CN112709568B - 白云岩地层藻白云岩的识别方法及装置 - Google Patents
白云岩地层藻白云岩的识别方法及装置 Download PDFInfo
- Publication number
- CN112709568B CN112709568B CN202011420873.XA CN202011420873A CN112709568B CN 112709568 B CN112709568 B CN 112709568B CN 202011420873 A CN202011420873 A CN 202011420873A CN 112709568 B CN112709568 B CN 112709568B
- Authority
- CN
- China
- Prior art keywords
- dolomite
- algae
- identification
- identifying
- normalized
- 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
- 229910000514 dolomite Inorganic materials 0.000 title claims abstract description 205
- 239000010459 dolomite Substances 0.000 title claims abstract description 205
- 241000195493 Cryptophyta Species 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 46
- 238000010606 normalization Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 17
- 239000011435 rock Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010053567 Coagulopathies Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000035602 clotting Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种白云岩地层藻白云岩的识别方法和装置，该方法包括：获取目标地层的测井数据和藻白云岩的岩心资料；对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别，其中，通过采用自然伽玛、深侧向电阻率、声波时差构建识别参数，能被放大差异，而且是指数级别放大，充分突出藻白云岩的特点，在分辨藻白云岩上更加清晰，识别参数GFL的变化特征也更加明显，达到了快速识别藻白云岩的目的。
Description
技术领域
本发明涉及石油地质勘探和测井解释技术领域，尤其涉及一种白云岩地层藻白云岩的识别方法和装置。
背景技术
利用测井资料识别藻白云岩一直是一个世界难题，藻白云岩是微生物碳酸盐岩的一种，因白云岩地层受沉积作用，还有成岩作用(白云化、溶蚀、裂缝发育等)改造，加上微生物的作用，使得测井特征非常复杂，难以利用测井识别不同类型微生物岩，尤其是准确识别藻白云岩。
利用神经网络、聚类分析、判别分析等识别技术主要是针对岩石矿物组分层面的较粗的岩性分类(刘为付，模糊数学识别深层潜山碳酸盐岩岩性[J]，新疆石油学报，2003，15(3)：35-39)，或者针对对于岩石结构组分分类的岩性识别(刘宏，谭秀成，周彦等，基于灰色关联的复杂碳酸盐岩测井岩相识别[J]，大庆石油地质与开发，2008，27(1)：122-125)，但是对于藻白云岩岩性，以四川震但灯影组为例，由于颗粒类叠层和纹层构造并不清晰，电成像却无法识别，不能快速识别藻白云岩。
发明内容
针对现有技术中的问题，本发明提供一种白云岩地层藻白云岩的识别方法和装置、电子设备以及计算机可读存储介质，能够至少部分地解决现有技术中存在的问题。
为了实现上述目的，本发明采用如下技术方案：
第一方面，提供一种白云岩地层藻白云岩的识别方法，包括：
获取目标地层的测井数据和藻白云岩的岩心资料；
对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；
根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；
基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别。
进一步地，所述根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数，采用公式：
其中，GFL表示识别参数，GRa表示归一化后的自然伽玛，RDa表示归一化后的深侧向电阻率，DTa表示归一化后的声波时差。
进一步地，所述基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别，包括：
基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值；
根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别。
进一步地，所述基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值，包括：
将所述岩心资料与所述识别参数进行同深度的对比以确定藻白云岩的识别截止值。
进一步地，所述根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别，包括：
判断所述识别参数是否大于所述藻白云岩的识别截止值；
若是，则所述识别参数对应的地层深度处的岩性并非藻白云岩；
若否，则所述识别参数对应的地层深度处的岩性为藻白云岩。
第二方面，提供一种白云岩地层藻白云岩的识别装置，包括：
数据资料获取模块，获取目标地层的测井数据和藻白云岩的岩心资料；
