CN112285801B - 碳酸盐岩储层渗透率的预测方法、设备及系统 - Google Patents
碳酸盐岩储层渗透率的预测方法、设备及系统 Download PDFInfo
- Publication number
- CN112285801B CN112285801B CN201910670763.XA CN201910670763A CN112285801B CN 112285801 B CN112285801 B CN 112285801B CN 201910670763 A CN201910670763 A CN 201910670763A CN 112285801 B CN112285801 B CN 112285801B
- Authority
- CN
- China
- Prior art keywords
- pore
- permeability
- porosity
- reservoir
- rock
- 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
- 230000035699 permeability Effects 0.000 title claims abstract description 172
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000011148 porous material Substances 0.000 claims abstract description 358
- 239000011435 rock Substances 0.000 claims abstract description 151
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 238000003860 storage Methods 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims description 42
- 230000008595 infiltration Effects 0.000 claims description 6
- 238000001764 infiltration Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims 1
- 206010017076 Fracture Diseases 0.000 description 18
- 208000010392 Bone Fractures Diseases 0.000 description 17
- 238000011161 development Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 235000019994 cava Nutrition 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000013201 Stress fracture Diseases 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 229910000514 dolomite Inorganic materials 0.000 description 2
- 239000010459 dolomite Substances 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012360 testing method Methods 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
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种碳酸盐岩储层渗透率的预测方法、系统、计算机设备以及计算机可读存储介质,涉及地球物理勘探技术领域。该方法包括收集碳酸盐岩石物理实验室的岩石资料;根据所述岩石资料建立孔隙纵横比二维岩石物理模版;利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度‑渗透率模型;收集测井或地震测量的碳酸盐岩储层的测量数据;根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率。本发明有效提高孔隙度‑渗透率之间的相关性,更加准确预测储层渗透率。
Description
技术领域
本发明关于地球物理勘探技术领域,特别是关于碳酸盐岩储层的勘探技术,具体的讲是一种碳酸盐岩储层渗透率的预测方法、系统、计算机设备以及计算机可读存储介质。
背景技术
渗透率是一个重要的油气层物性参数和工程参数,它是评价油气储层性质、生产能力和经济效益的一项重要指标,其空间分布直接影响油气分布、运移、最终采收率和产能。因此,准确预测储层岩石渗透率的空间分布,对油田勘探和开发具有重要的意义。
碳酸盐岩储层由于受沉积、成岩和构造等多种因素的影响,往往表现出较强的非均质性,横向差异大。现有研究表明,在孔隙度相近的情况下,储集层渗透率存在巨大差异,给渗透率预测带来很大挑战(Melim et.al.,2001;Ehrenberg et.al.,2006;Wegeret.al.,2009)。碳酸盐岩储层总的孔隙度-渗透率的相关性很差的主要原因是由于碳酸盐岩储层的孔隙系统相比于碎屑岩非常复杂,通常同时发育包括铸模孔、溶洞、粒间孔、粒内孔、裂缝等众多孔隙类型(Ehrenberg et.al.,2006)。这些孔隙类型对渗透率的贡献是不一样的,例如,对于以粒内孔以及铸模孔为主的储集层,由于孔隙连通性差,往往具有高孔低渗特征;对于以粒间孔、晶间孔和晶间溶蚀孔为主的层段,由于孔隙连通性好,渗透率较高;而包含上述含两种孔隙类型的储集层,渗透率变化趋势则处于两者之间(Melim et.al.,2001)。
地球物理预测渗透率主要有测井和地震技术,相比于测井,地震预测渗透率的手段较少,主要是利用渗透率与孔隙度之间的非线性关系式来预测。但渗透率不仅与孔隙度有关,同时还受岩石颗粒大小、孔隙结构(孔隙弯曲度、孔喉半径)、流体性质及粘土分布形式等诸多因素参数影响(Grude,2014;Iverson,1990;Klimentos,1991;Panda and Lake,1995)。在岩石颗粒大小、流体性质及粘土分布形式相近的情形下,储层的孔隙结构是影响渗透率的决定性参数(Anselmetti et al.,1998;Weger et.al.,2009)。因此,经验公式的预测效果不仅依赖于孔隙度,还要求岩石的孔隙结构特征具有相似性,不然的话,孔隙度-渗透率的相关性会很差,甚至得不到可靠的关系式,这样,对碳酸盐岩储层,简单用统一的公式来预测其渗透率误差会较大。
