CN112925040B - 砂岩储层渗透率各向异性参数预测方法及装置 - Google Patents
砂岩储层渗透率各向异性参数预测方法及装置 Download PDFInfo
- Publication number
- CN112925040B CN112925040B CN202110048302.6A CN202110048302A CN112925040B CN 112925040 B CN112925040 B CN 112925040B CN 202110048302 A CN202110048302 A CN 202110048302A CN 112925040 B CN112925040 B CN 112925040B
- Authority
- CN
- China
- Prior art keywords
- mudstone
- data
- sandstone reservoir
- sandstone
- length
- 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
- 230000035699 permeability Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000001186 cumulative effect Effects 0.000 claims abstract description 14
- 239000004576 sand Substances 0.000 claims description 32
- 230000015572 biosynthetic process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 description 31
- 238000005755 formation reaction Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008021 deposition Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000013049 sediment Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006253 efflorescence Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Dispersion Chemistry (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种砂岩储层渗透率各向异性参数预测方法及装置，其中方法包括：获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；将雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；根据泥岩累计厚度数据和砂岩储层单元厚度数据确定泥岩比例数据；根据砂岩储层单元厚度数据确定砂岩储层单元内平均泥岩长度数据；根据砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；根据三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。本发明定量估计砂岩储层渗透率各向异性参数，提高准确率。
Description
技术领域
本发明涉及石油天然气地质勘探技术领域，尤其涉及砂岩储层渗透率各向异性参数预测方法及装置。
背景技术
渗透率各向异性(Kv/Kh，Kv表示有效垂向渗透率，Kh表示有效横向渗透率)是储层模型构建中的一个非常重要的参数，是影响油气储层性质的重要因素，同时也是一个很难估计和测量的参数。通常渗透率各向异性是从岩心柱塞中定量测量出来的，但是这些测量数据通常不能准确的描述油藏的有效渗透率。有效渗透率必须从岩石体积的尺度上来估计，岩石体积要足够大使得其能够代表其所包含的储层各向异性。精确的油藏尺度上的渗透率各向异性对于储层模型表达整个油田和单井产量都是非常重要的参数。这对于诸如气驱或者是蒸汽辅助的重力驱动油藏来说更是如此。在二氧化碳运移、俘获和储存过程中渗透率各向异性由于控制了浮力扩散，因此其对于量化渗透率各向异性是非常重要的参数。压力测试数据可用于推导渗透率各向异性，但是要依赖于参数估计、数值模拟以及地质历史耦合。精确的地质数据输入需要加强渗透率各向异性压力测试。基于地质的渗透率各向异性估计可以用于约束储层模型以及改善储层渗流性质的预测。
在常规碎屑岩储层中影响储层渗流性质的最重要的原因是低渗透性的泥岩沉积和泥质条带。大多数砂泥互层通常延伸较短，并且很少穿越不同的井，如图1所示。由于这些非均质体的分布和尺寸被假设为是随机的，它们通常被称为随机泥岩。由于泥岩规模较小和分布随机，很难将其与油藏尺度的模型匹配。现有技术中已经有大量研究来将泥岩特征与油藏尺度的渗透率各向异性匹配起来。这些研究的成果主要在于分散的泥岩增加了储层渗流通道的曲折度，尤其是增加了储层垂直方向上的曲折度，横向延伸距离较小的泥岩导致垂向上渗流路径更长。可以用砂泥岩模型来估计在油藏尺度上泥岩对渗透率各向异性的影响。定量估计渗透率各向异性需要对泥岩进行精确的几何和空间测量。由于泥岩频率和比例可以从岩心或者成像测井资料中进行量化，因此从露头类比数据中收集定量泥岩几何数据对于储层模型的运用至关重要。但是该方法的诸多局限在于缺少公开精确描述泥岩频率和几何形态的数据基础。潮控储层通常是非均质的，这使得泥岩表征尤为重要。源于潮汐作用的砂岩储层中细粒的由泥、砂构成的砂泥岩互层通常富含有机质和云母。潮汐环境中以潮流速度的周期波动(日，季以及年的时间尺度)导致了潮汐沉积物的各向异性。潮汐储层各向异性的近期研究表明渗透率各向异性在模拟过程中是一个非常重要的参数，但是该参数很难估计。
因此，亟需一种可以克服上述问题的砂岩储层渗透率各向异性参数预测方案。
发明内容
本发明实施例提供一种砂岩储层渗透率各向异性参数预测方法，用以定量估计砂岩储层渗透率各向异性参数，提高准确率，该方法包括：
获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；
将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；
根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；
根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；
根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；
根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。
本发明实施例提供一种砂岩储层渗透率各向异性参数预测装置，用以定量估计砂岩储层渗透率各向异性参数，提高准确率，该装置包括：
数据获得模块，用于获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；
厚度确定模块，用于将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；
比例确定模块，用于根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；
泥岩长度确定模块，用于根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；
流线长度确定模块，用于根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；
参数预测模块，用于根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。
本发明实施例还提供一种计算机设备，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砂岩储层渗透率各向异性参数预测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述砂岩储层渗透率各向异性参数预测方法的计算机程序。
本发明实施例通过获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。本发明实施例获得了砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据，并利用这些参数进行砂岩储层渗透率各向异性参数预测定量估计与分析，有效提高了富泥岩层的砂岩储层的渗透率宏观各向异性的预测精度。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，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为现有技术中泥岩长度箱形分布图；
图2为本发明实施例中砂岩储层渗透率各向异性参数预测方法示意图；
图3A为AA露头中，单个暴露的潮砂坝；图3B是在该露头用Lidar采集的点云图像；图3C是在露头图片和点云数据结合的基础上追踪的泥岩；
图4泥岩平均长度(上)、泥岩频率(中)、泥岩厚度(下)对纵横渗透率比Kv/Kh影响模型；
图5A～图5C为BB砂岩露头暴露泥岩的泥岩长度分布直方图；
图6为BB砂岩的泥岩长度(走向平行)和泥岩宽度(倾角平行)交会图；
图7为用BB砂岩中的定量值估算垂直-水平渗透率(Kv/Kh)值的分布图；
图8为泥岩频率与渗透率各向异性(Kv/Kh)的关系；
图9为本发明实施例中砂岩储层渗透率各向异性参数预测装置结构图；
图10是本发明实施例的计算机设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
为了定量估计砂岩储层渗透率各向异性参数，提高准确率，本发明实施例提供一种砂岩储层渗透率各向异性参数预测方法，如图2所示，该方法可以包括：
步骤101、获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；
步骤102、将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；
步骤103、根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；
步骤104、根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；
步骤105、根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；
步骤106、根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。
由图2所示可以得知，本发明实施例通过获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。本发明实施例获得了砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据，并利用这些参数进行砂岩储层渗透率各向异性参数预测定量估计与分析，有效提高了富泥岩层的砂岩储层的渗透率宏观各向异性的预测精度。
实施例中，砂岩为均质砂岩，泥岩为非渗透性泥岩，岩层为不可压缩性岩层。
实施例中，砂岩储层包括：河口点坝砂岩储层，潮汐砂脊砂岩储层，非局限性潮汐点坝砂岩储层，局限性潮汐点坝砂岩储层其中之一或任意组合。
实施例中，根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据，包括：根据所述砂岩储层单元厚度数据，确定砂岩储层平均长度数据；根据所述砂岩储层平均长度数据，确定砂岩储层单元内平均泥岩长度数据。
具体实施时，本发明实施例的目的在于提供针对潮汐砂岩、三角洲砂岩等储层的定量估计砂岩储层渗透率各向异性参数Kv/Kh的方法。Kv为有效垂向渗透率，mD，Kh为有效横向渗透率，mD。该方法使用简单的地质数据输入，并且允许把砂岩储层渗透率各向异性参数Kv/Kh的估计与沉积结构联系起来。测井数据以及岩心资料可以用来测量泥岩厚度频率以及储层构成元素厚度。最重要的参数也就是泥岩长度必须通过野外类比进行估计，使用精确雷达来收集真实的泥岩长度分布是非常重要的。基于地质的砂岩储层渗透率各向异性参数Kv/Kh估计为构建储层模型以及用于衡量储层渗透率各向异性的压力测试模型提供了可取的数据输入。此外，本发明实施例的目的还在于精确描述泥岩几何结构、垂向分布频率以及厚度，并使用这些数据输入来估计相似的不同潮汐砂岩、三角洲砂岩等储层的砂岩储层渗透率各向异性参数Kv/Kh。本发明假设不同的潮汐环境具有不同的泥岩特征，不同的泥岩特征具有不同的砂岩储层渗透率各向异性参数Kv/Kh。为了证实该假设，我们通过高分辨率的露头照片、常规油田样品分析以及激光雷达等手段从四类潮汐沉积环境中收集了泥岩长度，厚度以及出现频率数据。泥岩几何形状观察结果与沉积物沉积过程以及沉积结构元素的规模相关。泥岩形状以及储层结构造成了每一种环境的砂岩储层渗透率各向异性参数Kv/Kh分布的差别。
本发明实施例使用流线法进行数据收集，下面给出一个具体实施例，对用于本发明的数据收集和测量方法进行介绍，之后会对数据收集方法进行可行性评价并针对露头分布情况对方法进行校正，最终将解释用于估计Kv/Kh的基本模型工作流程。为了解决该参数的定量计算和预测问题，使用激光雷达从相似的不同潮控砂岩储层收集数据，这些储层微相包括：河口点坝(CC组砂岩)，潮汐砂脊(BB砂岩)以及非局限性和局限性潮汐点坝(AA砂岩)。
1)数据收集与测量
由于雷达能产生高分辨率、数字化露头模型，形成详细的定量化测量数据，因此雷达已经成为了一种非常流行的地质调查工具。雷达单元使用光传播时间和一个等角光束来计算X、Y、Z坐标来确定目标平面上点的位置。雷达单元每秒可以接受从目标点返回的数以千计的光束信息，能够以厘米级的精度快速形成一个数据点集来测量露头表面形状。在AA和BB砂岩中雷达测量范围为100-300m，平均最小光束点距为6mm，平均最小光点尺寸为5cm。对CC组的雷达扫描长度大约为450m，平均最小光束点距为11mm，平均最小光点尺寸为9cm。每一个雷达扫描的结果都是由多次扫描形成的，把它们结合在一起形成的露头模型在侧向上形成了超过1km的连续覆盖。
雷达扫描集成了观察测量与解释模块。泥岩将会以点集的形式标出，其中，一系列的点代表了露头的3D表面，他们的长度和厚度也将会被测量，测量结果如图3A～图3C所示。泥岩出现频率同样也是沿着露头以规则的间隔进行计算的。在BB和AA砂岩中，泥岩已经被风化并且形成了凹槽，很容易通过雷达空间数据将其识别出来并形成图件。在CC地层中，泥岩格架风化程度相对较低，因此泥岩很难识别和成图。除了空间数据之外，激光单元收集的是反向散射信号的功率的强度量。对于风化强度相对较弱的露头来说激光雷达反射强度对于岩性变化非常敏感。在CC组地层中沥青胶结砂岩吸收了大量的雷达发射信号，雷达强度值相对于相邻的泥岩来说表现出明显的低值。因此在CC组地层中相对于雷达空间数据来说密度测井数据对泥岩位置标定更为有效。在所有的调查研究中，使用普通的激光雷达照片有助于帮助研究人员进行地质解释以及油田工作人员进行精度核查。
通常而言从露头收集的几何数据是存在一定误差的。三种主要的误差为：①由于风化作用造成的泥岩厚度误差，②由于泥岩长度展布不完全造成的泥岩长度误差，③以及由于泥岩存在两个维度曝光而存在的维度上的误差。通常泥岩厚度小于其在风化剖面中的厚度，并且仅仅基于数据露头模型的测量会造成对泥岩厚度的过度估计。泥岩厚度的校正可以通过对比人工泥岩测量厚度数据与雷达测量泥岩厚度数据来实现。研究表明这种经过校正的雷达泥岩厚度数据经过统计与岩心测量的泥岩厚数据具有相同的统计学分布规律。流线型模型对于泥岩厚度并不是十分敏感，如图4所示，并且使用固定的泥岩厚度数据对储层Kv/Kh的估计影响不大。对于本发明实施例，在流线型模型中使用的是固定的泥岩厚度(平均)数据。
从露头获取的泥岩长度分布数据包括完整的和不完整泥岩展布数据两类。本发明所使用的三大调查数据具有不同的展布质量。AA砂岩砂体可以不间断延伸接近3km远。BB砂岩中含有三套连续性非常好的砂体，但是偶尔也存在连续性很差的砂体。CC组露头经常被山沟切断。已经有多位研究者提出了校正非完全展布的部分露头长度的方法。这些方法都基于一个基本假设，就是有限露头长度与泥岩长度不成比例。
对于AA和BB砂岩来说，出露部分泥岩长度在一定程度上是很少见的，假定部分发生的概率(Pp)，也就是观察到部分页岩与观察到所有页岩的可能性，都与露头长度λ(米)和特征页岩长度l(米)有关，如：
Pp＝2λ/l+λ
其中，Pp为部分泥岩长度发生的概率，无量纲；λ为露头长度，m；l为特征泥岩长度。该方程可以反复用来估计每一个长度级别的泥岩特征。然后在整体泥岩长度分布上增加校正的部分泥岩长度来对泥岩长度进行总体估计。在这两种情况下，尽管泥岩比例稍稍偏高，但是校正后的泥岩长度分布与完整的泥岩长度分布是相似的，如图5A～图5C所示。
在CC组地层中，部分泥岩长度与完全泥岩长度一样常见，有时甚至比完全泥岩长度更常见，并且校正泥岩长度用于其它数据基础并不适用。从CC组中收集到的泥岩长度数据经常使用的是White&Willis(2000)数据误差校正方案。该方法误差并不是来源于露头的大小和形状。因此，尽管大多数泥岩长度大于露头泥岩连续延伸长度，泥岩长度分布同样是可以进行计算的。该方法假定泥岩长度为Erlangian分布，概率密度γ2(l；t)由下式给出：
γ2(l；t)＝t2le-lt
其中，t为最终频率，为在有限的露头上观察到的自然的最终泥岩长度数量除以米级测量泥岩长度总和。对于CC组地层来说相对于观察到的泥岩长度分布来说，Erlangian分布预测的泥岩长度更长。
除了泥岩长度以外，泥岩平面展布形态对渗透率各向异性的估计也具有重要影响。泥岩宽高比是不清楚的，因为露头的展布是二维的。鉴于泥岩平面形状相对来说是外凸的，因此泥岩在模型中可以当做矩形来处理。对于本发明来说，我们假设的是矩形页岩，其轴线与沉积走向和倾斜方向一致。通过比较露头页岩走向和倾向的分布，估算了高宽比。用相同数量的柱状图长度(较长维度)和宽度(较窄维度)绘制直方图，并按频次对页岩长度进行排序。在相同的级别内将绘制泥岩倾向长度与走向长度交会图，如图6所示。通常这两者形状相似十分常见，它们之间的关系是线性的，线条的倾斜程度可用来估计宽高比。该方法可以对每一种沉积建造的泥岩走向长度与倾向长度比进行估计，潮汐砂脊为2:1，非局限性潮汐沙坝为1:1，局限性潮汐沙坝为1:3。由于未获得泥岩走向长度数据，CC组河口坝砂体为1:1。
对长度分布的最终校正是维度校正，直接从露头收集到的长度分布是二维的，流线型方法是按照垂直路径的方法来处理泥岩长度的分布。因此延伸长度大的泥岩相对来说比延伸长度较小的泥岩更容易适合模型，如图7所示。根据下式可以从二维的泥岩长度分布中来推断一维的泥岩长度分布。
其中，F2D(l)，F1D(l)为特定长度级别的米级长度函数的频率，无量纲。由于两大长度级别以及二维长度分布都是已知的，反演建模可以通过迭代的方式推导出一维长度分布。在对非完整泥岩数据进行校正和计算了一维泥岩分布以后，如果不考虑泥岩结构、维度以及不完整泥岩相关的缺陷可能会造成错误的结果输出和数量级，数据就可以用来估计Kv/Kh了。
泥岩结构和长度分布误差被适当的校正后，具有适宜形式的数据将被用于流线方程之中：
其中，FS为泥岩厚度比例，无量纲；s为泥岩频率，垂向上每米泥岩数量。该模型背后的关键假设包括：砂岩为均质的，泥岩具有非渗透性，岩层具有不可压缩性，单相流体具有稳定的流态，单向并且平行于层面的宏观渗流，泥岩近似于随机分布以及接近矩形的泥岩外表形态。现有的模型包括可渗流泥岩以及各向异性砂岩。用于该假设的模型横向渗透基本上就接近实测的横向渗透率。三维平均流线长度d与平均泥岩长度l和平均宽度w是相关的：
其中，
为平均泥岩长度，m，w为平均泥岩宽度，m；
为三维平均流线长度，m。该模型假设泥岩为矩形，并且所有泥岩的长宽比是相同的。因此，对于每一个沉积单元我们假定平均宽度为平均长度的一个函数。
2)Kv/Kh值估计
当收集了一系列的渗透率各向异性计算所必需的的数据输入之后，将对每一类的沉积体进行渗透率各向异性计算。强调泥岩特征的估计结果将会对Kv/Kh的估计造成影响。在CC组地层中延伸长的泥岩通常会导致较低的Kv/Kh值估计，平均值为8.2×10-4，标准差为0.002。在AA砂岩中对于局限性潮汐砂坝(
σ＝0.027)和非局限性潮汐砂坝(
σ＝0.006)的Kv/Kh的估计是不同的。局限性潮汐砂坝中由于泥岩较薄，频率较低，各向异性更强使得Kv/Kh的估计值大于非局限性潮汐砂坝沉积环境下的Kv/Kh估计。在BB砂岩中，泥岩延伸长度较短，但是频率较高，Kv/Kh估计平均值为0.011，标准差为0.009。独特的泥岩频率与泥岩平面维度的结合造就了每个沉积单元独特的Kv/Kh分布。其中，
为Kv/Kh的平均值，无量纲，σ为Kv/Kh的标准差，无量纲。
对比四类沉积体的结构元素可以绘制Kv/Kh与泥岩频率S的交汇图，如图8所示，显示了泥岩频率与渗透率各向异性(Kv/Kh)的关系。在河口坝中观察到的长泥岩，在潮汐砂脊中观察到高垂直泥岩频率，都对估计Kv/Kh值有负面影响。泥岩频率为垂向上每米泥岩数量。相对于其它两种沉积环境来说，局限性潮汐砂坝和非局限性潮汐砂坝都有较低的泥岩厚度比例Fs值，更短以及更加均质的泥岩。局限性潮汐砂坝和非局限性潮汐砂坝Kv/Kh值通常高于0.001。由于在CC组点坝砂体中观察到的泥岩更加连续，Kv/Kh值急剧下降，Fs值有略微增加。Fs超过5％，Kv/Kh有可能低于0.001。非限制潮汐砂坝随着Fs的降低，Kv/Kh值有了适度的下降，使其值位于中等水平。这些交汇图的分散程度完全与垂向渗流路径上泥岩的数量是相关的。如果储层厚度较小，泥岩比例较高，被考虑进去的泥岩数量将会很大。越多泥岩参与计算泥岩平均长度的估计将会越接近于整体泥岩长度的平均值。因此，使用上述的描述方法，相对于AA砂岩中厚度相对较小的非局限性潮汐砂坝，厚度较大的CC组砂岩储层在Fs与Kv/Kh交汇图上表现出较小的离散空间。
在本具体实施例中，对四大潮控沉积单元砂体进行了调查研究。CC组潮控点坝砂体具有较高的泥岩频率以及较长的泥岩，导致了Kv/Kh估计值相对较低
在AA砂岩沉积背景中，局限性潮汐砂坝砂质含量较高，发育有频率较低、各向异性较强的泥岩，导致了Kv/Kh估计值相对较高
由于发育有规模较大和频率较高的泥岩，因此非局限性潮汐砂坝具有较低的Kv/Kh估计值
BB砂岩发育有延伸长度较短，频率较高的泥岩，导致Kv/Kh的平均估计值为0.011。
本发明中观察到的潮控储层中的泥岩特征与现有的沉积模型进行对比，结果吻合很好。这为通过井数据对远离井区域的储层进行基于地质的Kv/Kh估计提供了可预测的框架。在潮控河口坝中，悬浮沉积物向着海水注入方向增加，这就使得沉淀下来的泥岩长度和频率也随之增加。在河口坝砂岩内部(诸如CC组地层)Kv/Kh估计值预计一般较低。在潮控三角洲储层中，从三角洲平原向三角洲前缘悬浮沉积物逐渐增加，在三角洲前缘沉积环境中(AA砂岩中非局限性潮汐沙坝)，向海方向泥岩呈现出频率和厚度增加的趋势。地层和Kv/Kh之间的关系提供了一个定量和定性的模型来预测Kv/Kh，这是储层建模过程中的重要参数。
本发明实施例中，为了解决该参数的定量计算和预测问题，使用激光雷达从相似的不同潮控砂岩储层收集数据，这些储层微相包括：河口点坝(CC组砂岩)，潮汐砂脊(BB砂岩)以及非局限性和局限性潮汐点坝(AA砂岩)。由于泥岩延伸较远，河口坝砂体垂向渗透率与横向渗透率平均比值较低；潮汐砂脊砂体中泥岩延伸较小，但分布频率较大，使得垂向和横向渗透率平均比值中等
在各向异性较强和频率较低泥岩的局限型潮汐砂坝中，垂向渗透率和横向渗透率比值较高。非局限性潮汐砂坝泥岩具有中等延伸长度和分布频率导致垂向渗透率与横向渗透率平均比值为0.004。该发明强调了各向异性储层结构与渗流参数之间的关系。
基于同一发明构思，本发明实施例还提供了一种砂岩储层渗透率各向异性参数预测装置，如下面的实施例所述。由于这些解决问题的原理与砂岩储层渗透率各向异性参数预测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
图9为本发明实施例中砂岩储层渗透率各向异性参数预测装置的结构图，如图9所示，该装置包括：
数据获得模块901，用于获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；
厚度确定模块902，用于将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；
比例确定模块903，用于根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；
泥岩长度确定模块904，用于根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；
流线长度确定模块905，用于根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；
参数预测模块906，用于根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。
一个实施例中，砂岩为均质砂岩，泥岩为非渗透性泥岩，岩层为不可压缩性岩层。
一个实施例中，所述砂岩储层包括：河口点坝砂岩储层，潮汐砂脊砂岩储层，非局限性潮汐点坝砂岩储层，局限性潮汐点坝砂岩储层其中之一或任意组合。
一个实施例中，所述泥岩长度确定模块进一步用于：
根据所述砂岩储层单元厚度数据，确定砂岩储层平均长度数据；
根据所述砂岩储层平均长度数据，确定砂岩储层单元内平均泥岩长度数据。
综上所述，本发明实施例通过获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，预测砂岩储层渗透率各向异性参数。本发明实施例获得了砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据，并利用这些参数进行砂岩储层渗透率各向异性参数预测定量估计与分析，有效提高了富泥岩层的砂岩储层的渗透率宏观各向异性的预测精度。
基于前述发明构思，如图10所示，本发明还提出了一种计算机设备1000，包括存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序1030，所述处理器1020执行所述计算机程序1030时实现前述砂岩储层渗透率各向异性参数预测方法。
基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述砂岩储层渗透率各向异性参数预测方法。
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。
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。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种砂岩储层渗透率各向异性参数预测方法，其特征在于，包括：
获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；
将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；
根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；
根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；
根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；
根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，按如下公式预测砂岩储层渗透率各向异性参数：
其中，Fs为泥岩厚度比例，s为泥岩频率，垂向上每米泥岩数量；
为三维平均流线长度，三维平均流线长度
与平均泥岩长度
和平均宽度
是相关的：
其中，
为平均泥岩长度。
2.如权利要求1所述的砂岩储层渗透率各向异性参数预测方法，其特征在于，砂岩为均质砂岩，泥岩为非渗透性泥岩，岩层为不可压缩性岩层。
3.如权利要求1所述的砂岩储层渗透率各向异性参数预测方法，其特征在于，所述砂岩储层包括：河口点坝砂岩储层，潮汐砂脊砂岩储层，非局限性潮汐点坝砂岩储层，局限性潮汐点坝砂岩储层其中之一或任意组合。
4.如权利要求1所述的砂岩储层渗透率各向异性参数预测方法，其特征在于，根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据，包括：
根据所述砂岩储层单元厚度数据，确定砂岩储层平均长度数据；
根据所述砂岩储层平均长度数据，确定砂岩储层单元内平均泥岩长度数据。
5.一种砂岩储层渗透率各向异性参数预测装置，其特征在于，包括：
数据获得模块，用于获得砂岩储层单元厚度数据，泥岩频率数据，雷达测量泥岩厚度数据和人工泥岩测量厚度数据；
厚度确定模块，用于将所述雷达测量泥岩厚度数据与人工泥岩测量厚度数据进行比对，根据比对的结果确定泥岩累计厚度数据；
比例确定模块，用于根据所述泥岩累计厚度数据和砂岩储层单元厚度数据，确定泥岩比例数据；
泥岩长度确定模块，用于根据所述砂岩储层单元厚度数据，确定砂岩储层单元内平均泥岩长度数据；
流线长度确定模块，用于根据所述砂岩储层单元内平均泥岩长度数据和预先设定的矩形泥岩结构信息，确定三维平均流线长度数据；
参数预测模块，用于根据所述三维平均流线长度数据，泥岩比例数据和泥岩频率数据，按如下公式预测砂岩储层渗透率各向异性参数：
其中，Fs为泥岩厚度比例，无量纲，s为泥岩频率，垂向上每米泥岩数量；
为三维平均流线长度，三维平均流线长度
与平均泥岩长度
和平均宽度
是相关的：
其中，
为平均泥岩长度。
6.如权利要求5所述的砂岩储层渗透率各向异性参数预测装置，其特征在于，砂岩为均质砂岩，泥岩为非渗透性泥岩，岩层为不可压缩性岩层。
7.如权利要求5所述的砂岩储层渗透率各向异性参数预测装置，其特征在于，所述砂岩储层包括：河口点坝砂岩储层，潮汐砂脊砂岩储层，非局限性潮汐点坝砂岩储层，局限性潮汐点坝砂岩储层其中之一或任意组合。
8.如权利要求5所述的砂岩储层渗透率各向异性参数预测装置，其特征在于，所述泥岩长度确定模块进一步用于：
根据所述砂岩储层单元厚度数据，确定砂岩储层平均长度数据；
根据所述砂岩储层平均长度数据，确定砂岩储层单元内平均泥岩长度数据。
9.一种计算机设备，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计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110048302.6A CN112925040B (zh) | 2021-01-14 | 2021-01-14 | 砂岩储层渗透率各向异性参数预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110048302.6A CN112925040B (zh) | 2021-01-14 | 2021-01-14 | 砂岩储层渗透率各向异性参数预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112925040A CN112925040A (zh) | 2021-06-08 |
| CN112925040B true CN112925040B (zh) | 2022-11-01 |
Family
ID=76163052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110048302.6A Active CN112925040B (zh) | 2021-01-14 | 2021-01-14 | 砂岩储层渗透率各向异性参数预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112925040B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017131825A1 (en) * | 2016-01-25 | 2017-08-03 | Halliburton Energy Services, Inc. | Determining permeability in subsurface anisotropic formations |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221111B (zh) * | 2007-01-12 | 2010-12-22 | 中国石油大学(北京) | 各向异性渗透率的测试方法及装置 |
| GB2555365B (en) * | 2015-07-28 | 2021-07-28 | Geoquest Systems Bv | Seismic constrained discrete fracture network |
| CN106226218B (zh) * | 2016-07-18 | 2018-10-30 | 中国石油大学(华东) | 一种确定致密砂岩周向渗透率主方向的方法 |
| CN107366534B (zh) * | 2017-08-10 | 2020-08-11 | 中国石油天然气股份有限公司 | 粗化渗透率的确定方法和装置 |
| CN107679358B (zh) * | 2017-08-15 | 2020-06-09 | 中国石油天然气股份有限公司 | 一种确定储层渗透率的方法及装置 |
| CN110263428B (zh) * | 2019-06-18 | 2023-01-24 | 长江航道规划设计研究院 | 一种基于流量加权平均流线长度指标的河床演变分析方法 |
-
2021
- 2021-01-14 CN CN202110048302.6A patent/CN112925040B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017131825A1 (en) * | 2016-01-25 | 2017-08-03 | Halliburton Energy Services, Inc. | Determining permeability in subsurface anisotropic formations |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112925040A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3444640B1 (en) | Method and device of predicting reservoir sand bodies based on a wind field-provenance-basin system | |
| Watkins et al. | Appraisal of fracture sampling methods and a new workflow to characterise heterogeneous fracture networks at outcrop | |
| Hijma et al. | A protocol for a geological sea‐level database | |
| Travelletti et al. | Characterization of the 3D geometry of flow-like landslides: A methodology based on the integration of heterogeneous multi-source data | |
| US20120271609A1 (en) | Methods and computing systems for hydrocarbon exploration | |
| Dietrich et al. | Deciphering controls for debris‐flow erosion derived from a LiDAR‐recorded extreme event and a calibrated numerical model (Roßbichelbach, Germany) | |
| US8760968B2 (en) | Determining a quantity of a given material in a subterranean structure | |
| US11215726B2 (en) | Inversion with exponentially encoded seismic data | |
| CN105158796B (zh) | 确定toc含量的方法和装置 | |
| Lopes et al. | Advancements towards DFKN modelling: Incorporating fracture enlargement resulting from karstic dissolution in discrete fracture networks | |
| Yeh et al. | The role of the geological uncertainty in a geotechnical design–A retrospective view of Freeway No. 3 Landslide in Northern Taiwan | |
| CN111624651B (zh) | 基于古地貌约束的储层预测方法及装置 | |
| CN107831536A (zh) | 沙漠地表地震资料处理浮动基准面建立方法 | |
| EP3929630B1 (en) | Computer implemented method for correcting a reservoir model of a reservoir geological formation based on seismic images | |
| Afroogh et al. | Open fracture clustering: Integrating subsurface and outcrop analogues, Asmari Formation, SW Iran | |
| CN112925040B (zh) | 砂岩储层渗透率各向异性参数预测方法及装置 | |
| CN115930852A (zh) | 活动层厚度估算方法、装置、存储介质及电子设备 | |
| CN109991663B (zh) | 工区地震速度体校正方法和装置 | |
| Liu et al. | Assessment of regional shallow landslide stability based on airborne laser scanning data in the Yingxiu area of Sichuan Province (China) | |
| Mader et al. | Volumetric nonlinear ortho full-waveform stacking in airborne LiDAR bathymetry for reliable water bottom point detection in shallow waters | |
| El-Sersawy | Sediment deposition mapping in Aswan High Dam reservoir using geographic information system (GIS) | |
| CN112305595B (zh) | 基于折射波分析地质体结构的方法及存储介质 | |
| CN113267810B (zh) | 地震勘探全深度速度建模方法及装置 | |
| US10067254B2 (en) | Removal of an estimated acquisition effect from a marine survey measurement | |
| Miluch et al. | Multivariate geostatistical modeling of seismic data: Case study of the Late Pleistocene paleodelta architecture (SW off-shore Hainan Island, south China sea) |
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 |