归一化模块，对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；
识别参数构建模块，根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；
岩性识别模块，基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别。
进一步地，所述岩性识别模块包括：
识别截止值确定单元，基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值；
岩性识别单元，根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别。
进一步地，所述识别截止值确定单元包括：
同深度对比子单元，将所述岩心资料与所述识别参数进行同深度的对比以确定藻白云岩的识别截止值。
进一步地，所述岩性识别单元包括：
判断子单元，判断所述识别参数是否大于所述藻白云岩的识别截止值；
第一识别子单元，若识别参数大于所述藻白云岩的识别截止值，则所述识别参数对应的地层深度处的岩性并非藻白云岩；
第二识别子单元，若识别参数不大于所述藻白云岩的识别截止值，则所述识别参数对应的地层深度处的岩性为藻白云岩。
第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的白云岩地层藻白云岩的识别方法的步骤。
第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的白云岩地层藻白云岩的识别方法的步骤。
本发明提供的白云岩地层藻白云岩的识别方法和装置，该方法包括：获取目标地层的测井数据和藻白云岩的岩心资料；对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别，其中，通过采用自然伽玛、深侧向电阻率、声波时差构建识别参数，能被放大差异，而且是指数级别放大，充分突出藻白云岩的特点，在分辨藻白云岩上更加清晰，识别参数GFL的变化特征也更加明显，达到了快速识别藻白云岩的目的。
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申请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，下面描述中的附图是本申请的一些实施例，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。在附图中：
图1为本发明实施例中的服务器S1与客户端设备B1之间的架构示意图；
图2是本发明实施例中的白云岩地层藻白云岩的识别方法的流程示意图；
图3示出了本发明实施例中步骤S400的具体步骤；
图4示出了本发明实施例中步骤S420的具体步骤；
图5为磨溪51井岩心薄片鉴定藻白云岩于识别参数GFL的比对标定图；
图6为磨溪105井藻白云岩测井识别验证图。
图7是本发明实施例中的白云岩地层藻白云岩的识别装置的结构框图；
图8为本发明实施例电子设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
现有技术对于藻白云岩岩性，以四川震但灯影组为例，由于颗粒类叠层和纹层构造并不清晰，电成像却无法识别，不能快速识别藻白云岩，对地层的地质情况具有应用局限；公式和参数的构建比较繁琐，容易产生过程误差。
为至少部分解决上述技术问题，本发明提供一种白云岩地层藻白云岩的识别方法和装置，通过采用自然伽玛、深侧向电阻率、声波时差构建识别参数，能被放大差异，而且是指数级别放大，充分突出藻白云岩的特点，在分辨藻白云岩上更加清晰，识别参数GFL的变化特征也更加明显，达到了快速识别藻白云岩的目的。
有鉴于此，本申请提供了一种白云岩地层藻白云岩的识别装置，该装置可以为一种服务器S1，参见图1，该服务器S1可以与至少一个客户端设备B1通信连接，所述客户端设备B1可以将目标地层的测井数据和藻白云岩的岩心资料发送至所述服务器S1，所述服务器S1可以在线接收所述目标地层的测井数据和藻白云岩的岩心资料。所述服务器S1可以在线或者离线对获取的目标地层的测井数据和藻白云岩的岩心资料进行预处理，对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别。而后，所述服务器S1可以将识别结果在线发送至所述客户端设备B1。所述客户端设备B1可以在线接收所述识别结果。
基于上述内容，所述客户端设备B1可以具有显示界面，使得用户能够根据界面查看所述服务器S1发送的所述识别结果。
可以理解的是，所述客户端设备B1可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，进行白云岩地层藻白云岩识别的部分可以在如上述内容所述的服务器S1侧执行，即，如图1所示的架构，也可以所有的操作都在所述客户端设备B1中完成，且该所述客户端设备B1可以直接与数据库服务器S2进行通信连接。具体可以根据所述客户端设备B1的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备B1中完成，所述客户端设备B1还可以包括处理器，用于进行白云岩地层藻白云岩识别的具体处理。
所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol，远程过程调用协议)、REST协议(Representational State Transfer，表述性状态转移协议)等。
值得说明的是，申请人通过大量研究调查发现，藻白云岩岩相(包括所有类型的藻白云岩岩性、藻叠层云岩、藻凝块云岩、藻纹层云岩、藻砂屑云岩等)具有孔隙性，含有有机质的特点，其测井特征通常具有高声波时差、低自然伽马、低电阻率的特点。为了把上述测井规律通过参数的形式反应出来，本发明提供的技术方案根据自然伽玛、的深侧向电阻率、声波时差构建了识别参数GFL，获得的识别参数GFL就会被放大差异，而且是指数级别放大，能够充分突出藻白云岩的特点，在分辨藻白云岩上更加清晰，识别参数GFL的变化特征也更加明显，达到了快速识别藻白云岩的目的。
图2是本发明实施例中的白云岩地层藻白云岩的识别方法的流程示意图；如图2所示，该白云岩地层藻白云岩的识别方法可以包括以下内容：
步骤S100：获取目标地层的测井数据和藻白云岩的岩心资料；
其中，测井数据可以包括：测井数据包括声波时差DT、密度DEN、中子孔隙度CNL、自然伽玛GR和深侧向电阻率RD等。测井数据可以采用现有技术设备来获取，例如CLS-3700测井仪、CLS-5700测井仪等。
另外，岩心资料包括岩心的薄片鉴定结果和/或岩心的直接观察描述结果。其中，所述岩心的薄片鉴定结果可以将岩心磨成薄片在显微镜下观察鉴定得到。
步骤S200：对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；
具体地，按照如下公式对所述测井数据进行归一化处理，以获得处理后的测井数据：
式1中，X表示归一化处理前的测井数据，Xa表示归一化处理后的测井数据，Xmin表示归一化处理前测井数据中的最小值；Xmax表示归一化处理前测井数据中的最大值。
由于不同的测井数据具有不同的量纲，对所述测井数据进行归一化处理能够同一刻度，使数据落在0-1的范围内。
步骤S300：根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；
具体地，测井特征值大的声波除以测井特征值小的自然伽马测井获得一个高值参数，并作为电阻率测井参数的指数。
步骤S400：基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别。
其中，对其他非取心井目标地层的藻白云岩进行识别。
通过采用上述技术方案，可以针对微生物岩岩石，即藻白云岩进行识别，且没有任何地质情况及应用的限制(即使是水层也可以应用)，此外，本发明提供的技术方案直接利用测井数据构建识别参数，简单方便，不会产生过程误差。
在一个可选的实施例中，述根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数，采用如下公式：
其中，GFL表示识别参数，GRa表示归一化后的自然伽玛，RDa表示归一化后的深侧向电阻率，DTa表示归一化后的声波时差。
值得说明的是，测井数据即为测井曲线，所述测井曲线包括声波时差DT、自然伽玛GR和深侧向电阻率RD，而识别参数GFL是基于测井数据构建得到的，因此识别参数GFL也是曲线形式的。
通过采用以上技术方案，获得的识别参数GFL被放大差异，而且是指数级别放大，能够充分突出藻白云岩的特点，在分辨藻白云岩上更加清晰，识别参数GFL的变化特征也更加明显，达到了快速识别藻白云岩的目的，能够满足生产需求。
在一个可选的实施例中，参见图3，该步骤S400可以包括以下内容：
步骤S410：基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值；
具体地，可将所述岩心资料与所述识别参数进行同深度的对比以确定藻白云岩的识别截止值。
值得说明的是，获取识别参数GFL后，需要根据识别截止值来划分藻白云岩，达到识别的目的；其中，所述识别截止值可以通过将所述岩心资料和识别参数GFL进行同深度的对比来确定。
以图5为例，该图是某一工区采用本发明提供的技术方案确定得到的识别截止值，数值为0.1，图中黑色部分表示识别的藻白云岩，可以看出与岩心符合率在70％以上，该识别截止值在这个工区内具有代表性(即这个工区内的可以采用这个截止值进行识别)。如果换了其他工区，则识别截止值是变化的，需要其他工区的井取岩心资料进行重新标定来确定，但是识别参数GFL的计算公式是不变的。
从图5与取心井的标定中可以看出，GFL参数识别的效果，要好于ZSL参数，ZSL为早期技术中采用的参数，ZSL的计算公式为其中，DENa、CNLa为密度DEN、中子CNL进行数据预处理，分别得到处理后的数据。从图6的识别井验证也证实了这一点，识别符合率从71.4％提升到78.6％。
在本发明提供的技术方案中，所述识别参数可以构成一条曲线，该曲线亦可称之为识别曲线，将所述藻白云岩的岩心资料与所述识别曲线进行比对和标定，在所述识别曲线上可以确定出所述藻白云岩的识别截止值。
步骤S420：根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别。
参见图4，该步骤S420可以包括以下内容：
步骤S421：判断所述识别参数是否大于所述藻白云岩的识别截止值；
若是，执行步骤S422；若否，执行步骤S423。
步骤S422：识别参数对应的地层深度处的岩性并非藻白云岩；
步骤S423：识别参数对应的地层深度处的岩性为藻白云岩。
换言之，识别参数GFL≤所述藻白云岩的识别截止值时，判断所述识别参数对应的地层深度处的岩性为藻白云岩；否则，即所述识别参数>所述藻白云岩的识别截止值时，判断所述识别参数对应的地层深度处的岩性为其他岩性。
值得说明的是，在上述各实施例的描述中，目标地层可以是非取心井地层。
综上述所，本发明提供的白云岩地层藻白云岩的识别方法可以对任何白云岩地层应用，只要白云岩地层具有上述5条测井曲线，和足够的取心井岩心资料；本发明针对的微生物碳酸岩岩地层，可以为任何地质情况，没有应用限制，操作简单，而且岩性识别准确率也比较高，能满足生产需求。
为了使本领域技术人员更好地理解本申请，下面举例对本申请进行说明：
四川盆地灯影组地层为一套微生物碳酸盐岩沉积，大体可分为晶粒云岩、粒屑云岩和颗粒类云岩(即藻白云岩)三大类，藻白云岩包括层纹状云岩、叠层状云岩、泡沫状云岩、核形石云岩、凝块状云岩等；优质储层的岩性主要为藻白云岩，因此测井识别藻白云岩对于寻找优质储层至关重要。
本发明实施例以四川盆地灯影组地层为研究对象，提供了一种白云岩地层藻白云岩的定量识别方法，可以包括以下步骤：
步骤I：获取目标地层的测井数据和藻白云岩的岩心资料；
获得研究区的测井数据，以及研究区内取心井磨溪51井岩心的薄片鉴定结果(即将岩心磨成薄片在显微镜下鉴定的藻白云岩)；其中，测井数据包括声波时差DT、自然伽马GR和深侧向电阻率RD；这些测井数据可以采用现有技术设备来获取，例如CLS-3700测井仪、CLS-5700测井仪等。
步骤II：对所述测井数据进行归一化处理，以获得处理后的测井数据；
分别对上述五种测井数据进行归一化处理，处理过程如下：
在上式中，DT表示归一化处理前的声波时差，DTa表示归一化处理后的声波时差，DTmin表示归一化处理前声波时差中的最小值，DTmax表示归一化处理前声波时差中的最大值；
在上式中，GR表示归一化处理前的自然伽玛，GRa表示归一化处理后的自然伽玛，GRmin表示归一化处理前自然伽玛中的最小值，GRmax表示归一化处理前自然伽玛中的最大值；
在上式中，RD表示归一化处理前的深侧向电阻率，RDa表示归一化处理后的深侧向电阻率，RDmin表示归一化处理前深侧向电阻率中的最小值，RDmax表示归一化处理前深侧向电阻率中的最大值。
上述最小值和最大值，在本实施例中具体为如下值：
DTmin＝43us/ft
DTmax＝55us/ft
GRmin＝6API
GRmax＝60API
RDmin＝220Ω·m
RDmax＝99990Ω·m
步骤III：基于处理后的测井数据，构建识别参数；
基于处理后的测井数据，按照下式，构建识别参数GFL(如图5所示)：
步骤IV：基于所述藻白云岩的岩心资料和所述识别参数，确定藻白云岩的识别截止值；
根据取心井磨溪51井岩心的薄片鉴定结果与识别参数GFL进行同深度的比对和标定，通过比对和标定在识别参数上确定藻白云岩的识别截止值。
在本实施例中，根据比对结果，确定识别截止值为0.1(如图5所示)。
步骤S105：根据所述藻白云岩的识别截止值，对目标地层的藻白云岩进行识别；
识别参数中的数据≤0.1时，判断为藻白云岩；
识别参数中的数据>0.1时，判断为其他岩性。
注：藻白云岩包括藻凝块云岩、藻纹层云岩、藻凝块云岩和藻叠层云岩，四类岩性统称藻云岩。
为了验证识别结果的可靠性，以研究区内另一口取心井磨溪105井为例，参照上述步骤，识别结果如图6所示，将岩心薄片的描述结果和识别结果进行对比，岩心薄片符合个数11与总薄片个数14对比，识别符合率在78.6％，可见，本发明提供的技术方案对藻白云岩可以进行快速定量识别，且具有较高识别符合率，满足生产需求。
基于同一发明构思，本申请实施例还提供了一种白云岩地层藻白云岩的识别装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由白云岩地层藻白云岩的识别装置决问题的原理与上述方法相似，因此白云岩地层藻白云岩的识别装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置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。
图7是本发明实施例中的白云岩地层藻白云岩的识别装置的结构框图。如图7所示，该白云岩地层藻白云岩的识别装置具体包括：数据资料获取模块10、归一化模块20、识别参数构建模块30以及岩性识别模块40。
数据资料获取模块10获取目标地层的测井数据和藻白云岩的岩心资料；
归一化模块20对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；
识别参数构建模块30根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；
岩性识别模块40基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别。
通过采用自然伽玛、深侧向电阻率、声波时差构建识别参数，能被放大差异，而且是指数级别放大，充分突出藻白云岩的特点，在分辨藻白云岩上更加清晰，识别参数GFL的变化特征也更加明显，达到了快速识别藻白云岩的目的。
在一个可选的实施例中，该岩性识别模块可以包括：识别截止值确定单元、岩性识别单元。
识别截止值确定单元，基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值；
岩性识别单元，根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别。
在一个可选的实施例中，识别截止值确定单元包括：同深度对比子单元，将所述岩心资料与所述识别参数进行同深度的对比以确定藻白云岩的识别截止值。
在一个可选的实施例中，所述岩性识别单元包括：判断子单元、第一识别子单元以及第二识别子单元。
判断子单元，判断所述识别参数是否大于所述藻白云岩的识别截止值；
第一识别子单元，若识别参数大于所述藻白云岩的识别截止值，则所述识别参数对应的地层深度处的岩性并非藻白云岩；
第二识别子单元，若识别参数不大于所述藻白云岩的识别截止值，则所述识别参数对应的地层深度处的岩性为藻白云岩。
上述实施例阐明的装置、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。一种典型的实现设备为电子设备，具体的，电子设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中电子设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的白云岩地层藻白云岩的识别方法的步骤。
下面参考图8，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。
如图8所示，电子设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述白云岩地层藻白云岩的识别方法的步骤。
在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种白云岩地层藻白云岩的识别方法，其特征在于，包括：
获取目标地层的测井数据和藻白云岩的岩心资料；
对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；
根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；
基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别；
所述根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数，采用公式：
其中，GFL表示识别参数，GRa表示归一化后的自然伽玛，RDa表示归一化后的深侧向电阻率，DTa表示归一化后的声波时差。
2.根据权利要求1所述的白云岩地层藻白云岩的识别方法，其特征在于，所述基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别，包括：
基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值；
根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别。
3.根据权利要求2所述的白云岩地层藻白云岩的识别方法，其特征在于，所述基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值，包括：
将所述岩心资料与所述识别参数进行同深度的对比以确定藻白云岩的识别截止值。
4.根据权利要求2所述的白云岩地层藻白云岩的识别方法，其特征在于，所述根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别，包括：
判断所述识别参数是否大于所述藻白云岩的识别截止值；
若是，则所述识别参数对应的地层深度处的岩性并非藻白云岩；
若否，则所述识别参数对应的地层深度处的岩性为藻白云岩。
5.一种白云岩地层藻白云岩的识别装置，其特征在于，包括：
数据资料获取模块，获取目标地层的测井数据和藻白云岩的岩心资料；
归一化模块，对所述测井数据中的声波时差、自然伽玛和深侧向电阻率进行归一化；
识别参数构建模块，根据归一化后的自然伽玛、归一化后的深侧向电阻率、归一化后的声波时差构建识别参数；
岩性识别模块，基于所述岩心资料和所述识别参数对所述目标地层的藻白云岩进行识别；
所述识别参数构建模块采用公式：
其中，GFL表示识别参数，GRa表示归一化后的自然伽玛，RDa表示归一化后的深侧向电阻率，DTa表示归一化后的声波时差。
6.根据权利要求5所述的白云岩地层藻白云岩的识别装置，其特征在于，所述岩性识别模块包括：
识别截止值确定单元，基于所述岩心资料和所述识别参数确定藻白云岩的识别截止值；
岩性识别单元，根据所述藻白云岩的识别截止值和所述识别参数对目标地层的藻白云岩进行识别。
7.根据权利要求6所述的白云岩地层藻白云岩的识别装置，其特征在于，所述识别截止值确定单元包括：
同深度对比子单元，将所述岩心资料与所述识别参数进行同深度的对比以确定藻白云岩的识别截止值。
8.根据权利要求6所述的白云岩地层藻白云岩的识别装置，其特征在于，所述岩性识别单元包括：
判断子单元，判断所述识别参数是否大于所述藻白云岩的识别截止值；
第一识别子单元，若识别参数大于所述藻白云岩的识别截止值，则所述识别参数对应的地层深度处的岩性并非藻白云岩；
第二识别子单元，若识别参数不大于所述藻白云岩的识别截止值，则所述识别参数对应的地层深度处的岩性为藻白云岩。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述的白云岩地层藻白云岩的识别方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述的白云岩地层藻白云岩的识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011420873.XA CN112709568B (zh) | 2020-12-08 | 2020-12-08 | 白云岩地层藻白云岩的识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011420873.XA CN112709568B (zh) | 2020-12-08 | 2020-12-08 | 白云岩地层藻白云岩的识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112709568A CN112709568A (zh) | 2021-04-27 |
| CN112709568B true CN112709568B (zh) | 2023-12-26 |
Family
ID=75542677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011420873.XA Active CN112709568B (zh) | 2020-12-08 | 2020-12-08 | 白云岩地层藻白云岩的识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112709568B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104360415A (zh) * | 2014-10-31 | 2015-02-18 | 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 |
| WO2017024530A1 (zh) * | 2015-08-11 | 2017-02-16 | 深圳朝伟达科技有限公司 | 一种计算烃源岩中有机碳含量的方法 |
| 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 |
| CN108121013A (zh) * | 2017-11-13 | 2018-06-05 | 中国石油天然气股份有限公司 | 一种微生物碳酸盐岩岩相的识别方法 |
| CN110232208A (zh) * | 2019-04-30 | 2019-09-13 | 长江大学 | 用于识别优势渗流段的储层参数模型构建方法及设备 |
-
2020
- 2020-12-08 CN CN202011420873.XA patent/CN112709568B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104360415A (zh) * | 2014-10-31 | 2015-02-18 | 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 |
| WO2017024530A1 (zh) * | 2015-08-11 | 2017-02-16 | 深圳朝伟达科技有限公司 | 一种计算烃源岩中有机碳含量的方法 |
| 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 |
| CN108121013A (zh) * | 2017-11-13 | 2018-06-05 | 中国石油天然气股份有限公司 | 一种微生物碳酸盐岩岩相的识别方法 |
| CN110232208A (zh) * | 2019-04-30 | 2019-09-13 | 长江大学 | 用于识别优势渗流段的储层参数模型构建方法及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 塘沽油田泥质白云岩储层特征及孔隙度解释方法;刘艳芬;丁亚军;;非常规油气(05);第13-19页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112709568A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ross et al. | P wave arrival picking and first‐motion polarity determination with deep learning | |
| Li et al. | High-resolution seismic event detection using local similarity for Large-N arrays | |
| Deng et al. | Support vector machine as an alternative method for lithology classification of crystalline rocks | |
| FR3058180A1 (fr) | Determination en temps reel de la lenteur de la boue, du type de formation, et des pointes de lenteur monopolaire dans des applications en fond de puits | |
| CN107402411A (zh) | 一种微生物碳酸盐岩地层藻白云岩的定量识别方法 | |
| Saad et al. | Real‐time earthquake detection and magnitude estimation using vision transformer | |
| GB2572663A (en) | Method and apparatus for determining permeability of reservoirs | |
| Konaté et al. | Application of dimensionality reduction technique to improve geophysical log data classification performance in crystalline rocks | |
| CN110837114B (zh) | 粗面质火山碎屑岩识别方法、装置及电子设备 | |
| Pisarenko et al. | The estimation of probability of extreme events for small samples | |
| Cael et al. | Sinking versus suspended particle size distributions in the North Pacific Subtropical Gyre | |
| US20220325613A1 (en) | System and method for petrophysical modeling automation based on machine learning | |
| CN112709568B (zh) | 白云岩地层藻白云岩的识别方法及装置 | |
| Pedersen et al. | A North Sea case study: Does DAS have potential for permanent reservoir monitoring? | |
| WO2022076532A1 (en) | Log based diagenetic rock typing and sweet spot identification for tight gas sandstone reservoirs | |
| WO2024012222A1 (zh) | 待勘测区块关键地质参数的选取方法、装置、及设备 | |
| CN106934725B (zh) | 岩石储层中值半径预测模型建立方法、装置及系统 | |
| CN112418345A (zh) | 细粒度小目标快速识别的方法和装置 | |
| CN115935816A (zh) | 钻井参数确定方法、装置、设备及存储介质 | |
| CN111582292B (zh) | 夹层识别方法和装置 | |
| CN113945971B (zh) | 基于孔隙结构分类的横波速度预测方法和装置 | |
| CN105224777B (zh) | 一种油气单元勘探工作程度识别方法 | |
| CN112541607B (zh) | 火山岩油藏产能预测方法及装置 | |
| Hu et al. | Empirical Frequency Content Models for Offshore Ground Motions in the Japan Trench Area | |
| CN109581498B (zh) | 储层厚度分布确定方法、系统、设备、可读介质 |
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 |