一般来说,岩石中的孔隙类型越单一相似,孔隙度-渗透率的相关性越好(Melimet.al.,2001;Ehrenberg et.al.,2006;Dou et.al.,2011)。在储层孔隙类型较多时,对不同孔隙类型的储层采用各自的孔隙度-渗透率模型预测渗透率,可提高渗透率的预测精度。孔隙类型对地震速度也有显著影响,导致速度与孔隙度之间的关系高度分散,在给定孔隙度下地震纵波速度之间的差异达2.5km/s以上(Sayers,2008;Baechle et a1.,2008),地震速度随孔隙度和孔隙类型的这种变化特征已经被用来从地震数据中估计孔隙类型(Xu和Payne,2009;Zhao et al.,2013;Li and Zhang,2018)。Sun(2004)基于Biot理论通过定义一个骨架柔度因子推导出一个可以表征碳酸盐岩的孔隙结构岩石物理模型,骨架柔度因子已经被用来划分储集层孔隙类型(Dou et.al.,2011);进一步地,通过岩石物理分析和测井评价建立不同孔隙类型储集层孔隙度-渗透率关系模型用来预测渗透率(Jin et.al.,2017),它假设每种孔隙类型的孔隙度-渗透率间具有较高的相关性,因而,其预测效果取决于孔隙类型的划分区间和各类孔隙类型的孔隙度-渗透率相关程度,相关性不好时预测结果依然会存在较大误差。Xu和Payne(2009)通过定义三个孔隙形态参数即软孔、背景孔和硬孔(通常软孔代表微裂隙,硬孔代表圆形的粒内孔和铸模孔,背景孔代表粒间孔和晶间孔)描述碳酸盐岩孔隙结构,Xu-Payne模型对孔隙类型的表述更加直观,因而被广泛接受、更加流行,也已经应用于孔隙类型评价中(Xu and Payne,2009;Zhao et al.,2013;Li andZhang,2018),但目前还没有用来预测渗透率。
现有的地震预测储层渗透率方法主要是采用孔隙度-渗透率间的经验模型由孔隙度变换得到。由于碳酸盐岩储层发育众多不同类型的孔隙导致孔隙度-渗透率的相关性差,因而由单一公式预测的渗透率精度低,而且经典的Carman-Kozeny模型、Winland-Pittman模型和Bryant-Finney模型等不仅与孔隙度有关,还与孔喉半径或颗粒表面积等参数有关,但这些参数在具体实际应用中不易得到。通过把不同孔隙类型的储层分开预测可提高预测精度,其预测效果取决于同一孔隙类型储层的孔隙度-渗透率相关程度,相关性不好时预测结果依然会存在较大误差,同时也依赖于从地震数据中划分孔隙类型的准确度。广泛流行的Xu和Payne模型虽已经应用于测井资料的孔隙类型评价中,但目前还缺乏用之来预测渗透率的方法技术。
因此,如何提供一种新的方案,其能够较好地预测碳酸盐岩储层渗透率是本领域亟待解决的技术难题。
发明内容
有鉴于此,本发明实施例提供了一种碳酸盐岩储层渗透率的预测方法、系统、计算机设备以及计算机可读存储介质,基于Xu-Payne模型反演储层中软孔、背景孔和硬孔三种孔隙的孔隙度,根据软孔、背景孔和硬孔在岩石中的发育程度把储层分为裂隙型、裂隙-孔隙型、孔隙型、孔隙-溶洞型、溶洞型等5类储层;然后由每类储层中的软孔、背景孔和硬孔的孔隙度建立与渗透率之间的关系式来估计储层渗透率,以提供更准确的用于储层非均质性定量表征和产能预测的渗透率数据,为利用地震弹性参数预测渗透率提供新途径。
本发明的目的之一是,提供一种碳酸盐岩储层渗透率的预测方法,包括:
收集碳酸盐岩石物理实验室的岩石资料;
根据所述岩石资料建立孔隙纵横比二维岩石物理模版;
利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型;
收集测井或地震测量的碳酸盐岩储层的测量数据;
根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率;
所述孔隙类型包括裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层以及溶洞型储层;
根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率包括:
根据所述孔隙纵横比二维岩石物理模版以及所述测量数据确定所述碳酸盐岩储层的孔隙类型,所述测量数据包括横波速度、纵波速度、密度、孔隙度以及渗透率;
根据所述碳酸盐岩储层的孔隙类型选择对应的孔隙度-渗透率模型;
基于Xu-Payne模型对所述测量数据反演,得到软孔、背景孔和硬孔的孔隙度;
根据所述软孔、背景孔和硬孔的孔隙度以及所述碳酸盐岩储层的孔隙类型对应的孔隙度-渗透率模型预测所述碳酸盐岩储层的渗透率;
其中,对于裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层和溶洞型储层分别采用如下公式拟合:
其中,K为渗透率,φC,φP,φS分别为储层中软孔、背景孔和硬孔的孔隙度,AC,BC,CC,AP,BP,CP,AS,BS,CS分别为软孔、背景孔和硬孔的拟合系数。
在本发明的优选实施方式中,根据所述岩石资料建立孔隙纵横比二维岩石物理模版包括:
根据所述岩石资料建立横波速度和孔隙度的交会图,所述岩石资料包括横波速度、纵波速度、密度、孔隙度以及渗透率;
基于多孔岩石物理模型在所述交会图上建立孔隙纵横比的二维岩石物理模版。
在本发明的优选实施方式中,利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型包括:
利用所述孔隙纵横比二维岩石物理模版划分得到多种孔隙类型储层的孔隙纵横比分布区间;
确定各个孔隙类型储层在每个孔隙度的横波速度分布范围;
根据所述岩石资料、孔隙纵横比分布区间以及横波速度分布范围建立不同孔隙类型储层的孔隙度-渗透率模型。
本发明的目的之一是,提供一种碳酸盐岩储层渗透率的预测系统,包括:
岩石资料收取模块,用于收集碳酸盐岩石物理实验室的岩石资料;
物理模板建立模块,用于根据所述岩石资料建立孔隙纵横比二维岩石物理模版;
孔渗模型建立模块,用于利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型;
测量数据收集模块,用于收集测井或地震测量的碳酸盐岩储层的测量数据;
渗透率预测模块,用于根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率;
所述孔隙类型包括裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层以及溶洞型储层;
所述渗透率预测模块包括:
孔隙类型确定模块,用于根据所述孔隙纵横比二维岩石物理模版以及所述测量数据确定所述碳酸盐岩储层的孔隙类型,所述测量数据包括横波速度、纵波速度、密度、孔隙度以及渗透率;
渗透模型选择模块,用于根据所述碳酸盐岩储层的孔隙类型选择对应的孔隙度-渗透率模型;
测量数据反演模块,用于基于Xu-Payne模型对所述测量数据反演,得到软孔、背景孔和硬孔的孔隙度;
渗透率确定模块,用于根据所述软孔、背景孔和硬孔的孔隙度以及所述碳酸盐岩储层的孔隙类型对应的孔隙度-渗透率模型预测所述碳酸盐岩储层的渗透率;
其中,对于裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层和溶洞型储层分别采用如下公式拟合:
其中,K为渗透率,φC,φP,φS分别为储层中软孔、背景孔和硬孔的孔隙度,AC,BC,CC,AP,BP,CP,AS,BS,CS分别为软孔、背景孔和硬孔的拟合系数。
在本发明的优选实施方式中,所述物理模板建立模块包括:
交会图建立模块,用于根据所述岩石资料建立横波速度和孔隙度的交会图,所述岩石资料包括横波速度、纵波速度、密度、孔隙度以及渗透率;
岩石模板建立模块,用于基于多孔岩石物理模型在所述交会图上建立孔隙纵横比的二维岩石物理模版。
在本发明的优选实施方式中,所述孔渗模型建立模块包括:
孔隙类型划分模块,用于利用所述孔隙纵横比二维岩石物理模版划分得到多种孔隙类型储层的孔隙纵横比分布区间;
分布范围确定模块,用于确定各个孔隙类型储层在每个孔隙度的横波速度分布范围;
渗透模型建立模块,用于根据所述岩石资料、孔隙纵横比分布区间以及横波速度分布范围建立不同孔隙类型储层的孔隙度-渗透率模型。
本发明的目的之一是,提供一种计算机设备,包括:适于实现各指令的处理器以及存储设备,所述存储设备存储有多条指令,所述指令适于由处理器加载并执行一种碳酸盐岩储层渗透率的预测方法。
本发明的目的之一是,提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序用于执行一种碳酸盐岩储层渗透率的预测方法。
本发明的有益效果在于,提供了一种碳酸盐岩储层渗透率的预测方法、系统、计算机设备以及计算机可读存储介质,通过孔隙纵横比把储层细分为五种孔隙类型储层,即裂隙型、裂隙-孔隙型、孔隙型、孔隙-溶洞型和溶洞型储层,利用实验室岩石物理测量数据拟合得到五种孔隙类型储层的孔隙度-渗透率模型,有效提高孔隙度-渗透率之间的相关性,更加准确预测储层渗透率,把储层孔隙类型划分为五类,更加与实际地层的孔隙系统吻合,它克服了经典的利用地震预测储层渗透率只采用单一的孔隙度-渗透率模型而导致预测的渗透率精度低的问题。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种碳酸盐岩储层渗透率的预测系统的结构示意图;
图2为本发明实施例提供的一种碳酸盐岩储层渗透率的预测系统中物理模板建立模块的结构示意图;
图3为本发明实施例提供的一种碳酸盐岩储层渗透率的预测系统中孔渗模型建立模块的结构示意图;
图4为本发明实施例提供的一种碳酸盐岩储层渗透率的预测系统中渗透率预测模块的结构示意图;
图5为本发明实施例提供的一种碳酸盐岩储层渗透率的预测方法的流程图;
图6为图5中的步骤S102的具体流程图;
图7为图5中的步骤S103的具体流程图;
图8为图5中的步骤S105的具体流程图;
图9为本发明提供的具体实施例中碳酸盐岩储层渗透率预测流程示意图;
图10(a)为本发明提供的具体实施例中磨溪12井测井横波速度与岩心孔隙度交会图;
图10(b)为本发明提供的具体实施例中磨溪12井岩心渗透率与孔隙度交会图;
图11(a)为本发明提供的具体实施例中磨溪12井纵横波和密度及测井解释成果图;
图11(b)为本发明提供的具体实施例中磨溪12井白云岩储层软孔、背景孔和硬孔三种孔隙的孔隙度及渗透率反演图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、方法或计算机程序产品。因此,本发明公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
本发明主要核心包括两方面,一是利用岩石物理实验室测量的速度和物性参数(包括孔隙度、渗透率)数据,基于多孔岩石物理模型在横波速度和孔隙度的交会图上建立横波速度与孔隙度和孔隙纵横比的二维岩石物理模版,利用二维岩石物理模版划分五种孔隙类型储层的孔隙纵横比分布区间;同时基于Xu-Payne模型反演岩石样品中三种孔隙包括软孔、背景孔和硬孔的孔隙度;建立五种孔隙类型储层的孔隙度-渗透率模型。二是利用测井或地震测量的速度和孔隙度数据,基于Xu-Payne模型反演储层中软孔、背景孔和硬孔等三种孔隙的孔隙度,同时判别储层为何种孔隙类型,选择该孔隙类型储层对应的孔隙度-渗透率模型,由反演的三种孔隙的孔隙度估算储层的渗透率。
图1为发明提供一种碳酸盐岩储层渗透率的预测系统的结构示意图,请参见图1,所述碳酸盐岩储层渗透率的预测系统包括:
岩石资料收取模块100,用于收集碳酸盐岩石物理实验室的岩石资料;
物理模板建立模块200,用于根据所述岩石资料建立孔隙纵横比二维岩石物理模版。图2为本发明实施例的物理模板建立模块200的结构示意图,请参阅图2,物理模板建立模块200包括:
交会图建立模块210,用于根据所述岩石资料建立横波速度和孔隙度的交会图,所述岩石资料包括横波速度、纵波速度、密度、孔隙度以及渗透率。
岩石模板建立模块220,用于基于多孔岩石物理模型在所述交会图上建立孔隙纵横比的二维岩石物理模版。
也即,在本发明的一种实施方式中,基于多孔岩石物理模型在横波速度和孔隙度的交会图上建立横波速度与孔隙度和孔隙纵横比的二维岩石物理模版。
请参见图1,所述碳酸盐岩储层渗透率的预测系统还包括:
孔渗模型建立模块300,用于利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型。
图3为孔渗模型建立模块300的结构示意图,请参见图3,所述孔渗模型建立模块300包括:
孔隙类型划分模块310,用于利用所述孔隙纵横比二维岩石物理模版划分得到多种孔隙类型储层的孔隙纵横比分布区间;
分布范围确定模块320,用于确定各个孔隙类型储层在每个孔隙度的横波速度分布范围。
在本发明的一种实施方式中,利用二维岩石物理模版划分五种孔隙类型储层的孔隙纵横比分布区间,一个可选的区间为裂隙型储层(0-0.05);裂隙-孔隙型储层(0.05-0.09);孔隙型储层(0.09-0.11);孔隙-溶洞型储层(0.11-0.16);溶洞型储层(0.16-1),同时确定各个孔隙类型储层在每个孔隙度的横波速度分布范围
渗透模型建立模块330,用于根据所述岩石资料、孔隙纵横比分布区间以及横波速度分布范围建立不同孔隙类型储层的孔隙度-渗透率模型。
由实验室测量的渗透率,建立不同孔隙类型储层的孔隙度-渗透率模型。对于裂隙型、裂隙-孔隙型储层采用式(1)拟合,对于孔隙型储层采用式(2)拟合,对于孔隙-溶洞型和溶洞型储层采用式(3)拟合:
其中,K为渗透率,φC,φP,φS分别为储层中软孔、背景孔和硬孔的孔隙度,AC,BC,CC,AP,BP,CP,AS,BS,CS分别为软孔、背景孔和硬孔的拟合系数。
请参见图1,所述碳酸盐岩储层渗透率的预测系统还包括:
测量数据收集模块400,用于收集测井或地震测量的碳酸盐岩储层的测量数据。
渗透率预测模块500,用于根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率。
图4为本发明中渗透率预测模块500的结构示意图,请参见图4,所述渗透率预测模块500包括:
孔隙类型确定模块510,用于根据所述孔隙纵横比二维岩石物理模版以及所述测量数据确定所述碳酸盐岩储层的孔隙类型,所述测量数据包括横波速度、纵波速度、密度、孔隙度以及渗透率。
在本发明的一种实施方式中,利用二维岩石物理模版由测井或地震得到的测量数据中的横波速度和孔隙度确定其属于何种孔隙类型的储层。
渗透模型选择模块520,用于根据所述碳酸盐岩储层的孔隙类型选择对应的孔隙度-渗透率模型;
测量数据反演模块530,用于基于Xu-Payne模型对所述测量数据反演,得到软孔、背景孔和硬孔的孔隙度。
在本发明的一种实施方式中,定义组成储层的岩石基质体积模量Km、剪切模量Gm和密度ρm以及三种孔隙包括软孔、背景孔和硬孔的孔隙纵横比。利用定义的岩石弹性模量、孔隙度及软孔、背景孔和硬孔的孔隙纵横比,基于Xu-Payne模型和非线性全局寻优算法从纵横波速度中反演岩石样品中的软孔、背景孔和硬孔的孔隙度。
渗透率确定模块540,用于根据所述软孔、背景孔和硬孔的孔隙度以及所述碳酸盐岩储层的孔隙类型对应的孔隙度-渗透率模型预测所述碳酸盐岩储层的渗透率。
在本发明的一种实施方式中,利用确定的该孔隙类型对应的孔隙度-渗透率模型,由三种孔隙即软孔、背景孔和硬孔的孔隙度计算储层的渗透率,利用渗透率对储层的非均质性进行评价。
如上即为本发明提供的一种碳酸盐岩储层渗透率的预测系统,基于Xu-Payne模型反演储层中软孔、背景孔和硬孔等三种孔隙的孔隙度,五种孔隙类型储层中的软孔、背景孔和硬孔发育程度不一样,裂隙型储层主要发育微裂隙,有少量背景孔;裂隙-孔隙型储层微裂隙和背景孔同时发育;孔隙型储层主要发育背景孔,有少量微裂隙和溶洞;孔隙-溶洞型储层背景孔和溶洞同时发育;溶洞型储层主要发育溶洞,有少量背景孔。由此建立五种孔隙类型储层的软孔、背景孔和硬孔孔隙度-渗透率关系式,即渗透率是软孔、背景孔和硬孔三种孔隙的孔隙度函数,与总孔隙度无关。这样的处理比简单的总孔隙度-渗透率关系式更能兼顾储层中各分量孔隙度的非均质性,同时扩展了Xu-Payne模型的应用范围。
此外,尽管在上文详细描述中提及了系统的若干单元模块,但是这种划分仅仅并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。同样,上文描述的一个单元的特征和功能也可以进一步划分为由多个单元来具体化。以上所使用的术语“模块”和“单元”,可以是实现预定功能的软件和/或硬件。尽管以下实施例所描述的模块较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在介绍了本发明示例性实施方式的碳酸盐岩储层渗透率的预测系统之后,接下来,参考附图对本发明示例性实施方式的方法进行介绍。该方法的实施可以参见上述整体的实施,重复之处不再赘述。
具体的,图5为发明提供一种碳酸盐岩储层渗透率的预测方法的流程示意图,请参见图5,所述碳酸盐岩储层渗透率的预测方法包括:
S101:收集碳酸盐岩石物理实验室的岩石资料;
S102:根据所述岩石资料建立孔隙纵横比二维岩石物理模版。图6为该步骤的流程示意图,请参阅图6,该步骤包括:
S201:根据所述岩石资料建立横波速度和孔隙度的交会图,所述岩石资料包括横波速度、纵波速度、密度、孔隙度以及渗透率。
S202:基于多孔岩石物理模型在所述交会图上建立孔隙纵横比的二维岩石物理模版。
也即,在本发明的一种实施方式中,基于多孔岩石物理模型在横波速度和孔隙度的交会图上建立横波速度与孔隙度和孔隙纵横比的二维岩石物理模版。
请参见图5,所述碳酸盐岩储层渗透率的预测方法还包括:
S103:利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型。
图7为步骤S103的流程示意图,请参见图7,步骤S103包括:
S301:利用所述孔隙纵横比二维岩石物理模版划分得到多种孔隙类型储层的孔隙纵横比分布区间;
S302:确定各个孔隙类型储层在每个孔隙度的横波速度分布范围。
在本发明的一种实施方式中,利用二维岩石物理模版划分五种孔隙类型储层的孔隙纵横比分布区间,一个可选的区间为裂隙型储层(0-0.05);裂隙-孔隙型储层(0.05-0.09);孔隙型储层(0.09-0.11);孔隙-溶洞型储层(0.11-0.16);溶洞型储层(0.16-1),同时确定各个孔隙类型储层在每个孔隙度的横波速度分布范围
S303:根据所述岩石资料、孔隙纵横比分布区间以及横波速度分布范围建立不同孔隙类型储层的孔隙度-渗透率模型。
由实验室测量的渗透率,建立不同孔隙类型储层的孔隙度-渗透率模型。对于裂隙型、裂隙-孔隙型储层采用式(1)拟合,对于孔隙型储层采用式(2)拟合,对于孔隙-溶洞型和溶洞型储层采用式(3)拟合:
其中,K为渗透率,φC,φP,φS分别为储层中软孔、背景孔和硬孔的孔隙度,AC,BC,CC,AP,BP,CP,AS,BS,CS分别为软孔、背景孔和硬孔的拟合系数。
请参见图5,所述碳酸盐岩储层渗透率的预测方法还包括:
S104:收集测井或地震测量的碳酸盐岩储层的测量数据。
S105:根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率。
图8为步骤S105的流程示意图,请参见图8,该步骤包括:
S401:根据所述孔隙纵横比二维岩石物理模版以及所述测量数据确定所述碳酸盐岩储层的孔隙类型,所述测量数据包括横波速度、纵波速度、密度、孔隙度以及渗透率。
在本发明的一种实施方式中,利用二维岩石物理模版由测井或地震得到的测量数据中的横波速度和孔隙度确定其属于何种孔隙类型的储层。
S402:根据所述碳酸盐岩储层的孔隙类型选择对应的孔隙度-渗透率模型;
S403:基于Xu-Payne模型对所述测量数据反演,得到软孔、背景孔和硬孔的孔隙度。
在本发明的一种实施方式中,定义组成储层的岩石基质体积模量Km、剪切模量Gm和密度ρm以及三种孔隙包括软孔、背景孔和硬孔的孔隙纵横比。利用定义的岩石弹性模量、孔隙度及软孔、背景孔和硬孔的孔隙纵横比,基于Xu-Payne模型和非线性全局寻优算法从纵横波速度中反演岩石样品中的软孔、背景孔和硬孔的孔隙度。
S404:根据所述软孔、背景孔和硬孔的孔隙度以及所述碳酸盐岩储层的孔隙类型对应的孔隙度-渗透率模型预测所述碳酸盐岩储层的渗透率。
在本发明的一种实施方式中,利用确定的该孔隙类型对应的孔隙度-渗透率模型,由三种孔隙即软孔、背景孔和硬孔的孔隙度计算储层的渗透率,利用渗透率对储层的非均质性进行评价。
如上即为本发明提供的一种碳酸盐岩储层渗透率的预测方法,基于Xu-Payne模型反演储层中软孔、背景孔和硬孔等三种孔隙的孔隙度,五种孔隙类型储层中的软孔、背景孔和硬孔发育程度不一样,裂隙型储层主要发育微裂隙,有少量背景孔;裂隙-孔隙型储层微裂隙和背景孔同时发育;孔隙型储层主要发育背景孔,有少量微裂隙和溶洞;孔隙-溶洞型储层背景孔和溶洞同时发育;溶洞型储层主要发育溶洞,有少量背景孔。由此建立五种孔隙类型储层的软孔、背景孔和硬孔孔隙度-渗透率关系式,即渗透率是软孔、背景孔和硬孔三种孔隙的孔隙度函数,与总孔隙度无关。这样的处理比简单的总孔隙度-渗透率关系式更能兼顾储层中各分量孔隙度的非均质性,同时扩展了Xu-Payne模型的应用范围。
应当注意,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本发明还提供了一种计算机设备,包括:适于实现各指令的处理器以及存储设备,所述存储设备存储有多条指令,所述指令适于由处理器加载并执行一种碳酸盐岩储层渗透率的预测方法。
本发明还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序用于执行一种碳酸盐岩储层渗透率的预测方法。
下面结合具体的实施例,详细介绍本发明的技术方案。图9为在该具体实施例中的碳酸盐岩储层渗透率预测技术流程图,请参阅图9,该流程包括首先利用岩石物理实验室测量的速度和物性参数(包括孔隙度、渗透率)数据,基于多孔岩石物理模型在横波速度和孔隙度的交会图上建立等效孔隙纵横比二维岩石物理模版,利用该模版划分五种孔隙类型储层的孔隙纵横比分布区间;同时基于Xu-Payne模型在横波速度和孔隙度的交会图上建立孔隙类型二维岩石物理模版,利用该模版反演岩石样品中三种孔隙包括软孔、背景孔和硬孔的孔隙度;最后,建立五种孔隙类型储层的软孔、背景孔和硬孔的孔隙度-渗透率模型。第二步利用测井或地震测量的速度和孔隙度数据,基于等效孔隙纵横比模版确定储层的孔隙类型;基于孔隙类型二维岩石物理模版反演储层中三种孔隙包括软孔、背景孔和硬孔的孔隙度;选择该孔隙类型储层对应的孔隙度-渗透率模型,由反演的三种孔隙的孔隙度估算储层的渗透率。
图10(a)和图10(b)是研究区四川磨溪地区磨溪12井龙王庙组白云岩储层交会图分析,该井是试气产量达到百万方的高产工业气层。
图10(a)是测井横波速度与岩心孔隙度交会图,图中散点的颜色表示的是岩心渗透率值,图中还叠加显示了经步骤2制作的横波速度随孔隙度和等效孔隙纵横比变化的二维岩石物理模版,可以看到,随着孔隙度的增大和孔隙纵横比的降低,岩石样品的渗透率有增大的趋势。在由孔隙纵横比确定的分布条带上,渗透率随孔隙度的增大而增大,但不同的孔隙纵横比分布带其渗透率增大的梯度是不一样的,图中对孔隙纵横比划分了五个区带,孔隙纵横比小于0.05为微裂隙发育带,数据点用正方形表示;孔隙纵横比大于0.05且小于0.08为裂隙与背景孔同时发育带,数据点用三角形表示;孔隙纵横比大于0.08且小于0.11为背景孔主要发育区,同时发育裂隙和溶洞,数据点用倒三角形显示;孔隙纵横比大于0.11且小于0.16为溶洞与背景孔同时发育带,数据点用菱形表示;孔隙纵横比大于0.16为溶洞发育带,数据点用十字星形表示。
图10(b)是mx12井岩是心渗透率与孔隙度交会图,图中散点颜色和几何图形符号表示的是图10(a)划分的孔隙纵横比分布区间。观察到大量数据发散,具有最高渗透率的样品其孔隙度并不非最高。例如,在给定6%的孔隙度下,渗透率从<0.01md变化到>10md,四个数量级的变化。图中粉红色正方形点表示的是孔隙纵横比小于0.05的样品,表示岩石中裂隙发育,渗透率随着孔隙度的增大而快速增大,变化速率快,岩样的孔隙度很小,渗透率低于1md,孔隙度-渗透率相关性较差;绿色三角形点表示的是孔隙纵横比在0.05到0.08之间的样品,表示岩石中裂隙和背景孔同时发育,虽然渗透率有随着孔隙度的增大而增大的趋势,但它们之间相关性较差,渗透率在1md以下;倒三角形点表示的是孔隙纵横比在0.08到0.11之间的样品,表示岩石中主要发育背景孔,渗透率随着孔隙度的增大而增大;菱形点表示的是孔隙纵横比在0.11到0.16之间的样品,表示岩石中溶洞和背景孔同时发育,渗透率随着孔隙度的增大而增大,但变化速率较快,它们之间的相关性不太高,渗透率可达到10md;十字星形点表示的是孔隙纵横比大于0.16的样品,表示岩石中溶洞发育,渗透率随着孔隙度的增大而增大,变化速率快,岩样的孔隙度不太高,渗透率可达到10md。
对图10(a)、图10(b)的岩石物理数据利用步骤4可得到五种孔隙类型储层的孔隙度-渗透率模型。图11(a)、图11(b)是四川磨溪12井渗透率预测图。图11(a)四川磨溪12井纵横波和密度及测井解释成果图,图中第1-4栏分别为测量的纵横波速度、密度、GR,第5-6栏分别为测井解释的饱和度和孔隙度。
图11(b)应用本发明方法计算得到的软孔、背景孔和硬孔等三种孔隙的孔隙度及渗透率反演结果。第1-3栏图中曲线为用纵横波时差和密度以及孔隙度数据由本发明步骤5反演得到的软孔、背景孔和硬孔等三种孔隙的孔隙度。第四栏图中曲线为由本发明步骤6反演的渗透率,黑色曲线为由总孔隙度用单一的总孔隙度-渗透率公式预测的渗透率,图中直线为岩心测量的渗透率。可以看到,单一公式预测的渗透率比岩心渗透率整体偏高,特别是岩心渗透率低的地方相差越大,并没有把渗透率高的储层段和渗透率低的储层段预测出来,而本发明预测的渗透率与岩心渗透率匹配较好,与测量值总体上是吻合的,说明本发明提出的反演方法是可信的,渗透率预测是可靠的。
综上所述,本发明提供的一直碳酸盐岩储层渗透率的预测方法、系统、计算机设备以及计算机可读存储介质,首先是利用岩石物理实验室测量的速度和物性参数(包括孔隙度、渗透率)数据,基于多孔岩石物理模型在横波速度和孔隙度的交会图上建立横波速度与孔隙度和孔隙纵横比的二维岩石物理模版,利用二维岩石物理模版划分五种孔隙类型储层的孔隙纵横比分布区间;同时基于Xu-Payne模型反演岩石样品中三种孔隙包括软孔、背景孔和硬孔的孔隙度;建立五种孔隙类型储层的孔隙度-渗透率模型;然后是利用测井或地震测量的速度和孔隙度数据,基于Xu-Payne模型反演储层中软孔、背景孔和硬孔等三种孔隙的孔隙度,同时判别储层为何种孔隙类型,选择该孔隙类型储层对应的孔隙度-渗透率模型,由反演的三种孔隙的孔隙度估算储层的渗透率。关键技术是五种孔隙类型储层的划分、五种孔隙类型储层的孔隙度-渗透率模型的建立及孔隙系统中软孔、背景孔和硬孔三种孔隙的孔隙度反演。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(ProgrammableLogic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware DescriptionLanguage,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced BooleanExpression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java HardwareDescription Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware DescriptionLanguage)等,目前最普遍使用的是VHDL(Very-High-Speed Integrated CircuitHardware Description Language)与Verilog2。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
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,在实施本申请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。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机系统(可以是个人计算机,服务器,或者网络系统等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持系统或便携式系统、平板型系统、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子系统、网络PC、小型计算机、大型计算机、包括以上任何系统或系统的分布式计算环境等等。
本申请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申请,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系统来执行任务。在分布式计算环境中,程序模块可以位于包括存储系统在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (8)
1.一种碳酸盐岩储层渗透率的预测方法,其特征在于,所述方法包括:
收集碳酸盐岩石物理实验室的岩石资料;
根据所述岩石资料建立孔隙纵横比二维岩石物理模版;
利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型;
收集测井或地震测量的碳酸盐岩储层的测量数据;
根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率;
所述孔隙类型包括裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层以及溶洞型储层;
根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率包括:
根据所述孔隙纵横比二维岩石物理模版以及所述测量数据确定所述碳酸盐岩储层的孔隙类型,所述测量数据包括横波速度、纵波速度、密度、孔隙度以及渗透率;
根据所述碳酸盐岩储层的孔隙类型选择对应的孔隙度-渗透率模型;
基于Xu-Payne模型对所述测量数据反演,得到软孔、背景孔和硬孔的孔隙度;
根据所述软孔、背景孔和硬孔的孔隙度以及所述碳酸盐岩储层的孔隙类型对应的孔隙度-渗透率模型预测所述碳酸盐岩储层的渗透率;
其中,对于裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层和溶洞型储层分别采用如下公式拟合:
其中,K为渗透率,φC,φP,φS分别为储层中软孔、背景孔和硬孔的孔隙度,AC,BC,CC,AP,BP,CP,AS,BS,CS分别为软孔、背景孔和硬孔的拟合系数。
2.根据权利要求1所述的方法,其特征在于,根据所述岩石资料建立孔隙纵横比二维岩石物理模版包括:
根据所述岩石资料建立横波速度和孔隙度的交会图,所述岩石资料包括横波速度、纵波速度、密度、孔隙度以及渗透率;
基于多孔岩石物理模型在所述交会图上建立孔隙纵横比的二维岩石物理模版。
3.根据权利要求2所述的方法,其特征在于,利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型包括:
利用所述孔隙纵横比二维岩石物理模版划分得到多种孔隙类型储层的孔隙纵横比分布区间;
确定各个孔隙类型储层在每个孔隙度的横波速度分布范围;
根据所述岩石资料、孔隙纵横比分布区间以及横波速度分布范围建立不同孔隙类型储层的孔隙度-渗透率模型。
4.一种碳酸盐岩储层渗透率的预测系统,其特征在于,所述系统包括:
岩石资料收取模块,用于收集碳酸盐岩石物理实验室的岩石资料;
物理模板建立模块,用于根据所述岩石资料建立孔隙纵横比二维岩石物理模版;
孔渗模型建立模块,用于利用所述孔隙纵横比二维岩石物理模版结合所述岩石资料建立不同孔隙类型储层的孔隙度-渗透率模型;
测量数据收集模块,用于收集测井或地震测量的碳酸盐岩储层的测量数据;
渗透率预测模块,用于根据所述孔隙纵横比二维岩石物理模版、所述测量数据预测所述碳酸盐岩储层的渗透率;
所述孔隙类型包括裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层以及溶洞型储层;
所述渗透率预测模块包括:
孔隙类型确定模块,用于根据所述孔隙纵横比二维岩石物理模版以及所述测量数据确定所述碳酸盐岩储层的孔隙类型,所述测量数据包括横波速度、纵波速度、密度、孔隙度以及渗透率;
渗透模型选择模块,用于根据所述碳酸盐岩储层的孔隙类型选择对应的孔隙度-渗透率模型;
测量数据反演模块,用于基于Xu-Payne模型对所述测量数据反演,得到软孔、背景孔和硬孔的孔隙度;
渗透率确定模块,用于根据所述软孔、背景孔和硬孔的孔隙度以及所述碳酸盐岩储层的孔隙类型对应的孔隙度-渗透率模型预测所述碳酸盐岩储层的渗透率;
其中,对于裂隙型储层、裂隙-孔隙型储层、孔隙型储层、孔隙-溶洞型储层和溶洞型储层分别采用如下公式拟合:
其中,K为渗透率,φC,φP,φS分别为储层中软孔、背景孔和硬孔的孔隙度,AC,BC,CC,AP,BP,CP,AS,BS,CS分别为软孔、背景孔和硬孔的拟合系数。
5.根据权利要求4所述的系统,其特征在于,所述物理模板建立模块包括:
交会图建立模块,用于根据所述岩石资料建立横波速度和孔隙度的交会图,所述岩石资料包括横波速度、纵波速度、密度、孔隙度以及渗透率;
岩石模板建立模块,用于基于多孔岩石物理模型在所述交会图上建立孔隙纵横比的二维岩石物理模版。
6.根据权利要求5所述的系统,其特征在于,所述孔渗模型建立模块包括:
孔隙类型划分模块,用于利用所述孔隙纵横比二维岩石物理模版划分得到多种孔隙类型储层的孔隙纵横比分布区间;
分布范围确定模块,用于确定各个孔隙类型储层在每个孔隙度的横波速度分布范围;
渗透模型建立模块,用于根据所述岩石资料、孔隙纵横比分布区间以及横波速度分布范围建立不同孔隙类型储层的孔隙度-渗透率模型。
7.一种计算机设备,其特征在于,包括:适于实现各指令的处理器以及存储设备,所述存储设备存储有多条指令,所述指令适于由处理器加载并执行如权利要求1至3任意一项所述的一种碳酸盐岩储层渗透率的预测方法。
8.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序用于执行如权利要求1至3任意一项所述的一种碳酸盐岩储层渗透率的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910670763.XA CN112285801B (zh) | 2019-07-24 | 2019-07-24 | 碳酸盐岩储层渗透率的预测方法、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910670763.XA CN112285801B (zh) | 2019-07-24 | 2019-07-24 | 碳酸盐岩储层渗透率的预测方法、设备及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112285801A CN112285801A (zh) | 2021-01-29 |
CN112285801B true CN112285801B (zh) | 2023-02-28 |
Family
ID=74419526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910670763.XA Active CN112285801B (zh) | 2019-07-24 | 2019-07-24 | 碳酸盐岩储层渗透率的预测方法、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112285801B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552626B (zh) * | 2021-07-01 | 2023-01-17 | 中国石油化工股份有限公司 | 一种致密砂岩储层的地震横波速度预测方法及装置 |
CN118067582A (zh) * | 2022-11-22 | 2024-05-24 | 中国石油天然气股份有限公司 | 一种岩石原位转化动态储层物性变化评价方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011112294A1 (en) * | 2010-03-11 | 2011-09-15 | Exxonmobil Upstream Research Company | Predicting anisotropic source rock properties from well data |
CN103163553A (zh) * | 2013-02-01 | 2013-06-19 | 中国石油天然气股份有限公司 | 基于多重孔隙介质模型的地震烃类检测方法及装置 |
CN103645509A (zh) * | 2013-11-08 | 2014-03-19 | 中国石油大学(北京) | 致密储层孔隙纵横比反演及横波速度预测方法 |
CN103760081A (zh) * | 2013-12-31 | 2014-04-30 | 中国石油天然气股份有限公司 | 基于孔隙结构特征的碳酸盐岩储层的气藏预测方法及系统 |
CN104866706A (zh) * | 2015-04-13 | 2015-08-26 | 中国石油大学(北京) | 碳酸盐岩渗透率确定方法及装置 |
CN106054248A (zh) * | 2016-07-15 | 2016-10-26 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160109593A1 (en) * | 2014-10-17 | 2016-04-21 | Vimal SAXENA | Methods and systems for generating percolated rock physics models for predicting permeability and petrophysical quantities |
US10365405B2 (en) * | 2015-01-26 | 2019-07-30 | Schlumberger Technology Corporation | Method for determining formation properties by inversion of multisensor wellbore logging data |
US10928536B2 (en) * | 2017-12-07 | 2021-02-23 | Saudi Arabian Oil Company | Mapping chemostratigraphic signatures of a reservoir with rock physics and seismic inversion |
-
2019
- 2019-07-24 CN CN201910670763.XA patent/CN112285801B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011112294A1 (en) * | 2010-03-11 | 2011-09-15 | Exxonmobil Upstream Research Company | Predicting anisotropic source rock properties from well data |
CN103163553A (zh) * | 2013-02-01 | 2013-06-19 | 中国石油天然气股份有限公司 | 基于多重孔隙介质模型的地震烃类检测方法及装置 |
CN103645509A (zh) * | 2013-11-08 | 2014-03-19 | 中国石油大学(北京) | 致密储层孔隙纵横比反演及横波速度预测方法 |
CN103760081A (zh) * | 2013-12-31 | 2014-04-30 | 中国石油天然气股份有限公司 | 基于孔隙结构特征的碳酸盐岩储层的气藏预测方法及系统 |
CN104866706A (zh) * | 2015-04-13 | 2015-08-26 | 中国石油大学(北京) | 碳酸盐岩渗透率确定方法及装置 |
CN106054248A (zh) * | 2016-07-15 | 2016-10-26 | 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 |
Non-Patent Citations (6)
Title |
---|
Modeling elastic properties in carbonate rocks;SHIYU XU et al.;《The Leading Edge》;20090131;第66-74页 * |
Well log and seismic data analysis for complex pore-structure carbonate reservoir using 3D rock physics templates;Hongbing Li et al.;《Journal of Applied Geophysics》;20180223;第177-178页、图1、2 * |
基于贝叶斯理论的天然气水合物储层弹性—电性数据联合反演;潘豪杰等;《石油地球物理勘探》;20180630;第53卷(第3期);第568-577、586页 * |
普光气田礁滩相复杂孔隙类型储集层渗透率地震预测方法;靳秀菊等;《古地理学报》;20160430;第18卷(第2期);第277、280-282页 * |
碳酸盐岩储层孔隙结构的影响因素与储层参数的定量评价;秦瑞宝等;《地学前缘( 中国地质大学( 北京);北京大学)》;20150131;第22卷(第1期);第251-259页 * |
碳酸盐岩含气储集层孔隙度渗透率岩石物理表征方法;孙盼科等;《测井技术》;20151231;第39卷(第6期);第769-776页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112285801A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8255195B2 (en) | N-phasic element method for calculating a fully coupled response of multiphase compositional fluid flow and a system for uncertainty estimation | |
US10590762B2 (en) | N-phasic finite element method for calculating a fully coupled response of multiphase compositional fluid flow and a system for uncertainty estimation of the calculated reservoir response | |
CA3043231C (en) | Method and system for stable and efficient reservoir simulation using stability proxies | |
Taleghani | Analysis of hydraulic fracture propagation in fractured reservoirs: an improved model for the interaction between induced and natural fractures | |
AU2013397958B2 (en) | A simulation-to-seismic workflow construed from core based rock typing and enhanced by rock replacement modeling | |
CN101278292B (zh) | 对油藏中的一组应力和位移进行建模的方法和系统 | |
Chen et al. | Pore‐scale modeling of hydromechanical coupled mechanics in hydrofracturing process | |
US10458894B2 (en) | Methods for monitoring fluid flow and transport in shale gas reservoirs | |
Durlofsky et al. | Uncertainty quantification for subsurface flow problems using coarse-scale models | |
CN109655903B (zh) | 页岩层横波速度预测方法及系统 | |
CN104391342B (zh) | 基于裂缝孔隙度反演定量预测储层渗透性的方法及装置 | |
CA2753131A1 (en) | Method for predicting fluid flow | |
CN112285801B (zh) | 碳酸盐岩储层渗透率的预测方法、设备及系统 | |
CN108008444B (zh) | 一种确定岩石物理模型的方法及装置 | |
CN106153495B (zh) | 岩石气体吸附相体积测量方法及装置 | |
Singh et al. | Multiscale methods for model order reduction of non-linear multiphase flow problems | |
US11199647B2 (en) | Effective permeability upscaling for a discrete fracture network | |
Liu et al. | Quantitative multiparameter prediction of fault-related fractures: a case study of the second member of the Funing Formation in the Jinhu Sag, Subei Basin | |
Li et al. | Tracer flowback based fracture network characterization in hydraulic fracturing | |
Du et al. | Generalization of dual-porosity-system representation and reservoir simulation of hydraulic fracturing-stimulated shale gas reservoirs | |
Mi et al. | A utility discrete fracture network model for field-scale simulation of naturally fractured shale reservoirs | |
US20130332132A1 (en) | Computerized method for the estimation of a value for at least a parameter of a hydrocarbon-producing region, for planning the operation and operating the region | |
Zhang et al. | Using digital rock modeling to estimate permeability and capillary pressure from NMR and geochemical logs | |
CN111239809B (zh) | 一种基于属性融合原理的优势储层确定方法及系统 | |
CN108415074B (zh) | 一种缝洞储集体地震响应特征分析方法及装置 |
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 |