CN112415596B - 一种基于测井资料的白云岩结构类型识别方法 - Google Patents

一种基于测井资料的白云岩结构类型识别方法 Download PDF

Info

Publication number
CN112415596B
CN112415596B CN202011448855.2A CN202011448855A CN112415596B CN 112415596 B CN112415596 B CN 112415596B CN 202011448855 A CN202011448855 A CN 202011448855A CN 112415596 B CN112415596 B CN 112415596B
Authority
CN
China
Prior art keywords
dolomite
area
logging
cnl
value
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
CN202011448855.2A
Other languages
English (en)
Other versions
CN112415596A (zh
Inventor
冯子辉
李强
张亚金
张婷婷
曹彦清
张湘娟
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.)
Petrochina Co Ltd
Daqing Oilfield Co Ltd
Original Assignee
Petrochina Co Ltd
Daqing Oilfield 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 Petrochina Co Ltd, Daqing Oilfield Co Ltd filed Critical Petrochina Co Ltd
Priority to CN202011448855.2A priority Critical patent/CN112415596B/zh
Publication of CN112415596A publication Critical patent/CN112415596A/zh
Application granted granted Critical
Publication of CN112415596B publication Critical patent/CN112415596B/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
    • 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
    • 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
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及地质岩石类型识别技术领域，特别涉及一种基于测井资料的白云岩结构类型识别方法。该识别方法包括：获取预设区域内多条白云岩薄片的鉴定分析，将预设区域内的的白云岩结构类型进行分类，统计预设区域内每条薄片样品对应深度的测井值，其中，测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL；将声波DT和声波CNL数据做交会图，被测非取心段的白云岩通过其测井值所属某一区域来识别其结构类型。本发明提供的基于测井资料的白云岩结构类型识别方法，能够显著提高基于测井资料识别白云岩结构类型的准确度，进而提高预测有利储层分布。

Description

一种基于测井资料的白云岩结构类型识别方法
技术领域
本发明涉及地质岩石类型识别技术领域，特别涉及一种基于测井资料的白云岩结构类型识别方法。
背景技术
白云岩是碳酸盐岩岩性中的重要储层类型，随着国内油气勘探不断向深层海相碳酸盐岩层系推进，白云岩储层已成为塔里木盆地、四川盆地、鄂尔多斯盆地等海相沉积盆地古生界的最现实勘探目的层。然而，由于受到多期复杂的构造因素及漫长的成岩过程的叠加，针对钻井地层中的白云岩的岩性准确识别方法成为开展基础地质研究的重要课题。
白云岩的分类方案较多，在实验室工作中，通常根据白云岩的晶体大小的不等，将白云岩分为泥晶云岩、细粉晶云岩、粗粉晶云岩、细晶云岩、中晶云岩、粗晶云岩等类型。另外，还可根据化学成分，将白云岩类主要分为含泥-泥质白云岩、含灰-灰质白云岩、含硅-硅质白云岩、白云岩等类型。在录井工作中，一般是使用观看岩屑的方法来识别岩性，但精确度极低，远远无法满足勘探需要。在钻井工作中，越是深部钻遇地层，其取心成本越高，并且在实际生产中，其取心收获率较低，即无法直接获得连续的地下岩性状况。尤其是在碳酸盐岩的目的储层段，多具有钻井漏失的特点，根本无法取获地下岩石。
如何依据有限的资料，进行白云岩的岩性识别工作，是稳步开展沉积地质研究和储层评价与预测的前提。
通过各种方法的效果对比研究，我们采取测井资料来判别白云岩储层的岩石类型，并结合其他资料共同验证此方法的有效性。利用测井资料识别岩性的方法有交会图法、多元判别法、聚类分析法、图版定性判别法等。目前大家所采用的多种方法对于不同化学成分的白云岩类型识别较为有效，但对更细微的不同晶体结构的白云岩无法准确识别。
以塔里木盆地寒武-奥陶系的白云岩油气储层类型为例，通常白云石晶体越粗大，越容易形成有利储层。而以往的方法形成的图版存在各种晶体混淆，不能作为实际参考。因此，找到一种白云岩结构类型识别的有效方法，是学界和勘探界广泛关注的技术问题。
发明内容
（一）要解决的技术问题
本发明提供了一种基于测井资料的白云岩结构类型识别方法，以克服现有技术中无法提供较为精确的白云岩结构识别手段，导致更细微的不同晶体结构的白云岩无法准确识别出来的缺陷。
（二）技术方案
为解决上述问题，本发明提供一种基于测井资料的白云岩结构类型识别方法，包括：获取预设区域内多条白云岩薄片的鉴定分析，将预设区域内的的白云岩结构类型进行分类，所述白云岩按照结构分为：泥晶云岩、粉晶-细晶云岩以及中-粗晶云岩；
统计预设区域内每条薄片样品对应深度的测井值，其中，测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL；
将声波DT和声波CNL数据做交会图，根据所述交会图得到所述泥晶云岩分布在第一区域，所述第一区域由声波DT的相对高值区和声波CNL的相对低值区构成；
所述粉-细晶云岩分布在第二区域，所述第二区域由声波DT的相对中等值区和CNL的相对中等值区构成，所述中-粗晶云岩分布在第三区域，所述第三区域由声波DT的低值区和中子CNL的相对高值区构成；
被测非取心段的白云岩通过其测井值所属某一区域来识别其结构类型。
用非取心段的测井数据来解释相应井段的白云岩的结构类型，以便更准确预测储层。
优选地，测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL具体包括：
计算出白云岩各个类型中关于声波DT值的平均值，得出中-粗晶云岩的平均值最小，粉-细晶云岩的平均值其次，泥晶云岩的平均值最大；
计算出白云岩各个类型中关于中子CNL值的平均值，得出泥晶云岩的平均值最小，粉-细晶云岩的平均值其次，中-粗晶云岩的平均值最大。
（三）有益效果
本发明提供的基于测井资料的白云岩结构类型识别方法，能够显著提高基于测井资料识别白云岩结构类型的准确度，进而提高预测有利储层分布。
附图说明
图1为本发明实施例中声波DT测井平均值在白云岩主要结构类型中的分布；
图2为本发明实施例中 中子CNL测井平均值在白云岩主要结构类型中的分布；
图3为本发明实施例中DT和CNL测井数据在白云岩的主要结构类型交会图；
图4为本发明实施例基于测井资料的白云岩结构类型识别方法流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明如下。
如图1-4所示，本发明提供一种基于测井资料的白云岩结构类型识别方法，包括：
步骤S1、获取预设区域内多条白云岩薄片的鉴定分析，将预设区域内的的白云岩结构类型进行分类，所述白云岩按照结构分为：泥晶云岩、粉晶-细晶云岩以及中-粗晶云岩；
步骤S2、统计预设区域内每条薄片样品对应深度的测井值，其中，测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL；
步骤S3、将声波DT和声波CNL数据做交会图，根据所述交会图得到所述泥晶云岩分布在第一区域，所述第一区域由声波DT的相对高值区和声波CNL的相对低值区构成；
粉-细晶云岩分布在第二区域，所述第二区域由声波DT的相对中等值区和CNL的相对中等值区构成，所述中-粗晶云岩分布在第三区域，所述第三区域由声波DT的低值区和中子CNL的相对高值区构成；
步骤S4、被测非取心段的白云岩通过其测井值所属某一区域来识别其结构类型。
用非取心段的测井数据来解释相应井段的白云岩的结构类型，以便更准确预测储层。
优选地，测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL具体包括：
计算出白云岩各个类型中关于声波DT值的平均值，得出中-粗晶云岩的平均值最小，粉-细晶云岩的平均值其次，泥晶云岩的平均值最大；
计算出白云岩各个类型中关于中子CNL值的平均值，得出泥晶云岩的平均值最小，粉-细晶云岩的平均值其次，中-粗晶云岩的平均值最大。
塔里木盆地东部的古城地区是勘探程度低、埋藏深、时代久、构造复杂的新区域，通过几年的研究发现，其奥陶统的碳酸盐岩储层其重要的油气勘探目的层，有利储层主要发育在白云岩中，特别是细晶白云岩和中-粗晶白云岩。
古城地区在沉积环境上，早期为滩相，易受到高频海平面变化造成的大气淡水溶蚀，而形成较好的溶蚀孔洞型储层，此孔隙系统利于后期的深部溶蚀性流体改造，从而构成区内最有利的储层类型。区内钻井揭示有利的白云岩储层普遍埋深超过6500m，钻井取心程序有限，因此如何利用测井资料识别出不同结构类型的白云岩储层成为储层预测的关键。
下面具体描述一下该基于测井资料的白云岩结构类型识别方法的具体方法：
整理出区内200余条白云岩薄片的鉴定分析，将区内的白云岩结构类型初步分类。通过整理发现，将白云岩结构类型划分为泥晶云岩、粉晶-细晶云岩和中-粗晶云岩三类。其中最常见的白云岩结构类型为粉晶-细晶云岩。
统计每个薄片样品对应深度的测井值，特别是对白云岩岩性反映敏感的测井参数，如DT、CNL、GR、U、RT、PE。
测井资料中以DT和CNL对白云岩结构类型的反映效果最明显。
对于DT值，中-粗晶云岩平均值最小，粉-细晶云岩的平均值其次，泥晶云岩的平均值最大（图1）；
对于CNL值，泥晶云岩的平均值最小，粉-细晶云岩的平均值其次，中-粗晶云岩的平均值最大（图2）。
即随着白云岩晶体的增大，从泥晶到中粗晶，DT值明显减小，CNL值明显增大。
将反应最敏感的DT和CNL数据做交会图（图3），可观察到泥晶云岩主要分布在DT的相对高值区和CNL的相对低值区，粉-细晶云岩主要分布在DT的相对中等值区和CNL的相对中等值区，而中-粗晶云岩主要分布在DT的低值区和CNL的相对高值区。
通过统计值和交会图的制作，明确泥晶云岩、粉-细晶云岩、中-粗晶云岩的DT值和CNL值的分布，据此利用非取心段的测井数据来解释相应井段的白云岩的结构类型，以便更准确预测储层。
本发明实施例提供的识别方法，通过对测井数据做预处理，结合大量薄片鉴定分析，统计各种薄片样品对应深度的测井值，对比发现，DT和CNL测井数据对白云岩结构类型的反映效果最好。制作DT和CNL的交会图版，明确泥晶云岩、粉-细晶云岩、中-粗晶云岩的分布范围。对于非取心段，即无法直接了解白云岩结构类型的储层，可以采用此方法来解释出白云岩的结构类型。此方法明显提高了全井的白云岩结构类型的分辨力，准确率大于85%。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (2)

1.一种基于测井资料的白云岩结构类型识别方法，其特征在于，包括：
获取预设区域内多条白云岩薄片的鉴定分析，将预设区域内的白云岩结构类型进行分类，所述白云岩按照结构分为：泥晶云岩、粉晶-细晶云岩以及中-粗晶云岩；
统计预设区域内每条薄片样品对应深度的测井值，其中，测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL；
将声波DT和中子CNL数据做交会图，根据所述交会图得到所述泥晶云岩分布在第一区域，所述第一区域由声波DT的相对高值区和中子CNL的相对低值区构成；
所述粉晶-细晶云岩分布在第二区域，所述第二区域由声波DT的相对中等值区和中子CNL的相对中等值区构成，所述中-粗晶云岩分布在第三区域，所述第三区域由声波DT的低值区和中子CNL的相对高值区构成；
被测非取心段的白云岩通过其测井值所属某一区域来识别其结构类型。
2.如权利要求1所述的基于测井资料的白云岩结构类型识别方法，其特征在于，
测井值包括白云岩岩性反映敏感的测井参数声波DT、中子CNL具体包括：
计算出白云岩各个类型中关于声波DT值的平均值，得出中-粗晶云岩的平均值最小，粉晶-细晶云岩的平均值其次，泥晶云岩的平均值最大；
计算出白云岩各个类型中关于中子CNL值的平均值，得出泥晶云岩的平均值最小，粉晶-细晶云岩的平均值其次，中-粗晶云岩的平均值最大。
CN202011448855.2A 2020-12-09 2020-12-09 一种基于测井资料的白云岩结构类型识别方法 Active CN112415596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011448855.2A CN112415596B (zh) 2020-12-09 2020-12-09 一种基于测井资料的白云岩结构类型识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011448855.2A CN112415596B (zh) 2020-12-09 2020-12-09 一种基于测井资料的白云岩结构类型识别方法

Publications (2)

Publication Number Publication Date
CN112415596A CN112415596A (zh) 2021-02-26
CN112415596B true CN112415596B (zh) 2022-09-06

Family

ID=74776475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011448855.2A Active CN112415596B (zh) 2020-12-09 2020-12-09 一种基于测井资料的白云岩结构类型识别方法

Country Status (1)

Country Link
CN (1) CN112415596B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115506776A (zh) * 2022-09-23 2022-12-23 成都理工大学 一种碳酸盐岩储层易溶组构鉴别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105425309A (zh) * 2015-11-17 2016-03-23 山东科技大学 确定高伽马砂岩凝灰质含量的方法
CN108594328A (zh) * 2018-04-25 2018-09-28 北京金海能达科技有限公司 一种识别致密岩甜点的方法
CN110275210A (zh) * 2018-03-14 2019-09-24 中国石油化工股份有限公司 一种碳酸盐岩高频层序格架的沉积微相相模式的识别方法
CN110426751A (zh) * 2019-08-09 2019-11-08 中国石油天然气股份有限公司 一种利用测井资料预测横波时差的方法
CN111751903A (zh) * 2019-03-29 2020-10-09 中国石油化工股份有限公司 一种碳酸盐岩气藏储层溶孔成因类型的薄片识别方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2520882A1 (fr) * 1982-02-02 1983-08-05 Schlumberger Prospection Procede pour la production d'un enregistrement caracteristique notamment du facies des formations geologiques traversees par un sondage
US7667192B2 (en) * 2007-08-16 2010-02-23 Schlumberger Technology Corporation Thermal neutron porosity from neutron slowing-down length, formation thermal neutron capture cross section, and bulk density
CN101787884B (zh) * 2010-01-28 2013-03-13 中国石油集团川庆钻探工程有限公司 声波孔隙度和中子孔隙度差值储层流体类型判别方法
CN102071929B (zh) * 2010-12-09 2013-06-05 中国石油天然气股份有限公司 一种白云岩储层地球化学图版生成方法
CN103698811B (zh) * 2013-12-24 2016-05-11 中国石油天然气股份有限公司 一种碳酸盐岩岩石结构组分测井定量识别方法及其用途
CN103867198B (zh) * 2014-04-04 2017-01-25 中国石油集团川庆钻探工程有限公司 碳酸盐岩天然气层地层密度判别法
CN104360415B (zh) * 2014-10-31 2018-05-29 中国石油化工股份有限公司 一种致密砂岩储层裂缝识别的方法
CN104678455A (zh) * 2014-12-12 2015-06-03 中国石油化工股份有限公司 一种陆相缝洞型储层识别方法
CN107795320B (zh) * 2016-09-05 2021-01-05 中国石油化工股份有限公司 一种水平井碳酸盐岩储层参数的计算方法
CN106777707B (zh) * 2016-12-21 2020-02-18 山东科技大学 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法
CN106908856B (zh) * 2017-01-19 2018-11-16 中国石油天然气股份有限公司 一种湖相薄层白云岩储层的地震预测方法
CN107402411A (zh) * 2017-08-17 2017-11-28 中国石油天然气股份有限公司 一种微生物碳酸盐岩地层藻白云岩的定量识别方法
CN109425896B (zh) * 2017-08-25 2021-04-30 中国石油天然气股份有限公司 白云岩油气储层分布预测方法及装置
CN109165375B (zh) * 2018-08-03 2020-02-14 中国石油天然气集团有限公司 基岩岩性识别和物性计算方法及装置
CN110333551B (zh) * 2019-07-26 2020-09-25 长江大学 基于井震结合的白云岩储层预测方法、系统及存储介质
CN111323844B (zh) * 2020-03-14 2023-04-21 长江大学 一种基于曲线重构的复杂砂砾岩体的岩性识别方法及系统
CN111537417B (zh) * 2020-04-17 2021-02-02 中国科学院力学研究所 一种岩样孔隙发育状况评估方法
CN111810136B (zh) * 2020-07-08 2023-03-21 中国石油大学(北京) 致密白云岩储层固态沥青的定量评价方法和装置
CN111911141B (zh) * 2020-07-24 2024-06-25 中国石油天然气集团有限公司 一种基于黏土类型的电阻削减率识别砾岩油层的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105425309A (zh) * 2015-11-17 2016-03-23 山东科技大学 确定高伽马砂岩凝灰质含量的方法
CN110275210A (zh) * 2018-03-14 2019-09-24 中国石油化工股份有限公司 一种碳酸盐岩高频层序格架的沉积微相相模式的识别方法
CN108594328A (zh) * 2018-04-25 2018-09-28 北京金海能达科技有限公司 一种识别致密岩甜点的方法
CN111751903A (zh) * 2019-03-29 2020-10-09 中国石油化工股份有限公司 一种碳酸盐岩气藏储层溶孔成因类型的薄片识别方法
CN110426751A (zh) * 2019-08-09 2019-11-08 中国石油天然气股份有限公司 一种利用测井资料预测横波时差的方法

Also Published As

Publication number Publication date
CN112415596A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN109061765B (zh) 非均质薄砂岩互层油藏的圈闭评价方法
Abdideh et al. Cluster analysis of petrophysical and geological parameters for separating the electrofacies of a gas carbonate reservoir sequence
CN109143399B (zh) 一种识别碳酸盐岩层序界面的方法
CN105572747B (zh) 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法
Kianoush et al. Application of pressure-volume (PV) fractal models in modeling formation pressure and drilling fluid determination in an oilfield of SW Iran
CN106405639A (zh) 一种叠前地震储层岩性参数的反演方法
CN109324171A (zh) 一种基于岩性统计的沉积相定量识别方法
Potekhin et al. Use of machine learning technology to model the distribution of lithotypes in the permo-carboniferous oil deposit of the usinskoye field
Ali et al. Improved prediction of thin reservoirs in complex structural regions using post-stack seismic waveform inversion: A case study in the Junggar Basin
CN112114380A (zh) 一种用于砂砾岩油藏储层的预测方法
CN112415596B (zh) 一种基于测井资料的白云岩结构类型识别方法
Xu et al. Prediction of natural fracture in shale oil reservoir based on R/S analysis and conventional logs
CN110727027B (zh) 多期次河道砂的精细刻画方法
CN104516019A (zh) 一种基于频谱形状的油气预测方法
Wibowo et al. Thinned coal distribution modeling based on integrated geological and geophysical data: Case study CBM resources in Central Palembang Sub-Basin
Okpoli et al. Integration of Well logs and seismic attribute analysis in reservoir identification on PGS field onshore Niger Delta, Nigeria
CN111708100B (zh) 深部薄层油气储层确定方法及相关装置
CN113376692B (zh) 致密砂岩气水平井压裂改造方案优化方法及装置
CN115857047A (zh) 一种地震储层综合预测方法
CN110795513B (zh) 河流相源储异位型致密油气甜点区分布的预测方法
CN110297264B (zh) 一种低渗气藏薄储层甜点地震预测方法
Li et al. Three-dimensional reservoir architecture modeling by geostatistical techniques in BD block, Jinhu depression, northern Jiangsu Basin, China
RU2201606C1 (ru) Способ типизации и корреляции нефтегазопродуктивных горных пород по скважинным спектрально-временным параметрам
CN117250658B (zh) 建立研究区的地震数据集的方法
Zhou et al. Prediction of Lithium Oilfield Brines Based on Seismic Data: A Case Study from L Area, Northeastern Sichuan 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
GR01 Patent grant
GR01 Patent grant