CN112711068B - 一种砂岩中油气有效储层预测方法及装置 - Google Patents
一种砂岩中油气有效储层预测方法及装置 Download PDFInfo
- Publication number
- CN112711068B CN112711068B CN201911019025.5A CN201911019025A CN112711068B CN 112711068 B CN112711068 B CN 112711068B CN 201911019025 A CN201911019025 A CN 201911019025A CN 112711068 B CN112711068 B CN 112711068B
- Authority
- CN
- China
- Prior art keywords
- sandstone
- pore
- longitudinal wave
- inversion
- predicting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011148 porous material Substances 0.000 claims abstract description 56
- 238000011161 development Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000011160 research Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 10
- 239000004215 Carbon black (E152) Substances 0.000 claims description 9
- 229930195733 hydrocarbon Natural products 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims description 3
- 150000002430 hydrocarbons Chemical class 0.000 claims description 3
- 125000001183 hydrocarbyl group Chemical group 0.000 claims 5
- -1 DHI hydrocarbon Chemical class 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 12
- 239000004576 sand Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 101100139861 Arabidopsis thaliana RL2 gene Proteins 0.000 description 1
- 101100141529 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) RKM4 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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. analysis, for interpretation, for correction
- 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
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
Abstract
本发明涉及一种砂岩中油气有效储层预测方法及装置，本发明利用叠后地震数据的均方根振幅属性，先识别出砂岩发育区；再利用自然伽马分频与纵波波阻抗交汇反演识别出砂岩发育区中的具有一定孔隙规模的孔隙砂岩发育区，识别精度较高；最后利用油气具有低频增加、高频衰减的特点对具有一定孔隙规模的孔隙砂岩发育区进行油气检测，预测出油气有效砂岩的分布区域，从而对砂岩油气有效储层分布范围进行精细刻画，实现了从砂岩储层预测到砂岩孔隙性预测、含油气性检测的逐步深入，提高了砂岩油气有效储层的预测精度。
Description
技术领域
本发明涉及石油勘探技术领域，特别是一种砂岩中油气有效储层预测方法及装置。
背景技术
目前砂岩储层预测技术方法主要有地震相分析、地震属性分析和地震反演三大类。有效砂岩的预测是指在砂岩预测基础上对砂岩的孔隙性及含油气性进行进一步的预测，找出具有一定储集空间的含油砂体。《青南洼陷滩坝砂岩有效储层地震预测技术研究》提出在现有研究在信号分离重构技术提高地震资料分辨率的基础上，利用储层物性、电性、地震属性等多元参数建立与储层产能之间的量化关系，对储层的有效性进行评价；《河包场须家河组二段致密砂岩有效储层预测》以地震、地质及测井互馈结合方法为核心，通过储层替换、合成记录正演等手段，对储层地震反射形成机制进行了研究，建立两种地震响应模式，通过追踪两种储层在地震上的分布，预测储层的分布位置。上述的砂岩油气有效储层预测方法主要是地震属性及地震相分析，对砂体的孔隙性及含油气性预测不能很好预测。《基于叠前反演的致密砂岩储层预测和含油气性检测》以叠前地震数据为基础，优选弹性参数并开展叠前反演，对储层的物性、含流体性进行预测，能够有效解决上述问题，可作为致密砂岩储层预测及含油气性检测研究的一个很重要的方法，但是该方法受制于叠前资料限制。
有中国专利授权公告号为CN104142519B的发明专利文献公开了一种泥岩裂缝油藏预测方法，利用叠后地震数据的均方根振幅属性，先是识别出泥岩发育区，再利用分频相干、曲率等属性识别出泥岩中的裂缝发育带，最后通过基于匹配追踪时频分析技术的频变属性差值法检测泥岩裂缝发育带的含油性，从而对泥岩裂缝油藏分布范围进行精细刻画，实现了从裂缝储层预测到裂缝含油气性检测的逐步深入，提高了泥岩裂缝油藏的预测精度，但是，该利用叠后地震资料预测泥岩裂缝油藏技术无法满足砂岩油气有效储层识别与预测要求，砂岩储层与泥岩储层不同，砂岩储层多为砂泥岩互层沉积，埋藏深、单层厚度小，横向变化快，砂泥岩波阻抗差异小，采用分频相干、曲率属性无法准确识别出砂岩的孔隙，导致无法准确地刻画砂岩油藏的边界，难以满足砂岩油藏的高效勘探开发。
因此现有的技术手段预测砂岩有效性技术还不够完善，难以满足砂岩有效储层识别与预测要求，主要存在如下几个问题：
(1)目前在用的主流砂岩孔隙性及含油气性预测技术均基于叠前地震资料，难以满足老区无叠前地震资料或叠前资料品质较差地区的砂岩有效储层的识别及预测；
(2)目前砂岩储层多为砂泥岩互层沉积，埋藏深、单层厚度小，横向变化快，砂泥岩波阻抗差异小，采用常规波阻抗反演及属性提取分析方法直接预测砂岩精度较低；
(3)即使对砂岩发育区进行了预测，但由于叠后地震资料的局限性，对其孔隙性及含油性往往无法检测，因而无法准确地刻画砂岩油藏的边界，难以满足砂岩油藏的高效勘探开发。
发明内容
本发明的目的是提供一种砂岩中油气有效储层预测方法及装置，用以解决现有储层预测无法满足砂岩孔隙的识别导致砂岩油藏边界预测不准确的问题。
本发明提供一种砂岩中油气有效储层预测方法，该方法包括以下步骤：
1)获取研究区域的叠后地震数据，根据叠后地震数据的均方根振幅属性，识别出研究区域内的砂岩发育区；
2)将砂岩发育区已钻井的自然伽马分频反演体和纵波波阻抗反演体进行交汇，得到孔隙砂岩岩性体；
3)对叠后地震数据进行振幅衰梯度吸收分析，得到振幅衰减梯度体，根据振幅衰减梯度体和步骤2)确定的孔隙砂岩岩性体得到孔隙砂岩的振幅衰减梯度体；
4)根据孔隙砂岩的振幅衰减梯度体确定目的层段振幅衰减梯度，根据该振幅衰减梯度进行有效砂岩发育区的预测。
本发明还提供了一种砂岩中油气有效储层预测装置，该预测装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现本发明的砂岩中油气有效储层预测方法。
有益效果是，利用叠后地震数据的均方根振幅属性，先识别出砂岩发育区；再利用自然伽马分频与纵波波阻抗交汇反演识别出砂岩发育区中的具有一定孔隙规模的孔隙砂岩发育区，识别精度较高；最后利用油气具有低频增加、高频衰减的特点对具有一定孔隙规模的孔隙砂岩发育区进行油气检测，预测出油气有效砂岩的分布区域，从而对砂岩油气有效储层分布范围进行精细刻画。实现了从砂岩储层预测到砂岩孔隙性预测、含油气性检测的逐步深入，提高了砂岩油气有效储层的预测精度。
进一步地，本发明给出了确定孔隙砂岩岩性体的具体步骤，步骤2)的过程如下：
A.获取砂岩发育区已钻井的自然伽马数据，对获取的自然伽马数据进行分频反演得到自然伽马分频反演体；
B.将研究区域的叠后地震数据转换为纵波波阻抗数据，得到研究区纵波波阻抗体；
C.将自然伽马数据与孔隙度进行交汇分析，确定孔隙砂岩的自然伽马值域范围，将纵波波阻抗与孔隙度进行交汇分析，确定孔隙砂岩的纵波波阻抗值域范围；
D.根据自然伽马值域范围对自然伽马反演体进行筛选，得到砂岩岩性体，将砂岩岩性体与纵波波阻抗反演体体进行乘法运算，得到砂岩岩性的纵波波阻抗体，按照孔隙砂岩的纵波波阻抗值域范围对砂岩岩性的纵波波阻抗体进行筛选，得到孔隙砂岩岩性体。
进一步地，为快速、准确实现自然伽马分频反演，所述步骤A采用地质放大镜Geoscope软件中的分频属性反演AVF Inversion模块得到自然伽马分频反演体。
进一步地，为准确、快速确定纵波波阻抗体，所述步骤B采用约束稀疏脉冲反演技术得到研究区纵波波阻抗体。
进一步地，为保证自然伽马值域范围和纵波波阻抗值域范围的准确性，所述步骤C将孔隙度大于等于7％的砂岩作为孔隙砂岩，以此确定对应的自然伽马值域范围和纵波波阻抗值域范围。
进一步地，为快速、准确实现油气检测，所述步骤3)是采用Geoscope软件中的Hydro Detection烃类检测模块中的DHI油气检测子模块得到振幅衰减梯度体的。
进一步地，孔隙砂岩的振幅衰减梯度体等于孔隙砂岩岩性体与振幅衰减梯度体的乘积。
进一步地，为提高预测准确度，所述步骤4)是根据振幅衰减梯度均方根值的大小进行有效砂岩发育区的预测。
所述的步骤4)中的振幅衰减梯度均方根值的计算公式为：
其中，RMS为振幅衰减梯度均方根，ai为采样点振幅衰减梯度值，N为采样点数。
附图说明
图1是本发明的一种砂岩中油气有效储层预测方法流程框图；
图2是本发明的砂岩岩性平面分布预测图；
图3是本发明的油气有效储层砂岩平面分布预测图。
具体实施方式
下面结合附图对本发明具体实施方式做进一步地说明。
方法实施例1
本发明砂岩中油气有效储层预测方法，首先根据叠后地震数据的均方根振幅属性，识别出研究区域内的砂岩发育区；然后将砂岩发育区已钻井的自然伽马分频反演体和纵波波阻抗反演体进行交汇，得到孔隙砂岩岩性体；再根据振幅衰减梯度体和孔隙砂岩岩性体得到孔隙砂岩的振幅衰减梯度体，最后根据振幅衰减梯度体进行有效储层预测，其流程如图1所示。
下面以HQ地区古生界石千峰组河道砂岩为研究区域，HQ地区具有三维叠后地震数据体及4口已钻井，分别为qg1、qg2、kai40、kai17井，4口井均有自然伽马、声波时差、密度、电阻率等测井曲线及孔隙度成果解释数据。对于该地区的预测过程如下：
1.根据叠后地震数据的均方根振幅属性，识别出研究区域内的砂岩发育区。
对本实施例而言，按照如下公式在叠后地震数据体上进行目的层段均方根振幅提取，按照提取的均方根振幅值的大小区分岩性，得到如图2所示的河道砂岩岩性平面分布图，其中，标注所指示的区域为均方根振幅值大于5000的区域，为本实施例的河道砂岩发育区。其中所采用的均方根振幅的公式如下：
式中：RMS1为均方根振幅，bi为采样点振幅值，N为采样点数。
2.利用自然伽马分频反演与波阻抗反演交汇识别出砂岩发育区中的具有一定孔隙规模的砂岩发育区，得到孔隙砂岩岩性体。
2.1自然伽马分频反演。
建立研究区4口已钻井自然伽马曲线与叠后地震数据地震波形间的非线性映射关系，得到研究区目的层段自然伽马反演体。其中分频反演是目前生产中常用的一种反演方法，本实施例利用北京诺克斯达石油科技有限公司的地质放大镜Geoscope软件中的分频属性反演AVF Inversion模块，采用SVR支持向量机算法进行反演处理。SVR支持向量机算法是由Vapnik1992年提出的一种类似神经网络的计算方法，分频反演及SVR算法的原理见geoscope2.6软件用户手册第203-213页“分频属性反演—AVF Inversion”。
2.2叠后纵波波阻抗反演。
将叠后地震数据转换为纵波波阻抗数据，得到研究区目的层段纵波波阻抗体。本实施例中利用法国CGG公司的Jason软件中的InverTrace-Plus模块，采用约束稀疏脉冲反演技术实现。约束稀疏脉冲反演技术是成熟的波阻抗反演技术之一，见辉固地球科技(北京)有限公司“叠后约束稀疏脉冲反演中文培训教程”第45-50页“约束稀疏脉冲反演(CSSI)”。
2.3确定值域。
基于研究区内已钻井测井数据资料，通过声波时差的倒数与密度的乘积，计算出已钻井的波阻抗值，将自然伽马与孔隙度进行交汇分析，确定孔隙砂岩的自然伽马域范围，将纵波波阻抗与孔隙度进行交汇分析，确定孔隙砂岩的纵波波阻抗值域范围。
本实施例将孔隙度大于等于7％的砂岩为孔隙砂岩(不同研究区定义孔隙砂岩的孔隙度值不同)，将孔隙度大于等于7％时对应的自然伽马值和纵波波阻抗值分别作为其对应的值域范围。通过对本实施例A、B、C、D四口井石千峰组进行自然伽马-波阻抗-孔隙度交汇分析，认为石千峰组孔隙砂岩自然伽马值小于90API、纵波波阻抗值区间范围在9800-12000g/cm3*m/s之间(不同研究区不同层段孔隙砂岩的自然伽马与纵波波阻抗的值域范围不同)。
2.4自然伽马分频与纵波波阻抗交汇反演。
根据确定孔隙砂岩的自然伽马域范围对自然伽马分频反演体进行筛选，即将不满足孔隙砂岩的自然伽马域范围的自然伽马分频反演体数据删除，只保留满足孔隙砂岩的自然伽马域范围对应的自然伽马分频反演体，砂岩岩性体。对本实施例而言，仅保留自然伽马反演体中石千峰组自然伽马值小于90API的数据，得到研究区石千峰组的砂岩岩性体。
根据得到的砂岩岩性体与步骤2.2得到的纵波波阻抗反演体体确定砂岩岩性的纵波波阻抗体，以孔隙砂岩的纵波波阻抗值域范围对砂岩岩性的纵波波阻抗体进行分析，只保留满足相应值域范围的砂岩岩性的纵波波阻抗体，即为孔隙砂岩岩性体。对本实施例而言，将得到的砂岩岩性体与2.2得到的纵波波阻抗反演体体进行乘法运算，得到砂岩岩性的纵波波阻抗体，只保留石千峰组组的纵波波阻抗值在9800-12000g/cm3*m/s范围的数据。
3.孔隙砂岩含油性检测。
3.1得到孔隙砂岩的振幅衰减梯度体。
根据储层含油气之后具有高频衰减、低频增加的特性，对叠后地震数据体采用振幅衰减梯度吸收分析方法，得到振幅衰减梯度体。振幅衰减梯度吸收分析方法是业界常用的一种油气检测方法，其原理见Geoscope地质放大镜V3.1用户手册第225-230页“油气检测---DHI”。本实施例利用Geoscope软件中的Hydro Detection烃类检测模块中的DHI油气检测子模块，对叠后地震数据体采用振幅衰减梯度吸收分析方法，得到振幅衰减梯度体。
3.2确定孔隙砂岩的振幅衰减梯度体。
将3.1得到的振幅衰减梯度体与步骤2.4得到的孔隙砂岩岩性体进行乘法运算，得到孔隙砂岩的振幅衰减梯度体。
4.砂岩有效储层预测。
在孔隙砂岩的振幅衰减梯度体上，按照以下公式提取目的层段振幅衰减梯度的均方根值，并按照提取的振幅衰减梯度均方根值的大小区分有效储层的分布范围，得到如图3所示的含油气孔隙砂岩平面分布图，其中，标注所指示区域为振幅衰减梯度均方根值大于130的区域，为有效砂岩发育区。
上式中：RMS为振幅衰减梯度均方根，ai为采样点振幅衰减梯度值，N为采样点数。
通过上述过程即可实现对砂岩有效储层的预测。
方法实施例2
与方法实施例1相比，本实施例的步骤2.4中采用Geoscope软件的Cube Processor地震处理模块对自然伽马分频反演体进行筛选，即采用Logical算法，令步骤2.1得到的自然伽马反演体中石千峰组自然伽马值小于90API的数据为1，否则为0，得到研究区石千峰组的砂岩岩性体。
方法实施例3
与方法实施例1相比，本实施例的步骤2.4中采用Geoscope软件的Cube Processor地震处理模块对砂岩岩性的纵波波阻抗体进行分析，即对砂岩岩性纵波阻抗体再进行Logical运算，令石千峰组组的纵波波阻抗值在9800-12000g/cm3*m/s范围的数据为1，超出值域范围的数据则为0，最后得到孔隙砂岩岩性体。
方法实施例4
与方法实施例1相比，本实施例中的步骤3.1中油气的检测方法并不局限于上述的振幅衰减梯度吸收分析方法，还可采用例如亮点分析、吸收系数等其他油气检测方法进行油气检测。
方法实施例5
与方法实施例1相比，本实施例中的步骤4进行砂岩有效储层预测时并不局限于采用振幅衰减梯度的均方根值，也可以直接利用振幅衰减梯度的值或者其他变形值。
装置实施例
本发明的砂岩中油气有效储层预测装置包括存储器和处理器，以及存储在存储器上并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器执行计算机程序时实现本发明的砂岩中油气有效储层预测方法，具体的实现过程，已在方法的各个实施例中进行了说明，这里不再赘述。
本发明不仅可以对砂岩展布进行预测，还对砂岩的孔隙性及其含油气性进行分析，刻画出的有效砂岩边界清晰，从而实现了利用叠后地震资料开展砂岩发育区-孔隙性砂岩发育区-含油孔隙砂岩发育区逐步深入的渐进式砂岩油气有效储层预测。
以上给出了本发明涉及的具体实施方式，但本发明不局限于所描述的实施方式。采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。
Claims (9)
1.一种砂岩中油气有效储层预测方法，其特征在于，该方法包括以下步骤：
1)获取研究区域的叠后地震数据，根据叠后地震数据的均方根振幅属性，识别出研究区域内的砂岩发育区；
2)将砂岩发育区已钻井的自然伽马分频反演体和纵波波阻抗反演体进行交汇，得到孔隙砂岩岩性体；
3)对叠后地震数据进行振幅衰减梯度吸收分析，得到振幅衰减梯度体，根据振幅衰减梯度体和步骤2)确定的孔隙砂岩岩性体得到孔隙砂岩的振幅衰减梯度体；
4)根据孔隙砂岩的振幅衰减梯度体确定目的层段振幅衰减梯度，根据该振幅衰减梯度进行有效砂岩发育区的预测；
上述步骤2)的过程如下：
A.获取砂岩发育区已钻井的自然伽马数据，对获取的自然伽马数据进行分频反演得到自然伽马分频反演体；
B.将研究区域的叠后地震数据转换为纵波波阻抗数据，得到研究区纵波波阻抗体；
C.将自然伽马数据与孔隙度进行交汇分析，确定孔隙砂岩的自然伽马值域范围，将纵波波阻抗与孔隙度进行交汇分析，确定孔隙砂岩的纵波波阻抗值域范围；
D.根据自然伽马值域范围对自然伽马反演体进行筛选，得到砂岩岩性体，将砂岩岩性体与纵波波阻抗反演体体进行乘法运算，得到砂岩岩性的纵波波阻抗体，按照孔隙砂岩的纵波波阻抗值域范围对砂岩岩性的纵波波阻抗体进行筛选，得到孔隙砂岩岩性体。
2.根据权利要求1所述的砂岩中油气有效储层预测方法，其特征在于，所述步骤A采用地质放大镜Geoscope软件中的分频属性反演AVF Inversion模块得到自然伽马分频反演体。
3.根据权利要求1所述的砂岩中油气有效储层预测方法，其特征在于，所述步骤B采用约束稀疏脉冲反演技术得到研究区纵波波阻抗体。
4.根据权利要求1所述的砂岩中油气有效储层预测方法，其特征在于，所述步骤C将孔隙度大于等于7％的砂岩作为孔隙砂岩，以此确定对应的自然伽马值域范围和纵波波阻抗值域范围。
5.根据权利要求1所述的砂岩中油气有效储层预测方法，其特征在于，所述步骤3)是采用Geoscope软件中的Hydro Detection烃类检测模块中的DHI油气检测子模块得到振幅衰减梯度体的。
6.根据权利要求1所述的砂岩中油气有效储层预测方法，其特征在于，孔隙砂岩的振幅衰减梯度体等于孔隙砂岩岩性体与振幅衰减梯度体的乘积。
7.根据权利要求1所述的砂岩中油气有效储层预测方法，其特征在于，所述步骤4)是根据振幅衰减梯度均方根值的大小进行有效砂岩发育区的预测。
8.根据权利要求7所述的砂岩中油气有效储层预测方法，其特征在于，所述的步骤4)中的振幅衰减梯度均方根值的计算公式为：
其中，RMS为振幅衰减梯度均方根，ai为采样点振幅衰减梯度值，N为采样点数。
9.一种砂岩中油气有效储层预测装置，其特征在于，该预测装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现如权利要求1-8中任一项所述的砂岩中油气有效储层预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911019025.5A CN112711068B (zh) | 2019-10-24 | 2019-10-24 | 一种砂岩中油气有效储层预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911019025.5A CN112711068B (zh) | 2019-10-24 | 2019-10-24 | 一种砂岩中油气有效储层预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112711068A CN112711068A (zh) | 2021-04-27 |
| CN112711068B true CN112711068B (zh) | 2024-02-20 |
Family
ID=75540325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911019025.5A Active CN112711068B (zh) | 2019-10-24 | 2019-10-24 | 一种砂岩中油气有效储层预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112711068B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113514884A (zh) * | 2021-06-18 | 2021-10-19 | 中国石油化工股份有限公司 | 一种致密砂岩储层预测方法 |
| CN113640880B (zh) * | 2021-08-18 | 2024-03-08 | 核工业二0八大队 | 砂岩型铀矿地震勘探方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6473696B1 (en) * | 2001-03-13 | 2002-10-29 | Conoco Inc. | Method and process for prediction of subsurface fluid and rock pressures in the earth |
| CN103527184A (zh) * | 2013-10-28 | 2014-01-22 | 北京大学 | 一种白云岩储层的预测方法和系统 |
| CN104142519A (zh) * | 2013-10-29 | 2014-11-12 | 中国石油化工股份有限公司 | 一种泥岩裂缝油藏预测方法 |
| CN104516018A (zh) * | 2013-09-30 | 2015-04-15 | 中国石油化工股份有限公司 | 一种地球物理勘探中岩性约束下的孔隙度反演方法 |
| CN107728230A (zh) * | 2017-09-11 | 2018-02-23 | 中国石油大港油田勘探开发研究院 | 一种基于地球物理三联技术的岩性油藏预测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0511511B1 (pt) * | 2004-05-27 | 2017-01-31 | Exxonmobil Upstream Res Co | método para prever litologia e porosidade a partir de dados sísmicos de reflexão |
| FR2957682B1 (fr) * | 2010-03-16 | 2012-03-23 | Inst Francais Du Petrole | Procede de surveillance d'un site de stockage geologique de gaz par inversion stratigraphique de donnees sismiques |
| US20130262070A1 (en) * | 2012-03-30 | 2013-10-03 | Chevron U.S.A. Inc. | System and method for subsurface reservoir characterization |
-
2019
- 2019-10-24 CN CN201911019025.5A patent/CN112711068B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6473696B1 (en) * | 2001-03-13 | 2002-10-29 | Conoco Inc. | Method and process for prediction of subsurface fluid and rock pressures in the earth |
| CN104516018A (zh) * | 2013-09-30 | 2015-04-15 | 中国石油化工股份有限公司 | 一种地球物理勘探中岩性约束下的孔隙度反演方法 |
| CN103527184A (zh) * | 2013-10-28 | 2014-01-22 | 北京大学 | 一种白云岩储层的预测方法和系统 |
| CN104142519A (zh) * | 2013-10-29 | 2014-11-12 | 中国石油化工股份有限公司 | 一种泥岩裂缝油藏预测方法 |
| CN107728230A (zh) * | 2017-09-11 | 2018-02-23 | 中国石油大港油田勘探开发研究院 | 一种基于地球物理三联技术的岩性油藏预测方法 |
Non-Patent Citations (8)
| Title |
|---|
| Application of instantaneous spectral analysis and acoustic impedance wedge modeling for imaging the thin beds and fluids of fluvial sand systems of Indus Basin，Pakistan;Muhammad Tayyab Naseer等;Journal of Earth System Science;第127卷(第7期);第1-20页 * |
| 川东北元坝东部须四段裂缝型致密砂岩储层预测;章惠等;岩性油气藏;第30卷(第01期);第133-139页 * |
| 川西丰谷地区须四段钙屑砂岩含气储层预测;林小兵;刘莉萍;魏力民;;西南石油大学学报(第02期);第82-84页 * |
| 柳屯洼陷盐间泥岩裂缝油气藏储层描述技术;段晓燕;工艺技术(第17期);第174-175页 * |
| 蜀南地区须家河组致密砂岩含气性综合预测;张静;张虎权;李延丽;郑长龙;李在光;;天然气工业(第01期);第45-48页 * |
| 邛西构造须二段致密砂岩储层预测技术研究;李跃纲,陈更生,王兆年,杨跃明,李梅,周祥林;天然气工业(第05期);第42-46页 * |
| 鄂尔多斯盆地大牛地气田下石盒子组地震储层预测技术的研究和应用;苑书金;;石油地球物理勘探(第01期);第48-55页 * |
| 鄂尔多斯盆地致密碎屑岩储层地震识别及预测;董宁;刘振峰;周小鹰;王箭波;刘俊州;夏红敏;佘刚;;石油与天然气地质(第05期);第669,671-672页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112711068A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108931814B (zh) | 一种基于多属性融合的基岩裂缝预测的方法 | |
| CN105445800B (zh) | 一种厚层砂体顶部分异岩性油藏的识别方法 | |
| CN104142519B (zh) | 一种泥岩裂缝油藏预测方法 | |
| Ferreira et al. | Unsupervised seismic facies classification applied to a presalt carbonate reservoir, Santos Basin, offshore Brazil | |
| CN107356966A (zh) | 基于去压实作用深层河道砂体油气检测方法 | |
| CN104863574B (zh) | 一种适用于致密砂岩储层的流体识别方法 | |
| CN105240006B (zh) | 一种适用于火山岩储层的油水层识别方法 | |
| CN105116449B (zh) | 一种弱反射储层的识别方法 | |
| CN103792573A (zh) | 一种基于频谱融合的地震波阻抗反演方法 | |
| CN112711068B (zh) | 一种砂岩中油气有效储层预测方法及装置 | |
| Norton et al. | Surface seismic to microseismic: An integrated case study from exploration to completion in the Montney shale of NE British Columbia, Canada | |
| CN107356965A (zh) | 基于加权叠加噪音压制策略的反射系数反演储层预测方法 | |
| CN105842733A (zh) | 页岩储层地震识别方法 | |
| Parra et al. | Wave attenuation attributes as flow unit indicators | |
| CN111257933B (zh) | 基于低频阴影现象的油气藏预测新方法 | |
| CN106568918B (zh) | 页岩有机碳含量toc预测方法 | |
| KR101175072B1 (ko) | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 공극 유체 유추방법 및 유추시스템 | |
| Buddo et al. | Joint interpretation of seismic and TEM data from the Kovykta gas-condensate field, East Siberia | |
| Rotimi et al. | Reservoir characterization and modeling of lateral heterogeneity using multivariate analysis | |
| Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China | |
| CN113514884A (zh) | 一种致密砂岩储层预测方法 | |
| CN112379435A (zh) | 相控岩溶型缝洞集合体刻画方法及装置 | |
| CN107831537B (zh) | 高砂地比浊积岩储层描述方法 | |
| CN111239823A (zh) | 一种侵入岩分布的识别方法 | |
| Xu et al. | Frequency trend attribute analysis for stratigraphic division and correlation |
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 |