.09,0.25),
X′1=(0.15,0.5,0.37,0.46,0.6,0.48),X′2=(32,58,16,47,25,39),
X′3=(306,405,503,718,976,825),X′4=(3.26,1.58,4.39,2.87,1.69,7.88),
X′5=(0.18,0.06,0.15,0.19,0.08,0.12),X′6=(195,267,188,235,278,302)。
然后将上述每个序列中的各个数据除以对应序列的所有数据加和的平均值,得到一个无量纲、归一化的新数据序列,具体如下:
Y1=(0.6671,0.6631,1.1523,1.2736,1.7385,0.5054)
Y2=(0.6190,1.2381,0.8095,1.7143,0.4286,1.1905)
X1=(0.3516,1.1719,0.8672,1.0781,1.14063,1.1250)
X2=(0.8848,1.6037,0.4424,1.2995,0.6912,1.0783)
X3=(0.4918,0.6510,0.8085,1.1540,1.5687,1.3260)
X4=(0.9026,0.4375,1.2155,0.7946,0.4679,2.1818)
X5=(1.3846,0.4615,1.1538,1.4615,0.6154,0.9231)
X6=(0.7986,1.0935,0.7700,0.9625,1.1386,1.2369)。
根据上述公式⑧计算得到系统因素序列和系统特征序列之间的关联系数,从而得到各系统因素序列和水合物地质储量作为系统特征序列之间的关联系数矩阵如下:
同样的,得到各系统因素序列和水合物富集度作为系统特征序列之间的关联系数矩阵如下:
对于上述优选的6个水合物勘探样本区块,每一个系统因素序列均有6个数据,因此每一个系统因素序列对应有6个关联系数,例如,源岩产气强度对应的系统因素序列与水合物地质储量作为系统特征序列之间的关联系数为:
(0.6827,0.5405,0.7122,0.816,0.6675,0.4828)
上述两个关联系数矩阵由于过于分散不便于比较,取各系统因素序列的关联系数和的平均值做为对应系统因素的关联度,关联度取值越大,表示该系统因素与系统特征序列的关系越密切,该系统因素对水合物聚集的影响作用也越大。根据上述两个关联系数矩阵对各个系统因素序列的关联系数取平均值,也即是按公式⑨得到两个关联度矩阵。其中,各系统因素序列和水合物地质储量作为系统特征之间的关联度行矩阵为:
(0.6503 0.5958 0.8085 0.6130 0.6987 0.6236)
例如,0.6503=(0.6827+0.5405+0.7122+0.816+0.6675+0.4828)/6。
同样的,各系统因素序列和水合物富集度作为系统特征之间的关联度行矩阵为:
(1.0275 0.8899 0.9462 0.7368 0.7742 1.0478)
步骤3:将上述两个关联度行矩阵联合得到灰色关联矩阵R′,其为:
根据灰色关联矩阵R′,可知
γ13=0.8085>γ15=0.6987>γ11=0.6503>γ16=0.6236>γ14=0.6130>γ12=0.5958
从对水合物地质储量的影响程度来看,有X3>X5>X1>X6>X4>X2,也即含气流体疏导能力是水合物地质储量的最主要影响因素,其后依次是浅层浊积砂体含量、源岩产气强度、水合物稳定域厚度、BSR综合响应,最后是浅层甲烷流体通量。
同样的,有
γ26=1.0478>γ21=1.0275>γ23=0.9462>γ22=0.8899>γ25=0.7742>γ24=0.7368从对水合物富集度的影响程度来看,有X6>X1>X3>X2>X5>X4,也即水合物稳定域厚度是水合物富集度的最主要影响因素,其后依次是源岩产气强度、含气流体疏导能力、浅层甲烷流体通量、浅层浊积砂体含量,最后是BSR综合响应。
但从对水合物有利聚集区的整体影响来看,需要同时考虑对水合物地质储量和水合物富集度的综合影响,需要比较灰色关联矩阵中同一系统因素对水合物地质储量和水合物富集度的综合影响,为此,经比较有:
因此,从对水合物有利聚集的整体影响来看,有
X3>X1>X6>X2>X5>X4,即含气流体疏导能力是影响琼东南盆地天然气水合物有利聚集区分布的最主要因素,其后依次是源岩产气强度、水合物稳定域、浅层甲烷流体通量、浅层浊积砂体含量,最后是BSR综合响应。因此,将系统因素序列X3对应的系统因素作为第一主控因素,也即将含气流体疏导能力作为第一主控因素。也即应用灰度关联分析确定的影响琼东南盆地水合物聚集主控因素为含气流体疏导能力。
然后,结合琼东南盆地区域地质背景及水合物钻探结果,定性判断影响水合物聚集的主控因素,当然,此步骤也可以在本例子中的步骤1之前先行处理:琼东南盆地深部地层发育超压系统,超压作用导致盆地气烟囱和泥底辟广泛分布。前期油气及水合物勘探实践表明,水合物藏的形成和分布与深部超压具有密切联系,而气烟囱和泥底辟正是深层超压作用的重要表现形式。水合物钻探结果也表明:下伏地层发育气烟囱的钻探站位如W09、W08井均钻获高饱和度块状水合物样品;下伏地层气烟囱发育特征不明显的钻探站位如W03、W20井多未钻遇水合物或仅钻遇饱和度很低的分散状水合物。结合琼东南盆地水合物成藏系统及水合物钻探结果可以定性推断:气烟囱、泥底辟等指示较高含气流体疏导能力通道的发育可能是控制琼东南盆地水合物富集的重要因素。因此,将含气流体疏导能力作为第二主控因素。
