CN112505778B - 一种页岩生储性能非均质性的三维原位表征方法 - Google Patents
一种页岩生储性能非均质性的三维原位表征方法 Download PDFInfo
- Publication number
- CN112505778B CN112505778B CN202011393012.7A CN202011393012A CN112505778B CN 112505778 B CN112505778 B CN 112505778B CN 202011393012 A CN202011393012 A CN 202011393012A CN 112505778 B CN112505778 B CN 112505778B
- Authority
- CN
- China
- Prior art keywords
- shale
- well
- layer
- dimensional
- porosity
- 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
- 238000011065 in-situ storage Methods 0.000 title claims abstract description 109
- 238000003860 storage Methods 0.000 title claims abstract description 39
- 238000012512 characterization method Methods 0.000 title claims abstract description 22
- 238000010168 coupling process Methods 0.000 claims abstract description 95
- 230000008878 coupling Effects 0.000 claims abstract description 94
- 238000005859 coupling reaction Methods 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 230000000007 visual effect Effects 0.000 claims abstract description 33
- 238000004519 manufacturing process Methods 0.000 claims abstract description 31
- 208000035126 Facies Diseases 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 15
- 239000011435 rock Substances 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000005553 drilling Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000000556 factor analysis Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 3
- 239000003079 shale oil Substances 0.000 abstract description 17
- 230000008569 process Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 21
- 229910052799 carbon Inorganic materials 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 239000011148 porous material Substances 0.000 description 8
- 238000000611 regression analysis Methods 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 4
- XQCFHQBGMWUEMY-ZPUQHVIOSA-N Nitrovin Chemical compound C=1C=C([N+]([O-])=O)OC=1\C=C\C(=NNC(=N)N)\C=C\C1=CC=C([N+]([O-])=O)O1 XQCFHQBGMWUEMY-ZPUQHVIOSA-N 0.000 description 4
- 229910052791 calcium Inorganic materials 0.000 description 4
- 239000011575 calcium Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008436 biogenesis Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
- G01V1/345—Visualisation of seismic data or attributes, e.g. in 3D cubes
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/005—Testing the nature of borehole walls or the formation by using drilling mud or cutting data
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/30—Specific pattern of wells, e.g. optimising the spacing of wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
- E21B49/087—Well testing, e.g. testing for reservoir productivity or formation parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/20—Computer models or simulations, e.g. for reservoirs under production, drill bits
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6244—Porosity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/70—Other details related to processing
- G01V2210/74—Visualisation of seismic data
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种页岩生储性能非均质性的三维原位表征方法，包括：依靠岩‑岩‑井耦合建立生储参数测井原位解释模型，完成单井解释；利用井‑震耦合建立生储参数三维地震原位解释模型；依靠岩‑井‑震耦合建立层组空间原位格架，利用直井三维可视化对比建立页岩层小层空间分布趋势格架，利用水平井三维可视化对比建立页岩小层原位三维网格模型；在建立地震‑岩相双控参数场的基础上，利用岩‑井‑震耦合实现页岩生储性能参数的三维原位准确表征。本发明将原位技术融入到页岩测井、地震生储参数解释和页岩小层三维网格模型的建立过程中，实现对三维空间中页岩油气TOC含量和孔隙度值非均质性的准确刻画，为页岩油气勘探和开发提供可靠的技术支撑。
Description
技术领域
本发明涉及页岩油气勘探和开发领域，尤其涉及一种页岩生储性能非均质性的三维原位表征方法。
背景技术
页岩层中，生成与赋存油/气的数量多少均可用页岩层中的TOC含量高低来表示，而游离油/气的数量则可用孔隙度来表示。TOC含量和孔隙度是页岩油气重要的生储性能参数，也是页岩油/气储量计算必须的两个关键参数，决定着页岩油气赋存的数量和规模，因而成为页岩油气勘探和开发过程必须要落实的关键参数。如何准确刻画页岩油气生储性能参数在三维空间中的非均质性，是页岩油气生产必须要解决的技术难题。
页岩油气具有如下典型特点和关键技术难题：①沉积微相平面变化不大，但纵向沉积微相相变频繁，不同微相类型由于沉积环境差异将产生岩石性质的不同，而成岩历史演变也会形成孔缝结构的不同，不同的岩石性质和孔缝结构必然产生不同的岩相类型，反过来说，不同的岩相类型将呈现出不同的页岩生储性能非均质性变化特征；②储层物性差，基质渗透率低，空气渗透率多小于或等于0.2mD，孔隙度通常小于8％，岩性、物性及含气油性的非均质性极其强烈，必将带来页岩生储性能强烈的非均质性；③地质、测井、地震是表征岩石力学及地应力特征的三大资料来源，室内地质分析集中建立微尺度认识和地质体模式，测井解释分析系统表征纵向米级地质体的变化，地震解释分析全面反映横向和平面十米级地质体的变化，如何实现地质、测井、地震三者的有机耦合，以便有效表征页岩油气、致密砂岩油气和致密碳酸盐岩油气等致密油气在三维空间的原位特征，是亟待解决的关键技术难题之一；④超长水平井+多段重复压裂配套技术是开发页岩油气、致密砂岩油气和致密碳酸盐岩油气等致密油气的主体技术，直井少、水平井多是开发区面临的实际情况，如何充分融合直井和水平井各自优势，精确表征各个微相岩体小层的空间原位位置，是亟待解决的又一个关键技术难题。
页岩层中的TOC含量和孔隙度值大多来源于测井解释，或者通过地震解释得到，然后利用确定性或随机建模等算法建立TOC含量和孔隙度三维模型，实现对TOC含量和孔隙度三维分布特征的刻画。现有的TOC含量和孔隙度值测井解释模型大多直接来源于岩心数据与测井数据的拟合，缺乏开展岩心数据与测井数据间的大数据挖掘过程，在测井解释过程中，也缺乏利用岩相类型对解释参数的控制与约束，使得测井解释结果与页岩层实际的TOC含量和孔隙度值间存在较大的误差。与此同时，页岩油气开发区通常以水平井居多，直井很少，主要利用直井分层数据建立的三维地层格架常常不能真实反映水平井水平段轨迹的空间延展特征。
授权发明专利“一种依靠水平井三维可视化地层对比的构造建模方法”(申请日2015年8月18日，发明人：欧成华、徐园、李朝纯；专利号ZL201510508165.4)提供了一种依靠水平井三维可视化地层对比的构造建模方法，但该方法没有涉及依靠岩相-直井电相-地震耦合，分别建立层组空间原位格架和层组内的小层格架，也没有提出采用多重网格逼近算法，保证在残差为零的条件下，分别完成层组顶底面、小层顶底面构造分布模型。
由此可见，需要提出一种新的技术方法，以便在保证测井解释TOC含量和孔隙度值真实可靠的同时，还能实现在三维空间中对水平井轨迹空间范围TOC含量和孔隙度值非均质特征的真实再现。
发明内容
本发明的目的在于克服现有技术的不足，提供一种页岩生储性能非均质性的三维原位表征方法。
本发明的目的是通过以下技术方案来实现的：
一种页岩生储性能非均质性的三维原位表征方法，包括以下步骤：
S1：依靠岩-岩-井耦合建立生储参数测井原位解释模型，完成单井生储参数逐点解释；
S2：依靠井-震耦合建立表征页岩层TOC含量和孔隙度最优的井-震耦合解释模型；
S3：依靠岩相-直井电相-地震耦合，完成层组顶底面构造分布模型的建立，形成层组空间原位格架；
S4：利用直井三维可视化对比，构建基于直井的小层顶底面构造分布模型，形成页岩层小层空间分布趋势格架；
S5：利用水平井三维可视化对比，构建基于直井+水平井的小层顶底面构造分布模型，形成页岩小层原位三维网格模型；
S6：建立页岩层原位TOC含量和孔隙度地震属性三维模型和岩相模型，形成页岩生储性能参数三维可视化地震-岩相双控参数场；
S7：将依靠岩-井耦合完成的的TOC含量和孔隙度单井逐点数据粗化到页岩小层原位三维网格模型中，形成三维可视化建模的主输入；以岩相模型三维空间中各类岩相的TOC和孔隙度统计量为约束，TOC含量和孔隙度地震属性三维模型为变化趋势，采用序贯高斯结合协同克里金的模拟方法，将地震-岩相双控参数场与测井TOC含量和孔隙度耦合起来，实现对页岩TOC含量和孔隙度空间非均质特征的三维原位表征。
进一步的，所述S1具体包括以下子步骤：
S101：通过岩心归位将岩心测试获得的TOC和孔隙度值回归到钻井原位深度处，提取同深度处的常规测井系列曲线值，利用分类回归树算法挖掘TOC和孔隙度分别与常规测井系列间的关系，确定对TOC和孔隙度的敏感测井曲线；
S102：采用多元回归方法，建立敏感测井曲线的TOC和孔隙度计算模型，完成单井TOC和孔隙度值逐点计算；利用基于岩心描述建立的页岩岩相模式，统计每类页岩岩相的TOC和孔隙度值，提取得到每类页岩岩相的TOC和孔隙度值统计量，该统计量汇同建立TOC和孔隙度计算模型，形成了页岩生储性能参数测井解释模型；
S103：以每类页岩岩相的TOC和孔隙度值统计量为依据，在单井岩相分析结果基础上，校正并完善单井的TOC和孔隙度值逐点计算结果，完成单井TOC和孔隙度值的逐点解释。
进一步的，所述TOC和孔隙度的敏感测井曲线包括自然伽马GR测井曲线、声波时差AC测井曲线、补偿中子CNL测井曲线、补偿密度DEN测井曲线和深侧向电阻率RT测井曲线。
进一步的，所述S2具体包括以下子步骤：
S201：从建模软件中提取三维地震体属性；
S202：按照地震体属性原本的地质含义初筛可用于表达页岩层TOC含量和孔隙度的地震体属性类型，采用R型因子分析法判断筛选出来的地震体属性的独立性，剔除其中相关性强的地震体属性，获得表达页岩层TOC含量和孔隙度的优选地震体属性；
S203，利用井-震耦合，分别采用单属性线性回归法、多属性嵌套组合分析法与自反馈神经网络法，建立表征页岩层TOC含量和孔隙度最优的井-震耦合解释模型。
进一步的，所述S3包括以下子步骤：
S301：依靠勘探评价直井岩相特征、岩性指示曲线、孔隙度指示曲线或含油气性指示曲线特征建立层组顶底面以及层组内各小层界面岩相-电相耦合原位分层模式，形成钻井井点位置处层组顶底面及层组内各小层界面空间原位格架；
S302：采用合成记录方法建立时深转换关系，将勘探评价直井识别的层组顶底面原位深度信息投影到地震时间剖面上，形成页岩层主力产油层组顶底界面的井-震耦合关系；依靠该耦合关系，在地震剖面上完成页岩层主力产油层组顶底界面追踪与时间数据提取；
S303：利用建立的时深转换关系，把层组顶底界面时间数据转换为深度数据，将该深度数据作为主输入，勘探评价直井的标高数据作为硬约束条件，采用多重网格逼近算法，保证在勘探评价直井点处残差为零的条件下，完成层组顶底面构造分布模型的建立，形成页岩层层组空间原位格架。
进一步的，所述S4包括以下子步骤：
S401：根据层组内各小层界面岩相-电相耦合原位分层模式开展直井小层三维可视化对比，提取各直井位置处的小层顶底面标高数据，建立层组内的小层格架；
S402：按照位置临近原则，选取距离小层顶底面较近的层组顶底面构造分布模型作为主输入，各小层顶底面标高数据作为硬约束，采用多重网格逼近算法，在保证直井点处残差为零的条件下，构建小层顶底面构造分布模型，形成页岩层小层空间分布趋势格架。
进一步的，所述S5包括以下子步骤：
S501：根据层组内各小层界面岩相-电相耦合原位分层模式，采用水平井三维可视化对比，落实水平井轨迹与靶点小层顶底界面关系；
S502：定量刻画沿水平井轨迹的靶点小层及其临近各个小层的顶底界面位置，提取位置标高形成水平井小层顶底面标高数据，与直井位置处的小层顶底面标高数据合并成新的数据集；利用前述建立的小层顶底面构造分布模型作为趋势约束，构建新的基于直井+水平井的小层顶底面构造分布模型，最终形成页岩小层原位三维网格模型。
进一步的，其特征在于，所述S6包括以下子步骤：
S601：利用确定性赋值方法，分别将采用地震属性预测的TOC含量和孔隙度三维模型中的参数赋值到页岩小层原位三维网格模型中，建立页岩层原位TOC含量和孔隙度地震属性三维模型；
S602：按照原则优选序贯指示或截断高斯方法，以单进岩相分析结果数据为主输入建立岩相模型，形成页岩TOC含量和孔隙度三维可视化的地震-岩相双控参数场。
本发明的有益效果：通过将原位技术融入到页岩测井、地震生储参数解释，以及页岩小层三维网格模型的建立过程中，建立了页岩生储性能参数原位解释-页岩小层格架空间原位建模-页岩生储性能参数非均质性原位三维可视化刻画配套技术方法，实现了对三维空间中页岩油气TOC含量和孔隙度值非均质性的准确刻画，为页岩油气勘探和开发提供了可靠的技术支撑。
附图说明
图1是本发明的方法流程图。
图2是实施例中页岩气田采用分类回归树算法对TOC敏感的常规测井曲线筛选结果图。
图3是实施例中页岩气田采用分类回归树算法对孔隙度敏感的常规测井曲线筛选结果图。
图4是实施例中页岩气田多元回归TOC计算模型计算值与实测值关系图。
图5是实施例中页岩气田多元回归孔隙度计算模型计算值与实测值关系图。
图6是实施例中基于岩-井耦合测井解释模型完成的页岩气田某口单井的TOC与孔隙度解释成果图。
图7是实施例中页岩气田M1井井旁地震属性与测井曲线耦合柱状图。
图8是实施例中页岩气田地震体属性R型因子分析碎石图。
图9是实施例中基于多属性嵌套组合分析法的页岩气田测井TOC与Ampl+CosPhase+D2地震组合属性耦合相关图。
图10是实施例中基于多属性嵌套组合分析法的页岩气田测井TOC与BW+DomFreq地震组合属性耦合相关图。
图11是实施例中基于多属性嵌套组合分析法的页岩气田测井TOC与DomFreq+Freq地震组合属性耦合相关图。
图12是实施例中基于自反馈神经网络法的页岩气田测井TOC与部分地震组合属性耦合的TOC含量训练数据回归分析图。
图13是实施例中基于自反馈神经网络法的页岩气田测井TOC与部分地震组合属性耦合的TOC含量验证数据回归分析图。
图14是实施例中基于自反馈神经网络法的页岩气田测井TOC与部分地震组合属性耦合的TOC含量测试数据回归分析图。
图15是实施例中基于自反馈神经网络法的页岩气田测井TOC与部分地震组合属性耦合的TOC含量总数据回归分析图。
图16是实施例中基于自反馈神经网络法的页岩气田测井孔隙度与部分地震组合属性耦合的孔隙度训练数据回归分析图。
图17是实施例中基于自反馈神经网络法的页岩气田测井孔隙度与部分地震组合属性耦合的孔隙度验证数据回归分析图。
图18是实施例中基于自反馈神经网络法的页岩气田测井孔隙度与部分地震组合属性耦合的孔隙度测试数据回归分析图。
图19是实施例中基于自反馈神经网络法的页岩气田测井孔隙度与部分地震组合属性耦合的孔隙度总数据回归分析图。
图20是实施例中基于井-震耦合自反馈神经网络法利用三维地震体属性预测得到的页岩气田三维地震TOC含量解释模型图。
图21是实施例中基于井-震耦合自反馈神经网络法利用三维地震体属性预测得到的页岩气田三维地震孔隙度解释模型图。
图22是实施例中我国西部某区域页岩气主产层顶底界面地震-直井耦合识别模式图。
图23是实施例中我国西部某地震工区范围内区域页岩气主产层顶面构造分布模型图。
图24是实施例中我国西部某地震工区范围内区域页岩气主产层底面构造分布模型图。
图25是实施例中我国西部某区域页岩气主产层2小层的顶面构造分布模型图。
图26是实施例中我国西部某区域页岩气主产层3小层的顶面构造分布模型图。
图27是实施例中我国西部某区域页岩气主产层M1井轨迹与靶点2小层顶底面不匹配示意图。
图28是实施例中我国西部某区域页岩气主产层M2井轨迹与靶点2小层顶底面不匹配示意图。
图29是实施例中我国西部某区域页岩气主产层某水平井轨迹与靶点2小层顶底面关系图。
图30是实施例中定量确定的我国西部某区域页岩气主产层沿水平井M3轨迹靶点2小层顶、底界面线示意图。
图31是实施例中定量确定的我国西部某区域页岩气主产层沿水平井M4轨迹靶点2小层顶、底界面线示意图。
图32是实施例中我国西部某区域页岩气主产层1小层顶底面构造分布模型图。
图33是实施例中我国西部某区域页岩气主产层2小层顶底面构造分布模型图。
图34是实施例中我国西部某区域页岩气主产层3小层顶底面构造分布模型图。
图35是实施例中我国西部某区域页岩气主产层4小层顶底面构造分布模型图。
图36是实施例中我国西部某区域页岩气主产层构造三维网格模型图。
图37是实施例中我国西部某区域页岩气主产层页岩岩相三维模型分布图。
图38是实施例中我国西部某区域页岩气主产层页岩TOC含量三维模型分布图。
图39是实施例中我国西部某区域页岩气主产层页岩孔隙度三维模型分布图。
图40是实施例中某页岩气田地震体属性相关性分析表。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
本实施例中，如图1所示，针对页岩油气的共性特点，将原位技术融入到页岩测井、地震生储参数解释，以及页岩小层三维网格模型的建立过程中；依靠岩心、岩相与测井的岩-岩-井耦合，建立生储参数测井原位解释模型，完成单井解释；利用井-震耦合，建立生储参数三维地震原位解释模型；依靠岩相-直井电相-地震耦合建立层组空间原位格架，利用直井三维可视化对比建立页岩层小层空间分布趋势格架，利用水平井三维可视化对比建立页岩小层原位三维网格模型；在建立页岩生储性能参数三维可视化地震-岩相双控参数场的基础上，利用岩-井-震耦合，实现页岩生储性能参数的三维原位准确表征，从而实现对三维空间中页岩油气TOC含量和孔隙度值非均质性的准确刻画。
(1)依靠岩-井-震耦合的页岩生储性能参数原位解释。
S1：依靠岩心、岩相与测井耦合建立页岩生储性能参数测井原位解释模型，完成单井生储参数逐点解释；通过岩心归位，将岩心测试获得的TOC和孔隙度值回归到钻井原位深度处，提取同深度处的常规测井系列曲线值，利用分类回归树算法挖掘TOC和孔隙度分别与常规测井系列间的关系，确定对TOC和孔隙度的敏感测井曲线；采用多元回归方法，建立敏感测井曲线的TOC和孔隙度计算模型，完成单井TOC和孔隙度值逐点计算；利用基于岩心描述建立的页岩岩相模式，统计每类页岩岩相的TOC和孔隙度值，提取得到每类页岩岩相的TOC和孔隙度值统计量，该统计量汇同建立的TOC和孔隙度计算模型，形成了岩-井耦合页岩生储参数测井原位解释模型；以每类页岩岩相的TOC和孔隙度值统计量为依据，在单井岩相分析结果基础上，校正并完善单井的TOC和孔隙度值逐点计算结果，完成单井TOC和孔隙度值的逐点解释。
如图2和图3所示，给出了我国西部某页岩气田利用岩心测试TOC和孔隙度值，与岩心归位后同深度处提取得到的常规测井曲线值，利用分类回归树算法挖掘TOC和孔隙度分别与常规测井系列间的关系，确定下来的对TOC和孔隙度敏感的测井曲线包括自然伽马GR、声波时差AC、补偿中子CNL、补偿密度DEN和深侧向电阻率RT。
公式(1)和公式(2)是采用多元回归方法，分别建立的TOC和孔隙度的测井计算模型，如图4所示，TOC计算模型的实测值与模型计算值间的相关系数R2可达0.9665；如图5所示，孔隙度计算模型的实测值与模型计算值间的相关系数R2可达0.7395，较传统采用单一常规测井曲线预测TOC和孔隙度值的计算模型相比，精度更高。
TOC＝0.0331GR+0.00414AC-0.1746CNL-3.524DEN+0.000038RT+8.8606 (1)
POR＝0.5753CNL-0.1079AC+0.004039RT-0.0055GR-9.8596DEN+33.345 (2)
式中：TOC、POR——总有机碳含量、孔隙度，％；RT——深侧向电阻率，Ω·m；AC——声波时差，μs/ft；CNL——补偿中子，％；DEN——补偿密度，g/cm3；GR——自然伽马，API。
表1为我国西部某页岩气田利用基于岩心描述识别的9类页岩岩相，以及统计获得的每类页岩岩相的TOC和孔隙度值的最大、最小和平均值，统计出的TOC和孔隙度值的最大、最小和平均值汇同建立的TOC和孔隙度计算模型(公式1和2)，共同形成了岩-井耦合页岩TOC和孔隙度测井解释模型。
表1我国西部某页岩气田依靠岩心描述识别的各类岩相及其TOC和孔隙度统计量
| 岩相代码 | 岩相类型 | TOC含量(％) | 孔隙度(％) |
| a | 富碳高孔含钙泥质硅质页岩 | 3.48～11.38/5.67 | 4.91～7.29/5.93 |
| b | 富碳富孔混合页岩 | 3.62～9.19/5.48 | 5.52～11.18/8.20 |
| c | 高碳中-高孔含钙含泥硅质页岩 | 2.52～4.58/3.41 | 3.61～7.56/6.10 |
| d | 高碳中-高孔混合页岩 | 2.85～4.15/3.91 | 2.19～10.85/6.99 |
| e | 中碳中孔泥质粉砂质页岩 | 1.85～3.56/2.52 | 2.01～5.22/3.69 |
| f | 中-高碳中-高孔含钙含泥粉砂质页岩 | 1.63～4.31/2.63 | 3.81～8.04/6.19 |
| g | 中碳中-高孔混合页岩 | 1.78～5.03/2.53 | 3.27～9.04/6.65 |
| h | 低碳低孔含钙泥质粉砂质页岩 | 1.03～3.61/1.71 | 1.64～2.84/2.14 |
| i | 低碳中-低孔混合页岩 | 0～6.192.01 | 1.22～5.81/4.19 |
采用公式1和2，利用我国西部某页岩气田录取的得到的自然伽马GR、声波时差AC、补偿中子CNL、补偿密度DEN和深侧向电阻率RT，完成了该页岩气田TOC和孔隙度值的逐点计算；在此基础上，以我国西部某页岩气田识别三维9类页岩岩相，以及每类页岩岩相的TOC和孔隙度值统计量为依据，在单井岩相分析结果基础上，校正并完善每口单井的TOC和孔隙度值逐点计算结果，最终获得研究区各单井TOC和孔隙度值的逐点解释成果，如图6所示。通过本发明提出的岩-井耦合方法，解释获得的单井TOC和孔隙度值较传统的测井解释结果更贴近页岩储层原位特征，可靠性与精度也更高。
S2：依靠井-震耦合建立页岩生储参数三维地震原位解释模型；选用建模软件完成三维地震体属性提取；按照地震体属性原本的地质含义初筛可用于表达页岩层TOC含量和孔隙度的地震体属性类型，采用R型因子分析法判断筛选出来的地震体属性的独立性，剔除其中相关性强的地震体属性，获得表达页岩层TOC含量和孔隙度的优选地震体属性；利用井-震耦合，分别采用单属性线性回归法、多属性嵌套组合分析法与自反馈神经网络法，建立页岩生储参数三维地震原位解释模型。
其中，单属性线性回归法是建立测井解释TOC含量和孔隙度与地震体属性间耦合关系最为简单的方法，假定两者间线性相关，利用相关系数确定其相关性强弱，同时对数据进行显著性检验，该方法的数学原理为：
P(x,y,z)＝aAn(x,y,z)+b (1)
式中：P——测井解释TOC含量或孔隙度，是坐标x，y，z的函数；An——第n个地震属性；a、b——相关参数。
其中，多属性嵌套组合分析法是指将线性回归相关性较高的属性进行组合，以提取的一种属性作为输入，获得这些属性组合与待解释TOC含量和孔隙度间的函数关系，组合时需要考虑地震属性的地质意义与变化趋势，避免地质意义或变化趋势差别较大的属性组合，该方法的数学原理为：
P(x,y,z)＝F[An(x,y,z)] (2)
式中：F——函数关系；An——第n个地震属性，P——测井解释TOC含量或孔隙度，是坐标x，y，z的函数。
其中，多属性自反馈神经网络法采用输入层、隐含层、输出层三层网络结构实现测井解释TOC含量和孔隙度与地震体属性间的非线性耦合，从而将测井解释TOC含量或孔隙度信息通过自反馈神经网络将三维地震体属性转换为TOC含量或孔隙度；多属性自反馈神经网络法运算过程中，如果在输入层加上输入模式P，设第k层j单元输入的总和为，输出为，由k-1层的第i个神经元到k层的第j个神经元的结合权值为，各个神经元的输入与输出关系函数是f，则各个变量之间的关系的为：
该算法学习过程由正反向传播过程共同组成。正向传播时，输入模型从输入层经隐单元层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。在输出层如果得不到期望的结果，则转为反向传播，从输出层返回将误差信号沿原来的连接通路退回，通过修改各神经元的权值使得误差信号最小。
如图7，利用R型因子分析法对我国西部某页岩气田提取的13种地震属性，进行碎石图(如图8)分析，可以看出当成分数超过4时，特征值开始小于1，当成分为3时，特征值大于1，即这13种地震属性可以分为三大类(如表2)，根据计算的各因子方差累计贡献率，当提取3个因子时，累计方差贡献率可以达到95.269％，即可以反映原13种地震属性95.269％的信息。根据属性间的相关性分析(如图40)，可以得出属于一类的属性Ampl和PhaseShft、属性Freq和Q相关性极强，属于二类的属性Env和RmsAmpl也是近乎完全相关，保留常用之一即可，因此剔除属性PhaseShft、Q、Env，原有的13类单一地震体属性剩下10种(表4)。与此同时，属性Ampl还与CosPhase、D2，属性BW与DomFreq，属性CosPhase与D2，属性D1与RelAcImp，属性DomFreq与Freq仍具有较强的相关性，分析其地质意义，对比曲线变化规律后，认为可以进行属性组合，生成组合属性7种，因此，我国西部某页岩气田地震体属性通过独立性分析后优选出10种单一地震体属性，7种组合地震体属性，共计17种地震体属性(如表4)。
表2我国西部某页岩气田地震体属性及其因子分析旋转成分矩阵(归类)
| 一类 | 二类 | 三类 | |
| Ampl | 0.899 | ||
| BW | 0.881 | ||
| CosPhase | 0.986 | ||
| D1 | -0.932 | ||
| D2 | -0.840 | ||
| DomFreq | 0.886 | ||
| Env | 0.818 | ||
| Freq | 0.893 | ||
| Phase | 0.897 | ||
| PhaseShft | -0.899 | ||
| Q | 0.893 | ||
| RmsAmpl | 0.953 | ||
| RelACImp | -0.783 |
表4我国西部某页岩气田采用R型因子分析法优选出的地震体属性
| 单一属性 | 组合属性 |
| Ampl(瞬时振幅) | Ampl+CosPhase(瞬时振幅加相位余弦) |
| BW(瞬时带宽) | Ampl+D2(瞬时振幅加二阶导数) |
| CosPhase(相位余弦) | Ampl+CosPhase+D2(瞬时振幅加余弦相位加二阶导数) |
| D1(一阶导数) | BW+DomFreq(瞬时带宽加主频) |
| D2(二阶导数) | CosPhase+D2(相位余弦加二阶导数) |
| DomFreq(主频) | D1+RelAcImp(一阶导数加相对声波阻抗) |
| Freq(瞬时频率) | DomFreq+Freq(主频加瞬时频率) |
| Phase(瞬时相位) | |
| RelAcImp(相对声波阻抗) | |
| RmsAmpl(均方根振幅) |
依靠井-震耦合单属性线性回归法建立我国西部某页岩气田TOC含量和孔隙度解释模型的结果为：表5和表6分别为采用单属性线性回归法计算获得的测井TOC含量和孔隙度与优选出的10种地震属性之间的相关性与显著性检验表；结果表明TOC含量除与RelACImp和RmsAmpl相关系数稍高外，与别的地震体属性均不相关，而孔隙度几乎没有与之相关的地震体属性。
表5基于单属性线性回归法的我国西部某页岩气田测井TOC含量与地震属性耦合相关性一览表
表6基于单属性线性回归法的我国西部某页岩气田测井孔隙度与地震属性耦合相关性一览表
依靠井-震耦合多属性嵌套组合分析法建立我国西部某页岩气田TOC含量和孔隙度解释模型的结果为：组合地震体属性Ampl+CosPhase+D2、BW+DomFreq、DomFreq+Freq与测井TOC含量相关性较原单一属性明显提升，但仍不如单属性RelAcImp、RmsAmpl效果好(如图9、图10和图11所示)；7种组合地震体属性与孔隙度的耦合相关均未得到理想效果；由此可见，我国西部某页岩气田的测井TOC含量和孔隙度与地震体属性间的线性相关性均较弱，无法利用地震体属性准确预测TOC含量和孔隙度。
依靠井-震耦合多属性自反馈神经网络法建立我国西部某页岩气田TOC含量和孔隙度解释模型的结果为：采用自反馈神经网络法对TOC含量的拟合达到了相当高的程度，由图12、13、14和15可以看出，训练样本的符合相关系数R为0.91539，验证样本的符合程度为0.93465，测试样本的符合程度为0.75366，总样本的符合程度为0.90861；采用自反馈神经网络法对孔隙度的拟合也达到了理想要求，从图16、17、18和19可以得出，训练样本的符合相关系数R为0.73134，验证样本的符合程度为0.78381，测试样本的符合程度为0.76499，总样本的符合程度为0.74431。
由此可见，仅就我国西部某页岩气田而言，采用多属性自反馈神经网络法预测TOC含量和孔隙度均可达到满意的效果；图20和图21分别为基于井-震耦合自反馈神经网络法，利用三维地震体属性预测得到的我国西部某页岩气田TOC含量和孔隙度三维模型，该三维模型反映了我国西部某页岩气田TOC含量和孔隙度在三维空间中的变化趋势，显然，该模型的分辨率较低，还不能有效表征TOC含量和孔隙度的非均质性特征。
页岩层实际存在于地下地质体中，如何通过岩-井-震耦合，利用人工建立的三维网格准确再现页岩层层组顶底面及层组内各小层界面的空间原位位置，是页岩层模型能否在三维空间中准确表征地下储层原位位置处的岩石力学参数及地应力场非均质性的关键。
(2)依靠岩-井-震耦合建立页岩层原位三维网格模型。
S3：依靠岩相-直井电相-地震耦合建立层组空间原位格架。
a)依靠勘探评价直井岩相特征、岩性指示曲线、孔隙度指示曲线或含油气性指示曲线特征建立层组顶底面及层组内各小层界面的岩相-直井电相耦合分层模式与电相特征响应模式，合称岩相-电相耦合原位分层模式，形成钻井井点位置处层组顶底面及层组内各小层界面空间原位格架。
利用目标区勘探评价直井的岩心资料提取的岩相特征、岩性指示曲线(GR)和孔隙度指示曲线(AC、DEN、CNL)及含油气性指示曲线(RT、RXO)特征，建立获得的我国西部某区域五峰-龙马溪组页岩气主产层顶、底面及下属1至4小层间分界面的岩相-电相耦合分层模式。利用目标区各小层的岩性指示曲线(GR)和孔隙度指示曲线(AC、DEN、CNL)及含油气性指示曲线(RT、RXO)特征，统计得到了我国西部某区域五峰-龙马溪组页岩气主产层各小层电相特征响应模式(表7)。依靠这两类模式构成的岩相-电相耦合原位分层模式，形成了我国西部某区域五峰-龙马溪组页岩气主产层下属1至4小层间分界面原位识别与对比的标准。
表7我国西部某区域五峰-龙马溪组页岩气主产层下属4个小层电相特征响应模式
b)采用合成记录方法建立时深转换关系，将勘探评价直井识别的层组顶底面原位深度信息投影到地震时间剖面上，形成页岩层主力产油层组顶底界面的井-震耦合关系，依靠该耦合关系，在地震剖面上完成页岩层主力产油层组顶底界面追踪与时间数据提取，利用建立的时深转换关系，把层组顶底界面时间数据转换为深度数据，将该深度数据作为主输入，勘探评价直井的标高数据作为硬约束条件，采用多重网格逼近算法，保证在勘探评价直井点处残差为零的条件下，完成层组顶底面构造分布模型的建立，形成页岩层层组空间原位格架。
图22为我国西部某区域五峰-龙马溪组页岩气主产层顶底界面地震-直井耦合识别模式图。该图是在M井合成记录建立的时深转换关系的基础上，将M井识别的五峰-龙马溪组顶底面原位深度信息投影到地震时间剖面上，形成了我国西部某区域五峰-龙马溪组页岩气主产层的顶底界面井-震耦合关系，依靠该耦合关系，在地震剖面上完成了五峰-龙马溪组顶底界面的追踪(见图中标注的黑色虚线)与时间数据提取。按照上述方法，完成了三维地震工区内五峰-龙马溪组顶底界面的追踪(见图中标注的黑色虚线)与时间数据提取。然后，利用建立好的时深转换关系，把五峰-龙马溪组顶底界面时间数据转换为深度数据，将该深度数据作为主输入，勘探评价直井的五峰-龙马溪组顶底界面标高数据作为硬约束条件，采用多重网格逼近算法，保证在勘探评价直井点处残差为零的条件下，完成五峰-龙马溪组顶底面构造分布模型的建立(如图23和图24)，形成了我国西部某区域五峰-龙马溪组页岩气主产层顶底界面的空间原位格架。
S4：利用直井三维可视化对比建立页岩层小层空间分布趋势格架。
利用前面建立的层组内各小层界面岩相-电相耦合原位分层模式开展直井小层三维可视化对比，提取各直井位置处的小层顶底面标高数据，建立层组内的小层格架；按照位置临近原则，选取距离小层顶底面较近的层组顶底面构造分布模型作为主输入，各小层顶底面标高数据作为硬约束，采用多重网格逼近算法，在保证直井点处残差为零的条件下，构建小层顶底面构造分布模型，形成页岩层小层空间分布趋势格架。
图6为我国西部某区域五峰-龙马溪组页岩气主产层小层分层剖面图，该图展示了利用前面建立的层组内各小层界面岩相-电相耦合原位分层模式获取得到的我国西部某区域五峰-龙马溪组页岩气主产层下属1至4小层的直井分层结果。图25和图26分别为我国西部某区域五峰-龙马溪组页岩气主产层2-3小层顶底面构造分布模型；这两个构造模型是分别在五峰-龙马溪组顶(图23)、底(图24)面构造分布模型作为主输入，利用提取的2-3小层顶底面标高数据作为硬约束，采用多重网格逼近算法，在保证直井点处残差为零的条件下构建获得的；最终通过地震-直井耦合，获得了我国西部某区域五峰-龙马溪组页岩气主产层下属1-4小层顶、底面的空间分布趋势格架。
表8、图27和图28展示了我国西部某区域五峰-龙马溪组页岩气主产层各小层顶底面构造与水平井水平段实钻轨迹匹配程度，由实际结果来看，通过仅仅依靠地震-直井耦合，是无法实现对水平井沿轨迹各个小层空间位置的原位表征的。
表8我国西部某区域五峰-龙马溪组页岩气主产层主力小层顶底面构造与水平井水平段实钻轨迹匹配程度统计表
S5：利用水平井三维可视化对比建立页岩小层原位三维网格模型。
利用前面建立的层组内各小层界面岩相-电相耦合原位分层模式，采用水平井三维可视化对比，落实水平井轨迹与靶点小层顶底界面关系，定量刻画沿水平井轨迹的靶点小层及其临近各个小层的顶底界面位置，提取位置标高形成水平井小层顶底面标高数据，与直井位置处的小层顶底面标高数据合并成新的数据集，同时利用前述建立的小层顶底面构造分布模型作为趋势约束，构建新的基于直井+水平井的小层顶底面构造分布模型，最终形成页岩小层原位三维网格模型。
采用“一种依靠水平井三维可视化地层对比的构造建模方法”中涉及的水平井三维可视化小层对比技术，利用上述建立的层组内各小层界面岩相-电相耦合原位分层模式，落实水平井轨迹与靶点2小层顶底界面关系，提取水平段穿层点上下层界面标高数据；同时在垂直剖分剖面上，利用前面建立的层组内各小层界面岩相-电相耦合原位分层模式，绘制沿水平井轨迹的靶点小层顶、底界面线，定量刻画沿水平井轨迹的靶点小层及其临近各个小层的顶底界面位置；最后将靶点小层顶、底界面线标高数据，水平段穿层点上下层界面标高数据，以及直井位置处的小层顶底面标高数据三者合并形成新的各小层标高数据集。
图29是采用“一种依靠水平井三维可视化地层对比的构造建模方法”中涉及的水平井三维可视化小层对比技术，落实的我国西部某页岩油页岩层主力产油层组芦二段某水平井轨迹与靶点2小层顶底面关系。
图30和图31是在沿水平井轨迹的垂直剖分剖面上，依靠前述建立的我国西部某区域五峰-龙马溪组页岩气主产层下属靶点2小层的电相特征响应模式(表7)，绘制的沿水平井轨迹的靶点小层顶、底界面线。
通过上述步骤，定量刻画了沿水平井轨迹的靶点小层及其临近各个小层的顶底界面位置，最后将靶点小层顶、底界面线标高数据，水平段穿层点上下层界面标高数据，以及直井位置处的小层顶底面标高数据三者合并，形成了新的我国西部某区域五峰-龙马溪组页岩气主产层下属各小层的标高数据集。
将a)和b)建立得到的各个小层的顶面构造分布模型作为主输入，对应小层的顶面标高数据集作为硬约束，采用多重网格逼近算法，在保证标高数据集各个数据点处残差为零的条件下，构建各个小层顶底面的构造分布模型(图32、33、34和35)，结合三维断层建模结果，最终完成页岩层主力层组三维网格模型(图36)的建立，实现用三维网格模型对致密油气储层直井与水平井钻遇各个小层空间位置分布的原位表征。
(3)依靠岩-井-震耦合实现页岩生储性能参数三维原位可视化表征。
S6：建立页岩生储性能参数三维可视化地震-岩相双控参数场。
利用确定性赋值方法，分别将采用地震属性预测的TOC含量和孔隙度三维模型中的参数值赋值到利用依靠井-震耦合建立的页岩层原位三维网格模型中，建立起页岩层原位TOC含量和孔隙度地震属性三维模型；按照与测井解释岩相统计量最接近的原则优选序贯指示或截断高斯方法，以单井岩相分析结果数据为主输入建立三维岩相模型；形成页岩TOC含量和孔隙度三维可视化的地震-岩相双控参数场。
图20和图21给出了基于井-震耦合自反馈神经网络法，利用三维地震体属性预测得到TOC含量和孔隙度，并将预测得到的TOC含量和孔隙度参数值赋值到依靠井-震耦合建立的页岩层原位三维网格模型中，建立起了我国西部某区域五峰-龙马溪组页岩气主产层原位TOC含量和孔隙度地震属性三维网格模型。
图37给出了以我国西部某区域五峰-龙马溪组页岩气主产层单井岩相分析结果数据为主输入，利用序贯指示方法建立的三维岩相模型。
图20、21和图37所示结果形成了我国西部某区域五峰-龙马溪组页岩气主产层页岩TOC含量和孔隙度三维可视化的地震-岩相双控参数场。
S7：利用岩-井-震耦合实现页岩生储性能参数的三维原位可视化表征。
将依靠岩-井耦合完成的TOC含量和孔隙度单井逐点数据粗化到依靠井-震耦合建立的页岩小层原位三维网格模型中，形成三维可视化建模的主输入；以岩相模型三维空间中各类岩相的TOC和孔隙度统计量为约束，TOC含量和孔隙度地震属性三维网格模型为变化趋势，采用序贯高斯结合协同克里金的模拟方法，将地震-岩相双控参数场与测井TOC含量和孔隙度耦合起来，实现依靠岩-井-震耦合对页岩TOC含量和孔隙度空间非均质特征的三维原位表征。
将我国西部某区域五峰-龙马溪组页岩气主产层TOC含量单井逐点数据粗化到依靠井-震耦合建立的页岩层原位三维网格模型中，形成了三维可视化建模的主输入。以我国西部某区域五峰-龙马溪组页岩气主产层岩相模型三维空间中各类岩相的TOC统计量为约束，TOC含量地震属性三维网格模型为变化趋势，采用序贯高斯结合协同克里金的模拟方法，将地震-岩相双控参数场与测井TOC含量耦合起来，建立了我国西部某区域五峰-龙马溪组页岩气主产层TOC含量三维模型(图38)，实现了依靠岩-井-震耦合对页岩TOC含量空间非均质特征的三维原位表征。
将我国西部某区域五峰-龙马溪组页岩气主产层孔隙度单井逐点数据粗化到依靠井-震耦合建立的页岩层原位三维网格模型中，形成了三维可视化建模的主输入。以我国西部某区域五峰-龙马溪组页岩气主产层岩相模型三维空间中各类岩相的孔隙度统计量为约束，孔隙度地震属性三维网格模型为变化趋势，采用序贯高斯结合协同克里金的模拟方法，将地震-岩相双控参数场与测井孔隙度耦合起来，建立了我国西部某区域五峰-龙马溪组页岩气主产层孔隙度三维模型(图39)，实现了依靠岩-井-震耦合对页岩孔隙度空间非均质特征的三维原位表征。
本发明通过将原位技术融入到页岩测井、地震生储参数解释，以及页岩小层三维网格模型的建立过程中，建立了页岩生储性能参数原位解释-页岩小层格架空间原位建模-页岩生储性能参数非均质性原位三维可视化刻画配套技术方法，实现了对三维空间中页岩油气TOC含量和孔隙度值非均质性的准确刻画，为页岩油气勘探和开发提供了可靠的技术支撑。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种页岩生储性能非均质性的三维原位表征方法，其特征在于，包括以下步骤：
S1：依靠岩-岩-井耦合建立生储参数测井原位解释模型，完成单井生储参数逐点解释；
S2：依靠井-震耦合建立表征页岩层TOC含量和孔隙度最优的井-震耦合解释模型；
S3：依靠岩相-直井电相-地震耦合，完成层组顶底面构造分布模型的建立，形成层组空间原位格架；
S4：利用直井三维可视化对比，构建基于直井的小层顶底面构造分布模型，形成页岩层小层空间分布趋势格架；
S5：利用水平井三维可视化对比，构建基于直井+水平井的小层顶底面构造分布模型，形成页岩小层原位三维网格模型；
S6：建立页岩层原位TOC含量和孔隙度地震属性三维模型和岩相模型，形成页岩生储性能参数三维可视化地震-岩相双控参数场；
S7：将依靠岩-岩-井耦合完成的TOC含量和孔隙度单井逐点数据粗化到页岩小层原位三维网格模型中，形成三维可视化建模的主输入；以岩相模型三维空间中各类岩相的TOC和孔隙度统计量为约束，TOC含量和孔隙度地震属性三维模型为变化趋势，采用序贯高斯结合协同克里金的模拟方法，将地震-岩相双控参数场与测井TOC含量和孔隙度耦合起来，实现对页岩TOC含量和孔隙度空间非均质特征的三维原位表征。
2.根据权利要求1所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述S1具体包括以下子步骤：
S101：通过岩心归位将岩心测试获得的TOC和孔隙度值回归到钻井原位深度处，提取同深度处的常规测井系列曲线值，利用分类回归树算法挖掘TOC和孔隙度分别与常规测井系列间的关系，确定对TOC和孔隙度的敏感测井曲线；
S102：采用多元回归方法，建立敏感测井曲线的TOC和孔隙度计算模型，完成单井TOC和孔隙度值逐点计算；利用基于岩心描述建立的页岩岩相模式，统计每类页岩岩相的TOC和孔隙度值，提取得到每类页岩岩相的TOC和孔隙度值统计量，该统计量汇同建立TOC和孔隙度计算模型，形成了页岩生储性能参数测井解释模型；
S103：以每类页岩岩相的TOC和孔隙度值统计量为依据，在单井岩相分析结果基础上，校正并完善单井的TOC和孔隙度值逐点计算结果，完成单井TOC和孔隙度值的逐点解释。
3.根据权利要求2所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述TOC和孔隙度的敏感测井曲线包括自然伽马GR测井曲线、声波时差AC测井曲线、补偿中子CNL测井曲线、补偿密度DEN测井曲线和深侧向电阻率RT测井曲线。
4.根据权利要求1所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述S2具体包括以下子步骤：
S201：从建模软件中提取三维地震体属性；
S202：按照地震体属性原本的地质含义初筛可用于表达页岩层TOC含量和孔隙度的地震体属性类型，采用R型因子分析法判断筛选出来的地震体属性的独立性，剔除其中相关性强的地震体属性，获得表达页岩层TOC含量和孔隙度的优选地震体属性；
S203，利用井-震耦合，分别采用单属性线性回归法、多属性嵌套组合分析法与自反馈神经网络法，建立表征页岩层TOC含量和孔隙度最优的井-震耦合解释模型。
5.根据权利要求1所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述S3包括以下子步骤：
S301：依靠勘探评价直井岩相特征、岩性指示曲线、孔隙度指示曲线或含油气性指示曲线特征建立层组顶底面以及层组内各小层界面岩相-电相耦合原位分层模式，形成钻井井点位置处层组顶底面及层组内各小层界面空间原位格架；
S302：采用合成记录方法建立时深转换关系，将勘探评价直井识别的层组顶底面原位深度信息投影到地震时间剖面上，形成页岩层主力产油层组顶底界面的井-震耦合关系；依靠该耦合关系，在地震剖面上完成页岩层主力产油层组顶底界面追踪与时间数据提取；
S303：利用建立的时深转换关系，把层组顶底界面时间数据转换为深度数据，将该深度数据作为主输入，勘探评价直井的标高数据作为硬约束条件，采用多重网格逼近算法，保证在勘探评价直井点处残差为零的条件下，完成层组顶底面构造分布模型的建立，形成页岩层层组空间原位格架。
6.根据权利要求1所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述S4包括以下子步骤：
S401：根据层组内各小层界面岩相-电相耦合原位分层模式开展直井小层三维可视化对比，提取各直井位置处的小层顶底面标高数据，建立层组内的小层格架；
S402：按照位置临近原则，选取距离小层顶底面较近的层组顶底面构造分布模型作为主输入，各小层顶底面标高数据作为硬约束，采用多重网格逼近算法，在保证直井点处残差为零的条件下，构建小层顶底面构造分布模型，形成页岩层小层空间分布趋势格架。
7.根据权利要求1所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述S5包括以下子步骤：
S501：根据层组内各小层界面岩相-电相耦合原位分层模式，采用水平井三维可视化对比，落实水平井轨迹与靶点小层顶底界面关系；
S502：定量刻画沿水平井轨迹的靶点小层及其临近各个小层的顶底界面位置，提取位置标高形成水平井小层顶底面标高数据，与直井位置处的小层顶底面标高数据合并成新的数据集；利用前述建立的小层顶底面构造分布模型作为趋势约束，构建新的基于直井+水平井的小层顶底面构造分布模型，最终形成页岩小层原位三维网格模型。
8.根据权利要求1所述的一种页岩生储性能非均质性的三维原位表征方法，其特征在于，所述S6包括以下子步骤：
S601：利用确定性赋值方法，分别将采用地震属性预测的TOC含量和孔隙度三维模型中的参数赋值到页岩小层原位三维网格模型中，建立页岩层原位TOC含量和孔隙度地震属性三维模型；
S602：按照原则优选序贯指示或截断高斯方法，以单进岩相分析结果数据为主输入建立岩相模型，形成页岩TOC含量和孔隙度三维可视化的地震-岩相双控参数场。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011393012.7A CN112505778B (zh) | 2020-12-01 | 2020-12-01 | 一种页岩生储性能非均质性的三维原位表征方法 |
| US17/489,496 US11834947B2 (en) | 2020-12-01 | 2021-09-29 | 3D in-situ characterization method for heterogeneity in generating and reserving performances of shale |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011393012.7A CN112505778B (zh) | 2020-12-01 | 2020-12-01 | 一种页岩生储性能非均质性的三维原位表征方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112505778A CN112505778A (zh) | 2021-03-16 |
| CN112505778B true CN112505778B (zh) | 2022-03-11 |
Family
ID=74969292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011393012.7A Active CN112505778B (zh) | 2020-12-01 | 2020-12-01 | 一种页岩生储性能非均质性的三维原位表征方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11834947B2 (zh) |
| CN (1) | CN112505778B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742962B (zh) * | 2021-08-17 | 2022-08-12 | 中国石油化工股份有限公司 | 一种基于水平井的页岩储层属性三维建模方法 |
| CN114114414A (zh) * | 2021-11-18 | 2022-03-01 | 电子科技大学长三角研究院(湖州) | 一种页岩储层“甜点”信息人工智能预测方法 |
| CN115045646B (zh) * | 2022-06-07 | 2023-06-06 | 中国地质调查局油气资源调查中心 | 一种页岩气井位优选方法 |
| CN115421181B (zh) * | 2022-07-27 | 2023-10-20 | 北京超维创想信息技术有限公司 | 一种基于深度学习的三维地质模型相控属性建模方法 |
| US11940398B2 (en) * | 2022-08-19 | 2024-03-26 | Saudi Arabian Oil Company | Method to determine relative thermal maturity from porosities measured by quantitative imaging on uncleaned samples and GRI porosity measured on crushed cleaned samples |
| CN115857047B (zh) * | 2022-09-28 | 2023-07-21 | 北京中恒利华石油技术研究所 | 一种地震储层综合预测方法 |
| CN115469361B (zh) * | 2022-09-28 | 2023-05-09 | 北京中恒利华石油技术研究所 | 一种碎屑岩地层三维地质建模方法 |
| CN116774279B (zh) * | 2023-06-14 | 2024-04-16 | 西南石油大学 | 基于气水平衡岩性组合单元的页岩含水饱和度预测方法 |
| CN116626779B (zh) * | 2023-07-21 | 2023-11-10 | 中海石油(中国)有限公司深圳分公司 | 一种潜山地层孔隙度计算方法及系统 |
| CN116757004B (zh) * | 2023-08-21 | 2023-10-20 | 长江空间信息技术工程有限公司(武汉) | 基于数字孪生技术的efdc三维水质数据多模式推演方法 |
| CN116976705B (zh) * | 2023-09-19 | 2023-12-22 | 中国科学院地质与地球物理研究所 | 深地油气精准导航砂泥岩地层物性评价方法与系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104977618A (zh) * | 2014-04-09 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN105064990A (zh) * | 2015-08-18 | 2015-11-18 | 西南石油大学 | 一种依靠水平井三维可视化地层对比的构造建模方法 |
| CN105651966A (zh) * | 2016-01-18 | 2016-06-08 | 山东科技大学 | 一种页岩油气优质储层评价方法及参数确定方法 |
| CN105719339A (zh) * | 2016-01-15 | 2016-06-29 | 西南石油大学 | 一种页岩气储层页理缝三维建模方法 |
| CN107120110A (zh) * | 2017-03-01 | 2017-09-01 | 中石化江汉石油工程有限公司 | 页岩气储层岩屑与岩心量化描述方法 |
| CN110704888A (zh) * | 2019-07-04 | 2020-01-17 | 成都理工大学 | 一种非常规油气藏加密井体积压裂施工参数优化设计方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080157584A1 (en) * | 2006-12-29 | 2008-07-03 | Kieschnick John A | System and method for identifying productive gas shale formations |
| US8729903B2 (en) * | 2009-11-09 | 2014-05-20 | Exxonmobil Upstream Research Company | Method for remote identification and characterization of hydrocarbon source rocks using seismic and electromagnetic geophysical data |
| CN107462508B (zh) * | 2017-08-16 | 2018-10-02 | 西南石油大学 | 一种多场耦合渗流多功能实验装置及测试方法 |
| CN111441758B (zh) * | 2018-12-29 | 2021-03-30 | 中国石油天然气股份有限公司 | 页岩油气甜点区的预测方法及装置 |
-
2020
- 2020-12-01 CN CN202011393012.7A patent/CN112505778B/zh active Active
-
2021
- 2021-09-29 US US17/489,496 patent/US11834947B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104977618A (zh) * | 2014-04-09 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 一种评价页岩气储层及寻找甜点区的方法 |
| CN105064990A (zh) * | 2015-08-18 | 2015-11-18 | 西南石油大学 | 一种依靠水平井三维可视化地层对比的构造建模方法 |
| CN105719339A (zh) * | 2016-01-15 | 2016-06-29 | 西南石油大学 | 一种页岩气储层页理缝三维建模方法 |
| CN105651966A (zh) * | 2016-01-18 | 2016-06-08 | 山东科技大学 | 一种页岩油气优质储层评价方法及参数确定方法 |
| CN107120110A (zh) * | 2017-03-01 | 2017-09-01 | 中石化江汉石油工程有限公司 | 页岩气储层岩屑与岩心量化描述方法 |
| CN110704888A (zh) * | 2019-07-04 | 2020-01-17 | 成都理工大学 | 一种非常规油气藏加密井体积压裂施工参数优化设计方法 |
Non-Patent Citations (4)
| Title |
|---|
| Geometric Analysis and Kinematic Simulation of Oblique-Thrust Fault-Related-Fold of Buzurgan Anticline in Zagros Basin;Ou Chenghua;《Earth Science - Journal of China University of Geosciences》;20160331;第41卷(第3期);385-93 * |
| Lithofacies of transgressive-regressive sequence on a carbonate ramp in Vindhyan basin (Proterozoic): a case of tidal-flat origin from central India;Adnan, Ali 等;《ARABIAN JOURNAL OF GEOSCIENCES》;20150930;第8卷(第9期);6985-7001 * |
| 四川盆地及周缘下古生界五峰组-龙马溪组页岩岩相分类;冉波 等;《地学前缘》;20160331;第23卷(第2期);第96-107页 * |
| 页岩岩相表征及页理缝三维离散网络模型;欧成华，李朝纯;《石油勘探与开发》;20170430;第44卷(第2期);第309-318页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112505778A (zh) | 2021-03-16 |
| US20220170366A1 (en) | 2022-06-02 |
| US11834947B2 (en) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112505778B (zh) | 一种页岩生储性能非均质性的三维原位表征方法 | |
| US7400978B2 (en) | Method for updating a geologic model by seismic data | |
| US7373251B2 (en) | Method for predicting quantitative values of a rock or fluid property in a reservoir using seismic data | |
| US5838634A (en) | Method of generating 3-D geologic models incorporating geologic and geophysical constraints | |
| US4646240A (en) | Method and apparatus for determining geological facies | |
| AU2009260453B2 (en) | Heterogeneous earth models for a reservoir field | |
| US6928367B2 (en) | Reservoir fracture characterization | |
| EP4028800A1 (en) | An integrated geomechanics model for predicting hydrocarbon and migration pathways | |
| US20220237891A1 (en) | Method and system for image-based reservoir property estimation using machine learning | |
| Maleki et al. | Quantitative integration of 3D and 4D seismic impedance into reservoir simulation model updating in the Norne Field | |
| WO2022159698A1 (en) | Method and system for image-based reservoir property estimation using machine learning | |
| CN110646850B (zh) | 隔夹层地震预测方法及装置 | |
| US11668855B2 (en) | Method and system for sedimentary pathway prediction using geological and seismic data | |
| Mehdipour et al. | The Best Scenario for Geostatistical Modeling of Porosity in the Sarvak Reservoir in an Iranian Oil Field, Using Electrofacies, Seismic Facies, and Seismic Attributes | |
| CN112505777B (zh) | 一种致密岩体地应力三维可视化表征方法 | |
| US11719851B2 (en) | Method and system for predicting formation top depths | |
| Esmaeilpour et al. | Permeability and Water Saturation Characterization and Prediction in Wellington Oil Field Using Core Analysis and Seismic Inversion | |
| CN113514884A (zh) | 一种致密砂岩储层预测方法 | |
| CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
| Sokhal et al. | Dynamic rock type characterization using artificial neural networks in Hamra quartzites reservoir: A multidisciplinary approach | |
| Masoud et al. | Reservoir Characterization and Geostatistical Model of the Cretaceous and Cambrian-Ordovician Reservoir Intervals, Meghil Field, Sirte Basin, Libya | |
| Li | Geostatistical shale models for a deltaic reservoir analog: from 3D GPR data to 3D flow modeling | |
| Nash | Identifying Sweet Spots in Shale Reservoirs | |
| Adelman | Building Static Geological Models in the Presence of Missing Values and Sparse Data | |
| CN115032691A (zh) | 一种针对钻井土层中薄互层砂地比概率化地质分析方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |