CN112346130B - 一种富有机质岩石横波速度预测方法、存储介质及系统 - Google Patents

一种富有机质岩石横波速度预测方法、存储介质及系统 Download PDF

Info

Publication number
CN112346130B
CN112346130B CN202011201370.3A CN202011201370A CN112346130B CN 112346130 B CN112346130 B CN 112346130B CN 202011201370 A CN202011201370 A CN 202011201370A CN 112346130 B CN112346130 B CN 112346130B
Authority
CN
China
Prior art keywords
organic
wave velocity
rock
porosity
rich
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
Application number
CN202011201370.3A
Other languages
English (en)
Other versions
CN112346130A (zh
Inventor
刘俊州
刘致水
包乾宗
时磊
王震宇
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 Petroleum and Chemical Corp
Changan University
Original Assignee
China Petroleum and Chemical Corp
Changan University
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 Petroleum and Chemical Corp, Changan University filed Critical China Petroleum and Chemical Corp
Priority to CN202011201370.3A priority Critical patent/CN112346130B/zh
Publication of CN112346130A publication Critical patent/CN112346130A/zh
Application granted granted Critical
Publication of CN112346130B publication Critical patent/CN112346130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G01V1/50—Analysing data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6169—Data from specific type of measurement using well-logging

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种富有机质岩石横波速度预测方法，其包括步骤，将富有机质岩石中的干酪根等效为矿物基质；利用测井解释方法对测井资料进行解释，获取有机质含量、矿物含量、孔隙度及饱和度；建立岩石的纵、横波速度与干酪根含量、孔隙度、基质矿物、临界孔隙度及固结系数参数之间的关系；寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小；将反演得到的临界孔隙度和固结系数代入CPPC模型中计算横波速度，同时得到纵波速度。本发明还提供一种存储介质及富有机质岩石横波速度预测系统，本发明提供的富有机质岩石横波速度预测方法、存储介质及系统可提高富有机质岩石的速度预测精度。

Description

一种富有机质岩石横波速度预测方法、存储介质及系统
技术领域
本发明涉及油气地球物理技术领域，尤其涉及一种富有机质岩石横波速度预测方法、存储介质及系统。
背景技术
储存于富有机质岩石中的页岩油和页岩气正在成为我国油气勘探的重点目标。目前叠前地震资料解释、AVO反演等技术仍然是页岩油、气勘探的支撑技术。在使用这些技术时，都需要将横波速度作为输入数据，横波速度的精确与否直接影响着从地震数据中提取有效的地质信息。因此，加强富有机质岩石的横波速度预测技术研究是开展精准页岩油、气储层预测的基础。
目前，最为广泛应用的横波速度预测技术是建立能够反映储层特征的岩石物理模型，在常规测井资料基础上计算纵、横波速度，即横波速度预测的关键点是岩石物理模型能否反映储层的岩石物理特征。
与常规的砂岩和碳酸盐岩储层不同，富有机质岩石中既含有复杂的孔隙系统，也含有一定量的有机质。不同富有机质岩石的干酪根含量和孔隙度大小差别较大，目前工业界尚没有同时考虑干酪根，可变固结系数和可变临界孔隙度的富有机质岩石物理模型和横波速度预测方法。
发明内容
有鉴于此，本发明提供一种富有机质岩石横波速度预测方法、存储介质及系统解决富有机质岩石的物理模型和横波速度预测方法的问题。
为了达到上述目的，本发明解决技术问题的技术方案是提供一种富有机质岩石横波速度预测方法，其包括步骤：将富有机质岩石中的干酪根等效为矿物基质，以确定每个岩石样品或测井深度对应样点的临界孔隙度及固结系数参数；利用测井解释方法对测井资料进行解释，获取有机质含量、矿物含量、孔隙度及饱和度；建立岩石的纵、横波速度与干酪根含量、孔隙度、基质矿物、临界孔隙度及固结系数参数之间的关系；寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小；将反演得到的临界孔隙度和固结系数代入CPPC模型中计算横波速度，同时得到纵波速度。
进一步，所述应用量子粒子群非线性多元全局寻优算法寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小包括步骤：获取包含有机质岩石固体基质的体积模量和剪切模量；计算有机质岩石的弹性模量；计算饱和流体岩石的体积模量和剪切模量；计算富有机质岩石的纵、横波速度；建立纵波速度、横波速度、临界孔隙度及固结系数之间的非线性关系式。
进一步，所述获取包含有机质岩石固体基质的体积模量和剪切模量为通过沃伊特-瑞尤斯-辉欧平均公式计算得出。
进一步，所述有机质岩石的弹性模量利用临界孔隙度-固结系数岩石物理模型进行计算。
进一步，所述饱和流体岩石的体积模量和剪切模量里用噶斯曼方程进行计算。
进一步，所述利用测井解释方法对测井资料进行解释为将测井信息加工成地质。
进一步，所述寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小为利用非线性全局寻优粒子群算法-量子粒子群非线性多元全局寻优算法进行求解。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行富有机质岩石横波速度预测方法。
本发明还提供一种富有机质岩石横波速度预测系统，其包括处理器和存储器,所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现富有机质岩石横波速度预测方法。
与现有技术相比，本发明所提供的富有机质岩石横波速度预测方法、存储介质及系统具有以下有益效果：
本发明结合临界孔隙度-固结系数岩石物理模型、沃伊特-瑞尤斯-辉欧平均公式、噶斯曼方程，以及量子粒子群非线性多元全局寻优算法，在纵波速度的约束下同时反演固结系数和临界孔隙度参数，在反演参数的基础上进行横波速度预测和固结系数、临界孔隙度评价。该方法能够在估算得到固结系数的同时，计算得到临界孔隙度，对富有机质岩石的微观结构描述更为准确，从而提高了富有机质岩石的速度预测精度。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明的保护范围内。
附图说明
图1为本发明第一实施例提供的一种富有机质岩石横波速度预测方法的步骤流程示意图；
图2为图1中富有机质岩石横波速度预测方法原理示意图；
图3为图1中根据纵波速度约束反演的临界孔隙度、固结系数与孔隙度之间的关系示意图；
图4为预测横波速度与实测横波速度的对比示意图；
图5为利用临界孔隙度模型和固结系数模型预测的速度与实测速度交会图；
图6为图1中步骤S3的子步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1-5，本发明提供的一种富有机质岩石横波速度预测方法，其包括步骤：
S1，将富有机质岩石中的干酪根等效为矿物基质，以确定每个岩石样品或测井深度对应样点的临界孔隙度及固结系数参数；
具体的，将富有机质岩石中的干酪根等效为一种矿物基质，那么富有机质岩石则等效为由多种矿物组成的固体基质、孔隙及其中流体组成的等效介质，每个岩石样品或测井深度对应的样点都具有独特的临界孔隙度和固结系数参数。
S2，利用测井解释方法对测井资料进行解释，获取有机质含量、矿物含量、孔隙度及饱和度；
具体的，测井解释又名测井综合解释，核心是确定测井信息与信息之间应用的关系，采用正确的方法把测井信息加工成地质信息。
在本实施例中，测井解释方法为雍世和与张超谟所著并于2007年在中国石油大学出版社出版的《测井数据处理与综合解释》一书中320-350页的最优化测井解释方法。
S3，建立岩石的纵、横波速度与干酪根含量、孔隙度、基质矿物、临界孔隙度及固结系数参数之间的关系；
具体的，利用沃伊特-瑞尤斯-辉欧平均公式(Mavko,1998)将有机质与矿物混合起来，获得包含有机质的岩石固体基质的体积模量和剪切模量，公式为
Figure BDA0002755288460000041
式中，
Figure BDA0002755288460000042
fi和Mi指第i矿物(共N种)在岩石固体种所占的体积分数和弹性模量，此时有机质是矿物的一种。MV，MR指沃伊特上限平均公式和瑞尤斯下限平均公式。M可以是任意一种弹性模量，在本发明中，使用上述公式计算体积模量和剪切模量。
本发明利用临界孔隙度-固结系数岩石物理模型(CPPC)计算富有机质岩石的弹性模量。临界孔隙度-固结系数的公式如(2)、(3)所示。
Figure BDA0002755288460000051
Figure BDA0002755288460000052
式中，Km和Gm是公式(1)所计算的岩石固体基质的体积模量和剪切模量，Kd和Gd是所求的干岩石的体积模量和剪切模量，φ为孔隙度，φc表示临界孔隙度，有0<φ<φc，α是固结系数，有0<α<40，γ是关于固结系数的函数，如公式(4)所示。
Figure BDA0002755288460000053
当α＝0时，此模型即变为Nur的临界孔隙度模型；当φc＝1时，此模型即为Pride和Lee的固结系数模型。
在获得干岩石的体积模量和剪切模量后，通过噶斯曼方程(Mavko,1998)计算饱和流体岩石的体积模量和剪切模量，公式为
Figure BDA0002755288460000054
Gs＝Gd   6)
式中，Ks,Kd,Km,Kf分别是饱和流体富有机质岩石、干富有机质岩石、固体基质、流体的体积模量。Gs和Gd指饱和流体富有机质岩石、干富有机质岩石的剪切模量，φ指孔隙度。Kf由伍德公式计算得到，如公式(7)所示。
Figure BDA0002755288460000055
式中,Sw指含水饱和度，Kw和Kg指水和天然气的体积模量。
在计算得到富有机质岩石的弹性模量后，根据公式(8)、(9)计算富有机质岩石的纵、横波速度。
Figure BDA0002755288460000061
Figure BDA0002755288460000062
式中，富有机质岩石的密度ρ＝ρk*Vk+ρf*φ+ρm*(1-Vk-φ)。ρk、ρf、ρm分别是干酪根、流体、矿物基质的密度，ρf＝ρw*Sw+ρg*(1-Sw)，式中，ρw和ρg指水和天然气的密度。
从公式(1)到(9)依次计算，就建立了纵波速度vp、横波速度vs与临界孔隙度φc和固结系数α之间的非线性关系式[vp,vs]＝f(φc，α)，利用这个关系式，既可以根据岩石矿物组分及其体积模量、剪切模量以及干酪根含量、孔隙度、含水饱和度和临界孔隙度、固结系数正演得到岩石的纵、横波速度，也可以根据岩石的纵波速度来反演临界孔隙度和固结系数。利用公式(1)～(9)反演临界孔隙度和固结系数所采用的目标函数ε为公式(10)
Figure BDA0002755288460000063
此式是关于临界孔隙度φc和固结系数α的二元非线性函数。式中，vm指测量的速度，vc指预测的富有机质岩石速度，此处的速度可以是纵波速度、也可以是横波速度，通常指纵波速度。
S4，应用量子粒子群非线性多元全局寻优算法寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小；
具体的，采用一种非线性全局寻优粒子群算法-量子粒子群非线性多元全局寻优算法来求解式(10)的最小值。可由纵波反演临界孔隙度φc和固结系数α。
S5，将反演得到的临界孔隙度和固结系数代入CPPC模型中计算横波速度，同时得到纵波速度；
具体的，本方法能够在估算岩石中固结系数的同时，计算得到临界孔隙度，对富有机质岩石的微观结构描述的更为准确，从而提高了富有机质岩石的速度预测精度。
在本实施例中，利用Vernik和Liu实测(1997)的一个数据点进行正演，以说明求解目标函数(10)的过程，利用公式(1-9)计算的饱和盐水岩石的纵波速度、横波速度随临界孔隙度、固结系数变化规律。其中：孔隙度φ＝0.21，干酪根含量Vk＝0.19，实测纵波速度vpm＝3.07km/s,实测横波速度vsm＝1.56km/s；背景基质为泥质，其体积模量和剪切模量分别取Km＝39.54GPa和Gm＝25.68GPa，密度取ρm＝2.64g/cm3；干酪根的体积模量和剪切模量分别取Kk＝2.9GPa、Gk＝2.7GPa、密度ρk＝1.3g/cm3；假设孔隙中含盐水，其体积模量Kf＝2.2GPa,密度ρf＝1g/cm3。令临界孔隙度φc在0.21-1之间变化、固结系数α在0.001-20之间变化。经显示，临界孔隙度、固结系数与岩石弹性性质之间的关系是非线性的。
利用本文所提出的基于临界孔隙度和固结系数同时反演的富有机质岩石横波速度预测方法，对Vernik和Liu在实验室测量到的实际数据进行试算。图3(a)为根据纵波速度约束求算的临界孔隙度(a图)、固结系数(b图)与孔隙度之间的关系。将图3所示的临界孔隙度与固结系数代入公式(1)-(9)，即可获得纵波速度与横波速度，如图4所示，图4(a)是预测的纵波速度和实测纵波速度交会图，图4(b)是预测的横波速度和实测横波速度交会图，当计算的速度与实测的速度一致时，数据点处于对角线上。由图可见，由于纵波速度起约束作用，计算的纵波速度与实测纵波速度完全吻合。图4(b)显示，数据点均匀分布在对角线两侧，说明预测的横波速度与实测的横波速度吻合度较高。
将基于Nur的临界孔隙度模型和基于Pride的固结系数模型的横波计算结果作为对比，以说明本发明计算结果的优点。在这两种对比方法中，与本发明技术一样，将有机质等效为矿物的一种。不同点在于：在临界孔隙度模型方法中，令临界孔隙度参数自适应，在纵波速度的约束下求算横波速度；在固结系数模型方法中，令固结系数参数自适应，在纵波速度的约束下求算横波速度。所得结果如图5所示，由图5可见，通过临界孔隙度模型和固结系数模型所得到的横波速度整体与实测结果差别较大。这证明了本发明方法的有效性。
本发明使用预测与实测速度之间的相对误差平均值MAE、均方根误差RMSE，相关系数R2来定量评价预测结果的质量，公式如下所示。
Figure BDA0002755288460000081
Figure BDA0002755288460000082
Figure BDA0002755288460000083
式中，N是样品数量，Mi是测量数据，Ei是预测数据，
Figure BDA0002755288460000084
是预测数据的平均值。
表1给出了本发明方法，基于Nur临界孔隙度模型方法，基于Pride固结系数模型方法所得结果的误差统计表，由表1可以看到:本发明方法的纵波速度、横波速度误差统计结果明显优于其他两种方法。
表1
Figure BDA0002755288460000085
由图4和图5及表1可以看到：由于本发明方法同时考虑了有机质、临界孔隙度、固结系数，其预测速度的效果优于考虑了有机质和临界孔隙度的Nur方法，以及考虑了有机质和固结系数的Pride方法。
请参阅图6，步骤S3还包括子步骤；
S31,获取包含有机质岩石固体基质的体积模量和剪切模量；
具体的，在本实施例中，利用沃伊特-瑞尤斯-辉欧平均公式将有机质与矿物混合起来，获得包含有机质的岩石固体基质的体积模量和剪切模量。
S32,计算有机质岩石的弹性模量；
具体的，在本实施例中，利用临界孔隙度-固结系数岩石物理模型计算富有机质岩石的弹性模量。
S33,计算饱和流体岩石的体积模量和剪切模量；
具体的，在获得干岩石的体积模量和剪切模量后，通过噶斯曼方程(Mavko,1998)计算饱和流体岩石的体积模量和剪切模量。
S34,计算富有机质岩石的纵、横波速度；
具体的，在计算得到富有机质岩石的弹性模量后，根据公式(8)、(9)计算富有机质岩石的纵、横波速度。
S35,建立纵波速度、横波速度、临界孔隙度及固结系数之间的非线性关系式；
具体的，从公式(1)到(9)依次计算，就建立了纵波速度vp、横波速度vs与临界孔隙度φc和固结系数α之间的非线性关系式。
本发明还提供一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法步骤。存储介质可以包括如软盘、光盘、DVD、硬盘、闪存、U盘、CF卡、SD卡、MMC卡、SM卡、记忆棒(Memory Stick)、XD卡等。
计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可以是个人计算机设备、服务器或其他网络设备等)用以执行本发明方法的全部或部分步骤。
本发明还提供一种富有机质岩石横波速度预测系统，该富有机质岩石横波速度预测系统包括处理器和存储器,存储器上存储有计算机程序，计算机程序被处理器执行时，实现富有机质岩石横波速度预测方法。
与现有技术相比，本发明所提供的富有机质岩石横波速度预测方法、存储介质及系统具有以下有益效果：
本发明结合临界孔隙度-固结系数岩石物理模型、沃伊特-瑞尤斯-辉欧平均公式、噶斯曼方程，以及量子粒子群非线性多元全局寻优算法，在纵波速度的约束下同时反演固结系数和临界孔隙度参数，在反演参数的基础上进行横波速度预测和固结系数、临界孔隙度评价。该方法能够在估算得到固结系数的同时，计算得到临界孔隙度，对富有机质岩石的微观结构描述更为准确，从而提高了富有机质岩石的速度预测精度。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明的保护范围内。

Claims (8)

1.一种富有机质岩石横波速度预测方法，其特征在于，包括步骤：
将富有机质岩石中的干酪根等效为矿物基质，以确定每个岩石样品或测井深度对应样点的临界孔隙度及固结系数参数；
利用测井解释方法对测井资料进行解释，获取有机质含量、矿物含量、孔隙度及饱和度；
建立岩石的纵、横波速度与干酪根含量、孔隙度、基质矿物、临界孔隙度及固结系数参数之间的关系；
应用量子粒子群非线性多元全局寻优算法寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小；
将反演得到的临界孔隙度和固结系数代入CPPC模型中计算横波速度，同时得到纵波速度；
其中，所述应用量子粒子群非线性多元全局寻优算法寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小包括步骤：
获取包含有机质岩石固体基质的体积模量和剪切模量；
计算有机质岩石的弹性模量；
计算饱和流体岩石的体积模量和剪切模量；
计算富有机质岩石的纵、横波速度；
建立纵波速度、横波速度、临界孔隙度及固结系数之间的非线性关系式。
2.如权利要求1所述的一种富有机质岩石横波速度预测方法，其特征在于：
所述获取包含有机质岩石固体基质的体积模量和剪切模量为通过沃伊特-瑞尤斯-辉欧平均公式计算得出。
3.如权利要求1所述的一种富有机质岩石横波速度预测方法，其特征在于：
所述有机质岩石的弹性模量利用临界孔隙度-固结系数岩石物理模型进行计算。
4.如权利要求1所述的一种富有机质岩石横波速度预测方法，其特征在于：
所述饱和流体岩石的体积模量和剪切模量里用噶斯曼方程进行计算。
5.如权利要求1所述的一种富有机质岩石横波速度预测方法，其特征在于：
所述利用测井解释方法对测井资料进行解释为将测井信息加工成地质。
6.如权利要求1所述的一种富有机质岩石横波速度预测方法，其特征在于：
所述寻找每个样点最佳的临界孔隙度和固结系数，使得理论预测与实际测量的纵波速度之间的误差最小为利用非线性全局寻优粒子群算法-量子粒子群非线性多元全局寻优算法进行求解。
7.一种存储介质，其特征在于：
所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1-6中任一项中所述的富有机质岩石横波速度预测方法。
8.一种富有机质岩石横波速度预测系统，其特征在于：
所述富有机质岩石横波速度预测系统包括处理器及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行，实现如权利要求1-6任一项所述的富有机质岩石横波速度预测方法。
CN202011201370.3A 2020-11-02 2020-11-02 一种富有机质岩石横波速度预测方法、存储介质及系统 Active CN112346130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011201370.3A CN112346130B (zh) 2020-11-02 2020-11-02 一种富有机质岩石横波速度预测方法、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011201370.3A CN112346130B (zh) 2020-11-02 2020-11-02 一种富有机质岩石横波速度预测方法、存储介质及系统

Publications (2)

Publication Number Publication Date
CN112346130A CN112346130A (zh) 2021-02-09
CN112346130B true CN112346130B (zh) 2023-04-07

Family

ID=74356174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011201370.3A Active CN112346130B (zh) 2020-11-02 2020-11-02 一种富有机质岩石横波速度预测方法、存储介质及系统

Country Status (1)

Country Link
CN (1) CN112346130B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115793048B (zh) * 2022-11-16 2023-06-06 河海大学 一种页岩油层系致密储层横波速度预测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103713320A (zh) * 2013-12-31 2014-04-09 孙赞东 一种富有机质泥页岩岩石物理模型的建立方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2383414B (en) * 2001-12-22 2005-07-13 Westerngeco Ltd A method of and apparatus for processing seismic data
EP2090907A1 (en) * 2008-02-14 2009-08-19 Exxonmobil Upstream Research Company Method for determining the properties of hydrocarbon reservoirs from geophysical data
CN102353989B (zh) * 2011-08-24 2013-07-31 成都理工大学 基于自适应基质矿物等效弹性模量反演的横波速度估算方法
CN103412323B (zh) * 2013-07-05 2015-12-02 中国石油天然气股份有限公司 富含固态有机质的岩石纵波速度预测方法
CN105242307B (zh) * 2015-09-22 2016-08-31 中国石油大学(北京) 复杂碳酸盐储层地震孔隙度获取方法及装置
WO2017205307A1 (en) * 2016-05-25 2017-11-30 Schlumberger Technology Corporation Elastic parameter estimation
CN106443780A (zh) * 2016-08-31 2017-02-22 中国石油集团川庆钻探工程有限公司 一种页岩气地层的横波速度估算方法
CN109765612B (zh) * 2019-01-14 2020-07-21 长安大学 基于等效横纵比的有机质岩石横纵波速度确定方法及设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103713320A (zh) * 2013-12-31 2014-04-09 孙赞东 一种富有机质泥页岩岩石物理模型的建立方法

Also Published As

Publication number Publication date
CN112346130A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
Kjønsvik et al. The effects of sedimentary heterogeneities on production from a shallow marine reservoir-what really matters?
CN106814388B (zh) 砂泥岩储层地层压力的地震预测方法及装置
Fabricius et al. Elastic moduli of dry and water-saturated carbonates—Effect of depositional texture, porosity, and permeability
CN110133725B (zh) 地震岩石横波速度预测方法及装置
Chehrazi et al. Pore-facies as a tool for incorporation of small-scale dynamic information in integrated reservoir studies
US10386512B2 (en) System and method for petro-elastic modeling
Gamal et al. Predicting the rock sonic logs while drilling by random forest and decision tree-based algorithms
Feng et al. A new empirical method based on piecewise linear model to predict static Poisson's ratio via well logs
CN107688037A (zh) 一种利用核磁测井t2分布确定井下岩石粒度曲线的方法
Li et al. Shale anisotropy estimation from logs in vertical wells
Fabricius et al. Estimating permeability of carbonate rocks from porosity and vp∕ vs
CN112346130B (zh) 一种富有机质岩石横波速度预测方法、存储介质及系统
Fawad et al. Monitoring geological storage of CO2 using a new rock physics model
CN110320575B (zh) 基于岩石物理模型的页岩有机质含量确定方法及装置
Byrnes et al. Analysis of critical permeabilty, capillary pressure and electrical properties for Mesaverde tight gas sandstones from western us basins
Ouadi et al. New approach for Stress-Dependent permeability and porosity response in the Bakken formation
Gabry et al. Application of Machine Learning Model for Estimating the Geomechanical Rock Properties Using Conventional Well Logging Data
Goldfarb et al. Segmentationless digital rock physics using different effective medium theories
Nadri et al. Estimation of stress-dependent anisotropy from P-wave measurements on a spherical sample
WO2022126181A1 (en) Methods and systems for determining parameters of anisotropy
CN111751882B (zh) 生成敏感岩石物理参数的方法和装置
Jensen et al. Estimation of elastic moduli of mixed porous clay composites
Karmanskiy et al. Theoretical and experimental evaluation of formation fluid composition influence on filtration and elastic properties of porous media
CN113138412A (zh) 深层页岩气孔隙度地震预测方法及装置
Suleymanov et al. Rock physics and machine learning analysis of a high-porosity gas sand in the Gulf of Mexico

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liu Junzhou

Inventor after: Liu Zhishui

Inventor after: Bao Qianzong

Inventor after: Shi Lei

Inventor after: Wang Zhenyu

Inventor before: Liu Zhishui

Inventor before: Bao Qianzong

Inventor before: Liu Junzhou

Inventor before: Shi Lei

Inventor before: Wang Zhenyu

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221129

Address after: 100000 22 Chaoyangmen North Street, Chaoyang District, Beijing.

Applicant after: CHINA PETROLEUM & CHEMICAL Corp.

Applicant after: CHANG'AN University

Address before: No. 126, south section of Yanta Road, Yanta District, Xi'an, Shaanxi 710000

Applicant before: CHANG'AN University

GR01 Patent grant
GR01 Patent grant