根据琼东南盆地区域地质背景及水合物钻探结果定性预测的水合物聚集主控因素具有一致性,再一次说明了地质认识的正确性,同时也验证了灰度关联分析法的科学性和预测结果的可靠性。综上,将含气流体疏导能力作为影响琼东南盆地水合物有利聚集区分布最终的主控因素。
步骤4:根据以上步骤,得出含气流体疏导能力是影响琼东南盆地的水合物有利聚集的最主要控制因素。将含气流体疏导条件较优越的气烟囱和泥底辟集中发育区作为水合物有利聚集区,完成水合物有利聚集区的预测。
本说明书所公开的实施例只是对本发明单方面特征的一个例证,本发明的保护范围不限于此实施例,其他任何功能等效的实施例均落入本发明的保护范围内。对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
Claims (7)
1.一种预测海域天然气水合物有利聚集区的方法,其特征在于,包括如下步骤:
步骤1:确定表征影响天然气水合物聚集的地质参数,影响天然气水合物聚集的地质因素至少包括源岩产气强度、浅层甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度、水合物地质储量和水合物富集度,
(1)源岩产气强度参数
源岩产气强度q通过下述公式得到:
q=qthermal+qmicro
式中,qthermal表示热成因气产气强度,qmicro表示生物成因气产气强度,
(2)浅层甲烷流体通量参数
(3)含气流体疏导能力参数
按公式①计算含气流体疏导通道体积V:
V=α*πr2l------①
式中,r为气烟囱或泥底辟的半径,l为气烟囱或泥底辟的高度,α为常数,
(4)BSR综合响应参数
BSR综合响应CBSR按公式②计算:
CBSR=a*Hei+b*Amp+c*Con------②
式中,a,b,c均表示系数,为常数,且a+b+c=1,Hei表示BSR上部的空白反射带厚度,Amp表示BSR的振幅,为常数,Con表示BSR的侧向连续性,通过地震剖面读取得到,Hei按公式③计算得到:
式中,v表示地震波在海底浅部地层中的传播速度,t为空白反射带对应的地震波的双程反射时间,
(5)水合物稳定域厚度参数
水合物稳定域厚度Hsta通过公式④计算:
式中,m和n均表示系数,为常数,T表示水合物稳定域底界的地层温度,DW为海底水深,T0为海底温度,G为地温梯度,
(6)浅层浊积砂体含量参数
浅层浊积砂体含量D通过公式⑤计算得到:
D=Hsand/Hsta------⑤
式中,Hsand表示浊积砂体的累计厚度,
(7)水合物地质储量因素
水合物地质储量Qh通过公式⑥计算得到:
Qh=Ah*Zh*φ*Sh*E------⑥
式中,Ah表示水合物分布区的面积,Zh表示水合物成矿带有效厚度,Sh表示孔隙中天然气水合物的饱和度,E表示产气因子,为常数,
(8)水合物富集度因素
水合物富集度Qhyd通过公式⑦计算得到:
Qhyd=φ*Sh------⑦
步骤2:将水合物地质储量和水合物富集度两个地质参数作为系统特征,将需要预测的当前区域划分为n个区块,对每个区块按步骤1计算得到每个区块对应的水合物地质储量和水合物富集度,得到一系列水合物地质储量和水合物富集度,
其中,一系列的水合物地质储量构成水合物地质储量系统特征序列,记为Y1′,Y1′={Y1′(1),Y1′(2),…,Y1′(k),…,Y1′(n)},Y1′(k)表示水合物地质储量系统特征序列中的第k个系统特征,
一系列的水合物富集度构成水合物富集度系统特征序列,记为Y′2,Y′2={Y′2(1),Y′2(2),…,Y′2(k),…,Y′2(n)},Y′2(k)表示水合物富集度系统特征序列中的第k个系统特征,
然后,将剩余的地质参数作为系统因素参数,并对应得到一组系统因素序列,将源岩产气强度、甲烷流体通量、含气流体疏导能力、BSR综合响应、浅层浊积砂体含量、水合物稳定域厚度的系统因素序列分别记为X′1、X′2、X′3、X′4、X′5、X′6,
源岩产气强度系统因素序列:X′1={X′1(1),X′1(2),…,X′1(n)},
甲烷流体通量系统因素序列:X′2={X′2(1),X′2(2),…,X′2(n)},
含气流体疏导能力系统因素序列:X′3={X′3(1),X′3(2),…,X′3(n)},
BSR综合响应系统因素序列:X′4={X′4(1),X′4(2),…,X′4(n)},
浅层浊积砂体含量系统因素序列:X′5={X′5(1),X′5(2),…,X′5(n)},
水合物稳定域厚度系统因素序列:X′6={X′6(1),X′6(2),…,X′6(n)},
所有的系统特征序列和系统因素序列作为原始数据,将原始数据进行去量纲和归一化处理,得到各自对应新的序列:
水合物地质储量系统特征序列:Y1={Y1(1),Y1(2),…,Y1(n)},
水合物富集度系统特征序列:Y2={Y2(1),Y2(2),…,Y2(n)},
源岩产气强度系统因素序列:X1={X1(1),X1(2),…,X1(n)},
甲烷流体通量系统因素序列:X2={X2(1),X2(2),…,X2(n)},
含气流体疏导能力系统因素序列:X3={X3(1),X3(2),…,X3(n)},
BSR综合响应系统因素序列:X4={X4(1),X4(2),…,X4(n)},
浅层浊积砂体含量系统因素序列:X5={X5(1),X5(2),…,X5(n)},
水合物稳定域厚度系统因素序列:X6={X6(1),X6(2),…,X6(n)};
步骤3:分别计算每个系统特征和各个系统因素之间的关联系数,其中,第m个系统特征序列中的第j个系统特征Ym(j)和第i个系统因素序列中的第j个系统因素Xi(j)之间的关联系数γ(Ym(j),Xi(j))通过公式⑧计算得到:
接着,将同一个系统因素序列和同一个系统特征序列之间的关联系数构成关联系数矩阵,第i个系统因素序列和第m个系统特征序列之间的关联系数矩阵记为Rm:
式中,(γij)m表示第m个系统特征序列中的第j个系统特征和第i个系统因素序列中的第j个系统因素之间的关联系数,
接着,计算各个系统因素和各个系统特征序列之间的关联度,其中,第i个系统因素序列和第m个系统特征序列之间的关联度Qim按公式⑨计算得到:
步骤4:将主控因素条件优越的区域作为水合物有利聚集区。
2.根据权利要求1所述的预测海域天然气水合物有利聚集区的方法,其特征在于,所述步骤1中,qthermal通过生烃动力学法或热模拟实验法或盆地模拟法获得,qmicro通过微生物富集培养或实验模拟方法获得。
3.根据权利要求1所述的预测海域天然气水合物有利聚集区的方法,其特征在于,所述步骤1中,0.01≤α≤0.2。
4.根据权利要求1所述的预测海域天然气水合物有利聚集区的方法,其特征在于,所述步骤1中,Hsand通过以下步骤获得:
通过地震相解释,在地震剖面中识别出砂体,将地震剖面中所识别的砂体的累计地震波的双程反射时间的一半和海底浅地层地震波传播速度的乘积作为Hsand。
5.根据权利要求1所述的预测海域天然气水合物有利聚集区的方法,其特征在于,所述步骤1中,Ah通过在地震剖面解释结果投影到的平面上圈定BSR分布面积获得,Zh通过水合物钻井和测井资料获得或用Hsta代替,φ通过随钻测井资料计算获得,Sh通过对天然气水合物保压岩心样品实测或利用随钻测井数据计算得到。
6.根据权利要求1所述的预测海域天然气水合物有利聚集区的方法,其特征在于,所述步骤3中,ρ=0.25,ρmax=0.5。
7.根据权利要求1所述的预测海域天然气水合物有利聚集区的方法,其特征在于,所述步骤3得到主控因素记为第一主控因素,执行完步骤3之后或执行步骤1之前,还包括如下步骤:
根据水合物成藏系统理论及研究区水合物实际成藏特征,结合水合物钻探实际结果,定性推断研究区水合物聚集的主控因素,并记为第二主控因素,
若第一主控因素和第二主控因素各自对应的系统因素一致,则将第一主控因素或第二主控因素对应的系统因素作为最终的主控因素,否则,则从步骤2的原始数据中剔除异常数据,得到新的原始数据,并重新执行步骤2-步骤3,得到新的第一主控因素,若新的第一主控因素和第二主控因素对应的系统因素仍不一致,则以第一主控因素对应的系统因素为最终的主控因素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976382.7A CN112185469B (zh) | 2020-09-16 | 2020-09-16 | 一种预测海域天然气水合物有利聚集区的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976382.7A CN112185469B (zh) | 2020-09-16 | 2020-09-16 | 一种预测海域天然气水合物有利聚集区的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112185469A true CN112185469A (zh) | 2021-01-05 |
CN112185469B CN112185469B (zh) | 2022-04-22 |
Family
ID=73921450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010976382.7A Active CN112185469B (zh) | 2020-09-16 | 2020-09-16 | 一种预测海域天然气水合物有利聚集区的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112185469B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114542020A (zh) * | 2022-01-07 | 2022-05-27 | 南开大学 | 一种开采天然气水合物的试剂及其应用方法 |
CN116047602A (zh) * | 2023-01-16 | 2023-05-02 | 中国海洋大学 | 基于生烃数值模拟的ii型水合物饱和度预测方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070265782A1 (en) * | 2006-05-11 | 2007-11-15 | Schlumberger Technology Corporation | Method and apparatus for locating gas hydrate |
US20080221799A1 (en) * | 2007-02-13 | 2008-09-11 | Schlumberger Technology Corporation | Method and system for determining dynamic permeability of gas hydrate saturated formations |
CN101703842A (zh) * | 2009-11-06 | 2010-05-12 | 重庆工商大学 | 微量镉富集分离的方法 |
WO2014082018A1 (en) * | 2012-11-23 | 2014-05-30 | Fugro Geoconsulting, Inc. | Method and system for identification of gas hydrates and fee gas in geologic beds |
CN104021296A (zh) * | 2014-06-12 | 2014-09-03 | 中国石油大学(北京) | 油气运聚范围的预测方法及装置 |
EP2776873A1 (en) * | 2011-11-11 | 2014-09-17 | ExxonMobil Upstream Research Company | Exploration method and system for detection of hydrocarbons |
CN105469159A (zh) * | 2015-11-19 | 2016-04-06 | 中国石油大学(华东) | 定量预测油气有利聚集区的方法 |
CN205844100U (zh) * | 2016-07-14 | 2016-12-28 | 中国科学院广州能源研究所 | 一种用于含水合物沉积物力学测试的剪切装置 |
CN107505001A (zh) * | 2017-08-29 | 2017-12-22 | 广州海洋地质调查局 | 一种海底沉积物温压原位测量仪及其数据获取方法 |
CN107609759A (zh) * | 2017-08-29 | 2018-01-19 | 广州海洋地质调查局 | 一种海洋天然气水合物开采的海底工程地质影响评价方法 |
CN107808068A (zh) * | 2017-10-25 | 2018-03-16 | 中国石油化工股份有限公司 | 一种用于致密砂岩气藏高产富集评价的方法 |
US20190100997A1 (en) * | 2017-09-30 | 2019-04-04 | Petrochina Company Limited | Oil and gas zone effectiveness evaluation method and apparatus |
CN208834300U (zh) * | 2018-09-18 | 2019-05-07 | 中国石油大学(华东) | 气烟囱对天然气水合物生成和分布的影响分析装置 |
CN109870721A (zh) * | 2019-03-18 | 2019-06-11 | 中国海洋石油集团有限公司 | 一种海域水合物饱和度预测的方法 |
CN109885962A (zh) * | 2019-03-05 | 2019-06-14 | 中国石油大学(华东) | 海域天然气水合物分解诱发海底滑坡的数值模拟预测方法 |
US20200240243A1 (en) * | 2019-01-29 | 2020-07-30 | Southwest Petroleum University | Method for intelligently determining hydrate drilling and production risks based on fuzzy judgment |
CN111487681A (zh) * | 2020-06-03 | 2020-08-04 | 中国石油大学(华东) | 天然气水合物及下伏游离气储集体地震响应特征分析方法 |
-
2020
- 2020-09-16 CN CN202010976382.7A patent/CN112185469B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070265782A1 (en) * | 2006-05-11 | 2007-11-15 | Schlumberger Technology Corporation | Method and apparatus for locating gas hydrate |
US20080221799A1 (en) * | 2007-02-13 | 2008-09-11 | Schlumberger Technology Corporation | Method and system for determining dynamic permeability of gas hydrate saturated formations |
CN101703842A (zh) * | 2009-11-06 | 2010-05-12 | 重庆工商大学 | 微量镉富集分离的方法 |
EP2776873A1 (en) * | 2011-11-11 | 2014-09-17 | ExxonMobil Upstream Research Company | Exploration method and system for detection of hydrocarbons |
WO2014082018A1 (en) * | 2012-11-23 | 2014-05-30 | Fugro Geoconsulting, Inc. | Method and system for identification of gas hydrates and fee gas in geologic beds |
CN104021296A (zh) * | 2014-06-12 | 2014-09-03 | 中国石油大学(北京) | 油气运聚范围的预测方法及装置 |
CN105469159A (zh) * | 2015-11-19 | 2016-04-06 | 中国石油大学(华东) | 定量预测油气有利聚集区的方法 |
CN205844100U (zh) * | 2016-07-14 | 2016-12-28 | 中国科学院广州能源研究所 | 一种用于含水合物沉积物力学测试的剪切装置 |
CN107505001A (zh) * | 2017-08-29 | 2017-12-22 | 广州海洋地质调查局 | 一种海底沉积物温压原位测量仪及其数据获取方法 |
CN107609759A (zh) * | 2017-08-29 | 2018-01-19 | 广州海洋地质调查局 | 一种海洋天然气水合物开采的海底工程地质影响评价方法 |
US20190100997A1 (en) * | 2017-09-30 | 2019-04-04 | Petrochina Company Limited | Oil and gas zone effectiveness evaluation method and apparatus |
CN107808068A (zh) * | 2017-10-25 | 2018-03-16 | 中国石油化工股份有限公司 | 一种用于致密砂岩气藏高产富集评价的方法 |
CN208834300U (zh) * | 2018-09-18 | 2019-05-07 | 中国石油大学(华东) | 气烟囱对天然气水合物生成和分布的影响分析装置 |
US20200240243A1 (en) * | 2019-01-29 | 2020-07-30 | Southwest Petroleum University | Method for intelligently determining hydrate drilling and production risks based on fuzzy judgment |
CN109885962A (zh) * | 2019-03-05 | 2019-06-14 | 中国石油大学(华东) | 海域天然气水合物分解诱发海底滑坡的数值模拟预测方法 |
CN109870721A (zh) * | 2019-03-18 | 2019-06-11 | 中国海洋石油集团有限公司 | 一种海域水合物饱和度预测的方法 |
CN111487681A (zh) * | 2020-06-03 | 2020-08-04 | 中国石油大学(华东) | 天然气水合物及下伏游离气储集体地震响应特征分析方法 |
Non-Patent Citations (5)
Title |
---|
F. M. HASHIM 等: "EMPIRICAL MODELING OF HYDRATE FORMATION PREDICTION IN DEEPWATER PIPELINES", 《ARPN JOURNAL OF ENGINEERING AND APPLIED SCIENCES》 * |
JOHO J. CARROL 等: "天然气各组分水合物形成条件关联式", 《天然气工业》 * |
U.S. YADAV 等: "Assessment of gas hydrate accumulations using velocities derived from vertical seismic profiles and acoustic log data in Krishna-Godavari Basin India", 《MARINE AND PETROLEUM GEOLOGY》 * |
YU-XUE SUN 等: "NEW METHOD FOR PREDICATING RESERVOIR SENSITIVITY RAPIDLY", 《PROCEEDINGS OF THE 2011 INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND CYBERNETICS》 * |
王春娟 等: "墨西哥湾天然气水合物矿产资源预测模型及其应用", 《海洋学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114542020A (zh) * | 2022-01-07 | 2022-05-27 | 南开大学 | 一种开采天然气水合物的试剂及其应用方法 |
CN114542020B (zh) * | 2022-01-07 | 2022-11-25 | 南开大学 | 一种开采天然气水合物的试剂及其应用方法 |
US11760923B2 (en) | 2022-01-07 | 2023-09-19 | Nankai University | Reagent for exploiting natural gas hydrates and application method thereof |
CN116047602A (zh) * | 2023-01-16 | 2023-05-02 | 中国海洋大学 | 基于生烃数值模拟的ii型水合物饱和度预测方法 |
CN116047602B (zh) * | 2023-01-16 | 2024-01-12 | 中国海洋大学 | 基于生烃数值模拟的ii型水合物饱和度预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112185469B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1040364C (zh) | 采用统计校准技术导出地质特性的地震记录曲线分析方法 | |
CN112177605B (zh) | 一种海域天然气水合物有利聚集区主控因素的确定方法 | |
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
CN105468886A (zh) | 基于岩石物理学参数计算地层压力的方法 | |
Harris | The role of geology in reservoir simulation studies | |
CN112185469B (zh) | 一种预测海域天然气水合物有利聚集区的方法 | |
CN105134185A (zh) | 储层流体性质识别方法 | |
CN112034521B (zh) | 一种欠压实与生烃混合成因地层超压的预测方法 | |
CN107831540A (zh) | 储层物性参数直接提取新方法 | |
CN112963145B (zh) | 一种碳酸盐岩储层气井产能的预测方法 | |
CN108362621B (zh) | 基于成岩相测井识别技术模拟计算碎屑岩储层孔隙度的方法 | |
CN112505754B (zh) | 基于高精度层序格架模型的井震协同划分沉积微相的方法 | |
CN111983678B (zh) | 一种快速评价深水砂体发育潜力的方法 | |
CN116047602B (zh) | 基于生烃数值模拟的ii型水合物饱和度预测方法 | |
Worthington | Reservoir characterization at the mesoscopic scale | |
Hemmings-Sykes | The influence of faulting on hydrocarbon migration in the Kupe area, south Taranaki Basin, New Zealand | |
CN117031545A (zh) | 一种识别砂质储层水合物与游离气共存层的敏感参数方法 | |
CN115793094A (zh) | 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用 | |
Djunin et al. | Hydrogeodynamics of oil and gas basins | |
CN109826623A (zh) | 一种致密砂岩储层层理缝的地球物理测井判识方法 | |
Hussain et al. | Evaluation of unconventional hydrocarbon reserves using petrophysical analysis to characterize the Yageliemu Formation in the Yakela gas condensate field, Tarim Basin, China | |
Huang et al. | Development characteristics and prediction of fractures in deep-ultradeep tight sandstone reservoirs of Kuqa Depression: a case study of the Bashijiqike and Baxigai formations in Dabei 9 Block | |
Amanipoor | Providing a subsurface reservoir quality maps in oil fields by geostatistical methods | |
CN112180443A (zh) | 页岩气二维地震甜点区优选方法及装置 | |
Li et al. | Three-dimensional reservoir architecture modeling by geostatistical techniques in BD block, Jinhu depression, northern Jiangsu Basin, China |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220112 Address after: Room 208-218, floor 2, building A4, Nansha science and technology innovation center, No. 25, Huanshi Avenue South, Nansha District, Guangzhou, Guangdong 510000 Applicant after: GUANGZHOU MARINE GEOLOGICAL SURVEY Applicant after: Guangdong Laboratory of southern marine science and Engineering (Guangzhou) Address before: 510000, compound 477, Ring East Road, Guangzhou, Guangdong Applicant before: GUANGZHOU MARINE GEOLOGICAL SURVEY |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |